AI Maps Nyumba 13 Zikafika M'modzi Mwa Madera Otalikirana Kwambiri Padziko Lonse

ຜູ້ຂຽນ: Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu ບົດຄັດຫຍໍ້ ຂໍ້ມູນການແຈກຢາຍອາຄານຂະໜາດໃຫຍ່ທີ່ມີຄວາມແມ່ນຍຳສູງແມ່ນພື້ນຖານສຳຄັນສຳລັບການວາງແຜນເມືອງໃນພາກພື້ນ, ການຈັດສັນຊັບພະຍາກອນ, ແລະການຄົ້ນຄວ້າກ່ຽວກັບຄວາມສ່ຽງຕໍ່ໄພພິບັດ. ເຂດສູງທິເບດ-ຊິງໄຮແມ່ນຂົ້ວໂລກທີສາມຂອງໂລກ. ເຖິງວ່າການເຂົ້າໃຈກ່ຽວກັບການພົວພັນລະຫວ່າງມະນຸດ-ສິ່ງແວດລ້ອມໃນທ້ອງຖິ່ນໃນເຂດສູງທິເບດ-ຊິງໄຮຈະມີຄວາມສຳຄັນຢ່າງຍິ່ງ, ແຕ່ມັນກໍຖືກຂັດຂວາງດ້ວຍການຂາດຂໍ້ມູນຮູບຮ່າງອາຄານທີ່ມີຄວາມລະອຽດສູງ ເນື່ອງຈາກພື້ນທີ່ກວ້າງໃຫຍ່ ແລະຫ່າງໄກ. ໃນການສຶກສານີ້, ພວກພວກເຮົາໄດ້ສ້າງຂໍ້ມູນຮູບຮ່າງຫລັງຄາອາຄານທີ່ເປັນ vector ຂອງເຂດສູງທິເບດ-ຊິງໄຮ ແລະບໍລິເວນໃກ້ຄຽງ ໂດຍການໃຊ້ຮູບພາບ Google ທີ່ມີຄວາມລະອຽດສູງ ແລະ ອາລгоритຶມສະກັດເອົາຮູບຮ່າງອາຄານຂອງແພລດຟອມ AI Earth. ຜົນໄດ້ຮັບຂອງພວກເຮົາປະກອບມີ 13.09 ລ້ານອາຄານ ກວມເອົາ 6092.7 km2, ໂດຍໄດ້ຮັບການຢັ້ງຢືນດ້ວຍຕົວຢ່າງການທົດສອບລວມ 250 × 1 km2. ຂໍ້ມູນດັ່ງກ່າວມີຄວາມແມ່ນຍຳລວມ 87%, ຄວາມສາມາດໃນການກູ້ຄືນ 91.9%, ແລະຄະແນນ F1 64.8%, ດັ່ງນັ້ນຈຶ່ງໃຫ້ລາຍລະອຽດກ່ຽວກັບການແຈກຢາຍອາຄານຂອງເຂດສຶກສາທີ່ກ້າວໜ້າກວ່າ CBRA. ວຽກງານຂອງພວກເຮົາມີທ່າແຮງຢ່າງໃຫຍ່ໃນການອຳນวยຄວາມສະດວກໃນການປະເມີນຄວາມສ່ຽງຕໍ່ໄພພິບັດໃນພາກພື້ນນີ້. ພື້ນຫຼັງ & ບົດສະຫຼຸບ ການມາເຖິງຂອງຍຸກດິຈິຕອນໄດ້ເພີ່ມທະວີການຮຽກຮ້ອງຫາຂໍ້ມູນທີ່ເຊື່ອຖືໄດ້ກ່ຽວກັບການແຈກຢາຍແລະຄຸນລັກສະນະຂອງອາຄານ , , . ຂໍ້ມູນການແຈກຢາຍອາຄານໃຫ້ຂໍ້ມູນທາງພູມິສາດທີ່ສຳຄັນບໍ່ພຽງແຕ່ຂອງອາຄານເທົ່ານັ້ນ, ຫາກຍັງລວມເຖິງປະຊາກອນແລະຊັບສິນທາງກາຍະພາບນຳອີກ , ເຊິ່ງເປັນຕົວແທນທີ່ດີຂອງກິດຈະກຳຂອງມະນຸດ. ຕະຫຼອດສອງສາມທົດສະວັດທີ່ຜ່ານມາ, ຂໍ້ມູນການແຈກຢາຍອາຄານໄດ້ຖືກນຳໃຊ້ຢ່າງກວ້າງຂວາງໃນການຕິດຕາມການພັດທະນາໃນຕົວເມືອງແລະຊົນນະບົດ , , ເຂົ້າໃຈເຖິງຜົນກະທົບຂອງການຂະຫຍາຍຕົວເປັນເມືອງຕໍ່ຄວາມໝັ້ນຄົງທາງອາຫານ, ຄວາມຫຼາກຫຼາຍທາງຊີວະນານາພັນ, ການປ່ຽນແປງຂອງດິນຟ້າອາກາດ, ແລະສຸຂະພາບແລະຄວາມເປັນຢູ່ຂອງປະຊາຊົນ , , ການສ້າງຍຸດທະສາດການພັດທະນາພາກພື້ນ, ແລະການປົກປ້ອງລະບົບນິເວດໃນຕົວເມືອງແລະຊົນນະບົດ , , . 1 2 3 4 5 6 7 8 9 10 11 ການພັດທະນາຂອງຮູບພາບຖ່າຍດາວທຽມແລະອາກາດ, ພ້ອມກັບຄວາມກ້າວໜ້າຫຼ້າສຸດໃນອາລгоритຶມການຮຽນຮູ້ຂອງເຄື່ອງຈັກແລະການຮຽນຮູ້ເລິກ, ໄດ້ຊຸກຍູ້ການມີຢູ່ຂອງຂໍ້ມູນການແຈກຢາຍອາຄານ , , . ຂໍ້ມູນການແຈກຢາຍອາຄານໄດ້ຖືກສະໜອງໃຫ້ໃນຮູບແບບ raster ເປັນສ່ວນໜຶ່ງຂອງຂໍ້ມູນການໃຊ້ທີ່ດິນ/ການປົກຄຸມ. ການເປີດເຜີຍຫຼ້າສຸດລວມມີຜົນຜະລິດການໃຊ້ທີ່ດິນ/ການປົກຄຸມໂລກແບບເຄື່ອນໄຫວ 10 ແມັດສາມຊຸດ, ອີງຕາມດາວທຽມ Sentinel, ຄື Google’s Dynamic World (DW) , Esri’s 2020 Land Cover , ແລະ World Cover 2020 (WC) ຂອງອົງການອະວະກາດເອີຣົບ (ESA) . ນອກເໜືອໄປຈາກຂໍ້ມູນການແຈກຢາຍທາງພູມິສາດ, ນັກຄົ້ນຄວ້າຍັງພວມພະຍາຍາມເພີ່ມຂໍ້ມູນຄຸນລັກສະນະໃຫ້ກັບ pixel ຂອງອາຄານ, ເຊັ່ນຄວາມສູງຂອງອາຄານ . ຕົວຢ່າງເຊັ່ນ, He . ໄດ້ໃຊ້ການລວມຂໍ້ມູນການສຳຫຼວດທາງໄກຫຼາຍແຫຼ່ງເພື່ອສ້າງຊຸດຂໍ້ມູນການຂະຫຍາຍຕົວຂອງເມືອງແບບ 3D 30 ແມັດຂອງໂລກ, ກວມເອົາໄລຍະເວລາແຕ່ປີ 1990 ຫາ 2010. ເຖິງວ່າຄວາມລະອຽດທາງພູມິສາດຈະໄດ້ຮັບການປັບປຸງຢ່າງຕໍ່ເນື່ອງ, ຂໍ້ມູນການແຈກຢາຍອາຄານແບບ raster ຍັງບໍ່ສາມາດອະທິບາຍວັດຖຸທາງພູມິສາດໄດ້ , ແລະການເພີ່ມຄວາມລະອຽດກໍ່ເພີ່ມຄ່າໃຊ້ຈ່າຍໃນການເກັບຮັກສາແລະການຄິດໄລ່ຢ່າງຫຼວງຫຼາຍ . 12 13 14 15 16 17 14 et al 7 18 12 ຂໍ້ມູນການແຈກຢາຍອາຄານໃນຮູບແບບ vector, ເຊິ່ງເອີ້ນວ່າຮູບຮ່າງຫລັງຄາອາຄານທີ່ເປັນ vector ຫລື footprint ຂອງອາຄານ, ຄືຮູບຮ່າງຂອງອາຄານທີ່ສະທ້ອນລົງສູ່ພື້ນດິນໃນມຸມເບິ່ງຈາກເໜືອ , , ເຊິ່ງໃຫ້ຂໍ້ມູນເຊັ່ນທີ່ຕັ້ງທາງພູມິສາດ, ຂອບເຂດພື້ນທີ່ຂອງເສັ້ນຊາຍແດນ, ແລະຮູບຮ່າງຂອງອາຄານແຕ່ລະຫລັງ. ຜູ້ໃຫ້ບໍລິການສາທາລະນະ (ເຊັ່ນ Google Earth ແລະ OpenStreetMap) ສະໜອງຂໍ້ມູນຮູບຮ່າງຫລັງຄາອາຄານແບບ vector ທີ່ເປີດໃຫ້ເຂົ້າເຖິງໄດ້ດ້ວຍການຄຸ້ມຄອງທີ່ກວ້າງຂວາງ, ການອັບເດດໄວ, ແລະຄ່າໃຊ້ຈ່າຍຕ່ຳ , , . ໃນປີ 2022, Microsoft Corporation ໄດ້ໃຊ້ການແບ່ງສ່ວນຄວາມໝາຍໂດຍອີງໃສ່ໂຄງຂ່າຍประสาทเทียมເພື່ອສະກັດເອົາຮູບຮ່າງຂອງອາຄານ 777 ລ້ານຫລັງ, ບາງຫລັງມີຂໍ້ມູນກ່ຽວກັບຄວາມສູງຂອງອາຄານ, ອີງຕາມ Bing Maps (ລວມທັງຮູບພາບ Maxar ແລະ Airbus) ແຕ່ປີ 2014 ຫາ 2021 ສໍາລັບທຸກທະວີບຍົກເວັ້ນຈີນ. ວັນທີ 30 ພຶດສະພາ 2023, Google ໄດ້ເປີດເຜີຍຊຸດຂໍ້ມູນຮູບຮ່າງອາຄານ 1.8 ຕື້ຫລັງທີ່ສະກັດຈາກຮູບພາບຖ່າຍດາວທຽມຄວາມລະອຽດສູງ 0.5 ແມັດ, ກວມເອົາພື້ນທີ່ 58 ລ້ານ km2. ຂໍ້ມູນ vector ທີ່ມີການຊ້ຳຊ້ອນໜ້ອຍແລະໂຄງສ້າງທີ່ກະທັດຮັດທີ່ສະແດງໂດຍຈຸດແລະເສັ້ນທາງໃຫ້ຄວາມແມ່ນຍຳທາງພູມິສາດທີ່ສູງກວ່າໂດຍບໍ່ຂຶ້ນກັບຂະໜາດຂອງຕາຂ່າຍ, ແລະການນຳໃຊ້ກົດການເຊື່ອມຕໍ່ກັນຍິ່ງປັບປຸງຄວາມສົມບູນຂອງຂໍ້ມູນ vector . 19 20 21 22 23 13 ເນື່ອງຈາກການເພີ່ມຂຶ້ນຂອງຄວາມລະອຽດຂອງຮູບພາບແລະການຫຼຸດລົງຂອງຄ່າໃຊ້ຈ່າຍໃນການໄດ້ມາຂໍ້ມູນ, ພ້ອມກັບຄວາມກ້າວໜ້າຫຼ້າສຸດໃນອາລгоритຶມການສະກັດເອົາ, ຄວາມລະອຽດແລະການຄຸ້ມຄອງຂອງຂໍ້ມູນການແຈກຢາຍອາຄານໄດ້ຮັບການປັບປຸງຢ່າງຕໍ່ເນື່ອງ . ຄວາມເປັນໄປໄດ້ຂອງຮູບພາບຄວາມລະອຽດສູງຫຼາຍ (VHR) ໄດ້ເຮັດໃຫ້ການສະກັດເອົາຮູບຮ່າງອາຄານໂດຍການນຳໃຊ້ວິທີການທີ່ສ້າງຄຸນລັກສະນະແບບດັ້ງເດີມທີ່ຂຽນດ້ວຍມື ຫລືວິທີການທີ່ອີງໃສ່ການຮຽນຮູ້ເລິກ . ຍ້ອນວ່າວິທີການທຳອິດປະເຊิญໜ້າກັບຄວາມທ້າທາຍກ່ຽວກັບຄວາມຫຼາກຫຼາຍຂອງລັກສະນະແລະຂະໜາດຂອງອາຄານ, ແລະກົດການປະສົມປະສານແລະການຕັ້ງຄ່າທີ່ສັບຊ້ອນ, ມັນຈຶ່ງຖືກຈຳກັດເມື່ອນຳໃຊ້ກັບຮູບພາບການສຳຫຼວດທາງໄກຂະໜາດໃຫຍ່ທີ່ມີຄວາມລະອຽດສູງ . ວິທີການທີ່ອີງໃສ່ການຮຽນຮູ້ເລິກ (ເຊັ່ນໂຄງຂ່າຍประสาทเทียมທີ່ສະສົມ) ໄດ້ສະແດງໃຫ້ເຫັນປະສິດທິພາບແລະປະສິດທິພາບທີ່ດີໃນການຮຽນຮູ້ຄຸນລັກສະນະລະດັບສູງແລະການຈຳແນກໃນການແບ່ງສ່ວນ scene ຂອງອາຄານໂດຍອັດຕະໂນມັດ. Sun . ໄດ້ສະເໜີຍຸດທະສາດການລວມໂດຍອີງໃສ່ເຄື່ອງຈັກສະໜັບສະໜູນແບບຂະໜານເພື່ອໃຊ້ປະໂຫຍດຢ່າງເຕັມທີ່ຈາກຄຸນລັກສະນະເລິກທີ່ສະກັດອອກຈາກໂຄງສ້າງໂຄງຂ່າຍประสาทเทียมທີ່ສະສົມໃນຫຼາຍຂະໜາດ, ດ້ວຍປະສິດທິພາບທີ່ດີໃນການສະກັດເອົາອາຄານທີ່ສັບຊ້ອນໃນເຂດເມືອງ. ເຖິງຢ່າງໃດກໍຕາມ, ເມື່ອແບ່ງສ່ວນອາຄານ, ຄວາມແມ່ນຍຳຂອງແບບຈຳລອງມີແນວໂນ້ມຈະຖືກຈຳກັດໂດຍຄຸນນະພາບຂອງຕົວຢ່າງການຝຶກອົບຮົມ, ເຮັດໃຫ້ການຂະຫຍາຍນັ້ນເປັນເລື່ອງຍາກ. ການໃຊ້ຄຸນລັກສະນະລະດັບສູງບໍ່ພຽງພໍແລະການຂາດລາຍລະອຽດລະດັບຕ່ຳໃນແບບຈຳລອງເລິກ, ເຮັດໃຫ້ການມົວຂອງເສັ້ນຊາຍແດນແລະການຂາດອາຄານຂະໜາດນ້ອຍ, ຍັງເປັນອຸປະສັກຕໍ່ການນຳໃຊ້ການຮຽນຮູ້ເລິກໃນການສະກັດເອົາຮູບຮ່າງອາຄານ. 24 25 13 26 et al 27 ເຂດສູງທິເບດ-ຊິງໄຮເປັນເຂດທີ່ມີລະດັບຄວາມສູງທີ່ສຸດໃນໂລກ, ດ້ວຍລະດັບຄວາມສູງສະເລี่ยຫຼາຍກວ່າ 4000 ແມັດຂ້າງເທິງລະດັບນ້ຳທະເລ, ແລະກວມເອົາພື້ນທີ່ 2.5 ລ້ານ km2 . ປະຊາຊົນຫຼາຍກວ່າ 10 ລ້ານຄົນອາໄສຢູ່ໃນເຂດນີ້ເຖິງວ່າຈະມີສະພາບອາກາດທີ່ຮຸນແຮງ, ລະດູໜາວທີ່ໜາວເຢັນແລະຍາວນານ, ຄວາມແຕກຕ່າງຂອງອຸນຫະພູມປະຈຳປີແລະກາງຄືນທີ່ໃຫຍ່, ແລະສະພາບແວດລ້ອມຄວາມຮ້ອນພາຍໃນອາຄານທີ່ບໍ່ດີ. ເຖິງວ່າເຂດນີ້ເປັນເຂດປ້ອງກັນທາງຊີວະນານາພັນທີ່ໃຫຍ່ທີ່ສຸດໃນຈີນ , ກິດຈະກຳຂອງມະນຸດໄດ້ສົ່ງຜົນກະທົບຢ່າງຫຼວງຫຼາຍຕໍ່ລະບົບຊີວະນານາພັນທີ່ອ່ອນແອ . ເຂດນີ້ຍັງມີຄວາມສ່ຽງຕໍ່ໄພພິບັດຢ່າງຮຸນແຮງ, ດ້ວຍແຜ່ນດິນໄຫວ, ດິນເຈື່ອນ, ໂຄສົນໂຄນ, ນ້ຳຖ້ວມຈາກທະເລສາບກ້ອນນ້ຳແຂງ, ແລະໄພຫິມະທີ່ເຮັດໃຫ້ເກີດການສູນເສຍຊີວິດແລະຊັບສິນ , , . ເພື່ອຕອບສະໜອງຕໍ່ສະພາບການນີ້, ຂໍ້ມູນການແຈກຢາຍອາຄານທີ່ຖືກຕ້ອງແມ່ນມີຄວາມສຳຄັນຢ່າງຍິ່ງໃນການສ້າງແບບຈຳລອງການແຈກຢາຍກິດຈະກຳຂອງມະນຸດເພື່ອການສຶກສາການພົວພັນລະຫວ່າງມະນຸດ-ສິ່ງແວດລ້ອມ , , ພ້ອມທັງການວິເຄາະຄວາມສ່ຽງແລະການປະເມີນໄພພິບັດທຳມະຊາດ , . ນອກຈາກນີ້, ເຂດນີ້ຍັງມີຊົ່ວໂມງແສງແດດຍາວນານ, ໄດ້ຮັບພະລັງງານແສງອາທິດຢ່າງອຸດົມສົມບູນ, ແລະພື້ນທີ່ເກັບກຳພະລັງງານແສງອາທິດພຽງພໍເຊັ່ນຫລັງຄາອາຄານແລະພື້ນທີ່ເປີດ , . ຂໍ້ມູນການແຈກຢາຍອາຄານຊົນນະບົດທີ່ມີຄວາມລະອຽດສູງສາມາດສະໜອງຖານຂໍ້ມູນທີ່ເຊື່ອຖືໄດ້ສຳລັບການປະເມີນທ່າແຮງດ້ານພະລັງງານແສງອາທິດແລະປັບປຸງມາດຕະຖານການດຳລົງຊີວິດຂອງຜູ້ທີ່ອາໄສຢູ່ໃນເຂດຊົນນະບົດຢ່າງມີປະສິດທິພາບ , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 ໃນຖານະເປັນເຂດທີ່ພັດທະນາບໍ່ເຕັມທີ່, ເຂດສູງທິເບດ-ຊິງໄຮແລະເຂດໃກ້ຄຽງຍັງບໍ່ມີຊຸດຂໍ້ມູນຮູບຮ່າງຫລັງຄາອາຄານທີ່ເປັນ vector ທີ່ມີຄວາມແມ່ນຍຳສູງ, ດ້ວຍເນື່ອງຈາກພື້ນທີ່ກວ້າງໃຫຍ່, ການແຈກຢາຍອາຄານທີ່ຫ່າງໄກ, ສະຖານທີ່ຫ່າງໄກ, ແລະຂໍ້ຈຳກັດດ້ານຊັບພະຍາກອນ. ຂໍ້ມູນທີ່ພ້ອມທີ່ຈະໃຊ້ຫຼາຍທີ່ສຸດແມ່ນຂໍ້ມູນທີ່ສະໜອງໃຫ້ໃນລະດັບຊາດຂອງຈີນ, ເຊິ່ງລວມມີຂໍ້ມູນພື້ນທີ່ຫລັງຄາອາຄານຂອງຈີນແບບຕາຂ່າຍ 2.5 ແມັດ (CBRA, Liu ., 2023b) ແລະແຜນທີ່ການປົກຄຸມທີ່ດິນແຫ່ງຊາດຄັ້ງທຳອິດຂອງຈີນທີ່ມີຄວາມລະອຽດ 1 ແມັດ (SinoLC) ທີ່ລວມເຖິງປະເພດອາຄານ . ຂໍ້ມູນ raster ເຫລົ່ານີ້ບໍ່ສາມາດອະທິບາຍວັດຖຸທາງພູມິສາດໄດ້ແລະຕ້ອງການຊັບພະຍາກອນການເກັບຮັກສາຂະໜາດໃຫຍ່. ຂໍ້ມູນພື້ນທີ່ຫລັງຄາແບບ vector ສໍາລັບ 90 ຕົວເມືອງໃນຈີນທີ່ເປີດເຜີຍໂດຍ Zhang . ໄດ້ຕື່ມຊ່ອງຫວ່າງນີ້ບາງສ່ວນ; ເຖິງຢ່າງໃດກໍຕາມ, ມີພຽງ 14 ຕົວເມືອງໃນເຂດສູງທິເບດ-ຊິງໄຮເທົ່ານັ້ນທີ່ໄດ້ຮັບການລວມເຂົ້າໃນຊຸດຂໍ້ມູນນີ້, ແລະຂໍ້ມູນຮູບຮ່າງຫລັງຄາອາຄານແບບ vector ຍັງຂາດໄປສໍາລັບພື້ນທີ່ 2 ລ້ານ km2. et al 42 et al 13 ດັ່ງນັ້ນ, ການສຶກສານີ້ມີຈຸດປະສົງເພື່ອສ້າງຮູບຮ່າງຫລັງຄາອາຄານແບບ vector ຂອງເຂດສູງທິເບດ-ຊິງໄຮແລະເຂດໃກ້ຄຽງໂດຍການລວມຮູບພາບດາວທຽມຄວາມລະອຽດສູງແລະອາລгоритຶມການຮຽນຮູ້ເລິກ. ຊຸດຂໍ້ມູນຂອງພວກເຮົາໄດ້ຮັບການຢັ້ງຢືນໂດຍໃຊ້ຕົວຢ່າງການທົດສອບທີ່ປະກອບດ້ວຍຕາຂ່າຍ 250 × 1 km2 ທີ່ແຜ່ລາມໄປໃນເຂດຍ່ອຍຕ່າງໆ, ສົ່ງຜົນໃຫ້ມີຄວາມແມ່ນຍຳລວມ 91.92% ແລະຄະແນນ F1 64.81%. ວິທີການ ໂຄງຮ່າງ ໃນການສຶກສານີ້, ພວກເຮົາໄດ້ນຳໃຊ້ອາລгоритຶມການສະກັດເອົາອາຄານຈາກແພລດຟອມ AI Earth ເພື່ອສ້າງຊຸດຂໍ້ມູນຫລັງຄາອາຄານແບບ vector ສໍາລັບເຂດສູງທິເບດ-ຊິງໄຮແລະເຂດໃກ້ຄຽງໃນປະເທດຈີນ (ຮູບທີ ). ອົງປະກອບຫຼັກຂອງໂຄງຮ່າງຂອງພວກເຮົາລວມມີ: (1) ການກະກຽມແລະການປະມວນຜົນລ່ວງໜ້າຂໍ້ມູນດາວທຽມແລະຂໍ້ມູນເສີມ; (2) ການສະກັດເອົາຫລັງຄາອາຄານແບບ vector ໂດຍໃຊ້ແພລດຟອມ AI Earth; (3) ການຢັ້ງຢືນໂດຍໃຊ້ຂໍ້ມູນຫລັງຄາທີ່ເປັນ vector ດ້ວຍມື. 1