Urbanization is one of the great challenges in the 21st century. Despite being an engine for the global economy, urban areas consume 78% of World's energy and emit more than 60% of greenhouse gas emission. Sub-SaharanAfrican cities, e.g. Kigali, are characterized by rapid population growth and accelerated land use/land cover change. Yet, the implementation of policies and regulations catalyzing sustainable urbanization is constrained by scarce and fragmented data related to land use/land cover spatial patterns and changes in population. Collected statistics are most of the time outdated,or geographically aggregated to large heterogeneous administrative entities, which is judged meaningless for informed decision making. Therefore, there is a need for timely and reliable data, and tools to monitor the spatio-temporal patterns of urbanization and its environmental impact for informed and sustainable decision making. The objectives of this thesis are i) to investigate the use of multi-temporal and multi-resolution Earth observation data for mapping and monitoring urbanization patterns and trends in Kigali, Rwanda, a complex urban area characterized by a subtropical highland climate; and ii) to analyze the environmental impacts of urbanization using the integration of land cover information classified from Earth observation data with landscape metrics and ecosystem services. Using satellite imagery from 1984 to 2021, spatial patterns and temporal trends of urbanization in Kigali were investigated and analyzed. Specifically, optical satellite imagery at medium to very high resolution, i.e. Landsat TM/ETM+/OLI at 30m resolution, Sentinel-2 MSI at 10-20m resolution and WorldView-2 at 2m spatial resolution were used for land use/land cover mapping and change analysis. Diverse image processing techniques, including texture feature analysis using Gray level Co-occurrence matrix, pansharpening and derivation of various biophysical indices, were applied to enhance land use/land cover classification and analysis. Various land use/land cover classification methods were used, including pixel- and object-based support vector machine classification, Google EarthEngine-LandTrendr cloud computing, and a hybrid framework combining intermediate classification results derived from both random forest classification, and U-Net deep neural networks. The land use/land cover classes were then used not only to derive indices characterizing spatio-temporal changesin urban landscape composition and configuration, but also to analyze theimpacts of land use/land cover change on ecosystem services. Areas which provide ecosystem services were evaluated in terms of changes in spatial attributes and structure of landscape patches. The most prominent ecosystem services in the study area divided into three groups - provisioning, regulatingand supporting services - were further analyzed using a matrix spatially linking landscape units with service supply and demand budgets. In one of the studies, a monetary based valuation approach was performed for assessing spatio-temporal change in value of selected ecosystem services. Using multi-temporal, multi-resolution Earth observation data, five to twelve land use/land cover classes were derived with an overall accuracy exceeding 83% and with Kappa coefficients above 0.8. The most prominentchange was the conversion of croplands into built-up areas. As a result, the   built-up areas increased from 2.13 square km to 100.17 square km between 1984 and 2016. The results revealed that the urbanization between 1987 to 1998 was characterized by slow development, with an annual growth rate less than 2%. The post-conflict period (1995 on-wards) was characterized by accelerated urbanization, with a 4.5% annual growth rate. From 2004, urbanization was promoted due to migration pressure and investment promotion in the construction sector. The five-year interval analysis from 1990 to 2019 revealed that impervious surfaces increased from 4233.5 to 12116 hectares, with a 3.7% average annual growth rate. In order to map urban land use/land cover at fine scale, very high resolution WorldView-2 imagery was acquired and analyzed using object- and rule-based classification. Urban land cover at fine scale could be mapped with an overall accuracy exceeding 85% (kappa above0.8). Multi-temporal Sentinel-2 MSI data were found advantageous for monitoring spatiotemporal trends of urban development, and producing reliable baseline data for the analysis of urban landscape changes at entire city scale with sufficient details. During the 37 years study period, landscape fragmentation could be observed, in particular for forest and cropland. The landscape configuration indices demonstrate that, in general, the land cover pattern remained stable for cropland, but that it was highly changed for built-up areas. Estimated changes in ecosystem services amount to a loss of 69 million US dollars because of cropland degradation in favour of urban areas and in a gain of 52.5 million within urban areas between 1984 and 2016. Most of the ecosystem services bundles show that built-up areas have a high demand on ecosystem services, whereas green and blue space are strong contributors in supplying bundles of ecosystem services. The study demonstrated that multi-temporal multi-resolution Earth observation data and advanced image processing offer great opportunities for quantifying urbanization, and analyzing its environmental impacts using landscape metrics and ecosystem services variables. Medium resolution data, Landsat and Sentinel-2 MSI, were founduseful for global annual urban growth and environmental impact analysis atentire city scale. Very- high-resolution satellite data are still only available at high cost. Therefore, land use/land cover mapping based on very high resolution data should be produced only at special occasion based on cost-benefitanalysis. Meanwhile, open data policy and free access to cloud computing sys-tems such as Google Earth Engine were also found cost-effective and useful forcontinuous monitoring of the complex dynamics of urban land use/land cover,especially in areas where the cost of Earth observation data is restricting dueto budget reasons, and in data-scarce regions.The thesis contributes to the development of approaches for mapping and monitoring urban development and associated environmental impact in Sub-Saharan through the exploration of potential and limitations of multi-resolution remote sensing data. Methodological frameworks for urban land cover production based on state-of-the-art machine learning, deep learning, and Earth observation big data analytics were implemented and tested. This thesis research demonstrated that the open-access Earth observation data arecost-effective data source for monitoring urbanization and for investigatingthe impact of spatial structure changes on the distributions and patterns of  ecosystem service bundles. The frameworks developed in this research cane asily be transferred to other Sub-Saharan African cities. Future research will explore the integration of multiple-source data, i.e.,Earth observation data, population statistics and other types of data to de-tect and map urban deprivation and environmentally sensitive areas. Finally,the combination of optical and radar remote sensing data, the use of machine learning and deep learning methods in a cloud computing environment willbe further investigated to develop a dynamic framework for continuous urbanland use/land cover change monitoring.

Urbaniseringen är en av de stora utmaningarna på 2000-talet. Trots att städerna är en motor för den globala ekonomin förbrukar de 78 % av världens energi och släpper ut mer än 60 % av utsläppen av växthusgaser. Städer i Afrika söder om Sahara, t.ex. Kigali, kännetecknas av snabb befolkningstillväxt och accelererande förändringar i markanvändning och marktäcke. Genomförandet av strategier och bestämmelser som katalysator för en hållbar urbanisering hindras dock av bristfälliga och fragmenterade uppgifter om rumsliga mönster för markanvändning och marktäcke samt befolkningsförändringar. Den insamlade statistiken är oftast föråldrad eller geografiskt aggregerad till stora heterogena administrativa enheter, vilket bedöms vara meningslöst för ett välgrundat beslutsfattande. Det finns därför ett behov av aktuella och tillförlitliga uppgifter och verktyg för att övervaka urbaniseringens rumsliga och tidsmässiga mönster och dess miljöpåverkan för ett välgrundat och hållbart beslutsfattande.

Målen för denna avhandling är i) att undersöka användningen av multi-temporala och multiupplösta jordobservationsdata för att kartlägga och övervaka urbaniseringsmönster och trender i Kigali, Rwanda, ett komplext stadsområde som kännetecknas av ett subtropiskt höglandskli- mått, och ii) att analysera urbaniseringens miljöpåverkan med hjälp av integrering av information om marktäcke som klassificerats från jordobservationsdata med landskapsmetriker och ekosystemtjänster. Med hjälp av satellitbilder från 1984 till 2021 undersöktes och analyserades rumsliga mönster och tidstrender för urbaniseringen i Kigali. Optiska satellitbilder med medelhög till mycket hög upplösning, dvs. Landsat TM/ETM+/OLI med 30 m upplösning, Sentinel-2 MSI med 10-20 m upplösning och WorldView-2 med 2 m rumslig upplösning, användes för kartläggning av markanvändning och marktäcke och analys av förändringar. Olika bildbehandlingstekniker, inklusive texturanalys med hjälp av Gray level Co-occurrence matrix, pan-skärpning och framställning av olika biofysiska index, användes för att förbättra klassificering och analys av markanvändning och marktäcke. Olika metoder för klassificering av markanvändning och marktäcke användes, bland annat pixel- och objektbaserad super- portvektormaskinklassificering, Google Earth Engine-LandTrendr cloud computing och en hybridram som kombinerar mellanliggande klassificeringsresultat från både random forest-klassificering och U-Net djupa neurala nätverk. Klasserna för markanvändning/markbeläggning användes sedan inte bara för att ta fram index som karakteriserar rums- och tidsrelaterade förändringar i stadslandskapets sammansättning och konfiguration, utan också för att analysera effekterna av förändringar i markanvändning/markbeläggning på ekosystemtjänster. Områden som tillhandahåller ekosystemtjänster utvärderades med avseende på förändringar i landskapsfläckarnas rumsliga attribut och struktur.  De mest framträdande ekosystemtjänsterna i undersökningsområdet, uppdelade i tre grupper - försörjande, reglerande och stödjande tjänster - analyserades vidare med hjälp av en matris som rumsligt kopplar samman landskapsenheter med budgetar för utbud och efterfrågan av tjänster. I en av studierna tillämpades en monetär värderingsmetod för att bedöma den tids- och rumsmässiga förändringen i värdet av utvalda ekosystemtjänster. 

Med hjälp av multitemporala jordobservationsdata med flera upplösningar har sju till tolv klasser för markanvändning/markbeläggning tagits fram med en total noggrannhet som överstiger 83 % och med Kappa-koefficienter över 0,8. Den mest framträdande förändringen var omvandlingen av åkermark till bebyggda områden. Som ett resultat av detta ökade de bebyggda områdena från 2,13 km2 till 100,17 km2 mellan 1984 och 2016. Resultaten visade att urbaniseringen mellan 1987 och 1998 kännetecknades av en långsam utveckling, med en årlig tillväxttakt på mindre än 2 %. Perioden efter konflikten (1995 och framåt) kännetecknades av en accelererande urbanisering, med en årlig tillväxttakt på 4,5 %. Från och med 2004 främjades urbaniseringen på grund av migrationstryck och investeringsfrämjande åtgärder inom byggsektorn. Analysen av femårsintervallet från 1990 till 2019 visade att de ogenomträngliga ytorna ökade från 4233,5 till 12116 hektar, med en genomsnittlig årlig tillväxttakt på 3,7 %. För att kartlägga detaljerad markbeläggning i städerna, i synnerhet områden med statsbrist, t.ex. informella bosättningar, förvärvades mycket högupplösta bilder från WorldView-2 och analyserades med hjälp av objekt- och regelbaserad klassificering. Urban markbeläggning i fin skala kunde kartläggas med en total noggrannhet på över 85 % (kappa: över 0.8). MSI-data från Sentinel-2 med flera tidpunkter visade sig vara fördelaktiga för att övervaka rumsliga och tidsmässiga trender i stadsutvecklingen och för att producera tillförlitliga grunddata för analysen av förändringar i stadslandskapet på hela stadens skala med tillräcklig detaljrikedom. 

Under den 37-åriga studieperioden kunde landskapsfragmentering observeras, särskilt när det gäller skog och åkermark. Indexen för landskapskonfiguration visar att landskapsbilden i allmänhet förblev stabil för åkermark, men att den förändrades kraftigt för bebyggda områden. De uppskattade förändringarna i ekosystemtjänsterna uppgår till en förlust på 69 miljoner US-dollar på grund av att åkermark försämras till förmån för stadsområden och till en vinst på 52,5 miljoner US-dollar inom stadsområden mellan 1984 och 2016. De flesta av ekosystemtjänstpaketen visar att bebyggda områden har ett stort behov av ekosystemtjänster, medan grönområden och blåa områden bidrar starkt till att tillhandahålla ekosystemtjänster. Studien visade att multitemporala jordobservationsdata med flera upplösningar och avancerad bildbehandling ger stora möjligheter att kvantifiera urbaniseringen och analysera dess miljöpåverkan med hjälp av landskapsmetriker och variabler för ekosystemtjänster. Data med medelhög upplösning, Landsat och Sentinel-2 MSI, visade sig vara användbara för global årlig urban tillväxt och miljökonsekvensanalys på hela stadsskalan. Satellitdata med mycket hög upplösning är fortfarande endast tillgängliga till en hög kostnad. Därför bör kartläggning av markanvändning och marktäcke baserad på data med mycket hög upplösning endast göras vid särskilda tillfällen på grundval av en kostnads-nyttoanalys. Samtidigt konstaterades det att en politik för öppna data och fri tillgång till molndatasystem som Google Earth Engine också är kostnadseffektiva och användbara för kontinuerlig övervakning av den komplexa dynamiken hos markanvändning och marktäcke i städer, särskilt i områden där kostnaden för jordobservationsdata är begränsande av budgetskäl och i regioner där det är ont om data. 

Avhandlingen bidrar till utvecklingen av metoder för kartläggning och övervakning av stadsutveckling och tillhörande miljöpåverkan i länderna söder om Sahara genom att utforska potentialen och begränsningarna hos fjärranalysdata med flera upplösningar. Metodiska ramar för produktion av markbeläggning i städerna baserade på avancerad maskininlärning, djupinlärning och analys av stora datamängder från jordobservationer har genomförts och testats. Denna avhandlingsforskning visade att jordobservationsdata med öppen tillgång är en kostnadseffektiv datakälla för övervakning av urbanisering och för att undersöka effekterna av förändringar i den rumsliga strukturen på fördelningen och mönstren av ekosystemtjänstpaket. De ramar som utvecklats i denna forskning kan lätt överföras till andra städer söder om Sahara.

Framtida forskning kommer att utforska integrationen av data från flera källor, dvs. jordobservationsdata, befolkningsstatistik och andra typer av data för att upptäcka och kartlägga stadsbrist och miljökänsliga områden. Slutligen kommer kombinationen av optiska och radarbaserade fjärranalysdata och användningen av metoder för maskininlärning och djupinlärning i en molndatormiljö att undersökas ytterligare för att utveckla en dynamisk ram för kontinuerlig övervakning av förändringar av markanvändning och marktäcke i städer.