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

• OpenEarthMap-SAR: A Benchmark Synthetic Aperture Radar Dataset for Global High-Resolution Land Cover Mapping [16.387666608029882]
  我々は,地球規模の高解像度土地被覆マッピングのためのベンチマークSARデータセットOpenEarthMap-SARを紹介する。 OpenEarthMap-SARは、5033の航空画像と衛星画像の150万部で構成され、サイズは1024$times$1024ピクセルで、日本、フランス、アメリカから35の地域をカバーしている。 セマンティックセグメンテーションのための最先端手法の性能評価と,さらなる技術開発に適した課題設定を提案する。
  論文  参考訳（メタデータ） (2025-01-18T22:30:27Z)
• Geospatial Data Fusion: Combining Lidar, SAR, and Optical Imagery with AI for Enhanced Urban Mapping [0.0]
  本研究では,高度都市マッピングのための高度な人工知能技術によるライダー,合成開口レーダ(SAR),光学画像の統合について検討する。 この研究は、都市の特徴抽出のための主要なディープラーニングモデルとして、FCN(Fully Convolutional Networks)を採用している。 主な発見は、FCN-PSOモデルが92.3%の画素精度、IoUの平均インターセクションは87.6%で、従来の単一センサーのアプローチを上回ったことを示している。
  論文  参考訳（メタデータ） (2024-12-25T22:17:31Z)
• AerialGo: Walking-through City View Generation from Aerial Perspectives [48.53976414257845]
  AerialGoは、空中画像からリアルな街並みを生成するフレームワークである。 AerialGoは、アクセス可能な航空データに地上視合成を条件付けすることで、地上レベルの画像に固有のプライバシーリスクを回避できる。 実験により、AerialGoは地上レベルのリアリズムと構造的コヒーレンスを著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-11-29T08:14:07Z)
• 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)
• 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)
• 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。