遥感数据：基于综合大比例尺测绘框架的首个高质量东亚国家建筑物矢量数据（东亚 2.8 亿栋建筑的空间分布图）

全球建筑足迹的最后谜团--根据 VHR 图像绘制东亚 2.8 亿栋建筑的分布图

摘要

建筑作为人类生活不可分割的一部分，在城市管理和城市分析领域至关重要。为了促进大规模城市规划应用，获取完整可靠的建筑数据势在必行。目前有一些公开产品可以提供大量建筑数据，如微软和开放街道地图。但在东亚地区，由于建筑物分布较为复杂，辅助数据匮乏，这些地区的建筑数据比较缺乏，阻碍了东亚地区的大规模应用。一些研究试图利用当地不完整的建筑足迹数据，通过回归模拟大规模的建筑分布信息。然而，对不准确建筑数据的依赖会带来累积误差，使这种模拟数据极不可靠，导致在东亚地区实现精确研究受到限制。因此，我们针对东亚地区建筑物的复杂性，提出了一个全面的大规模建筑物绘图框架，并在东亚 5 个国家的 2,897 个城市进行了建筑物足迹提取，获得了 281,093,433 栋建筑物的大量数据集。评估结果表明，我们的建筑产品是有效的，总体平均准确率为 89.63%，F1 得分为 82.55%。此外，与现有产品的比较进一步显示了我们的建筑数据的高质量和完整性。最后，我们对建筑数据进行了空间分析，揭示了其在支持城市相关研究方面的价值。本文数据可从http:// https://doi.org/10.5281/zenodo.8174931下载。

图 1.不同地区分布不同的谷歌地球图像。(A) 欧洲和美洲地区。(B) 东亚地区。从图中可以看出，欧美地区的建筑物外观规整、特征明显，建筑物之间有明显的空隙。相反，东亚地区的建筑物布局复杂，外观、大小、密度差异较大，建筑物之间的间隙模糊，特征不一致。图片来自 © Google Earth 2021。

图 2.不同地区不同分辨率的谷歌地球图像。(A) 欧洲和美洲地区。(B) 东亚地区。从图中可以看出，东亚地区的图像质量相对较差。东亚地区一些图像的视觉清晰度和空间分辨率看起来不一致，这可能是通过重新采样获得的。这些图像不利于精确提取建筑物。图片来自 © Google Earth 2021。

东亚国家建筑物数据统计

本文的贡献可归纳如下： 1. 我们生成了高质量、全面的东亚地区建筑数据，填补了现有公共建筑数据的空白。我们的建筑数据也可作为各领域相关研究的宝贵数据。 2. 针对东亚地区建筑物的复杂性，设计了基于深度学习的大规模绘图框架（CLSM），为相关领域的研究提供了参考。 3. 我们的建筑物数据经过了多角度的严格评估。我们利用建筑物数据分析了中国两个选定城市的 CBD。分析结果证实了我们的建筑数据在促进城市相关研究方面的实用性和有效性。

图 3.生成东亚建筑物矢量数据的 CLSM 图。它包括 3 个关键步骤：(A) 数据准备；(B) 模型训练；(C) 大规模绘图。

图 4.用于建筑物提取的 BE-Net 流程图。它包括两个分支：(a) 多尺度边界检测分支和 (b) 语义分割分支。我们设计了边界增强模块和边界正则化模块，以获得更接近真实建筑物的结果。

图 5.边界增强模块的架构。我们利用边界检测分支学习到的多尺度边界信息来增强从全局注意力机制中获得的特征。

图 13.不同城市的视觉结果。(A) 北京。(B) 上海。(C) 广州。(D) 深圳。(E) 成都。(F) 重庆。(G) 南京。(H) 苏州。图片来自 © Google Earth 2021。

在中国，OSM 数据的质量明显不足，导致建筑结果不完整。为了解决这一局限性，我们纳入了 [19] 中提出的涵盖中国 90 个城市的建筑足迹数据进行比较。由于我们的研究涵盖整个中国，而其他产品只覆盖特定区域，因此我们选择了共同的覆盖区域进行比较，如图 17 所示。显而易见，我们的产品展示了最高水平的建筑物完整性，与相应的图像非常吻合，尤其是在与 OSM 数据对比时。此外，在视觉效果方面，我们的成果也优于其他成果，其精确的几何形状与真实建筑物十分相似。相反，Zhang 等人的结果则相对不够精细。此外，Zhang 等人的结果比较混乱，在某些由小型建筑组成的人口稠密地区，缺乏分辨单个建筑的能力。相比之下，我们的结果准确捕捉了不同的建筑特征，并成功区分了单个建筑。总之，我们的产品在数据质量和视觉效果方面都超越了中国现有的替代产品。重要的是，我们为全国提供了全面的建筑数据，这与现有产品的不足相比是一大进步。

图 14.放大区域的视觉效果。图片来自 © Google Earth 2021。

数据的应用和意义

建筑物足迹数据可提供全面详细的建筑物信息，从而提高相关分析的准确性，在各种研究中发挥着至关重要的作用。我们的建筑物足迹补充数据特别关注东亚地区，是该地区及其他地区研究的重要资源。它有助于进行大规模分析，并能获得更全面、更详细的结果。例如，直接利用建筑物足迹数据可以评估和分析 RPV，有助于改善城市规划和能源管理[20]。可再生能源机构对实现能源转型和气候目标至关重要，尤其是在建筑密度高、能耗大的城市。由于屋顶面积难以评估，在整个大国的城市层面估算 RPV 的碳减排潜力具有挑战性。通过将我们的数据直接提供给这些相关研究，我们可以更准确地评估光伏潜力和分析碳排放，为国家规划提供有价值的见解。此外，建筑足迹数据还可以通过地理模拟来预测未来的建筑发展，从而实现前瞻性的城市规划和管理。利用我们的东亚建筑足迹数据在更大范围内分析建筑趋势，可以制定更精确的规划。此外，我们提供的建筑物足迹数据还有助于东亚地区建筑物功能分类[59]。了解建筑物的实际功能对于城市管理、城市规划和交通系统优化等许多城市应用都至关重要。利用我们的建筑物足迹数据，这些相关研究可以进行全面、大规模的分析，促进城市的宏观管理。总之，东亚地区建筑物足迹数据的补充有助于相关研究在该地区开展广泛的调查，而该地区作为世界上最重要的经济区之一，为全球研究做出了巨大贡献。

文章引用

• Qian Shi, Jiajun Zhu, Zhengyu Liu, Haonan Guo, Song Gao, Mengxi Liu, Zihong Liu, Xiaoping Liu. The Last Puzzle of Global Building Footprints—Mapping 280 Million Buildings in East Asia Based on VHR Images. J Remote Sens. 2024;4:0138. DOI:10.34133/remotesensing.0138

数据引用

Qian Shi, Jiajun Zhu, Zhengyu Liu, Haonan Guo, Mengxi Liu, Zihong Liu, & Xiaoping Liu. (2023). A first high-quality vector data of buildings in East Asian countries based on a comprehensive large-scale mapping framework [Data set]. Zenodo. https://doi.org/10.5281/zenodo.8174931