Zastosowanie narzędzi analiz przestrzennych do identyfikacji zjawiska urban sprawl na przykładzie Metropolii Toruńskiej

Praca poświęcona jest opracowaniu i weryfikacji metody identyfikacji zjawiska urban sprawl z wykorzystaniem narzędzi Systemów Informacji Geograficznej (GIS) oraz ogólnodostępnych danych przestrzennych i statystycznych. Badanie przeprowadzono dla obszaru Metropolii Toruńskiej obejmującego cztery powiaty województwa kujawsko-pomorskiego. W ramach opracowania wyznaczono sześć wskaźników urbanizacyjnych opisujących strukturę demograficzno-przestrzenną, zmiany zagospodarowania terenu oraz dostępność transportową miejscowości statystycznych znajdujących się w granicach badanego obszaru. Na podstawie wartości obliczonych wskaźników, przeprowadzono typologię miejscowości z wykorzystaniem dwóch niezależnych metod klasyfikacji: klasyfikacji eksperckiej opartej na regułach oraz algorytmu grupowania K-means. Uzyskane wyniki przedstawiono w formie analiz statystycznych i map tematycznych, a następnie porównano pod względem możliwości identyfikacji obszarów wykazujących cechy urban sprawl. Wykazano, że zastosowanie obu metod klasyfikacji umożliwiło wyodrębnienie grup miejscowości o zbliżonych cechach urbanizacyjnych oraz identyfikację obszarów wykazujących cechy urban sprawl. Zaproponowana metodyka opiera się na powszechnie dostępnych danych oraz narzędziach GIS, dzięki czemu może zostać zastosowana również na innych obszarach badawczych jako narzędzie wspomagające analizę procesów suburbanizacji i planowanie przestrzenne.

The thesis focuses on the development and validation of a method for identifying urban sprawl using Geographic Information Systems (GIS) tools and publicly available spatial and statistical data. The study was conducted in the Toruń Metropolitan Area, covering four counties in the Kuyavian-Pomeranian Voivodeship. Six urbanization indicators were calculated to describe the demographic and spatial structure, land-use changes, and transport accessibility of statistical localities within the study area. Based on the calculated indicators, the localities were classified using two independent methods: an expert rule-based classification and the K-means clustering algorithm. The results were presented using statistical analyses and thematic maps and then compared in terms of their ability to identify areas showing characteristics of urban sprawl. Both classification methods made it possible to distinguish groups of localities with similar urbanization characteristics and to identify areas showing features of urban sprawl. The proposed methodology is based on widely available data and GIS tools, which means that it can also be applied to other study areas as a tool supporting the analysis of suburbanization processes and spatial planning.