論文の概要: Global OpenBuildingMap -- Unveiling the Mystery of Global Buildings
- arxiv url: http://arxiv.org/abs/2404.13911v1
- Date: Mon, 22 Apr 2024 06:43:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 15:05:12.936623
- Title: Global OpenBuildingMap -- Unveiling the Mystery of Global Buildings
- Title（参考訳）: グローバルなOpenBuildingMap - グローバルなビルの謎を解き明かす
- Authors: Xiao Xiang Zhu, Qingyu Li, Yilei Shi, Yuanyuan Wang, Adam Stewart, Jonathan Prexl,
- Abstract要約: 我々は今までに作られた最も高解像度で高精度なビルディングマップ、Global OpenBuildingMap(Global OBM)を作成しました。
ビルマップと太陽ポテンシャルの合同分析により、屋上太陽エネルギーは、合理的なコストで地球規模のエネルギー消費の需要を供給できることが示されている。
また,建築領域と重要社会経済変数の空間的相関も明らかにした。
- 参考スコア（独自算出の注目度）: 16.01396565010977
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Understanding how buildings are distributed globally is crucial to revealing the human footprint on our home planet. This built environment affects local climate, land surface albedo, resource distribution, and many other key factors that influence well-being and human health. Despite this, quantitative and comprehensive data on the distribution and properties of buildings worldwide is lacking. To this end, by using a big data analytics approach and nearly 800,000 satellite images, we generated the highest resolution and highest accuracy building map ever created: the Global OpenBuildingMap (Global OBM). A joint analysis of building maps and solar potentials indicates that rooftop solar energy can supply the global energy consumption need at a reasonable cost. Specifically, if solar panels were placed on the roofs of all buildings, they could supply 1.1-3.3 times -- depending on the efficiency of the solar device -- the global energy consumption in 2020, which is the year with the highest consumption on record. We also identified a clear geospatial correlation between building areas and key socioeconomic variables, which indicates our global building map can serve as an important input to modeling global socioeconomic needs and drivers.
- Abstract（参考訳）: 世界中の建物がどのように分布しているかを理解することは、地球上の人間の足跡を明らかにする上で非常に重要です。
この構築された環境は、気候、地表面アルベド、資源分布など、健康や人間の健康に影響を及ぼす重要な要素に影響を及ぼす。
それにもかかわらず、世界中の建物の分布と特性に関する定量的かつ包括的なデータは欠落している。
この目的のために、ビッグデータ分析アプローチと80万近い衛星画像を使用することで、これまでに作成された最も高解像度かつ高精度なビルディングマップ、Global OpenBuildingMap(Global OBM)を生成しました。
ビルマップと太陽ポテンシャルの合同分析により、屋上太陽エネルギーは、合理的なコストで地球規模のエネルギー消費の需要を供給できることが示されている。
具体的には、すべての建物の屋根にソーラーパネルを設置すれば、2020年の世界のエネルギー消費は1.1～3.3倍となる。
また,建築領域と重要な社会経済変数との空間的相関を明確化し,グローバルな建築地図がグローバルな社会経済ニーズとドライバをモデル化するための重要なインプットとなることを示す。
関連論文リスト
- GloSoFarID: Global multispectral dataset for Solar Farm IDentification in satellite imagery [1.2021565114959365]
本研究は、ソーラーパネルファームのマルチスペクトル衛星画像の包括的グローバルデータセットを初めて開発する。
これは、世界中のソーラーパネルファームの展開と分布を正確にマッピングし分析できる、堅牢な機械学習モデルのトレーニング基盤を形成することを目的としている。
論文 参考訳（メタデータ） (2024-04-08T04:10:50Z) - On the Promises and Challenges of Multimodal Foundation Models for
Geographical, Environmental, Agricultural, and Urban Planning Applications [38.416917485939486]
本稿では,地理,環境科学,農業,都市計画の領域におけるGPT-4Vの能力について考察する。
データソースには、衛星画像、空中写真、地上画像、フィールド画像、パブリックデータセットが含まれる。
このモデルは,地理的局在化,地図からのテキストデータ抽出,リモートセンシング画像分類,視覚的質問応答,作物型識別,病気・害虫・雑草認識,鶏の行動分析,農業オブジェクトカウント,都市計画知識質問応答,計画生成など,一連のタスクに基づいて評価される。
論文 参考訳（メタデータ） (2023-12-23T22:36:58Z) - Points for Energy Renovation (PointER): A LiDAR-Derived Point Cloud
Dataset of One Million English Buildings Linked to Energy Characteristics [0.705947228027401]
本稿では,ビルの3次元表現とそのエネルギー特性をデータ駆動で大規模に理解するビルディングポイントクラウドデータセットを提案する。
ジオレファレンスなLiDARデータとビルディングフットプリントを交わし、英国のエネルギーパフォーマンスデータベースの属性とリンクすることで、ビルディングポイントクラウドを生成します。
代表的サンプルを得るため、イングランドの農村部や都市部から100万棟の建物を選定し、その内50万棟がエネルギー特性に結びついている。
論文 参考訳（メタデータ） (2023-06-28T08:48:22Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - 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) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z) - An Artificial Intelligence Dataset for Solar Energy Locations in India [6.454602468926006]
インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げている。
土地利用プランナーは、PVインフラの最新の正確な地理空間情報にアクセスする必要がある。
インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを構築した。
論文 参考訳（メタデータ） (2022-01-31T23:53:19Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。
我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文 参考訳（メタデータ） (2022-01-06T15:43:13Z) - Open government geospatial data on buildings for planning sustainable
and resilient cities [0.0]
自由アクセスのために政府から解放された建物に関する2次元地理空間データのグローバルな研究を行う。
私たちは、アクセシビリティ、豊かさ、データ品質、調和、他のアクターとの関係という5つの次元に基づいて、1億以上の建物を含む28カ国から140以上のリリースをベンチマークします。
政府によって公表されたデータの多くは空間分析に有用であるが、その間には大きな格差があり、全ての事例が高品質で調和し、説明情報に富んでいるわけではない。
論文 参考訳（メタデータ） (2021-06-28T17:13:04Z) - Deep Learning Guided Building Reconstruction from Satellite
Imagery-derived Point Clouds [39.36437891978871]
衛星画像から生成された点雲からモデル再構成を構築するための信頼性が高く効果的な手法を提案する。
具体的には、複雑で騒々しい場面で建築屋根の形状を区別するために、ディープラーニングのアプローチが採用されている。
大規模都市モデル生成の一般ニーズに対処する最初の取り組みとして、開発はオープンソースソフトウェアとして展開されている。
論文 参考訳（メタデータ） (2020-05-19T05:38:06Z)
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。