Χάρτης Απεικόνισης των Μεταβολών του Αστικού Πρασίνου σε Πόλεις της Λατινικής Αμερικής
Από RemoteSensing Wiki
Αντικείμενο εφαρμογής: Καταγραφή πρασίνου αστικού ιστού
Πρωτότυπος τίτλος: “A 10 m resolution urban green space map for major Latin American cities from Sentinel-2 remote sensing images and OpenStreetMap”
Συγγραφείς: Yang Ju, Iryna Dronova, Xavier Delclòs-Alió
Πηγή: Ju, Y., Dronova, I. & Delclòs-Alió, X. A 10 m resolution urban green space map for major Latin American cities from Sentinel-2 remote sensing images and OpenStreetMap. Sci Data 9, 586 (2022). https://doi.org/10.1038/s41597-022-01701-y [1]
Περίληψη: Η χαρτογραφική απεικόνιση είναι θεμελιώδης μέθοδος για τις μελέτες καταγραφής των αστικών χώρων πρασίνου. Παρά την αύξηση του αριθμού των χαρτών καταγραφής της κάλυψης γης σε παγκόσμια και περιφερειακή κλίμακα, οι προσπάθειες χαρτογράφησης του αστικού χώρου πρασίνου εξακολουθούν να είναι περιορισμένες και καθώς το αστικό πράσινο αποτελεί συχνά μέρος του ετερογενούς αστικού τοπίου, χάρτες κάλυψης γης που είναι χαμηλής ανάλυσης προερχόμενοι από εικόνες τηλεπισκόπησης, τείνουν να συγχέουν το αστικό πράσινο με άλλες καλύψεις γης.
Για τις ανάγκες της παρούσας μελέτης δημιουργήθηκε χάρτης ανάλυσης 10m που αφορά τα κύρια αστικά συμπλέγματα 371 μεγάλων πόλεων της Λατινικής Αμερικής για το 2017. Η προσέγγιση έγινε με εποπτευόμενη ταξινόμηση δορυφορικών εικόνων Sentinel-2 και δειγμάτων αστικού χώρου πρασίνου που προέκυψαν από το OpenStreetMap (OSM). Η συνολική ακρίβεια του συγκεκριμένου χάρτη σε 11 τυχαία επιλεγμένες πόλεις ήταν 0,87. Με την περαιτέρω αύξηση της ποιότητας χαρτογράφησης μέσω οπτικής επιθεώρησης και πρόσθετου ποιοτικού ελέγχου των δειγμάτων, ο τελικός χάρτης που προέκυψε, επιτρέπει μελέτες για τη μέτρηση της έκτασης της περιοχής, της διαμόρφωσης του χώρου και της σύνδεσης των ανθρώπων με τους χώρους αστικού πρασίνου, διευκολύνοντας τις μελέτες της σχέσης μεταξύ του αστικού πρασίνου και της έκθεσης των ανθρώπων σε περιβαλλοντικούς κινδύνους, τις επιπτώσεις για τη δημόσια υγεία, την αστική οικολογία και τον πολεοδομικό σχεδιασμό.
Λέξεις κλειδιά: Αστικός χώρος πρασίνου, OpenStreetMap, Εικόνες Sentinel-2
Εισαγωγή: Οι χώροι αστικού πρασίνου παρέχουν στους κατοίκους μίας πόλης διάφορες οικοσυστημικές υπηρεσίες, όπως η φυσική ρύθμιση του κλίματος, η εξουδετέρωση των περιβαλλοντικών κινδύνων και η βελτίωση της σωματικής και ψυχικής υγείας των ανθρώπων, καθιστώντας το αστικό πράσινο, ένα σπουδαίο περιβαλλοντικό αγαθό. Οι γειτονιές που γενικά δε διαθέτουν, ή χαρακτηρίζονται από κακώς συντηρημένο αστικό πράσινο, συνδέονται με αυξημένους κινδύνους εγκληματικότητας και πρόκληση προβλημάτων υγείας (αλλεργίες και ασθένειες). Το περιβαλλοντικό δίκαιο και ο πράσινος εξευγενισμός, είναι εγγενείς κοινωνικές προκλήσεις που συνδέονται με το αστικό πράσινο. Οι χάρτες απεικόνισης χώρων αστικού πρασίνου μεγάλης ανάλυσης και καλής ακρίβειας, είναι θεμελιώδεις για τη μελέτη των παραπάνω θεμάτων στους τομείς της περιβαλλοντικής υγείας, της αστικής οικολογίας και του αστικού σχεδιασμού, συμβάλλοντας μέσα από τα στοιχεία που έχουν συλλεχθεί, στον προγραμματισμό, στο σχεδιασμό και στη διαχείριση του αστικού πρασίνου.
Περιοχή Μελέτης: Για να δημιουργηθούν οι χάρτες αστικού πρασίνου, ορίστηκε ότι αυτό θα περιλαμβάνει δάση, γρασίδι, θάμνους, γεωργικές εκτάσεις και υγροβιότοπους και αντίστοιχα οι χάρτες που δεν αφορούν χώρους αστικού πρασίνου, θα περιλαμβάνουν κτήρια, πεζοδρόμια, δρόμους, άγονη γη και ξηρή/μη φωτοσυνθετική βλάστηση. Θεωρήθηκε ότι η ξηρή/μη φωτοσυνθετική βλάστηση που δε θα θεωρηθεί αστικό πράσινο, θα συντελέσει στη μείωση των σφαλμάτων χαρτογράφησης, επειδή τέτοιου είδους βλάστηση πιθανότατα θα προκαλέσει σύγχυση με την άγονη γη και κάποια αδιαπέραστη επιφάνεια των εικόνων.
Οι 371 πόλεις που χρησιμοποιήθηκαν, προσδιορίστηκαν από τη μελέτη Salud Urbana en América Latina (SALURBAL) που σχετίζεται με την υγεία στις πόλεις και η οποία το 2010 που διεξήχθη, περιελάμβανε τουλάχιστον 100.000 κατοίκους και αναφερόταν σε 11 χώρες, εκ των οποίων η Αργεντινή, η Βραζιλία, η Χιλή, η Κολομβία, η Κόστα Ρίκα, το Ελ Σαλβαδόρ, η Γουατεμάλα, το Μεξικό, η Νικαράγουα, ο Παναμάς και το Περού. Το επίκεντρο ήταν το κύριο αστικό σύμπλεγμα κάθε πόλης, όπου το τοπίο είναι εξαιρετικά ετερογενές και δεν υπάρχει η ειδική χαρτογράφηση των χώρων αστικού πρασίνου (Εικόνα 1).
Μεθοδολογία: Για να πραγματοποιηθεί η επιβλεπόμενη ταξινόμηση των χρήσεων/καλύψεων γης από εικόνες τηλεπισκόπησης, έγινε άντληση δεδομένων εκπαίδευσης από ένα σύνολο γεωγραφικών πληροφοριών εθελοντικής συλλογής του OpenStreetMap (OSM) και αυτές χρησιμοποιήθηκαν για να γίνει εκπαίδευση με Μηχανές Ταξινόμησης Διανυσματικής Υποστήριξης (SVM), σε ένα σύνθετο χωρίς νεφοκάλψη όλων των εικόνων τηλεπισκόπησης Sentinel-2 του 2017. Λαμβάνοντας υπόψη τις διαφορές στη μορφή και στα οικοσυστήματα μεταξύ των πόλεων, η ταξινόμηση αυτή πραγματοποιήθηκε ξεχωριστά για καθεμία από αυτές (Εικόνα 2).
Χρησιμοποιήθηκε ένα σύνθετο ενιαίας μέσης τιμής του Sentinel-2 ακτινοβολίας στην κορυφή της ατμόσφαιρας, με εικόνες ανακλαστικότητας του 2017 ως δεδομένα εισαγωγής. Οι εικόνες Sentinel-2 έχουν χωρική ανάλυση 10m και χρονική ανάλυση 5 ημερών. Για κάθε πόλη, αποκτήθηκαν και επεξεργάστηκαν όλες οι εικόνες που ήταν διαθέσιμες το 2017 στο Google Earth Engine, μία πλατφόρμα επεξεργασίας εικόνων τηλεπισκόπησης που βασίζεται σε επεξεργασία του υπολογιστικού νέφους. Πριν τη χαρτογράφηση των χώρων αστικού πρασίνου, αφαιρέθηκαν τα σύννεφα και το νερό από τις εικόνες αφού χρησιμοποιήθηκε η εσωτερική μάσκα νέφους απομάκρυνσης των πυκνών σύννεφων και έτσι δημιουργήθηκε μία ενιαία διάμεση σύνθεση αυτών των εικόνων για την περαιτέρω αφαίρεση των υπολειμμάτων. Από το διάμεσο σύνθετο, αποκόπηκαν τα εποχικά και μόνιμα υδάτινα στοιχεία, χρησιμοποιώντας ένα παγκόσμιο επιφανειακό χάρτη νερού του 2015 και υποθέτοντας ότι δεν υπάρχουν σημαντικές αλλαγές μεταξύ 2015 με 2017. Έτσι προέκυψε μία ενιαία εικόνα χωρίς νέφη, σκιές και νερό για το 2017.
Στο τελικό βήμα, εφαρμόστηκαν τα όρια του κύριου αστικού συμπλέγματος, όπως ορίστηκαν από τη μελέτη SALURBAL, έτσι ώστε οι χώροι πρασίνου στις αγροτικές περιοχές να εξαιρεθούν από το χάρτη αστικού πρασίνου. Το κύριο αστικό σύμπλεγμα αποτελεί τη μεγαλύτερη συνεχή αστική περιοχή μέσα σε μία πόλη. Για να γίνει διάκριση μεταξύ του χώρου αστικού πρασίνου, της αδιαπέραστης γης, της άγονης γης και των υδάτινων σωμάτων, χρησιμοποιήθηκαν αρκετοί φασματικοί δείκτες, που σχετίζονται με τις κύριες καλύψεις γης σε μία πόλη. Επιπλέον, συμπεριλήφθηκε η μήτρα συν-συμβάντος Gray Level (GLCM) του εγγύς υπέρυθρου καναλιού για να τονιστεί η υφή του τοπίου, το οποίο διαφέρει μεταξύ διαφορετικών τύπων αστικής κάλυψης γης.
Πραγματοποιήθηκε ακόμη ανάλυση των κύριων συνιστωσών (PCA) για τους δείκτες και το GLCM, για να μειωθεί η διάστασή τους και να πραγματοποιηθεί επιτάχυνση στην εκπαίδευση των μοντέλων. Λόγω της πολυσυγγραμμικότητας των δεικτών και του GLCM, η προσθήκη δεικτών μπορεί να παρέχει οριακό κέρδος στην ακρίβεια ταξινόμησης κατά την επέκταση του μοντέλου χρόνου εκπαίδευσης, περιορίζοντας την αποτελεσματικότητα της κλίμακας χαρτογράφησης του αστικού πρασίνου. Έτσι, μετασχηματίστηκαν οι φασματικοί δείκτες και το GLCM σε ένα σύνολο κύριων συνιστωσών (PC) που ήταν ανεξάρτητες η μία από την άλλη. Οι συνιστώσες υψηλότερης τάξης, ταξινομημένες με βάση την ποσοστιαία διακύμανση στα μη μετασχηματισμένα δεδομένα, τείνουν να ενισχύουν την αντίθεση μεταξύ των κυρίαρχων χαρακτηριστικών του τοπίου. Για κάθε πόλη επιλέχθηκαν οι πρώτες κύριες συνιστώσες, εξηγώντας πάνω από το 90% της διακύμανσης για τη μείωση της διάστασης των χαρακτηριστικών εισόδου (Εικόνα 2).
Για τη διεκπεραίωση της μελέτης χρησιμοποιήθηκαν οι καλύψεις γης και τα πολυγωνικά κτίρια του OSM από τις 30 Ιανουαρίου 2019 για τη συγκέντρωση και δημιουργία δειγμάτων εκπαίδευσης-επικύρωσης-δοκιμών για την ταξινόμηση. Αρχικά, σύμφωνα με τον προηγούμενο ορισμό για το αστικό πράσινο (δάσος, γρασίδι, θάμνος, γεωργία, υγρότοπος) και μη-αστικό πράσινο (κτήρια, πεζοδρόμιο, δρόμοι, άγονη γη και ξηρή βλάστηση), έγινε διαχωρισμός των πολυγώνων χρήσεων γης σε αστικό πράσινο και μη-αστικό πράσινο σύμφωνα με τις ετικέτες τους στο OSM. Το OSM χρησιμοποιεί ένα σύστημα επισήμανσης δύο επιπέδων (κλειδί OSM-τιμή OSM), και η ταξινόμηση των πολυγώνων χρήσης γης έγινε με βάση μία ενδεικτική λεπτομερή χρήση γης που διαθέτει το OSM. Έπειτα προστέθηκε ένας επιπλέον τύπος μικτών χώρων αστικού πρασίνου στον προηγούμενο ορισμό των χώρων αστικού πρασίνου για την ενσωμάτωση των πολυγώνων χρήσεων γης που πιθανώς περιείχαν τόσο αστικό πράσινο, όσο και μη-αστικό πράσινο. Ακόμη, αναγνωρίστηκε ότι τα πολύγωνα χρήσης γης χώρων αστικού πρασίνου ενδέχεται να περιέχουν και μη-αστικό πράσινο, όπως ένα πεζοδρόμιο με τεχνητό γρασίδι και γι’ αυτό φιλτραρίστηκαν τα δείγματα που προέκυψαν χρησιμοποιώντας τις τιμές του NDVI (Εικόνα 2).
Στη συνέχεια, αφαιρέθηκαν οι ακραίες τιμές από τα πολύγωνα των χρήσεων γης, χρησιμοποιώντας το μέγεθος και το σχήμα τους και υποθέτοντας ότι οι ακραίες τιμές ήταν χαμηλής ποιότητας και είχαν λανθασμένες ετικέτες ή περιείχαν πολλαπλές χρήσεις γης, οι οποίες δεν ήταν κατάλληλες για τη δημιουργία «καθαρών» δειγμάτων για την ταξινόμηση. Συγκεκριμένα, διατηρήθηκαν τα πολύγωνα των χρήσεων γης που ήταν εντός του μέσου 95% των πολυγώνων κατανομής και στο χαμηλότερο 90% της κατανομής του δείκτη σχήματος των πολυγώνων, όπου οι υψηλότερες τιμές υπέδειξαν μεγαλύτερη πολυπλοκότητα σχημάτων. Τέλος, απορρίφθηκαν τα πολύγωνα για τα κτήρια, χωρίς καμία τροποποίηση και χαρακτηρίστηκαν ως μη-αστικό πράσινο, υποθέτοντας ότι τα κτήρια ήταν οριοθετημένα και επισημασμένα με μεγαλύτερη ακρίβεια. Τα ενωμένα πολύγωνα αστικού και μη-αστικού πρασίνου μετά από τη διαδικασία ποιοτικού ελέγχου χρησίμευσαν ως η δεξαμενή για τη δημιουργία δειγμάτων.
Στις εικόνες πραγματοποιήθηκε εποπτευόμενη ταξινόμηση με τη βοήθεια μίας μηχανής διανυσματικής υποστήριξης (SVM) για τη χαρτογράφηση του αστικού πρασίνου. Η βιβλιογραφία υποδηλώνει ότι η SVM έχει καλύτερη απόδοση από άλλους ταξινομητές μη βαθιάς μηχανικής μάθησης, όπως το δέντρο αποφάσεων, το τυχαίο δάσος και η μέγιστη πιθανοφάνεια, στην ταξινόμηση κάλυψης γης. Επιπλέον, όταν χρησιμοποιεί χαρακτηριστικά που σχετίζονται με την υφή όπως το GLCM στην παρούσα μελέτη, η απόδοση της SVM είναι συγκρίσιμη με τους ταξινομητές βαθιών νευρωνικών δικτύων (Εικόνα 2).
Η μηχανή ταξινόμησης SVM χρησιμοποίησε έναν πυρήνα συνάρτησης ακτινικής βάσης και πραγματοποιήθηκε συντονισμός του μοντέλου για δύο παραμέτρους, οι οποίες ήταν η παράμετρος κανονικοποίησης (C) και ο συντελεστής πυρήνα (γάμα), ακολουθώντας τις συστάσεις των Hsu et al.. Για κάθε παράμετρο, συμπεριλήφθηκαν 16 υποψήφιες τιμές σε μια εκθετική ακολουθία (2n, n=−3, −2, …, 12). Το μοντέλο συντονίστηκε χρησιμοποιώντας μία μέθοδο αναζήτησης πλέγματος, για την οποία η εκπαίδευση και επικύρωση έγιναν επαναληπτικά χρησιμοποιώντας το μοναδικό κάθε φορά συνδυασμό, των υποψήφιων τιμών των δύο παραμέτρων. Σε κάθε επανάληψη, έγινε μια δεκαπλάσια διασταυρούμενη επικύρωση χρησιμοποιώντας το σύνολο εκπαίδευσης-επικύρωσης και μετρήθηκε η μέση απόδοσή του. Το σύνολο των τιμών των παραμέτρων που παρήγαγαν το υψηλότερο F1-score, το οποίο είναι το αρμονικό μέσο ακρίβειας και ανάκλησης, χρησιμοποιήθηκαν για τον προσδιορισμό του τελικού μοντέλου, το οποίο εφαρμόστηκε στο σύνολο δοκιμών και το F1-score καταγράφηκε ως η τελική ακρίβειά του, η οποία χρησιμοποιήθηκε αργότερα στην τεχνική επικύρωση των δειγμάτων των πόλεων για πρόσθετη αξιολόγηση της ακρίβειας των δειγμάτων που συλλέγονται με ανεξάρτητο τρόπο.
Αποτελέσματα: Προέκυψαν αρκετοί περιορισμοί που οδήγησαν στην ανέγερση προβληματισμών για μελλοντικές προσπάθειες ανάπτυξης χαρτών χρήσεων/καλύψεων γης. Αρχικά, το αποτέλεσμα της χαρτογράφησης δεν κάνει διάκριση σε συγκεκριμένους τύπους χρήσεων/καλύψεων γης, όπως, δάση, γρασίδι, γεωργία, πάρκο και φυσικά καταφύγια. Επιπλέον, δεν συμπεριλήφθηκε στις χρήσεις/καλύψεις γης, η ξηρή ή μη φωτοσυνθετική βλάστηση, εξαιτίας των ομοιοτήτων της με το άγονο έδαφος και μερικών αδιαπέραστων επιφανειών εικόνων τηλεπισκόπησης. Οι στοχευμένες προσπάθειες χαρτογράφησης και οι νέες μέθοδοι προσανατολισμού σε λεπτομερείς τύπους χρήσεων/καλύψεων γης, μπορούν να βοηθήσουν στην περαιτέρω επίλυση αυτών των περιορισμών. Για παράδειγμα, ενώ χρησιμοποιήθηκε μία ετήσια σύνοψη εικόνων τηλεπισκόπησης που ήταν χρονικά αμετάβλητη για τη χαρτογράφηση των χρήσεων/καλύψεων γης, μπορούσε γενικά να χρησιμοποιηθεί μία χρονοσειρά εικόνων και να εξαχθούν φαινολογικά στάδια, για να καταστεί δυνατή η πιο λεπτομερής χαρτογράφηση διαφορετικών τύπων βλάστησης.
Πολλές αποφάσεις που χρησιμοποιούνται σ’ αυτή τη χαρτογράφηση, όπως αυτές για το φιλτράρισμα του πολυγώνου των χρήσεων γης του OSM που χρησιμοποιούν την πολυπλοκότητα του σχήματος και την αφαίρεση ακραίων στοιχείων με βάση τον NDVI, δεν έχουν δοκιμαστεί ακόμη σε παρόμοιες μελέτες για να καταγραφούν οι επιπτώσεις τους στην ποιότητα χαρτογράφησης. Διαπιστώθηκε ακόμη, ότι τόσο η διαθεσιμότητα όσο και η ποιότητα των πολυγώνων OSM, έτειναν να είναι χαμηλού επιπέδου στις μικρές πόλεις, απαγορεύοντας μία πλήρως αυτοματοποιημένη διαδικασία χαρτογράφησης. Σ’ αυτές περιπτώσεις, η χειροκίνητη προσθήκη και επεξεργασία των πολυγώνων OSM, μπορεί να καταστεί απαραίτητη για τη διασφάλιση της ποιότητας χαρτογράφησης.
Ο χάρτης καταγραφής του αστικού πρασίνου, περιελάμβανε τρία σετ αρχείων∙ τους δυαδικούς χάρτες απεικόνισης χώρων αστικού πρασίνου χωρικής ανάλυσης 10m σε μορφή GEOTIFF, με καθεμία από τις 371 πόλεις να αποτελεί μεμονωμένο χάρτη και όπου γινόταν αντιστοίχιση της τιμής του 1 υποδήλωνε χώρους αστικού πρασίνου, αντίστοιχα του 0 υποδείκνυε χώρους μη-αστικού πρασίνου και όπου δεν υπήρχαν δεδομένα, η τιμή −32768 υποδείκνυε περιοχές εκτός των χαρτογραφημένων ορίων ή υδάτινων όγκων. Επιπλέον περιελάμβανε ένα διανυσματικό αρχείο με χαρτογραφημένα τα όρια, το οποίο περιείχε το όνομα της πόλης, το όνομα και τον κωδικό ISO-2 της χώρας και ένα αναγνωριστικό πεδίο που συνδέει τα όρια κάθε πόλης με τον αντίστοιχο χάρτη χώρων αστικού πρασίνου. Περιελάμβανε, ακόμη, αρχεία .prj που περιείχαν πληροφορίες προβολής για τους δυαδικούς χάρτες των χώρων αστικού πρασίνου και του διανυσματικού αρχείου των ορίων. Οι δυαδικοί χάρτες των χώρων αστικού πρασίνου προβλήθηκαν στο σύστημα WGS 84/Pseudo-Mercator (EPSG: 3857), και το διανυσματικό αρχείο των ορίων στο σύστημα συντεταγμένων WGS 1984 (EPSG: 4326). Οι χάρτες των χώρων αστικού πρασίνου και το αρχείο με τα όρια υποβλήθηκαν σε επεξεργασία σε λογισμικό GIS (ArcGIS και FRAGSTATS), στην Εικόνα 3 παρουσιάζεται δείγμα χαρτών απεικόνισης αστικού πρασίνου.
Οι χάρτες κάλυψης αστικού πρασίνου επικυρώθηκαν σε δύο βήματα. Πρώτα, πραγματοποιήθηκε αξιολόγηση της ακρίβειας με δείγματα επικύρωσης για τα οποία έγινε ανεξάρτητη συλλογή από 11 πόλεις, τα οποία επιλέχθηκαν μέσω στρωματοποιημένης τυχαίας δειγματοληψίας. Αυτά τα δείγματα επικύρωσης ήταν ανεξάρτητα από τα δεδομένα εκπαίδευσης-επικύρωσης-δοκιμών που προέρχονται από το OSM και η αξιολόγηση ακρίβειας που προέκυψε, χρησίμευσε ως αρχική δήλωση της ακρίβειας των χαρτών κάλυψης αστικού πρασίνου. Επιπλέον, για να επιτευχθεί το καλύτερο δυνατό αποτέλεσμα, πραγματοποιήθηκε οπτική αξιολόγηση της ποιότητας ταξινόμησης και για τις 371 πόλεις και εντοπίστηκαν εκείνες που η χαρτογράφησή τους, δεν ήταν ικανοποιητική και τότε έγινε περαιτέρω συλλογή δειγμάτων, ποιοτικός έλεγχος και ταξινόμηση εικόνων σε αυτές τις πόλεις έως ότου οι χάρτες απεικόνισης αστικού πρασίνου, θεωρηθούν καλής ποιότητας.
Συλλέχθηκαν, ακόμη, 3050 δείγματα επικύρωσης κάλυψης και μη-κάλυψης αστικού πρασίνου. Αρχικά, οι πόλεις χωρίστηκαν σε τρεις κύριες κλιματικές ζώνες και με βάση το αποτέλεσμα στο προηγούμενο βήμα έμειναν 11 και έπειτα, με την πραγματοποίηση στρωματοποιημένης τυχαίας δειγματοληψίας εντός των 11 πόλεων στόχος ήταν να εντοπιστούν οι τοποθεσίες επικύρωσης των δειγμάτων και να εξισορροπηθούν τα μεγέθη των δειγμάτων των χώρων αστικού και μη-αστικού πρασίνου. Από τα δείγματα επικύρωσης των 11 πόλεων, έπειτα ερμηνεύτηκαν οπτικά με πιο λεπτομερή ανάλυση τα δείγματα των εικόνων Sentinel-2 και Google Earth και αυτά τα δείγματα επικύρωσης χρησιμοποιήθηκαν για να πραγματοποιηθεί αξιολόγηση της ακρίβειας για τις 11 πόλεις.
Συμπεράσματα: Η συνολική ακρίβεια των χαρτών καταγραφής αστικού πρασίνου στις 11 πόλεις ήταν 0,87, με πραγματοποίηση επιπλέον υπολογισμού της ακρίβειας χαρτογράφησης μεμονωμένα των πόλεων με βάση τις κλιματικές ζώνες τους. Οι πόλεις με τροπικό κλίμα είχαν καλύτερες ακρίβειες, καθώς το αστικό πράσινο σ’ αυτές, τείνει να συνδυάζεται με πιο πράσινη και πυκνότερη βλάστηση και παρουσίασαν ισχυρότερη αντίθεση σε σχέση με τα σημεία έλλειψης αστικού πρασίνου. Πόλεις σε εύκρατα και άνυδρα κλίματα είχαν χαμηλότερη ακρίβεια, καθώς το αστικό πράσινο σε αυτά τα κλίματα τείνει να έχει φασματικές ιδιότητες τέτοιες, που κάνουν το αστικό πράσινο εκεί να τείνει να συγχέεται πολύ πιο εύκολα με το μη-αστικό πράσινο.
Για την επίτευξη της καλύτερης δυνατής ποιότητας χαρτογράφησης και την αντιμετώπιση περιπτώσεων όπου η ποιότητα και η διαθεσιμότητα των δεδομένων OSM ήταν περιορισμένες, δύο από τους συγγραφείς επιθεώρησαν οπτικά το αρχικό αρχείο χαρτών αστικού πρασίνου, σε σχέση με τις εικόνες Sentinel-2 και για τις 371 πόλεις και επεσήμαναν τις πόλεις με μη ικανοποιητικά αποτελέσματα χαρτογράφησης. Για να βελτιωθεί η ποιότητα χαρτογράφησης σε αυτές τις πόλεις, πραγματοποιήθηκε επιστροφή στη διαδικασία συλλογής και φιλτραρίσματος δειγμάτων και εκεί πραγματοποιήθηκε πρόσθετος ποιοτικός έλεγχος στα πολύγωνα OSM. Συγκεκριμένα, βελτιώθηκε το όριο και διορθώθηκαν ετικέτες για τα πολύγωνα. Σε πόλεις με περιορισμένη κάλυψη από το OSM, προστέθηκαν χειροκίνητα τα πολύγωνα OSM. Στη συνέχεια χρησιμοποιήθηκαν αυτά τα ενημερωμένα πολύγωνα OSM για να εκτελεστεί συλλογή δειγμάτων και φιλτράρισμα και επακολούθως να προκύψει η ταξινόμηση της εικόνας. Τέλος, επιθεωρήθηκαν οπτικά τα ενημερωμένα αποτελέσματα της χαρτογράφησης και πραγματοποιήθηκε επαναληπτικά ο ποιοτικός έλεγχος στα πολύγωνα OSM καθώς και στα επόμενα βήματα, έως ότου τα αποτελέσματα της χαρτογράφησης ήταν ικανοποιητικά.
