Accurate Identification of Land-Use Changes Using Open Google Earth Engine Tools
Präzise Erkennung von Landnutzungsveränderungen mithilfe von Google Earth Engine Tools
Iuliia Horkovchuk, Denys Gorkovchuk
The objective is to develop an algorithm for detecting changes in land-use classes with a focus on unambiguous identification of the type of such change, utilizing remote sensing datasets from Google Earth Engine. The algorithm involves several key steps such as data collection, processing, land-use classification, change detection, change quantification, and socio-economic impact analysis. The main task is to record the transition of one category of land to another in order to further forecast changes in socio-economic indicators. The research also included an assessment of the accuracy of the algorithm’s results based on a comparison with existing land-use datasets for areas with similar characteristics. The accuracy of the change type determination corresponds to the global level of the Dynamic World dataset and follows the common classification problems for such lands as crops, built-up and grass classes. Therefore, the study aims to identify trends in land use and their socio-economic impacts, with the findings underlining the need for ongoing development of classification tools to adapt to environmental changes. The research’s practical relevance is demonstrated through an analysis of land-use changes in the Donetsk and Dnipro regions, correlating them with socio-economic indicators like the total population, emissions and gross harvest of agricultural crops by enterprises. Taking into account the long-term military conflict in this region, the proposed algorithm for detecting changes in land use in these territories was tested. The results testify to the effectiveness of the application of such a technique for fixing and assessing the economic consequences for the territories of hostilities. The research emphasizes the importance of integrating social analysis with land-use data for sustainable land management and informed policy-making.
Das Ziel der Arbeit besteht in der Entwicklung eines Algorithmus zur Erkennung von Veränderungen in Landnutzungsklassen mit dem Schwerpunkt auf einer eindeutigen Identifizierung der Art solcher Veränderungen unter Verwendung von Fernerkundungsdatensätzen aus der Google Earth Engine. Der Algorithmus umfasst mehrere zentrale Schritte wie Datenerfassung, Datenverarbeitung, Landnutzungsklassifikation, Veränderungsdetektion, Quantifizierung von Veränderungen sowie die Analyse sozioökonomischer Auswirkungen. Die Hauptaufgabe besteht darin, den Übergang einer Landnutzungskategorie in eine andere zu dokumentieren, um darauf aufbauend Veränderungen in sozioökonomischen Indikatoren zu prognostizieren. Darüber hinaus beinhaltet die Arbeit eine Bewertung der Genauigkeit der Ergebnisse des Algorithmus auf Grundlage eines Vergleichs mit bestehenden Landnutzungsdatensätzen für Gebiete mit ähnlichen Charakteristika. Die Genauigkeit der Bestimmung des Änderungstyps entspricht dem globalen Niveau des Dynamic-World- Datensatzes und weist die typischen Klassifikationsprobleme bei Nutzungsarten wie Ackerflächen, Bebauung und Grünland auf. Ziel dieser Untersuchung ist es daher, Trends in der Landnutzung und deren sozioökonomische Auswirkungen zu identifizieren. Die Ergebnisse unterstreichen die Notwendigkeit einer kontinuierlichen Weiterentwicklung von Klassifikationsinstrumenten zur Anpassung an Umweltveränderungen. Die praktische Relevanz der Forschung wird durch eine Analyse der Landnutzungsänderungen in den Regionen Donezk und Dnipro verdeutlicht, bei der Korrelationen mit sozioökonomischen Indikatoren wie Gesamtbevölkerung, Emissionen und Bruttoertrag landwirtschaftlicher Kulturen in Betrieben untersucht wurden. Unter Berücksichtigung des langjährigen militärischen Konflikts in dieser Region wurde der vorgeschlagene Algorithmus zur Erkennung von Landnutzungsänderungen in diesen Gebieten getestet. Die Ergebnisse belegen die Wirksamkeit des Einsatzes einer solchen Methodik zur Erfassung und Bewertung der wirtschaftlichen Folgen für die von Kampfhandlungen betroffenen Territorien. Die Studie betont die Bedeutung der Integration sozialwissenschaftlicher Analysen mit Landnutzungsdaten für ein nachhaltiges Landmanagement und eine fundierte Politikgestaltung.
Keywords: Monitoring, land management, land-use classification, land-use datasets, Google Earth Engine, Dynamic World, geospatial analysis, remote sensing, data processing, socio-economic indicators, sustainable development
Schlüsselwörter: Monitoring, Landmanagement, Landnutzungsklassifikation, Google Earth Engine, Dynamic World, Geo-datenanalyse, Fernerkundung, Datenverarbeitung, sozioökonomische Indikatoren, nachhaltige Entwicklung
DOI: 10.14627/avn.2026.1.6
Der Volltext der aktuellen Artikel (< 3 Monate) aus dem Artikelarchiv steht für
avn-Abonnenten
nach dem Login
zur Verfügung.