Urban land dynamics in the Abuja city-region, Nigeria

Abstract

Die schnell wachsende Dynamik urbaner Räume stellt global eine große Herausforderung für die urbane und ökologische Nachhaltigkeit dar. In den Stadtregionen in Subsahara-Afrika stehen die Strategien und Instrumente der Landnutzungsplanung, die zur Steuerung der urbanen Dynamik für die urbane und ökologische Nachhaltigkeit eingesetzt werden, vor verschiedenen Herausforderungen, einschließlich der unzureichenden Verfügbarkeit von Daten. Das Ziel dieser Forschung ist es, zu einer effektiven Landnutzungsplanung zur Verbesserung der urbanen und ökologischen Nachhaltigkeit beizutragen, indem integrierte empirische Daten aus Geographischen Informationssystemen, Fernerkundung und Umfragen genutzt werden, um detaillierte und neue Einblicke in die urbane Landdynamik zu bieten. Bei der Untersuchung der Diskrepanzen zwischen der vergangenen und der aktuellen städtischen Landbedeckung und den Flächennutzungsplänen wurde die überwachte Klassifizierung (supervised classification) der Landbedeckung von LANDSAT-Daten aus den Jahren 1987, 2002 und 2017 verwendet, um die nicht-städtischen Entwicklungsflächen zu quantifizieren, die an die Stadt/Bebauung verloren gingen. Experteninterviews wurden zur Anleitung und Entwicklung von drei Szenarioalternativen zur Simulation der Landbedeckung von 2017 bis 2030 und 2050 unter Verwendung des Multi-Layer Perceptron Neural Network und Markov-Modellen verwendet. Die Ergebnisse zeigten eine Zunahme der städtischen/bebauten Flächen und große Unstimmigkeiten zwischen der früheren/aktuellen städtischen Landbedeckung und den bestehenden Flächennutzungsplänen. Außerdem zeigten die Ergebnisse eine hohe, geringe und keine potenzielle Beeinträchtigung der geschützten ökologisch sensiblen Gebiete durch die zukünftige urbane Dynamik unter den Szenarien "Business As Usual", "Adjusted Urban Land" und "Regionaler Flächennutzungsplan". Die Methoden und die zur Verfügung gestellten Basisinformationen, insbesondere aus dem “Adjusted Urban Land” Szenario, wären für eine effektive Flächennutzungsplanung von Nutzen. Dies würde dazu beitragen, die urbane und ökologische Nachhaltigkeit der Stadtregionen in Subsahara-Afrika und im gesamten Globalen Süden zu verbessern, wo eine unzureichende Datenverfügbarkeit die Flächennutzungsplanung erschwert.

Global urban dynamics are rapidly increasing, posing a great challenge to urban and environmental sustainability. In Sub-Saharan Africa city-regions, land use planning strategies and instruments used to guide urban dynamic patterns for urban and environmental sustainability are faced with various challenges, including insufficient data availability. The goal of this research is to contribute to effective land use planning for improving urban and environmental sustainability using integrated empirical data derived from Geographic Information Systems, Remote Sensing, and surveys to offer detailed and new insights into urban land dynamics. While investigating the mismatches between the past and current urban land cover and land use plans, the supervised classification of the land cover of LANDSAT data from 1987, 2002, and 2017 was used to quantify the non-urban development areas lost to urban/built-up. Expert interviews were applied to guide and develop three scenario alternatives to simulate land cover from 2017 to 2030 and 2050 using the Multi-Layer Perceptron Neural Network and Markov models. The results indicated an increase in urban/built-up areas and large mismatches between the past/current urban land cover and the existing land use plans. Also, the results indicated high, little, and no potential degradation of the protected environmentally sensitive areas by the future urban dynamics under the Business As Usual, Adjusted Urban Land, and Regional Land Use Plan scenarios respectively. The methods and the baseline information provided, especially from the Adjusted Urban Land scenario would be useful for effective land use planning. This would support improving the urban and environmental sustainability of the Sub-Saharan African city-regions and across the Global South, where insufficient data availability challenges land use planning.