
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autors: 
 
 
 
 
 
 
 
 
 
 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 themeli i rëndësishëm për planifikimin urban rajonal dhe alokimin e burimeve si dhe kërkimin e rrezikut nga fatkeqësitë. Zhuangi Qinghai-Tibetian është poli i tretë i botës. Megjithëse kuptimi i ndërveprimeve njeri-mjedis lokale në Zhuangin Qinghai-Tibetian është jashtëzakonisht i rëndësishëm, ky është penguar nga mungesa e të dhënave të ndërtesave me rezolucion të lartë për shkak të vëllimit të madh dhe largësisë së zonës. Në këtë studim, ne gjeneruam gjurmët e para të çative të ndërtesave të vektorizuara të Zhuangut Qinghai-Tibetian dhe zonave përreth tij duke përdorur imazhe Google me rezolucion të lartë dhe algoritmin e estraksionit të 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 × 1 km2 mostra testuese. Të dhënat kishin një saktësi të përgjithshme prej 87%, një rikuperim 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 në krahasim me CBRA. Puna jonë ka potencial të jashtëzakonshëm në lehtësimin e vlerësimit të ekspozimit për studime mbi rrezikun nga fatkeqësitë në këtë zonë. Sfondi & Përmbledhje Ardhja e epokës dixhitale 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 të ndërtesave, por edhe të popullsisë dhe aseteve fizike , 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 përparimet e fundit në algoritmet e mësimit makinor dhe të thellë, kanë nxitur 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 të tokës globale prej 10 metra të bazuar në satelitet Sentinel, të quajtur Dynamic World (DW) nga Google , Esri’s 2020 Land Cover , dhe World Cover 2020 (WC) nga Agjencia Evropiane e Hapësirës (ESA) . Përveç informacionit hapësinor të shpërndarjes, studiuesit po përpiqen gjithashtu të bashkëngjitin informacion mbi atributet te piksëllët e ndërtesave, siç është lartësia e ndërtesave . Për shembull, He  .  përdorën bashkimin e të dhënave të shumë burimeve të sensoreve në largësi për të krijuar të dhënat e para 3D hapësinore dhe kohore të shtrirjes urbane në botë me rezolucion 30 metra, duke mbuluar 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 objektet hapësinore , dhe rritja e rezolucionit rrit ndjeshëm kostot e ruajtjes dhe kompjuterike . 12 13 14 15 16 17 14 et al 7 18 12 Të dhënat e shpërndarjes së ndërtesave në format vektorial, të njohura gjithashtu si çatia të ndërtesave të vektorizuara ose skica të ndërtesave, janë të dhënat e kontureve të një ndërtese të projektuar në tokë nga një këndvështrim nga lart , , të cilat ofrojnë informacion të tillë si vendndodhja gjeografike, shtrirja hapësinore e kufijve dhe skica e një ndërtese të vetme. Ofruesit e shërbimeve publike (p.sh., Google Earth dhe OpenStreetMap) ofrojnë të dhëna të hapura të çative 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 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 konture ndërtesash të nxjerra nga imazhe satelitore me rezolucion të lartë 0.5 m, duke mbuluar një zonë 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 . Realizueshmëria e imazheve me rezolucion shumë të lartë (VHR) ka mundësuar nxjerrjen e skicave të ndërtesave duke përdorur metoda tradicionale të bazuara në veçori të krijuara nga njeriu  ose metoda të bazuara në mësimin e thellë . Ndërsa qasja e parë përballet me sfidën e diversitetit të pamjeve dhe madhësive të ndërtesave, si dhe rregullave komplekse empirike dhe vendosjes së pragjeve, ajo është e kufizuar kur aplikohet në imazhe të largësisë në shkallë të gjerë me rezolucion të lartë . Metodat e bazuara në mësimin e thellë (p.sh., rrjetet nervore 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 të paralelizuara për të shfrytëzuar plotësisht veçoritë e thella të nxjerra nga strukturat e rrjeteve nervore konvolucionale me shumë skala në skala 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 lëshimi i detajeve të nivelit të ulët në modelet e thella, duke rezultuar në turbullim të skajeve dhe lëshime të ndërtesave të vogla, gjithashtu pengojnë zbatimin e mësimit të thellë në nxjerrjen e skicave të ndërtesave. 24 25 13 26 et al 27 Rajoni i Zhuangut Qinghai-Tibetian 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 varfra termike brenda ambienteve. Megjithëse ky rajon është pengesa më e madhe ekologjike në Kinë , aktiviteti njerëzor ndikoi ndjeshëm në ekosistemin e tij të brishtë . Ky rajon është gjithashtu jashtëzakonisht i prirur ndaj fatkeqësive, me tërmete, rrëshqitje dherrash, rrëshqitje balte, përmbytje nga shpërthimi i liqeneve akullnajore dhe fatkeqësi bore që çojnë në humbje njerëzish dhe pasurie , , . Si përgjigje, të dhënat e sakta të shpërndarjes së ndërtesave janë kritike për modelimin e shpërndarjes së aktivitetit njerëzor për studime të kombinuara 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 energjie diellore dhe sipërfaqe të mjaftueshme për mbledhjen e energjisë diellore siç janë çatat 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, Zhuangu Qinghai-Tibetian dhe zonat fqinje të tij ende nuk kanë një grup të plotë të të dhënave të çative të ndërtesave të vektorizuara me saktësi të lartë, për shkak të zonës së tyre të madhe, shpërndarjes së pakët 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 çatisë së ndërtesave të Kinës me rrjet prej 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 zonës së çatisë së vektorizuar për 90 qytete kryesore në Kinë të lëshuara nga Zhang  .  plotësuan pjesërisht këtë boshllëk; megjithatë, vetëm 14 qytete në Zhuangun Qinghai-Tibetian u përfshinë në këtë dataset, dhe të dhënat e çative të ndërtesave të vektorizuara ende mungojnë për një zonë prej 2 milion km2. et al 42 et al 13 Prandaj, ky studim synon të gjenerojë skica të çative të ndërtesave të vektorizuara të Zhuangut Qinghai-Tibetian dhe rajoneve të tij fqinje duke përfshirë imazhet satelitore me rezolucion të lartë dhe algoritmin e mësimit të thellë. Dataseti ynë u vlerësua duke përdorur mostra testuese që përbëhen 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 algoritmet e nxjerrjes së ndërtesave nga platforma AI Earth për të gjeneruar një dataset të çative të ndërtesave të vektorizuara për Zhuangun Qinghai-Tibetian dhe rajonin e tij fqinj në Kinë (Fig.  ). Përbërësit kryesorë të kornizës sonë përfshinin: (1) përgatitjen dhe para-punimin e të dhënave satelitore dhe ndihmëse; (2) nxjerrjen e çative të ndërtesave të vektorizuara duke përdorur platformën AI Earth; (3) vlerësimin duke përdorur të dhëna të çative të vektorizuara manualisht. 1    Korniza për nxjerrjen dhe vlerësimin e çative të ndërtesave. Zona e studimit Ky studim u fokusua kryesisht në Zhuangun Qinghai-Tibetian dhe rajonet e tij fqinje në Kinën jugperëndimore nën kornizën e përgjithshme të Programit të Dytë të Ekspeditës Shkencore dhe Kërkimore të Zhuangut Tibetan ; gjeografikisht, ajo përfshin Rajonin Autonom të Tibetit, Provincat Qinghai, Provincën Yunnan perëndimore, Provincën Sichuan perëndimore, Provincën Gansu jugperëndimore dhe Rajonin Autonom Xinjiang jugperëndimor. 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.  ), duke u përqendruar kryesisht në lindje të vijës nga Qarku Jilong në Tibet deri në Qarkun Qilian në Qinghai ; në lindje, ato shpërndahen dendur në zonat e rrafshta në skajin lindor të rajonit, duke përfshirë luginat e lumenjve në Provincën Yunnan, Provincën Sichuan perëndimore dhe Pellgun e lumit të Verdhë Xining-Lanzhou. Në sipërfaqen e pllajës në perëndim të vijës, popullsia dhe ndërtesat shpërndahen kryesisht me zona të kufizuara agropastorale 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 mjedisit të burimeve). Imazhe satelitore Të dhëna imazhesh satelitore me rezolucion të lartë me akses të hapur u morën nga Rivermap Co. ( ), të cilat u morën nga integrimi i Google Earth me imazhe satelitore dhe të dhëna ajrore. Midis tyre, imazhet satelitore vijnë kryesisht nga satelitet komercialë QuickBird dhe WorldView të DigitalGlobe, 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. Një integrim i tillë i të dhënave është përdorur gjerësisht për njohjen e objekteve në skena komplekse , , ,  dhe ka potencialin për hartimin në shkallë të gjerë të rezolucionit 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 imazherike satelitore është 29.4 TB, me një rezolucion hapësinor prej 0.6 m. Duke marrë parasysh këto skala, u krijuan rrjeta 0.175° × 0.175° për zonën tonë të studimit për të mundësuar paketë me madhësi më të vogël 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 ka ndërtesa, ne i përjashtuam në mënyrë arbitrare rrjetat pa asnjë piksel të ndërtuar nga produkti ESA World Cover. Së dyti, qytetet/prefekturat të cilave të dhënat e 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 çatisë së vektorizuar për 90 qytete në Kinë  gjithashtu u përjashtuan. Imazhet u shkarkuan nga shtatori 2022 deri në janar 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 ishin kryesisht nga 2019 deri në 2021, por imazhet nga disa zona të largëta mund të jenë marrë që nga viti 2001 (Fig.  ). 13 3    Rrjetat për shkarkimin e imazheve dhe koha e shkrepjes së imazheve. Të dhëna ndihmëse Të dhënat tona ndihmëse përfshinin harta të mbulimit të tokës me rezolucion të lartë, model dixhital i lartësisë (DEM), Indeks i Ndryshimit Normalizuar të Bimësisë (NDVI), dhe të dhëna të shpërndarjes së popullsisë për analizën pasuese të klasterizimit për qëllime kampioni (Tabela  ). 1

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 Largetë në Botë

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