
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autorë: 
 
 
 
 
 
 
 
 
 
 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 precizion të lartë dhe në shkallë të gjerë janë një themel i rëndësishëm për planifikimin urban rajonal dhe alokimin e burimeve dhe kërkimin e rrezikut nga fatkeqësitë. Platfororma Qinghai-Tibetan është poli i tretë i botës. Edhe pse kuptimi i ndërveprimeve lokale njeri-mjedis në Platforormën Qinghai-Tibetan është jashtëzakonisht i rëndësishëm, ky kuptim është penguar nga mungesa e të dhënave të gjurmëve të ndërtesave me rezolucion të lartë për shkak të shtrirjes së madhe dhe largësisë së zonës. Në këtë studim, ne gjeneruam prints e para të vektorizuara të çative të ndërtesave të Platforormës Qinghai-Tibetan 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 milion ndërtesa që mbulojnë 6092.7 km2, të vërtetuara me një total prej 250 × 1 km2 mostra testuese. Të dhënat kishin një saktësi të përgjithshme prej 87%, një kujtesë prej 91.9%, dhe një rezultat F1 prej 64.8%, duke ofruar kështu një përshkrim të avancuar të shpërndarjes së ndërtesave të zonës së studimit krahasuar me CBRA. Puna jonë ka potencial të madh në lehtësimin e vlerësimit të ekspozimit për studimet mbi rrezikun nga fatkeqësitë në këtë zonë. Sfondi & Përmbledhja 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 materiale , duke shërbyer si një tregues i mirë i aktivitetit 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 përparimin e fundit në algoritmet e makinerisë dhe thellësisë së mësimit, ka 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 , Mbulimi i Tokës 2020 i Esri , dhe World Cover 2020 (WC) të Agjencisë Evropiane të Hapësirës (ESA) . Përveç informacionit hapësinor të shpërndarjes, studiuesit po përpiqen gjithashtu të bashkëngjitin informacion të atributit në piksellat e ndërtesave, siç është lartësia e ndërtesës . Për shembull, He .  përdorën bashkimin e të dhënave të imazheve satelitore me burime të shumta për të ndërtuar datasetin e parë global me rezolucion 30 m të shpërndarjes hapësinore dhe kohore urbane që mbulon periudhën nga 1990 deri në 2010. Pavarësisht përmirësimit të vazhdueshëm të rezolucionit hapësinor, të dhënat e shpërndarjes së ndërtesave bazuar 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 çatia të vektorizuara të ndërtesave ose gjurmët e ndërtesave, janë të dhënat e kontureve të një ndërtese të projeksionuar në tokë nga një pamje sipër , , të cilat ofrojnë informacion si vendndodhja gjeografike, shtrirja hapësinore e kufijve dhe gjurmët e një ndërtese individuale. Ofruesit e shërbimeve publike (p.sh., Google Earth dhe OpenStreetMap) ofrojnë të dhëna të çifteve të vektorizuara të ndërtesave me qasje të hapur me mbulim të gjerë, përditësime të shpejta dhe kosto të ulët , , . Në vitin 2022, Microsoft Corporation përdori segmentimin semantik bazuar në rrjete neurale të thella për të nxjerrë konturet e 777 milionë ndërtesave, disa prej të cilave përmbajnë atribute të lartësisë së ndërtesave, bazuar në Bing Maps (duke përfshirë imazhet Maxar dhe Airbus) nga 2014 deri në 2021 për çdo kontinent jashtë Kinës. Më 30 maj 2023, Google lëshoi një dataset prej 1.8 miliardë konturesh ndërtesash të nxjerra nga imazhet satelitore me rezolucion të lartë 0.5 m, duke mbuluar 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 marrjes së të dhënave, së bashku me përparimin e fundit në algoritmet e nxjerrjes, rezolucioni dhe mbulimi i të dhënave të shpërndarjes së ndërtesave po përmirësohen vazhdimisht . Vlefshmëria e imazheve me rezolucion shumë të lartë (VHR) ka mundësuar nxjerrjen e gjurmëve të ndërtesave duke përdorur metoda tradicionale të bazuara në veçori të krijuara nga njeriu  ose metoda bazuar në mësimin e thellë . Ndërsa qasja e parë përballet me sfidën e diversitetit të pamjeve dhe madhësive të ndërtesave, dhe rregullave komplekse të përafërta dhe cilësimeve të pragut, ajo është e kufizuar kur aplikohet në imazhe me rezolucion të lartë dhe në shkallë të gjerë të sensoreve të largët . Metodat bazuar në mësimin e thellë (p.sh., rrjetet neurale konvolucionale) kanë treguar performancë efektive dhe superiore në mësimin automatik të veçorive të nivelit të lartë dhe dalluese në segmentimin e skenave të ndërtesave. Sun .  propozoi një strategji bashkimi bazuar në makina mbështetëse vektoriale paralele për të shfrytëzuar plotësisht veçoritë e thella të nxjerra nga strukturat e rrjeteve neurale 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 kampioneve të trajnimit, duke e bërë ekstrapolimin të vështirë. Përdorimi i pamjaftueshëm i semantikës së nivelit të lartë dhe lënia jashtë e detajeve të nivelit të ulët në modelet e thella, duke rezultuar në përhapjen e skajeve dhe lënien jashtë të ndërtesave të vogla, gjithashtu pengon zbatimin e mësimit të thellë në nxjerrjen e gjurmëve të ndërtesave. 24 25 13 26  et al 27 Rajoni i Platforormës Qinghai-Tibetan është zona më e lartë e botës, 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 dobëta. Edhe pse ky rajon është pengesa më e madhe ekologjike në Kinë , aktiviteti njerëzor ka ndikuar ndjeshëm ekosistemin e tij të brishtë . Ky rajon është gjithashtu jashtëzakonisht i prirur ndaj fatkeqësive, me tërmete, rrëshqitje dheu, rrëshqitje balte, përmbytje nga shkarkimi i liqeneve akullnajore dhe fatkeqësi bore që çojnë në humbje njerëzish dhe materiale , , . Si përgjigje, të dhënat e sakta të shpërndarjes së ndërtesave janë kritike për modelimin e shpërndarjes së aktivitetit njerëzor për studime të lidhura njeri-mjedis , , si dhe analiza e ekspozimit dhe rrezikut për fatkeqësi natyrore , . Për më tepër, ky rajon ka orë të gjata dielli, burime të bollshme të energjisë diellore dhe sipërfaqe të mjaftueshme për mbledhjen e energjisë diellore si çatia dhe hapësira të 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, Platfororma Qinghai-Tibetan dhe zonat e saj fqinje ende nuk kanë një grup të plotë të të dhënave të vektorizuara të çative të ndërtesave me precizion të lartë, për shkak të zonës 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 zonës së çative të ndërtesave të Kinës me rrjet 2.5 m (CBRA, Liu ., 2023b) dhe hartën e parë kombëtare të mbulimit të tokës së 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 zonës së çative të vektorizuara për 90 qytete kryesore në Kinë të lëshuara nga Zhang .  pjesërisht mbushën këtë boshllëk; megjithatë, vetëm 14 qytete në Platforormën Qinghai-Tibetan u përfshinë në këtë dataset, dhe të dhënat e çative të vektorizuara të ndërtesave ende mungojnë për një zonë prej 2 milion km2.  et al 42  et al 13 Prandaj, ky studim synon të gjenerojë prints e çative të ndërtesave të vektorizuara të Platforormës Qinghai-Tibetan dhe rajoneve të saj fqinje duke përdorur imazhe satelitore me rezolucion të lartë dhe algoritmin e mësimit të thellë. Dataseti ynë u vlerësua duke përdorur mostra testuese që përbëheshin nga rrjete 250 × 1 km2 nëpër nën-rajone të ndryshme, duke rezultuar në një saktësi të përgjithshme prej 91.92% dhe një rezultat F1 prej 64.81%. Metodat Korniza Në këtë studim, ne përdorëm algoritme nxjerrjeje ndërtesash nga platforma AI Earth për të gjeneruar një dataset të çative të ndërtesave të vektorizuara për Platforormën Qinghai-Tibetan dhe rajonin e saj fqinj në Kinë (Fig. 1). Komponentët kryesorë të kornizës sonë përfshinin: (1) përgatitja dhe para-përpunimi i të dhënave satelitore dhe ndihmëse; (2) nxjerrja e çative të ndërtesave të vektorizuara duke përdorur platformën AI Earth; (3) vlerësimi duke përdorur të dhëna të çative të vektorizuara manualisht.    Korniza për nxjerrjen dhe vlerësimin e çative të ndërtesave. Zona e studimit Ky studim u fokusua kryesisht në Platforormën Qinghai-Tibetan dhe rajonet e saj fqinje në Kinën jugperëndimore në kuadrin e përgjithshëm të Ekspeditës Shkencore dhe Kërkimore të Dytë të Platforormës Tibetiane ; gjeografikisht, ajo përfshin Rajonin Autonom të Tibetit, Provincat Qinghai, provincën perëndimore Yunnan, provincën perëndimore Sichuan, provincën jugperëndimore Gansu dhe Rajonin Autonom të Xinjiang jugore. Lartësia mesatare e zonës së studimit është 4000 m mbi nivelin e detit. Shpërndarja e popullsisë dhe ndërtesave në zonën e studimit ndikohet ndjeshëm nga lartësia dhe klima (Fig. 2), 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 rrafshëta në skajin lindor të rajonit, duke përfshirë luginat e lumenjve në provincën Yunnan, provincën perëndimore Sichuan dhe Pellgun e Lumit të Verdhë Xining-Lanzhou. Në sipërfaqen e platforormës në perëndim të vijës, popullata dhe ndërtesat janë kryesisht të shpërndara me zona bujqësore-bujqësore të kufizuara përgjatë luginave kryesore të lumenjve dhe përgjatë korridoreve të transportit rrugor. 43 44    Zona e studimit (të dhënat e popullsisë janë nga LandScan; DEM është nga Qendra e të dhënave të shkencës dhe burimeve mjedisore). Imazhe satelitore Të dhënat e imazheve satelitore me rezolucion të lartë dhe qasje të hapur u morën nga Rivermap Co. ( ), të cilat u morën nga integrimi i imazheve satelitore dhe të dhënave ajrore të Google Earth. Midis tyre, imazhet satelitore vijnë kryesisht nga satelitët komercialë QuickBird dhe WorldView të DigitalGlobe, dhe fotografia ajrore buron nga BlueSky në MB dhe Sanborn në SHBA . Për çdo vendndodhje, kishte koleksione të imazheve të shumta me rezolucion deri në 0.15 m në zona të lokalizuara. Një integrim i tillë i të dhënave është përdorur gjerësisht për njohjen e objekteve në skena komplekse , , ,  dhe ka potencial për hartimin në shkallë të gjerë me rezolucion të lartë të llojeve të objekteve . http://www.rivermap.cn/index.html 45 46 47 48 49 50 Zona totale e studimit tonë 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 rrjeta 0.175° × 0.175° për zonën tonë të studimit për të mundësuar paketa më të vogla për shkarkim, me një total prej 10,033 rrjetash të përdorura për të mbuluar të gjithë zonën e studimit. Numri aktual i rrjetave 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 nuk ekzistojnë ndërtesa, ne arbitrarisht përjashtuam rrjetat pa asnjë piksel zona të ndërtuar nga produkti ESA World Cover. Së dyti, qytetet/prefekturat, të dhënat e të cilave të çative të vektorizuara (dmth., Lhasa, Shannan, Kunming, Xining, Haidong, Zhangye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong dhe Yuxi) janë marrë në të dhënat e zonës së çative 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, një madhësi të vetme kuadri prej rreth 3 GB, dhe një madhësi totale prej 2.72 TB. Imazhet e shkarkuara kryesisht ishin marrë nga 2019 deri në 2021, por imazhet nga disa zona të largëta mund të kenë qenë marrë që nga viti 2001 (Fig. 3). 13    Rrjetat për shkarkimin e imazheve dhe koha e shkrepjes së imazhit. Të dhëna ndihmëse Të dhënat tona ndihmëse përfshinin harta me rezolucion të lartë të mbulimit të tokës, model digjital të lartësisë (DEM), indeksin e ndryshuar të vegjetacionit (NDVI), dhe të dhëna të shpërndarjes së popullsisë për analizën e klasterit të mëvonshëm për qëllime kampioni (Tabela 1). Për mbulimin e tokës dhe zonën e ndërtuar, produkti World Cover i ESA-s nga Zanaga .  u mor nga Zenodo (  et al 17

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 Harton 13 Milion Ndërtesa në Një nga Rajonet më të Largeta 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