Sep, 2023

通过简化的分类规则和3D建筑地图评估地方气候区产品

HTML
PDF
TL;DR该研究评估了全球本地气候区（Local Climate Zone）产品的性能，发现其难以区分需要精确建筑物地基信息和需要识别建筑物高程微妙差异的类别，并且在不同城市分布不一致，揭示了机器学习基于LCZ分类器中的数据分布偏移问题。该研究的发现为全球LCZ地图的不确定性提供了新的认识，并有助于确定最具挑战性的LCZ类别，并为LCZ的未来发展和验证提供了建议。
发现论文，激发创造
  • 中国建筑楼面积：数据集与学习流程

    本研究运用多类目标分割算法结合Sentinel-1和-2卫星数据，测量中国建筑物（即建筑物占地面积和高度）的楼板面积及其演变，旨在构建城市发展时间序列。

    Mar, 2023

  • ZRG：面向机器学习的高分辨率三维住宅屋顶几何数据集

    本文介绍了 Zeitview Rooftop Geometry（ZRG）数据集，包含成千上万个高分辨率空照图像的采样，用于住宅屋顶几何和场景理解的数字地面模型（DSM），3D 屋顶线框和多视角图像生成点云，并进行了充分的基准测试，以说明此数据集解锁的众多应用程序，并为屋顶轮廓提取、单眼高度估计和平面屋顶结构提取任务提供基线。

    Apr, 2023

  • DeepLCZChange：一种用于城市气候韧性的遥感深度学习模型架构

    本研究利用数据驱动的深度学习体系结构和方法探究了城市土地利用结构对城市气候的影响，并通过纽约市的相关遥感数据验证了城市森林的冷却效应。

    Jun, 2023

  • Points for Energy Renovation (PointER): 一个百万英国建筑点云数据集，链接能源特征

    该研究提出了一种建筑点云数据集，利用地理引用 LiDAR 数据与英国能源性能数据库相结合，实现建筑能源信息的数据驱动、大规模理解，为建筑能源建模提供了新的研究思路。

    Jun, 2023

  • 基于空间搭载激光雷达的全球细尺度城市建筑高度产品

    基于GEDI和多源数据，我们提供了一个最新的全球城市建筑高度产品，拥有150米的更高空间分辨率和内在细节，对气候、环境、生态和社会科学的城市研究具有推动作用。

    Oct, 2023

  • 基于地势信息的自主学习：利用有限注释增强LiDAR数据中的建筑物提取

    使用地面高程模型和自我监督学习的方法，在建筑物分割地图中利用少量标签数据取得了较好的效果，对于在遥感领域中提取特征具有高效性和有效性。

    Nov, 2023

  • DF4LCZ：一种基于SAM的场景级局地气候区域分类的数据融合框架

    通过与Sentinel-2图像相结合，将从高分辨率Google图像提取的地面对象先验融合在一起，从而提出了一个用于地表气候分区 (LCZs)分类的数据融合方法。

    Mar, 2024

  • 全球开放建筑地图 -- 揭开全球建筑之谜

    全球建筑分布与太阳能利用及全球社会经济需求和驱动因素的关系分析。

    Apr, 2024

  • AutoLCZ：基于规则的遥感自动化局部气候区域映射

    提出了一种新的LCZ映射框架AutoLCZ，通过从高分辨率RS模态中提取LCZ分类特征，通过模仿LCZ定义的数值规则，基于GIS实现了从RS数据进行LCZ分类的方法。AutoLCZ方法具有减少获取准确元数据所需人工劳动的潜力，同时也揭示了基于RS的方法的物理可解释性。在纽约市(NYC)进行的概念验证中，利用航空激光雷达勘测模拟了4个LCZ特征以区分10个LCZ类型，结果表明AutoLCZ在从RS数据进行大规模LCZ映射方面具有潜力。

    May, 2024

  • 跨国范围内预测建筑类型和功能

    本研究针对缺乏建筑类型和功能信息的欧洲地区，探讨了基于开放GIS数据集预测建筑类型和功能的可行性。采用图神经网络模型，我们发现结合上下文信息的建筑邻域可以显著提高预测性能，并通过局部子图训练实现了较高的分类准确率，显示了该方法在建筑分类领域的重要潜力。

    Sep, 2024