Интеллектуальный анализ процесса устойчивого развития с использованием индикаторов ночного свечения

• Main Authors: Viktor Putrenko, Nataliia Pashynska
• Format: Article
• Language: English
• Published: PC Technology Center 2019-06-01
• Series: Tehnologìčnij Audit ta Rezervi Virobnictva
• Subjects: data mining; sustainable development; nightlight luminocity; spatial regression; geospatial analysis
• Online Access: http://journals.uran.ua/tarp/article/view/172157

Объектом исследования является процесс устойчивого развития территориальных единиц на примере регионов Украины. Концепция устойчивого развития стала ведущей стратегией развития для большинства стран мира. Одной из самых больших проблем остается получение полных и верифицированных данных для моделей оценки устойчивого развития. В работе была использована методика расчета индекса устойчивого развития, разработанная в Мировом центре данных по геоинформатике и устойчивому развитию Национального технического университета Украины «Киевский политехнический институт им. Игоря Сикорского». Данная методика основывается на расчете метрики индекса устойчивого развития на основе измерений качества жизни населения и компоненты безопасности проживания для отдельных стран и регионов. Для применения методики на региональном уровне было предложено использование информации о ночном освещение территории, получаемой средствами дистанционного зондирования Земли со спутников. Исследованы характер и теснота связи между яркостью ночного освещения и индикаторами устойчивого развития. Установлено, что наиболее значимая связь имеется между показателями индекса экономического развития, индексом влияния на изменение климата и ночным освещением территории регионов Украины. На основе геоинформационного анализа программного обеспечения ArcGIS компании ESRI был применен инструментарий статистического зонирования, который предоставляет возможности для статистической обработки данных спутниковых снимков в пределах выделенных по административному принципу регионов или других полигональных областей. На основе математического аппарата интеллектуального анализа данных был осуществлен глобальный и локальный регрессионный анализ связей между выявленными показателями. Рассмотрение тесноты этой связи в территориальном разрезе позволило выявить зоны с разной степенью тесноты связей, что объясняется особенностями социально-экономического развития территорий. Благодаря этому обеспечивается возможность получения расчета аналогичных показателей на более детальных территориальных уровнях, соответствующих отдельным районам или городам областного значения.