[EN] The first part of this work reviews the potential applications of satellite remote sensing to regional science research in urban settings. The availability of satellite remote sensing data has increased significantly in the last two decades. The increasing spatial resolution of commercial satellite imagery has influenced the emergence of new research and applications of regional science in urban settlements because it is now possible to identify individual objects of the urban fabric. The most common applications found in the literature are the detection of urban deprivation hot spots, quality of life index assessment, urban growth analysis, house value estimation, urban population estimation, urban social vulnerability assessment, and the variability of intra-urban crime rates. The satellite remote sensing imagery used in these applications has medium, high or very high spatial resolution (Landsat MSS, Landsat TM and ETM+, SPOT, ASTER, IRS, Ikonos and QuickBird). Consistent relationships between socio-economic variables derived from censuses and field surveys and proxy variables of vegetation coverage measured from satellite remote sensing data have been found in several cities in the US. Different approaches and techniques have been applied successfully around the world, but local research is always needed to account for the unique elements of each place. Spectral mixture analysis, object-oriented classifications and image texture measures are some of the techniques of image processing that have been implemented with good results. This work contributes empirical evidence about the usefulness of remote sensing imagery to quantify the degree of poverty at the intra-urban scale. This concept is based on two premises: first, that the physical appearance of an urban settlement is a reflection of the society; and second, that the people who reside in urban areas with similar physical housing conditions have similar social and demo- graphic characteristics. We evaluate the potential of the image-derived urban fabric descriptors to explain a measure of poverty known as the Slum Index. We found that these variables explain up to 59% of the variability in the Slum Index. Similar approaches could be used to lower the cost of socioeconomic surveys by developing an econometric model from a sample and applying that model to the rest of the city and to perform intercensal or intersurvey estimates of intra-urban Slum Index maps. The last part of this work analyzes the relation between the urban layout and crime. The link between place and crime is at the base of social ecology theories of crime that focus in the relationship of the characteristics of geographical areas and crime rates. The broken windows theory states that visible cues of physical and social disorder in a neighborhood can lead to an increase in more serious crime. Based on the premise that a settlement's appearance is a reflection of the society, we ask whether a neighbor- hood's design has a quantifiable imprint when seen from space using urban fabric descriptors computed from VHR imagery. The percentage of impervious surfaces other than clay roofs, the fraction of clay roofs to impervious surfaces, two structure descriptors related to the homogeneity of the urban layout, and the uniformity texture descriptor were all statistically significant. Areas with higher homicide rates tended to have higher local variation and less general homogeneity; that is, the urban layouts were more crowded and cluttered, with small dwellings with different roofing materials located in close proximity to one another, and these regions often lacked other homogeneous surfaces such as open green spaces, wide roads, or large facilities. These results seem to be in agreement with the broken windows theory and CPTED in the sense that more heterogeneous and disordered urban layouts are associated with higher homicide rates. / [ES] La primera parte aporta una revisión de las aplicaciones de la teledetección satelital en la investigación de ciencia regional en entornos urbanos. La disponibilidad de imágenes satelitales se ha incrementado significativamente en las dos últimas décadas, al tiempo que la resolución espacial ha venido aumentando, lo que ha influenciado el surgimiento de investigaciones y aplicaciones de ciencia regional en zonas urbanas. Las aplicaciones más comunes son la detección de hot spots de pobreza urbana, la evaluación de índices de calidad de vida, el análisis del crecimiento urbano, la estimación de valores de vivienda, la estimación de población urbana, la evaluación de la vulnerabilidad social y las variaciones intra-urbanas en tasas de crimen. Las imágenes satelitales usadas tienen resolución espacial media, alta o muy alta (Landsat MSS, Landsat TM y ETM+, SPOT, ASTER, IRS, Ikonos y Quickbird). Se han encontrado relaciones consistentes entre variables socio-económicas obtenidas de censos y encuestas y variables de la cobertura de vegetación en varias ciudades de Estados Unidos. Algunas de las técnicas que se han implementado y obtenido buenos resultados son el análisis de mezcla espectral, las clasificaciones orientadas a objetos y las medidas de textura de la imagen. Se aporta evidencia empírica acerca de la utilidad de las imágenes satelitales para cuantificar el grado de pobreza a escala intra-urbana. Se basa en dos premisas: primero, que la apariencia física de un asentamiento urbano es un reflejo de la sociedad que lo habita; y segundo, que la población de áreas urbanas con condiciones físicas de vivienda parecidas tiene características sociales y demográficas similares. Evaluamos el potencial de los descriptores del tejido urbano extraídos de la imagen para explicar una medida de pobreza conocida como el índice Slum. Encontramos que esas variables explican hasta un 59% de la variabilidad en el índice Slum. Aproximaciones similares a esta podrían usarse para disminuir el costo de encuestas socioeconómicas por medio del desarrollo de un modelo econométrico usando una muestra y luego aplicando el modelo al resto de la ciudad, y para elaborar estimaciones inter-censales o inter-encuestas de mapas intra-urbanos del índice Slum. La última parte analiza la relación entre el trazado urbano y crimen. El enlace entre el lugar y el crimen está en la base de las teorías socio-ecológicas de crimen que se enfocan en la relación de las características de las áreas geográficas y las tasas de crimen. La teoría de las ventanas rotas afirma que las evidencias visibles de desorden físico y social en un barrio pueden llevar al incremento de crímenes más serios. Con base en la premisa de que la apariencia de un asentamiento es un reflejo de la sociedad, nos preguntamos si el diseño del barrio tiene un impacto cuantificable cuando se observa desde el espacio usando descriptores del tejido urbano obtenidos de imágenes de muy alta resolución. El porcentaje de superficies impermeables diferentes a los techos de arcilla, la fracción de techos de arcilla sobre las superficies impermeables, dos variables de estructura relacionadas con la homogeneidad del trazado urbano y la variable de textura uniformidad resultaron estadísticamente significativas. Las áreas con tasas de homicidio más altas tienden a tener mayor variación local y menor homogeneidad general; esto es, los trazados urbanos son más desordenados y hacinados, con pequeñas viviendas que tienen materiales diferentes en sus techos localizadas muy cerca unas de otras, y estas áreas carecen a menudo de otras superficies homogéneas tales como espacios verdes abiertos, vías amplias y grandes construcciones industriales o institucionales. Estos resultados parecen estar en acuerdo con la teoría de las ventanas rotas y CPTED en el sentido de que los trazados urbanos más desordenados y heterogéneos están asociados con tasas de homicid / [CA] La primera part aporta una revisió de les potencials aplicacions de la teledetecció espacial a la investigació en ciència regional en entorns urbans. La disponibilitat de dades de percepció remota des de satèl·lits s'ha incrementat significativament a les dues últimes dècades. La resolució espacial de les imatges de satèl·lit comercials també han anat augmentant i això, ha influït en l'aparició de investigacions i aplicacions a la ciència regional en assentaments urbans. Les aplicacions més comunes trobades a la literatura són la detecció de punts calents de pobresa urbana, l'avaluació dels índex de qualitat de vida, les anàlisis de creixement urbà, l'avaluació de la vulnerabilitat social i les variacions intraurbanes de les taxes de crims. Les imatges de satèl·lit emprades tenen resolució espacial mitjana, alta o molt alta (Landsat MSS, Landsat TM i ETM+, SPOT, ASTER, IRS, Ikonos y Quickbird). S'han torbat relacions consistents entre variables socioeconòmiques obtingudes de censos i enquestes i variables de la cobertura de vegetació en varies ciutats del Estats Units. Algunes de les tècniques que s'han implementat i han donat bons resultats són l'anàlisi de mescla espectral, les classificacions orientades a objecte i les mesures de textura de les imatges. Es aporta evidència empírica sobre la utilitat de les imatges de satèl·lit per quantificar el grau de pobresa a escala intraurbana. Es bassa en dues premisses: primer, que l'aparença física d'un assentament urbà n'és un reflex de la societat que l'habita; i segon, que les persones que resideixen en àrees urbanes amb condicions físiques de vivenda paregudes tenen també característiques socials i demogràfiques similars. Avaluem el potencial dels descriptors del teixit urbà extrets de la imatge per explicar una mesura de pobresa coneguda com index Slum. Trobem que aquestes variables expliquen fins un 59% de la variabilitat de l'índex Slum. Aproximacions semblants a aquesta es podrien emprar per a disminuir el cost de les enquestes socioeconòmiques mitjançant el desenvolupament d'un model economètric utilitzant una mostra i després aplicant el model a la resta de la ciutat, i per elaborar estimacions inter-censals o inter-enquestes de mapes intraurbans de l'índex Slum. La darrera part analitza la relació entre el traçat urbà i el crim. L'enllaç entre el lloc i el crim està a la base de les teories socio-ecològiques del crim que es centren en la relació de les característiques de les àrees geogràfiques i les taxes de crims. La teoria de les finestres trencades afirma que les evidències visibles de desordre físic i social d'un barri pot portar a l'augment de crims més greus. Basant-se en la premissa de que l'aparença d'un assentament n'és el reflex de la societat, ens hi preguntem si el disseny del barri té un impacte quantificable quan s'observa des de el espai, utilitzant descriptors del teixit urbà obtinguts de imatges de molt alta resolució. Han resultat estadísticament significatius el percentatge de superfícies impermeables diferents a les teulades de argila, la fracció de teulades d'argila sobre les superfícies impermeables, dues variables d'estructura relacionades amb la homogeneïtat del traçat urbà i la variable de textura de uniformitat. Les àrees amb taxes d'homicidi més altes tendeixen a presentar una major variació local i una menor homogeneïtat general; és a dir, el traçats urbans són més desordenats i amuntonats, amb petites vivendes que tenen materials diferents a les seues teulades localitzades molt prop unes d'altres, i aquestes àrees manquen sovint d'altres superfícies homogènies, com ara espais verds oberts, vies amplies i grans construccions industrials o institucionals. Aquests resultats pareixen estar-hi d'acord amb la teoria de les finestres trencades i CPTED en el sentit de que els traçats urbans més desordenats i heterogenis estan associats amb taxes d'homicides m / Patiño Quinchía, JE. (2015). Cityscape, poverty and crime: a quantitative assessment using VHR imagery [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/59453

Abstract<p>Since 1999, Very High spatial Resolution satellite data (Ikonos-2, QuickBird and OrbView-3) represent the surface of the Earth with more detail. However, information extraction by multispectral pixel-based classification proves to have become more complex owing to the internal variability increase in the land-cover units and to the weakness of spectral resolution. <p>Therefore, one possibility is to consider the internal spectral variability of land-cover classes as a valuable source of spatial information that can be used as an additional clue in characterizing and identifying land cover. Moreover, the spatial resolution gap that existed between satellite images and aerial photographs has strongly decreased, and the features used in visual interpretation transposed to digital analysis (texture, morphology and context) can be used as additional information on top of spectral features for the land cover classification.<p>The difficulty of this approach is often to transpose the visual features to digital analysis.<p>To overcome this problem region-based classification could be used. Segmentation, before classification, produces regions that are more homogeneous in themselves than with nearby regions and represent discrete objects or areas in the image. Each region becomes then a unit analysis, which makes it possible to avoid much of the structural clutter and allows to measure and use a number of features on top of spectral features. These features can be the surface, the perimeter, the compactness, the degree and kind of texture. Segmentation is one of the only methods which ensures to measure the morphological features (surface, perimeter.) and the textural features on non-arbitrary neighbourhood. In the pixel-based methods, texture is calculated with mobile windows that smooth the boundaries between discrete land cover regions and create between-class texture. This between-class texture could cause an edge-effect in the classification.<p><p>In this context, our research focuses on the potential of land cover region-based classification of VHR satellite data through the study of the object extraction capacity of segmentation processes, and through the study of the relevance of region features for classifying the land-cover classes in different kinds of Belgian landscapes; always keeping in mind the parallel with the visual interpretation which remains the reference.<p><p>Firstly, the results of the assessment of four segmentation algorithms belonging to the two main segmentation categories (contour- and region-based segmentation methods) show that the contour detection methods are sensitive to local variability, which is precisely the problem that we want to overcome. Then, a pre-processing like a filter may be used, at the risk of losing a part of the information. The “region-growing” segmentation that uses the local variability in the segmentation process appears to be the best compromise for the segmentation of different kinds of landscape.<p>Secondly, the features calculated thanks to segmentation seem to be relevant to identify some land-cover classes in urban/sub-urban and rural areas. These relevant features are of the same type as the features selected visually, which shows that the region-based classification gets close to the visual interpretation. <p>The research shows the real usefulness of region-based classification in order to classify the land cover with VHR satellite data. Even in some cases where the features calculated thanks to the segmentation prove to be useless, the region-based classification has other advantages. Working with regions instead of pixels allows to avoid the salt-and-pepper effect and makes the GIS integration easier.<p>The research also highlights some problems that are independent from the region-based classification and are recursive in VHR satellite data, like shadows and the spatial resolution weakness for identifying some land-cover classes.<p><p>Résumé<p>Depuis 1999, les données satellitaires à très haute résolution spatiale (IKONOS-2, QuickBird and OrbView-3) représentent la surface de la terre avec plus de détail. Cependant, l’extraction d’information par une classification multispectrale par pixel devient plus complexe en raison de l’augmentation de la variabilité spectrale dans les unités d’occupation du sol et du manque de résolution spectrale de ces données. Cependant, une possibilité est de considérer cette variabilité spectrale comme une information spatiale utile pouvant être utilisée comme une information complémentaire dans la caractérisation de l’occupation du sol. De plus, de part la diminution de la différence de résolution spatiale qui existait entre les photographies aériennes et les images satellitaires, les caractéristiques (attributs) utilisées en interprétation visuelle transposées à l’analyse digitale (texture, morphologie and contexte) peuvent être utilisées comme information complémentaire en plus de l’information spectrale pour la classification de l’occupation du sol.<p><p>La difficulté de cette approche est la transposition des caractéristiques visuelles à l’analyse digitale. Pour résoudre ce problème la classification par région pourrait être utilisée. La segmentation, avant la classification, produit des régions qui sont plus homogène en elles-mêmes qu’avec les régions voisines et qui représentent des objets ou des aires dans l’image. Chaque région devient alors une unité d’analyse qui permet l’élimination de l’effet « poivre et sel » et permet de mesurer et d’utiliser de nombreuses caractéristiques en plus des caractéristiques spectrales. Ces caractéristiques peuvent être la surface, le périmètre, la compacité, la texture. La segmentation est une des seules méthodes qui permet le calcul des caractéristiques morphologiques (surface, périmètre, …) et des caractéristiques texturales sur un voisinage non-arbitraire. Avec les méthodes de classification par pixel, la texture est calculée avec des fenêtres mobiles qui lissent les limites entre les régions d’occupation du sol et créent une texture interclasse. Cette texture interclasse peut alors causer un effet de bord dans le résultat de la classification.<p><p>Dans ce contexte, la recherche s’est focalisée sur l’étude du potentiel de la classification par région de l’occupation du sol avec des images satellitaires à très haute résolution spatiale. Ce potentiel a été étudié par l’intermédiaire de l’étude des capacités d’extraction d’objet de la segmentation et par l’intermédiaire de l’étude de la pertinence des caractéristiques des régions pour la classification de l’occupation du sol dans différents paysages belges tant urbains que ruraux. / Doctorat en sciences agronomiques et ingénierie biologique / info:eu-repo/semantics/nonPublished