
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autores: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Resumo Datos de distribución de edificios a gran escala e de alta precisión son unha base importante para a planificación urbana rexional e a asignación de recursos e a investigación de riscos de desastres. A meseta de Qinghai-Tíbet é o terceiro polo do mundo. Aínda que comprender as interaccións locais humano-ambiente na meseta de Qinghai-Tíbet é criticamente importante, isto foi obstaculizado pola falta de datos de pegada de edificios de alta resolución debido á vastitude e remotidade da 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 alta resolución de Google 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 A chegada 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 activos físicos , servindo como un bo proxy da actividade humana. Nas últimas décadas, os datos de distribución de edificios foron amplamente utilizados no seguimento do desenvolvemento urbano e rural , , comprendendo os impactos da urbanización na seguridade alimentaria, biodiversidade, cambio climático e benestar e saúde pública , , formulando estratexias de desenvolvemento rexional e protexendo os ecosistemas urbanos e rurais , , . 1 2 3 4 5 6 7 8 9 10 11 O avance da imaxe por satélite e aérea, xunto cos recentes progresos en algoritmos de aprendizaxe automática e profunda, impulsou a dispoñibilidade de datos de distribución de edificios , , . Os datos de distribución de edificios proporcionáronse en formato ráster como parte dos datos de uso/cuberta do solo. A versión máis recente inclúe tres produtos globais de uso/cuberta do solo 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 engadir información de atributos aos píxeles dos edificios, como a altura dos edificios . Por exemplo, He  .  usaron a fusión de datos de teledetección multiorixe para construír o primeiro conxunto de datos de expansión espacial e temporal urbana tridimensional do mundo con resolución de 30 m que abarca 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 considerablemente os custos de almacenamento e computación . 12 13 14 15 16 17 14 et al 7 18 12 Os datos de distribución de edificios en formato vectorial, tamén coñecidos como tellados de edificios vectorizados ou pegadas de edificios, son os datos do contorno dun edificio proxectado no chan nunha vista aérea , , que proporcionan información como a localización xeográfica, a extensión espacial dos límites e a pegada dun único edificio. Provedores de servizos públicos (por exemplo, Google Earth e OpenStreetMap) proporcionan datos abertos de tellados de edificios vectorizados con ampla cobertura, actualizacións rápidas e baixo custo , , . En 2022, Microsoft Corporation utilizou segmentación semántica baseada en redes neurais 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, cubrindo unha área de 58 millóns de km². A baixa redundancia e a estrutura compacta dos datos vectoriais representados por vértices e camiños proporcionan unha maior precisión xeográfica independentemente 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 das imaxes e á diminución dos custos de adquisición de datos, xunto cos recentes progresos nos 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 manuais  ou métodos baseados en aprendizaxe profunda . Mentres que o primeiro enfoque enfróntase ao desafío da diversidade de aparencias e tamaños de edificios, e regras empíricas complexas e axustes de limiar, está limitado cando se aplica a imaxes de teledetección de alta resolución a gran escala . Os métodos baseados en aprendizaxe profunda (por exemplo, redes neurais convolucionais) mostraron un rendemento eficaz e superior na aprendizaxe automática de características de alto nivel e discriminatorias na segmentación de escenas de edificios. Sun  .  propoñen unha estratexia de fusión baseada en máquinas de vectores de soporte paralelos para utilizar plenamente as características profundas extraídas de estruturas de redes neurais convolucionais multiescala a diferentes escalas, cun rendemento superior na extracción de edificios complexos en áreas urbanas. Non obstante, ao segmentar edificios, a precisión do modelo é máis propensa a ser restrinxida pola calidade das mostras de adestramento, o que fai difícil a extrapolación. O uso insuficiente de semántica de alto nivel e a omisión de detalles de baixo nivel en modelos profundos, o que resulta en bordos borrosos e omisións de edificios pequenos, tamén dificultan a aplicación da aprendizaxe profunda na extracción de pegadas de edificios. 24 25 13 26 et al 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 a rexión a pesar do seu clima extremo, invernos fríos e longos, grandes diferenzas anuais e diúrnas de temperatura e ambientes térmicos interiores deficientes. Aínda que esta rexión é a maior barreira ecolóxica en China , a actividade humana impactou considerablemente o seu fráxil eco-ambiente . Esta rexión tamén é extremadamente propensa a desastres, con terremotos, deslizamentos de terra, fluxos de lodo, desbordamentos de lagos glaciares e desastres de neve que provocan perdas de vidas e propiedades , , . En resposta, os datos precisos de distribución de edificios son críticos para modelar a distribución da actividade humana para o estudo conxunto humano-ambiente , , así como a análise de exposición e risco de desastres naturais , . Ademais, esta rexión ten longas horas de sol, abundantes recursos de enerxía solar e superficies suficientes para a recollida de enerxía solar como tellados e espazos abertos , . 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 teñen un conxunto completo de datos de tellados de edificios vectorizados de alta precisión, debido á súa vasta área, dispersa 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  ., 2023b) con cuadrícula de 2,5 m e o primeiro mapa nacional de cuberta do solo de China con 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 en China lanzados por Zhang  .  encheron parcialmente este oco; non obstante, só se incluíron 14 cidades na 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. et al 42 et al 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.  ). 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 usando a plataforma AI Earth; (3) validación usando datos de tellados vectorizados manualmente. 1    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 Científica e Programa de Investigación da Meseta Tibetana ; 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.  ), concentrándose principalmente ao leste da liña que vai 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, incluíndo os vales fluviais na provincia de Yunnan, a provincia occidental de Sichuan e a conca do río Amarelo Xining-Lanzhou. Na superficie da meseta ao oeste da liña, a poboación e os edificios distribúense na súa maioría con áreas agro-pastoriles limitadas ao longo dos principais vales fluviais e ao longo dos corredores de tráfico rodado. 43 2 44    Área de estudo (os datos de poboación son de LandScan; o DEM é do Centro de Ciencia e Datos de Recursos e Medio Ambiente). Imaxes de satélite Os datos de imaxes de satélite de alta resolución de acceso aberto obtivéronse de Rivermap Co. ( ), que se obtiveron da integración de imaxes de satélite e datos aéreos de Google Earth. Entre eles, as imaxes de satélite proveñen principalmente dos satélites comerciais QuickBird e WorldView de DigitalGlobe, e a fotografía aérea provén de BlueSky no Reino Unido e Sanborn nos EUA . Para cada localización, houbo coleccións de imaxes múltiples 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 a cartografía a gran escala e 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 imaxes de satélite é de 29,4 TB, cunha resolución espacial de 0,6 m. Considerando estas escalas, creáronse redes de cuadrículas de 0,175° × 0,175° para a nosa área de estudo para permitir paquetes de menor tamaño para descarga, cun total de 10.033 redes para cubrir toda a área de estudo. O número real de redes descargadas foi menor, 5921, por dúas razóns. En primeiro lugar, dado que unha gran parte da área de estudo comprende áreas residenciais non humanas onde non existen edificios, excluimos arbitrariamente as redes sen píxeles de área construída do produto World Cover da ESA. 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) se recuperaron nos datos de área de tellados vectorizados para 90 cidades en China . As imaxes descargáronse entre setembro de 2022 e xaneiro de 2023, cunha resolución de 0,6 m, un tamaño de marco único de aprox. 3 GB e un tamaño total de 2,72 TB. As imaxes descargadas foron tomadas principalmente entre 2019 e 2021, pero imaxes de algunhas áreas remotas poden ter sido tomadas xa en 2001 (Fig.  ). 13 3    Redes de cuadrículas 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 diferenza normalizada de vexetación (NDVI) e datos de distribución da poboación para a análise de clústeres posterior co propósito de mostraxe (Táboa  ). 1 Para a cuberta do solo e a área construída, obtívose o produto World Cover da ESA de Zanaga  .  de Zenodo ( ). O produto xerouse en base a 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 random forest, para representar a cuberta do solo global en 2020; ten unha vantaxe en representar elementos do paisaxe a pequena escala (por exemplo, áreas construídas e paisaxes agrícolas complexas), xa que considera unha unidade mínima de cartografía relativamente pequena . A categoría "construída" nos datos refírese a terreos cubertos 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 vertedoiro e sitios de minaría . et al 17 https://zenodo.org/records/5571936 51 17 Os datos DEM de 1 km e os datos NDVI obtivéronse do Centro de Ciencia e Datos de Recursos e Medio Ambiente, Instituto de Xeociencias e Recursos, Academia Chinesa de Ciencias ( ). Os datos DEM son remuestreados a partir 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 xéranse 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 baseadas na localización xeográfica, cunha resolución superior a 1 km . Usamos a distribución da 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, primeiro xeráronse máscaras de áreas potenciais de distribución de edificios para cada rede 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 ao redor 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 podería acomodar o 96% dos píxeles de edificios reportados nos produtos CBRA de 2020. A máscara permitiunos excluír o 86% da área total das imaxes descargadas, aforrando así un tempo computacional considerable. Analizamos a zona de amortiguación cunha superposición coas redes xeradas para excluír as redes que non contiñan edificios. As imaxes cortáronse de novo con zonas de amortiguación e, a continuación, 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 watershed para construír un marco de segmentación de instancias de edificios - dobre decodificador para segmentación de watershed. Este algoritmo engade unha tarefa de segmentación de bordos á tarefa de segmentación semántica, e utiliza o algoritmo de watershed para preprocesar os resultados de predición das dúas tarefas durante a predición, obtendo o resultado final da extracción de edificios. A rede neural PointRend proposta por Kirillov  .  úsase primeiro , que trata a segmentación de imaxes como un problema de renderizado e emprega un algoritmo de segmentación iterativo que mostra https://engine-aiearth.aliyun.com/#/ et al 53 53

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 mapean 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 Programming Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

R Systems BlogBook—Chapter 1: Round 2 is Now Open for Submissions🎉

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Programming Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

R Systems BlogBook—Chapter 1: Round 2 is Now Open for Submissions🎉

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps