
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Mualliflar: 
 
 
 
 
 
 
 
 
 
 Tao Ye Hongyu Shan Jidong Wu Qiang Zhou Mingfu Ma Wenzhi Zhao Ru Ya Yuan Gao Lizheng Wu Abstrakt Qurilish ma'lumotlarining keng ko'lamli yuqori aniqlikdagi taqsimlanishi mintaqaviy shaharsozlik va resurslarni taqsimlash hamda tabiiy ofatlar xavfini tadqiq qilish uchun muhim asosdir. Chjan-Tszyan tog' platosi dunyoning uchinchi qutbi hisoblanadi. Chjan-Tszyan tog' platosida mahalliy inson-atrof-muhit o'zaro ta'sirini tushunish juda muhim bo'lsa-da, hududning ulkanligi va chekka joylashuvi tufayli yuqori aniqlikdagi qurilish izlari ma'lumotlarining etishmasligi bunga to'siq bo'ldi. Ushbu tadqiqotda biz Google'ning yuqori aniqlikdagi tasvirlari va AI Earth platformasining bino konturini aniqlash algoritmidan foydalangan holda Chjan-Tszyan tog' platosi va uning atrofidagi hududlarning birinchi vektorli qurilish tomlari izlarini yaratdik. Bizning natijalarimiz 13,09 million binoni o'z ichiga oladi, bu 6092,7 km2 hududni qamrab oladi, bu esa jami 250 × 1 km2 sinov namunasi bilan tasdiqlangan. Ma'lumotlar umumiy aniqligi 87%, tiklanish darajasi 91,9% va F1 balli 64,8%ni tashkil etdi, shu bilan CBRA bilan taqqoslaganda tadqiqot hududining qurilish taqsimotini ilg'or tavsifini taqdim etdi. Bizning ishimiz ushbu hududdagi tabiiy ofatlar xavfini tadqiq qilish uchun ta'sirni baholashni osonlashtirishda katta salohiyatga ega. Fon & Xulosa Raqamli davrning paydo bo'lishi ishonchli ma'lumotlarga bo'lgan talabni oshirdi , , . Binolarning taqsimlanishi to'g'risidagi ma'lumotlar nafaqat binolar, balki aholi va moddiy boyliklar to'g'risidagi muhim fazoviy ma'lumotlarni taqdim etadi , inson faolligining yaxshi ko'rsatkichi sifatida xizmat qiladi. So'nggi o'n yilliklarda binolarning taqsimlanishi to'g'risidagi ma'lumotlar urbanizatsiya va qishloq rivojlanishini monitoring qilishda keng qo'llanildi , , urbanizatsiyaning oziq-ovqat xavfsizligi, biomגוnlik, iqlim o'zgarishi hamda jamoat farovonligi va salomatligiga ta'sirini tushunish , , mintaqaviy rivojlanish strategiyalarini shakllantirish va urbanizatsiya hamda qishloq ekotizimlarini himoya qilish , , . 1 2 3 4 5 6 7 8 9 10 11 Sun'iy yo'ldosh va havodan olingan tasvirlarning rivojlanishi, mashinani o'rganish va chuqur o'rganish algoritmlaridagi so'nggi yutuqlar bilan birgalikda, binolarning taqsimlanishi to'g'risidagi ma'lumotlarning mavjudligini oshirdi , , . Binolarning taqsimlanishi to'g'risidagi ma'lumotlar yer yuzasidan foydalanish/qoplamali ma'lumotlar sifatida raster formatda taqdim etilgan. Eng so'nggi nashr Sentinel sun'iy yo'ldoshlariga asoslangan uchta 10 metrlik global yer yuzasidan foydalanish/qoplamali mahsulotlarni o'z ichiga oladi, ya'ni Google'ning Dinamik Dunyosi (DW) , Esri'ning 2020-yilgi Yer Qoplami  va Yevropa Kosmik Agentligi (ESA)ning World Cover 2020 (WC) . Fazoviy taqsimot ma'lumotlaridan tashqari, tadqiqotchilar bino piksellariga binoning balandligi kabi atribut ma'lumotlarini ham biriktirishga harakat qilmoqdalar . Misol uchun, He  .  1990-yildan 2010-yilgacha bo'lgan davrni qamrab oluvchi dunyodagi birinchi 30 metrlik global shahar uch o'lchovli fazoviy va vaqtinchalik tarqalish to'plamini yaratish uchun ko'p manbali masofaviy zondlash ma'lumotlarini birlashtirdi. Fazoviy aniqlikning doimiy yaxshilanishiga qaramay, rasterga asoslangan bino taqsimoti ma'lumotlari hali ham fazoviy ob'ektlarni tavsiflay olmaydi , va aniqlikni oshirish saqlash va hisoblash xarajatlarini sezilarli darajada oshiradi . 12 13 14 15 16 17 14 et al 7 18 12 Vektor formatidagi bino taqsimoti ma'lumotlari, shuningdek, vektorlashtirilgan bino tomlari yoki bino izlari deb nomlanadi, bu binoning yerga proektsiyasining tashqi ko'rinishi bo'lib, u yerga tushirilgan kontur ma'lumotlaridir , , bu bitta binoning geografik joylashuvi, fazoviy chegaralari va izlari kabi ma'lumotlarni taqdim etadi. Google Earth va OpenStreetMap kabi jamoat xizmati provayderlari keng qamrovli, tez yangilanadigan va arzon narxlardagi ochiq-erişuvchi vektorlashtirilgan bino tomlari ma'lumotlarini taqdim etadi , , . 2022-yilda Microsoft korporatsiyasi chuqur neyron tarmoqqa asoslangan semantik segmentatsiya yordamida 2014-yildan 2021-yilgacha bo'lgan Bing Xaritalar (Maxar va Airbus tasvirlarini o'z ichiga olgan) asosida Xitoydan tashqari har bir qit'a uchun 777 million binoning konturini aniqladi. 2023-yil 30-mayda Google 0,5 m yuqori aniqlikdagi sun'iy yo'ldosh tasvirlaridan olingan 1,8 milliard bino konturlari to'plamini chiqardi, bu 58 million km2 hududni qamrab oladi. Uchlar va yo'llar bilan ifodalangan vektor ma'lumotlarining kam takrorlanishi va ixcham tuzilishi to'r o'lchamidan qat'i nazar, yuqori geografik aniqlikni ta'minlaydi va topologik qoidalarni kiritish vektor ma'lumotlarining yaxlitligini yanada yaxshilaydi . 19 20 21 22 23 13 Tasvir aniqligining oshishi va ma'lumotlarni olish xarajatlarining kamayishi, shuningdek, aniqlash algoritmlaridagi so'nggi yutuqlar bilan bir qatorda, bino taqsimoti ma'lumotlarining aniqligi va qamrovi doimiy ravishda yaxshilanmoqda . Juda yuqori aniqlikdagi (VHR) tasvirlarning foydaliligi an'anaviy qo'lda yaratilgan xususiyatlarga asoslangan usullar  yoki chuqur o'rganishga asoslangan usullar  yordamida bino izlarini aniqlash imkonini berdi. Birinchi yondashuv binolarning ko'rinishlari va o'lchamlarining xilma-xilligi, hamda murakkab tajriba qoidalari va chegaralarni sozlash bilan bog'liq muammoga duch kelganligi sababli, u katta hajmdagi yuqori aniqlikdagi masofaviy zondlash tasvirlariga qo'llanilganda cheklangan . Chuqur o'rganishga asoslangan usullar (masalan, konvolyutsion neyron tarmoqlar) bino sahnasi segmentatsiyasida yuqori darajali va diskriminativ xususiyatlarni avtomatik ravishda o'rganishda samarali va ustun ko'rsatkichlarni namoyish etdi. Sun  .  turli xil shkalalarda ko'p o'lchamli konvolyutsion neyron tarmoq tuzilmalaridan olingan chuqur xususiyatlardan to'liq foydalanish uchun parallel qo'llab-quvvatlovchi vektor mashinalariga asoslangan birlashtirish strategiyasini taklif qildi, shahar hududlaridagi murakkab binolarni aniqlashda ustun ko'rsatkichlarga erishdi. Shunga qaramay, binolarni segmentlashda modelning aniqligi o'quv namunalari sifatidan cheklanishi mumkin, bu ekstrapolyatsiyani qiyinlashtiradi. Chuqur modellarda yuqori darajali semantika va past darajali tafsilotlarning etarli darajada ishlatilmasligi, natijada chekka chegaralarning xiralashishi va kichik binolarning o'tkazib yuborilishi ham chuqur o'rganishning bino izlarini aniqlashdagi qo'llanilishiga to'siq bo'ladi. 24 25 13 26 et al 27 Chjan-Tszyan tog' platosi mintaqasi dunyodagi eng baland hudud bo'lib, dengiz sathidan o'rtacha 4000 metrdan ortiq balandlikda joylashgan va 2,5 million km2 hududni egallaydi . Ushbu hududda ekstremal iqlim, sovuq va uzoq qishlar, katta yillik va kunduzgi harorat farqlari hamda yopiq xonalarda yomon termal muhit mavjud bo'lishiga qaramay, 10 milliondan ortiq aholi istiqomat qiladi. Ushbu hudud Xitoyning eng yirik ekologik to'sig'i bo'lsa-da , inson faoliyati uning zaif ekologik muhitiga sezilarli ta'sir ko'rsatdi . Ushbu hudud zilzila, ko'chkilar, loy oqimlari, muzlik ko'lining portlashi va qor ko'chkilari qurbonlar va mulkiy yo'qotishlarga olib keladigan ofatlarga moyil , , . Javob sifatida, inson-atrof-muhitni birgalikda o'rganish uchun inson faoliyatini taqsimlashni modellashtirish , , shuningdek, tabiiy ofatlarni baholash va xavfini tahlil qilish ,  uchun aniq bino taqsimoti ma'lumotlari juda muhim. Bundan tashqari, ushbu hudud uzoq quyoshli soatlarga, quyosh energiyasining ko'p resurslariga va tomlar hamda ochiq joylar kabi etarli quyosh energiyasini yig'ish yuzalariga ega , . Qishloq binolarining yuqori aniqlikdagi taqsimoti ma'lumotlari fotoelektr potentsialini baholash va qishloq hududlarida yashovchilarning turmush darajasini samarali yaxshilash uchun ishonchli ma'lumotlar bazasini taqdim etishi mumkin , . 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Kam rivojlangan hudud sifatida Chjan-Tszyan tog' platosi va uning qo'shni hududlarida hali ham yuqori aniqlikdagi vektorlashtirilgan bino tomlari ma'lumotlarining to'liq to'plami mavjud emas, chunki ularning ulkan hududi, kamtarona bino taqsimoti, chekka joylashuvi va resurs cheklovlari mavjud. Eng tayyor ma'lumotlar Xitoyning milliy miqyosida taqdim etilgan ma'lumotlardir, ular 2,5 metrlik panjara Xitoy bino tomlari maydoni ma'lumotlarini (CBRA, Liu  ., 2023b) va 1 metrlik aniqlikdagi Xitoyning birinchi milliy yer qoplamasi xaritasini (SinoLC) o'z ichiga oladi, bu bino toifalarini o'z ichiga oladi . Ushbu raster ma'lumotlari fazoviy ob'ektlarni tavsiflay olmaydi va katta saqlash resurslarini talab qiladi. Zhang  .  tomonidan chiqarilgan Xitoyning 90 ta yirik shahri uchun vektorlashtirilgan tom maydoni ma'lumotlari bu bo'shliqni qisman to'ldirdi; ammo, ushbu ma'lumotlar to'plamiga Chjan-Tszyan tog' platosining atigi 14 shahri kiritilgan va 2 million km2 hudud uchun hali ham vektorlashtirilgan bino tomlari ma'lumotlari yo'q. et al 42 et al 13 Shuning uchun, ushbu tadqiqot yuqori aniqlikdagi sun'iy yo'ldosh tasvirlari va chuqur o'rganish algoritmini birlashtirish orqali Chjan-Tszyan tog' platosi va uning qo'shni hududlari uchun vektorlashtirilgan bino tomlari izlarini yaratishni maqsad qiladi. Bizning ma'lumotlar to'plamimiz turli kichik mintaqalar bo'ylab 250 × 1 km2 panjaralardan iborat sinov namunalari yordamida tasdiqlandi, natijada umumiy aniqlik 91,92% va F1 balli 64,81% ni tashkil etdi. Usullar Doira Ushbu tadqiqotda biz Xitoyning Chjan-Tszyan tog' platosi va uning qo'shni mintaqasi uchun vektorlashtirilgan bino tomlari to'plamini yaratish uchun AI Earth platformasidan olingan bino aniqlash algoritmlaridan foydalandik (1-rasm ). Doiramizning asosiy tarkibiy qismlari quyidagilarni o'z ichiga oladi: (1) sun'iy yo'ldosh ma'lumotlari va qo'shimcha ma'lumotlarni tayyorlash va dastlabki ishlov berish; (2) AI Earth platformasidan foydalangan holda vektorlashtirilgan bino tomlarini aniqlash; (3) qo'lda vektorlashtirilgan tom ma'lumotlaridan foydalangan holda tasdiqlash. 1    Bino tomlarini aniqlash va tasdiqlash uchun doira. Tadqiqot hududi Ushbu tadqiqot asosan Chjan-Tszyan tog' platosi va uning janubi-g'arbiy Xitoydagi qo'shni hududlariga qaratilgan bo'lib, ikkinchi Chjan-Tszyan Plateau Ilmiy Ekspeditsiyasi va Tadqiqot Dasturi umumiy doirasida ; geografik jihatdan, u Tibet avtonom viloyati, Chjan-Tszyan viloyatlari, g'arbiy Yunnan viloyati, g'arbiy Sichuan viloyati, janubi-g'arbiy Gansu viloyati va janubiy Sintszyan avtonom viloyatini o'z ichiga oladi. Tadqiqot hududining o'rtacha balandligi dengiz sathidan 4000 metrni tashkil qiladi. Tadqiqot hududida aholi va binolarning taqsimlanishi balandlik va iqlimdan (2-rasm ) kuchli ta'sirlangan va asosan Tibetdagi Jilong okrugidan Chjan-Tszyandagi Qilian okrugiga o'tadigan chiziqning sharqida joylashgan ; sharqda ular Yunnan viloyati, g'arbiy Sichuan viloyati va Syan-Lanzhou sariq daryo havzasidagi tekisliklarda zich joylashgan. Chiziqning g'arbidagi platoda, aholi va binolar asosan yirik daryo vodiylari bo'ylab va yo'l transport koridorlari bo'ylab cheklangan qishloq-cho'pon hududlari bilan birga joylashgan. 43 2 44    Tadqiqot hududi (aholi ma'lumotlari LandScan dan; DEM Resurs va Atrof-muhit Ilmlari va Ma'lumotlar Markazidan olingan). Sun'iy yo'ldosh tasvirlari Rivermap Co. dan ochiq-erişuvchi yuqori aniqlikdagi sun'iy yo'ldosh tasvir ma'lumotlari olindi ( ), ular Google Earth'ning sun'iy yo'ldosh tasvirlari va havo ma'lumotlarini integratsiyalashuvidan olingan. Ulardan, sun'iy yo'ldosh tasvirlari asosan DigitalGlobe'ning QuickBird va WorldView tijoriy sun'iy yo'ldoshlaridan, havo fotografiyasi esa Buyuk Britaniyaning BlueSky va AQShning Sanborn kompaniyalaridan olingan . Har bir joy uchun 0,15 m gacha aniqlikka ega bir nechta tasvirlarning to'plamlari mavjud edi. Bunday ma'lumotlarni integratsiyalashuv murakkab sahnalarda ob'ektlarni aniqlash uchun keng qo'llanildi , , ,  va ob'ekt turlarini katta hajmdagi yuqori aniqlikdagi xaritalash potentsialiga 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 sun'iy yo'ldosh tasvir ma'lumotlarining taxminiy hajmi 29,4 TB bo'lib, fazoviy aniqligi 0,6 m ni tashkil qiladi. Ushbu shkalalarni hisobga olgan holda, tadqiqot hududimizni qoplash uchun 0,175° × 0,175° baliq to'rlari yaratildi, bu kichikroq o'lchamdagi paketlarni yuklab olish imkonini beradi, umumiy hisobda 10 033 ta baliq to'ri butun tadqiqot hududini qoplash uchun ishlatilgan. Yuklab olingan baliq to'rlarining haqiqiy soni 5921 tani tashkil etdi, buning ikki sababi bor. Birinchidan, tadqiqot hududining katta qismi inson istiqomat qilmaydigan hududlardan iborat bo'lganligi sababli, biz ESA World Cover mahsulotida qurilgan hudud piksellari bo'lmagan baliq to'rlarini ixtiyoriy ravishda istisno qildik. Ikkinchidan, Xitoyning 90 ta shahri uchun vektorlashtirilgan tom maydoni ma'lumotlarida (ya'ni, Lxa, Shannan, Kunming, Syaning, Xaydon, Chjan'ye, Bayin, Lanzhou, Chengdu, Dali, Lijiang, Kunming, Chjaotun va Yuxi) allaqachon olingan shaharlar/prefekturalar ham istisno qilindi . Tasvirlar 2022-yil sentabrdan 2023-yil yanvargacha yuklab olindi, aniqligi 0,6 m, bitta kadr hajmi taxminan 3 GB va umumiy hajmi 2,72 TBni tashkil etdi. Yuklab olingan tasvirlar asosan 2019-yildan 2021-yilgacha olingan, ammo ba'zi chekka hududlardan olingan tasvirlar 2001-yildan ham avval olingan bo'lishi mumkin (3-rasm ). 13 3    Tasvirni yuklab olish va tasvir suratga olish vaqti uchun baliq to'rlari. Qo'shimcha ma'lumotlar Bizning qo'shimcha ma'lumotlarimiz yuqori aniqlikdagi yer qoplamasi xaritalari, raqamli balandlik modeli (DEM), normallashtirilgan o'simlik indeksi (NDVI) va keyingi klaster tahlili uchun aholi taqsimoti ma'lumotlarini o'z ichiga olgan (1-jadval ). 1 Yer qoplamasi va qurilgan hudud uchun ESA'ning World Cover mahsuloti Zanaga  .  tomonidan Zenodo dan olindi ( et al 17 https://zenodo.org/records/

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

Ushbu audio hikoyaning asl tilida yaratilgan!

Sun'iy intellekt dunyodagi eng chekka mintaqalardan birida 13 million binoni xaritalaydi.

About Author

IZOHLAR

TEGI QILISH

USHBU MAQOLA TAQDIM ETILGAN

Related Stories

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

Meet UzairaAdvisory, Startups of The Year 2024 Nominee

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps