Mesterséges intelligencia 13 millió épületet térképez fel a világ egyik legeldugottabb régiójában

Szerzők: Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Összefoglalás A nagyméretű, nagy pontosságú épületeloszlási adatok fontos alapját képezik a regionális területrendezésnek, az erőforrás-elosztásnak és a katasztrófakockázati kutatásoknak. A Csinghaj-Tibet-fennsík a világ harmadik sarkvidéke. Bár a Csinghaj-Tibet-fennsík helyi ember-környezet interakcióinak megértése kritikus fontosságú, ezt nehezítette a nagy felbontású épületlábnyom-adatok hiánya a terület óriási mérete és távoli volta miatt. Ebben a tanulmányban a Csinghaj-Tibet-fennsík és környező területeinek első vektorizált épülettető-nyomatait hoztuk létre nagy felbontású Google-képek és az AI Earth platform épületkontúr-kivonási algoritmusának segítségével. Eredményeink 13,09 millió épületet tartalmaznak, amelyek 6092,7 km²-t fednek le, és 250 × 1 km² tesztmintával validáltuk őket. Az adatok teljes pontossága 87%, a visszahívás 91,9%, az F1 pontszám pedig 64,8% volt, így a CBRA-hoz képest fejlettebb leírást adnak a tanulmányterület épületeloszlásáról. Munkánk hatalmas potenciállal rendelkezik a katasztrófakockázatokkal kapcsolatos kitettségfelmérések megkönnyítése terén ebben a régióban. Háttér és összefoglaló A digitális korszak elterjedése megnövelte a megbízható épületeloszlási és épületjellemzőkre vonatkozó adatok iránti igényt. Az épületeloszlási adatok fontos térbeli információkat szolgáltatnak nemcsak az épületekről, hanem a lakosságról és a fizikai javakról is, az emberi tevékenység jó proxyjaként szolgálva. Az elmúlt évtizedekben az épületeloszlási adatokat széles körben használták a városi és vidéki fejlődés megfigyelésére, a városiasodás élelmiszerbiztonságra, biológiai sokféleségre, klímaváltozásra, közjólétre és egészségre gyakorolt hatásainak megértésére, regionális fejlesztési stratégiák kidolgozására, valamint a városi és vidéki ökoszisztémák védelmére. A műholdas és légifelvételek fejlődése, valamint a gépi tanulási és mélytanulási algoritmusok legújabb eredményei növelték az épületeloszlási adatok elérhetőségét. Az épületeloszlási adatokat raszteres formátumban, a földhasználati/födtakaró adatok részeként szolgáltatták. A legfrissebb kiadás három 10 méteres globális földhasználati/födtakaró terméket tartalmaz Sentinel műholdak alapján, nevezetesen a Google Dynamic World (DW), az Esri 2020 Land Cover és az Európai Űrügynökség (ESA) World Cover 2020 (WC) termékeit. A térbeli eloszlási információk mellett a kutatók próbálnak jellemző információkat is csatolni az épületpixelekhez, mint például az épületmagasság. Például He . többféle távérzékelési adat fúzióját használta a világ első 30 méteres felbontású, 1990 és 2010 közötti időszakra kiterjedő, városi háromdimenziós térbeli és időbeli terjeszkedési adathalmazának létrehozásához. A térbeli felbontás folyamatos javulása ellenére a raszteres épületeloszlási adatok továbbra sem tudják leírni a térbeli objektumokat, és a felbontás növelése nagymértékben növeli a tárolási és számítási költségeket. et al A vektoros formátumú épületeloszlási adatok, más néven vektorizált épülettető- vagy épületlábnyom-adatok, az épületnek a talajra vetített, felülnézetben vett körvonalai, amelyek olyan információkat szolgáltatnak, mint a földrajzi hely, a határok térbeli kiterjedése és az egyes épületek lábnyoma. Nyílt hozzáférésű nyilvános szolgáltatók (pl. Google Earth és OpenStreetMap) nyílt hozzáférésű, vektorizált épülettető-adatokat kínálnak széles körű lefedettséggel, gyors frissítésekkel és alacsony költséggel. 2022-ben a Microsoft Corporation mély neurális hálózatokon alapuló szemantikus szegmentációt használt 777 millió épület körvonalának kivonására, amelyek némelyike épületmagasság-attribútumokat tartalmaz, a Bing Maps (beleértve a Maxar és Airbus képeket) alapján 2014 és 2021 között Kínán kívüli minden kontinensre. 2023. május 30-án a Google kiadott egy 1,8 milliárd épület körvonalát tartalmazó adathalmazt, amelyet 0,5 méteres felbontású műholdképekből nyertek ki, 58 millió km² területre kiterjedően. A csúcsok és útvonalak által képviselt vektoradatok alacsony redundanciája és kompakt szerkezete nagyobb földrajzi pontosságot biztosít a hálómérettől függetlenül, és a topológiai szabályok bevezetése tovább javítja a vektoradatok integritását. A képek felbontásának növekedése és az adatbeszerzési költségek csökkenése, valamint a kivonási algoritmusok legújabb eredményei miatt az épületeloszlási adatok felbontása és lefedettsége folyamatosan javul. A nagyon nagy felbontású (VHR) képek életképessége lehetővé tette az épületlábnyomok kivonását hagyományos, kézzel készített funkcióalapú módszerek vagy mélytanulásalapú módszerek alkalmazásával. Míg az előbbi megközelítés az épületek megjelenésének és méretének sokféleségével, valamint a komplex tapasztalati szabályokkal és küszöbértékek beállításával kapcsolatos kihívásokkal néz szembe, addig nagyfelbontású távérzékelési képek nagy léptékű alkalmazására korlátozott. A mélytanulásalapú módszerek (pl. konvolúciós neurális hálózatok) hatékony és kiváló teljesítményt mutattak az épületjelenetek szegmentálásában a magasabb szintű és megkülönböztető jellemzők automatikus elsajátításában. Sun . párhuzamos támogató vektorgépeken alapuló fúziós stratégiát javasoltak a többféle mély jellemzők teljes kihasználására különböző skálákon, többféle konvolúciós neurális hálózatból nyerve, kiváló teljesítménnyel a komplex épületek kivonásában városi területeken. Mindazonáltal az épületek szegmentálásakor a modell pontosságát inkább a képzési minták minősége korlátozza, ami megnehezíti az extrapolációt. A magas szintű szemantikák nem megfelelő használata és az alacsony szintű részletek elhagyása a mély modellekben, ami élszél-elmosódást és kis épületek kihagyását eredményezi, szintén akadályozza a mélytanulás alkalmazását az épületlábnyomok kivonásában. et al A Csinghaj-Tibet-fennsík régió a világ legmagasabb területe, átlagos tengerszint feletti magassága meghaladja a 4000 métert, és területe 2,5 millió km². Több mint 10 millió ember lakja ezt a régiót extrém klímája, hideg és hosszú telei, nagy éves és napközbeni hőmérséklet-különbségei, valamint rossz beltéri hőmérsékleti viszonyai ellenére. Bár ez a régió Kína legnagyobb ökológiai gátja, az emberi tevékenység jelentősen befolyásolta sérülékeny öko-környezetét. Ez a régió rendkívül katasztrófa-veszélyes is, földrengések, földcsuszamlások, sárfolyamok, gleccser-tó kiömlési árvizek és hóviharok okoznak ember- és vagyonveszteséget. Válaszul, a pontos épületeloszlási adatok kritikusak az emberi tevékenység eloszlásának modellezéséhez a kapcsolt ember-környezet kutatásban, valamint a természeti katasztrófák kitettség- és kockázatelemzésében. Ezenkívül ez a régió hosszú napsütési órákkal, bőséges napenergia-erőforrásokkal és elegendő napenergia-gyűjtő felülettel rendelkezik, mint például tetők és nyílt területek. A nagy felbontású vidéki épületeloszlási adatok megbízható adatbázist biztosíthatnának a fotovoltaikus potenciál értékeléséhez és a vidéki területeken élők életkörülményeinek hatékony javításához. Kelet-ázsiai régióként a Csinghaj-Tibet-fennsík és a környező területek még mindig nem rendelkeznek teljes körű, nagy pontosságú, vektorizált épülettető-adatokkal, a hatalmas terület, a ritka épületeloszlás, a távoli fekvés és az erőforrás-korlátok miatt. A leginkább használatra kész adatok a nemzeti szintű kínai adatok, amelyek magukban foglalják a 2,5 méteres rácsos China Building Rooftop Area (CBRA, Liu ., 2023b) és Kína első, 1 méteres felbontású földhasználati térképe (SinoLC), amely tartalmaz épületkategóriákat. Ezek a raszteres adatok nem tudják jellemezni a térbeli objektumokat, és nagy tárolási erőforrásokat igényelnek. A kínai 90 nagyvárosra vonatkozó vektorizált tetőterület-adatok, amelyeket Zhang . tett közzé, részben betöltötték ezt az űrt; azonban csak 14 város a Csinghaj-Tibet-fennsíkon szerepelt ebben az adathalmazban, és a vektorizált épülettető-adatok továbbra is hiányoznak 2 millió km² területre. et al et al Ezért ez a tanulmány célja a Csinghaj-Tibet-fennsík és a környező régiók épülettető-nyomainak vektorizálása nagy felbontású műholdképek és mélytanulási algoritmusok felhasználásával. Adathalmazunkat 250 × 1 km²-es rácsokat tartalmazó tesztrendszerekkel validáltuk, amelyek különböző alrégiókon terültek el, ami 91,92%-os teljes pontosságot és 64,81%-os F1 pontszámot eredményezett. Módszerek Keretrendszer Ebben a tanulmányban az AI Earth platform épületkivonási algoritmusait használtuk fel egy vektorizált épülettető-adathalmaz létrehozásához a Csinghaj-Tibet-fennsík és Kína környező régiója számára (1. ábra). Keretrendszerünk főbb elemei a következők voltak: (1) műholdas és segédadatok előkészítése és előfeldolgozása; (2) vektorizált épülettető-kivonás az AI Earth platform segítségével; (3) validálás manuálisan vektorizált tetőadatokkal. A tetőépület-kivonás és validálás keretrendszere. Tanulmányterület Ez a tanulmány főként a Csinghaj-Tibet-fennsíkra és a délnyugat-kínai környező régiókra összpontosított a második Tibeti-fennsík Tudományos Expedíció és Kutatási Program általános keretein belül; földrajzilag magában foglalja a Tibeti Autonóm Régiót, a Csinghaj tartományt, a nyugati Jünnan tartományt, a nyugati Szecsuán tartományt, a délnyugati Kanszu tartományt és a déli Hszincsiang Autonóm Régiót. A tanulmányterület átlagos tengerszint feletti magassága 4000 méter. A lakosság és az épületek eloszlását a tanulmányterületen nagymértékben befolyásolja a magasság és a klíma (2. ábra), főként a Tibetet a Csinghaj-nal összekötő vonaltól keletre koncentrálódva; keleten sűrűn oszlanak el a tartomány sík területein, beleértve a Jünnan tartomány, a nyugati Szecsuán tartomány és a Hszining-lancsoui Sárga-folyó-medence völgyeit. A vonaltól nyugatra eső fennsíki felszínen a lakosság és az épületek főként korlátozott mezőgazdasági-legeltetési területeken oszlanak el a fő folyóvölgyek mentén, valamint az útmenti közlekedési folyosók mentén. Tanulmányterület (lakossági adatok LandScan-ból; DEM a Forrás- és Környezettudományi Adatközpontból). Műholdfelvételek Nyílt hozzáférésű, nagy felbontású műholdfelvételi adatokat a Rivermap Co.-tól szereztünk be ( ), amelyek a Google Earth műholdas felvételek és légifotók integrálásából származtak. Ezek közül a műholdfelvételek főként a DigitalGlobe QuickBird és WorldView kereskedelmi műholdjairól származnak, a légifelvételek pedig az Egyesült Királyságbeli BlueSky-tól és az Egyesült Államokbeli Sanborn-tól. Minden helyszínre több felvétel gyűjteménye állt rendelkezésre, amelyek felbontása helyenként elérte a 0,15 métert. Az ilyen adatintegrációt széles körben használták objektumfelismerésre komplex jelenetekben, és potenciálisan alkalmas nagy felbontású, nagyléptékű objektumtípusok feltérképezésére. http://www.rivermap.cn/index.html A tanulmányterület teljes területe 3,06 millió km², a műholdfelvételi adatok becsült mérete 29,4 TB, térbeli felbontása 0,6 m. Ezeket a méreteket figyelembe véve 0,175° × 0,175°-os hálókat hoztunk létre a tanulmányterülethez, hogy kisebb méretű csomagokat lehessen letölteni, összesen 10 033 hálót használtunk a teljes tanulmányterület lefedésére. A letöltött hálók tényleges száma alacsonyabb volt, 5921, két okból. Először is, mivel a tanulmányterület nagy része nem lakott terület, ahol nincsenek épületek, önkényesen kizártuk azokat a hálókat, amelyek nem tartalmaztak épített területeket az ESA World Cover termékből. Másodszor, kizártuk azokat a városokat/prefektúrákat, amelyek vektorizált tetőadatait (azaz Lhásza, Shannan, Kunming, Hszining, Haidong, Zhangye, Baiyin, Lancsou, Csengtu, Dali, Lijiang, Kunming, Zhaotong és Yuxi) már lekértek Kína 90 városának vektorizált tetőterületi adatai közül. A felvételeket 2022 szeptemberétől 2023 januárjáig töltötték le, 0,6 m felbontással, egyetlen kép mérete kb. 3 GB, összes mérete 2,72 TB volt. A letöltött képek főként 2019 és 2021 között készültek, de néhány távoli terület képei akár 2001-ből is származhatnak (3. ábra). Hálók a képletöltéshez és a képfelvétel időpontja. Segédadatok Segédadataik közé tartoztak nagy felbontású földborító térképek, digitális magassági modell (DEM), normalizált különbségű vegetációs index (NDVI) és lakossági eloszlási adatok a későbbi klaszterezéshez a mintavétel céljából (1. táblázat). A földborító és a beépített területekhez az ESA World Cover termékét szereztük be Zanaga . alapján, a Zenodóról ( ). A terméket Sentinel 1 és Sentinel 2 műholdfelvételek alapján hozták létre 2020 teljes éve alatt, és a világon elterjedt 141 000 egyedi helyszín mintáját használták fel, random forest algoritmussal betanítva, hogy a 2020-as globális földborítást reprezentálja; előnye a finom méretű táj elemek (pl. beépített területek és komplex mezőgazdasági tájak) ábrázolásában rejlik, mivel viszonylag kis minimális feltérképezési egységet vesz figyelembe. A "beépített" kategória az adatkészletben az épületek, utak és egyéb ember által épített szerkezetek által fedett területeket jelenti (pl. vasutak), de kizárja a városi zöldterületeket (pl. parkok és sportlétesítmények), hulladéklerakókat és bányászati területeket. et al https://zenodo.org/records/5571936 Az 1 km-es DEM-adatokat és az NDVI-adatokat a Kínai Tudományos Akadémia Földtudományi és Erőforráskutató Intézetének Forrás- és Környezettudományi Adatközpontjából szereztük be ( ). A DEM-adatok a legújabb SRTM V4.1 adatokból vannak újra mintázva ( ), és az NDVI-adatok a SPOT/VEGETATION PROBA-V 1 km-es termékek alapján vannak mozaikolva ( ). A 2021-es NDVI adatokat választottuk a Csinghaj-Tibet-fennsík vegetációjának reprezentálására ( ). A lakossági sűrűségadatokat a LandScan adatbázisból szereztük be ( ) az Egyesült Államok Energiaügyi Minisztériumának Oak Ridge Nemzeti Laboratóriuma által kifejlesztett globális életstatisztikai elemzéshez, és az East View Cartographic szolgáltatta; ezek az adatok földrajzi tudomány, távérzékelési technológia és gépi tanulási algoritmusok kombinálásával jöttek létre, és a földrajzi hely alapján az egyik legpontosabb és legmegbízhatóbb globális lakossági dinamikai statisztikai elemzési adatbázist képviselik, 1 km-es felbontással. A 2021-es lakossági eloszlást használtuk a későbbi klaszterezéshez. 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/ Adat-előfeldolgozás A lakosság és az épületek eloszlása a tanulmányterület nagy részén szórt, az ESA World Cover termék szerint a tanulmányterület több mint 99,5%-a nem beépített területnek minősül. A kivonás felgyorsítása érdekében minden 0,175° × 0,175°-os hálóhoz először a lehetséges épületeloszlási terület maszkjait hoztuk létre a kivonás előtt. A World Cover adatok "Beépített" kategóriája alapján minden beépített terület pixeltől 1 km-es pufferzónát generáltunk a lehetséges épületeloszlási területként. Több pufferzóna szélesség tesztelése után azt találtuk, hogy az 1 km-es szélesség képes befogadni a 2020-as CBRA termékekben jelentett épületpixelek 96%-át. A maszk lehetővé tette, hogy a letöltött képek teljes területének 86%-át kizárjuk, következésképpen jelentős számítási időt takarítottunk meg. A pufferadatokat a generált hálókkal fedtük át, hogy kizárjuk azokat a hálókat, amelyek nem tartalmaztak épületeket. A képeket ezután ismét pufferadatokkal vágtuk meg, majd az épületkivonási algoritmust az összetört képekre alkalmaztuk. Vektorizált épülettető-kivonás A tanulmányban használt vektorizált épülettető-kivonási algoritmus az AliCloud AI Earth platformról származik ( ), amely egy mélytanulásalapú szegmentálási módszert kombinál egy vízgyűjtő alapú szegmentálási módszerrel egy épület példány szegmentálási keretrendszer - kettős dekóder vízgyűjtő szegmentáláshoz - felépítéséhez. Ez az algoritmus egy határszegmentálási feladatot ad a szemantikus szegmentálási feladathoz, és a vízgyűjtő algoritmust használja a két feladat előrejelzési eredményeinek előfeldolgozására az előrejelzés során, így megkapva a végső épületkivonási eredményt. A Kirillov . által javasolt PointRend neurális hálót használjuk először, amely a kép szegmentálását renderelési problémaként kezeli, és egy iteratív szegmentálási algoritmust alkalmaz, amely szelektíven mintáz egységesen nem mintázott pontokat a pontos szegmentálás érdekében, mivel a neurális hálózat által tanult stabilabb és pontosabb mag pontok finoman hangolt szemantikus szegmentáló modelleket tudnak biztosítani az épület kulcsfontosságú szerkezeteihez és jellemzőihez. Ezt követően egy rugalmas vízgyűjtő szegmentálást alkalmazunk utófeldolgozásként, amely képes alkalmazkodni a különböző morfológiájú és jellemzőjű objektumokhoz. Az algoritmus a kínai különböző régióiban található manuálisan vektorizált minták alapján végzett validálási tesztekben több mint 90%-os számlálási pontosságot és több mint 85%-os területbecslési pontosságot ér el, a SpaceNet6 minden időjárásban használható SAR kép épület szegmentációs versenyén második helyezést ért el. A Mask Region-CNN-hez képest az algoritmus 11 százalékponttal javítja az átlagos precizitást. https://engine-aiearth.aliyun.com/#/ et al Adatrekordok Az ebben a tanulmányban használt vektorizált épülettető-kivonási algoritmus az AI Earth platformon hívható meg ( ). Adathalmazunk hozzáférhető a Nemzeti Tibeti-fennsík Adatközpontjában, amely a címen érhető el. Minden adat GCS_WGS_1984 koordináta-rendszerben készült, és .rar fájlokba van csomagolva (2. táblázat). A generált AI-alapú épületkontúr adatok (4. ábra) tartományonként vannak rendezve nevük szerint, beleértve Kanszut, Guizhout, Csinghajt, Szecsuánt, Hszincsiangot, Xizangot és Jünnant. Ezenkívül a megfelelő 250 km²-es rács képadatai és az eredeti forrásokból származó manuálisan rajzolt ellenőrző adatok is feltöltésre kerültek a 'image_1km.rar' és 'test_1km.rar' fájlokban. A 3. ábrán látható képfelvétel éve az 'image_time.rar' fájlban található. https://engine-aiearth.aliyun.com/#/ https://doi.org/10.11888/RemoteSen.tpdc.301170 Kivonási eredmények. Műszaki érvényesítés Érvényesítési adatok előkészítése rétegzett mintavételezés alapján Manuális épülettető-vektorizálást végeztek a "ground-truth" épülettető-adatok származtatására az érvényesítési célokra. A tanulmányterület hatalmas területe, valamint a magasság, domborzat, vegetációtípus és épület típusa tekintetében jelentős regionális különbségek miatt rétegzett mintavételi megközelítést alkalmaztunk a véletlenszerű mintavételezés helyett, hogy kiegyensúlyozott mintát kapjunk a különböző alrégiók tekintetében. K-means klaszterezést végeztünk az 5921 hálón öt mutató alapján: beépített terület, átlagos NDVI, lakossági sűrűség, átlagos magasság és magasság szórása. A K-means klaszterezés egy euklideszi távolságon alapuló klaszterezési algoritmus, amelyben két cél jellemzői közötti távolság annál nagyobb, minél közelebb van a hasonlóság. Az adatok átlagának levonásával és a szórásosztásával történő standardizálása után az könyök módszert használtuk a legmegfelelőbb kategóriaszám kiválasztására. A folyamat során, amikor a kategóriák száma ötre nőtt, a négyzetes hibák összegének csökkenési sebessége gyorsan csökkent. Ezért az 5921 hálót öt kategóriába klasztereltük a későbbi elemzésekhez (3. táblázat, 5. ábra). Földrajzi zónatérkép és hálók az érvényesítési