分析環境

Google Earth Engine（以下、「GEE」）を使いました。

関心領域の設定

町データをGEEにインポートします。
対象地域はネパールのシンズリ道路沿いに位置する町です。

町データは、自前で作成しました。
作成方法については、こちらのリンクをご覧ください。

シェープファイルをGEEにインポートする方法については、こちらのリンクをご覧ください。

特定の町データをマップ上に表示させます。
夜間光データを収集するため、町を選びます。
町の名前を特定するために、「Assests」→「インポートした町データ」→「FEATURES」をクリックして、データの詳細を確認します。

確認した名前を使って、特定の町を選択し、マップ上に表示させます。

// Select town
var aoi = town.filter(ee.Filter.eq('Name', 'シンズリバザール'));
Map.addLayer(aoi, {},'シンズリバザール');

町の中心から半径1kmのバッファーを作成します。
上記の町データはポイントデータになります。
町全体をカバーするために、データから半径1kmのバッファーを作成します。

// Apply the buffer method to the Geometry object.
var geometryBuffer = aoi.geometry().buffer({'distance': 1000});

// Display relevant geometries on the map.
Map.addLayer(geometryBuffer, {'color': 'red'},'[red]: geometry.buffer');
Map.centerObject(aoi,10);

夜間光データの取得

夜間光データをGEEにインポートし、グラフを作成します。

var get_dates = function(image){
  return image.addBands(image.metadata('system:time_start'))
}

var ntl =ee.ImageCollection("NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG")
  .select('avg_rad')
  .filterDate('2014-01-01', '2023-12-31')
  .map(get_dates);

var chart_TS = ui.Chart.image.series({
    imageCollection:ntl.select(['system:time_start','avg_rad']),
    region: geometryBuffer,
    reducer: ee.Reducer.mean(),
    scale: 500
    }).setOptions({
        title: 'gauges acroos Time',
        vAxis: {title: 'avg_rad'},
        hAxis: {title: 'date', format: 'MM-yy', gridlines: {count: 7}},
      });
      
print(chart_TS)

夜間光データをダウンロードします。
コンソールに表示されたグラフの右上をクリックすると、グラフが表示されます。
グラフの右上の「Download CSV」をクリックすると、データをダウンロードできます。

関心領域を変えて繰り返します。
他の町についても、同じ手順でデータを収集します。
変える部分は、('シンズリバザール')の部分です。

// Select town
var aoi = town.filter(ee.Filter.eq('Name', 'シンズリバザール')); // change here
Map.addLayer(aoi, {},'シンズリバザール'); // change here

バッファー領域を変えて繰り返します。
さらに、バッファー領域を変えると、町周辺の夜間光データも収集できます。
変える部分は、{5000});の部分です。

// Apply the buffer method to the Geometry object
var geometryBuffer = s.geometry().buffer({'distance': 5000}); // change here

グラフによる可視化

エクセルファイル上でグラフを作成します。
ダウンロードしたデータは月平均値になっているので、Average関数を使って、平均値を算出します。
結果を可視化させます。アウトプットのイメージは以下の通りです。

＜夜間光量（平均値）の経年変化（2014年～2023年）＞

＜道路からの距離ごとの夜間光の変化（2014年～2023年）＞

まとめ

道路沿いに位置する「町」に焦点を当てると、詳細な道路効果が分析できます。
一方で、ネパールでは自治体に人口や公共施設数（病院、ホテルなど）のデータ提供を依頼しても、提供されず、これらのデータを収集するのは難しいことがわかりました。そのため、衛星データ（夜間光）によって、「町」の集積化・経済活性化の変化を確認することは有益だと感じています。