
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Mualliflar: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Abstrakt Quyosh-Tibet platosi va uning atrofidagi hududlar uchun vektorlashtirilgan bino tom qoplamalari maʼlumotlari - bu dunyoning uchinchi qutbi boʻlgan bu hududdagi inson-linglik-atrof-muhit oʻzaro taʼsirini tushunish uchun muhim asosdir. Ushbu tadqiqotda biz yuqori aniqlikdagi Google imidjidan va AI Earth platformasining bino konturini aniqlash algoritmidan foydalanib, Quyosh-Tibet platosi va uning atroflari uchun birinchi vektorlashtirilgan bino tom qoplamalarini yaratdik. Bizning natijalarimiz 6092,7 km² maydonni qamrab oluvchi 13,09 million binoni oʻz ichiga oladi, bu 250 × 1 km² hajmdagi sinov namunalar bilan tasdiqlangan. Maʼlumotlar umumiy aniqligi 87%, qayta chaqiruv 91,9% va F1 reytingi 64,8% ni tashkil etdi, shu bilan CBRA bilan taqqoslaganda tadqiqot hududining bino taqsimotini ilgʻor tavsifini taqdim etdi. Ishimiz ushbu hududdagi tabiiy ofatlar xavfini oʻrganish uchun taʼsirni baholashni osonlashtirish uchun katta salohiyatga ega. Fon va Xulosa Raqamli davrning paydo boʻlishi binolarning taqsimoti va atributlari toʻgʻrisida ishonchli maʼlumotlarga boʻlgan talabni oshirdi , , . Bino taqsimoti maʼlumotlari nafaqat binolar, balki aholi va moddiy boyliklar toʻgʻrisida ham muhim fazoviy maʼlumotlarni taqdim etadi , inson faoliyatining yaxshi koʻrsatkichi sifatida xizmat qiladi. Soʻnggi oʻn yilliklarda bino taqsimoti maʼlumotlari shahar va qishloq rivojlanishini monitoring qilishda keng qoʻllanilgan , , urbanizatsiyaning oziq-ovqat xavfsizligi, biomגוanlik, iqlim oʻzgarishi hamda jamoat farovonligi va salomatligiga taʼsirini tushunish , , mintaqaviy rivojlanish strategiyalarini shakllantirish va shahar hamda qishloq ekotizimlarini himoya qilishda , , . 1 2 3 4 5 6 7 8 9 10 11 Sunʼiy yoʻldosh va havo tasvirchiligi, mashinani oʻrganish va chuqur oʻrganish algoritmlaridagi soʻnggi yutuqlar bino taqsimoti maʼlumotlarining mavjudligini oshirdi , , . Bino taqsimoti maʼlumotlari qatlamli foydalanish/qoplam maʼlumotlarining bir qismi sifatida qatlamli formatda taqdim etilgan. Eng soʻnggi nashr Sentinel sunʼiy yoʻldoshlariga asoslangan uchta 10 metrlik global qatlam foydalanish/qoplam mahsulotlarini oʻz ichiga oladi, yaʼni Google’ning Dinamik Dunyo (DW) , Esri’ning 2020-yilgi Qoplam , va Yevropa Kosmik Agentligining (ESA) World Cover 2020 (WC) . Fazoviy taqsimot maʼlumotlaridan tashqari, tadqiqotchilar bino piksellariga balandlik  kabi atribut maʼlumotlarini ham qoʻshishga harakat qilmoqdalar. Masalan, Xe  .  1990-yildan 2010-yilgacha boʻlgan davrni qamrab olgan dunyodagi birinchi 30 metrlik oʻlchamdagi shahar uch oʻlchamli fazoviy va vaqtinchalik kengayish maʼlumotlarini yaratish uchun koʻp manbali masofaviy zondlash maʼlumotlarini birlashtirdi. Fazoviy oʻlchamning doimiy yaxshilanishiga qaramay, qatlamli binolarning taqsimoti maʼlumotlari hali ham fazoviy obʼektlarni tasvirlay olmaydi , va oʻlchamni oshirish saqlash va hisoblash xarajatlarini sezilarli darajada oshiradi . 12 13 14 15 16 17 14 va boshqalar 7 18 12 Vektor formatidagi bino taqsimoti maʼlumotlari, shuningdek, vektorlashtirilgan bino tom qoplamalari yoki bino izlari sifatida ham tanilgan, bu binoning yerga tushirilgan va yuqoridan koʻrinishidagi chegaralarining tashqi kontur maʼlumotlari , , bu maʼlumotlar geografik joylashuvi, chegaralarning fazoviy hajmi va alohida binoning izi kabi maʼlumotlarni taqdim etadi. Ochiq xizmat koʻrsatuvchi provayderlar (masalan., Google Earth va OpenStreetMap) keng qamrovli, tez yangilanish va arzon narxdagi ochiq kirish imkoniyatiga ega boʻlgan vektorlashtirilgan bino tom maʼlumotlarini taqdim etadilar , , . 2022-yilda Microsoft korporatsiyasi chuqur neyron tarmoqlarga asoslangan semantik segmentatsiya yordamida 2014-yildan 2021-yilgacha boʻlgan davrda Xitoydan tashqari har bir qitʼa uchun Bing Xaritalar (Maxar va Airbus imidjlarini oʻz ichiga olgan) asosida 777 million binoning konturlarini aniqladi. 2023-yil 30-mayda Google 0,5 metrlik yuqori aniqlikdagi sunʼiy yoʻldosh imidjlaridan aniqlangan 1,8 milliard bino konturlari maʼlumotlar toʻplamini chiqardi, bu 58 million km² hududni qamrab oladi. Nuqtalar va yoʻllar bilan ifodalangan vektor maʼlumotlarining past takrorlanishi va ixcham tuzilishi toʻr oʻlchamidan qatʼi nazar, yuqori geografik aniqlikni taʼminlaydi va topologik qoidalarning kiritilishi vektor maʼlumotlarining yaxlitligini yanada oshiradi . 19 20 21 22 23 13 Imidj oʻlchamining oshishi va maʼlumotlarni olish xarajatlarining kamayishi, shuningdek, aniqlash algoritmlaridagi soʻnggi yutuqlar tufayli, bino taqsimoti maʼlumotlarining oʻlchami va qamrov darajasi doimiy ravishda yaxshilanmoqda . Juda yuqori oʻlchamli (VHR) imidjlarning oʻtkazuvchanligi anʼanaviy qoʻlda ishlangan xususiyatlarga asoslangan usullar  yoki chuqur oʻrganishga asoslangan usullar  yordamida bino izlarini aniqlash imkonini berdi. Birinchi yondashuv binolarning tashqi koʻrinishi va oʻlchamlarining xilma-xilligi hamda qiyin qoidalar va chegaralarni sozlash muammolari bilan duch kelganligi sababli, katta miqyosdagi yuqori aniqlikdagi masofaviy zondlash imidjlariga qoʻllanilganda cheklangan . Chuqur oʻrganishga asoslangan usullar (masalan., konvolyutsion neyron tarmoqlar) bino sahnasini segmentatsiya qilishda yuqori darajali va diskriminativ xususiyatlarni avtomatik ravishda oʻrganishda samarali va ustun natijalarni koʻrsatdi. Sun  .  turli oʻlchamlarda koʻp oʻlchamli konvolyutsion neyron tarmoq tuzilmalaridan olingan chuqur xususiyatlardan toʻliq foydalanish uchun parallel qoʻllab-quvvatlovchi vektor mashinalariga asoslangan birlashtirish strategiyasini taklif qildi, bu esa shahar hududlaridagi murakkab binolarni aniqlashda ustun natijalarga erishdi. Shunga qaramay, binolarni segmentatsiya qilishda, modelning aniqligi oʻquv namunalari sifatidan cheklanishi mumkin, bu esa ekstrapolyatsiyani qiyinlashtiradi. Chuqur modellarida yuqori darajadagi semantika yetarli darajada ishlatilmagani va past darajadagi tafsilotlar eʼtibordan chetda qolishi, bu esa qirralarning xiralashishi va kichik binolarning oʻtkazib yuborilishiga olib keladi, shuningdek, chuqur oʻrganishning bino izlarini aniqlashdagi qoʻllanilishiga toʻsiq boʻladi. 24 25 13 26 va boshqalar 27 Quyosh-Tibet platosi hududi dunyodagi eng baland joy boʻlib, oʻrtacha balandligi dengiz sathidan 4000 metrdan ortiq va 2,5 million km² maydonni egallaydi  . Qattiq iqlim, sovuq va uzun qishlar, katta yillik va sutkalik harorat farqlari hamda yomon ichki termal muhitlarga qaramay, ushbu hududda 10 milliondan ortiq aholi istiqomat qiladi. Ushbu hudud Xitoyning eng katta ekologik toʻsigʻi boʻlsa-da , inson faoliyati uning zaif ekologik muhitiga sezilarli taʼsir koʻrsatdi . Ushbu hudud, shuningdek, zilzilalar, koʻchki, loy oqimlari, muzlik koʻlining portlashi va qor falokatlari qurbonlar va mulkiy yoʻqotishlarga olib keladigan ofatlarga moyil , , . Bunga javoban, inson-atrof-muhit boʻyicha qoʻshma tadqiqotlar ,  hamda tabiiy ofatlar uchun taʼsir va xavf tahlili ,  uchun inson faoliyati taqsimotini modellashtirish uchun aniq bino taqsimoti maʼlumotlari juda muhimdir. Bundan tashqari, bu hudud uzoq quyoshli soatlarga, quyosh energiyasining koʻpligiga va tom qoplamalari va ochiq joylar kabi etarli quyosh energiyasini yigʻish yuzalariga ega , . Yuqori aniqlikdagi qishloq bino taqsimoti maʼlumotlari fotoelektr salohiyatini baholash va qishloq joylarida yashovchilarning turmush darajasini samarali yaxshilash uchun ishonchli maʼlumotlar bazasini taqdim etishi mumkin , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Kam rivojlangan hudud sifatida Quyosh-Tibet platosi va uning qoʻshni hududlari hali ham ularning katta maydoni, binolarning siyrak taqsimoti, olis joylashuvi va resurs cheklovlari tufayli toʻliq yuqori aniqlikdagi vektorlashtirilgan bino tom maʼlumotlariga ega emas. Eng tayyor maʼlumotlar Xitoyning milliy miqyosida taqdim etilganlaridir, ular 2,5 metrlik Xitoy Bino Tom Maydoni maʼlumotlarini (CBRA, Liu  ., 2023b) va 1 metrlik oʻlchamdagi Xitoyning birinchi milliy qoplam xaritasini (SinoLC) oʻz ichiga oladi, bu binolar toifalarini oʻz ichiga oladi . Ushbu qatlamli maʼlumotlar fazoviy obʼektlarni tasvirlay olmaydi va katta saqlash resurslarini talab qiladi. Zhang  .  tomonidan taqdim etilgan Xitoyning 90 ta yirik shahri uchun vektorlashtirilgan tom maydoni maʼlumotlari ushbu boʻshliqni qisman toʻldirdi; ammo, ushbu maʼlumotlar toʻplamiga Quyosh-Tibet platosidagi faqat 14 ta shahar kiritilgan va 2 million km² maydon uchun vektorlashtirilgan bino tom maʼlumotlari hali ham mavjud emas. va boshqalar 42 va boshqalar 13 Shu sababli, ushbu tadqiqotning maqsadi yuqori aniqlikdagi sunʼiy yoʻldosh imidjlaridan va chuqur oʻrganish algoritmidan foydalangan holda Quyosh-Tibet platosi va uning qoʻshni hududlari uchun vektorlashtirilgan bino tom izlarini yaratishdir. Bizning maʼlumotlarimiz 91,92% umumiy aniqlik va 64,81% F1 reytingiga erishgan holda, turli kichik hududlar boʻylab 250 × 1 km² panjaralardan iborat sinov namunalaridan foydalangan holda tasdiqlandi. Metodlar Doira Ushbu tadqiqotda biz Quyosh-Tibet platosi va Xitoyning qoʻshni hududi uchun vektorlashtirilgan bino tom maʼlumotlarini yaratish uchun AI Earth platformasidagi bino aniqlash algoritmidan foydalandik (1-rasm). Doiramizning asosiy qismlari quyidagilarni oʻz ichiga oladi: (1) sunʼiy yoʻldosh maʼlumotlari va yordamchi maʼlumotlarni tayyorlash va dastlabki ishlov berish; (2) AI Earth platformasidan foydalangan holda vektorlashtirilgan bino tom aniqlash; (3) qoʻlda vektorlashtirilgan tom maʼlumotlaridan foydalangan holda tasdiqlash.    Bino tom aniqlash va tasdiqlash doirasi. Tadqiqot hududi Ushbu tadqiqot asosan Quyosh-Tibet platosi va janubi-gʻarbiy Xitoyning qoʻshni hududlariga ikkinchi Tibet platosi ilmiy ekspeditsiyasi va tadqiqot dasturi doirasida  qaratilgan; geografik jihatdan, u Tibet avtonom viloyati, Qinghai viloyatlari, Yunnan viloyatining gʻarbiy qismi, Sichuan viloyatining gʻarbiy qismi, Gansu viloyatining janubi-gʻarbiy qismi va Sintszyan-Uygʻur avtonom viloyatining janubini oʻz ichiga oladi. Tadqiqot hududining oʻrtacha balandligi dengiz sathidan 4000 metrni tashkil qiladi. Hududdagi aholi va binolarning taqsimoti balandlik va iqlim taʼsirida sezilarli darajada oʻzgaradi (2-rasm) , asosan Jilong okrugidan (Tibet) Qilian okrugigacha (Qinghai) boʻlgan chiziqning sharqida joylashgan ; sharqda ular mintaqaning sharqiy chekkasidagi tekisliklarda, jumladan, Yunnan provintsiyasi, Sichuan provintsiyasining gʻarbiy qismidagi daryo vodiylari va Siyan-Lanzhou sariq daryo havzasida zich joylashgan. Chiziqning gʻarbidagi plato yuzasida aholi va binolar asosan cheklangan qishloq xoʻjaligi va chorvachilik hududlarida, yirik daryo vodiylari boʻylab va yoʻl transport yoʻlaklari boʻylab joylashgan. 43 2 44    Tadqiqot hududi (aholi maʼlumotlari LandScan’dan; DEM Resurs va atrof-muhit fanlari va maʼlumotlar markazidan olingan). Sunʼiy yoʻldosh imidji Rivermap Co. kompaniyasidan ochiq kirish imkoniyatiga ega yuqori aniqlikdagi sunʼiy yoʻldosh imidji maʼlumotlari olindi ( ), ular Google Earth’ning sunʼiy yoʻldosh imidj va havo maʼlumotlarini integratsiyalashuvi natijasida olingan. Ular orasida, sunʼiy yoʻldosh imidjlari asosan DigitalGlobe’ning QuickBird va WorldView tijoriy sunʼiy yoʻldoshlaridan olingan, havo suratga olish esa Buyuk Britaniyaning BlueSky va AQShning Sanborn kompaniyalaridan olingan . Har bir joy uchun mahalliy hududlarda 0,15 m gacha boʻlgan aniqlikka ega boʻlgan bir nechta imidjlar toʻplamlari mavjud edi. Bunday maʼlumotlarni integratsiyalash murakkab sahnalarda obʼektlarni aniqlash uchun keng qoʻllanilgan , , ,  va obʼekt turlarining keng miqyosli yuqori aniqlikdagi xaritasini yaratish salohiyatiga ega . http://www.rivermap.cn/index.html 45 46 47 48 49 50 Tadqiqot hududimizning umumiy maydoni 3,06 million km² ni tashkil qiladi va sunʼiy yoʻldosh imidji maʼlumotlarining taxminiy hajmi 29,4 TB, fazoviy aniqligi esa 0,6 m. Ushbu oʻlchamlarni hisobga olgan holda, 0,175° × 0,175° panjaralar tadqiqot hududimiz uchun kichikroq oʻlchamdagi paketlarni yuklab olish uchun yaratilgan, bu esa butun tadqiqot hududini qoplash uchun jami 10 033 ta panjara ishlatilgan. Yuklab olingan panjaralarning haqiqiy soni 5921 tani tashkil etdi, buning ikki sababi bor. Birinchidan, tadqiqot hududining katta qismi inson yashamaydigan hududlardan iborat boʻlganligi sababli, biz ESA World Cover mahsulotidagi har qanday qurilish maydoniga ega boʻlmagan panjaralarni ixtiyoriy ravishda chiqardik. Ikkinchidan, Xitoyning 90 ta shahri uchun vektorlashtirilgan tom maydoni maʼlumotlarida allaqachon mavjud boʻlgan shaharlar/viloyatlar (yaʼni, Lhasa, Shannan, Kunming, Siyan, Xaydon, Chjanʼye, Baiyin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Zhaotong va Yuxi)  ham chiqarib tashlandi. Imidjlar 2022-yil sentyabr oyidan 2023-yil yanvar oyigacha yuklab olindi, aniqligi 0,6 m, bitta kadr oʻlchami taxminan 3 GB va umumiy hajmi 2,72 TB. Yuklab olingan imidjlar asosan 2019-yildan 2021-yilgacha olingan, ammo baʼzi olis hududlardagi imidjlar 2001-yil qadar eski boʻlishi mumkin (3-rasm) . 13 3    Imidjni yuklab olish va imidjni suratga olish vaqti uchun panjara. Yordamchi maʼlumotlar Bizning yordamchi maʼlumotlarimiz keyingi klaster tahlili uchun yuqori aniqlikdagi qoplam xaritalarini, raqamli balandlik modeli (DEM), normallashtirilgan farqlar vegetatsiya indeksi (NDVI) va aholi taqsimoti maʼlumotlarini oʻz ichiga oladi (1-jadval) . 1 Qoplam va qurilish maydoni uchun Zanaga  . tomonidan ESA’ning World Cover mahsuloti  Zenodo’dan ( ) olindi. Mahsulot 2020-yil uchun global qoplamni tasvirlash uchun tasodifiy oʻrmon algoritmi bilan oʻqitilgan butun dunyo boʻylab tarqalgan 141 000 ta noyob joy namunasiga asoslangan Sentinel 1 va Sentinel 2 sunʼiy yoʻldosh imidjlariga asoslangan holda yaratilgan; u qatlamli foydalanish elementlarini (masalan., qurilish maydonlari va murakkab qishloq xoʻjaligi landshaftlari) tasvirlash va boshqalar 17 https://zenodo.org/records/5571936

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

Ushbu audio hikoyaning asl tilida yaratilgan!

AI dunyodagi eng chekka mintaqalardan birida 13 million binoni xaritalaydi

About Author

IZOHLAR

TEGI QILISH

USHBU MAQOLA TAQDIM ETILGAN

Related Stories

Meet UzairaAdvisory, Startups of The Year 2024 Nominee

Meet UzairaAdvisory, Winner of Startups of The Year 2024 in Business

Meet Uzi World Digital, Winner of Startups of the year 2024 in Kolkata, West Bengal, India

Meet UzairaAdvisory, Startups of The Year 2024 Nominee

Meet UzairaAdvisory, Winner of Startups of The Year 2024 in Business

Meet Uzi World Digital, Winner of Startups of the year 2024 in Kolkata, West Bengal, India

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps