Det første 3D-verdenskort over 2.75 milliarder bygninger: hvordan GlobalBuildingAtlas gentegner planeten

Hjem » Python » Det første 3D-verdenskort over 2.75 milliarder bygninger: hvordan GlobalBuildingAtlas gentegner planeten

Planeten har stille og roligt fået et ekstraordinært nyt lag af information: en globalt 3D-kort over 2.75 milliarder bygninger, der dækker omtrent 97 % af alle menneskeskabte strukturer på Jorden. Fra vidtstrakte skyskraberkvarterer i Kina til spredte landlige huse i Sahel, er næsten hvert tag blevet forvandlet til et målbart objekt i tre dimensioner.

Bag denne bedrift står GlobalBygningAtlas, et massivt åbent datasæt, der rekonstruerer højden, fodaftrykket og volumenet af stort set alle bygninger ved hjælp af satellitbilleder og maskinlæring. Projektet er langt fra blot en skinnende visualisering, men positioneres som et grundlæggende værktøj til byplanlægning, klima- og energimodellering, katastroferisikovurdering og social forskning på en sand planetarisk skala.

Hvad er 3D-kortet over 2.75 milliarder bygninger præcist?

I sin kerne er GlobalBuildingAtlas en Verdensomspændende opgørelse over bygninger i 3D, produceret med en rumlig opløsning på 3 × 3 meter. Hver kortlagt struktur er repræsenteret både som en 2D-fodaftryk på jorden og som en forenklet 3D-blok med en estimeret højde, hvilket gør det muligt for forskere at beregne gulvareal, volumen og hvor tæt eller spredt bebygget område egentlig er.

Ifølge holdet indeholder atlasset 2.75 milliarder bygningspolygonerI omkring 2.68 milliarder af dem (omkring 97%), når dataene det, der er kendt som Detaljeringsniveau 1 (LoD1): geometrisk forenklede solide blokke, der indfanger den grundlæggende form og højde for hver bygning. Dette er ikke detaljer på arkitektonisk niveau, men det er præcist nok til at understøtte numeriske modeller, simuleringer og AI-systemer, der har brug for ensartet global dækning.

Sammenlignet med tidligere globale bygningsdatasæt, som toppede på omkring 1.7 milliarder strukturer, viser det nye kort tilføjer over en milliard ekstra bygninger og giver en meget finere granularitet. De rumlige detaljer beskrives som op til 30 gange højere end nogle af de mest anvendte tidligere opgørelser, især i regioner, der knap nok var repræsenteret før.

Den øgede dækning er vigtig fordi tidligere underkortlagte områder såsom store dele af Afrika, Sydamerika og landdistrikterne i Asien fremstår nu med et detaljeringsniveau svarende til det, der traditionelt er forbeholdt Europa eller Nordamerika. Med andre ord er atlasset ikke bare større; det er også mere geografisk afbalanceret.

Seks til syv års arbejde: hvordan det globale 3D-kort blev bygget

At skabe en 3D-model af næsten alle bygninger på planeten var ikke et spørgsmål om en enkelt algoritmekørsel. Projektet tog ca. seks til syv års udvikling, der kombinerer satellitbaseret fjernmåling, deep learning og et kludetæppe af referencedatasæt leveret af forskellige kortlægningsinitiativer og offentlige myndigheder.

Projektets ryggrad er billeder fra PlanetScope overfladereflektans, en konstellation af kommercielle satellitter, der afbilder Jorden på omtrent 3 meter pr. pixelTil dette atlas indsamlede og bearbejdede forskerne omkring 800,000 satellitscener, primært fra 2019 og i få tilfælde suppleret med data fra 2018, med omhyggeligt udvalg af billeder, der stort set var fri for skyer og atmosfæriske forstyrrelser.

Disse scener blev ikke blot stablet. De blev ortorekrificeret og atmosfærisk korrigeret, så hver pixel svarer til et præcist stykke jord og afspejler overfladens egenskaber snarere end dis eller lysartefakter. Holdet sammensatte derefter dette enorme arkiv til et global mosaik, udvælgelse, pixel for pixel, af den reneste observation for hver placering.

For at fokusere processorkraften der, hvor mennesker rent faktisk bygger, brugte forskerne et tidligere produkt, Globalt byfodaftryk, for at identificere felter, der sandsynligvis indeholder bosættelser. Kun disse segmenter blev sendt gennem den efterfølgende bygningsdetekteringspipeline, hvilket reducerede beregningsarbejdet, mens isolerede bosættelser og små byer stadig blev registreret.

En af de vanskeligste udfordringer var at skelne rigtige bygninger fra andre lyse eller strukturerede objekter set fra rummet – såsom veje, klipper, industriel infrastruktur eller trækroner. Gruppen udviklede en flertrinsarbejdsgang til at detektere, forfine og endelig konvertere potentielle bygninger til brugbare vektorfodaftryk.

Fra satellitpixels til individuelle bygninger

Det første skridt i at omdanne billeder til et bygningskort involverede træning af et dybt neuralt netværk til at genkende, hvor bygninger er til stede. Til dette formål skar teamet satellitmosaikken i mindre områder og parrede dem med eksisterende bygningsfodaftryk fra kilder som OpenStreetMap og et stort annoteret datasæt fra Kina.

Disse vektorfodaftryk blev rasteriseret for at matche tre meter gitter af PlanetScope-billederne, hvilket producerede træningsdata, hvor hver pixel blev mærket som "bygning" eller "bygning ikke". A neuralt netværk i encoder-decoder-stil lærte derefter at udskrive en "bygningsmaske": et billede, hvor lyse pixels angiver forudsagte bygningsplaceringer.

Det rå output fra denne model havde dog en tendens til at flette nabobygninger sammen til sammenhængende klatter, især i tætte bykerner. For at imødekomme dette byggede teamet en anden legaliseringsnetværk at rydde op i maskerne, opdele sammensmeltede former og skærpe grænser, før de omdannes til polygoner. Algoritmer til konturdetektion, polygonforenkling og filtrering af små objekter blev anvendt til at konvertere disse binære masker til vektorfodaftryk.

Selv da var ikke alle fundne objekter ægte strukturer. Forskerne krydstjekkede resultaterne mod en globalt landdækkekort (WorldCover), fjerner elementer, der tydeligt er placeret over vandmasser, gletsjere, kompakt skov eller andre landtyper, hvor bebyggelse er ekstremt usandsynlig. Dette ekstra filtreringstrin viste sig at være afgørende for at begrænse falske positiver i fjerntliggende områder.

Da intet enkelt fodaftryksdatasæt er komplet eller konsistent på global skala, bruger projektet en kvalitetsstyret fusionsstrategiI hver administrativ region valgte teamet den mest pålidelige kilde – ofte OpenStreetMap, men også Googles Open Buildings for dele af Afrika og Sydamerika, Microsofts bygningsdata eller et regionalt datasæt for Østasien (CLSM) – som det primære lag og berigede det derefter med sekundære kilder, hvor der var huller.

I praksis betyder det, at atlaset i hver region bevarer alle bygninger fra den bedste tilgængelige kilde, tilføjer ikke-overlappende bygninger fra den næstbedste kilde og bruger sine egne automatisk genererede fodaftryk til at udfylde de resterende hulrum. Resultatet er et enkelt, harmoniseret lag af bygningspolygoner, der ifølge forfatterne er mere komplet end nogen af ​​dets komponenter isoleret set.

Hvordan holdet estimerede højde og volumen

At omdanne 2D-bygningskonturer til 3D-objekter krævede endnu et stort trin: at estimere, hvor høj hver struktur er. For at gøre dette samlede gruppen en stor samling af LiDAR-data fra luften dækker 168 byer, primært i Europa, Nordamerika og Oceanien, hvor luftbåren laserscanning er blevet implementeret i stor skala.

Fra disse LiDAR-kilder udledte de normaliserede digitale overflademodeller (nDSM), hvor hver gittercelle angiver, hvor mange meter punktet hæver sig over jordoverfladen. Disse nDSM'er fungerede som "Grundsandhed" til træning et separat neuralt netværk, der kunne udlede bygningshøjden direkte fra et enkelt optisk satellitbillede.

Når dette er trænet, monokulær højdeestimeringsmodel blev kørt over den globale PlanetScope-mosaik, der gled hen over overfladen med overlappende vinduer for at dække hver pixel. For hver 3 × 3 meter celle producerede netværket en forudsagt højdeværdi. For at kvantificere pålideligheden genererede systemet flere let forstyrrede forudsigelser og målte hvor meget de varierede, og tildeler et usikkerhedsestimat til hver placering.

Det sidste trin var at kombinere de raffinerede bygningsaftryk med dette højdegitterFor hver enkelt bygningspolygon i atlaset samplede systemet højdelaget og tildelte typisk maksimal højdeværdi fundet inden for dette fodaftryk som den repræsentative bygningshøjde, sammen med den tilhørende usikkerhedsmåling. Ud fra denne højde og fodaftryksareal, i alt bind for hver bygning kan beregnes.

Selvom LoD1-modellerne er visuelt enkle – mere som omhyggeligt stablede kasser end fuldt detaljeret arkitektur – indfanger de nok af bygget formular til at understøtte robust analyseTest i byer i Nordamerika, Sydamerika, Europa, Asien og Oceanien viser, at selvom fejlene varierer efter region og byform, præsterer det globale datasæt mindst på niveau med, og ofte bedre end, eksisterende store bygningshøjdeprodukter.

Hvad 3D-bygningsatlaset afslører om verden

Med den tekniske pipeline på plads kan atlasset bruges til at tegne en slags numerisk røntgenbillede af det byggede miljøPå tværs af alle kontinenter udgør datasættet ca. 506,640 millioner kvadratmeter bygningsfodaftryk og ca. 2.85 billioner kubikmeter konstrueret volumen.

En umiddelbar konklusion er, at tidligere globale estimater af bygningsantallet synes at have været for høje. Et almindeligt tal, der cirkulerer i FN-rapporter, antydede, at der muligvis er omtrent 4 milliarder bygninger på verdensplanDe 2.75 milliarder, der er identificeret her – kombineret med den systematiske måde, de blev opdaget på – antyder, at det tidligere tal sandsynligvis overvurderede det sande antal.

Regionale sammenligninger giver flere nuancer. Asien fremstår som den ubestridte sværvægter, både hvad angår bygningsantal og samlet volumen. Atlasset tæller omtrent 1.22 milliarder bygninger på kontinentet, sammen med ca. 1.27 billioner kubikmeter bebygget volumenDisse tal afspejler den hurtige byudvidelse og den høje befolkningstæthed i lande som Kina, Indien og Sydøstasien.

Afrika rummer det næststørste antal bygninger, på ca. 540 millioner strukturer, men med langt mindre akkumuleret volumen – i størrelsesordenen 117 milliarder kubikmeterDenne uoverensstemmelse mellem bygningsantal og -volumen understreger udbredelsen af lave boliger med lille fodaftryk, især i uformelle bosættelser og landdistrikter.

In Europa og NordamerikaAtlaset finder færre bygninger end i Afrika, men den gennemsnitlige bygningsvolumen er betydeligt højere. Byområder kombinerer ofte mellemstore og høje blokke, pakhuse og større fritliggende huse, som alle øger den typiske bygningsvolumen, selv når antallet af bygninger er lavere.

Sydamerikaskiller sig i mellemtiden ud i analysen ved at have nogle af de største fejl i estimering af højde og volumenHoldet forbinder dette med komplekse blandinger af højhuskerner og uformelle, tætpakkede kvarterer, som er mere udfordrende for modellen at fortolke ensartet, og fremhæver, hvor fremtidige forbedringer og mere lokale referencedata ville være mest nyttige.

En ny måleenhed: bygget volumen pr. person

Det måske mest provokerende aspekt af projektet er introduktionen af ​​en ny indikator: bebygget volumen pr. indbyggerI stedet for blot at måle, hvor meget land der er urbaniseret, ser denne måleenhed på det samlede bebyggede volumen i forhold til antallet af mennesker, der bor i et givet område.

Forskerholdet argumenterer for, at denne tilgang indfanger uligheder, som flade 2D-kort har tendens til at skjuleTo kvarterer dækker måske det samme overfladeareal på et traditionelt kort, men deres vertikale profiler – og de levevilkår, de tilbyder – kan være dramatisk forskellige.

Ved hjælp af det nye 3D-datasæt fremhæver de sager som f.eks. Finland og GrækenlandFinland viser sig at have omtrent seks gange mere bebygget overfladeareal pr. person end Grækenland, hvilket indikerer mere plads pr. indbygger og forskellige by- og boligmønstre. I den anden ende af skalaen, Niger fremstår med et bebygget areal pr. indbygger på ca. 27 gange lavere end det globale gennemsnit, hvilket peger på alvorlige mangler i infrastruktur og boliger.

Disse uligheder er ikke begrænset til Europa eller Afrika. Atlaset viser, at rigere regioner på tværs af kontinenter normalt nyder godt af mere volumen pr. person, bredere gader og større bygninger, hvorimod fattigere distrikter ofte kombinerer trange, lave boliger med begrænset offentlig infrastruktur. Kontrasten bliver tydelig, når man for eksempel sammenligner velhavende distrikter i større byer med nærliggende uformelle bosættelser.

For projektets ledende forsker, Professor Xiaoxiang Zhu fra Tekniske Universitet i München, er dette skift fundamentalt. Hun og hendes kolleger argumenterer for, at byer bør behandles som tredimensionelle genstande når man vurderer fremskridtene hen imod FN's mål for bæredygtig udvikling 11, som fokuserer på bæredygtige byer og lokalsamfund, i stedet for udelukkende at stole på, hvor meget jord der klassificeres som "bymæssigt".

Efter deres opfattelse er bygningsvolumen pr. indbygger tilbyder et mere direkte, omend stadig ufuldkomment, blik på levestandard, tilgængeligheden af ​​infrastruktur og intensiteten af ​​arealanvendelse end kort, der blot skitserer kanterne af bebyggede områder.

Fra klimamodellering til katastrofeberedskab

Ud over at beskrive globale mønstre er 3D-bygningskortet designet til at være praktisk nyttig til en bred vifte af anvendelser. Fordi hver bygning har et tilhørende fodaftryk, højde og placering, kan atlasset bruges direkte i modeller, der har brug for detaljerede repræsentationer af det byggede miljø.

Et klart område er klima- og energianalyseBygninger anslås at udgøre omkring 40 % af den globale CO₂-udledning, hovedsageligt gennem opvarmning, køling og elforbrug. At have ensartede 3D-data om bygningsmasse verden over gør det muligt for forskere at bedre estimere energiforbruget, simulere forskellige renoveringsscenarier og kvantificere potentielle emissionsreduktioner fra ændringer i byggeri, isolering eller bydesign.

En anden umiddelbar anvendelse er katastrofeforebyggelseInstitutioner som Det tyske rumfartscenter, som er involveret i Internationalt charter: Rumfart og større katastrofer, undersøger allerede, hvordan atlasset kan hjælpe med at vurdere, hvilke strukturer og befolkningsgrupper der er udsat for oversvømmelser, jordskælv, jordskred eller storme. Med tredimensionelle data er det lettere at estimere, hvor mange mennesker der kan blive berørt på forskellige etager, eller hvor meget bebygget volumen der ligger inden for en flodslette.

For byplanlæggere og lokale myndigheder, at have en ensartet 3D-grundlinje åbner op for muligheder for at simulere interventioner, før de bygges. Bystyrer kan f.eks. identificere kvarterer, hvor boligudbuddet er langt under befolkningens behov, finde potentielle steder til nye skoler eller sundhedscentre og teste, hvordan tilføjelse af grønne områder eller ændringer i gadeplaner kan påvirke varmeeksponering eller tilgængelighed.

Datasættets åbne natur er afgørende. Atlasset er tilgængeligt online via en interaktive kort der fungerer på en måde, som mange brugere vil finde velkendt: man kan panorere, zoome, vælge forskellige baggrundslag såsom standardkort eller satellitvisninger og søge efter bestemte steder efter navn eller adresse. Brugere kan skifte mellem volumenvisualiseringer og LoD1 3D-blokrepræsentationer at udforske deres egen by eller afsidesliggende områder.

For dem, der har brug for dybere adgang, er den underliggende Data og kode kan downloades fra GitHubDette giver forskere, offentlige myndigheder og endda private virksomheder mulighed for at udføre deres egne analyser, integrere atlasserne i eksisterende systemer eller anvende administrerede grafdatabaser at repræsentere komplekse relationer.

Overvågning af urbanisering i næsten realtid

Et af de mest tiltalende løfter fra GlobalBuildingAtlas er, at det ikke behøver at forblive et engangsøjebliksbillede af året 2019. Fordi pipelinen er baseret på regelmæssigt indsamlede satellitdata og trænede modeller, kan den i princippet genkøres med jævne mellemrum for at producere opdaterede visninger af verdens bygningsmasse.

Byplanlægningsekspert Dorina Pojanifra University of Queensland har understreget, at dette kan give forskere og beslutningstagere mulighed for at følge byernes udvikling over de næste fem til ti år, i stedet for at stole på sjældne folketællinger eller lokale datasæt, der sjældent er harmoniserede på tværs af lande.

I regioner hvor planlægningsoplysninger er knappe eller forældede, såsom hurtigtvoksende sekundære byer i Afrika eller Asien, kunne dette give den første pålidelige, opdaterede basislinje for det byggede miljø. Planlæggere ville for eksempel kunne se, hvordan uformelle bosættelser udvider sig, hvor industrizoner griber ind i landbrugsjord, eller hvilke peri-urbane områder fyldes op med nybyggeri.

For demografiske og socioøkonomiske undersøgelser kan sådanne tidsmæssige opdateringer krydses med befolkningsestimater for at observer hvordan den bebyggede volumen pr. person ændrer sig over tidEr visse områder ved at indhente det forsømte med hensyn til boliger og infrastruktur, eller er ulighederne ved at vokse? Hvilke politikker er forbundet med en mere afbalanceret vækst i bebygget volumen og befolkning?

Fra et teknisk perspektiv vil potentialet for hyppigere opdateringer afhænge af faktorer som f.eks. tilgængelighed af satellitdata, computerressourcer og evnen til at forfine modeller med nye referencedatasæt, især i underrepræsenterede regioner. Den demonstrerede pipeline for 2019-kortet tilbyder dog en skabelon for fremtidige "øjebliksbilleder" af verdens bygninger.

Gennemsigtighed, forvaltning og endda korruptionsforskning

Ud over fysisk planlægning og klimastudier kan atlasset også have implikationer for styring og gennemsigtighedFordi det muliggør systematisk sammenkobling mellem bygningers fysiske tilstedeværelse og andre datasæt, ser nogle forskere det som et værktøj til at undersøge, hvordan magt og penge former det byggede miljø.

Ekspert i byplanlægning Dorina Pojani har påpeget, at man i princippet kunne bruge data på bygningsniveau til at forbinde specifikke projekter med udviklere, virksomheder eller politiske aktørerVed at lægge tinglysninger, virksomhedsregistre eller data om offentlige indkøb oven på hinanden, kunne analytikere begynde at spørge, om visse netværk af individer har en uforholdsmæssig stor tilstedeværelse i projekter med høj værdi eller strategisk placering, støttet af Amazon Neptun.

Sådanne analyser kunne bidrage til studier af bykorruption, jordspekulation og erobring af planlægningsprocesserDe kan muligvis hjælpe med at identificere mønstre, hvor byggeboom falder sammen med politiske ændringer, eller hvor visse kvarterer gentagne gange oplever eksklusiv udvikling, mens andre forbliver systematisk forsømte.

En anden ekspert, Liton Kamruzzaman fra Monash University har understreget, at atlasset tilbyder særlig værdi i lande, der mangler i øjeblikket pålidelige planlægningsoplysningerI sådanne sammenhænge, ​​hvor selv grundlæggende kort over byudvidelse kan mangle, kan tilgængeligheden af ​​et globalt 3D-bygningslag understøtte en mere gennemsigtig debat om, hvordan byer vokser, hvilke lokalsamfund der modtager infrastruktur, og hvordan risici og faciliteter fordeles.

Atlaset giver naturligvis ikke et fuldstændigt billede af ejerskab, besiddelsesrettigheder eller social dynamik. Men ved at gøre den fysiske side af historien langt mere synlig og målbar, kan det tjene som et udgangspunkt for mere informerede diskussioner om lighed, retfærdighed og ansvarlighed i byudvikling.

Fremadrettet er det faktum, at datasættet er offentlig og reproducerbar betyder, at journalister, civilsamfundet og forskere uafhængigt kan teste påstande om byggemønstre, infrastrukturforsyning eller resultaterne af større udviklingsprogrammer i stedet for udelukkende at stole på officielle statistikker.

På tværs af alle disse områder – bystudier, klimavidenskab, risikostyring og forvaltning – den nye 3D-kort over 2.75 milliarder bygninger markerer et skridt i retning af, hvordan verdens byggede miljø kan observeres og analyseres. Ved at erstatte et fladt, ujævnt billede med en tredimensionel, næsten global opgørelse, tilbyder GlobalBuildingAtlas en fælles referenceramme til at forstå, hvor og hvordan mennesker bor, hvad der er blevet bygget til dem, og hvor ujævnt dette byggede volumen er fordelt.