
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autorët: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Abstrakt Të dhënat e shpërndarjes së ndërtesave me saktësi të lartë në shkallë të gjerë janë një themel i rëndësishëm për planifikimin urban rajonal dhe alokimin e burimeve dhe kërkimin e rrezikut nga fatkeqësitë. Zhanggollën e Tibetit është poli i tretë i botës. Megjithëse të kuptuarit e ndërveprimeve lokale njeri-mjedis në Zhanggollën e Tibetit është jashtëzakonisht e rëndësishme, kjo është penguar nga mungesa e të dhënave me rezolucion të lartë të gjurmëve të ndërtesave për shkak të shtrirjes së madhe dhe largësisë së zonës. Në këtë studim, ne gjeneruam gjurmët e para të vektorizuara të kulmeve të ndërtesave të Zhanggollës së Tibetit dhe zonave përreth saj duke përdorur imazhe Google me rezolucion të lartë dhe algoritmin e nxjerrjes së kontureve të ndërtesave të platformës AI Earth. Rezultatet tona përfshijnë 13.09 milionë ndërtesa që mbulojnë 6092.7 km², të vërtetuara me një total prej 250 test samples prej 1 km². Të dhënat kishin një saktësi të përgjithshme prej 87%, një rikthim prej 91.9% dhe një rezultat F1 prej 64.8%, duke ofruar kështu një përshkrim të përparuar të shpërndarjes së ndërtesave të zonës së studimit krahasuar me CBRA. Puna jonë ka potencial të jashtëzakonshëm në lehtësimin e vlerësimit të ekspozimit për studimet mbi rrezikun nga fatkeqësitë në këtë zonë. Sfondi & Përmbledhje Ardhja e epokës digjitale ka rritur kërkesën për të dhëna të besueshme mbi shpërndarjen dhe atributet e ndërtesave , , . Të dhënat e shpërndarjes së ndërtesave ofrojnë informacion hapësinor të rëndësishëm jo vetëm për ndërtesat, por edhe për popullsinë dhe pasuritë fizike , duke shërbyer si një tregues i mirë për aktivitetin njerëzor. Në dekadat e fundit, të dhënat e shpërndarjes së ndërtesave janë përdorur gjerësisht në monitorimin e zhvillimit urban dhe rural , , kuptimin e ndikimeve të urbanizimit në sigurinë ushqimore, biodiversitetin, ndryshimet klimatike dhe mirëqenien dhe shëndetin publik , , formulimin e strategjive të zhvillimit rajonal dhe mbrojtjen e ekosistemeve urbane dhe rurale , , . 1 2 3 4 5 6 7 8 9 10 11 Avancimi i imazheve satelitore dhe ajrore, së bashku me përparimet e fundit në algoritmet e mësimit të makinerive dhe thellësisë, kanë rritur disponueshmërinë e të dhënave të shpërndarjes së ndërtesave , , . Të dhënat e shpërndarjes së ndërtesave janë ofruar në format raster si pjesë e të dhënave të përdorimit/mbulimit të tokës. Lëshimi më i fundit përfshin tre produkte të mbulimit global të tokës me rezolucion 10 m bazuar në satelitët Sentinel, përkatësisht Dynamic World (DW) të Google , Esri’s 2020 Land Cover , dhe World Cover 2020 (WC) të Agjencisë Evropiane të Hapësirës (ESA) . Përveç informacionit mbi shpërndarjen hapësinore, studiuesit po përpiqen gjithashtu të bashkëngjitin informacion të atributit në piksëlat e ndërtesave, siç është lartësia e ndërtesës . Për shembull, He  .  përdorën shkrirjen e të dhënave me shumë burime të sensoreve në distancë për të ndërtuar datasetin e parë botëror tredimensional hapësinor dhe kohor të zgjerimit urban me rezolucion 30 m që mbulon periudhën nga 1990 deri në 2010. Pavarësisht përmirësimit të vazhdueshëm të rezolucionit hapësinor, të dhënat e shpërndarjes së ndërtesave të bazuara në raster ende nuk mund të përshkruajnë objekte hapësinore , dhe rritja e rezolucionit rrit ndjeshëm kostot e ruajtjes dhe llogaritjes . 12 13 14 15 16 17 14 et al 7 18 12 Të dhënat e shpërndarjes së ndërtesave në format vektor, të njohura gjithashtu si kulme ndërtesash të vektorizuara ose gjurmë ndërtesash, janë të dhënat konturuese të një ndërtese të projektuar në tokë në një pamje nga lart , , të cilat ofrojnë informacion të tillë si vendndodhja gjeografike, shtrirja hapësinore e kufijve dhe gjurmët e një ndërtese të vetme. Ofruesit e shërbimeve publike (p.sh., Google Earth dhe OpenStreetMap) ofrojnë të dhëna të hapura të kulmeve të ndërtesave të vektorizuara me mbulim të gjerë, përditësime të shpejta dhe kosto të ulët , , . Në vitin 2022, Microsoft Corporation përdori segmentimin semantik bazuar në rrjetet nervore të thella për të nxjerrë konturet e 777 milionë ndërtesave, disa prej të cilave përmbajnë atribute të lartësisë së ndërtesës, bazuar në Bing Maps (duke përfshirë imazhe Maxar dhe Airbus) nga viti 2014 deri në 2021 për çdo kontinent jashtë Kinës. Më 30 maj 2023, Google lëshoi një dataset prej 1.8 miliardë konture ndërtimesh të nxjerra nga imazhe satelitore me rezolucion të lartë prej 0.5 m, që mbulojnë një sipërfaqe prej 58 milion km². Redundanca e ulët dhe struktura kompakte e të dhënave vektoriale të përfaqësuara nga kulmet dhe shtigjet ofrojnë saktësi gjeografike më të lartë të pavarur nga madhësia e rrjetit, dhe futja e rregullave topologjike përmirëson më tej integritetin e të dhënave vektoriale . 19 20 21 22 23 13 Për shkak të rritjes së rezolucionit të imazheve dhe uljes së kostove të blerjes së të dhënave, së bashku me përparimet e fundit në algoritmet e nxjerrjes, rezolucioni dhe mbulimi i të dhënave të shpërndarjes së ndërtesave po përmirësohen vazhdimisht . Ambjenti i imazheve me rezolucion shumë të lartë (VHR) ka mundësuar nxjerrjen e gjurmëve të ndërtesave përmes aplikimit të metodave tradicionale bazuar në tipare të punuar me dorë  ose metodave bazuar në mësimin e thellë . Ndërsa qasja e parë përballet me sfidën e diversitetit të pamjeve dhe madhësive të ndërtesave, dhe rregullave komplekse të përafërt dhe vendosjes së pragjeve, ajo është e kufizuar kur aplikohet në imazhe me rezolucion të lartë në shkallë të gjerë të sensoreve në distancë . Metodat bazuar në mësimin e thellë (p.sh., rrjetet nervore konvolucionale) kanë treguar performancë efektive dhe superiore në mësimin automatik të tipareve të nivelit të lartë dhe dalluese në segmentimin e skenave të ndërtesave. Sun  .  propozuan një strategji shkrirjeje bazuar në makina mbështetëse paralele për të shfrytëzuar plotësisht tiparet e thella të nxjerra nga strukturat e rrjeteve nervore konvolucionale me shumë shkallë në shkallë të ndryshme, me performancë superiore në nxjerrjen e ndërtesave komplekse në zonat urbane. Megjithatë, gjatë segmentimit të ndërtesave, saktësia e modelit ka më shumë gjasa të kufizohet nga cilësia e mostrave të trajnimit, duke e bërë të vështirë ekstrapolimin. Përdorimi i pamjaftueshëm i semantikës së nivelit të lartë dhe lëshimi i detajeve të nivelit të ulët në modelet e thella, duke rezultuar në skaje të turbullta dhe lëshime të ndërtesave të vogla, gjithashtu pengojnë aplikimin e mësimit të thellë në nxjerrjen e gjurmëve të ndërtesave. 24 25 13 26 et al 27 Rajoni i Zhanggollës së Tibetit është zona më e lartë në botë, me një lartësi mesatare prej >4000 metra mbi nivelin e detit, dhe mbulon një sipërfaqe prej 2.5 milion km²  . Më shumë se 10 milionë njerëz banojnë në rajon, pavarësisht klimës së tij ekstreme, dimrave të ftohtë dhe të gjatë, dallimeve të mëdha vjetore dhe ditore të temperaturës dhe mjediseve të brendshme termike të varfra. Megjithëse ky rajon është pengesa më e madhe ekologjike në Kinë , aktiviteti njerëzor ka ndikuar ndjeshëm në ekosistemin e tij të brishtë . Ky rajon është gjithashtu jashtëzakonisht i prirur ndaj fatkeqësive, me tërmete, rrëshqitje dheu, rrëshqitje balte, vërshime nga dalja e liqeneve akullnajore dhe fatkeqësi bore që çojnë në humbje të viktimave dhe pasurisë , , . Si përgjigje, të dhënat e sakta të shpërndarjes së ndërtesave janë kritike për modelimin e shpërndarjes së aktivitetit njerëzor për studimin e çiftuar njeri-mjedis , , si dhe analizën e ekspozimit dhe rrezikut nga fatkeqësitë natyrore , . Për më tepër, ky rajon ka orë të gjata të diellit, burime të bollshme të energjisë diellore dhe sipërfaqe të mjaftueshme për mbledhjen e energjisë diellore si kulmet dhe hapësirat e hapura , . Të dhënat e shpërndarjes së ndërtesave rurale me rezolucion të lartë mund të ofrojnë një bazë të dhënash të besueshme për vlerësimin e potencialit fotovoltaik dhe përmirësimin efikas të standardeve të jetesës së atyre që jetojnë në zonat rurale , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Si një rajon i pazhvilluar, Zhanggolla e Tibetit dhe zonat përreth saj ende nuk kanë një grup të plotë të të dhënave të vektorizuara me saktësi të lartë të kulmeve të ndërtesave, për shkak të sipërfaqes së tyre të madhe, shpërndarjes së rrallë të ndërtesave, vendndodhjes së largët dhe kufizimeve të burimeve. Të dhënat më të gatshme për përdorim janë ato të ofruara në shkallë kombëtare të Kinës, të cilat përfshijnë të dhënat e sipërfaqes së kulmeve të ndërtesave të Kinës me rrjet 2.5 m (CBRA, Liu  ., 2023b) dhe hartën e parë kombëtare të mbulimit të tokës të Kinës me rezolucion 1 m (SinoLC) që përfshin kategoritë e ndërtesave . Këto të dhëna raster nuk janë në gjendje të karakterizojnë objektet hapësinore dhe kërkojnë burime të mëdha ruajtjeje. Të dhënat e sipërfaqes së kulmeve të vektorizuara për 90 qytete kryesore në Kinë të lëshuara nga Zhang  .  pjesërisht mbushën këtë boshllëk; megjithatë, vetëm 14 qytete në Zhanggollën e Tibetit u përfshinë në këtë dataset, dhe të dhënat e vektorizuara të kulmeve të ndërtesave ende mungojnë për një sipërfaqe prej 2 milion km². et al 42 et al 13 Prandaj, ky studim synon të gjenerojë gjurmë të kulmeve të ndërtesave të vektorizuara të Zhanggollës së Tibetit dhe rajoneve të saj fqinje duke përdorur imazhe satelitore me rezolucion të lartë dhe algoritëm të mësimit të thellë. Dataseti ynë u vlerësua duke përdorur mostra testimi që përfshijnë rrjete 250 x 1 km² nëpër rajone të ndryshme, duke rezultuar në një saktësi të përgjithshme prej 91.92% dhe një rezultat F1 prej 64.81%. Metodat Kornizë Në këtë studim, ne përdorëm algoritme nxjerrjeje ndërtimesh nga platforma AI Earth për të gjeneruar një dataset të kulmeve të ndërtesave të vektorizuara për Zhanggollën e Tibetit dhe rajonin e saj fqinj në Kinë (Fig.  ). Komponentët kryesorë të kornizës sonë përfshinin: (1) përgatitja dhe para-përpunimi i të dhënave satelitore dhe ndihmëse; (2) nxjerrja e kulmeve të ndërtesave të vektorizuara duke përdorur platformën AI Earth; (3) vlerësimi duke përdorur të dhëna të kulmeve të vektorizuara manualisht. 1    Korniza për nxjerrjen dhe vlerësimin e kulmeve të ndërtesave. Zona e studimit Ky studim u fokusua kryesisht në Zhanggollën e Tibetit dhe rajonet e saj fqinje në Kinën jugperëndimore në kuadrin e përgjithshëm të Programit të Dytë të Ekspeditës dhe Kërkimit Shkencor të Zhanggollës së Tibetit ; gjeografikisht, ajo përfshin Rajonin Autonom të Tibetit, Provincat Qinghai, Provincën perëndimore Yunnan, Provincën perëndimore Sichuan, Provincën jugperëndimore Gansu dhe Rajonin Autonom jugperëndimor Xinjiang. Lartësia mesatare e zonës së studimit është 4000 m mbi nivelin e detit. Shpërndarja e popullsisë dhe ndërtesave në zonën e studimit ndikohet fuqishëm nga lartësia dhe klima (Fig.  ), duke u përqendruar kryesisht në lindje të vijës nga Qarku Jilong në Tibet në Qarkun Qilian në Qinghai ; në lindje, ato shpërndahen dendur në zonat e rrafshta në kufirin lindor të rajonit, duke përfshirë luginat e lumenjve në Provincën Yunnan, Provincën perëndimore Sichuan dhe Luginën e Lumit të Verdhë Xining-Lanzhou. Në sipërfaqen e pllajës në perëndim të vijës, popullsia dhe ndërtesat janë kryesisht të shpërndara me zona agro-bujqësore të kufizuara përgjatë luginave kryesore të lumenjve dhe përgjatë korridoreve të trafikut rrugor. 43 2 44    Zona e studimit (të dhënat e popullsisë janë nga LandScan; DEM është nga Qendra e të dhënave të shkencës dhe burimeve). Imazheri satelitore Të dhënat e imazheve satelitore me rezolucion të lartë të aksesueshme publikisht u morën nga Rivermap Co. ( ), të cilat u morën nga integrimi i Google Earth me imazhet satelitore dhe të dhënat ajrore. Midis tyre, imazheri satelitore vjen kryesisht nga satelitët komercialë DigitalGlobe QuickBird dhe WorldView, dhe fotografia ajrore buron nga BlueSky në Mbretërinë e Bashkuar dhe Sanborn në SHBA . Për çdo vendndodhje, kishte koleksione të imazheve të shumta me rezolucion deri në 0.15 m në zona të lokalizuara. Integrimi i tillë i të dhënave është përdorur gjerësisht për njohjen e objekteve në skena komplekse , , ,  dhe ka potencialin për hartimin me rezolucion të lartë në shkallë të gjerë të llojeve të objekteve . http://www.rivermap.cn/index.html 45 46 47 48 49 50 Sipërfaqja totale e zonës sonë të studimit është 3.06 milion km², dhe madhësia e vlerësuar e të dhënave të imazheve satelitore është 29.4 TB, me një rezolucion hapësinor prej 0.6 m. Duke marrë parasysh këto shkallë, u krijuan rrjete me madhësi 0.175° × 0.175° për zonën tonë të studimit për të mundësuar paketime më të vogla për shkarkim, me një total prej 10,033 rrjetesh të përdorura për të mbuluar të gjithë zonën e studimit. Numri aktual i rrjeteve të shkarkuara ishte më i vogël, 5921, për dy arsye. Së pari, pasi një pjesë e madhe e zonës së studimit përbëhet nga zona banimi jo-njerëzore ku ndërtesat nuk ekzistojnë, ne me dëshirë përjashtuam rrjetet pa asnjë piksel të zonës së ndërtuar nga produkti ESA World Cover. Së dyti, qytetet/prefekturat të cilave të dhënat e kulmeve të vektorizuara (dmth., Lhasa, Shannan, Kunming, Xining, Haidong, Zhangye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong dhe Yuxi) janë marrë nga të dhënat e sipërfaqes së kulmeve të vektorizuara për 90 qytete në Kinë  gjithashtu u përjashtuan. Imazhet u shkarkuan gjatë shtatorit 2022 dhe janarit 2023, me një rezolucion prej 0.6 m, madhësi individuale e kornizës rreth 3 GB, dhe një madhësi totale prej 2.72 TB. Imazhet e shkarkuara u morën kryesisht nga 2019 deri në 2021, por imazhet nga disa zona të largëta mund të jenë marrë që nga viti 2001 (Fig.  ). 13 3    Rrjetet për shkarkimin e imazheve dhe koha e shkrepjes së imazhit. Të dhëna ndihmëse Të dhënat tona ndihmëse përfshinin harta të mbulimit të tokës me rezolucion të lartë, model dixhital i lartësisë (DEM), indeksi i normalizuar i vegjetacionit (NDVI) dhe të dhëna të shpërndarjes së popullsisë për analizën e mëvonshme të klasave për qëllime kampimi (Tabela 

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

Kjo audio është prodhuar në gjuhën origjinale të tregimit!

AI Hartëson 13 Milionë Ndërtesa në Një nga Rajonet më të Lëna të Botës

About Author

KOMENTE

VARUR TAGS

KY ARTIKU U PARAQIT NË

Related Stories

Rrjeti SQD sapo vrau emetimet e tokenëve.Ja çfarë paguan 16 miliardë dollarë në DeFi TVL

Rrjeti SQD sapo vrau emetimet e tokenëve.Ja çfarë paguan 16 miliardë dollarë në DeFi TVL

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps