
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autores: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Resumo Os datos de distribución de edificios a gran escala e de alta precisión son unha base importante para a planificación urbana rexional, a asignación de recursos e a investigación de riscos de desastres. A meseta de Qinghai-Tíbet é o terceiro polo do mundo. Aínda que a comprensión das interaccións locais entre o ser humano e o medio ambiente na meseta de Qinghai-Tíbet é de vital importancia, isto viuse obstaculizado pola falta de datos de pegadas de edificios de alta resolución debido á vastitude e á remota área. Neste estudo, xeramos as primeiras pegadas de tellados de edificios vectorizados da meseta de Qinghai-Tíbet e as súas áreas circundantes utilizando imaxes de Google de alta resolución e o algoritmo de extracción de contornos de edificios da plataforma AI Earth. Os nosos resultados inclúen 13,09 millóns de edificios que cobren 6092,7 km², validados cun total de 250 × 1 km² de mostras de proba. Os datos tiveron unha precisión xeral do 87%, unha recuperación do 91,9% e unha puntuación F1 do 64,8%, proporcionando así unha descrición avanzada da distribución de edificios da área de estudo en comparación con CBRA. O noso traballo ten un inmenso potencial para facilitar a avaliación da exposición en estudos sobre riscos de desastres nesta área. Antecedentes e Resumo O advento da era dixital aumentou a demanda de datos fiables sobre a distribución e os atributos dos edificios , , . Os datos de distribución de edificios proporcionan información espacial importante non só de edificios senón tamén de poboación e bens físicos , servindo como un bo proxy para a actividade humana. Nas últimas décadas, os datos de distribución de edificios foron amplamente utilizados no seguimento do desenvolvemento urbano e rural , , a comprensión dos impactos da urbanización na seguridade alimentaria, a biodiversidade, o cambio climático e o benestar e a saúde pública , , a formulación de estratexias de desenvolvemento rexional e a protección de ecosistemas urbanos e rurais , , . 1 2 3 4 5 6 7 8 9 10 11 O avance da imaxe baseada en satélite e aérea, xunto co progreso recente en algoritmos de aprendizaxe automática e aprendizaxe profunda, impulsou a dispoñibilidade de datos de distribución de edificios , , . Os datos de distribución de edificios foron proporcionados en formato ráster como parte dos datos de uso/cuberta do solo. A versión máis recente inclúe tres produtos de uso/cuberta do solo globais de 10 m baseados en satélites Sentinel, a saber, Dynamic World (DW) de Google , Esri's 2020 Land Cover  e World Cover 2020 (WC) da Axencia Espacial Europea (ESA) . Ademais da información de distribución espacial, os investigadores tamén intentan adxuntar información de atributos aos píxeles dos edificios, como a altura dos edificios . Por exemplo, He et al.  utilizaron a fusión de datos de teledetección de múltiples fontes para construír o primeiro conxunto de datos de expansión espacial e temporal urbana en 3D do mundo cunha resolución de 30 m que abrangue o período de 1990 a 2010. A pesar da mellora continua da resolución espacial, os datos de distribución de edificios baseados en ráster aínda non poden describir obxectos espaciais , e o aumento da resolución aumenta enormemente os custos de almacenamento e computación . 12 13 14 15 16 17 14 7 18 12 Os datos de distribución de edificios en formato vectorial, tamén coñecidos como pegadas de tellados de edificios ou pegadas de edificios vectorizados, son os datos de contorno dun edificio proxectados no chan nunha vista aérea , , que proporcionan información como a localización xeográfica, a extensión espacial dos límites e a pegada dun edificio individual. Provedores de servizos públicos (por exemplo, Google Earth e OpenStreetMap) proporcionan datos abertos de pegadas de tellados de edificios vectorizados con ampla cobertura, actualizacións rápidas e baixo custo , , . En 2022, Microsoft Corporation utilizou a segmentación semántica baseada en redes neuronais profundas para extraer os contornos de 777 millóns de edificios, algúns dos cales conteñen atributos de altura de edificios, baseándose en Bing Maps (incluíndo imaxes de Maxar e Airbus) de 2014 a 2021 para todos os continentes fóra de China. O 30 de maio de 2023, Google lanzou un conxunto de datos de 1.800 millóns de contornos de edificios extraídos de imaxes de satélite de alta resolución de 0,5 m, que abranguen unha área de 58 millóns de km². A baixa redundancia e a estrutura compacta dos datos vectoriais representados por vértices e rutas proporcionan unha maior precisión xeográfica independente do tamaño da malla, e a introdución de regras topolóxicas mellora aínda máis a integridade dos datos vectoriais . 19 20 21 22 23 13 Debido ao aumento da resolución da imaxe e á diminución dos custos de adquisición de datos, xunto co progreso recente en algoritmos de extracción, a resolución e a cobertura dos datos de distribución de edificios melloran continuamente . A viabilidade de imaxes de moi alta resolución (VHR) permitiu a extracción de pegadas de edificios mediante a aplicación de métodos tradicionais baseados en características creadas manualmente  ou métodos baseados en aprendizaxe profunda . Dado que o primeiro enfoque enfronta o desafío da diversidade de aparencias e tamaños de edificios, e regras empíricas complexas e configuracións de limiares, está limitado cando se aplica a imaxes de teledetección a gran escala e de alta resolución . Os métodos baseados en aprendizaxe profunda (por exemplo, redes neuronais convolucionais) mostraron un rendemento eficaz e superior na aprendizaxe automática de características de alto nivel e discriminatorias na segmentación de escenas de edificios. Sun et al.  propuxeron unha estratexia de fusión baseada en máquinas de vectores de soporte paralelas para utilizar plenamente as características profundas extraídas de estruturas de redes neuronais convolucionais multiescala en diferentes escalas, cun rendemento superior na extracción de edificios complexos en áreas urbanas. Non obstante, ao segmentar edificios, a precisión do modelo é máis probable que estea restrinxida pola calidade das mostras de adestramento, o que dificulta a extrapolación. O uso insuficiente de semántica de alto nivel e a omisión de detalles de baixo nivel en modelos profundos, que resultan en bordos difuminados e omisións de edificios pequenos, tamén dificultan a aplicación da aprendizaxe profunda na extracción de pegadas de edificios. 24 25 13 26 27 A rexión da meseta de Qinghai-Tíbet é a área máis elevada do mundo, cunha elevación media de >4000 metros sobre o nivel do mar, e abarca unha área de 2,5 millóns de km² . Máis de 10 millóns de persoas habitan na rexión a pesar do seu clima extremo, invernos fríos e longos, grandes diferenzas de temperatura anuais e diúrnas, e ambientes térmicos interiores deficientes. Aínda que esta rexión é a maior barreira ecolóxica en China , a actividade humana impactou considerablemente o seu vulnerable eco-ambiente . Esta rexión tamén é extremadamente propensa a desastres, con terremotos, desprendementos de terras, fluxos de lodo, inundacións de lagos glaciares e desastres de neve que provocan perdas de vidas e bens , , . En resposta, datos precisos de distribución de edificios son críticos para modelar a distribución da actividade humana para o estudo acoplado ser humano-medio ambiente , , así como a análise de exposición e risco para desastres naturais , . Ademais, esta rexión ten longas horas de sol, abundantes recursos de enerxía solar e suficientes superficies de recollida de enerxía solar como tellados e espazos abertos , . Os datos de distribución de edificios rurais de alta resolución poderían proporcionar unha base de datos fiable para avaliar o potencial fotovoltaico e mellorar eficientemente os niveis de vida dos habitantes das zonas rurais , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Como rexión subdesenvolvida, a meseta de Qinghai-Tíbet e as súas áreas veciñas aínda non dispoñen dun conxunto completo de datos de tellados de edificios vectorizados de alta precisión, debido á súa vasta área, escasa distribución de edificios, localización remota e limitacións de recursos. Os datos máis listos para usar son os proporcionados a escala nacional de China, que inclúen os datos de área de tellados de edificios de China (CBRA, Liu et al., 2023b) con malla de 2,5 m e o primeiro mapa nacional de cuberta do solo de China cunha resolución de 1 m (SinoLC) que inclúe categorías de edificios . Estes datos ráster non poden caracterizar obxectos espaciais e requiren grandes recursos de almacenamento. Os datos de área de tellados vectorizados para 90 cidades importantes de China lanzados por Zhang et al.  encheron parcialmente este baleiro; non obstante, só se incluíron 14 cidades da meseta de Qinghai-Tíbet neste conxunto de datos, e os datos de tellados de edificios vectorizados aínda están ausentes para unha área de 2 millóns de km². 42 13 Polo tanto, este estudo ten como obxectivo xerar pegadas de tellados de edificios vectorizados da meseta de Qinghai-Tíbet e as súas rexións veciñas incorporando imaxes de satélite de alta resolución e algoritmos de aprendizaxe profunda. O noso conxunto de datos foi validado utilizando mostras de proba que comprenden cuadrículas de 250 × 1 km² en varias subrexións, resultando nunha precisión xeral do 91,92% e unha puntuación F1 do 64,81%. Métodos Marco Neste estudo, utilizamos algoritmos de extracción de edificios da plataforma AI Earth para xerar un conxunto de datos de tellados de edificios vectorizados para a meseta de Qinghai-Tíbet e a súa rexión veciña en China (Fig. 1). Os compoñentes principais do noso marco incluíron: (1) preparación e preprocesamento de datos de satélite e datos auxiliares; (2) extracción de tellados de edificios vectorizados utilizando a plataforma AI Earth; (3) validación mediante datos de tellados vectorizados manualmente.    O marco para a extracción e validación de tellados de edificios. Área de estudo Este estudo centrouse principalmente na meseta de Qinghai-Tíbet e nas súas rexións veciñas no suroeste de China baixo o marco xeral da segunda Expedición e Programa de Investigación Científica da Meseta do Tíbet ; xeograficamente, inclúe a Rexión Autónoma do Tíbet, as Provincias de Qinghai, a Provincia occidental de Yunnan, a Provincia occidental de Sichuan, a Provincia suroeste de Gansu e a Rexión Autónoma do sur de Xinjiang. A elevación media da área de estudo é de 4000 m sobre o nivel do mar. A distribución da poboación e dos edificios na área de estudo está moi influenciada pola elevación e o clima (Fig. 2), concentrándose principalmente ao leste da liña do Condado de Jilong en Tíbet ao Condado de Qilian en Qinghai ; no leste, distribúense densamente nas áreas de llanura na marxe oriental da rexión, incluídas os vales dos ríos na Provincia de Yunnan, a Provincia de Sichuan occidental e a Bacía do río Amarelo Xining-Lanzhou. Na superficie da meseta ao oeste da liña, a poboación e os edificios distribúense maioritariamente con áreas agropecuarias limitadas ao longo dos principais vales dos ríos e ao longo dos corredores de tráfico rodado. 43 44    Área de estudo (os datos de poboación son de LandScan; o DEM é do Centro de Datos de Ciencia de Recursos e Medio Ambiente). Imaxes de satélite Os datos de imaxe de satélite de alta resolución de acceso aberto foron obtidos de Rivermap Co. ( ), que foron obtidos da integración de imaxes de satélite e datos aéreos de Google Earth. Entre eles, as imaxes de satélite proveñen principalmente dos satélites comerciais DigitalGlobe QuickBird e WorldView, e a fotografía aérea provén de BlueSky no Reino Unido e Sanborn nos EUA . Para cada localización, houbo coleccións de múltiples imaxes con resolucións de ata 0,15 m en áreas localizadas. Tal integración de datos foi amplamente utilizada para o recoñecemento de obxectos en escenas complexas , , ,  e ten o potencial para cartografía a gran escala de alta resolución de tipos de obxectos . http://www.rivermap.cn/index.html 45 46 47 48 49 50 A área total da nosa área de estudo é de 3,06 millóns de km², e o tamaño estimado dos datos de imaxe de satélite é de 29,4 TB, cunha resolución espacial de 0,6 m. Considerando estas escalas, creáronse peixes de 0,175° × 0,175° para a nosa área de estudo para permitir paquetes de menor tamaño para descarga, cun total de 10.033 peixes para cubrir toda a área de estudo. O número real de peixes descargados foi menor, 5921, por dúas razóns. En primeiro lugar, xa que unha gran parte da área de estudo comprende áreas residenciais non humanas onde non existen edificios, excluimos arbitrariamente os peixes sen píxeles de área construída do produto ESA World Cover. En segundo lugar, tamén se excluiron cidades/prefecturas cuxos datos de tellados vectorizados (é dicir, Lhasa, Shannan, Kunming, Xining, Haidong, Zhangye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong e Yuxi) xa foron recuperados nos datos de área de tellados vectorizados para 90 cidades de China . As imaxes foron descargadas entre setembro de 2022 e xaneiro de 2023, cunha resolución de 0,6 m, un tamaño de fotograma de ca. 3 GB e un tamaño total de 2,72 TB. As imaxes descargadas foron principalmente tomadas de 2019 a 2021, pero as imaxes dalgunhas áreas remotas poden ter sido tomadas xa en 2001 (Fig. 3). 13    Peixes para descarga de imaxes e tempo de toma de imaxes. Datos auxiliares Os nosos datos auxiliares incluíron mapas de cuberta do solo de alta resolución, modelo dixital de elevación (DEM), índice de vexetación normalizado (NDVI) e datos de distribución de poboación para análises de clústeres posteriores co propósito de mostraxe (Táboa 1). Para a terra e a área construída, obtívose o produto World Cover da ESA de Zanaga et al.  de Zenodo ( ). O produto foi xerado con base en imaxes de satélite Sentinel 1 e Sentinel 2 para todo o ano 2020 e unha mostra de 141.000 localizacións únicas distribuídas por todo o mundo, adestradas co algoritmo de bosque aleatorio, para representar a cuberta do solo global en 2020; ten unha vantaxe na representación de elementos paisaxísticos a pequena escala (por exemplo, áreas construídas e paisaxes agrícolas complexas), xa que considera unha unidade de mapeo mínima relativamente pequena . A categoría "construída" no conxunto de datos refírese á terra cuberta por edificios, estradas e outras estruturas feitas polo home (por exemplo, vías férreas) pero excluindo espazos verdes urbanos (por exemplo, parques e instalacións deportivas), depósitos de lixo e sitios de minaría . 17 https://zenodo.org/records/5571936 51 17 Os datos DEM de 1 km e os datos NDVI obtivéronse do Centro de Datos de Ciencia de Recursos e Medio Ambiente, Instituto de Xeociencias e Recursos, Academia Chinesa de Ciencias ( ). Os datos DEM son remuestreados dos últimos datos SRTM V4.1 ( ), e os datos NDVI son mosaicos baseados en produtos SPOT/VEGETATION PROBA-V de 1 km ( ). Eliximos os datos NDVI de 2021 para representar a vexetación na meseta de Qinghai-Tíbet ( ). Os datos de densidade de poboación obtivéronse da base de datos LandScan ( ) para a análise de estatísticas vitais globais desenvolvida polo Laboratorio Nacional de Oak Ridge do Departamento de Enerxía dos Estados Unidos e proporcionada por East View Cartographic ( ); estes datos son xerados combinando ciencia xeoespacial, tecnoloxía de teledetección e algoritmos de aprendizaxe automática, representando unha das bases de datos de análise estatística dinámica de poboación global máis precisas e fiables baseada na localización xeográfica, cunha resolución superior a 1 km . Usamos a distribución de poboación en 2021 para a análise de clústeres posterior. 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/ 52 Preprocesamento de datos A distribución da poboación e dos edificios está dispersa na maior parte da nosa área de estudo, con máis do 99,5% da área de estudo clasificada como áreas non construídas segundo o produto World Cover da ESA . Para acelerar a nosa extracción, xeráronse máscaras de área potencial de distribución de edificios para cada peixe de 0,175° × 0,175° antes da extracción. Baseándose na categoría "Construída" nos datos de World Cover, xerouse unha zona de amortiguación de 1 km arredor de cada píxel de área construída como área potencial de distribución de edificios. Despois de probar varios anchos de zona de amortiguación, atopamos que un ancho de 1 km podía acomodar o 96% dos píxeles de edificios informados nos produtos CBRA de 2020. A máscara permitiunos excluír o 86% da área total das imaxes descargadas, aforrando así un tempo computacional substancial. Analizamos o buffer mediante unha superposición cos peixes xerados para excluír as mallas que non contiñan edificios. As imaxes cortáronse de novo con buffers, e despois aplicouse o algoritmo de extracción de edificios ás imaxes cortadas. 17 Extracción de tellados de edificios vectorizados O algoritmo de extracción de tellados de edificios vectorizados utilizado neste estudo provén da plataforma AliCloud AI Earth ( ), que combina un método de segmentación baseado en aprendizaxe profunda cun método de segmentación baseado en bacía para construír un marco de segmentación de instancias de edificios: doble decodificador para segmentación de bacía. Este algoritmo engade unha tarefa de segmentación de bordos á tarefa de segmentación semántica, e utiliza o algoritmo de bacía para preprocesar os resultados da predición das dúas tarefas durante a predición, obtendo o resultado final de extracción de edificios. A rede neuronal PointRend proposta por Kirillov et al.  úsase primeiro , que trata a segmentación de imaxes como un problema de renderizado e emprega un algoritmo de segmentación iterativa que mostra puntos non uniformes selectivamente para unha segmentación precisa, xa que os puntos de semente máis estables e precisos aprendidos pola rede neuronal poden proporcionar modelos de segmentación semántica finamente axustados para estruturas e características clave do edificio. Subsequentemente, úsase unha segmentación flexible de bacía para o postprocesamento , , que é capaz de adaptarse a obxectos con diferentes morfologias e características. O algoritmo acadou unha precisión de conteo de https://engine-aiearth.aliyun.com/#/ 53 53 54 55

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

Este audio está producido na lingua orixinal da historia!

Mapas de IA 13 Millóns de Edificios nunha das Rexións Máis Remotas do Mundo

About Author

COMENTARIOS

Etiquetas colgantes

ESTE ARTIGO FOI PRESENTADO EN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Remote Work Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

HackerNoon Decoded 2024: Celebrating Our Remote Work Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Tech Stories Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps