Spravodajské mapy 13 miliónov budov v jednej z najodľahlejších oblastí sveta

```html Autori: Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Abstrakt Veľkoplošné, vysoko presné údaje o distribúcii budov sú dôležitým základom pre regionálne územné plánovanie, alokáciu zdrojov a výskum rizika katastrof. Tibetská náhorná plošina je tretím pólom sveta. Hoci pochopenie miestnych interakcií medzi človekom a životným prostredím na Tibetskej náhornej plošine je kriticky dôležité, bolo to obmedzené nedostatkom údajov o obrysoch budov vo vysokej rozlíšení v dôsledku rozsiahleho a odľahlého územia. V tejto štúdii sme pomocou snímok Google vo vysokej rozlíšení a algoritmu na extrakciu obrysov budov z platformy AI Earth vygenerovali prvé vektorizované obrysy strešných plôch budov Tibetskej náhornej plošiny a jej okolitých oblastí. Naše výsledky zahŕňajú 13,09 milióna budov pokrývajúcich 6092,7 km2, overené pomocou celkovo 250 × 1 km2 testovacích vzoriek. Údaje mali celkovú presnosť 87 %, návratnosť 91,9 % a skóre F1 64,8 %, čím poskytujú pokročilejší opis distribúcie budov v študovanej oblasti v porovnaní s CBRA. Naša práca má obrovský potenciál pri uľahčovaní posudzovania expozície pre štúdie rizika katastrof v tejto oblasti. Pozadie a zhrnutie Nástup digitálneho veku zvýšil dopyt po spoľahlivých údajoch o distribúcii a atribútoch budov [1, 2, 3]. Údaje o distribúcii budov poskytujú dôležité priestorové informácie nielen o budovách, ale aj o populácii a fyzickom majetku [4], slúžia ako dobrý indikátor ľudskej činnosti. V posledných desaťročiach sa údaje o distribúcii budov široko používali pri monitorovaní mestského a vidieckeho rozvoja [5, 6], pri pochopení vplyvov urbanizácie na potravinovú bezpečnosť, biodiverzitu, zmenu klímy a verejné blaho a zdravie [7, 8], pri formulovaní regionálnych rozvojových stratégií a pri ochrane mestských a vidieckych ekosystémov [9, 10, 11]. Pokrok v satelitných a leteckých snímkach spolu s nedávnym pokrokom v algoritmoch strojového učenia a hlbokého učenia zvýšil dostupnosť údajov o distribúcii budov [12, 13, 14]. Údaje o distribúcii budov boli poskytnuté v rastrovom formáte ako súčasť údajov o využívaní/pokrytí pôdy. Najnovšie vydanie zahŕňa tri globálne produkty využitia/pokrytia pôdy s rozlíšením 10 m založené na satelitoch Sentinel, menovite Google Dynamic World (DW) [15], Esri 2020 Land Cover [16] a World Cover 2020 Európskej vesmírnej agentúry (ESA) [17]. Okrem informácií o priestorovej distribúcii sa výskumníci tiež snažia pripojiť k pixelom budov informácie o atribútoch, ako je výška budovy [14]. Napríklad He et al. [7] použili fúziu diaľkovo snímaných údajov z viacerých zdrojov na konštrukciu prvého globálneho 30-metrového trojrozmerného priestorového a časového datasetu mestského rozmachu pokrývajúceho obdobie od roku 1990 do roku 2010. Napriek neustálemu zlepšovaniu priestorového rozlíšenia údaje o distribúcii budov založené na rastri stále nedokážu opísať priestorové objekty [18] a zvyšovanie rozlíšenia výrazne zvyšuje náklady na úložisko a výpočty [12]. Údaje o distribúcii budov vo vektorovom formáte, známe tiež ako vektorizované strešné plochy budov alebo obrysy budov, sú obrysové údaje budovy premietnuté na zem pri pohľade zhora [19, 20], ktoré poskytujú informácie, ako je geografická poloha, priestorový rozsah hraníc a pôdorys jednotlivých budov. Poskytovatelia verejných služieb (napr. Google Earth a OpenStreetMap) poskytujú otvorené vektorizované údaje strešných plôch budov so širokým pokrytím, rýchlymi aktualizáciami a nízkymi nákladmi [21, 22, 23]. V roku 2022 spoločnosť Microsoft použila sémantickú segmentáciu založenú na hlbokých neurónových sieťach na extrakciu obrysov 777 miliónov budov, z ktorých niektoré obsahovali atribúty výšky budovy, na základe máp Bing (vrátane snímok Maxar a Airbus) z rokov 2014 až 2021 pre každý kontinent mimo Číny. 30. mája 2023 spoločnosť Google zverejnila dataset 1,8 miliardy obrysov budov extrahovaných zo satelitných snímok s vysokým rozlíšením 0,5 m, pokrývajúcich oblasť 58 miliónov km2. Nízka redundancia a kompaktná štruktúra vektorových údajov reprezentovaných vrcholmi a cestami poskytujú vyššiu geografickú presnosť nezávislú od veľkosti siete a zavedenie topologických pravidiel ďalej zlepšuje integritu vektorových údajov [13]. Vďaka zvýšeniu rozlíšenia snímok a zníženiu nákladov na získavanie údajov, spolu s nedávnym pokrokom v extrakčných algoritmoch, sa rozlíšenie a pokrytie údajov o distribúcii budov neustále zlepšuje [24]. Životaschopnosť snímok s veľmi vysokým rozlíšením (VHR) umožnila extrakciu obrysov budov pomocou tradičných metód založených na ručne vytvorených funkciách [25] alebo metód založených na hlbokom učení [13]. Keďže prvý prístup čelí výzve rôznorodosti vzhľadov a veľkostí budov a zložitým pravidlám a nastaveniam prahov, je obmedzený pri aplikácii na rozsiahle diaľkovo snímané obrazy s vysokým rozlíšením [26]. Metódy založené na hlbokom učení (napr. konvolučné neurónové siete) preukázali efektívny a vynikajúci výkon pri automatickom učení vysokoúrovňových a diskriminačných funkcií pri segmentácii scén budov. Sun et al. [27] navrhli fúziu stratégiu založenú na paralelných podporných vektorových strojoch na plné využitie hlbokých funkcií extrahovaných zo štruktúr konvolučných neurónových sietí s viacerými meradlami v rôznych meradlách, s vynikajúcim výkonom pri extrakcii zložitých budov v mestských oblastiach. Napriek tomu, pri segmentácii budov presnosť modelu pravdepodobne obmedzuje kvalita tréningových vzoriek, čo sťažuje extrapoláciu. Nedostatočné využitie vysokoúrovňových sémantík a vynechanie nízkoúrovňových detailov v hlbokých modeloch, čo vedie k rozmazaným okrajom a vynechaniu malých budov, tiež bráni aplikácii hlbokého učenia pri extrakcii obrysov budov. Región Tibetskej náhornej plošiny je najvyššie položenou oblasťou na svete s priemernou nadmorskou výškou >4000 metrov nad morom a pokrýva plochu 2,5 milióna km2 [28]. Viac ako 10 miliónov ľudí obýva tento región napriek jeho extrémnej klíme, chladným a dlhým zimám, veľkým ročným a denným teplotným rozdielom a zlým vnútorným tepelným prostrediam. Hoci tento región je najväčšou ekologickou bariérou v Číne [29], ľudská činnosť výrazne ovplyvnila jeho zraniteľné ekologické prostredie [30]. Tento región je tiež extrémne náchylný na katastrofy, pričom zemetrasenia, zosuvy pôdy, bahnotoky, záplavy z ľadovcových jazier a snehové katastrofy vedú k stratám na životoch a majetku [31, 32, 33]. V reakcii na to sú presné údaje o distribúcii budov kritické pre modelovanie distribúcie ľudskej činnosti pre štúdie spojeného človeka a životného prostredia [34, 35], ako aj pre analýzu expozície a rizika prírodných katastrof [36, 37]. Okrem toho má tento región dlhé hodiny slnečného svitu, hojné zdroje slnečnej energie a dostatočné povrchy na zber slnečnej energie, ako sú strechy a otvorené priestranstvá [38, 39]. Údaje o distribúcii vidieckych budov vo vysokej rozlíšení by mohli poskytnúť spoľahlivú databázu na hodnotenie fotovoltaického potenciálu a efektívne zlepšenie životných podmienok obyvateľov vidieckych oblastí [40, 41]. Ako zaostalá oblasť, Tibetská náhorná plošina a jej susedné oblasti stále nemajú kompletnú sadu vysoko presných vektorizovaných údajov strešných plôch budov, a to z dôvodu ich rozsiahlej rozlohy, riedkej distribúcie budov, odľahlej polohy a obmedzených zdrojov. Najpripravenejšie údaje sú tie, ktoré sú poskytnuté na národnej úrovni Číny, vrátane 2,5-metrových údajov o ploche strešných plôch budov v Číne (CBRA, Liu et al., 2023b) a prvej národnej mapy využitia pôdy Číny s rozlíšením 1 m (SinoLC), ktorá obsahuje kategórie budov [42]. Tieto rastrové údaje nedokážu charakterizovať priestorové objekty a vyžadujú veľké úložné zdroje. Údaje o vektorizovanej ploche strešných plôch pre 90 hlavných miest Číny zverejnené Zhang et al. [13] čiastočne zaplnili túto medzeru; avšak v tejto databáze bolo zahrnutých iba 14 miest na Tibetskej náhornej plošine a vektorizované údaje strešných plôch budov stále chýbajú pre oblasť 2 miliónov km2. Preto si táto štúdia kladie za cieľ generovať vektorizované obrysy strešných plôch budov Tibetskej náhornej plošiny a jej susedných regiónov začlenením satelitného snímkovania vo vysokej rozlíšení a algoritmu hlbokého učenia. Naša databáza bola overená pomocou testovacích vzoriek pozostávajúcich z mriežok 250 × 1 km2 naprieč rôznymi subregiónmi, čo viedlo k celkovej presnosti 91,92 % a skóre F1 64,81 %. Metódy Rámec V tejto štúdii sme použili algoritmy na extrakciu budov z platformy AI Earth na generovanie vektorizovaného datasetu strešných plôch budov pre Tibetskú náhornú plošinu a jej susedný región v Číne (Obr. 1). Hlavné zložky nášho rámca zahŕňali: (1) prípravu a predzpracovanie satelitných údajov a pomocných údajov; (2) extrakciu vektorizovaných strešných plôch budov pomocou platformy AI Earth; (3) validáciu pomocou manuálne vektorizovaných údajov o strešných plochách. Rámec pre extrakciu a validáciu strešných plôch budov. Študijná oblasť Táto štúdia sa primárne zamerala na Tibetskú náhornú plošinu a jej susedné regióny v juhozápadnej Číne v rámci všeobecného rámca druhej vedeckej expedície a výskumného programu Tibetskej náhornej plošiny [43]; geograficky zahŕňa Tibetskú autonómnu oblasť, provincie Qinghai, západnú provinciu Yunnan, západnú provinciu Sichuan, juhozápadnú provinciu Gansu a juhozápadnú autonómnu oblasť Sin-ťiang. Priemerná nadmorská výška študijnej oblasti je 4000 m nad morom. Distribúcia obyvateľstva a budov v študijnej oblasti je silne ovplyvnená nadmorskou výškou a klímou (Obr. 2) a sústreďuje sa hlavne na východ od línie od okresu Jilong v Tibete po okres Qilian v Qinghai [44]; na východe sa hustejšie distribuujú v rovinatých oblastiach na východnom okraji regiónu, vrátane údoli riek v provincii Yunnan, západnej provincii Sichuan a povodí rieky Yellow River Xining-Lanzhou. Na náhornej plošine západne od línie sa obyvateľstvo a budovy nachádzajú väčšinou s obmedzenými agropastoračnými oblasťami pozdĺž hlavných údolí riek a pozdĺž koridorov cestnej dopravy. Študijná oblasť (údaje o populácii sú z LandScan; DEM je z Centra pre vedu a dáta o zdrojoch a životnom prostredí). Satelitné snímkovanie Voľne dostupné satelitné snímky vo vysokej rozlíšení boli získané od spoločnosti Rivermap Co. (http://www.rivermap.cn/index.html), ktoré boli získané z integrácie satelitných snímok a leteckých údajov Google Earth. Medzi nimi satelitné snímky pochádzajú hlavne z komerčných satelitov DigitalGlobe QuickBird a WorldView a letecké fotografie pochádzajú z BlueSky vo Veľkej Británii a Sanborn v USA [45]. Pre každú lokalitu existovali zbierky viacerých snímok s rozlíšením až 0,15 m v lokalizovaných oblastiach. Takáto integrácia údajov sa široko používala na rozpoznávanie objektov v zložitých scénach [46, 47, 48, 49] a má potenciál pre rozsiahle mapovanie typov objektov vo vysokej rozlíšení [50]. Celková rozloha našej študijnej oblasti je 3,06 milióna km2 a odhadovaná veľkosť satelitných snímok je 29,4 TB s priestorovým rozlíšením 0,6 m. Vzhľadom na tieto rozsahy boli pre našu študijnú oblasť vytvorené rybie siete s rozmerom 0,175° × 0,175°, aby sa umožnilo menšie balenie na stiahnutie, celkovo bolo použitých 10 033 rybích sietí na pokrytie celej študijnej oblasti. Skutočný počet stiahnutých rybích sietí bol menší, konkrétne 5921, z dvoch dôvodov. Po prvé, keďže veľká časť študijnej oblasti pozostáva z neobývaných oblastí bez budov, od ľubovoľne sme vylúčili rybie siete bez pixelov zastavanej plochy z produktu ESA World Cover. Po druhé, mestá/prefektúry, ktorých vektorizované údaje o strešných plochách (t. j. Lhasa, Shannan, Kunming, Xining, Haidong, Zhangye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong a Yuxi) boli získané v údajoch o vektorizovanej ploche strešných plôch pre 90 čínskych miest [13], boli tiež vylúčené. Snímky boli stiahnuté v období od septembra 2022 do januára 2023, s rozlíšením 0,6 m, veľkosťou jedného rámca cca. 3 GB a celkovou veľkosťou 2,72 TB. Stiahnuté snímky boli hlavne z rokov 2019 až 2021, ale snímky z niektorých odľahlých oblastí mohli byť urobené už v roku 2001 (Obr. 3). Rybie siete na stiahnutie obrázkov a čas snímania. Pomocné údaje Naše pomocné údaje zahŕňali mapy využitia pôdy vo vysokej rozlíšení, digitálny model terénu (DEM), normalizovaný vegetačný index (NDVI) a údaje o distribúcii obyvateľstva pre následnú klastrovú analýzu na účely odberu vzoriek (Tab. 1). Pre využitie pôdy a zastavané plochy, produkt ESA World Cover od Zanaga et al. [17] bol získaný z Zenodo (https://zenodo.org/records/5571936). Produkt bol generovaný na základe satelitných snímok Sentinel 1 a Sentinel 2 za celý rok 2020 a vzorky 141 000 jedinečných lokalít rozmiestnených po celom svete, trénovaný pomocou algoritmu náhodného lesa, aby reprezentoval globálne využitie pôdy v roku 2020; má výhodu v reprezentácii jemných krajinných prvkov (napr. zastavané plochy a zložité poľnohospodárske krajiny), pretože zohľadňuje relatívne malú minimálnu mapovanú jednotku [51]. Kategória „zastavané“ v datasete odkazuje na pôdu pokrytú budovami, cestami a inými umelými štruktúrami (napr. železnice), ale bez mestských zelených plôch (napr. parky a športové zariadenia), skládok a bane [17]. 1 km DEM údaje a NDVI údaje boli získané z Centra pre vedu a dáta o zdrojoch a životnom prostredí, Inštitútu geovednej a zdrojovej vedy, Čínskej akadémie vied (https://www.resdc.cn/Default.aspx). Údaje DEM sú prepočítané z najnovších údajov SRTM V4.1 (https://www.resdc.cn/data.aspx?DATAID=123) a údaje NDVI sú mozaikované na základe produktov SPOT/VEGETATION PROBA-V 1 km (http://www.vito-eodata.be/). Údaje NDVI z roku 2021 sme zvolili na reprezentáciu vegetácie na Tibetskej náhornej plošine (https://www.resdc.cn/DOI/DOI.aspx?DOIID=49). Údaje o hustote obyvateľstva boli získané z databázy LandScan (https://landscan.ornl.gov/) pre globálnu štatistickú analýzu vitalít vyvinutú Národným laboratóriom Oak Ridge Ministerstva energetiky USA a poskytnutú East View Cartographic (https://geospatial.com/); tieto údaje sú generované kombináciou geovednej vedy, technológie diaľkového prieskumu a algoritmov strojového učenia, čo predstavuje jednu z najpresnejších a najspoľahlivejších globálnych databáz štatistickej analýzy dynamiky obyvateľstva založených na geografickej polohe s vynikajúcim rozlíšením 1 km [52]. Použili sme distribúciu obyvateľstva v roku 2021 pre následnú klastrovú analýzu. Predspracovanie údajov Distribúcia obyvateľstva a budov je vo väčšine našej študijnej oblasti rozptýlená, pričom podľa produktu ESA’s World Cover [17] je viac ako 99,5 % študijnej oblasti klasifikovaných ako nezastavané plochy. Na urýchlenie našej extrakcie boli pre každú rybiu sieť s rozmermi 0,175° × 0,175° pred extrakciou vygenerované masky potenciálnej oblasti distribúcie budov. Na základe kategórie „Built-up“ v údajoch World Cover bol vygenerovaný 1 km nárazníkový pás okolo každého pixelu zastavanej plochy ako potenciálna oblasť distribúcie budov. Po otestovaní niekoľkých šírok nárazníkového pásu sme zistili, že šírka 1 km by mohla pojať 96 % pixelov budov hlásených v produktoch CBRA z roku 2020. Maska nám umožnila vylúčiť 86 % celkovej plochy stiahnutých snímok, čím sme ušetrili značný výpočtový čas. Analyzovali sme nárazník pomocou prekrytia s generovanými rybími sieťami, aby sme vylúčili siete, ktoré neobsahovali žiadne budovy. Snímky sa potom opäť orezali pomocou nárazníkov a potom sa na orezané snímky aplikoval algoritmus extrakcie budov. Extrakcia vektorizovaných strešných plôch budov Algoritmus na extrakciu vektorizovaných strešných plôch budov použitý v tejto štúdii pochádza z platformy AliCloud AI Earth (https://engine-aiearth.aliyun.com/#/), ktorá kombinuje metódu segmentácie založenú na hlbokom učení s metódou segmentácie povodí na konštrukciu rámca pre segmentáciu inštancií budov - dvojitý dekodér pre segmentáciu povodí. Tento algoritmus pridáva úlohu segmentácie okrajov k úlohe sémantickej segmentácie a používa algoritmus povodí na predzpracovanie výsledkov predpovedí dvoch úloh počas predpovede, čím sa dosiahne konečný výsledok extrakcie budov. Neurónová sieť PointRend navrhnutá Kirillovom et al. [53] sa používa najprv [53], ktorá považuje segmentáciu obrazu za problém vykresľovania a používa iteratívny segmentačný algoritmus, ktorý selektívne vzorkuje nerovnomerné body pre presnú segmentáciu, pretože stabilnejšie a presnejšie počiatočné body naučené neurónovou sieťou môžu poskytnúť jemne doladené sémantické segmentačné modely pre kľúčové štruktúry a vlastnosti budovy. Následne sa na post-processing [54, 55] používa flexibilná segmentácia povodí, ktorá sa dokáže prispôsobiť objektom s rôznymi morfológiami a vlastnosťami. Algoritmus dosahuje presnosť počítania >90 % a presnosť odhadu plochy >85 % v overovacom testovaní na základe manuálnych vektorizovaných vzoriek v rôznych regiónoch Číny, pričom získal druhé miesto v celo-počasovej súťaži v segmentácii budov pomocou SAR snímok SpaceNet6. V porovnaní s Mask Region-CNN algoritmus zlepšuje priemerné presné hodnotenie o 11 percentuálnych bodov [56]. Záznamy údajov Algoritmus na extrakciu vektorizovaných strešných plôch budov použitý v tejto štúdii je možné vyvolať na platforme AI Earth (https://engine-aiearth.aliyun.com/#/). Naša databáza je dostupná z National Tibetan Plateau Data Centre, ku ktorej možno pristupovať na https://doi.org/10.11888/RemoteSen.tpdc.301170 [57]. Všetky údaje sú získané pomocou súradnicového systému GCS_ WGS_ 1984 a zabalené do súborov .rar (Tab. 2). Vygenerované vektorizované údaje obrysov budov na základe AI (Obr. 4) sú usporiadané na úrovni provincií podľa ich názvu, vrátane Gansu, Guizhou, Qinghai, Sichuan, Xinjiang, Xizang a Yunnan. Okrem toho boli v archívoch ‚image_1km.rar‘ a ‚test_1km.rar‘ nahrané aj obrazové údaje zodpovedajúcej mriežky 250 km2 a manuálne nakreslené overovacie údaje z pôvodných zdrojov. Rok získania obrazu v Obr. 3 je v ‚image_time.rar‘. Výsledky extrakcie. Technická validácia Príprava validačných údajov na základe stratifikovaného odberu vzoriek Manuálna vektorizácia strešných plôch budov sa uskutočnila na získanie „ground-truth“ údajov o strešných plochách budov na účely validácie. Vzhľadom na rozsiahlu rozlohu našej študijnej oblasti, ako aj značné regionálne rozdiely v nadmorskej výške, reliéfe, type vegetácie a type budov, sme namiesto náhodného odberu vzoriek použili stratifikovaný prístup odberu vzoriek na získanie vyváženej vzorky z hľadiska rôznych subregiónov. Vykonali sme zoskupovanie K-means [58] na 5921 rybích sieťach na základe piatich ukazovateľov: zastavaná plocha, priemerné NDVI, hustota obyvateľstva, priemerná nadmorská výška a smerodajná odchýlka nadmorskej výšky. Zoskupovanie K-means je zoskupovací algoritmus založený na Euklidovskej vzdialenosti, v ktorom čím menšia je vzdialenosť medzi charakteristikami dvoch cieľov, tým väčšia je podobnosť. Po štandardizácii údajov odčítaním priemeru a vydelením smerodajnou odchýlkou sa pomocou lakťovej metódy vybral najvhodnejší počet kategórií [59]. Počas procesu, keď sa počet kategórií zvýšil na päť, miera poklesu súčtu štvorcových chýb rýchlo klesala. Preto sme na následné analýzy zoskupili 5921 rybích sietí do piatich kategórií (Tab. 3, Obr. 5). Mapa geografického zónovania a rybie siete na vytvorenie validačného datasetu. Zoskupenie I (náhorná plošina & zóna nízkej hustoty budov) pokrýva rozsiahlu oblasť na náhornej plošine Tibetskej náhornej plošiny - s najširšou plochou a najrovnejším terénom - a charakterizuje sa vysokou nadmorskou výškou, nízkou populáciou, nízkym vegetačným pokrytím a nízkou zastavanou plochou. Rybie siete v Zoskupení II (vysoká nadmorská výška & zóna strednej až nízkej hustoty budov) sa nachádzajú hlavne v pohraničných oblastiach Qinghai, Sichuan a Tibetu a sú väčšinou pokryté alpínskymi lúkami a kríkmi, a hlavne pramennými oblasťami veľkých čínskych riek. Klimatické podmienky Zoskupenia II sú však pomerne drsné, čo vedie k pomerne riedkej populácii a budovám. Rybie siete v Zoskupení III (najväčší reliéf terénu & zóna strednej hustoty budov) majú najväčšiu variabilitu nadmorskej výšky, nachádzajú sa hlavne v prechodnej zóne terénu okolo náhornej plošiny. Zoskupenie IV (stredne nízka nadmorská výška & zóna strednej až vysokej hustoty budov) zahŕňa hlavne provincie Gansu a Yunnan vo východnej časti Tibetskej náhornej plošiny, s relatívne nízkou nadmorskou