Show simple item record

Scenarios of Urban Growth in Kenya Using Regionalised Cellular Automata based on Multi temporal Landsat Satellite Data

dc.contributor.advisorMenz, Gunter
dc.contributor.authorMubea, Kenneth Wagia
dc.date.accessioned2020-04-19T21:25:41Z
dc.date.available2020-04-19T21:25:41Z
dc.date.issued24.04.2014
dc.identifier.urihttps://hdl.handle.net/20.500.11811/6078
dc.description.abstractThe exponential increase of urban areas in Africa during the last decade has become a major concern in the context of local climatic change and the increasing amount of impervious surface. Major African cities such as Nairobi and Nakuru have undergone rapid urban growth in comparison to the rest of the world. In this research we investigated the land-use changes and used the results in urban growth modelling which integrates cellular automata (CA), remote sensing (RS) and geographic information systems (GIS) in order to simulate urban growth up to the year 2030.
We used multi-temporal Landsat imageries for the years 1986, 2000 and 2010 to map urban land-use changes in Nairobi and Nakuru. The use of multi-sensor imageries was also explored incorporating World view 2, and Advanced Land Observing Satellite (ALOS) Phased Array type L-band Synthetic Aperture Radar (PALSAR) data for urban land-use mapping in Nakuru. We conducted supervised classification using support vector machine (SVM) which performed better than maximum likelihood classification. Land-use change estimates were obtained indicating increased urban growth into the year 2010.
We used the land-use change analysis information to model urban growth in Nairobi and Nakuru. Our urban growth model (UGM) utilised various datasets in modelling urban growth namely urban land-use extracted from land-use maps, road network data, slope data and exclusion layer defining areas excluded from development. The Monte-Carlo technique was used in model calibration. The model was validated using Multiple Resolution Validation (MRV) technique. Prediction of urban land-use was done up to the year 2030 when Kenya plans to attain Vision 2030. Three scenarios were explored in the urban modelling process; unmanaged growth with no restriction on environmental areas, managed growth with moderate protection, and a managed growth with maximum protection on forest, agricultural areas, and urban green.
Furthermore, we explored the spatial effects of varying UGM parameters using the city of Nairobi. The objective here was to investigate the contribution of each model parameter in simulating urban growth. The results obtained indicate that varying model coefficients leads to urban growth in different directions and magnitude. However, several model parameters were observed to be highly correlated namely; spread, breed and road. The lowest spatial effect was achieved by at least maintaining spread, breed and road while varying the other parameters. The highest spatial effect was observed by at least keeping slope constant while varying the other four parameters. Additionally, we used kappa statistics to compare the simulation maps. High values of Khisto indicated high similarity between the maps in terms of quantity and location thus indicating the lowest spatial effect obtained.
Kenya plans to achieve Vision 2030 in the year 2030 and information on spatial effects of our UGM can help in identifying different scenarios of future urban growth. It is thus possible to discover areas that are likely to experience; spontaneous growth, edge growth, road influenced growth or new spreading centres growth. Policy makers can see the influence of establishing new infrastructure such as housing and road in new areas compared to existing settlements.
Moreover, the outcome of this research indicates that Nairobi and Nakuru are experiencing fast urban sprawl with urban land-use consuming the available land. The results obtained illustrate the possibility of urban growth modelling in addressing regional planning issues. This can help in comprehensive land-use planning and an integrated management of resources to ensure sustainability of land and to achieve social equity, economic efficiency and environmental sustainability. Hence, cellular automata are a worthwhile approach for regional modelling of African cities such as Nairobi and Nakuru. This provides opportunities for other cities in Africa to be studied using UGM and its adaptability noted accordingly.
dc.description.abstractDas exponentielle Wachstum afrikanischer Städte im letzten Jahrzehnt ist mit Blick auf die lokalen klimatischen Veränderungen und der zunehmenden Menge an versiegelten Oberflächen von besonderer Tragweite. Im Vergleich zu anderen Metropolen erfuhren afrikanische Städte wie Nairobi und Nakuru ein extensives Wachstum der urbanen Flächen. Die vorliegende Arbeit setzt sich mit dem urbanen Landnutzungswandel auseinander und modelliert die Siedlungsflächenausdehnung für das Jahr 2030 mit Hilfe eines Zellulären Automaten (CA), Fernerkundungsdaten (RS) sowie Geographischen Informationssystemen (GIS).
Zur Kartierung der Siedlungsflächenausdehnung von Nairobi und Nakuru wurden multitemporale Landsat-Daten der Jahre 1986, 2000 und 2010 verwendet. Zusätzlich wurden multisensorale Daten von World View 2 und ALOS PALSAR für Nakuru eingesetzt. Die Landnutzungsklassifikation erfolgte mit support vector machines (SVM). Dieses Verfahren zeigte bessere Ergebnisse als eine Maximum-Likelihood-Klassifikation.
Auf Basis der klassifizierten Satellitendaten erfolgte die Landnutzungsmodellierung für Nairobi und Nakuru. Hierzu wurde die von Goetzke (2011) modifizierte Version von Clarke’s Urban Growth Model (Clarke, Hoppen, & Gaydos, 1997) benutzt. Neben den Landnutzungskarten fungieren Informationen zum Verkehrsnetz, zur Hangneigung und zu Ausschlussflächen als Hauptinputdaten. Die Kalibration erfolgte mit Hilfe von Monte Carlo Iterationen. Zur Validation des Modells wurde eine Multiple Resolution Validation (MRV) durchgeführt. Die Siedlungsflächenausdehnung wurde für das Jahr 2030 simuliert. Zu diesem Zeitpunkt plant das Land Kenia die Umsetzung des Vision 2030 Programmes. Es wurden insgesamt drei Szenarien mit dem Wachstumsmodell gerechnet: (1) Wachstum ohne Planungszwänge, so dass auch Siedlungsflächen in Naturschutzgebieten entstehen dürfen. (2) Siedlungsflächenausdehnung unter moderaten Planungsbedingungen. (3) Wachstum mit sehr restriktiven Planungsbedingungen, unter Einschluss des Schutzes von Wald-, Grün- und- Agrarflächen.
Des Weiteren wurde eine Sensitivitätsanalyse der modelleigenen Wachstumsparameter am Beispiel von Nairobi durchgeführt. Es konnte gezeigt werden, welchen Einfluss die Parameter auf die Intensität und das Muster der modellierten Siedlungsflächenausdehnung ausüben. Dabei zeigten die Wachstumskoeffizienten „spread“, „breed“ und „road“ eine signifikante Korrelation. Zur weiteren Analyse der erzielten Modellierungsergebnisse und zum Vergleich der räumlichen Muster wurden Kappa-Statistiken herangezogen.
Die Arbeit sieht sich als Beitrag zum Vision 2030 Diskurs der kenianischen Regierung. Die simulierten Szenarien der Siedlungsflächenausdehnung von Nairobi und Nakuru identifizieren die für eine Urbanisierung wahrscheinlich in Frage kommenden Regionen. Die Studie zeigt zudem, dass sich die Siedlungsflächenausdehnung von Nairobi und Nakuru schnell und mit hohen Wachstumsraten vollzieht. Der Einsatz von CA Modellen ist ein wertvoller Ansatz zur regionalen Modellierung nicht nur von kenianischen sondern auch von afrikanischen Städten. Die Arbeit kann somit Entscheidungsträger aus Politik und Verwaltung unterstützen, indem sie die räumlichen Auswirkungen des zukünftigen Ausbaus der Infrastruktur und von Wohnflächen aufzeigt. Eine umfassende Planung von Landnutzungswandel und ein integriertes Management sind essentiell auf dem Weg zu einem bewussteren Umgang mit der Ressource Land sowie zu einer sozialen Gleichheit, wirtschaftlichen Effizienz und einer ökologischen Nachhaltigkeit.
dc.language.isoeng
dc.rightsIn Copyright
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/
dc.subjectUrban growth model
dc.subjectmulti-sensors
dc.subjectRadar
dc.subjectCellular Automata
dc.subjectGeographic Information Systems
dc.subjectRemote sensing
dc.subjectNairobi
dc.subjectNakuru
dc.subjectVision 2030
dc.subjectSustainability
dc.subject.ddc550 Geowissenschaften
dc.subject.ddc910 Geografie, Reisen
dc.titleScenarios of Urban Growth in Kenya Using Regionalised Cellular Automata based on Multi temporal Landsat Satellite Data
dc.typeDissertation oder Habilitation
dc.publisher.nameUniversitäts- und Landesbibliothek Bonn
dc.publisher.locationBonn
dc.rights.accessRightsopenAccess
dc.identifier.urnhttps://nbn-resolving.org/urn:nbn:de:hbz:5n-35748
ulbbn.pubtypeErstveröffentlichung
ulbbnediss.affiliation.nameRheinische Friedrich-Wilhelms-Universität Bonn
ulbbnediss.affiliation.locationBonn
ulbbnediss.thesis.levelDissertation
ulbbnediss.dissID3574
ulbbnediss.date.accepted15.04.2014
ulbbnediss.instituteMathematisch-Naturwissenschaftliche Fakultät : Fachgruppe Erdwissenschaften / Geographisches Institut
ulbbnediss.fakultaetMathematisch-Naturwissenschaftliche Fakultät
dc.contributor.coRefereeGreve, Klaus


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

The following license files are associated with this item:

InCopyright