Settlement percolation: global maps of Critical Distances

Dit artikel introduceert de 'Global Settlement Percolation'-dataset, die wereldwijd de kritieke afstand kwantificeert waarop geïsoleerde nederzettingen samensmelten tot één groot cluster, waardoor een nieuwe maatstaf ontstaat voor het analyseren van de ruimtelijke samenhang van menselijke nederzettingen en hun impact op het milieu.

De kern

Stedelijke "Kippenvel": Hoe dicht bij elkaar moeten huizen staan om één grote stad te worden?

Stel je voor dat je een enorme kaart van de hele wereld hebt, maar dan niet met wegen of stadsnamen, maar alleen met kleine stipjes die aangeven waar mensen wonen. Soms zijn die stipjes heel dicht bij elkaar (zoals in Amsterdam of Tokio), en soms staan ze ver uit elkaar (zoals in de woestijn van Australië of het noorden van Canada).

De onderzoekers van dit paper hebben een slimme manier bedacht om te meten hoe "aaneengesloten" deze stipjes eigenlijk zijn. Ze noemen dit de "Kritieke Afstand".

Hier is hoe het werkt, uitgelegd in gewone taal:

1. Het Grote Verbindingsspel

Stel je voor dat je een potje "kabels" hebt. Je begint met heel korte kabeltjes (bijvoorbeeld 50 meter).

• Als je twee huizen binnen 50 meter van elkaar ziet, verbind je ze met een kabeltje.
• Als je nu 100 meter neemt, krijg je meer kabeltjes en grotere groepjes huizen.
• Ga je door met het verlengen van je kabeltjes (naar 1 km, 5 km, 10 km...), dan beginnen de losse groepjes steeds vaker met elkaar te praten.

Op een bepaald moment gebeurt er iets magisch: al die losse dorpjes en steden plakken ineens aan elkaar vast en vormen één gigantisch, ononderbroken blok. In de wetenschap noemen ze dit een "percolatie-overgang" (een beetje alsof water ineens door een spons stroomt zodra de gaatjes groot genoeg zijn).

De "Kritieke Afstand" is precies dat ene getal: Hoe lang moeten je kabeltjes zijn voordat al die losse stukjes ineens één grote stad worden?

2. Waarom is dit handig?

Vroeger keken onderzoekers alleen naar hoeveel er gebouwd was (bijvoorbeeld: "In dit land is 10% van de grond bebouwd"). Maar dat zegt niets over hoe het eruitziet.

• Voorbeeld A: Twee steden met evenveel huizen.
  • In Stad X staan de huizen in één grote, dichte kluit. Je hebt maar een heel kort kabeltje nodig (bijv. 200 meter) om alles te verbinden.
  • In Stad Y staan de huizen verspreid over de hele provincie. Je hebt een heel lang kabeltje nodig (bijv. 10 kilometer) voordat ze elkaar raken.

Deze studie geeft voor elke plek op aarde aan wat die "magische lengte" is. Het is een maatstaf voor de structuur van de stad, niet alleen de hoeveelheid.

3. Wat hebben ze gedaan?

De onderzoekers hebben de hele wereld in kaart gebracht met superdichte satellietbeelden (10 meter per stipje!). Ze hebben een computerprogramma laten rekenen voor:

• Elk land en elke provincie: Hoe groot is de kritieke afstand in Nederland versus in Brazilië?
• Rasters (vierkante vakjes): Ze hebben de wereld opgedeeld in grote vierkanten (zoals een schaakbord) om te zien hoe de verbinding er lokaal uitziet.
• Bewegende vensters: Ze hebben een cirkel (bijvoorbeeld met een straal van 10 km) over de kaart laten schuiven. Zo kunnen ze zien: "Hier, in dit specifieke bosje, zijn de huizen zo ver uit elkaar dat je 15 km moet rijden om een ander huis te vinden."

4. Waarom is dit belangrijk voor jou?

Deze data is goud waard voor verschillende groepen mensen:

• Stedenplanners: Het helpt om te zien of een stad "versnipperd" is. Als de kritieke afstand groot is, betekent dit dat mensen ver moeten reizen voor boodschappen of werk.
• Ecologen (Natuurwetenschappers): Voor dieren is een versnipperd landschap een probleem. Als huizen ver uit elkaar staan (grote kritieke afstand), kunnen dieren er nog makkelijk tussen door. Als huizen één groot blok vormen (kleine kritieke afstand), is het voor dieren een ondoordringbare muur.
• Klimaatonderzoekers: Het helpt om te begrijpen hoe steden warmte vasthouden of hoe ze zich gedragen tijdens overstromingen.

Samenvattend

De onderzoekers hebben een wereldwijde "thermometer" ontwikkeld die meet hoe dicht bij elkaar onze huizen staan voordat ze één grote, onlosmakelijke eenheid vormen. Het is een nieuwe manier om naar onze wereld te kijken: niet alleen tellen hoeveel er is, maar begrijpen hoe het is samengesteld.

Het is alsof je voor het eerst niet alleen kijkt naar de hoeveelheid water in een emmer, maar meet hoe snel dat water door een spons stroomt. Dat vertelt je iets heel anders over de structuur van de wereld waarin we leven.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Settlement percolation: global maps of Critical Distances" in het Nederlands.

Probleemstelling

Een aanzienlijk deel van het aardoppervlak wordt door mensen beheerd, waarbij steden de meest extreme vorm van antropogene landgebruik vertegenwoordigen. Hoewel er veel onderzoek is gedaan naar de samenstelling van bebouwd gebied (hoeveelheid en type structuren), ontbreekt er een wereldwijd dataset dat de configuratie van nederzettingen kwantificeert. Specifiek is er geen dataset die aangeeft op welke afstanden geïsoleerde nederzettingen samensmelten tot één groot, samenhangend cluster. Bestaande analyses focussen vaak op grove schalen (continenten of landen) of missen een theoretisch raamwerk om deze connectiviteit op hoge resolutie te meten. Er is behoefte aan een onafhankelijke maatstaf voor de connectiviteit van nederzettingen om de impact op stedelijke systemen, ecologische fragmentatie en mobiliteit beter te begrijpen.

Methodologie

De auteurs introduceren een nieuwe aanpak gebaseerd op percolatietheorie om de "Kritieke Afstand" (Critical Distance) te bepalen. Dit is de drempelafstand waarbij geïsoleerde nederzettingen overgaan van een gefragmenteerde staat naar een verbonden staat (het ontstaan van een "gigantisch cluster").

Data:

• Input: De World Settlement Footprint (WSF) dataset (2019) van het Duitse Ruimtevaartcentrum (DLR). Dit is een binair raster van 10m resolutie dat stedelijke vs. niet-stedelijke gebieden aangeeft.
• Hulpdata: ESRI World Water Bodies (voor het uitsluiten van water) en Natural Earth administratieve grenzen.

Verwerkingsstappen:

1. Voorverwerking: De globale WSF-rasters (5138 bestanden) worden samengevoegd om overlappingen te verwijderen en vervolgens opgesplitst in tegels van 50k x 50k pixels voor parallelle verwerking.
2. Vectorisatie: Rasterpixels worden omgezet naar polygonen (ongeveer 524 miljoen polygonen) met behulp van PostGIS.
3. Clustering: Er wordt ruimtelijke clustering toegepast op basis van geodetische afstand (rekening houdend met de kromming van de aarde).
   • Er worden 60 verschillende drempelafstanden ($l$) getest, variërend van 50 m tot 30.000 m.
   • Een tweestapsalgoritme wordt gebruikt: eerst clustering binnen tegels, daarna consolidatie van clusters die over tegelgrenzen heen lopen.
4. Bepaling van de Kritieke Afstand ($l_c$):
   • Voor elke ruimtelijke eenheid wordt gekeken naar de groei van clusters naarmate de drempelafstand toeneemt.
   • De Kritieke Afstand is het punt waarop de grootste cluster dominant wordt en de gemiddelde grootte van de opvolgende grootste clusters (2e tot 4e) abrupt daalt (door samensmelting).
   • Statussen worden toegewezen: percolated (overgang gevonden), not percolated (geen gigantisch cluster gevormd binnen 30 km), of nodata (geen nederzettingen).

Spatiale Eenheden en Schalen:
De analyse wordt uitgevoerd op drie niveaus:

1. Administratieve eenheden: Landen (258) en subnationale eenheden (4.596, bijv. staten/provincies).
2. Niet-overlappende gridcellen: Globale rasteren met resoluties van 0,5°, 1°, 2,5° en 5°.
3. Bewegende vensters (Moving Windows): Een raster van ~1 km resolutie met circulaire vensters van stralen 1, 2,5, 5, 7,5, 10 en 15 km. Dit biedt lokale details.

Technische Implementatie:
Gebruik van PostgreSQL 15 met PostGIS 3.4.0, Python 3.9 en GDAL. Parallelisatie wordt bereikt via multiprocessing en het verwerken van tegels. Geodetische buffers worden gebruikt om projectie-distorties te minimaliseren.

Belangrijkste Bijdragen

• Global Settlement Percolation (GSP) Dataset: Een unieke, wereldwijde dataset die de Kritieke Afstand voor nederzettingen biedt op meerdere schalen.
• Nieuwe Maatstaf: De Kritieke Afstand fungeert als een onafhankelijke maatstaf voor configuratie, die complementair is aan de traditionele maatstaf van samenstelling (bevolkingsdichtheid of bebouwde oppervlakte). Twee gebieden met dezelfde hoeveelheid bebouwing kunnen zeer verschillende Kritieke Afstanden hebben afhankelijk van de ruimtelijke spreiding.
• Open Source Tooling: Een Docker Compose-omgeving en Python-scripts zijn beschikbaar om de methode toe te passen op andere datasets.

Resultaten

• Globale Patronen:
  • Gebieden met hoge bevolkingsdichtheid en compacte steden (bijv. West-Europa, Oost-Amerika, India, Oost-China) hebben lage Kritieke Afstanden (vaak < 1-2 km), wat aangeeft dat nederzettingen snel samensmelten tot grote clusters.
  • Gebieden met lage bevolkingsdichtheid of verspreide nederzettingen (bijv. Noord-Groenland, Alaska, Siberië, Mongolië, delen van de Amazone) hebben hoge Kritieke Afstanden (tot 30.000 m), wat wijst op een sterk gefragmenteerd landschap.
• Validatie: De resultaten voor Duitsland (850 m) komen overeen met eerdere studies (830 m), ondanks verschillen in inputdata en resolutie.
• Correlatie-analyse: Er is geen sterke correlatie gevonden tussen de Kritieke Afstand en andere geografische kenmerken zoals terreinhoogte, helling, het percentage bebouwd gebied, of de Human Footprint Index (HFI). Dit bevestigt dat de Kritieke Afstand een unieke, complementaire maatstaf is die niet simpelweg afgeleid kan worden uit bestaande indicatoren.

Betekenis en Toepassingsgebied

De GSP-dataset biedt waardevolle inzichten voor diverse disciplines:

• Stadsplanning en Mobiliteit: De Kritieke Afstand geeft inzicht in de benodigde mobiliteit om tussen nederzettingen te reizen en de toegankelijkheid van diensten.
• Ecologie en Landschapsbeheer: Het geeft een maatstaf voor de fragmentatie van natuurlijke habitats. Een lage Kritieke Afstand (hoge connectiviteit van nederzettingen) impliceert een lage "landschapsdoorlaatbaarheid" (porositeit) voor wilde dieren, wat barrièrewerking creëert voor diersoorten.
• Klimaatonderzoek: Kan worden gebruikt om stedelijke klimaateffecten te modelleren die afhankelijk zijn van de ruimtelijke configuratie.
• Landschapsecologie: Biedt een kwantitatieve basis voor het analyseren van de ruimtelijke organisatie van menselijke nederzettingen en hun impact op het niet-bebouwde landschap.

Kortom, deze studie vult een cruciale lacune in de mondiale ruimtelijke analyse door een theoretisch onderbouwde, schaalonafhankelijke maatstaf te bieden voor de connectiviteit van menselijke nederzettingen.