```html
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Waandishi: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Muhtasari Data kubwa ya usambazaji wa majengo yenye usahihi wa hali ya juu ni msingi muhimu kwa upangaji miji wa kikanda na mgao wa rasilimali na utafiti wa hatari za majanga. Plateau ya Qinghai-Tibet ni nguzo ya tatu ya dunia. Ingawa kuelewa mwingiliano wa binadamu-mazingira wa ndani katika Plateau ya Qinghai-Tibet ni muhimu sana, hii imezuiwa na uhaba wa data ya alama za majengo yenye azimio la juu kutokana na ukubwa na umbali wa eneo hilo. Katika utafiti huu, tulitoa picha za kwanza za paa za majengo za Plateau ya Qinghai-Tibet na maeneo yake yanayozunguka kwa kutumia picha za hali ya juu za Google na algorithm ya uchimbaji wa kontua za jengo la jukwaa la AI Earth. Matokeo yetu yanajumuisha majengo milioni 13.09 yanayofunika 6092.7 km2, yaliyothibitishwa na jumla ya sampuli 250 × 1 km2 za majaribio. Data ilikuwa na usahihi wa jumla wa 87%, ukumbusho wa 91.9%, na alama ya F1 ya 64.8%, na hivyo kutoa maelezo ya juu ya usambazaji wa jengo la eneo la utafiti ikilinganishwa na CBRA. Kazi yetu ina uwezo mkubwa katika kuwezesha tathmini ya kufichuliwa kwa masomo juu ya hatari ya majanga katika eneo hili. Asili & Muhtasari Kuja kwa enzi ya kidijitali kumeongeza mahitaji ya data ya kuaminika juu ya usambazaji na sifa za majengo , , . Data ya usambazaji wa majengo hutoa habari muhimu ya anga sio tu ya majengo bali pia ya idadi ya watu na mali za kimwili , ikitumika kama kiashiria kizuri cha shughuli za binadamu. Katika miongo kadhaa iliyopita, data ya usambazaji wa majengo imetumika sana katika kufuatilia maendeleo ya mijini na vijijini , , kuelewa athari za mijini kwenye usalama wa chakula, bayodiversity, mabadiliko ya tabia nchi, na ustawi wa umma na afya , , kuunda mikakati ya maendeleo ya kikanda, na kulinda mazingira ya mijini na vijijini , , . 1 2 3 4 5 6 7 8 9 10 11 Maendeleo ya picha za setilaiti na za angani, pamoja na maendeleo ya hivi karibuni katika algoriti za akili bandia na akili bandia ya kina, yameongeza upatikanaji wa data ya usambazaji wa majengo , , . Data ya usambazaji wa majengo imetolewa katika umbizo la raster kama sehemu ya data ya matumizi ya ardhi/kifuniko. Toleo la kisasa zaidi linajumuisha bidhaa tatu za matumizi ya ardhi/kifuniko cha dunia zenye azimio la mita 10 kulingana na satelaiti za Sentinel, yaani Dynamic World ya Google (DW) , Esri’s 2020 Land Cover , na World Cover 2020 (WC) ya Shirika la Anga la Ulaya (ESA) . Kando na habari ya usambazaji wa anga, watafiti pia wanajaribu kuongeza habari ya sifa kwa picha za majengo, kama vile urefu wa jengo . Kwa mfano, He  .  walitumia mchanganyiko wa data ya uhandisi wa setilaiti kutoka vyanzo vingi ili kujenga seti ya kwanza duniani ya data ya mandhari ya mijini ya pande tatu yenye azimio la mita 30 inayofunika kipindi cha 1990 hadi 2010. Pamoja na uboreshaji unaoendelea wa azimio la anga, data ya usambazaji wa majengo yenye umbizo la raster bado haiwezi kuelezea vitu vya anga , na kuongeza azimio huongeza sana gharama za hifadhi na hesabu . 12 13 14 15 16 17 14 et al 7 18 12 Data ya usambazaji wa majengo katika umbizo la vector, pia inajulikana kama paa za majengo zilizo na vector au alama za majengo, ni data ya muhtasari wa jengo iliyotazama chini kwenye ardhi kutoka juu , , ambayo hutoa habari kama vile eneo la kijiografia, kiwango cha anga cha mipaka, na sehemu ya jengo moja. Watoa huduma za umma (k.m., Google Earth na OpenStreetMap) hutoa data ya paa za majengo zilizo na vector zilizo wazi na matumizi pana, sasisho za haraka, na gharama nafuu , , . Mnamo 2022, Microsoft Corporation ilitumia usanifu wa kina wa akili bandia ili kuchimba muhtasari wa majengo milioni 777, baadhi yake yakiwa na sifa za urefu wa jengo, kulingana na ramani za Bing (pamoja na picha za Maxar na Airbus) kutoka 2014 hadi 2021 kwa kila bara isipokuwa China. Tarehe 30 Mei, 2023, Google ilitoa seti ya data ya muhtasari wa majengo bilioni 1.8 iliyochimbuliwa kutoka kwa picha za setilaiti zenye azimio la juu la mita 0.5, ikifunika eneo la km2 milioni 58. Upungufu mdogo na muundo wa kompakt wa data ya vector unaowakilishwa na vertices na njia hutoa usahihi wa juu wa kijiografia usio tegemezi kwa saizi ya mesh, na utambulisho wa sheria za topolojia zaidi huboresha uadilifu wa data ya vector . 19 20 21 22 23 13 Kutokana na ongezeko la azimio la picha na kupungua kwa gharama za upatikanaji wa data, pamoja na maendeleo ya hivi karibuni katika algoriti za uchimbaji, azimio na utumiaji wa data ya usambazaji wa majengo unaendelea kuboreshwa . Uwezekano wa picha za azimio la juu sana (VHR) umeanzisha uchimbaji wa alama za majengo kwa kutumia mbinu za jadi za vipengele vilivyotengenezwa kwa mikono  au mbinu za akili bandia za kina . Mbinu ya kwanza inakabiliwa na changamoto ya utofauti wa muonekano na saizi za majengo, na sheria tata za vidole gumba na mipangilio ya kizingiti, inadhuru inapotumika kwa picha za uchunguzi wa anga zenye azimio la juu kwa kiwango kikubwa . Mbinu za akili bandia za kina (k.m., mitandao ya neural ya konvolutional) zimeonyesha utendaji mzuri na bora katika kujifunza kiotomatiki vipengele vya kiwango cha juu na vya kutofautisha katika utenganishaji wa mandhari ya jengo. Sun  .  walipendekeza mkakati wa mchanganyiko kulingana na mashine za msaada za sambamba ili kutumia kikamilifu vipengele vya kina vilivyochimbuliwa kutoka kwa miundo ya mitandao ya neural ya konvolutional yenye viwango vingi kwa viwango tofauti, na utendaji bora katika kuchimba majengo tata katika maeneo ya mijini. Hata hivyo, wakati wa kutenganisha majengo, usahihi wa mfumo huenda zaidi unafadhaishwa na ubora wa sampuli za mafunzo, na kufanya uvumbuzi kuwa mgumu. Matumizi yasiyo ya kutosha ya hisia za kiwango cha juu na kuachwa kwa maelezo ya kiwango cha chini katika mifumo ya kina, na kusababisha mipaka ya kutia na kuachwa kwa majengo madogo, pia huzuia matumizi ya akili bandia ya kina katika uchimbaji wa alama za majengo. 24 25 13 26 et al 27 Mkoa wa Plateau ya Qinghai-Tibet ndio eneo lenye mwinuko zaidi duniani, na mwinuko wa wastani wa zaidi ya mita 4000 juu ya usawa wa bahari, na unafunika eneo la km2 milioni 2.5  . Zaidi ya watu milioni 10 wanaishi katika eneo hilo licha ya hali yake mbaya ya hewa, majira ya baridi kali na ndefu, tofauti kubwa za joto za kila mwaka na za kila siku, na mazingira duni ya ndani ya joto. Ingawa eneo hili ni kizuizi kikubwa cha kiikolojia nchini China , shughuli za binadamu zimeathiri sana mazingira yake maridadi . Eneo hili pia huathiriwa sana na majanga, na matetemeko ya ardhi, maporomoko ya ardhi, maporomoko ya matope, mafuriko ya kutoka kwa maziwa ya barafu, na majanga ya theluji yanasababisha hasara ya vifo na mali , , . Kwa kukabiliana na hilo, data sahihi ya usambazaji wa majengo ni muhimu kwa kuunda usambazaji wa shughuli za binadamu kwa ajili ya utafiti wa pamoja wa binadamu-mazingira , , pamoja na tathmini ya kufichuliwa na hatari kwa majanga ya asili , . Kwa kuongezea, eneo hili lina masaa marefu ya jua, rasilimali nyingi za nishati ya jua, na nyuso za kutosha za kukusanya nishati ya jua kama vile paa na maeneo ya wazi , . Data ya usambazaji wa majengo ya vijijini yenye azimio la juu inaweza kutoa hifadhi ya data ya kuaminika kwa kutathmini uwezo wa photovoltaic na kuboresha kwa ufanisi viwango vya maisha vya wanaoishi katika maeneo ya vijijini , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Kama eneo ambalo halijaendelezwa, Plateau ya Qinghai-Tibet na maeneo yake jirani bado hayana seti kamili ya data ya paa za majengo zenye vector zenye usahihi wa hali ya juu, kutokana na eneo lao kubwa, usambazaji wa majengo uliojaa, eneo la mbali, na vikwazo vya rasilimali. Data inayoweza kutumika zaidi ni ile inayotolewa kwa kiwango cha kitaifa cha China, ambayo inajumuisha data ya eneo la paa za majengo ya China yenye gridi ya 2.5m (CBRA, Liu  ., 2023b) na ramani ya kwanza ya kitaifa ya matumizi ya ardhi ya China yenye azimio la 1m (SinoLC) ambayo inajumuisha kategoria za majengo . Data hii ya raster haiwezi kuelezea vitu vya anga na inahitaji rasilimali kubwa za kuhifadhi. Data ya eneo la paa za majengo yenye vector kwa miji 90 mikuu nchini China iliyotolewa na Zhang  .  iliijaza sehemu hii; hata hivyo, ni miji 14 tu katika Plateau ya Qinghai-Tibet ilijumuishwa katika seti hii ya data, na data ya paa za majengo yenye vector bado haipo kwa eneo la km2 milioni 2. et al 42 et al 13 Kwa hiyo, utafiti huu unalenga kutoa alama za paa za majengo zenye vector za Plateau ya Qinghai-Tibet na mikoa yake jirani kwa kuunganisha picha za setilaiti zenye azimio la juu na algorithm ya akili bandia ya kina. Seti yetu ya data ilithibitishwa kwa kutumia sampuli za majaribio zinazojumuisha gridi za km2 250 × 1 katika maeneo mbalimbali, na kusababisha usahihi wa jumla wa 91.92% na alama ya F1 ya 64.81%. Mbinu Mfumo Katika utafiti huu, tulitumia algoriti za uchimbaji wa majengo kutoka kwa jukwaa la AI Earth ili kutoa seti ya data ya paa za majengo zenye vector kwa Plateau ya Qinghai-Tibet na mkoa wake jirani nchini China (Mchoro  ). Vipengele vikuu vya mfumo wetu vilijumuisha: (1) maandalizi na usindikaji wa awali wa data ya setilaiti na data saidizi; (2) uchimbaji wa paa za majengo zenye vector kwa kutumia jukwaa la AI Earth; (3) uthibitishaji kwa kutumia data ya paa za majengo zilizotengenezwa kwa mikono. 1    Mfumo wa uchimbaji na uthibitishaji wa paa za majengo. Eneo la Utafiti Utafiti huu ulijikita zaidi katika Plateau ya Qinghai-Tibet na mikoa yake jirani kusini magharibi mwa China chini ya mfumo mkuu wa Mpango wa Pili wa Utafiti na Safari ya Kisayansi ya Plateau ya Tibet ; kwa kijiografia, unajumuisha Mkoa unaojiendesha wa Tibet, Mikoa ya Qinghai, magharibi mwa Mkoa wa Yunnan, magharibi mwa Mkoa wa Sichuan, kusini magharibi mwa Mkoa wa Gansu, na kusini mwa Mkoa wa Xinjiang. Mwinuko wa wastani wa eneo la utafiti ni mita 4000 juu ya usawa wa bahari. Usambazaji wa idadi ya watu na majengo katika eneo la utafiti huathiriwa sana na mwinuko na hali ya hewa (Mchoro  ), hasa hujilimbikana upande wa mashariki wa mstari kutoka Kaunti ya Jilong huko Tibet hadi Kaunti ya Qilian huko Qinghai ; mashariki, hujilimbikana kwa wingi katika maeneo tambarare yaliyo makali ya mashariki ya eneo hilo, ikiwa ni pamoja na mabonde ya mto katika Mkoa wa Yunnan, magharibi mwa Mkoa wa Sichuan, na Bonde la Mto Njano la Xining-Lanzhou. Katika uso wa plateau magharibi mwa mstari, idadi ya watu na majengo hujilimbikana zaidi katika maeneo ya kilimo-ufugaji pamoja na mabonde makuu ya mito, na pamoja na njia za usafiri wa barabara. 43 2 44    Eneo la utafiti (data ya idadi ya watu kutoka LandScan; DEM kutoka Kituo cha Data cha Rasilimali na Mazingira). Picha za Setilaiti Data ya picha za setilaiti zenye azimio la juu zilizopatikana kwa urahisi ilitokana na Rivermap Co. ( ), ambazo zilipatikana kutoka kwa muunganisho wa Google Earth wa picha za setilaiti na data za angani. Kati ya hizo, picha za setilaiti hutoka hasa kwa satelaiti za kibiashara za DigitalGlobe's QuickBird na WorldView, na upigaji picha za anga unatoka kwa BlueSky nchini Uingereza na Sanborn nchini Marekani . Kwa kila eneo, kulikuwa na makusanyo ya picha nyingi zenye azimio la hadi 0.15m katika maeneo yaliyolengwa. Muunganisho wa data kama hiyo umetumika sana kwa utambulisho wa vitu katika mandhari tata , , ,  na ina uwezekano wa kupanga ramani ya aina za vitu kwa azimio la juu kwa kiwango kikubwa . http://www.rivermap.cn/index.html 45 46 47 48 49 50 Jumla ya eneo la eneo letu la utafiti ni km2 milioni 3.06, na saizi ya makadirio ya data ya picha za setilaiti ni 29.4 TB, na azimio la anga la 0.6m. Kwa kuzingatia viwango hivi, samaki wa 0.175° × 0.175° waliundwa kwa eneo letu la utafiti ili kuwezesha vifurushi vya saizi ndogo kwa upakuaji, na jumla ya samaki 10,033 walitumika kufunika eneo zima la utafiti. Idadi halisi ya samaki waliopakuliwa ilikuwa ndogo zaidi, 5921, kwa sababu mbili. Kwanza, kwani sehemu kubwa ya eneo la utafiti linajumuisha maeneo ya makazi yasiyo ya binadamu ambapo hakuna majengo, tuliacha kwa hiari samaki bila pikseli za eneo lililojengwa kutoka kwa bidhaa ya matumizi ya ardhi ya Dunia ya ESA. Pili, miji/wilaya ambazo data ya paa za majengo zilizo na vector (yaani, Lhasa, Shannan, Kunming, Xining, Haidong, Zhangye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong, na Yuxi) zimepatikana katika data ya eneo la paa za majengo zenye vector kwa miji 90 nchini China  pia ziliachwa. Picha zilipakuliwa kati ya Septemba 2022 na Januari 2023, na azimio la 0.6m, saizi ya fremu moja ya takriban 3 GB, na jumla ya saizi ya 2.72 TB. Picha zilizopakuliwa zilichukuliwa hasa kutoka 2019 hadi 2021, lakini picha kutoka maeneo mbali mbali zinaweza kuwa zimechukuliwa mapema kama 2001 (Mchoro  ). 13 3    Samaki kwa upakuaji wa picha na wakati wa upigaji picha. Data Saidizi Data yetu saidizi ilijumuisha ramani za matumizi ya ardhi yenye azimio la juu, mfumo wa dijiti wa mwinuko (DEM), index ya tofauti ya mimea (NDVI), na data ya usambazaji wa idadi ya watu kwa uchanganuzi wa nguzo unaofuata kwa lengo la sampuli (Jedwali  ). 1 Kwa matumizi ya ardhi na eneo lililojengwa, bidhaa ya World Cover ya ESA kutoka Zanaga  .  ilicguliwa kutoka Zenodo ( ). Bidhaa hiyo ilitengenezwa kulingana na picha za setilaiti za Sentinel 1 na Sentinel 2 kwa mwaka mzima wa 2020 na sampuli ya maeneo 141,000 ya kipekee yaliyosambazwa duniani kote, iliyofunzwa na algorithm ya random forest, ili kuwakilisha matumizi ya ardhi duniani kwa 2020; ina faida katika kuwakilisha vipengele vya mandhari kwa kina (k.m., maeneo yaliyojengwa na mandhari tata za kilimo), kwani inazingatia kitengo cha chini cha ramani kinachohusika . Kategoria ya "iliyojengwa" katika seti ya data inarejelea ardhi iliyofunikwa na majengo, barabara, na miundo mingine ya binadamu (k.m., reli) lakini haijumuishi nafasi za kijani za mijini (k.m., mbuga na vifaa vya michezo), amana za taka, na maeneo ya uchimbaji . et al 17 https://zenodo.org/records/5571936 51 17 Data ya DEM ya mita 1km na data ya NDVI zilipatikana kutoka Kituo cha Data cha Sayansi na Mazingira, Taasisi ya Jiografia na Rasilimali, Chuo Kikuu cha Sayansi cha China ( ). Data ya DEM imefanyiwa upya kutoka kwa data ya hivi karibuni ya SRTM V4.1 ( ), na data ya NDVI imejumuishwa kulingana na bidhaa za SPOT/VEGETATION PROBA-V za mita 1km ( ). Tulichagua data ya NDVI ya 2021 kuwakilisha mimea kwenye Plateau ya Qinghai-T https://www.resdc.cn/Default.aspx https://www.resdc.cn/data.aspx?DATAID=123 http://www.vito-eodata.be

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

Sauti hii imetolewa katika lugha asilia ya hadithi!

AI Inafanya Ramani ya Majengo Milioni 13 katika Moja ya Mikoa Iliyotengwa Zaidi Duniani

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

Speed up Swift compile time

A PENDENT WORLD

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Details of the Aerial Voyage.—Kennedy silenced

Speed up Swift compile time

A PENDENT WORLD

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Details of the Aerial Voyage.—Kennedy silenced

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps