AI បង្កើតផែនទីអគារចំនួន ១៣ លានក្នុងតំបន់មួយក្នុងចំណោមតំបន់ដាច់ស្រយាលបំផុតនៅលើពិភពលោក

អ្នកនិពន្ធ៖ តាវ យ៉េ ហុងយូ សាន ជីដុង វូ ឈៀង ចូវ មីងហ្វូ ម៉ា វ៉េនហ្សី ហ្សា រួយ យ៉ា យួន ហ្គាវ លីហ្សេង វូ សេចក្តីសង្ខេប ទិន្នន័យការចែកចាយសំណង់ដែលមានគុណភាពខ្ពស់ និងមានកម្រិតខ្ពស់មានសារសំខាន់ជាមូលដ្ឋានសម្រាប់ការរៀបចំផែនការទីក្រុងក្នុងតំបន់ និងការបែងចែកធនធាន និងការស្រាវជ្រាវហានិភ័យគ្រោះមហន្តរាយ។ តំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ គឺជាប៉ូលពិភពលោកទីបី។ ទោះបីជាការយល់ដឹងពីអន្តរកម្មរបស់មនុស្ស-បរិស្ថានក្នុងតំបន់ក្នុងតំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ មានសារសំខាន់បំផុតក៏ដោយ ក៏បញ្ហានេះត្រូវបានរារាំងដោយការខ្វះខាតទិន្នន័យគំនូសសំណង់ដែលមានគុណភាពខ្ពស់ ដោយសារតែតំបន់នេះមានទំហំធំ និងមានភាពដាច់ស្រយាល។ នៅក្នុងការសិក្សានេះ យើងបានបង្កើតប្លង់ដំបូលសំណង់ដែលជាវ៉ិចទ័រដំបូងបង្អស់នៃតំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ និងតំបន់ជុំវិញដោយប្រើប្រាស់រូបភាព Google ដែលមានគុណភាពខ្ពស់ និងក្បួនដោះស្រាយការទាញយកគំនូសសំណង់របស់វេទិកា AI Earth។ លទ្ធផលរបស់យើងរួមមានសំណង់ចំនួន 13.09 លាន ដែលគ្របដណ្តប់លើផ្ទៃដី 6092.7 km2 ត្រូវបានផ្ទៀងផ្ទាត់ដោយគំរូសាកល្បងសរុប 250 x 1 km2 ។ ទិន្នន័យមានភាពត្រឹមត្រូវសរុប 87% ការរំលឹកឡើងវិញ 91.9% និងពិន្ទុ F1 64.8% ដូច្នេះផ្តល់នូវការពិពណ៌នាជឿនលឿនអំពីការចែកចាយសំណង់នៃតំបន់សិក្សា បើប្រៀបធៀបទៅនឹង CBRA។ ការងាររបស់យើងមានសក្តានុពលយ៉ាងធំធេងក្នុងការសម្រួលដល់ការវាយតម្លៃការប៉ះពាល់សម្រាប់ ការសិក្សាអំពីហានិភ័យគ្រោះមហន្តរាយនៅក្នុងតំបន់នេះ។ ប្រវត្តិសង្ខេប ការរីកចម្រើននៃយុគឌីជីថលបានបង្កើនតម្រូវការសម្រាប់ទិន្នន័យដែលអាចទុកចិត្តបានអំពីការចែកចាយ និងលក្ខណៈសម្បត្តិរបស់សំណង់ ។ ទិន្នន័យការចែកចាយសំណង់ផ្តល់នូវព័ត៌មានលំហដែលមានសារសំខាន់មិនត្រឹមតែចំពោះសំណង់ប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងប្រជាជន និងទ្រព្យសម្បត្តិរាងកាយ ដែលបម្រើជាຕົວជំនួសដ៏ល្អសម្រាប់សកម្មភាពមនុស្ស។ ក្នុងរយៈពេលប៉ុន្មានទសវត្សរ៍ចុងក្រោយនេះ ទិន្នន័យការចែកចាយសំណង់ត្រូវបានគេប្រើយ៉ាងទូលំទូលាយក្នុងការតាមដានការអភិវឌ្ឍទីក្រុង និងជនបទ ការយល់ដឹងអំពីផលប៉ះពាល់នៃនគរូបនីយកម្មលើសន្តិសុខស្បៀងអាហារ ជីវចម្រុះ ការប្រែប្រួលអាកាសធាតុ និងសុខុមាលភាពសាធារណៈ និងសុខភាព ការបង្កើតយុទ្ធសាស្ត្រអភិវឌ្ឍន៍ក្នុងតំបន់ និងការការពារប្រព័ន្ធអេកូឡូស៊ីទីក្រុង និងជនបទ ។ , , 1 2 3 4 , 5 6 , 7 8 , , 9 10 11 ការរីកចម្រើននៃរូបភាពផ្កាយរណប និងយន្តហោះ ក៏ដូចជាការរីកចម្រើនថ្មីៗនេះក្នុងក្បួនដោះស្រាយការរៀនដោយម៉ាស៊ីន និងការរៀនជ្រៅ បានបង្កើនលទ្ធភាពទទួលបានទិន្នន័យការចែកចាយសំណង់ ។ ទិន្នន័យការចែកចាយសំណង់ត្រូវបានផ្តល់ជូនក្នុងទម្រង់ raster ជាផ្នែកមួយនៃទិន្នន័យការប្រើប្រាស់ដី/គម្របដី។ ការចេញផ្សាយចុងក្រោយបំផុតរួមមានផលិតផលការប្រើប្រាស់ដី/គម្របដីសកលចំនួនបី ដែលមានកម្រិត 10 ម៉ែត្រ ដោយផ្អែកលើផ្កាយរណប Sentinel គឺ Dynamic World (DW) របស់ Google , Esri’s 2020 Land Cover , និង World Cover 2020 (WC) របស់ទីភ្នាក់ងារអវកាសអឺរ៉ុប (ESA) ។ បន្ថែមពីលើព័ត៌មានលំហរនៃការចែកចាយ អ្នកស្រាវជ្រាវក៏កំពុងព្យាយាមភ្ជាប់ព័ត៌មានលក្ខណៈទៅនឹង pixels សំណង់ ដូចជាកម្ពស់សំណង់ ។ ឧទាហរណ៍ He . បានប្រើការបញ្ចូលទិន្នន័យពីចម្ងាយច្រើនប្រភព ដើម្បីបង្កើតសំណុំទិន្នន័យការរីកលូតលាស់ទីក្រុងបីវិមាត្រសកលដំបូងដែលមានកម្រិត 30 ម៉ែត្រ ដែលគ្របដណ្តប់រយៈពេលពីឆ្នាំ 1990 ដល់ឆ្នាំ 2010។ ទោះបីជាមានការកែលម្អជាបន្តបន្ទាប់នៃគុណភាពលំហរក៏ដោយ ក៏ទិន្នន័យការចែកចាយសំណង់ដោយផ្អែកលើ raster នៅតែមិនអាចពិពណ៌នាវត្ថុលំហ ហើយការបង្កើនកម្រិតគុណភាពធ្វើឱ្យការផ្ទុក និងការចំណាយកុំព្យូទ័រ កើនឡើងយ៉ាងខ្លាំង ។ , , 12 13 14 15 16 17 14 et al 7 18 12 ទិន្នន័យការចែកចាយសំណង់ក្នុងទម្រង់វ៉ិចទ័រ ដែលត្រូវបានគេស្គាល់ផងដែរថាជាប្លង់ដំបូលសំណង់ដែលបានប្រែទៅជាវ៉ិចទ័រ ឬគំនូសសំណង់ គឺជាទិន្នន័យបន្ទាត់វណ្ឌវង្កនៃសំណង់ដែលបានฉายលើដីក្នុងទិដ្ឋភាពលើ ដែលផ្តល់ព័ត៌មានដូចជាទីតាំងភូមិសាស្ត្រ វិសាលភាពលំហនៃបន្ទាត់ព្រំដែន និងគំនូសនៃសំណង់នីមួយៗ។ អ្នកផ្តល់សេវាសាធារណៈ (ឧ. Google Earth និង OpenStreetMap) ផ្តល់ទិន្នន័យប្លង់ដំបូលសំណង់វ៉ិចទ័រដោយឥតគិតថ្លៃ ជាមួយនឹងការគ្របដណ្តប់យ៉ាងទូលំទូលាយ ការអាប់ដេតលឿន និងតម្លៃទាប ។ នៅឆ្នាំ 2022 ក្រុមហ៊ុន Microsoft បានប្រើប្រព័ន្ធបែងចែកអត្ថន័យដោយផ្អែកលើបណ្តាញសរសៃប្រសាទជ្រៅ ដើម្បីទាញយកគំនូសនៃសំណង់ចំនួន 777 លានគ្រឿង ដែលខ្លះមានលក្ខណៈកម្ពស់សំណង់ ដោយផ្អែកលើ Bing Maps (រួមទាំងរូបភាព Maxar និង Airbus) ចាប់ពីឆ្នាំ 2014 ដល់ឆ្នាំ 2021 សម្រាប់គ្រប់ទ្វីបលើកលែងតែប្រទេសចិន។ នៅថ្ងៃទី 30 ខែឧសភា ឆ្នាំ 2023 ក្រុមហ៊ុន Google បានចេញផ្សាយសំណុំទិន្នន័យគំនូសសំណង់ចំនួន 1.8 ពាន់លានគ្រឿងដែលទាញចេញពីរូបភាពផ្កាយរណបដែលមានគុណភាពខ្ពស់ 0.5 ម៉ែត្រ ដែលគ្របដណ្តប់លើផ្ទៃដី 58 លាន km2 ។ ការកាត់បន្ថយភាពซ้ำซ้อน និងរចនាសម្ព័ន្ធតូចនៃទិន្នន័យវ៉ិចទ័រដែលតំណាងដោយ vertex និង path ផ្តល់នូវភាពត្រឹមត្រូវភូមិសាស្ត្រខ្ពស់ជាង ដោយឯករាជ្យនៃទំហំ mesh ហើយការណែនាំច្បាប់ topological បន្ថែមទៀត បង្កើនភាពពេញលេញនៃទិន្នន័យវ៉ិចទ័រ ។ , 19 20 , , 21 22 23 13 ដោយសារការកើនឡើងនៃគុណភាពរូបភាព និងការថយចុះនៃថ្លៃដើមនៃការទទួលបានទិន្នន័យ រួមជាមួយនឹងការរីកចម្រើនថ្មីៗនេះក្នុងក្បួនដោះស្រាយការទាញយក គុណភាព និងការគ្របដណ្តប់នៃទិន្នន័យការចែកចាយសំណង់កំពុងកើនឡើងជាបន្តបន្ទាប់ ។ លទ្ធភាពនៃរូបភាពដែលមានគុណភាពខ្ពស់បំផុត (VHR) បានអនុញ្ញាតឱ្យមានការទាញយកគំនូសសំណង់ដោយការអនុវត្តវិធីសាស្រ្តផ្អែកលើលក្ខណៈពិសេសដែលបង្កើតដោយដៃបែបប្រពៃណី ឬវិធីសាស្រ្តផ្អែកលើការរៀនជ្រៅ ។ ក្នុងនាមជាវិធីសាស្រ្តទីមួយប្រឈមមុខនឹងបញ្ហានៃភាពចម្រុះនៃរូបរាង និងទំហំសំណង់ និងច្បាប់ heuristic និងការកំណត់តម្លៃជាច្រើន វាក៏មានកំណត់នៅពេលអនុវត្តទៅលើរូបភាពពីចម្ងាយដែលមានកម្រិតខ្ពស់ និងទ្រង់ទ្រាយធំ ។ វិធីសាស្រ្តផ្អែកលើការរៀនជ្រៅ (ឧ. បណ្តាញសរសៃប្រសាទ convolution) បានបង្ហាញពីការអនុវត្តប្រកបដោយប្រសិទ្ធភាព និងល្អប្រសើរក្នុងការរៀនលក្ខណៈពិសេសកម្រិតខ្ពស់ និងការបែងចែកដោយស្វ័យប្រវត្តិនៅក្នុងការបែងចែកទេសភាពសំណង់។ Sun . បានស្នើយុទ្ធសាស្ត្របញ្ចូលគ្នាដោយផ្អែកលើម៉ាស៊ីនគាំទ្រ vector ប៉ារ៉ាឡែល ដើម្បីប្រើប្រាស់លក្ខណៈពិសេសជ្រៅដែលទាញចេញពីបណ្តាញសរសៃប្រសាទ convolution កម្រិតច្រើន នៅកម្រិតផ្សេងៗគ្នា ដោយមានការអនុវត្តល្អប្រសើរក្នុងការទាញយកសំណង់ស្មុគស្មាញក្នុងតំបន់ទីក្រុង។ យ៉ាងណាក៏ដោយ នៅពេលបែងចែកសំណង់ ភាពត្រឹមត្រូវនៃគំរូមានទំនោរត្រូវបានកំណត់ដោយគុណភាពនៃគំរូហ្វឹកហាត់ ដែលធ្វើឱ្យការ extrapolate ក្លាយជាការលំបាក។ ការប្រើប្រាស់មិនគ្រប់គ្រាន់នៃន័យន័យកម្រិតខ្ពស់ និងការបាត់បង់ព័ត៌មានលម្អិតកម្រិតទាបនៅក្នុងគំរូជ្រៅ ដែលបណ្តាលឱ្យមានការព្រាលៗនៃគែម និងការបាត់បង់សំណង់តូចៗ ក៏ជាឧបសគ្គដល់ការអនុវត្តការរៀនជ្រៅក្នុងការទាញយកគំនូសសំណង់ផងដែរ។ 24 25 13 26 et al 27 តំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ គឺជាតំបន់ដែលមានកម្ពស់ខ្ពស់បំផុតក្នុងពិភពលោក ដែលមានកម្ពស់ជាមធ្យមលើសពី 4000 ម៉ែត្រពីលើនីវ៉ូទឹកសមុទ្រ និងគ្របដណ្តប់លើផ្ទៃដី 2.5 លាន km2 ។ មនុស្សជាង 10 លាននាក់រស់នៅក្នុងតំបន់នេះ ទោះបីជាមានអាកាសធាតុខ្លាំង រដូវរងាត្រជាក់ និងវែង ភាពខុសគ្នានៃសីតុណ្ហភាពប្រចាំថ្ងៃ និងប្រចាំឆ្នាំខ្ពស់ និងបរិយាកាសផ្ទះត្រជាក់ក៏ដោយ។ ទោះបីជាតំបន់នេះជាឧបសគ្គអេកូឡូស៊ីដ៏ធំបំផុតរបស់ប្រទេសចិន សកម្មភាពមនុស្សបានប៉ះពាល់យ៉ាងខ្លាំងដល់ប្រព័ន្ធអេកូឡូស៊ីដែលងាយរងគ្រោះ ។ តំបន់នេះក៏ងាយរងគ្រោះដោយសារគ្រោះមហន្តរាយផងដែរ រួមទាំងរញ្ជួយដី ដីរអិល ដីល្បាប់ ការផ្ទុះឡើងនៃបឹងទឹកកក និងគ្រោះមហន្តរាយព្រិល ដែលបណ្តាលឱ្យមានការខាតបង់អាយុជីវិត និងទ្រព្យសម្បត្តិ ។ ជាការឆ្លើយតប ទិន្នន័យការចែកចាយសំណង់ដែលត្រឹមត្រូវគឺចាំបាច់សម្រាប់ការបង្កើតគំរូការចែកចាយប្រជាជនសម្រាប់ ការសិក្សាអំពីមនុស្ស-បរិស្ថានរួម ក៏ដូចជាការវិភាគហានិភ័យ និងការប៉ះពាល់សម្រាប់គ្រោះមហន្តរាយធម្មជាតិ ។ បន្ថែមពីនេះ តំបន់នេះមានម៉ោងដែលមានពន្លឺថ្ងៃវែង ធនធានថាមពលពន្លឺព្រះអាទិត្យសម្បូរបែប និងផ្ទៃប្រមូលថាមពលពន្លឺព្រះអាទិត្យគ្រប់គ្រាន់ ដូចជាដំបូល និងទីធ្លាបើក ។ ទិន្នន័យការចែកចាយសំណង់ជនបទដែលមានគុណភាពខ្ពស់អាចផ្តល់នូវមូលដ្ឋានទិន្នន័យដែលអាចទុកចិត្តបានសម្រាប់ការវាយតម្លៃសក្តានុពលថាមពលពន្លឺព្រះអាទិត្យ និងការកែលម្អប្រសិទ្ធភាពនៃជីវភាពរស់នៅរបស់ប្រជាជនរស់នៅតំបន់ជនបទ ។ 28 29 30 , , 31 32 33 , 34 35 , 36 37 , 38 39 , 40 41 ដោយសារតែតំបន់ដែលមិនទាន់អភិវឌ្ឍ តំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ និងតំបន់ជិតខាងនៅតែមិនមានសំណុំទិន្នន័យប្លង់ដំបូលសំណង់វ៉ិចទ័រដែលមានគុណភាពខ្ពស់ពេញលេញ ដែលបណ្តាលមកពីផ្ទៃដីធំ ការចែកចាយសំណង់តិចតួច ទីតាំងដាច់ស្រយាល និងការកម្រិតធនធាន។ ទិន្នន័យដែលត្រៀមរួចជាស្រេចបំផុតគឺទិន្នន័យដែលផ្តល់ជូននៅកម្រិតប្រទេសចិន ដែលរួមមានទិន្នន័យផ្ទៃដីសំណង់ក្នុងតំបន់ប្រទេសចិនដែលមានកម្រិត 2.5 ម៉ែត្រ (CBRA, Liu ., 2023b) និងផែនទីគម្របដីជាតិដំបូងរបស់ប្រទេសចិនដែលមានកម្រិត 1 ម៉ែត្រ (SinoLC) ដែលរួមបញ្ចូលប្រភេទសំណង់ ។ ទិន្នន័យ raster ទាំងនេះមិនអាចបង្ហាញវត្ថុលំហបានទេ ហើយត្រូវការធនធានផ្ទុកទិន្នន័យធំ។ ទិន្នន័យផ្ទៃដីសំណង់វ៉ិចទ័រសម្រាប់ទីក្រុងធំចំនួន 90 នៅប្រទេសចិន ដែលបានចេញផ្សាយដោយ Zhang . បានបំពេញចន្លោះប្រហោងនេះមួយផ្នែក។ ទោះយ៉ាងណាក៏ដោយ មានតែទីក្រុងចំនួន 14 នៅតំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ ប៉ុណ្ណោះដែលត្រូវបានបញ្ចូលក្នុងសំណុំទិន្នន័យនេះ ហើយទិន្នន័យប្លង់ដំបូលសំណង់វ៉ិចទ័រនៅតែខ្វះខាតសម្រាប់ផ្ទៃដី 2 លាន km2។ et al 42 et al 13 ហេតុដូច្នេះ ការសិក្សានេះមានគោលបំណងបង្កើតប្លង់ដំបូលសំណង់វ៉ិចទ័រនៃតំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ និងតំបន់ជិតខាង ដោយការបញ្ចូលរូបភាពផ្កាយរណបដែលមានគុណភាពខ្ពស់ និងក្បួនដោះស្រាយការរៀនជ្រៅ។ សំណុំទិន្នន័យរបស់យើងត្រូវបានផ្ទៀងផ្ទាត់ដោយប្រើគំរូសាកល្បងដែលរួមមានក្រឡាចតុកោណ 250 x 1 km2 នៅក្នុងតំបន់រងផ្សេងៗគ្នា ដែលបណ្តាលឱ្យមានភាពត្រឹមត្រូវសរុប 91.92% និងពិន្ទុ F1 64.81%។ វិធីសាស្រ្ត ស៊ុមការងារ នៅក្នុងការសិក្សានេះ យើងបានប្រើប្រាស់ក្បួនដោះស្រាយការទាញយកសំណង់ពីវេទិកា AI Earth ដើម្បីបង្កើតសំណុំទិន្នន័យប្លង់ដំបូលសំណង់វ៉ិចទ័រសម្រាប់តំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ និងតំបន់ជិតខាងក្នុងប្រទេសចិន (រូបភាពទី 1)។ សមាសធាតុសំខាន់នៃស៊ុមការងាររបស់យើងរួមមាន៖ (1) ការរៀបចំ និងការដំណើរការជាមុននៃទិន្នន័យផ្កាយរណប និងទិន្នន័យជំនួយ (2) ការទាញយកប្លង់ដំបូលសំណង់វ៉ិចទ័រដោយប្រើវេទិកា AI Earth (3) ការផ្ទៀងផ្ទាត់ដោយប្រើទិន្នន័យប្លង់ដំបូលដែលបាន vectorize ដោយដៃ។ ស៊ុមការងារសម្រាប់ការទាញយក និងផ្ទៀងផ្ទាត់ប្លង់ដំបូលសំណង់។ តំបន់សិក្សា ការសិក្សានេះផ្តោតសំខាន់លើតំបន់ខ្ពង់រាបឈីងហៃ-ទីបេ និងតំបន់ជិតខាងក្នុងភាគនិរតីនៃប្រទេសចិន ក្រោមក្របខណ្ឌទូទៅនៃកម្មវិធីបេសកកម្ម និងការស្រាវជ្រាវវិទ្យាសាស្ត្រទីបេទីពីរ ។ តាមភូមិសាស្ត្រ រួមមានតំបន់ស្វយ័តទីបេ ខេត្តឈីងហៃ ខេត្តយុនណានភាគខាងលិច ខេត្តស៊ីឈួនភាគខាងលិច ខេត្តកានស៊ូភាគនិរតី និងតំបន់ស្វយ័តស៊ីនជាំងភាគខាងត្បូង។ កម្ពស់ជាមធ្យមនៃតំបន់សិក្សាគឺ 4000 ម៉ែត្រពីលើនីវ៉ូទឹកសមុទ្រ។ ការចែកចាយប្រជាជន និងសំណង់នៅក្នុងតំបន់សិក្សាត្រូវបានជះឥទ្ធិពលយ៉ាងខ្លាំងដោយកម្ពស់ និងអាកាសធាតុ (រូបភាពទី 2) ដែលភាគច្រើនប្រមូលផ្តុំនៅភាគខាងកើតនៃខ្សែបន្ទាត់ពីស្រុកជឺឡុងនៃទីបេ ទៅស្រុកឈីលាននៃឈីងហៃ ។ នៅភាគខាងកើត ពួកវាត្រូវបានចែកចាយយ៉ាងក្រាស់នៅក្នុងតំបន់ទំនាបនៅគែមខាងកើតនៃតំបន់ រួមទាំងជ្រលងទន្លេក្នុងខេត្តយុនណាន ខេត្តស៊ីឈួនភាគខាងលិច និងអាងទន្លេលឿងស៊ីនីង-ឡានចូវ។ នៅលើផ្ទៃខ្ពង់រាបភាគខាងលិចនៃខ្សែបន្ទាត់ ប្រជាជន និងសំណង់ត្រូវបានចែកចាយភាគច្រើនដោយតំបន់កសិកម្ម-ចិញ្ចឹមសត្វមានកំណត់តាមបណ្តោយជ្រលងទន្លេចម្បង និងតាមបណ្តោយច្រកផ្លូវធ្វើដំណើរតាមផ្លូវ។ 43 44 តំបន់សិក្សា (ទិន្នន័យប្រជាជនមកពី LandScan; DEM មកពីមជ្ឈមណ្ឌលទិន្នន័យវិទ្យាសាស្ត្រធនធាន និងបរិស្ថាន)។ រូបភាពផ្កាយរណប ទិន្នន័យរូបភាពផ្កាយរណបដែលមានគុណភាពខ្ពស់ដែលអាចចូលប្រើបានដោយឥតគិតថ្លៃ ត្រូវបានទទួលបានពីក្រុមហ៊ុន Rivermap Co. ( ) ដែលទទួលបានពីការបញ្ចូលគ្នានៃរូបភាពផ្កាយរណប និងទិន្នន័យយន្តហោះរបស់ Google Earth។ ក្នុងចំណោមនោះ រូបភាពផ្កាយរណបភាគច្រើនមកពីផ្កាយរណបពាណិជ្ជកម្ម QuickBird និង WorldView របស់ DigitalGlobe ហើយការថតរូបយន្តហោះបានមកពី BlueSky ក្នុងចក្រភពអង់គ្លេស និង Sanborn ក្នុងសហរដ្ឋអាមេរិក ។ សម្រាប់ទីតាំងនីមួយៗ មានការប្រមូលរូបភាពជាច្រើនដែលមានគុណភាពរហូតដល់ 0.15 ម៉ែត្រនៅក្នុងតំបន់ក្នុងស្រុក។ ការបញ្ចូលគ្នានៃទិន្នន័យបែបនេះត្រូវបានគេប្រើយ៉ាងទូលំទូលាយសម្រាប់ការស្គាល់វត្ថុក្នុងទេសភាពស្មុគស្មាញ ហើយមានសក្តានុពលសម្រាប់ការធ្វើផែនទីទ្រង់ទ្រាយធំដែលមានគុណភាពខ្ពស់នៃប្រភេទវត្ថុ ។ http://www.rivermap.cn/index.html 45 , , , 46 47 48 49 50 ផ្ទៃដីសរុបនៃតំបន់សិក្សារបស់យើងមាន 3.06 លាន km2 ហើយទំហំដែលបានប៉ាន់ប្រមាណនៃទិន្នន័យរូបភាពផ្កាយរណបគឺ 29.4 TB ជាមួយនឹងគុណភាពលំហ 0.6 ម៉ែត្រ។ ដោយពិចារណាលើមាត្រដ្ឋានទាំងនេះ ក្រឡាចតុកោណ 0.175° × 0.175° ត្រូវបានបង្កើតឡើងសម្រាប់តំបន់សិក្សារបស់យើង ដើម្បីអនុញ្ញាតឱ្យវេចខ្ចប់ទំហំតូចជាងសម្រាប់ការទាញយក ដោយមានក្រឡាចតុកោណសរុប 10,033 ត្រូវបានប្រើប្រាស់ដើម្បីគ្របដណ្តប់តំបន់សិក្សាទាំងមូល។ ចំនួនក្រឡាចតុកោណដែលបានទាញយកពិតប្រាកដគឺតូចជាង 5921 ដោយសារតែពីរហេតុផល។ ទីមួយ ដោយសារតែតំបន់ធំនៃតំបន់សិក្សាមានតំបន់ដែលមិនមែនជាលំនៅឋានរបស់មនុស្ស ដែលគ្មានសំណង់ យើងបានដកចេញដោយអចេតនានូវក្រឡាចតុកោណដែលគ្មាន pixels សំណង់ពីផលិតផល World Cover របស់ ESA។ ទីពីរ ទីក្រុង/តំបន់ដែលមានទិន្នន័យប្លង់ដំបូលវ៉ិចទ័រ (នោះគឺ Lhasa, Shannan, Kunming, Xining, Haidong, Zhangye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong, និង Yuxi) ត្រូវបានទាញយករួចហើយនៅក្នុងទិន្នន័យផ្ទៃដីសំណង់វ៉ិចទ័រសម្រាប់ទីក្រុងចំនួន 90 នៅប្រទេសចិន ក៏ត្រូវបានដកចេញផងដែរ។ រូបភាពត្រូវបានទាញយកក្នុងអំឡុងពេលខែកញ្ញា 2022 និងខែមករា 2023 ជាមួយនឹងគុណភាព 0.6 ម៉ែត្រ ទំហំស៊ុមតែមួយប្រហែល 3 GB និងទំហំសរុប 2.72 TB ។ រូបភាពដែលបានទាញយកភាគច្រើនត្រូវបានថតពីឆ្នាំ 2019 ដល់ឆ្នាំ 2021 ប៉ុន្តែរូបភាពពីតំបន់ដាច់ស្រយាលមួយចំនួនអាចត្រូវបានថតតាំងពីឆ្នាំ 2001 (រូបភាពទី 3)។ 13 </