Miji haipanuki kwa mlalo pekee; pia hukua kwa wima. Ujenzi wa majengo mapya marefu, ubomoaji wa miundo ya zamani, ujenzi upya wa vitongoji na kuongezeka kwa msongamano wa vituo vya biashara hubadilisha kila wakati kipimo cha tatu cha jiji. Ili kuelewa mabadiliko haya, ni lazima kujua urefu wa majengo katika miaka tofauti. Hata hivyo, ingawa leo data za LiDAR zenye usahihi mkubwa zinaweza kupatikana, katika miji mingi hakuna data za kina za urefu wa majengo za miaka iliyopita.

Utafiti huu unalenga kukadiria urefu wa kihistoria wa majengo kutoka picha za satelaiti za kumbukumbu zenye mwonekano mkubwa wa anga wakati data za urefu za mwaka lengwa hazipo. Watafiti walitumia kwa pamoja picha mbili tofauti za satelaiti: moja ya mwaka wa rejeleo wenye data za urefu na nyingine ya mwaka lengwa usio na data za urefu. Aidha, modeli iliyosawazishwa ya uso wa kidijitali inayotokana na LiDAR ya mwaka wa rejeleo ilirekebishwa upya kulingana na jiometri ya mtazamo wa mwinuko wa picha ya satelaiti na kubadilishwa kuwa safu ya urefu inayoitwa “Line-of-Sight nDSM” au Los-nDSM.

Kiini cha mbinu ni mtandao wa masharti wa uzalishaji unaoshindana wenye utaratibu wa uangalifu mara mbili, yaani DA-cGAN. Modeli hujifunza kwa pamoja picha za satelaiti zilizopigwa kwa pembe katika tarehe mbili tofauti na data za Los-nDSM zilizolinganishwa nazo kijiometria ili kukadiria urefu wa majengo katika tarehe lengwa. Kisha kutokulingana kwa urefu kwenye mistari ya kuunganisha vipande vya picha husahihishwa kwa uboreshaji wa ndani, na katika hatua ya mwisho upendeleo wa kimfumo wa urefu hurekebishwa kwa kutumia nukta bandia za urefu thabiti zinazodhaniwa kuwa hazijabadilika.

Katika majaribio yaliyofanywa katika kitovu kikuu cha Beijing na Mji Mpya wa Tongzhou, mbinu iliyopendekezwa ilifanya vizuri zaidi kwa kiasi kikubwa kuliko mbinu ya kulinganisha inayotumia picha ya tarehe moja na nDSM pekee. Katika eneo la kwanza la utafiti, hitilafu ya wastani kamili ilipungua kutoka mita 5,97 hadi mita 2,42, na kosa la mzizi wa wastani wa mraba kutoka mita 9,28 hadi mita 3,37. Katika eneo la pili, kwa majengo yasiyobadilika, hitilafu ya wastani kamili ilishuka kutoka mita 5,78 hadi mita 2,49, na kosa la mzizi wa wastani wa mraba kutoka mita 7,75 hadi mita 3,71. Mbinu ilitoa uboreshaji mkubwa zaidi hasa kwa majengo marefu ambayo huonyesha uhamisho mkubwa zaidi wa kijiometri katika picha za mwinuko.

Hitimisho kuu la utafiti ni hili: hata kama hakuna kipimo cha moja kwa moja cha urefu kwa tarehe lengwa, urefu wa kihistoria wa majengo unaweza kukadiriwa kwa kuaminika zaidi ikiwa picha za satelaiti zenye mwonekano mkubwa za miaka tofauti, nDSM ya rejeleo ya eneo husika na urekebishaji sahihi wa kijiometri vitatumika pamoja. Hata hivyo, mbinu imejaribiwa katika maeneo mawili tu ya Beijing, haijapitiwa na wenzao na ni nyeti kwa ubora wa picha.

Ili kuelewa ukuaji wa jiji, haitoshi kuangalia tu jinsi eneo lililojengwa linavyoenea kwenye ramani kwa mlalo. Kati ya maeneo mawili yenye ukubwa sawa, moja linaweza kuwa na majengo ya ghorofa moja kwa kiasi kikubwa, huku jingine likiwa na minara ya ghorofa nyingi. Msongamano wa watu, matumizi ya nishati, athari ya kivuli, mahitaji ya usafiri, hatari ya majanga na utoaji wa kaboni katika miji hii miwili vinaweza kutofautiana.

Urefu wa jengo ni kigezo cha msingi katika mofolojia ya mijini, uundaji wa modeli za jiji za 3B, tathmini ya uharibifu wa tetemeko la ardhi na mafuriko, uchambuzi wa kisiwa cha joto mijini, mwangaza wa jua, mzunguko wa upepo, mgawanyo wa watu na ufanisi wa matumizi ya ardhi. Urefu wa sasa wa majengo unaweza kuzalishwa kwa LiDAR, picha za satelaiti za stereo au data za rada. Hata hivyo, safu za kina za urefu za miaka ya zamani kwa kawaida hazipo.

Ingawa kumbukumbu zina picha nyingi za satelaiti zenye mwonekano mkubwa za miaka iliyopita, picha hizi mara nyingi hazipigwi kwa mtazamo wa wima kabisa bali kwa pembe fulani ya mwinuko. Kwa hiyo, majengo marefu yanaonekana kana kwamba yameegemea upande katika picha. Kinyume chake, nDSM inayotokana na LiDAR huonyesha nafasi halisi ya orthographic. Hivyo, jengo lile lile huangukia katika nafasi tofauti za pikseli kwenye picha ya satelaiti na ramani ya urefu.

Tatizo la pili ni tofauti za muda. Modeli inapofunzwa kwa picha na data za urefu za 2017 au 2023 kisha kutumika moja kwa moja kwenye picha ya 2013, inaweza kupoteza usahihi kwa kiasi kikubwa kwa sababu ya tofauti za mwanga, sensa, rangi, pembe ya kutazama, vivuli na mabadiliko ya majengo.

Kwa nini tatizo hili ni muhimu?

Kujua urefu wa majengo ya zamani kunaweza kuonyesha maeneo gani ya jiji yalikua kwa mlalo na yapi yalikua kwa wima. Taarifa hii inaweza kutumika katika maeneo yafuatayo:

• Kutambua majengo yaliyobomolewa na kujengwa upya
• Kuchunguza ghorofa haramu au ujenzi usioidhinishwa
• Kulinganisha mabadiliko ya 3B ya miundo kabla na baada ya janga
• Uchambuzi wa msongamano wa mijini na uwezo wa idadi ya watu
• Kuchunguza kihistoria kisiwa cha joto mijini na athari za kivuli
• Kuunganisha matumizi ya nishati na utoaji wa kaboni na muundo wa jiji wa 3B
• Kutathmini udhibiti wa urefu katika maeneo ya urithi wa kitamaduni

LiDAR haiwezi kuzalishwa upya kwa wakati uliopita; ikiwa ndege haikuruka mwaka 2013, haiwezekani leo kupata kipimo cha LiDAR cha mwaka huo. Lakini picha ya satelaiti ya 2013 inaweza kuwa kwenye kumbukumbu. Thamani ya utafiti ni kujaribu kuibadilisha picha hiyo kutoka kuwa picha ya rangi ya zamani pekee na kuwa chanzo cha takribani cha urefu wa 3B.

Pengo katika fasihi ni lipi?

Modeli za CNN, GAN na ujifunzaji wa kazi nyingi zinazokadiria urefu kutoka picha moja zimewahi kutengenezwa. Modeli hizi hujifunza uhusiano kati ya picha na ramani inayolingana ya urefu. Hata hivyo, mbinu nyingi hufanya kazi katika kipindi kile kile au katika hali zinazofanana za picha.

Utafiti unaonyesha mapungufu mawili makuu:

1. Kutokulingana kwa kijiometri katika kiwango cha pikseli kati ya picha ya satelaiti ya mwinuko na nDSM halisi ya orthographic
2. Kukadiria urefu chini kwa namna ya kimfumo wakati modeli inapotumika katika tarehe tofauti kutokana na tofauti za spectral na kijiometri

Ili kutatua matatizo haya mawili kwa pamoja, watafiti walirekebisha nDSM ya rejeleo kwa mstari wa kuona wa picha na pia kuingiza picha ya mwaka lengwa katika mchakato wa mafunzo.

nDSM ni nini?

Modeli ya Uso wa Kidijitali, yaani DSM, huonyesha kwa pamoja urefu wa ardhi, majengo, miti na vitu vingine juu ya uso wa dunia. Modeli ya Mandhari ya Kidijitali, yaani DEM, huwakilisha urefu wa ardhi tupu pekee. Modeli ya Uso wa Kidijitali Iliyosawazishwa ni tofauti kati ya modeli hizi mbili:

[ nDSM = DSM - DEM ]

Hapa:

• DSM ni urefu wa uso unaojumuisha majengo na miti.
• DEM ni urefu wa ardhi.
• nDSM ni urefu wa vitu vilivyo juu ya ardhi.

Kwa mfano, ikiwa paa la jengo liko mita 85 juu ya usawa wa bahari na ardhi kwenye msingi wa jengo iko mita 55, nDSM itaonyesha takribani mita 30.

Kwa nini picha ya mwinuko na nDSM hazilingani moja kwa moja?

Satelaiti isipoangalia moja kwa moja kutoka juu, paa la jengo refu huhama pembeni katika picha ukilinganisha na msingi wake. Kadiri jengo linavyokuwa refu na pembe ya kutazama ya satelaiti inavyokuwa ya mwinuko, ndivyo uhamisho huu unavyokuwa mkubwa. Katika nDSM halisi ya orthographic, urefu wa paa huonyeshwa katika nafasi halisi ya mlalo ya jengo.

Hali hii hutengeneza tatizo la kuweka lebo zisizo sahihi kwa modeli. Pikseli inayowakilisha paa katika picha inaweza kuendana katika nDSM na jengo la jirani, barabara au urefu wa ardhi. Modeli ikifunzwa kwa ulinganishaji huu, haiwezi kujifunza kwa usahihi uhusiano kati ya picha na urefu.

Los-nDSM ni nini?

Los-nDSM ni kifupi cha Kiingereza cha “Line-of-Sight normalized Digital Surface Model”. Kwa Kiswahili inaweza kuelezwa kama Modeli ya Uso wa Kidijitali Iliyosawazishwa iliyorekebishwa kulingana na mstari wa kuona.

Badala ya kutumia nDSM moja kwa moja, watafiti walitumia jiometri ya RPC ya picha ya satelaiti kuhamisha urefu katika mwelekeo wa kutazama wa picha. Hivyo, pahali paa na façade inayoonekana ya jengo vinapoonekana katika pikseli za picha ya satelaiti, lebo ya urefu pia iliwekwa kwenye pikseli hizo.

Katika mbinu za awali za Los-DSM, mara nyingi nyuso za paa pekee ndizo zilizorekebishwa. Katika utafiti huu, ili kuzuia nafasi tupu katika façades za majengo marefu, urefu wa jengo uligawanywa katika vipindi vya wima vya mita 3 na viwango vingi vya urefu vikahamishiwa kwenye ndege ya picha.

Mlolongo wa hatua ni huu:

1. DSM inalinganishwa na picha ya satelaiti.
2. Urefu unagawanywa katika viwango vya wima vya mita 3.
3. Kila kiwango cha urefu kinahamishwa kwenye ndege ya picha kwa modeli ya RPC.
4. Kwa kuzingatia kufunikana katika mstari wa kuona, thamani kubwa zaidi huchaguliwa kwa kila pikseli.
5. Pikseli zilizoachwa tupu hujazwa kwa interpolation ya anga.
6. DEM huondolewa kutoka Los-DSM ili kupata Los-nDSM.

“Los-nDSM inayoonekana ya wakati lengwa” ina maana gani?

nDSM ya mwaka wa rejeleo pia ilirekebishwa kwa pembe ya kutazama ya picha ya mwaka lengwa. Hivyo Los-nDSM “inayoonekana” inayolingana kijiometria na picha lengwa ilitengenezwa.

Hata hivyo, safu hii ya urefu huwakilisha urefu halisi wa mwaka lengwa katika maeneo yasiyobadilika pekee. Kwa mfano, katika eneo lililokuwa wazi mwaka 2013 lakini likawa na jengo kufikia 2023, nDSM ya 2023 ikirekebishwa kwenye picha ya 2013 itaonyesha urefu usio sahihi.

Kwa hiyo watafiti walichagua sampuli za mafunzo kwa njia mbili:

• Katika maeneo yasiyobadilika, picha ya mwaka lengwa na Los-nDSM inayoonekana iliyorekebishwa kwa pembe lengwa zilitumiwa.
• Katika maeneo yaliyobadilika, picha ya mwaka wa rejeleo na Los-nDSM halisi ya rejeleo zilitumiwa.

Seti hii ya mafunzo iliyochanganywa inalenga kufanya modeli ijifunze sifa za rangi na picha za tarehe lengwa pamoja na uhusiano sahihi wa urefu.

Maeneo ya utafiti

Utafiti ulifanywa katika maeneo mawili ya Beijing yenye mofolojia tofauti za mijini.

Eneo la kwanza ni sehemu ya kati ya jiji ambako urefu wa majengo hudhibitiwa kwa ukali zaidi kutokana na ulinzi wa kihistoria na kitamaduni. Eneo la pili limepitia mabadiliko makubwa na ujenzi wa majengo marefu katika muongo uliopita.

Picha za satelaiti zilizotumiwa

Bendi za RGB na near-infrared ziliunganishwa na bendi ya panchromatic kwa kutumia mbinu ya Gram-Schmidt pan-sharpening. Picha za tarehe mbili zilisajiliwa kwa pamoja na hitilafu ya usajili ikawekwa chini ya pikseli 0,5.

Data za urefu wa rejeleo zilizalishwaje?

Data za LiDAR za anga za miaka ya rejeleo zilitumiwa kwa mafunzo ya modeli katika maeneo yote mawili. Msongamano wa nukta ulikuwa takribani nukta 30/m².

Hatua za uchakataji wa LiDAR:

1. Kuondoa kelele katika wingu la nukta
2. Kuzalisha DSM kutoka nukta za mrejesho wa kwanza
3. Kuzalisha DEM kwa Cloth Simulation Filter na uchambuzi wa hidrologia
4. Kuweka DSM na DEM katika azimio la mita 0,5
5. Kuzalisha nDSM kwa kuondoa DEM kutoka DSM

Kwa kuwa data za LiDAR za mwaka lengwa hazikuwepo, nDSM za fotogrametri zilitengenezwa kutoka jozi za stereo za satelaiti kwa ajili ya uthibitishaji. Hili ni jambo muhimu: urefu wa “rejeleo” wa mwaka lengwa pia si sahihi kama LiDAR na unaweza kuathiri tathmini ya hitilafu hasa katika majengo yaliyobadilika.

DA-cGAN ni nini?

DA-cGAN ni mtandao wa masharti wa uzalishaji unaoshindana wenye utaratibu wa uangalifu mara mbili. Una sehemu kuu mbili:

• Mtandao wa kuzalisha: Huzalisha ramani ya urefu kutoka picha ya satelaiti.
• Mtandao wa kutofautisha: Hutathmini ikiwa ramani ya urefu iliyozalishwa inafanana na urefu halisi wa rejeleo.

Mtandao wa kuzalisha una usanifu wa U-Net wenye ulinganifu. Encoder hubadilisha picha hatua kwa hatua kuwa sifa za juu zaidi; decoder huunda upya ramani ya urefu kutoka sifa hizi. Moduli ya uangalifu ya CBAM imewekwa kwenye miunganisho ya kuruka kati ya encoder na decoder.

Utaratibu wa uangalifu mara mbili hufanya nini?

CBAM hutumia aina mbili za uangalifu:

• Uangalifu wa chaneli: Hubainisha ramani zipi za sifa ni muhimu zaidi.
• Uangalifu wa anga: Hubainisha maeneo gani ya picha yanapaswa kupewa umakini zaidi.

Katika utafiti, moduli ya uangalifu ilitumika kwa sifa zinazotoka encoder na pia kwa sifa zinazotoka decoder. Kwa hiyo iliitwa “uangalifu mara mbili”.

Lengo ni kuimarisha taarifa zinazohusiana na urefu kama mipaka ya majengo, miundo ya paa, façades na vivuli, huku ikipunguza sifa zisizohusika kama barabara, uoto au tofauti za rangi za muda.

Mtandao wa kutofautisha hufanyaje kazi?

Sehemu ya kutofautisha inategemea usanifu wa PatchGAN. Badala ya kutoa uamuzi mmoja wa “halisi au bandia” kwa picha nzima, hugawanya picha katika vipande vidogo na kutathmini kila eneo la ndani.

Matokeo ni matriki ya uwezekano ya ukubwa 30×30×1. Kila thamani huonyesha uwezekano kwamba kipande husika cha urefu kinafanana na data halisi ya rejeleo. Mbinu hii husaidia kuhifadhi maelezo madogo ya anga kama mipaka ya majengo katika picha zenye mwonekano mkubwa.

Funksheni ya hasara ya mtandao wa kutofautisha

Utafiti ulitumia hasara ifuatayo kwa mtandao wa kutofautisha, inayotegemea mbinu ya least-squares GAN:

\[ \mathcal{L}_D(G,D) = \frac{1}{2}\mathbb{E}_{(a,b)\sim p_{data}(a,b)} \left[(D(a,b)-1)^2\right] + \frac{1}{2}\mathbb{E}_{a\sim p_{data}(a)} \left[D(a,G(a))^2\right] \]

Hapa:

• a ni picha ya satelaiti inayoingizwa.
• b ni ramani halisi ya urefu wa rejeleo.
• G(a) ni ramani ya urefu iliyokadiriwa na mtandao wa kuzalisha.
• D(a,b) ni alama ya uhalisia ya jozi halisi ya picha-urefu.
• D(a,G(a)) ni alama ya uhalisia ya jozi iliyozalishwa.

Sehemu ya kwanza hujaribu kufanya jozi halisi zikaribie 1, na sehemu ya pili kufanya jozi bandia zikaribie 0.

Funksheni ya hasara ya mtandao wa kuzalisha

\[ \mathcal{L}_G(G,D) = \mathbb{E}_{a\sim p_{data}(a)} \left[(D(a,G(a))-1)^2\right] + \lambda \mathbb{E}_{(a,b)\sim p_{data}(a,b)} \left[\lVert b-G(a)\rVert_1\right] \]

Hapa:

• Sehemu ya kwanza ni hasara ya ushindani inayolenga kufanya mtandao wa kuzalisha udanganye mtandao wa kutofautisha kwamba matokeo ni halisi.
• Sehemu ya pili ni tofauti ya L1 kati ya urefu uliokadiriwa na urefu halisi.
• λ ni mgawo wa usawa kati ya vipengele viwili vya hasara.

Katika utafiti λ = 10 ilichaguliwa. Hii inahakikisha kwamba ukaribu na thamani halisi za urefu unalindwa kwa nguvu, badala ya kuzalisha tu ramani zinazonekana halisi.

Modeli ilifunzwaje?

Kwa ingizo la pikseli 256×256, wakati wa inference iliripotiwa matumizi ya juu ya kumbukumbu ya GPU ya takribani 0,36 GB, gharama ya hesabu ya 55,99 GFLOPs na muda wa uchakataji wa 16,88 ms.

Kwa nini uboreshaji wa ndani wa urefu unahitajika?

Picha kubwa ya satelaiti inapogawanywa katika vipande vya pikseli 256×256, jengo linaweza kuangukia kwenye mpaka wa vipande viwili. Kwa kuwa modeli huchakata kila kipande kwa kujitegemea, nusu mbili za jengo moja zinaweza kukadiriwa kwa urefu tofauti. Hali hii huunda alama ya mshono kwenye ramani.

Watafiti waliunda migawanyo miwili tofauti ya viraka:

1. Mgawanyo wa kwanza huanza katika kona ya juu kushoto ya picha.
2. Mgawanyo wa pili huhamishwa pikseli 128 kulia na pikseli 128 chini.

Jengo linaloangukia mpakani katika mgawanyo wa kwanza hukaribia katikati ya kiraka katika mgawanyo wa pili. Makadirio katikati ya kiraka huchukuliwa kuwa thabiti zaidi.

Ikiwa tofauti ya urefu wa mshono kati ya pikseli jirani ni chini ya mita 3, matokeo hukubaliwa. Ikiwa tofauti ni kubwa zaidi, eneo la buffer la pikseli 20 huundwa pande zote mbili za mshono, yaani mita 10 katika azimio la mita 0,5, na ramani mbili za urefu huunganishwa kwa wastani wenye uzani.

Kwa nini urekebishaji wa urefu unahitajika?

Modeli za ujifunzaji wa kina zinaweza kukadiria urefu chini kwa utaratibu, hasa kwa majengo marefu. Marekebisho ya ndani ya mshono hayaondoi upendeleo huu wa jumla. Kwa hiyo, utafiti ulitumia urekebishaji wa mstari katika hatua ya mwisho:

\[ h_c = k \times h_e + C \]

Hapa:

• h_e ni urefu uliokadiriwa na modeli.
• h_c ni urefu uliorekebishwa.
• k ni mgawo wa kipimo.
• C ni neno la marekebisho ya kudumu.

Katika eneo la kwanza la utafiti, vigawo vilivyohesabiwa vilikuwa takribani k = 1,0649 na C = mita 0,5635. Thamani hizi ziliongeza kidogo makadirio ya modeli kwa ujumla.

Nukta ambazo urefu wake haukubadilika zilipatikana vipi?

Kwa kuwa urefu halisi wa mwaka lengwa haujulikani kwa ajili ya urekebishaji, pikseli za “urefu bandia-thabiti” zilizokadiriwa kuwa hazijabadilika kwa uwezekano mkubwa kati ya tarehe mbili zilichaguliwa.

Kwa kusudi hili, kipimo cha texture ya muda cha bendi nyingi kinachoitwa PCMV kilitumika. PCMV ikiwa ndogo, mabadiliko ya spectral na anga ya ndani kati ya tarehe mbili huwa madogo; kwa hiyo uwezekano kwamba muundo haujabadilika huwa mkubwa.

Kizingiti hakikuchaguliwa kwa mkono, bali kiliamuliwa kwa Monte Carlo cross-validation. Katika eneo la kwanza la utafiti, sampuli 2600 thabiti na sampuli 5200 zilizobadilika zilitumiwa, na baada ya marudio 100 kizingiti cha PCMV cha 3000 kilichaguliwa.

Ili kupunguza mabadiliko bandia yanayotokana na ukuaji au kupogoa uoto, pikseli za uoto zenye NDVI zaidi ya 0,2 na thamani ya bendi ya bluu chini ya 390 ziliondolewa.

Urekebishaji wa weighted least squares

\[ (k_{WLS}, C_{WLS}) = \arg\min_{k,C} (kH_e + C - H_{gt})^T W (kH_e + C - H_{gt}) \]

Hapa:

• H_e ni urefu uliokadiriwa wa mwaka lengwa katika nukta bandia za urefu thabiti.
• H_gt ni urefu wa mwaka wa rejeleo katika nukta hizo hizo.
• W ni matriki ya diagonal yenye uzani wa kuaminika kwa kila nukta.

Kwa kuwa PCMV ndogo inaonyesha uthabiti mkubwa wa muda, uzani ulitolewa kwa kinyume cha thamani ya PCMV iliyosawazishwa. Hivyo, nukta zinazoaminika zaidi kuwa hazijabadilika ziliathiri zaidi urekebishaji.

Vipimo vya usahihi

Hitilafu ya wastani kamili:

\[ MAE = \frac{1}{n}\sum_{i=1}^{n}|x_i-y_i| \]

Hupima kwa thamani kamili ni mita ngapi kila makadirio yanatofautiana na thamani halisi na kisha huchukua wastani.

Kosa la mzizi wa wastani wa mraba:

\[ RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i-y_i)^2} \]

Huadhibu makosa makubwa zaidi kwa sababu ya kuyainua kwa mraba.

Uhusiano mtambuka uliosawazishwa wenye wastani sifuri:

\[ ZNCC = \frac{1}{n} \sum_{i=1}^{n} \frac{(x_i-\mu_x)(y_i-\mu_y)} {\sigma_x\sigma_y} \]

Hupima kufanana kwa muundo wa urefu uliokadiriwa na muundo wa rejeleo. Kadiri inavyokaribia 1, ndivyo ulinganifu wa anga unavyoongezeka.

Upendeleo wa jamaa:

\[ RB = \frac{\sum_{i=1}^{n}(x_i-y_i)} {\sum_{i=1}^{n}y_i} \times 100\% \]

RB chanya huonyesha kukadiria kupita kiasi kwa ujumla, na RB hasi huonyesha kukadiria chini kwa ujumla.

Matokeo ya ablasyon katika eneo la kwanza

Matokeo mabaya zaidi yalipatikana wakati mafunzo yalifanywa kwa picha ya mwaka wa rejeleo pekee. Hii inaonyesha kuwa kuingiza sifa za picha ya tarehe lengwa katika mchakato wa mafunzo ni muhimu.

Los-nDSM ilipoondolewa, RMSE iliongezeka kutoka mita 3,81 hadi mita 5,47. Hili linaonyesha kwamba jiometri ya mwinuko wa majengo haiwezi kujifunzwa kwa rangi na texture pekee, na ulinganishaji sahihi wa pikseli-urefu ni muhimu.

Urekebishaji haukubadilisha ZNCC, lakini ulipunguza RB kutoka -%13,62 hadi -%3,90. Kwa maneno mengine, urekebishaji ulisahihisha zaidi upendeleo wa jumla wa kukadiria chini badala ya kubadilisha muundo wa anga.

Kulinganisha na mbinu ya tarehe moja

Mbinu iliyopendekezwa ilipunguza MAE kwa mita 3,55 na RMSE kwa mita 5,91 ikilinganishwa na mbinu ya kulinganisha. ZNCC iliongezeka kwa takribani 0,29.

Majengo yaliyobadilika na yasiyobadilika

Katika eneo la kwanza la utafiti, mbinu ya kulinganisha ilitoa matokeo mabaya zaidi kwa majengo yasiyobadilika kwa namna isiyotarajiwa. Sababu ni kwamba hata ikiwa jengo halijabadilika kimwili, tofauti za pembe ya kutazama, kivuli na sifa za spectral kati ya miaka tofauti zinaweza kutafsiriwa na modeli kama mabadiliko.

Matokeo katika eneo la pili

Mji Mpya wa Tongzhou ni eneo kubwa zaidi, lenye utofauti mkubwa na majengo mengi marefu. Kwa majengo yasiyobadilika, mbinu iliyopendekezwa ilitoa matokeo yafuatayo:

MAE ilipungua kwa mita 3,29 na RMSE kwa mita 4,04. ZNCC iliongezeka hadi 0,8871.

Utendaji katika majengo mafupi na marefu

Utafiti uligawa majengo katika makundi mawili kwa kutumia kizingiti cha mita 24:

• Majengo mafupi: chini ya mita 24
• Majengo marefu: zaidi ya mita 24

Katika majengo marefu, hitilafu bado ni kubwa kuliko katika majengo mafupi. Hata hivyo, kiwango cha uboreshaji pia ni kikubwa zaidi. Hili linaonyesha kwamba mbinu ya Los-nDSM ni muhimu hasa kwa majengo marefu yanayosababisha uhamisho mkubwa wa mlalo katika picha za mwinuko.

Matokeo katika majengo yaliyobadilika

Katika majengo yaliyobadilika ya eneo la pili, MAE ya mbinu ya kulinganisha ni mita 5,10 na MAE ya mbinu iliyopendekezwa ni mita 3,63. RMSE ilipungua kutoka mita 6,71 hadi mita 4,45.

Hata hivyo, RB ilibaki karibu na -%23 katika mbinu zote mbili. Watafiti walihusisha hali hii na ukweli kwamba nDSM ya rejeleo ya mwaka lengwa 2013 ilitengenezwa kutoka jozi za picha za stereo na ina usahihi mdogo kuliko data ya urefu ya 2023 inayotegemea BJ-3.

Picha zinaonyesha nini?

Mchoro wa mtiririko wa mbinu unaonyesha mchakato katika hatua tatu kuu:

1. Uzalishaji wa Los-nDSM wa tarehe mbili
2. Makadirio ya urefu wa tarehe lengwa kwa DA-cGAN na uboreshaji wa ndani
3. Urekebishaji kwa nukta bandia za urefu thabiti

Katika picha za kulinganisha Los-nDSM, nDSM halisi ya orthographic inaonekana kuhamishwa dhidi ya paa la jengo katika picha ya satelaiti ya mwinuko, ilhali Los-nDSM hufuata paa na façade kulingana na jiometri ya picha.

Katika picha za ablasyon, Los-nDSM ikiondolewa, mipaka ya majengo marefu huhama katika mwelekeo usio sahihi; taarifa za tarehe mbili zikiondolewa, majengo marefu hukadiriwa kuwa mafupi; uboreshaji wa ndani ukiondolewa, sehemu mbili za jengo moja kwenye mipaka ya viraka huonyesha urefu tofauti.

Katika grafu za mtawanyiko, nukta za mbinu iliyopendekezwa zimesambaa kwa usawa zaidi pande zote mbili za mstari wa 1:1. Katika mbinu kabla ya urekebishaji, sehemu kubwa ya nukta hubaki chini ya mstari, jambo linaloonyesha kukadiria chini kwa utaratibu.

Jaribio la ujanibishaji wa modeli

Watafiti walilinganisha modeli tofauti kwa kila eneo na modeli ya pamoja inayotumia data za maeneo yote mawili.

Ingawa modeli ya ndani ilikuwa bora kidogo katika vipimo vingi, modeli ya maeneo mengi ilitoa matokeo yanayokubalika. Hili linaashiria kwamba data zaidi za mafunzo kutoka miji tofauti zinaweza kusaidia modeli kuzoea sensa na maumbo tofauti ya mijini. Hata hivyo, kwa kuwa utafiti unajumuisha maeneo mawili tu, ujanibishaji wa kiwango kikubwa bado haujathibitishwa.

Umuhimu wa utafiti kwa zamani, sasa na baadaye

Kwa zamani: Picha za satelaiti za kumbukumbu zinaweza kutumika kujenga upya si tu mwonekano wa 2B wa miji ya zamani, bali pia urefu wa takribani wa majengo. Mbinu hii inaweza kuwezesha uchunguzi wa mabadiliko ya 3B ya mijini katika vipindi kabla ya LiDAR.

Kwa sasa: Katika miji ambako LiDAR au nDSM ya sasa inapatikana kwa eneo dogo tu, data hii ya ndani inaweza kutumika kufunza modeli kwenye picha pana ya satelaiti. Hivyo, urefu wa eneo kubwa zaidi unaweza kukadiriwa kwa gharama ya chini.

Kwa baadaye: Kwa data zaidi za mafunzo kutoka miji, sensa na miaka tofauti, mbinu inaweza kuchangia kuzalisha seti za data za kimataifa za urefu wa kihistoria wa majengo. Uchanganuzi wa majengo, ujifunzaji wa kazi nyingi na modeli za kijiometri za hali ya juu zinaweza kuboresha uundaji upya wa majengo wa 3B.

Athari katika maisha ya kila siku na usimamizi wa jiji

Utafiti huu hautoi moja kwa moja programu inayotumiwa na wananchi. Hata hivyo, mbinu zinazofanana zinaweza kutumika katika usimamizi wa jiji kwa madhumuni yafuatayo:

• Kubaini vitongoji vimeongezeka kwa ghorofa ngapi kwa miaka
• Kuchunguza athari za majengo mapya marefu kwa upepo na kivuli
• Kukadiria ujazo wa majengo na idadi ya ghorofa kabla ya tetemeko la ardhi
• Kuingiza urefu tofauti wa majengo katika modeli za hatari ya mafuriko
• Kuboresha makadirio ya nishati na msongamano wa watu
• Kufuatilia athari ya 3B ya uboreshaji wa mijini
• Kudhibiti mabadiliko ya urefu katika muundo wa kihistoria wa jiji

Nguvu za utafiti

• Kuzingatia tatizo halisi la ukosefu wa data za urefu za miaka ya zamani
• Kushughulikia moja kwa moja kutokulingana kwa kijiometri kati ya picha ya mwinuko na nDSM ya orthographic
• Kutengeneza Los-nDSM iliyoboreshwa inayojumuisha façades pamoja na paa
• Kupunguza tofauti ya muda kwa kuingiza picha ya mwaka lengwa katika mafunzo
• Kutumia DA-cGAN inayounganisha uangalifu wa chaneli na anga
• Kusahihisha makosa ya mipaka ya viraka kwa uboreshaji tofauti wa ndani
• Kuchagua nukta za urekebishaji kiotomatiki
• Kupima mchango wa kila kipengele kwa majaribio ya ablasyon
• Kujaribu kwa sensa mbili tofauti za satelaiti na miundo miwili tofauti ya mijini
• Kutathmini majengo yaliyobadilika na yasiyobadilika kando

Mapungufu ya utafiti

• Utafiti ni preprint ambayo haijapitiwa na wenzao.
• Umejaribiwa katika maeneo mawili tu ya Beijing.
• Maeneo yote mawili yana picha za ubora wa juu za WorldView-2 au Pleiades.
• Utendaji katika picha za ubora wa chini, zenye mawingu, ukungu au tofauti kubwa za radiometria haujulikani.
• Sehemu ya data za uthibitishaji wa urefu wa mwaka lengwa ilitengenezwa kutoka jozi za picha za stereo badala ya LiDAR.
• Katika majengo marefu, hitilafu bado ni takribani mita 6 MAE na mita 7,56 RMSE.
• Kukadiria chini kwa utaratibu katika majengo yaliyobadilika hakukuondolewa kikamilifu.
• Idadi ya sampuli za mafunzo ni ndogo.
• Hakuna uchanganuzi wazi wa vipengele vya majengo.
• Utenganishaji wa kisemantiki wa miti na vitu vingine virefu haujashughulikiwa kwa kina.
• Kizingiti cha PCMV na mafanikio ya urekebishaji yanaweza kutegemea hali ya picha.
• Uchukuaji upya wa wima wa mita 3 unaweza kupunguza uwezo wa kuona tofauti ndogo zaidi za urefu.
• Ujanibishaji mpana kwa miji, hali ya hewa, usanifu na sensa tofauti bado haujathibitishwa.

Utafiti unasema nini, na hausimi nini?

Utafiti unasema: Picha mbili za satelaiti za mwinuko zenye mwonekano mkubwa kutoka tarehe tofauti na nDSM ya rejeleo ya ndani zikitumiwa pamoja, urefu wa majengo ya zamani unaweza kukadiriwa kwa hitilafu ndogo kuliko mbinu ya tarehe moja. nDSM iliyorekebishwa kwa mstari wa kuona hupunguza kutokulingana kwa kijiometri katika majengo marefu. Mafunzo ya tarehe mbili na urekebishaji hupunguza kwa kiasi kikubwa kukadiria chini kunakotokana na tofauti za muda.

Utafiti hausimi: Mbinu haitoi urefu sahihi sawa na LiDAR. Haihakikishi utendaji ule ule katika kila jiji, kila sensa au kila ubora wa picha. Matokeo si vipimo vya kisheria kwa kadastro, udhibiti wa mipango miji, faini za ujenzi haramu au miradi ya uhandisi. Urefu uliokadiriwa hauwezi kutumika kama ushahidi wa uhakika wa usalama wa jengo au idadi ya ghorofa.

Mbinu na Matokeo ya Utafiti

Hatua kuu tatu za mbinu

Vigezo vikuu vya kiufundi

Eneo la kwanza: utendaji wa msingi

Eneo la pili: majengo yasiyobadilika

Tafsiri ya kiufundi ya majaribio ya ablasyon

• Los-nDSM ilipoondolewa: Mwinuko wa majengo marefu katika picha haukulingana na ramani ya urefu na RMSE iliongezeka kwa kiasi kikubwa.
• Picha ya tarehe lengwa ilipoondolewa kwenye mafunzo: Modeli haikuweza kuzoea sifa za spectral na kijiometri za mwaka tofauti, na RB ilishuka hadi -%28,07.
• cGAN ya kawaida ilipotumiwa badala ya DA-cGAN: Urefu wa majengo ulikadiriwa chini zaidi na mipaka ya majengo marefu ikawa mbaya zaidi.
• Uboreshaji wa ndani ulipoondolewa: Majengo kwenye mipaka ya viraka yalionyesha urefu uliogawanyika.
• Urekebishaji ulipoongezwa: Uhusiano ulihifadhiwa huku kukadiria chini kwa utaratibu kukipungua sana.

Maeneo ya matumizi yanayowezekana

• Atlasi za kihistoria za miji za 3B
• Ufuatiliaji wa mabadiliko ya mijini
• Makadirio ya ujazo wa majengo kabla ya janga
• Uchunguzi wa awali wa ujenzi haramu au usioidhinishwa
• Uchambuzi wa kihistoria wa idadi ya watu na msongamano wa eneo la sakafu
• Pembejeo kwa modeli za kisiwa cha joto mijini na upepo
• Uchambuzi wa nishati ya jua na kivuli
• Mabadiliko ya urefu katika maeneo ya urithi wa kitamaduni

Mahitaji ya utafiti wa baadaye

• Uthibitishaji katika miji na nchi zaidi
• Kujaribu kwa sensa na ubora tofauti wa picha
• Kuongeza uchanganuzi wa majengo katika modeli
• Kujifunza paa, façade na msingi kama vipengele tofauti
• Kutathmini vyanzo vya rejeleo vinavyoaminika zaidi ya LiDAR
• Modeli zinazostahimili zaidi mawingu, vivuli na tofauti za msimu
• Kupunguza hitilafu iliyobaki katika majengo marefu
• Kuunda data kubwa ya pamoja ya mafunzo kutoka miji tofauti
• Ramani za kujiamini zinazoonyesha kutokuwa na uhakika wa makadirio katika kiwango cha pikseli

Maelezo ya Chanzo na Mbinu

Maudhui haya yanatokana na utafiti wa Xiaoxue Feng, Peijun Li, Fang Chen na Changyong Dou wenye kichwa “A Novel Method for Estimating Urban Building Heights Using Bi-temporal High Resolution Satellite Imagery and Reprojected nDSM”.

Utafiti ni jaribio la utambuzi wa mbali na ujifunzaji wa kina linalounganisha picha za satelaiti za tarehe mbili zenye mwonekano mkubwa na pembe ya mwinuko, data za nDSM za eneo zinazotegemea LiDAR, safu za Los-nDSM zilizorekebishwa kwa mstari wa kuona na mtandao wa masharti wa uzalishaji unaoshindana wenye utaratibu wa uangalifu mara mbili.

Maandishi yana kauli wazi “This preprint research paper has not been peer reviewed”. Utafiti ni preprint iliyochapishwa kwenye SSRN na haijapitiwa na wenzao. Kwa hiyo, maelezo ya mbinu, matokeo ya nambari na madai ya ujanibishaji yanaweza kubadilika baada ya mapitio huru ya wenzao.

Utafiti ulifanywa katika maeneo mawili tu ya Beijing. Picha za WorldView-2 na Pleiades zilizotumiwa ni za ubora wa juu. Utafiti haujathibitisha kwamba mbinu itatoa usahihi ule ule katika picha za ubora wa chini, miundo tofauti ya usanifu, hali tofauti za hewa au sensa nyingine za satelaiti.

Sehemu ya urefu wa tathmini ya miaka lengwa ilitokana si moja kwa moja na LiDAR, bali na nDSM zilizotengenezwa kutoka jozi za picha za stereo za satelaiti. Kwa hiyo, hasa thamani za hitilafu za majengo yaliyobadilika zinaweza kujumuisha kutokuwa na uhakika wa urefu wa rejeleo pamoja na kutokuwa na uhakika wa modeli ya makadirio.

Urefu uliotengenezwa ni makadirio ya utambuzi wa mbali. Utafiti haujathibitisha matumizi yake kama mbadala wa vipimo vya moja kwa moja kwa kadastro, ukaguzi wa mipango miji, hesabu za uhandisi, usalama wa majengo, kutambua idadi ya ghorofa au hatua za kisheria. Maudhui yametayarishwa kwa kutegemea tu mbinu, majaribio, fomula, majedwali, grafu, picha na matokeo yaliyopo katika PDF; hakuna madai yasiyopo katika PDF kuhusu mafanikio ya kiutendaji, kufaa kibiashara au dhamana ya urefu wa uhakika yaliyoongezwa.