AI картира 13 милиона сгради в един от най-отдалечените региони в света

Автори: Тао Йе Хонгю Шан Джидонг Ву Чианг Джоу Мингфу Ма Венжи Жао Ру Я Юан Гао Лиженг Ву Резюме Мащабните прецизни данни за разпределението на сградите са важна основа за регионалното градско планиране и разпределението на ресурсите, както и за изследване на рисковете от бедствия. Тибетското плато е третият полюс на света. Въпреки че разбирането на местните взаимодействия човек-среда в Тибетското плато е критично важно, то е затруднено от липсата на данни за отпечатъци на сгради с висока резолюция поради обширността и отдалечеността на района. В това проучване генерирахме първите векторизирани отпечатъци на покриви на сгради на Тибетското плато и околните райони, използвайки Google изображения с висока резолюция и алгоритъма за извличане на контури на сгради на платформата AI Earth. Нашите резултати включват 13,09 милиона сгради, покриващи 6092,7 km², валидирани с общо 250 × 1 km² тестови образци. Данните имаха обща точност от 87%, припомняне от 91,9% и F1 резултат от 64,8%, като по този начин предоставят усъвършенствано описание на разпределението на сградите в изследваната област в сравнение с CBRA. Нашата работа има огромен потенциал за улесняване на оценката на експозицията за проучвания относно риска от бедствия в този район. Предистория и резюме Настъпването на дигиталната ера повиши търсенето на надеждни данни за разпределението и характеристиките на сградите , , . Данните за разпределението на сградите предоставят важна пространствена информация не само за сградите, но и за населението и материалните активи , служещи като добър показател за човешката дейност. През последните десетилетия данните за разпределението на сградите се използват широко за наблюдение на градското и селското развитие , , за разбиране на въздействието на урбанизацията върху продоволствената сигурност, биоразнообразието, изменението на климата и общественото благосъстояние и здраве , , за формулиране на стратегии за регионално развитие и за защита на градските и селските екосистеми , , . 1 2 3 4 5 6 7 8 9 10 11 Напредъкът в сателитните и въздушните изображения, заедно с последния прогрес в алгоритмите за машинно обучение и дълбоко обучение, повиши наличността на данни за разпределението на сградите , , . Данните за разпределението на сградите бяха предоставени в растер формат като част от данните за земно покритие/използване. Най-актуалното издание включва три глобални продукта за земно покритие/използване с резолюция 10 метра, базирани на сателити Sentinel, а именно Dynamic World (DW) на Google , Land Cover 2020 на Esri и World Cover 2020 (WC) на Европейската космическа агенция (ESA) . Освен информация за пространственото разпределение, учените се опитват да прикачат и информация за характеристиките към пикселите на сградите, като височината на сградите . Например, He . използваха сливане на данни от множество източници на дистанционно наблюдение, за да конструират първия в света набор от данни за 3D градско пространствено и времево разрастване с резолюция 30 метра, обхващащ периода от 1990 до 2010 г. Въпреки непрекъснатото подобряване на пространствената резолюция, растерните данни за разпределението на сградите все още не могат да опишат пространствените обекти , а увеличаването на резолюцията значително увеличава разходите за съхранение и изчисления . 12 13 14 15 16 17 14 et al 7 18 12 Данните за разпределението на сградите във векторен формат, известни също като векторизирани покриви на сгради или отпечатъци на сгради, са контурни данни на сграда, проектирани на земята отгоре , , които предоставят информация като географско местоположение, пространствен обхват на границите и отпечатък на една сграда. Доставчици на публични услуги (напр. Google Earth и OpenStreetMap) предоставят отворени векторизирани данни за покриви на сгради с широко покритие, бързи актуализации и ниски разходи , , . През 2022 г. Microsoft Corporation използва семантична сегментация, базирана на дълбоки невронни мрежи, за извличане на контурите на 777 милиона сгради, някои от които съдържащи информация за височината на сградите, базирана на Bing Maps (включително изображения от Maxar и Airbus) от 2014 до 2021 г. за всеки континент извън Китай. На 30 май 2023 г. Google пусна набор от данни от 1,8 милиарда контура на сгради, извлечени от сателитни изображения с висока резолюция 0,5 m, покриващи площ от 58 милиона km². Ниската излишност и компактната структура на векторните данни, представени чрез върхове и пътеки, осигуряват по-висока географска точност, независима от размера на мрежата, а въвеждането на топологични правила допълнително подобрява целостта на векторните данни . 19 20 21 22 23 13 Поради увеличаването на резолюцията на изображенията и намаляването на разходите за придобиване на данни, заедно с последния прогрес в алгоритмите за извличане, резолюцията и покритието на данните за разпределението на сградите непрекъснато се подобряват . Жизнеспособността на изображения с много висока резолюция (VHR) позволи извличането на отпечатъци на сгради чрез прилагане на традиционни методи, базирани на ръчно изработени характеристики или методи, базирани на дълбоко обучение . Тъй като първият подход се сблъсква с предизвикателството за разнообразието във външния вид и размера на сградите, както и със сложни правила и настройки на прагове, той е ограничен при прилагане към изображения за дистанционно наблюдение с висока резолюция в голям мащаб . Методите, базирани на дълбоко обучение (напр. конволюционни невронни мрежи), показват ефективно и превъзходно представяне при автоматичното учене на високо ниво и отличителни характеристики при сегментиране на сцени със сгради. Sun . предложиха стратегия за сливане, базирана на паралелни машини за векторна поддръжка, за пълноценно използване на дълбоките характеристики, извлечени от конволюционни невронни мрежи с множество мащаби при различни нива, с превъзходно представяне при извличане на сложни сгради в градски райони. Въпреки това, при сегментиране на сгради, точността на модела е по-вероятно да бъде ограничена от качеството на обучителните образци, което затруднява екстраполацията. Недостатъчното използване на семантика от високо ниво и пропускането на детайли от ниско ниво в дълбоките модели, водещи до размити ръбове и пропускане на малки сгради, също затрудняват приложението на дълбокото обучение при извличане на отпечатъци на сгради. 24 25 13 26 et al 27 Тибетското плато е най-високо разположената област в света, със средна надморска височина от над 4000 метра над морското равнище, и обхваща площ от 2,5 милиона km² . Повече от 10 милиона души населяват региона въпреки екстремния му климат, студените и дълги зими, големите годишни и дневни температурни разлики и лошите условия за отопление в помещенията. Въпреки че този регион е най-голямата екологична бариера в Китай , човешката дейност значително влияе върху неговата уязвима екосистема . Този регион е също изключително податлив на бедствия, като земетресения, свлачища, кални потоци, наводнения от пробив на ледникови езера и снежни бедствия водят до загуба на живот и имущество , , . В отговор, точните данни за разпределението на сградите са критични за моделирането на разпределението на човешката дейност за съвместно изучаване на човек-среда , , както и за анализ на експозицията и риска от природни бедствия , . В допълнение, този регион има дълги часове слънчева светлина, изобилни ресурси от слънчева енергия и достатъчно повърхности за събиране на слънчева енергия като покриви и открити пространства , . Данните за разпределението на селските сгради с висока резолюция биха могли да предоставят надеждна база данни за оценка на фотоволтаичния потенциал и ефективното подобряване на жизнения стандарт на хората, живеещи в селските райони , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Като слабо развит регион, Тибетското плато и съседните му райони все още нямат пълен набор от високопрецизни векторизирани данни за покриви на сгради, поради тяхната огромна площ, рядко разпределение на сгради, отдалечено местоположение и ресурсни ограничения. Най-готовите за употреба данни са тези, предоставени на национално ниво в Китай, които включват данните за площта на покривите на сградите в Китай (CBRA, Liu ., 2023b) с резолюция 2,5 m и първата национална карта на земното покритие на Китай с резолюция 1 m (SinoLC), която включва категории сгради . Тези растерни данни не могат да характеризират пространствените обекти и изискват големи ресурси за съхранение. Данните за векторизираната площ на покривите за 90 големи града в Китай, публикувани от Zhang . , частично запълниха тази празнина; обаче, само 14 града в Тибетското плато бяха включени в този набор от данни, а векторизирани данни за покриви на сгради все още липсват за площ от 2 милиона km². et al 42 et al 13 Следователно, тази статия има за цел да генерира векторизирани отпечатъци на покриви на сгради на Тибетското плато и съседните му райони чрез интегриране на сателитни изображения с висока резолюция и алгоритми за дълбоко обучение. Нашият набор от данни беше валидиран с помощта на тестови образци, състоящи се от мрежи 250 × 1 km² в различни подрегиони, което доведе до обща точност от 91,92% и F1 резултат от 64,81%. Методи Рамка В това проучване използвахме алгоритми за извличане на сгради от платформата AI Earth, за да генерираме векторизиран набор от данни за покриви на сгради за Тибетското плато и съседния му регион в Китай (Фиг. ). Основните компоненти на нашата рамка включваха: (1) подготовка и предварителна обработка на сателитни и спомагателни данни; (2) извличане на векторизирани покриви на сгради чрез платформата AI Earth; (3) валидация с помощта на ръчно векторизирани данни за покриви. 1 Рамка за извличане и валидиране на покриви на сгради. Изследвана област Това проучване е фокусирано основно върху Тибетското плато и съседните му региони в Югозападен Китай в рамките на общата рамка на втората научна експедиция и изследователска програма за Тибетското плато ; географски, тя включва Тибетския автономен регион, провинциите Цинхай, Западен Юнан, Западен Съчуан, Югозападен Гансу и Южен Синдзян-Уйгурски автономен регион. Средната надморска височина на изследваната област е 4000 m над морското равнище. Разпределението на населението и сградите в изследваната област се влияе силно от надморската височина и климата (Фиг. ), като се концентрира главно на изток от линията от окръг Джилонг в Тибет до окръг Чилян в Цинхай ; на изток, те се разпределят гъсто в равнинните райони по източния край на региона, включително речните долини в провинция Юнан, Западен Съчуан и басейна на река Хуанхъ Синин-Ланджоу. В платото на запад от линията населението и сградите са предимно разположени с ограничени селскостопански и пасищни площи по основните речни долини и по коридорите на пътния трафик. 43 2 44 Изследвана област (данните за населението са от LandScan; DEM е от Центъра за данни за ресурси и околна среда). Сателитни изображения Данните от сателитни изображения с висока резолюция с отворен достъп бяха получени от Rivermap Co. ( ), които бяха получени от интеграцията на сателитни изображения и въздушни данни на Google Earth. Сред тях сателитните изображения идват главно от търговските сателити QuickBird и WorldView на DigitalGlobe, а въздушните снимки са от BlueSky във Великобритания и Sanborn в САЩ . За всяко местоположение имаше колекции от множество изображения с резолюция до 0,15 m в локализирани райони. Такава интеграция на данни е широко използвана за разпознаване на обекти в сложни сцени , , , и има потенциал за картографиране на типове обекти в голям мащаб и с висока резолюция . http://www.rivermap.cn/index.html 45 46 47 48 49 50 Общата площ на нашата изследвана област е 3,06 милиона km², а приблизителният размер на данните от сателитни изображения е 29,4 TB, с пространствена резолюция от 0,6 m. Като се имат предвид тези мащаби, бяха създадени риболовни мрежи с размер 0,175° × 0,175°, за да се позволят пакети с по-малък размер за изтегляне, като общо бяха използвани 10 033 риболовни мрежи, за да покрият цялата изследвана област. Действителният брой изтеглени риболовни мрежи беше по-малък – 5921 поради две причини. Първо, тъй като голяма част от изследваната област се състои от необитаеми райони, където няма сгради, произволно изключихме риболовни мрежи без пиксели с изградени зони от продукта ESA World Cover. Второ, градове/префектури, чиито векторизирани данни за покриви (т.е. Ласа, Шаннан, Кунмин, Синин, Хайдун, Джанджи, Байин, Ланджоу, Чънду, Дали, Лиджианг, Кунмин, Жаотун и Юси) са били извлечени в данните за векторизирана площ на покривите за 90 града в Китай , също бяха изключени. Изображенията бяха изтеглени между септември 2022 г. и януари 2023 г., с резолюция 0,6 m, размер на единична рамка около 3 GB и общ размер от 2,72 TB. Изтеглените изображения са предимно от 2019 до 2021 г., но изображения от някои отдалечени райони може да са от 2001 г. (Фиг. ). 13 3 Риболовни мрежи за изтегляне на изображения и време на заснемане на изображения. Спомагателни данни Нашите спомагателни данни включваха карти на земното покритие с висока резолюция, дигитален модел на височините (DEM), индекс на нормализирана разлика на растителността (NDVI) и данни за разпределението на населението за последващ клъстерен анализ с цел вземане на образци (Табл. ). 1 За земно покритие и изградени площи, продуктът World Cover на ESA от Zanaga . беше получен от Zenodo ( ). Продуктът е генериран на базата на сателитни изображения Sentinel 1 и Sentinel 2 за цялата 2020 г. и извадка от 141 000 уникални местоположения, разпределени по целия свят, обучени с алгоритъм за случаен горски масив, за да представят глобалното земно покритие през 2020 г.; той има предимство в представянето на фини елементи на ландшафта (напр. изградени площи и сложни селскостопански пейзажи), тъй като отчита сравнително малка минимална картографска единица . Категорията „изградена“ в набора от данни се отнася до земя, покрита от сгради, пътища и други човешки структури (напр. железопътни линии), но изключва градски зелени площи (напр. паркове и спортни съоръжения), депа за отпадъци и минни обекти . et al 17 https://zenodo.org/records/5571936 51 17 1-километровите DEM данни и NDVI данни бяха получени от Центъра за данни за ресурси и околна среда, Институт по геоенергийни науки и ресурси, Китайска академия на науките ( ). DEM данните са преоразмерени от най-новите SRTM V4.1 данни ( ), а NDVI данните са мозайки, базирани на продукти SPOT/VEGETATION PROBA-V с резолюция 1 км ( ). Избрахме NDVI данните от 2021 г., за да представим растителността на Тибетското плато ( ). Данните за плътността на населението бяха получени от базата данни LandScan ( ) за глобален анализ на жизненоважни статистики, разработен от Националната лаборатория Оук Ридж на Министерството на енергетиката на САЩ и предоставен от East View Cartographic ( ); тези данни са генерирани чрез комбиниране на геопространствени науки, технология за дистанционно наблюдение и алгоритми за машинно обучение, представлявайки една от най-точните и наде https://www.resdc.cn/Default.aspx https://www.resdc.cn/data.aspx?DATAID=123 http://www.vito-eodata.be https://www.resdc.cn/DOI/DOI.aspx?DOIID=49 https://landscan.ornl.gov/ https://geospatial.com/