```html
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 מחברים: 
 
 
 
 
 
 
 
 
 
 טאו יה הונגיו שאן ג'ידונג וו צ'יאנג ג'ואו מינגפו מא ונז'י ג'או רו יא יואן גאו ליז'נג וו תקציר נתוני פיזור מבנים גדולים ומדויקים הם בסיס חשוב לתכנון עירוני אזורי, הקצאת משאבים ומחקר סיכוני אסונות. רמת הטיבט-צ'ינגהאי היא הקוטב השלישי של העולם. למרות שהבנת אינטראקציות אדם-סביבה מקומיות ברמת הטיבט-צ'ינגהאי חשובה ביותר, הדבר הוגבל על ידי מחסור בנתוני טביעת רגל בניין ברזולוציה גבוהה בשל שטחה הנרחב והמרוחק של האזור. במחקר זה, יצרנו את הדפוסים הווקטוריים הראשונים של גגות בניינים ברמת הטיבט-צ'ינגהאי ואזורים סובבים לה באמצעות תמונות Google ברזולוציה גבוהה ואלגוריתם חילוץ קווי מתאר של בניינים מפלטפורמת AI Earth. התוצאות שלנו כוללות 13.09 מיליון מבנים המכסים 6092.7 קמ"ר, שאומתו באמצעות סך של 250 מדגמי בדיקה של 1 קמ"ר. לנתונים הייתה דיוק כולל של 87%, דיוק של 91.9%, וציון F1 של 64.8%, ובכך סיפקו תיאור מתקדם של פיזור המבנים באזור המחקר בהשוואה ל-CBRA. לעבודתנו יש פוטנציאל עצום בהקלת הערכת החשיפה למחקרים על סיכוני אסונות באזור זה. רקע וסיכום עליית העידן הדיגיטלי הגבירה את הביקוש לנתונים אמינים על פיזור מבנים ותכונותיהם , , . נתוני פיזור מבנים מספקים מידע מרחבי חשוב לא רק על מבנים, אלא גם על אוכלוסייה ונכסים פיזיים , ומשמשים כמדד טוב לפעילות אנושית. בעשורים האחרונים, נתוני פיזור מבנים שימשו באופן נרחב בניטור פיתוח עירוני וכפרי , , בהבנת ההשפעות של עיור על ביטחון תזונתי, מגוון ביולוגי, שינויי אקלים, ורווחה ובריאות ציבורית , , בניסוח אסטרטגיות פיתוח אזוריות, והגנה על מערכות אקולוגיות עירוניות וכפריות , , . 1 2 3 4 5 6 7 8 9 10 11 ההתקדמות בנתוני הדמיה מבוססת לוויין ומבוססת אוויר, יחד עם ההתפתחויות האחרונות באלגוריתמים של למידת מכונה ולמידה עמוקה, הגבירה את זמינות נתוני פיזור המבנים , , . נתוני פיזור מבנים סופקו בפורמט מפת סיביות כחלק מנתוני שימוש/כיסוי קרקע. המהדורה העדכנית ביותר כוללת שלושה מוצרים של שימוש/כיסוי קרקע גלובליים ברזולוציית 10 מטר המבוססים על לווייני Sentinel, והם Dynamic World (DW) של Google , World Cover 2020 (WC) של הסוכנות האירופית לחקר החלל (ESA) , ו-Esri’s 2020 Land Cover . בנוסף למידע על פיזור מרחבי, חוקרים מנסים גם לצרף מידע תכונתי לפיקסלים של מבנים, כגון גובה בניין . לדוגמה, He  . השתמשו בשילוב נתוני חישה מרחוק ממקורות מרובים כדי ליצור את מערך הנתונים התלת-ממדי הראשון בעולם של התפשטות עירונית מרחבית וזמנית ברזולוציה של 30 מטר, המכסה את התקופה מ-1990 עד 2010. למרות השיפור המתמשך ברזולוציה המרחבית, נתוני פיזור מבנים מבוססי מפת סיביות עדיין אינם יכולים לתאר אובייקטים מרחביים , והגדלת הרזולוציה מגדילה מאוד את עלויות האחסון והחישוב . 12 13 14 15 17 16 14 et al 7 18 12 נתוני פיזור מבנים בפורמט וקטורי, הידועים גם כגגות בניינים וקטוריים או טביעות רגל בניין, הם נתוני מתאר של בניין המוקרן על הקרקע במבט-על , , המספקים מידע כגון מיקום גיאוגרפי, היקף מרחבי של הגבולות, וטביעת רגל של בניין יחיד. ספקי שירותים ציבוריים (למשל, Google Earth ו-OpenStreetMap) מספקים נתוני גגות בניינים וקטוריים פתוחים עם כיסוי רחב, עדכונים מהירים ועלות נמוכה , , . בשנת 2022, Microsoft Corporation השתמשה בסגמנטציה סמנטית מבוססת רשת עצבית עמוקה כדי לחלץ את קווי המתאר של 777 מיליון מבנים, חלקם מכילים תכונות גובה בניין, על בסיס Bing Maps (כולל תמונות Maxar ו-Airbus) משנת 2014 עד 2021 לכל יבשת מחוץ לסין. ב-30 במאי 2023, Google פרסמה מערך נתונים של 1.8 מיליארד קווי מתאר בניינים שחולצו מתמונות לוויין ברזולוציה גבוהה של 0.5 מטר, המכסים שטח של 58 מיליון קמ"ר. הנתונים הווקטוריים, המיוצגים על ידי קודקודים ונתיבים, מספקים דיוק גיאוגרפי גבוה יותר ללא תלות בגודל הרשת, והכנסת כללי טופולוגיה משפרת עוד יותר את שלמות הנתונים הווקטוריים . 19 20 21 22 23 13 בשל הגידול ברזולוציית התמונות וירידת עלויות רכישת הנתונים, יחד עם ההתפתחויות האחרונות באלגוריתמי החילוץ, הרזולוציה והכיסוי של נתוני פיזור המבנים משתפרים ללא הרף . הכדאיות של תמונות ברזולוציה גבוהה מאוד (VHR) אפשרה חילוץ של טביעות רגל בניין על ידי יישום שיטות מסורתיות מבוססות מאפיינים ידניים  או שיטות מבוססות למידה עמוקה . מכיוון שהגישה הראשונה מתמודדת עם אתגר של גיוון במראה ובגודל של בניינים, ועם כללים מורכבים וקביעת ספים, היא מוגבלת כאשר מיישמים אותה על תמונות חישה מרחוק גדולות ברזולוציה גבוהה . שיטות מבוססות למידה עמוקה (למשל, רשתות נוירונים קונבולוציוניות) הראו ביצועים יעילים ועליונים בלמידה אוטומטית של מאפיינים ברמה גבוהה ומבחינים בסגמנטציית סצנות בניין. Sun  . הציעו אסטרטגיית שילוב מבוססת מכונות וקטור תמיכה מקבילות כדי לנצל באופן מלא מאפיינים עמוקים שחולצו ממבני רשת נוירונים קונבולוציוניות מרובות קנה מידה, עם ביצועים עליונים בחילוץ מבנים מורכבים באזורים עירוניים. למרות זאת, בעת סגמנטציה של מבנים, הדיוק של המודל נוטה להיות מוגבל על ידי איכות דגימות האימון, מה שהופך הפשטה לקשה. שימוש לא מספק בסמנטיקה ברמה גבוהה והשמטת פרטים ברמה נמוכה במודלים עמוקים, הגורמים לטשטוש קצוות והשמטת בניינים קטנים, גם הם מפריעים ליישום למידה עמוקה בחילוץ טביעות רגל בניין. 24 25 13 26 et al 27 אזור רמת הטיבט-צ'ינגהאי הוא האזור הגבוה ביותר בעולם, עם גובה ממוצע של >4000 מטר מעל פני הים, ומשתרע על שטח של 2.5 מיליון קמ"ר . יותר מ-10 מיליון אנשים מאוכלסים את האזור למרות האקלים הקיצוני שלו, חורפים קרים וארוכים, הפרשי טמפרטורה שנתיים ויומיים גדולים, וסביבות תרמיות פנימיות עניות. למרות שאזור זה הוא המחסום האקולוגי הגדול ביותר בסין , פעילות אנושית השפיעה באופן משמעותי על הסביבה האקולוגית הפגיעה שלו . אזור זה גם נוטה מאוד לאסונות, עם רעידות אדמה, מפולות, בוץ, הצפות של אגמים קרחוניים, ואסונות שלג המובילים לאובדן חיים ונזקי רכוש , , . בתגובה, נתונים מדויקים של פיזור מבנים חיוניים למידול פיזור פעילות אנושית למחקר משולב של אדם-סביבה , , כמו גם ניתוח חשיפה וסיכון לאסונות טבע , . בנוסף, אזור זה נהנה משעות שמש ארוכות, משאבי אנרגיה סולארית בשפע ומשטחי איסוף אנרגיה סולארית מספקים כמו גגות ושטחים פתוחים , . נתוני פיזור מבנים כפריים ברזולוציה גבוהה יכולים לספק בסיס נתונים אמין להערכת פוטנציאל פוטו-וולטאי ולשיפור יעיל של רמת החיים של תושבי אזורים כפריים , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 כאזור לא מפותח, לרמת הטיבט-צ'ינגהאי ולאזורים הסמוכים לה עדיין אין מערך שלם של נתוני גגות בניינים וקטוריים ברמה גבוהה, עקב שטחם הנרחב, פיזור הבניינים הדליל, המיקום המרוחק והמגבלות המשאבים. הנתונים המוכנים ביותר לשימוש הם אלה המסופקים בקנה מידה לאומי של סין, הכוללים את נתוני שטח גגות הבניינים של סין (CBRA) ברשת של 2.5 מטר (Liu  ., 2023b) ואת מפת כיסוי הקרקע הלאומית הראשונה של סין ברזולוציית 1 מטר (SinoLC) הכוללת קטגוריות בניין . נתונים אלה, המבוססים על מפת סיביות, אינם יכולים לאפיין אובייקטים מרחביים ודורשים משאבי אחסון גדולים. נתוני שטח גגות וקטוריים עבור 90 ערים גדולות בסין שפורסמו על ידי Zhang  . מילאו חלקית פער זה; עם זאת, רק 14 ערים ברמת הטיבט-צ'ינגהאי נכללו במערך נתונים זה, ונתוני גגות בניינים וקטוריים עדיין חסרים עבור שטח של 2 מיליון קמ"ר. et al 42 et al 13 לכן, מחקר זה נועד ליצור דפוסים של גגות בניינים וקטוריים ברמת הטיבט-צ'ינגהאי ואזורים סובבים לה על ידי שילוב תמונות לוויין ברזולוציה גבוהה ואלגוריתם למידה עמוקה. מערך הנתונים שלנו אומת באמצעות דגימות בדיקה הכוללות רשתות של 250 קמ"ר לאורך 1 ק"מ ברחבי תתי-אזורים שונים, שהניבו דיוק כולל של 91.92% וציון F1 של 64.81%. שיטות מסגרת במחקר זה, השתמשנו באלגוריתמי חילוץ בניינים מפלטפורמת AI Earth כדי ליצור מערך נתונים וקטורי של גגות בניינים עבור רמת הטיבט-צ'ינגהאי ואזור סובב לה בסין (איור  ). המרכיבים העיקריים של המסגרת שלנו כללו: (1) הכנה ועיבוד מקדים של נתוני לוויין ונתונים עזר; (2) חילוץ גגות בניינים וקטוריים באמצעות פלטפורמת AI Earth; (3) אימות באמצעות נתוני גגות שצויירו ידנית. 1    המסגרת לחילוץ ואימות גגות בניינים. אזור המחקר מחקר זה התמקד בעיקר ברמת הטיבט-צ'ינגהאי ואזורים סובבים לה בדרום-מערב סין במסגרת הכללית של המשלחת והמחקר המדעי השני של רמת הטיבט ; מבחינה גיאוגרפית, הוא כולל את האזור האוטונומי של טיבט, מחוזות צ'ינגהאי, מערב מחוז יונאן, מערב מחוז סצ'ואן, דרום-מערב מחוז גאנסו, והאזור האוטונומי הדרומי של שינג'יאנג. הגובה הממוצע של אזור המחקר הוא 4000 מטר מעל פני הים. פיזור האוכלוסייה והמבנים באזור המחקר מושפע מאוד מגובה ואקלים (איור  ), ומתרכז בעיקר ממזרח לקו מג'ילונג קאונטי בטיבט עד צ'יליאן קאונטי בצ'ינגהאי ; במזרח, הם מתפזרים בצפיפות באזורי המישור בקצה המזרחי של האזור, כולל עמקי הנהרות במחוז יונאן, מערב מחוז סצ'ואן, ואגן נהר הצהוב של שינינג-לנז'ואו. במשטח הרמה ממערב לקו, אוכלוסייה ומבנים מפוזרים בעיקר באזורי חקלאות-מרעה מוגבלים לאורך עמקי נהרות גדולים, ולאורך מסדרונות תעבורה כבישים. 43 2 44    אזור המחקר (נתוני אוכלוסייה מ-LandScan; DEM ממרכז הנתונים של משאבים וסביבה). תצלומי לוויין נתוני תמונות לוויין ברזולוציה גבוהה הנגישים לציבור הושגו מ-Rivermap Co. ( ), שהושגו משילוב תמונות לוויין ונתוני אוויר של Google Earth. ביניהם, תצלומי הלוויין מגיעים בעיקר מלווייני המסחריים QuickBird ו-WorldView של DigitalGlobe, והצילום האווירי מקורו ב-BlueSky בבריטניה וב-Sanborn בארה"ב . עבור כל מיקום, היו אוספים של תמונות מרובות עם רזולוציות של עד 0.15 מטר באזורים מקומיים. שילוב נתונים כזה שימש באופן נרחב לזיהוי אובייקטים בסצנות מורכבות , , ,  ויש לו פוטנציאל למיפוי בקנה מידה גדול ברזולוציה גבוהה של סוגי אובייקטים . http://www.rivermap.cn/index.html 45 46 47 48 49 50 השטח הכולל של אזור המחקר שלנו הוא 3.06 מיליון קמ"ר, והגודל המוערך של נתוני תמונות הלוויין הוא 29.4 TB, ברזולוציה מרחבית של 0.6 מטר. בהתחשב בסקלות אלו, נוצרו רשתות של 0.175° × 0.175° עבור אזור המחקר שלנו כדי לאפשר חבילות קטנות יותר להורדה, עם סך של 10,033 רשתות ששימשו לכיסוי כל אזור המחקר. המספר בפועל של רשתות שהורדו היה קטן יותר, 5921, משתי סיבות. ראשית, מכיוון שחלק גדול מאזור המחקר מורכב מאזורי מגורים שאינם בני אדם שבהם אין מבנים, שללנו באופן שרירותי רשתות ללא פיקסלים של אזורים בנויים ממוצר World Cover של ESA. שנית, ערים/מחוזות שנתוני הגגות הווקטוריים שלהם (כלומר, לסא, שאנאן, קונמינג, שינינג, האידונג, ג'אנגיה, באייין, לנז'ואו, צ'נגדו, דאלי, ליג'יאנג, קונמינג, ג'או-טונג, ויואקסי) כבר חולצו בנתוני שטח גגות וקטוריים עבור 90 ערים בסין , גם כן נכללו. התמונות הורדו בין ספטמבר 2022 לינואר 2023, ברזולוציה של 0.6 מטר, גודל מסגרת בודד של כ-3 GB, וגודל כולל של 2.72 TB. התמונות שהורדו צולמו בעיקר בין השנים 2019 ל-2021, אך תמונות מאזורים מרוחקים מסוימים עשויות היו להילקח כבר בשנת 2001 (איור  ). 13 3    רשתות להורדת תמונות וזמן צילום תמונות. נתונים עזר נתוני העזר שלנו כללו מפות כיסוי קרקע ברזולוציה גבוהה, מודל גבהים דיגיטלי (DEM), מדד צמחייה מנורמל (NDVI), ונתוני פיזור אוכלוסייה לניתוח אשכולות שלאחר מכן לצורך דגימה (טבלה  ). 1 עבור כיסוי קרקע ואזור בנוי, מוצר World Cover של ESA מאת Zanaga  . הושג מ-Zenodo ( ). המוצר נוצר על בסיס תצלומי לוויין Sentinel 1 ו-Sentinel 2 למשך כל שנת 2020 ומדגם של 141,000 מיקומים ייחודיים המפוזרים ברחבי העולם, שאומנו באמצעות אלגוריתם Random Forest, כדי לייצג כיסוי קרקע גלובלי בשנת 2020; יש לו יתרון בייצוג אלמנטים נופיים בקנה מידה עדין (למשל, אזורים בנויים ונופים חקלאיים מורכבים), מכיוון שהוא מתחשב ביחידת מיפוי מינימלית קטנה יחסית . הקטגוריה "Built-up" במערך הנתונים מתייחסת לקרקע המכוסה במבנים, כבישים ומבנים מלאכותיים אחרים (כגון מסילות ברזל) אך לא כוללת שטחים ירוקים עירוניים (למשל, פארקים ומתקני ספורט), אתרי הטלת פסולת, ואתרי כרייה . et al 17 https://zenodo.org/records/5571936 51 17 נתוני DEM ברזולוציית 1 ק"מ ונתוני NDVI הושגו ממרכז הנתונים למדעי הסביבה והמשאבים, המכון לגיאולוגיה ומשאבים, האקדמיה הסינית למדעים ( https://www.resdc.cn

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

האודיו הזה מופק בשפת המקור של הסיפור!

מפות בינה מלאכותית: 13 מיליון מבנים באחד האזורים המרוחקים בעולם

About Author

הערות

תלו תגים

מאמר זה הוצג ב

Related Stories

The TechBeat: To Focus or Not Focus: How to Find the Right Product-Market Fit (3/14/2024)

The TechBeat: Nintendo Breaks Its Silence On Palworld (3/6/2024)

Meet ScyllaDB: HackerNoon Company of the Week

The TechBeat: Investigating Internet Freedom: Unseen Aspects of Our Online Existence (1/22/2024)

The TechBeat: To Focus or Not Focus: How to Find the Right Product-Market Fit (3/14/2024)

The TechBeat: Nintendo Breaks Its Silence On Palworld (3/6/2024)

Meet ScyllaDB: HackerNoon Company of the Week

The TechBeat: Investigating Internet Freedom: Unseen Aspects of Our Online Existence (1/22/2024)

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps