
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Waandishi: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Muhtasari Data kubwa ya usahihi wa hali ya juu ya usambazaji wa majengo ni msingi muhimu kwa upangaji wa miji wa kikanda na ugawaji wa rasilimali na utafiti wa hatari za majanga. Jukwaa la Qinghai-Tibet ni nguzo ya tatu ya ulimwengu. Ingawa kuelewa mwingiliano wa binadamu na mazingira katika Jukwaa la Qinghai-Tibet ni muhimu sana, hii imezuiliwa na uhaba wa data ya kiwango cha juu ya athari za majengo kutokana na ukubwa na ugeni wa eneo hilo. Katika utafiti huu, tulitoa picha za kwanza za paa za majengo zilizochorwa kwa mtindo wa vector wa Jukwaa la Qinghai-Tibet na maeneo yake yanayozunguka kwa kutumia picha za ubora wa juu za Google na algorithm ya uchimbaji wa kontua la jengo la jukwaa la AI Earth. Matokeo yetu yanajumuisha majengo milioni 13.09 yanayofunika 6092.7 km2, yaliyothibitishwa na jumla ya sampuli 250 x 1 km2 za majaribio. Data hiyo ilikuwa na usahihi wa jumla wa 87%, kukumbuka 91.9%, na alama ya F1 ya 64.8%, hivyo kutoa maelezo ya juu zaidi ya usambazaji wa majengo ya eneo la utafiti ikilinganishwa na CBRA. Kazi yetu ina uwezo mkubwa katika kuwezesha tathmini ya uwezekano wa masomo juu ya hatari za majanga katika eneo hili. Asili & Muhtasari Kuja kwa enzi ya kidijitali kumeongeza mahitaji ya data ya kuaminika kuhusu 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 , ikitumika kama dalili nzuri ya shughuli za binadamu. Katika miongo ya hivi karibuni, data ya usambazaji wa majengo imekuwa ikitumika sana katika ufuatiliaji wa maendeleo ya mijini na vijijini , , kuelewa athari za mijini kwenye usalama wa chakula, bayodiversity, mabadiliko ya hali ya hewa, na ustawi wa umma na afya , , kuunda mikakati ya maendeleo ya kikanda, na kulinda mifumo ya ikolojia ya mijini na vijijini , , . 1 2 3 4 5 6 7 8 9 10 11 Maendeleo ya picha za satelaiti na za angani, pamoja na maendeleo ya hivi karibuni katika algoriti za mashine na akili bandia, yameongeza upatikanaji wa data ya usambazaji wa majengo , , . Data ya usambazaji wa majengo imetolewa kwa mfumo wa raster kama sehemu ya data ya matumizi/huduma ya ardhi. Toleo la kisasa zaidi linajumuisha bidhaa tatu za matumizi/huduma ya ardhi ya kimataifa yenye azimio la 10m kulingana na satelaiti za Sentinel, yaani Dynamic World (DW) ya Google , Esri’s 2020 Land Cover , na World Cover 2020 (WC) ya Shirika la Anga la Ulaya (ESA) . Mbali na habari ya usambazaji wa anga, watafiti pia wanajaribu kuongeza habari ya sifa kwa pikseli za jengo, kama vile urefu wa jengo . Kwa mfano, He  .  walitumia data mbalimbali za picha za mbali za chanzo cha pamoja ili kujenga seti ya data ya kwanza duniani ya pande tatu ya upanuzi wa mijini yenye azimio la 30m inayofunika kipindi cha 1990 hadi 2010. Pamoja na uboreshaji unaoendelea wa azimio la anga, data ya usambazaji wa majengo ya mfumo wa raster bado haiwezi kuelezea vitu vya anga , na kuongeza azimio huongeza kwa kiasi kikubwa gharama za hifadhi na kompyuta . 12 13 14 15 16 17 14 et al 7 18 12 Data ya usambazaji wa majengo katika mfumo wa vector, pia inajulikana kama paa za majengo za vector au nyayo za majengo, ni data ya nje ya jengo iliyoonekana kutoka juu , , ambayo hutoa habari kama vile eneo la kijiografia, upana wa anga wa mipaka, na nyayo za jengo moja. Watoa huduma za umma (k.m., Google Earth na OpenStreetMap) hutoa data ya paa za majengo za vector zinazopatikana kwa umma na chanjo pana, masasisho ya haraka, na gharama nafuu , , . Mnamo 2022, Microsoft Corporation ilitumia utambuzi wa kina wa mtandao wa neva kutoa muhtasari wa majengo milioni 777, baadhi yao yakijumuisha 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. Mnamo Mei 30, 2023, Google ilitoa seti ya data ya muhtasari wa majengo bilioni 1.8 iliyotolewa kutoka kwa picha za satelaiti zenye azimio la juu la 0.5m, ikifunika eneo la milioni 60 km2. Upungufu mdogo na muundo thabiti wa data ya vector iliyoonyeshwa na vertices na njia hutoa usahihi wa juu wa kijiografia huru kutoka kwa saizi ya mesh, na kuanzishwa kwa sheria za topografia huongeza zaidi uadilifu wa data ya vector . 19 20 21 22 23 13 Kutokana na kuongezeka kwa azimio la picha na kupungua kwa gharama za upatikanaji wa data, pamoja na maendeleo ya hivi karibuni katika algoriti za uchimbaji, azimio na chanjo ya data ya usambazaji wa majengo inaendelea kuboreshwa . Uhalali wa picha za azimio la juu sana (VHR) umeanzisha uchimbaji wa nyayo za majengo kwa kutumia mbinu za jadi za vipengele vilivyochorwa kwa mkono  au mbinu za msingi wa akili bandia . Kwani njia ya kwanza inakabiliwa na changamoto ya utofauti wa mwonekano na saizi za majengo, na sheria ngumu za dhana na mipangilio ya kizingiti, imezuiwa inapotumika kwa picha za mbali za kiwango kikubwa cha azimio la juu . Mbinu za msingi wa akili bandia (k.m., mitandao ya neva inayopishana) zimeonyesha utendaji mzuri na bora katika kujifunza kiotomatiki vipengele vya kiwango cha juu na vya kutofautisha katika utambuzi wa pazia la majengo. Sun  .  walipendekeza mkakati wa mchanganyiko kulingana na mashine sambamba za akili ili kutumia kikamilifu vipengele vya kina vilivyotolewa kutoka kwa miundo ya mtandao wa neva unaopishana wa kiwango mbalimbali kwa viwango tofauti, na utendaji bora katika kuchimba majengo magumu katika maeneo ya mijini. Hata hivyo, wakati wa kutambua majengo, usahihi wa mfumo huenda unazuiwa na ubora wa sampuli za mafunzo, na kufanya upanuzi kuwa mgumu. Matumizi duni ya maana za kiwango cha juu na kuachwa kwa maelezo ya kiwango cha chini katika mifumo ya kina, na kusababisha kutokuwa na uhakika wa kingo na kuachwa kwa majengo madogo, pia kunazuia matumizi ya akili bandia katika uchimbaji wa nyayo za majengo. 24 25 13 26 et al 27 Eneo la Jukwaa la Qinghai-Tibet ni eneo la juu zaidi duniani, na wastani wa urefu wa zaidi ya mita 4000 juu ya usawa wa bahari, na linachukua eneo la milioni 2.5 km2  . Zaidi ya watu milioni 10 wanaishi katika eneo hilo licha ya hali yake mbaya ya hali ya hewa, baridi na vipindi virefu vya baridi, tofauti kubwa za kila mwaka na za kila siku za joto, na mazingira duni ya ndani ya joto. Ingawa eneo hili ni kizuizi kikubwa cha ikolojia nchini China , shughuli za binadamu zimeathiri sana mazingira yake maridadi . Eneo hili pia hukabiliwa na majanga mengi, na matetemeko ya ardhi, maporomoko ya ardhi, maporomoko ya matope, mafuriko ya kutoka kwa mabwawa ya barafu, na majanga ya theluji yakisababisha hasara za vifo na mali , , . Kwa kujibu, data sahihi za usambazaji wa majengo ni muhimu kwa kuunda usambazaji wa shughuli za binadamu kwa utafiti wa pamoja wa binadamu na mazingira , , pamoja na tathmini ya uwezekano 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 ukusanyaji wa nishati ya jua kama vile paa na maeneo wazi , . Data ya usambazaji wa majengo ya vijijini yenye azimio la juu inaweza kutoa hifadhidata ya kuaminika kwa kutathmini uwezekano wa jua na kuboresha kwa ufanisi kiwango cha maisha cha wanaoishi katika maeneo ya vijijini , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Kama eneo lisiloendelezwa, Jukwaa la Qinghai-Tibet na maeneo yake jirani bado havina seti kamili ya data za paa za majengo za vector zenye usahihi wa juu, kutokana na eneo lao kubwa, usambazaji wa majengo uliojumuika, eneo la mbali, na vikwazo vya rasilimali. Data zinazopatikana kwa urahisi ni zile zinazotolewa kwa kiwango cha kitaifa cha China, ambazo zinajumuisha data ya eneo la paa za majengo ya China yenye azimio la 2.5m (CBRA, Liu  ., 2023b) na ramani ya kwanza ya kitaifa ya matumizi ya ardhi ya China yenye azimio la 1m (SinoLC) ambayo inajumuisha aina za majengo . Data hizi za mfumo wa raster haziwezi kuelezea vitu vya anga na zinahitaji rasilimali kubwa za hifadhi. Data ya eneo la paa za vector kwa miji 90 mikuu nchini China iliyotolewa na Zhang  .  iliongeza pengo hili kwa sehemu; hata hivyo, miji 14 tu katika Jukwaa la Qinghai-Tibet ilijumuishwa katika seti hii ya data, na data za paa za majengo za vector bado hazipo kwa eneo la milioni 2 km2. et al 42 et al 13 Kwa hivyo, utafiti huu unalenga kutoa picha za paa za majengo za vector za Jukwaa la Qinghai-Tibet na mikoa yake jirani kwa kujumuisha picha za satelaiti zenye azimio la juu na algorithm ya akili bandia. Seti yetu ya data ilithibitishwa kwa kutumia sampuli za majaribio zinazojumuisha gridi za 250 x 1 km2 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 kutoa seti ya data ya paa za majengo za vector kwa Jukwaa la Qinghai-Tibet na mkoa wake jirani nchini China (Mchoro  ). Vipengele vikuu vya mfumo wetu vilijumuisha: (1) utayarishaji na uandaaji awali wa data ya satelaiti na data saidizi; (2) uchimbaji wa paa za majengo za vector kwa kutumia jukwaa la AI Earth; (3) uthibitishaji kwa kutumia data ya paa zilizochorwa kwa mkono. 1    Mfumo wa uchimbaji na uthibitishaji wa paa za majengo. Eneo la utafiti Utafiti huu ulilenga zaidi Jukwaa la Qinghai-Tibet na mikoa yake jirani kusini magharibi mwa China chini ya mfumo mkuu wa Mpango wa Pili wa Utafiti na Sayansi wa Jukwaa la Tibet ; kiutafiti, unajumuisha Mkoa unaojiendesha wa Tibet, Majimbo ya Qinghai, magharibi mwa Mkoa wa Yunnan, magharibi mwa Mkoa wa Sichuan, kusini magharibi mwa Mkoa wa Gansu, na kusini mwa Mkoa unaojiendesha wa Xinjiang. Wastani wa urefu wa eneo la utafiti ni mita 4000 juu ya usawa wa bahari. Usambazaji wa idadi ya watu na majengo katika eneo la utafiti unaathiriwa sana na urefu na hali ya hewa (Mchoro  ), na kujikita zaidi mashariki mwa mstari kutoka Kaunti ya Jilong huko Tibet hadi Kaunti ya Qilian huko Qinghai ; mashariki, zinajumuika kwa wingi katika maeneo tambarare yaliyo kwenye ukingo wa mashariki wa 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 jukwaa magharibi mwa mstari, idadi ya watu na majengo kwa kiasi kikubwa hujumuika na maeneo madogo ya kilimo-uchungaji kando ya mabonde makuu ya mto, na kando ya njia za usafiri za barabara. 43 2 44    Eneo la utafiti (data ya idadi ya watu inatoka LandScan; DEM kutoka Kituo cha Data cha Rasilimali na Mazingira). Picha za satelaiti Data za picha za satelaiti za azimio la juu zinazopatikana kwa umma zilipatikana kutoka Rivermap Co. ( ), ambazo zilipatikana kutoka kwa ushirikiano wa picha za satelaiti na data za angani za Google Earth. Kati ya hizi, picha za satelaiti zilitoka hasa kwa satelaiti za kibiashara za DigitalGlobe’s QuickBird na WorldView, na upigaji picha za anga ulitoka BlueSky nchini Uingereza na Sanbornnchini Marekani . Kwa kila eneo, kulikuwa na makusanyo ya picha mbalimbali zenye azimio la hadi 0.15 m katika maeneo yaliyobainishwa. Ushirikiano wa data kama hiyo umekuwa ukilenga utambuzi wa vitu katika mandhari tata , , ,  na ina uwezo wa ramani ya kiwango kikubwa cha azimio la juu cha aina za vitu . http://www.rivermap.cn/index.html 45 46 47 48 49 50 Jumla ya eneo la eneo letu la utafiti ni milioni 3.06 km2, na saizi iliyokadiriwa ya data ya picha za satelaiti ni 29.4 TB, na azimio la anga la 0.6 m. Kwa kuzingatia viwango hivi, 0.175° x 0.175° fishnets ziliundwa kwa eneo letu la utafiti ili kuwezesha vifurushi vidogo kwa ajili ya upakuaji, na jumla ya fishnets 10,033 zilitumika kufunika eneo lote la utafiti. Idadi halisi ya fishnets zilizopakuliwa ilikuwa ndogo zaidi ya 5921 kwa sababu mbili. Kwanza, kwani sehemu kubwa ya eneo la utafiti inajumuisha maeneo yasiyo ya makazi ya binadamu ambapo majengo hayapo, tuliondoa kiholela fishnets bila pikseli za eneo lililojengwa kutoka kwa bidhaa ya ESA World Cover. Pili, miji/wilaya ambazo data za paa za 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 vector kwa miji 90 nchini China  pia ziliondolewa. Picha zilipakuliwa kati ya Septemba 2022 na Januari 2023, kwa azimio la 0.6 m, saizi ya fremu moja ya takriban GB 3, na jumla ya saizi ya 2.72 TB. Picha zilizopakuliwa zilikuwa hasa kutoka 2019 hadi 2021, lakini picha kutoka maeneo ya mbali huenda zilichukuliwa mapema kama 2001 (Mchoro  ). 13 3    Fishnets kwa upakuaji wa picha na wakati wa kupigwa kwa picha. Data saidizi Data zetu saidizi zilijumuisha ramani za matumizi ya ardhi yenye azimio la juu, mfumo wa kielelezo cha urefu (DEM), index ya tofauti ya mimea (NDVI), na data ya usambazaji wa idadi ya watu kwa uchambuzi wa nguzo unaofuata kwa ajili ya sampuli (Jedwali  ). 1 Kwa matumizi ya ardhi na eneo lililojengwa, bidhaa ya ESA’s World Cover kutoka Zanaga  .  ilitolewa kutoka Zenodo ( ). Bidhaa hiyo ilitengenezwa kwa kuzingatia picha za satelaiti za Sentinel 1 na Sentinel 2 kwa mwaka mzima wa 2020 na sampuli ya maeneo 141,000 ya kipekee yaliyotawanywa duniani kote, ikifunzwa na algorithm ya random forest, kuwakilisha matumizi ya ardhi duniani kwa mwaka 2020; ina faida katika kuwakilisha vipengele vya mandhari ya kiwango duni (k.m., maeneo yaliyojengwa na mandhari ngumu ya kilimo), kwani inazingatia kitengo cha chini cha ramani . Kitengo cha "kilichojengwa" katika seti ya data kinamaanisha ardhi iliyofunikwa na majengo, barabara, na miundo mingine iliyotengenezwa na binadamu (k.m., reli) lakini haijumuishi maeneo ya kijani kibichi ya mijini (k.m., michezo na vifaa vya michezo), amana za taka, na maeneo ya uchimbaji madini . et al 17 https://zenodo.org/records/5571936 51 17 Data ya DEM ya 1km na data ya NDVI zilipatikana kutoka Kituo cha Data cha Rasilimali na Mazingira, Taasisi ya Jiografia na Rasilimali, Chuo Kikuu cha Sayansi cha China ( ). Data ya DEM imerejeshwa kutoka kwa data mpya zaidi ya SRTM V4.1 ( ), na data ya NDVI imejumuishwa kulingana na bidhaa za SPOT/VEGETATION PROBA-V 1km ( ). Tulichagua data ya NDVI ya 2021 kuwakilisha mimea kwenye 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 Inafungua Milioni 13 za Majengo katika Moja ya Mikoa ya Mbali Zaidi Duniani

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

Details of the Aerial Voyage.—Kennedy silenced

Master Crypto Security: Your Complete Guide to Safe Wallet Management

Sweet Security Unveils First Unified Detection And Response Platform

Speed up Swift compile time

Details of the Aerial Voyage.—Kennedy silenced

Master Crypto Security: Your Complete Guide to Safe Wallet Management

Sweet Security Unveils First Unified Detection And Response Platform

Speed up Swift compile time

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps