Fugu-MT 論文翻訳(概要): A global product of fine-scale urban building height based on spaceborne lidar

論文の概要: A global product of fine-scale urban building height based on spaceborne lidar

arxiv url: http://arxiv.org/abs/2310.14355v1
Date: Sun, 22 Oct 2023 16:51:15 GMT
ステータス: 処理完了
システム内更新日: 2023-10-25 00:22:54.942368
Title: A global product of fine-scale urban building height based on spaceborne lidar
Title（参考訳）: 宇宙用ライダーを用いた大規模建築物のグローバル生産
Authors: Xiao Ma, Guang Zheng, Chi Xu, L. Monika Moskal, Peng Gong, Qinghua Guo, Huabing Huang, Xuecao Li, Yong Pang, Cheng Wang, Huan Xie, Bailang Yu, Bo Zhao, Yuyu Zhou
Abstract要約: 我々は2020年ごろに150mの細いグリッドサイズを基準に,都市ビルの高さの最新のグローバルな製品を提供する。 GEDIデータに基づく高さ推定法は, ピアソンrの0.78, RMSEの3.67mで有効であった。この研究は、気候、環境、生態学、社会科学など多くの分野にわたる将来の都市研究を促進するだろう。
参考スコア（独自算出の注目度）: 14.651500878252723
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Characterizing urban environments with broad coverages and high precision is more important than ever for achieving the UN's Sustainable Development Goals (SDGs) as half of the world's populations are living in cities. Urban building height as a fundamental 3D urban structural feature has far-reaching applications. However, so far, producing readily available datasets of recent urban building heights with fine spatial resolutions and global coverages remains a challenging task. Here, we provide an up-to-date global product of urban building heights based on a fine grid size of 150 m around 2020 by combining the spaceborne lidar instrument of GEDI and multi-sourced data including remotely sensed images (i.e., Landsat-8, Sentinel-2, and Sentinel-1) and topographic data. Our results revealed that the estimated method of building height samples based on the GEDI data was effective with 0.78 of Pearson's r and 3.67 m of RMSE in comparison to the reference data. The mapping product also demonstrated good performance as indicated by its strong correlation with the reference data (i.e., Pearson's r = 0.71, RMSE = 4.60 m). Compared with the currently existing products, our global urban building height map holds the ability to provide a higher spatial resolution (i.e., 150 m) with a great level of inherent details about the spatial heterogeneity and flexibility of updating using the GEDI samples as inputs. This work will boost future urban studies across many fields including climate, environmental, ecological, and social sciences.
Abstract（参考訳）: 国連の持続可能な開発目標(sdgs)を達成するには、世界の人口の半分が都市に住んでいるため、広い範囲と高い精度で都市環境を特徴付けることがこれまで以上に重要である。基本的な3次元都市構造としての都市ビルの高さは、広く応用されている。しかし、現在に至るまで、空間分解能の細かい近年の都市ビルの高さのデータセットの作成は困難な課題である。本稿では,2020年頃にGEDIの宇宙用ライダー機器とリモートセンシング画像(Landsat-8,Sentinel-2,Sentinel-1)と地形データとを組み合わせて,都市ビルの高さを150mの微細グリッドサイズで表した最新のグローバル製品を提供する。その結果,GEDIデータに基づく高さ推定法は,基準データと比較してピアソン r の 0.78 と RMSE の 3.67 m で有効であることが判明した。マッピング積はまた、基準データ(ピアソンの r = 0.71, RMSE = 4.60 m)との強い相関で示されるような優れた性能を示した。現在存在する製品と比較すると,地球規模の建築高マップは,GEDIサンプルを入力として更新する際の空間的不均一性や柔軟性について,高い空間分解能(150m)を提供する能力を持っている。この研究は、気候、環境、生態学、社会科学を含む多くの分野における将来の都市研究を促進する。

関連論文リスト

Classification of residential and non-residential buildings based on satellite data using deep learning [0.0]
本稿では,高分解能衛星データとベクトルデータを組み合わせて,高性能なビルディング分類を実現する新しいディープラーニング手法を提案する。大規模データセットによる実験結果から,F1スコアの0.9936が得られた。
論文参考訳（メタデータ） (2024-11-11T11:23:43Z)
Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark] [78.05103666987655]
この研究は、多様な都市空間時間データセットにアクセスし活用する際の課題に対処する。都市空間・時空間のビッグデータ用に設計された統合ストレージフォーマットであるアトミックファイルを導入し,40種類の多様なデータセットでその有効性を検証する。多様なモデルとデータセットを使用して広範な実験を行い、パフォーマンスリーダーボードを確立し、有望な研究方向性を特定する。
論文参考訳（メタデータ） (2023-08-24T16:20:00Z)
Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文参考訳（メタデータ） (2023-07-05T18:16:30Z)
UrbanBIS: a Large-scale Benchmark for Fine-grained Urban Building Instance Segmentation [50.52615875873055]
都市BISは6つの実際の都市のシーンで構成され、25億点があり、面積は10.78平方キロメートルである。 UrbanBISは、建物、車両、植生、道路、橋など、豊富な都市オブジェクトに意味レベルのアノテーションを提供する。 UrbanBISは、きめ細かいサブカテゴリを導入した最初の3Dデータセットである。
論文参考訳（メタデータ） (2023-05-04T08:01:38Z)
Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文参考訳（メタデータ） (2023-01-04T05:19:33Z)
Urban precipitation downscaling using deep learning: a smart city application over Austin, Texas, USA [0.11726720776908518]
都市ダウンスケーリングは、粗い気候情報から都市規模の評価に知識を移すためのリンクである。粗い(10km)衛星ベース(JAXA GsMAP)からの高分解能格子状降水物(300m)の開発について述べる。この結果は,高解像度格子状降雨都市データセットの開発やスマートシティの今後の計画に影響を及ぼす。
論文参考訳（メタデータ） (2022-08-15T12:42:20Z)
GLObal Building heights for Urban Studies (UT-GLOBUS) for city- and street- scale urban simulations: Development and first applications [3.4244476729483013]
テキサス大学都市研究のためのグローバル・ビルディング・ハイツ(UT-GLOBUS)について紹介する。 UT-GLOBUSは、世界中の1200以上の都市や地域向けに高さと都市キャノピーパラメータ(UCP)を提供するデータセットである。 6つの米国都市のLiDARデータによる検証では、UT-GLOBUS由来のビルの高さは9.1mの根平均二乗誤差(RMSE)であった。
論文参考訳（メタデータ） (2022-05-24T17:34:14Z)
SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文参考訳（メタデータ） (2022-01-12T14:48:11Z)
GANmapper: geographical content filling [0.0]
本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
論文参考訳（メタデータ） (2021-08-07T05:50:54Z)
A Semantic Segmentation Network for Urban-Scale Building Footprint Extraction Using RGB Satellite Imagery [1.9400948599830012]
都市部は世界のエネルギーの3分の2以上を消費し、世界のCO2排出量の70%以上を占めています。 3チャンネルのRGB衛星画像から建物の足跡のマスクを生成するために、拡張ResNetバックボーンを備えた変更されたDeeplabV3+モジュールを提案します。 3つの標準ベンチマークで最先端のパフォーマンスを達成し,衛星画像の規模,解像度,都市密度に依存しないことを実証した。
論文参考訳（メタデータ） (2021-04-02T22:32:04Z)
Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文参考訳（メタデータ） (2020-09-07T14:47:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。