
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Müəlliflər: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Abstrakt Regional planlaşdırma və resursların ayrılması və fəlakət riskləri tədqiqatları üçün böyük miqyaslı, yüksək dəqiqlikli bina paylanma məlumatları mühüm bir fondur. Çinghay-Tibet yaylası dünyanın üçüncü qütbudur. Çinghay-Tibet yaylasındakı yerli insan-ətraf mühit qarşılıqlı əlaqələrini başa düşmək çox vacib olsa da, bu, ərazinin böyüklüyü və uzaqlığı səbəbindən yüksək qətnaməli bina izləri məlumatlarının olmaması ilə məhdudlaşdırılmışdır. Bu tədqiqatda, yüksək qətnaməli Google imagery və AI Earth platformasının bina konturunun çıxarılması alqoritmindən istifadə edərək, Çinghay-Tibet yaylasının və onun ətraf ərazilərinin ilk vektorlu bina dam örtüklərini yaratdıq. Nəticələrimiz 6092,7 km² ərazini əhatə edən 13,09 milyon binanı əhatə edir, bu da ümumilikdə 250 × 1 km² test nümunələri ilə təsdiqlənmişdir. Məlumatlar 87% ümumi dəqiqlik, 91,9% geri çağırma və 64,8% F1 balı ilə təmin edilmişdir, bununla da CBRA ilə müqayisədə tədqiqat sahəsinin bina paylanmasının qabaqcıl təsvirini təmin edir. Bizim işimiz bu ərazidə fəlakət riski ilə bağlı tədqiqatlar üçün məruz qalma qiymətləndirməsini asanlaşdırmaq üçün böyük potensiala malikdir. Arxa Plan & Xülasə Rəqəmsal dövrün gəlişi bina paylanması və atributları barədə etibarlı məlumatlara olan tələbi artırmışdır , , . Bina paylanma məlumatları təkcə binaların deyil, həm də əhalinin və fiziki aktivlərin mühüm məkan məlumatlarını təmin edir , insan fəaliyyətinin yaxşı göstəricisi kimi çıxış edir. Son onilliklərdə bina paylanma məlumatları şəhər və kənd inkişafının monitorinqində , , urbanizasiyanın ərzaq təhlükəsizliyinə, biomüxtəlifliyə, iqlim dəyişikliyinə və ictimai rifaha və sağlamlığa təsirlərinin başa düşülməsində , , regional inkişaf strategiyalarının formalaşdırılmasında və şəhər və kənd ekosistemlərinin qorunmasında , ,  geniş istifadə edilmişdir. 1 2 3 4 5 6 7 8 9 10 11 Peyk əsaslı və hava təsvirlərinin inkişafı, maşın öyrənmə və dərin öyrənmə alqoritmlərindəki son tərəqqi ilə birlikdə bina paylanma məlumatlarının mövcudluğunu artırmışdır , , . Bina paylanma məlumatları torpaq istifadəsi/örtüyü məlumatlarının bir hissəsi kimi raster formatında təqdim edilmişdir. Ən son buraxılış, Sentinel peyklər əsasında üç 10 metr qlobal torpaq istifadəsi/örtüyü məhsulu daxildir: Google-ın Dinamik Dünya (DW) , Esri-nin 2020 Torpaq Örtüyü  və Avropa Kosmik Agentliyinin (ESA) Dünya Örtüyü 2020 (WC) . Məkan paylanma məlumatlarından başqa, tədqiqatçılar həmçinin bina piksellərinə bina hündürlüyü kimi atribut məlumatları əlavə etməyə çalışırlar . Məsələn, He  .  1990-2010-cu illəri əhatə edən dünyanın ilk 30 metrlik qlobal urban üçölçülü məkan və zaman yayılma dəstini yaratmaq üçün çoxmənbəli uzaqdan zondlama məlumatlarının birləşdirilməsindən istifadə etmişdir. Məkan qətnaməsinin davamlı təkmilləşdirilməsinə baxmayaraq, raster əsaslı bina paylanma məlumatları hələ də məkan obyektlərini təsvir edə bilmir  və qətnamənin artırılması saxlanma və hesablaşma xərclərini böyük ölçüdə artırır . 12 13 14 15 16 17 14 və başqaları 7 18 12 Vektor formatındakı bina paylanma məlumatları, həmçinin vektorlu bina dam örtüyü və ya bina izləri kimi tanınan, binanın yuxarıdan görünüşdə yerə proqnozlaşdırılmış kontur məlumatlarıdır , , bu da coğrafi mövqe, sərhədlərin məkan əhatə dairəsi və tək bir binanın izi kimi məlumatlar təmin edir. İctimai xidmət təminatçıları (məsələn, Google Earth və OpenStreetMap) geniş əhatə dairəsi, sürətli yeniləmələr və aşağı xərclərlə açıq-erişimli vektorlu bina dam örtüyü məlumatları təmin edir , , . 2022-ci ildə Microsoft Corporation, 2014-2021-ci illər ərzində Çin xaricində hər bir qitə üçün Bing Maps (Maxar və Airbus imagery daxil olmaqla) əsasında 777 milyon binanın konturlarını çıxarmaq üçün dərin neyron şəbəkəsi əsaslı semantik seqmentasiyadan istifadə etmişdir. 30 may 2023-cü ildə Google, 0,5 metrlik yüksək qətnaməli peyk təsvirindən çıxarılmış 1,8 milyard bina konturundan ibarət bir dəst buraxdı, bu da 58 milyon km² ərazini əhatə edir. Təpələr və yollarla təmsil olunan vektor məlumatlarının aşağı redundanslı və yığcam strukturu, mesh ölçüsündən asılı olmayaraq daha yüksək coğrafi dəqiqlik təmin edir və topoloji qaydaların tətbiqi vektor məlumatlarının bütövlüyünü daha da artırır . 19 20 21 22 23 13 Təsvir qətnaməsinin artması və məlumatların əldə edilməsi xərclərinin azalması, eləcə də çıxarış alqoritmlərindəki son tərəqqi ilə, bina paylanma məlumatlarının qətnaməsi və əhatə dairəsi davamlı olaraq yaxşılaşır . Çox yüksək qətnaməli (VHR) şəkillərin etibarlılığı, ənənəvi əl istehsalı xüsusiyyətə əsaslanan üsulların  və ya dərin öyrənmə əsaslı üsulların  tətbiqi ilə bina izlərinin çıxarılmasına imkan vermişdir. Əvvəlki yanaşma binaların görünüşlərinin və ölçülərinin müxtəlifliyi, həmçinin mürəkkəb qaydalar və hədd təyinləri ilə bağlı çətinliklərlə üzləşdiyi üçün, böyük miqyaslı yüksək qətnaməli uzaqdan zondlama şəkillərinə tətbiq edildikdə məhduddur . Dərin öyrənmə əsaslı üsullar (məsələn, konvolyusion neyron şəbəkələri) bina səhnəsi seqmentasiyasında yüksək səviyyəli və diskriminant xüsusiyyətləri avtomatik olaraq öyrənmədə effektiv və üstün performans göstərmişdir. Sun  .  müxtəlif miqyaslarda çoxmiqyaslı konvolyusion neyron şəbəkəsi strukturlarından çıxarılan dərin xüsusiyyətlərdən tam istifadə etmək üçün paralel dəstək vektor maşınlarına əsaslanan bir birləşmə strategiyası təklif etdi və şəhər ərazilərində mürəkkəb binaların çıxarılmasında üstün performans göstərdi. Bununla belə, binaları seqmentləşdirərkən, modelin dəqiqliyi təlim nümunələrinin keyfiyyəti ilə məhdudlaşdırılma ehtimalı daha yüksəkdir, bu da ekstrapolyasiyanı çətinləşdirir. Dərin modellərdə yüksək səviyyəli semantika az istifadə edilməsi və aşağı səviyyəli detalların əskik olması, nəticədə kənar bulanıqlıq və kiçik bina əskikləri, həmçinin dərin öyrənmənin bina izlərinin çıxarılmasında tətbiqinə mane olur. 24 25 13 26 və başqaları 27 Çinghay-Tibet yaylası regionu dünyanın ən hündür ərazisidir, orta hündürlüyü dəniz səviyyəsindən 4000 metrdən çoxdur və 2,5 milyon km² ərazini əhatə edir . Bura ekstremal iqliminə, soyuq və uzun qışlarına, böyük illik və sutkalıq temperatur fərqlərinə və zəif daxili termal mühitinə baxmayaraq, 10 milyondan çox insan yaşayır. Bu ərazi Çində ən böyük ekoloji baryer olsa da , insan fəaliyyəti onun həssas ekoloji mühitinə əhəmiyyətli dərəcədə təsir göstərmişdir . Bu ərazi eyni zamanda zəlzələlər, sürüşmələr, palçıq axınları, buzlaq gölünün daşqınları və qar fəlakətləri səbəbindən insan tələfatı və əmlak itkilərinə səbəb olan fəlakətlərə həddindən artıq məruz qalır , , . Buna cavab olaraq, birləşmiş insan-ətraf mühit tədqiqatları üçün insan fəaliyyətinin paylanmasının modelləşdirilməsi , , həmçinin təbii fəlakətlər üçün məruz qalma və risk təhlili ,  üçün dəqiq bina paylanma məlumatları kritikdir. Bundan əlavə, bu ərazi uzun günəşli saatlara, bol günəş enerjisi ehtiyatlarına və dam örtükləri və açıq sahələr kimi kifayət qədər günəş enerjisi toplama səthlərinə malikdir , . Yüksək qətnaməli kənd bina paylanma məlumatları fotoqoltay potensialını qiymətləndirmək və kənd ərazilərində yaşayanların həyat səviyyəsini effektiv şəkildə yaxşılaşdırmaq üçün etibarlı bir məlumat bazası təmin edə bilər , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Hələ inkişaf etməmiş bir ərazi olaraq, Çinghay-Tibet yaylası və qonşu əraziləri, onların geniş ərazisi, seyrək bina paylanması, uzaq mövqeyi və resurs məhdudiyyətləri səbəbindən hələ də yüksək dəqiqlikli vektorlu bina dam örtüyü məlumatlarının tam dəstini əldə etməmişdir. Ən çox istifadəyə yararlı məlumatlar Çinin milli miqyasında təmin edilən məlumatlardır, o cümlədən 2,5 metrlik gridli Çin Bina Dam Örtüyü sahəsi məlumatları (CBRA, Liu  ., 2023b) və bina kateqoriyalarını əhatə edən Çinin 1 metrlik qətnaməli ilk milli torpaq örtüyü xəritəsi (SinoLC) . Bu raster məlumatları məkan obyektlərini xarakterizə edə bilmir və böyük saxlanma resursları tələb edir. Çinin 90 əsas şəhəri üçün Zhang  .  tərəfindən buraxılmış vektorlu dam örtüyü sahəsi məlumatları bu boşluğu qismən doldurmuşdur; lakin, Çinghay-Tibet yaylasındakı cəmi 14 şəhər bu dəstə daxil edilmişdir və 2 milyon km² ərazi üçün hələ də vektorlu bina dam örtüyü məlumatları yoxdur. və başqaları 42 və başqaları 13 Odur ki, bu tədqiqatın məqsədi yüksək qətnaməli peyk təsvirlərini və dərin öyrənmə alqoritmini birləşdirərək Çinghay-Tibet yaylası və qonşu bölgələri üçün vektorlu bina dam örtüyü izləri yaratmaqdır. Dəstimiz müxtəlif yarımərazilərdə 250 × 1 km² qəfəs istifadə edərək təsdiqlənmişdir və nəticədə 91,92% ümumi dəqiqlik və 64,81% F1 balı əldə edilmişdir. Metodlar Çərçivə Bu tədqiqatda, Çinghay-Tibet yaylası və Çindəki qonşu bölgəsi üçün vektorlu bina dam örtüyü dəstini yaratmaq üçün AI Earth platformasından bina çıxarmaq alqoritmlərindən istifadə etdik (Şəkil  ). Çərçivəmizin əsas komponentləri bunlardır: (1) peyk məlumatları və köməkçi məlumatların hazırlanması və ilkin emalı; (2) AI Earth platformundan istifadə edərək vektorlu bina dam örtüyünün çıxarılması; (3) əl ilə vektorlaşdırılmış dam örtüyü məlumatlarından istifadə edərək təsdiqləmə. 1    Bina dam örtüyünün çıxarılması və təsdiqlənməsi üçün çərçivə. Tədqiqat sahəsi Bu tədqiqat əsasən Çinin cənub-qərb hissəsində yerləşən Çinghay-Tibet yaylası və qonşu ərazilərinə yönəlib, ikinci Tibet Yaylası Elmi Ekspedisiyası və Tədqiqat Proqramı çərçivəsində ; coğrafi olaraq, Tibet Muxtar Rayonu, Çinghay əyalətləri, qərbi Yunnan əyaləti, qərbi Sıçuan əyaləti, cənub-qərbi Qansu əyaləti və cənubi Sincan Muxtar Rayonunu əhatə edir. Tədqiqat sahəsinin orta hündürlüyü dəniz səviyyəsindən 4000 metrdir. Tədqiqat sahəsində əhalinin və binaların paylanması əsasən hündürlük və iqlimdən təsirlənir (Şəkil  ), əsasən Tibetdəki Jilong qəsəbəsindən Çinghaydakı Qilian qəsəbəsinə qədər olan xəttin şərqində yerləşir ; şərqdə, ərazinin şərq kənarındakı düzənliklərdə, o cümlədən Yunnan əyalətinin çay dərələri, qərbi Sıçuan əyaləti və Sinin-Lanzhou Sarı Çay hövzəsində sıx paylanmışdır. Xəttin qərbindəki yayla səthində əhalinin və binaların əksəriyyəti, böyük çay dərələri boyunca və yol nəqliyyatı dəhlizləri boyunca məhdud kənd təsərrüfatı-otlaq sahələri ilə birlikdə paylanmışdır. 43 2 44    Tədqiqat sahəsi (əhalinin məlumatları LandScan-dan; DEM Resurs və Ətraf Mühit Elm və Məlumat Mərkəzindəndir). Peyk təsvirləri Rivermap Co.-dan açıq-erişimli yüksək qətnaməli peyk təsvir məlumatları əldə edilmişdir ( ), bu da Google Earth-un peyk təsvirlərinin və hava məlumatlarının inteqrasiyasından əldə edilmişdir. Onların arasında, peyk təsvirləri əsasən DigitalGlobe-un QuickBird və WorldView kommersiya peyklərindən, hava fotoşəkilləri isə Böyük Britaniyanın BlueSky və ABŞ-ın Sanborn şirkətlərindən alınmışdır . Hər bir yer üçün, yerli ərazilərdə 0,15 m-ə qədər qətnaməli çoxsaylı təsvirlərin kolleksiyaları mövcud idi. Belə məlumatların inteqrasiyası mürəkkəb səhnələrdə obyektlərin tanınması üçün geniş istifadə edilmişdir , , ,  və obyekt növlərinin böyük miqyaslı yüksək qətnaməli xəritələşdirilməsi potensialına malikdir . http://www.rivermap.cn/index.html 45 46 47 48 49 50 Tədqiqat sahəmizin ümumi sahəsi 3,06 milyon km²-dir və peyk təsvir məlumatlarının təxmini ölçüsü 29,4 TB-dir, məkan qətnaməsi isə 0,6 m-dir. Bu miqyasları nəzərə alaraq, tədqiqat sahəmizi əhatə etmək üçün ümumi 10.033 balıq torundan istifadə edərək, kiçik ölçülü paketlərə imkan vermək üçün 0,175° × 0,175° balıq torları yaradılmışdır. İki səbəbə görə endirilən balıq torlarının faktiki sayı 5921 daha az olmuşdur. Birincisi, tədqiqat sahəsinin böyük bir hissəsini binaların olmadığı qeyri-yaşayış əraziləri təşkil etdiyindən, ESA World Cover məhsulunda hər hansı tikili sahə pikseli olmayan balıq torlarını təsadüfən istisna etdik. İkincisi, Çinin 90 şəhəri üçün vektorlu dam örtüyü sahəsi məlumatlarında vektorlu dam örtüyü məlumatları (yəni, Lxa, Şannan, Kunminq, Sinin, Həyidonq, Çanqjou, Baiyin, Lanzhou, Çendu, Dali, Liciang, Kunminq, Çatong və Yuxi) əldə edilmiş şəhərlər də istisna edilmişdir . Təsvirlər sentyabr 2022-ci il və yanvar 2023-cü illər arasında, 0,6 m qətnaməli, təxminən 3 GB ölçüsündə bir çərçivə və 2,72 TB ümumi ölçü ilə endirilmişdir. Endirilən təsvirlər əsasən 2019-2021-ci illərdə çəkilmişdir, lakin bəzi uzaq ərazilərdən olan təsvirlər 2001-ci il qədər əvvəl çəkilmiş ola bilər (Şəkil  ). 13 3    Təsvir endirilməsi və təsvir çəkilmə vaxtı üçün balıq torları. Köməkçi məlumatlar Köməkçi məlumatlarımız nümunə götürmə məqsədi ilə sonrakı klaster təhlili üçün yüksək qətnaməli torpaq örtüyü xəritələri, rəqəmsal relyef modeli (DEM), normalize edilmiş fərq bitki örtüyü indeksi (NDVI) və əhalinin paylanması məlumatlarını əhatə edirdi (Cədvəl  ). 1 Torpaq örtüyü və tikililər üçün, Zanaga  . -dan ESA-nın Dünya Örtüyü məhsulu Zenodo-dan ( ) əldə edilmişdir. Məhsul, 2020-ci ildə qlobal torpaq örtüyünü təmsil etmək üçün təsadüfi meşə alqoritmi ilə təlim və başqaları 17 https://zenodo.org/records/5571936

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Bu audio hekayənin orijinal dilində hazırlanmışdır!

AI uza Uzaqa Dünyanın Ən Ucqar Bölgələrindən Birində 13 Milyon Bina Xəritəsini Çəkdi

About Author

ŞƏRHLƏR

ETİKET ASIN

BU MƏQALƏ TƏQDİM EDİLMİŞDİR

Related Stories

Women in Tech: Azize Sultan Shares Her Inspiring Journey from Architecture to Tech Leadership

Optimizing Operations for Real Estate Investors - Interview with Startups of the Year Nominee, Azibo

How Azarus's Technology is Transforming Viewer Engagement on Stream

Women in Tech: Azize Sultan Shares Her Inspiring Journey from Architecture to Tech Leadership

Optimizing Operations for Real Estate Investors - Interview with Startups of the Year Nominee, Azibo

How Azarus's Technology is Transforming Viewer Engagement on Stream

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps