Shaharlar nafaqat gorizontal tarzda kengayadi, balki vertikal ravishda ham o‘sadi[cite: 10]. Yangi baland binolarning qurilishi, eski inshootlarning buzilishi, mahallalarning qayta tiklanishi va savdo markazlarining zichlashishi shaharning uchinchi o‘lchamini doimiy ravishda o‘zgartirib boradi[cite: 10]. Ushbu o‘zgarishni tushunish uchun turli yillarga oid bino balandliklarini bilish zarur[cite: 10]. Hozirgi kunda yuqori aniqlikdagi LiDAR ma’lumotlarini topish imkoni bo‘lsa-da, o‘tmish yillarga tegishli batafsil bino balandliklari ma’lumotlari ko‘plab shaharlarda mavjud emas[cite: 10].

Ushbu tadqiqot ma’lum bir maqsad qilingan yil uchun balandlik haqida ma’lumot bo‘lmagan taqdirda, arxivdagi yuqori fazoviy aniqlikdagi sun’iy yo‘ldosh tasvirlaridan foydalanib, tarixiy bino balandliklarini baholashni o‘z oldiga maqsad qilib qo‘ygan[cite: 10]. Tadqiqotchilar bittasi balandlik ma’lumotlari mavjud bo‘lgan mos yildagi (referens yil) va ikkinchisi balandlik ma’lumoti yo‘q bo‘lgan maqsadli (target) yildagi ikki xil sun’iy yo‘ldosh tasviridan birgalikda foydalanishgan[cite: 10]. Bundan tashqari, mos yildagi LiDAR ga asoslangan normallashtirilgan Raqamli Yuza Modeli (nDSM) sun’iy yo‘ldosh tasvirining qiya ko‘rish geometriyasiga mos ravishda qayta proyeksiyalanib, “Ko‘rish chizig‘i nDSM” (Line-of-Sight nDSM) yoki Los-nDSM deb ataladigan balandlik qatlamiga aylantirildi[cite: 10].

Usulning markazida ikki tomonlama e’tibor mexanizmiga ega shartli generativ-raqib tarmog‘i, ya’ni DA-cGAN (Dual-Attention conditional Generative Adversarial Network) yotadi[cite: 10]. Model ikki xil vaqtda olingan qiya burchakli sun’iy yo‘ldosh tasvirlari hamda ularga geometrik jihatdan moslashtirilgan Los-nDSM ma’lumotlarini birgalikda o‘rganib, maqsadli yilning bino balandliklarini hisoblab chiqadi[cite: 10]. So‘ngra tasvir parchalari orasidagi birlashish chiziqlarida paydo bo‘ladigan balandlik nomuvofiqliklari mahalliy optimallashtirish usuli bilan to‘g‘rilanadi, va yakuniy bosqichda o‘zgarmagan deb taxmin qilingan soxta balandligi o‘zgarmas nuqtalar yordamida tizimli balandlik og‘ishi kalibrlanadi[cite: 10].

Pekin shahrining asosiy shahar markazi hamda Tongzhou Yangi shahrida o‘tkazilgan tajribalarda taklif qilingan usul, faqat bitta sana tasviri va nDSM dan foydalanadigan qiyosiy usullarga nisbatan ancha muvaffaqiyatliroq ekanligi ko‘rsatildi[cite: 10]. Birinchi o‘rganish hududida O‘rtacha Absolyut Xatolik (MAE) 5,97 metrdan 2,42 metrga, O‘rtacha Kvadratik Xatolik (RMSE) esa 9,28 metrdan 3,37 metrga pasaydi[cite: 10]. Ikkinchi o‘rganish hududida o‘zgarmagan binolar uchun MAE 5,78 metrdan 2,49 metrga, RMSE 7,75 metrdan 3,71 metrga kamaydi[cite: 10]. Bu usul ayniqsa qiya tasvirlarda ko‘proq geometrik siljishlarni yuzaga keltiradigan baland binolarda kattaroq ijobiy natija berdi[cite: 10].

Tadqiqotning yakuniy xulosasi quyidagichadir: Maqsad qilingan sana bo‘yicha to‘g‘ridan-to‘g‘ri balandlik o‘lchovlari bo‘lmasa ham, turli yillarga tegishli yuqori aniqlikdagi sun’iy yo‘ldosh tasvirlarini maxsus mahalliy referens nDSM va mos geometrik qayta proyeksiyalash orqali birlashtirish yordamida tarixiy binolar balandliklarini ishonchliroq tarzda baholash mumkin[cite: 10]. Biroq, ushbu usul faqatgina Pekindagi ikkita hududda sinovdan o‘tkazilgan bo‘lib, ilmiy taqrizdan (peer review) o‘tmagan va tasvir sifatiga juda sezgir hisoblanadi[cite: 10].

Shaharning kengayishini o‘rganish uchun faqat qurilgan hududlarning xaritadagi gorizontal yoyilishiga qarashning o‘zi yetarli emas[cite: 10]. Xuddi bir xil maydonga ega bo‘lgan ikkita hududning biri asosan bir qavatli uylardan, ikkinchisi ko‘p qavatli osmono‘par binolardan iborat bo‘lishi mumkin[cite: 10]. Bunday ikki xil shaharning aholi zichligi, energiya iste’moli, soya tushirish ta’siri, transport ehtiyojlari, tabiiy ofatlar xavfi va uglerod ajratmasi bir-biridan butunlay farq qiladi[cite: 10].

Bino balandligi kentsel (shahar) morfologiyasi, 3D shahar modellashtirish, zilzila hamda suv toshqinlari zararlarini baholash, shahardagi issiqlik orollari tahlili, quyosh nurlari tushishi, shamol aylanishi, aholi taqsimoti hamda erlardan samarali foydalanish borasidagi asosiy o‘zgaruvchi hisoblanadi[cite: 10]. Binolarning joriy balandligi LiDAR, stereoskopik sun’iy yo‘ldosh tasvirlari yoki radar ma’lumotlari orqali yaratilishi mumkin[cite: 10]. Lekin aksariyat hollarda o‘tgan yillarga taalluqli batafsil balandlik xaritalari mavjud emas[cite: 10].

Arxivlarda oldingi yillarga doir ko‘plab yuqori aniqlikdagi sun’iy yo‘ldosh tasvirlari topilsa-da, bu tasvirlar har doim ham to‘g‘ridan-to‘g‘ri vertikal ko‘rinishda emas, balki qandaydir qiya burchak ostida olingan bo‘ladi[cite: 10]. Buning natijasida baland binolar tasvirda yonboshlagandek ko‘rinadi[cite: 10]. Aksincha, LiDAR orqali hosil qilingan nDSM ularning haqiqiy vertikal (ortografik) joylashuvini aks ettiradi[cite: 10]. Shunday qilib, bir xil bino sun’iy yo‘ldosh tasvirida va balandlik xaritasida turli xil piksel joylashuvlariga tushib qoladi[cite: 10].

Ikkinchi muammo vaqt bilan bog‘liq farqlardir[cite: 10]. Agar model 2017-yil yoki 2023-yil tasvirlari va balandlik ma’lumotlari yordamida o‘rgatilib, to‘g‘ridan-to‘g‘ri 2013-yil tasviriga qo‘llanilsa, u holda yorug‘lik, sensor, rang, ko‘rish burchagi, soya va binolardagi o‘zgarishlar tufayli aniqlikning keskin pasayishi kuzatilishi mumkin[cite: 10].

Bu muammo nima uchun muhim?

O‘tmishdagi binolar balandligini bilish, shaharning qaysi hududlarda gorizontal va qaysi hududlarda vertikal rivojlanganini ko‘rsatib bera oladi[cite: 10]. Bunday ma’lumotlardan quyidagi yo‘nalishlarda foydalanish mumkin[cite: 10]:

• Buzilgan va qayta qurilgan binolarni aniqlash[cite: 10]
• Noqonuniy qo‘shimcha qavatlar yoki ruxsatsiz qurilishlarni tadqiq qilish[cite: 10]
• Tabiiy ofatlardan oldingi va keyingi 3D struktura o‘zgarishlarini solishtirish[cite: 10]
• Shahar zichlashuvi hamda aholi sig‘imini tahlil qilish[cite: 10]
• Shahar issiqlik orollari va soya tushishini tarixiy kuzatish[cite: 10]
• Energiya sarfi va uglerod emissiyasini shahar 3D strukturasi bilan bog‘lash[cite: 10]
• Tarixiy madaniy meros hududlarida balandlikni nazorat qilishni baholash[cite: 10]

LiDAR ni tarixan orqaga qaytib bo‘lmaydi; agar uchoq (samolyot) 2013-yilda uchmagan bo‘lsa, u yil uchun bugun LiDAR o‘lchovlarini amalga oshirib bo‘lmaydi[cite: 10]. Buning aksi o‘laroq, 2013-yilgi sun’iy yo‘ldosh tasvirini arxivdan olish mumkin[cite: 10]. Ushbu tadqiqotning asosiy qiymati shundaki, u bunday arxiv tasvirlarini shunchaki o‘tmishning rangli fotosurati bo‘lishdan chiqarib, uni 3D balandlik manbasiga aylantirishga intiladi[cite: 10].

Adabiyotlardagi qanday bo‘shliq mavjud?

Bitta tasvirdan balandlikni baholaydigan CNN (Konvolutsion neyron tarmoqlar), GAN va ko‘p vazifali o‘rganish (multi-task learning) modellari ilgari ishlab chiqilgan[cite: 10]. Bu modellar bitta rasm bilan unga tegishli balandlik xaritasi orasidagi aloqani o‘rganadi[cite: 10]. Biroq ko‘pgina bunday usullar asosan bitta vaqt doirasida yoki o‘xshash tasvirlash sharoitlarida ishlaydi[cite: 10].

Tadqiqot asosiy ikki kamchilikni ko‘rsatib o‘tadi[cite: 10]:

1. Qiya sun’iy yo‘ldosh tasviri bilan haqiqiy ortografik nDSM orasida piksel darajasida geometrik moskelmaslik borligi[cite: 10]
2. Modelni boshqa vaqtdagi tasvirga qo‘llash paytida, spektral va geometrik tafovutlar tufayli balandlikning muntazam ravishda past baholanishi (underestimation)[cite: 10]

Tadqiqotchilar ushbu ikki muammoni birgalikda hal qilish uchun referens nDSM ni tasvirning ko‘rish chizig‘iga moslashtirib qayta proyeksiyalashgan hamda o‘qitish jarayoniga maqsadli yil tasvirini ham qo‘shganlar[cite: 10].

nDSM nima?

Raqamli Yuza Modeli (Digital Surface Model - DSM) yer yuzidagi er qismi, binolar, daraxtlar va boshqa ob’ektlarning umumiy balandliklarini ko‘rsatadi[cite: 10]. Raqamli Relyef Modeli (Digital Elevation Model - DEM) faqat er yuzining ochiq joylardagi balandligini bildiradi[cite: 10]. Normallashtirilgan Raqamli Yuza Modeli (nDSM) esa ushbu ikkisining farqidan olinadi[cite: 10]:

[ nDSM = DSM - DEM ]

Bu yerda[cite: 10]:

• DSM — er yuzasi, binolar va daraxtlar balandligi jamlanmasi[cite: 10].
• DEM — asosiy zamin balandligi[cite: 10].
• nDSM — erdagi ob’ektlarning yer yuzidan hisoblangan balandligi[cite: 10].

Masalan, binoning tom qismi dengiz sathidan 85 metr balandda bo‘lsa va binoning asosi 55 metrdagi zamin ustida joylashgan bo‘lsa, nDSM ning qiymati taxminan 30 metrga teng bo‘ladi[cite: 10].

Nima uchun qiya tasvir va nDSM bevosita mos kelmaydi?

Sun’iy yo‘ldosh tamomila tik (vertikal) tarzda yuqoridan qaramaganda, baland bino tomining tasviri bazasiga nisbatan yonga siljiganday ko‘rinadi[cite: 10]. Bino qanchalik baland va yo‘ldoshning ko‘rish burchagi qanchalik qiya bo‘lsa, bu siljish shunchalik kattalashadi[cite: 10]. Haqiqiy ortografik nDSM da esa tomning balandligi uning gorizontal proyeksiyasiga to‘liq to‘g‘ri keladigan joyda tasvirlanadi[cite: 10].

Bu model o‘rgatilishida noto‘g‘ri belgilash (labeling) muammosiga sabab bo‘ladi[cite: 10]. Tasvirda tom ko‘rinadigan piksel aslida nDSM da qo‘shni bino, yo‘l yoki zaminning balandligiga mos kelib qolishi mumkin[cite: 10]. Agar model shu tarzda noto‘g‘ri ma’lumotlar bilan o‘qitilsa, u tasvir bilan balandlik o‘rtasidagi bog‘liqlikni to‘g‘ri o‘zlashtira olmaydi[cite: 10].

Los-nDSM nima?

Los-nDSM — inglizcha “Line-of-Sight normalized Digital Surface Model” (Ko‘rish chizig‘iga moslashtirilgan normallashtirilgan Raqamli Yuza Modeli) degan ma’noni anglatadi[cite: 10].

Tadqiqotchilar nDSM ni bevosita qo‘llash o‘rniga, sun’iy yo‘ldosh tasvirining RPC geometriyasi orqali balandlik ma’lumotlarini tasvirning aynan o‘zining ko‘rish yo‘nalishiga ko‘chirganlar[cite: 10]. Shu tarzda, binoning tomi yoki yuzasi tasvirda qaysi piksellarda namoyon bo‘lsa, uning balandlik qiymatlari (teglari) ham o‘sha piksellarga o‘tkazilgan[cite: 10].

Avvalgi Los-DSM yondashuvlarida asosan tomning ustki qismlari proyeksiyalanar edi[cite: 10]. Bu ishda esa, baland binolarning fasadlarida bo‘shliqlar qolmasligi uchun bino balandligi 3 metrlik vertikal qadamlar bilan bo‘linib, bir nechta balandlik darajalari tasvir tekisligiga proyeksiyalangan[cite: 10].

Amalga oshirish ketma-ketligi quyidagicha[cite: 10]:

1. DSM sun’iy yo‘ldosh tasviri bilan moslashtiriladi[cite: 10].
2. Balandliklar 3 metrlik vertikal qadamlar asosida qatlamlarga bo‘linadi[cite: 10].
3. Har bir balandlik qatlami RPC modeli vositasida tasvir tekisligiga proyeksiyalanadi[cite: 10].
4. O‘zaro to‘sib qolish (occlusion) omilini hisobga olib, har bir piksel uchun eng baland ko‘rsatkich olinadi[cite: 10].
5. Bo‘sh qolib ketgan piksellar fazoviy interpolyatsiya yo‘li bilan to‘ldiriladi[cite: 10].
6. Nihoyat, Los-DSM dan DEM ayrilib, yakuniy Los-nDSM hosil qilinadi[cite: 10].

“Ko‘rinadigan maqsadli yil Los-nDSM” tushunchasi nimani anglatadi?

Mos yil (referens) ga oid nDSM ham maqsadli (target) yil ko‘rish burchagi ostida qayta proyeksiyalangan[cite: 10]. Bu orqali maqsadli yil tasviri bilan geometrik jihatdan mos tushuvchi “ko‘rinadigan” (visible) Los-nDSM shakllantirilgan[cite: 10].

Ammo, bu balandlik xaritasi faqatgina o‘zgarmagan joylardagina maqsadli yildagi haqiqiy balandliklarni to‘g‘ri aks ettiradi[cite: 10]. Masalan, 2013-yilda ochiq maydon bo‘lib, 2023-yilda o‘rnida bino qurilgan joyda 2023-yildagi nDSM qiymati 2013-yil tasviriga proyeksiyalansa, u noto‘g‘ri balandlik ko‘rsatkichini namoyish etadi[cite: 10].

Shu sababli tadqiqotchilar o‘qitish namunalari to‘plamini ikki usulda ajratib olishdi[cite: 10]:

• O‘zgarmagan hududlarda maqsadli yil tasviri va unga mos ravishda maqsadli burchak bo‘yicha proyeksiyalangan ko‘rinadigan Los-nDSM foydalanilgan[cite: 10].
• O‘zgargan hududlarda esa referens yil tasviri va uning o‘zidagi aniq referens Los-nDSM qo‘llanilgan[cite: 10].

Bunday majmuaviy o‘qitish usuli orqali model maqsadli yilning rang va vizual xususiyatlari bilan birga to‘g‘ri balandlik munosabatlarini ham o‘rganishiga zamin yaratilgan[cite: 10].

Tadqiqot hududlari

Tadqiqot Pekinda ikkita mutlaqo farqli shahar morfologiyasiga ega bo‘lgan hududda amalga oshirilgan[cite: 10].

Birinchi hudud tarixiy va madaniy qadriyatlar tufayli bino balandliklari jiddiy nazorat qilinadigan markaziy hududdir[cite: 10]. Ikkinchi hudud esa so‘nggi o‘n yil ichida katta hajmdagi qayta qurish va yirik yuqori qavatli loyihalar amalga oshirilgan joydir[cite: 10].

Foydalanilgan sun’iy yo‘ldosh tasvirlari

RGB va yaqin infraqizil spektral tasmalar pankromatik tasma bilan Gram-Schmidt pan-sharpening usuli yordamida birlashtirilgan[cite: 10]. Ikkala yil tasviri ham bir-biriga moslashtirilgan va ro‘yxatga olish xatosi (registration error) 0,5 pikseldan kam qilib saqlangan[cite: 10].

Referens balandlik ma’lumotlari qanday tayyorlandi?

Modelni o‘qitish maqsadida har ikki hudud uchun mos ravishda referens yillardagi havo LiDAR ma’lumotlari qo‘llanilgan[cite: 10]. Nuqta zichligi taxminan 30 nuqta/m² ga teng edi[cite: 10].

LiDAR ni ishlash bosqichlari[cite: 10]:

1. Nuqta buluti (point cloud) shovqinlardan tozalandi[cite: 10].
2. Birinchi marta qaytgan signallardan (first returns) DSM hosil qilindi[cite: 10].
3. Cloth Simulation Filter hamda gidrologik tahlil vositasida DEM yaratildi[cite: 10].
4. DSM va DEM aniqligi 0,5 metrga moslashtirildi[cite: 10].
5. Nihoyat, DSM dan DEM ayrilib, nDSM barpo etildi[cite: 10].

Maqsadli yil (2013 yil) uchun LiDAR ma’lumotlari bo‘lmaganligi sababli, tekshirish (validation) ishlari stereoskopik sun’iy yo‘ldosh tasvir juftliklaridan olingan fotogrammetrik nDSM’lar yordamida olib borildi[cite: 10]. Bu jihat juda muhimdir: maqsadli yilning “referens” balandliklari LiDAR kabi mukammal aniqlikka ega emas va ayniqsa shakli o‘zgargan binolarni baholash paytida u xatoliklar taqsimotiga ta’sir ko‘rsatishi ehtimoldan xoli emas[cite: 10].

DA-cGAN nima?

DA-cGAN (Dual-Attention conditional Generative Adversarial Network) qo‘shaloq diqqat mexanizmiga asoslangan shartli generativ raqib tarmoqdir[cite: 10]. U quyidagi ikkita asosiy tarmoqdan tashkil topgan[cite: 10]:

• Generator tarmog‘i: Sun’iy yo‘ldosh tasviridan foydalanib balandlik xaritasini hosil qiladi[cite: 10].
• Diskriminator tarmog‘i: Ishlab chiqarilgan balandlik xaritasining haqiqiy referens balandliklariga qanchalik o‘xshash yoki yo‘qligini baholaydi[cite: 10].

Generator tarmoq simmetrik U-Net arxitekturasiga ega[cite: 10]. Kodlovchi (encoder) tasvirni tobora mavhumroq xususiyatlarga aylantiradi; dekodlovchi (decoder) esa shu xususiyatlardan balandlik xaritasini qayta tiklaydi[cite: 10]. Kodlovchi va dekodlovchini bog‘lovchi bo‘g‘inlarda CBAM (Convolutional Block Attention Module) diqqat modullari joylashtirilgan[cite: 10].

Qo‘shaloq e’tibor (diqqat) mexanizmi nima ish bajaradi?

CBAM ikkita turdagi diqqat funksiyasini qo‘llaydi[cite: 10]:

• Kanal bo‘yicha e’tibor (Channel attention): Turli kanal o‘lchamlarining qay biri balandlikka oid ko‘proq ahamiyatga ega ekanligini aniqlaydi[cite: 10].
• Fazoviy e’tibor (Spatial attention): Tasvirning qaysi joylariga asosiy e’tiborni qaratish lozimligini belgilab beradi[cite: 10].

Tadqiqotda mazkur diqqat moduli ham kodlovchidan, ham dekodlovchidan olinadigan xususiyatlarga qo‘llanilgan[cite: 10]. Shu sababli ham u “qo‘shaloq e’tibor” deb atalgan[cite: 10].

Buning maqsadi, binoning yon chetlari, tomdagi to‘qimalar, bino fasadlari (old ko‘rinishi) va soyalar kabi balandlik xususiyatlarini ifodalaydigan muhim tafsilotlarni kuchaytirish, va shu bilan birga yo‘llar, o‘simliklar va yillik rang tafovutlari kabi ahamiyatsiz omillar ta’sirini kamaytirishdir[cite: 10].

Diskriminator tarmoq qanday ishlaydi?

Diskriminator qismi PatchGAN me’morchiligidan foydalanadi[cite: 10]. Butun bir tasvirga bitta umumiy “haqiqiy yoxud qalbaki” deb xulosa chiqarish o‘rniga, tasvirni kichik parchalarga bo‘lib, har bir mahalliy hududni birma-bir baholaydi[cite: 10].

Natija 30x30x1 o‘lchamli ehtimollik matritsasi ko‘rinishida olinadi[cite: 10]. Undagi har bir qiymat o‘ziga tegishli hududning aslida haqiqiy balandlikka qay darajada muvofiq kelishini bildiradi[cite: 10]. Bunday yondashuv orqali katta o‘lchamdagi rasmda binolarning chegarasi singari mayda ko‘rinish tafsilotlarini ham yaxshilab saqlab qolishga muvaffaq bo‘linadi[cite: 10].

Diskriminatorning yo‘qotish funksiyasi

Tadqiqotda eng kichik kvadratlar GAN tamoyiliga asoslangan quyidagi yo‘qotish funksiyasi (loss function) qo‘llangan[cite: 10]:

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

Bunda[cite: 10]:

• a — kiruvchi sun’iy yo‘ldosh rasmi[cite: 10].
• b — haqiqiy referens balandlik xaritasi[cite: 10].
• G(a) — generator modelining taxminiy balandlik xaritasi[cite: 10].
• D(a,b) — rasm-balandlik juftligining haqiqiylik bahosi[cite: 10].
• D(a,G(a)) — sun’iy yasalgan balandlik juftligining haqiqiylik bahosi[cite: 10].

Bu tenglamaning birinchi qismi rasmiy haqiqiy namunalar qiymatini 1 ga, ikkinchi qismi esa qalbaki namunalar qiymatini 0 ga yaqinlashtirishga intiladi[cite: 10].

Generatorning yo‘qotish funksiyasi

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

Bunda[cite: 10]:

• Birinchi bo‘lim generatordan o‘z ishini shunday bajarishini talab qiladiki, natijada diskriminator bu balandlik qalbaki ekanligini anglay olmasin (raqib/adversarial yo‘qotish)[cite: 10].
• Ikkinchi bo‘lim taxmin qilingan hamda haqiqiy balandlik orasidagi bevosita farqni (L1 normasi) o‘lchaydi[cite: 10].
• λ — ikki komponent orasidagi munosabat koeffitsiyenti[cite: 10].

Loyiha davomida λ qiymati 10 etib tanlandi[cite: 10]. Bu shunchaki ko‘zga ishonarli rasmlar ishlashdan tashqari, aniq son jihatidan haqiqiy balandlik qiymatlariga yondashish muhimligini kuchaytiradi[cite: 10].

Model qanday o‘qitildi?

256x256 pikselli kiritish uchun modelning test qilish (inference) bosqichida maksimal GPU xotira sig‘imi iste’moli taqriban 0,36 GB ni, hisoblash hajmi 55,99 GFLOPs ni va bir patchni qayta ishlash davomiyligi 16,88 millisekundni tashkil qilgani bildirildi[cite: 10].

Nima sababdan mahalliy optimallashtirish talab qilinadi?

Katta hajmga ega sun’iy yo‘ldosh rasmlari 256x256 piksel parchalariga o‘zgartirilganda bitta bino tasodifan ikkita parchaning chegara hududiga to‘g‘ri kelib qolishi mumkin[cite: 10]. Tarmoq har bir bo‘lakni mustaqil ishlagani tufayli bitta inshootning ikkiga bo‘lingan qismi turlicha balandliklarda chiqishi mumkin[cite: 10]. Natijada butun xaritada ko‘zga tashlanuvchi “chok izlari” paydo bo‘ladi[cite: 10].

Tadqiqotchilar muammoning yechimi sifatida tasvirni yana bir xil qismlarga, faqat surilgan holda qayta bo‘ldilar[cite: 10]:

1. Birinchi bo‘lish asosi suratning yuqori chap chetidan yasaladi[cite: 10].
2. Ikkinchi bo‘lishda esa panjara butunlay 128 piksel o‘ngga, hamda 128 piksel pastga qaratib suriladi[cite: 10].

Endi birinchi holda chekkada turgan bino ikkinchi navbatda aniq rasmni markazida tushadi[cite: 10]. Model markaziy sohani ancha aniq ishlashi inobatga olindi[cite: 10].

Qo‘shni qismlar uchrashgan chegara o‘tishlari izlarining tafovut qadami 3 metrdan kichik chiqqanda xulosa tasdiqlandi[cite: 10]. Mabodo, orasidagi tafovut juda ko‘p bo‘lsa u yerning atrofiga 20 piksel (0,5 metrdan 10 metrgacha ekvivalent) zona qoldirilib, ikkita natija izchil birlashuv koeffitsiyenti asosida aralashtirildi[cite: 10].

Balandliklarni nima uchun kalibrlash zarur bo‘ldi?

Neyron tarmoq chuqur o‘rganish natijasida barcha qiymatlarni ayniqsa osmono‘par ko‘p qavatli obyektlar nisbatida umuman past qilib belgilab qo‘yishi aniqlangan[cite: 10]. Local chok optimizatsiya ishlari ushbu tizimli yetishmovchilikni tuzata olmaydi[cite: 10]. Aynan shu bois, yakuniy qatlam ustidan yana o‘zgartirishni tenglovchi matematik to‘g‘rilash yuritildi[cite: 10]:

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

Bunda[cite: 10]:

• h_e — model taxmin qilgan dastlabki balandlik[cite: 10].
• h_c — o‘zgartirilgandan keyingi to‘g‘ri balandlik[cite: 10].
• k — masshtablash parametri[cite: 10].
• C — doimiy sonli o‘zgartirish elementi[cite: 10].

Birinchi obyekt natijalarida ularning son qiymatlari taxminan k = 1,0649 ga hamda C = 0,5635 metr etib qayd etilgan[cite: 10]. Buning samarasi o‘laroq, balandlik bo‘yicha umumiy pastki xatolar miqdori mutanosib darajada barqaror oshirib qo‘yildi[cite: 10].

Balandligi umuman almashmaydigan nuqtalar qanday tanlandi?

O‘zgarmaydigan asoslar aslida kelajak ssenariysi borasida qanaqa ekanligi jumboq, shuning uchun oldingi hamda bugungi kun orasida o‘zgarish kuzatilmagani aniq hisoblangan saxta doimiy-piksel bazasi ajratib kelindi[cite: 10].

Shu nuqtai nazardan ko‘p spektral xossali faza (PCMV) indeks qatori qo‘llanildi[cite: 10]. Bu natijalar miqdori minimum darajada chiqqanda, ularning lokal shakli jiddiy o‘zgarish bo‘lmagani tasdiqlanadi va haqiqatan uning formasi daxlsiz qolgan, deb aniqlanadi[cite: 10].

O‘tish darajasi (threshold) ko‘r-ko‘rona tanlanmagan, aksincha Monte Karlo o‘zaro moslashtiruv jarayoni orqali saralangan[cite: 10]. Birinchi operatsiya zonasida 2600 tasi sabit bo‘lgan, hamda 5200 tagasi harakatlanuvchan baza sifati berilgan bo‘lib, 100 bosqich doirasida PCMV chegarasi ataylab 3000 atrofida joylashtirildi[cite: 10].

Mabodo buta va daraxtlar bargi chiqqan sababli yolg‘on nomutanosiblik chiqmasligini e’tiborga olib NDVI 0,2 ko‘rsatkichidan pastlari shuningdek, ko‘k spektr qismi 390 darajadan yupqasi flora bo‘lishiga qaramay obyektdan tashlandi[cite: 10].

Vaznlangan eng kichik kvadratlar kalibratsiyasi

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

Bunda[cite: 10]:

• H_e — saxta doimiy-piksel joylashgan target davridagi yangidan xisoblangan qavatlar bo‘yi[cite: 10].
• H_gt — ushbu lokatsiyaning refrenslar qatoridagi asos bo‘yi[cite: 10].
• W — alohida piksel xatosi sifat vaznini akslovchi diagonal tuzilma[cite: 10].

Qanchalik past chiqqan PCMV u darajada daxlsizlikning yuksak kafili deb anglatiladi; shu o‘rinda, normallashgan ko‘rsatkich teskari funksiya tarzida berildi[cite: 10]. Bas, holati jiddiy alishmaganlikka katta ehtimolli pozitsiyalar tenglamaga ulkan vazn tashkil etishda yordamlashdi[cite: 10].

Aniqlik ko‘rsatkichlari

O‘rtacha Absolyut Xatolik (MAE):

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

Bu har bir bahoning haqiqiy qiymatdan o‘rtacha qancha metrga uzoqlashganini absolyut hisobda o‘lchaydi[cite: 10].

O‘rtacha Kvadratik Xatolik (RMSE):

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

Kvadratga oshirish tufayli katta miqdordagi xatoliklarga ko‘proq urg‘u (jazo) beradi[cite: 10].

Nol markazli Normalizatsiya qilingan O‘zaro Korrelyatsiya (ZNCC):

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

Tahmin qilingan balandlik shakli bilan referens naqsh orasidagi o‘xshashlikni o‘lchaydi[cite: 10]. U 1 ga yaqinlashgan sari fazoviy muvofiqlik shuncha kuchli ekanini bildiradi[cite: 10].

Nisbiy Og‘ish (RB):

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

Ijobiy (musbat) RB umumiy oshirib baholashni, salbiy (manfiy) RB esa kamaytirib baholashni ko‘rsatadi[cite: 10].

Birinchi o‘rganish hududidagi ablyatsiya natijalari

Eng yomon natija, modelni o‘qitishda faqatgina referens yil tasviridan foydalanilganda yuz bergan[cite: 10]. Bu shuni tasdiqlaydiki, o‘quv jarayonida maqsadli yil tasvir xususiyatlarini jalb qilish natijani ancha aniqroq chiqishida kritik rol o‘ynaydi[cite: 10].

Los-nDSM qo‘llanilmaganda RMSE 3,81 metrdan birdaniga 5,47 metrga oshib ketgan[cite: 10]. Bu shuni isbotlaydiki, binoning qiya geometriyasini faqat rang va to‘qima orqali bilib olish imkonsiz, piksel bilan balandlik muvofiqligi to‘g‘ri ta’minlanishi kerak[cite: 10].

Kalibrlash bosqichi ZNCC ga deyarli ta’sir qilmagan bo‘lsa-da, RB ko‘rsatkichini -13,62% dan -3,90% ga tushirdi[cite: 10]. Boshqacha qilib aytganda, kalibrlash shunchaki obyekt shaklini o‘zgartirmay, qisqartirib baholash bilan bog‘liq tizimli oqsoqlikni tuzatdi[cite: 10].

Bir yillik davrdan iborat usul bilan taqqoslash

Taklif qilingan usul qiyosiy usulga nisbatan MAE ni 3,55 metrga, RMSE ni 5,91 metrga pasaytirdi[cite: 10]. ZNCC qiymati esa taxminan 0,29 darajaga oshdi[cite: 10].

O‘zgargan va o‘zgarmagan binolar holati

Birinchi hudud tajribasida qiyosiy usul aslida o‘zgarmagan binolarni baholashda tushunarsiz ravishda pastroq aniqlik berdi[cite: 10]. Buning asl sababi shuki, bino jismoniy jihatdan o‘z holicha tursa ham, turli yillardagi ko‘rish burchagi, soya va spektral farqlar model tomonidan shunchaki bino “o‘zgardi” deya adashtirib qabul qilinishi mumkin[cite: 10].

Ikkinchi o‘rganish hududidagi natijalar

Tongzhou Yangi shahri birinchi hududga nisbatan kattaroq, geterogenroq va unda ko‘proq osmono‘par inshootlar mavjud[cite: 10]. O‘zgarmagan binolarni baholashda taklif qilingan usul quyidagi ko‘rsatkichlarni berdi[cite: 10]:

MAE 3,29 metrga, RMSE 4,04 metrga yaxshilandi[cite: 10]. ZNCC 0,8871 ga ko‘tarildi[cite: 10].

Past va yuqori qavatli binolarda natijalar samarasi

Tadqiqot doirasida 24 metrlik chegara qabul qilinib, obyektlar ikkita guruhga bo‘lindi[cite: 10]:

• Past qavatli binolar: balandligi 24 metrdan kam[cite: 10]
• Yuqori qavatli binolar: balandligi 24 metrdan baland[cite: 10]

Garchand yuqori qavatli binolardagi umumiy xatolik past qavatlilarga nisbatan balandroq qolsa-da, bu turkumdagi yaxshilanish qiymati kattaroqdir[cite: 10]. Bu shuni ko‘rsatadiki, Los-nDSM usuli qiya tasvirlar bilan ishlanadigan, kattaroq fazoviy adashish beruvchi baland inshootlarga juda samarali yechim taqdim qilgan[cite: 10].

O‘zgargan binolar tahlili natijalari

Ikkinchi hududning o‘zida o‘zgargan binolarni baholaganda qiyosiy usul MAE si 5,10 metrni, taklif qilingan usul MAE si 3,63 metrni ko‘rsatdi[cite: 10]. RMSE esa 6,71 metrdan 4,45 metrga tushgan[cite: 10].

Aytish joizki, RB ikkala usulda ham deyarli bir xilda taxminan -23% darajasida qoldi[cite: 10]. Tadqiqotchilar buni maqsadli 2013 yil yili referens nDSM larida LiDAR o‘rniga stereoskopik sun’iy yo‘ldoshlar (optik o‘lcham) manbalariga tayanish va uning ma’lumotlari darajasi 2023-yilgi BJ-3 ga nisbatan biroz quyi aniqlikda bo‘lganligi bilan izohlaydilar[cite: 10].

Grafik tasvirlar nima ma’noni ifodalaydi?

Tadqiqot jarayonidagi blok-sxemalar jarayon uchta ulkan ish bosqichidan iboratligini uqtiradi[cite: 10]:

1. Ikki xil vaqtli Los-nDSM lar hosil qilinishi[cite: 10]
2. DA-cGAN orqali maqsadli davrdagi ehtimoliy balandlikni hisoblash va uni yamoq miqyosida barqarorlashtirish[cite: 10]
3. O‘zgarmagan fiktiv-statsionar yozuvlar asnosida natijalarni umumiy kalibrlash[cite: 10]

Los-nDSM larni o‘zaro tenglashtirish illyustratsiyalaridan yaqqol ayonki, oddiy nDSM dagi yozuv qiya ko‘ringan tom ustida qanday surilib ko‘rinsa, Los-nDSM dagi tom ustidagi tepa chegarasi tasvirdagi binoning yon foni-u tomi geometriyasini mutlaqo bexato tasvirlaydi[cite: 10].

Ablyatsiya rasmlaridan xulosa qilinadiki: agar Los-nDSM uzib tashlansa, ko‘p qavatli binoning qirralari o‘zga oqimga tortib ketadi; maqsad yilga qarash bekor qilinsa, tikka uylar qisqarib o‘lchanadi; optimallashtirish qo‘llanmasa bitta binoga bir xil bo‘lmagan uch xil daraja yozilib qoladi[cite: 10].

Scatter grafiklar (nuqtali tarqalish diagrammalari) yordamida qilingan tahlillarda ilgari surilgan modellar bo‘yicha topilgan natijalar o‘rtadagi 1:1 nisbat (diagonali) ustida zich va aniq tarqaladi[cite: 10]. Holbuki kalibrlashsiz usullar bo‘yicha asosan o‘qdan quyi tarafga tushib, doimiy yetarlicha past hisoblash illati isbotini topdi[cite: 10].

Modelning tarmoqlangan umumlashtirish (Generalization) imkoniyati sinovi

Tadqiqotchilar har bitta lokal qismlar ustida faqat bitta hudud asosida ishlagan alohida lokal model va ikki xil yerni o‘ziga jamlagan qo‘shma universal model solishtirmasini tekshirishdi[cite: 10].

Balki xar galda o‘z joyining maxsus modeli aniqroq ushlasa ham, ammo gibrid-umumlashtirilgan mexanizm ham mutlaqo qabul qilarli natija taqdim eta olgan[cite: 10]. Bu shuni ifodalaydiki, shahar rang-barangligiga ega trening namunalari berib turilsa, model ushbu qobiliyati ila butunlay notanish maskan sensorlari yoki formatlarini ilg‘ashga erishishi mumkin[cite: 10]. Lekin bu izlanish hali faqatgina ikki uchastkada sinalgani bois uni global masshtabda amaliy kafolatlangan demoq biroz muddat talab etadi[cite: 10].

Tadqiqotning tarixiy, bugungi hamda kelajakdagi xulosalari asosi

O‘tmish uchun nima muhim: Arxivda saqlanayotgan sun’iy yo‘ldosh suratlari o‘tgan yillardagi shaharning shunchaki 2 o‘lchamli kartinasi bo‘lib xizmat qilmay, ushbu metod orqali taqriban ob’ekt balandligini qurib beradi[cite: 10]. Ya’ni bu texnologiya xali LiDAR bo‘lmagan asrlarda sodir bo‘lgan ulkan o‘zgarishlarga yangi uch o‘lchamli deraza hisoblanadi[cite: 10].

Bugungi kun hisobida: LiDAR, yoxud keng ma’noda sifatli nDSM kichik erlar uchungina hozir etilgan davlatlarda, aynan ana shu mavjud aniq nuqta malumotiga tayanib uzoq masofali hududlarda ham sun’iy yo‘ldosh vositasida katta hududni baholasa bo‘ladi[cite: 10]. Shu orqali butun xarita arzon va oson ishlangan hisoblanadi[cite: 10].

Kelajak masalasiga e’tibor qaratganda: Bu model shahar, datchik va mavsum kabi yozuvlarga kengroq namunalarda ta’lim olsa u global bino tuzilmalari kartasini ko‘tarishga qudrat topadi[cite: 10]. Uni ko‘p maqsadli semantik toifalash va yuqori muhandislik algoritmlari bilan birga tikilsa yana ham murakkabroq arxitekturani bashorat qilish eshiklari ochiladi[cite: 10].

Oddiy hayot va urbanizatsiyaga teginadigan taraflari

Bu ixtirodan birorta oddiy fuqaro ko‘chib yurib telefonda foydalana olmaydi[cite: 10]. Biroq tuman boshqaruv idoralari uchun qo‘yidagicha dolzarb ehtiyojlarda juda jiddiy o‘rin tutadi[cite: 10]:

• Bitta mahalla yillar sari aynan tepa tarafga necha metrdan o‘sib borayotganini tahlil kilishda[cite: 10]
• Kutilmaganda qurib tashlangan balandliklarni ob-havo-mikro iqlimlarga ta’sirini tahlil qilish uchun[cite: 10]
• Zilzila hamda halokatlar ostida qolgan eski shahar holatini qayta hajmlash[cite: 10]
• Sel-toshqin kabi holatlarda odamlar ko‘tarilishi lozim bo‘lgan etajlarning bashorat ko‘lamida[cite: 10]
• Energiya va aholi tig‘izligini har metr santimetrigacha taqsimotlash strategiyasida[cite: 10]
• Tarixiy obidalarni yopib tashlamasligi bo‘yicha tahlillar[cite: 10]

Tadqiqot ustunlik beradigan kuchli taraflar

• Referens balandliklar ma’lumoti butunlay umid uzilayotgan bir chog‘da qanday uni hosil qilish kabi yengil javob berishda[cite: 10]
• Rasmning qiyaligi kabi qiyshiq optik ta’sirlarni bartaraf qilishdagi mutlaq to‘g‘rilik kiritganligi uchun[cite: 10]
• Endilikda bino fasadi hisoblangan past-baland yuzalar qiya qatlamlarda o‘tkazib olinishda Los-nDSM modelini yangilagani[cite: 10]
• Ikkinchi holatda maqsad qilingan tasvir ob’ektining xususiyatlarini dars etib modelga yengil o‘qitilganligi hisobiga chalg‘ishlar ozaytirilishi[cite: 10]
• Har ikkita tushadigan bino tahliliga birdek qarama-qarshi kanal e’tibor tizimiga tayangani[cite: 10]
• Rasmlar kadr chekkasida chiqib ketayotgan nuqson bo‘yoqlarni chetlatuvchi maxsus operatsiyasini yasagani[cite: 10]
• O‘z-o‘ziga kalibrlanuvchi statsionar markaziy fiktiv asosni ishlatgani[cite: 10]
• Har bir ishlatilgan metodika qay darajada kuchli yordam berayotganini bittadan ajratib test qilganligi (ablation test) uchun[cite: 10]
• Turlicha datchiklar ishlatilgan holda ikki mintaqa atrofida muvaffaqiyat bilan sinov tashkillashtirilgani uchun[cite: 10]
• Aynan yangilangan va eskicha turgan imoratlar uchun ayri-ayri tahlillar ko‘rsatilgani tufayli[cite: 10]

Ushbu loyiha ichidagi qolgan teshiklar – Silsilaliklar

• Ushbu tadqiqot tengdosh baholash (peer-review) xodimi tahlilidan o‘tmagan (preprint) asari[cite: 10].
• Faqat va faqatgina Xitoy poytaxtidagi 2 ta maxsus muhitda qadalgan natijalari bor[cite: 10].
• Ular uchun asosi bulutsiz tiniq bo‘lgan Pleiades kabi juda a’lo datchik materiallari bo‘lgan[cite: 10].
• Ertaga ko‘rinmaydigan tumanli, spektr buzilgan yomon fayllar olib kelinsa oqibatli o‘zgarishiga ishonch taminot qilinmagan[cite: 10].
• Ikkinchi marta o‘lchanishdagi natijalar xususida gapirganda LiDAR kabi mukammal skaner qo‘llash imkoni bo‘lmayotganidan adashishlar bo‘lishi muqarrar ekanini eslatgan[cite: 10].
• Har qanday vaziyatlarga qaramay tepaga intilgan bino tomlarining cheklari xatosi haligacha ortiqroq (6 metr hatto 7 metr ham chiqadi)[cite: 10].
• Yangitdan buzilib qurilganlarda ham tizimli og‘ish nolga qaytmagan[cite: 10].
• Tasvir kiritilganda datchik faqat rasm qolgan joyiga qaraydi, aynan qaysi inshoot segmenti qayeriga ulanishi degan gap ustida modellar quriilmagan[cite: 10].
• Aynan daraxt yoxud boshqa minora yuzasi qanaqa alohida kodda ta’minlanish masalasida alohida mavzular olib tashlanmagan[cite: 10].
• PCMV parametr tanlanishi ko‘p hollarda alohida qatlamlarni talab qiladi va ko‘rsatkich datchik orqali o‘zgaradi[cite: 10].
• Model yagona 3 metrni hisoblagani sababli orasiga tushgan yarim, chorak santimetr ko‘rsatkich qoldirilib ketadi[cite: 10].
• Keyingi iqlimlari boshqacha va shaklan uylar formasi turlicha shaharlardagi yechim hozircha kafolat etilmaydi[cite: 10].

Loyiha umuman nima haqida xabardor qildi va nimalar quruq so‘z qoldi?

Loyiha aniq uqtiradigan mazmun: Ikkita alohida davrlardan ishlangan ob’ektning qiyshaygan suratiga mahalliy LiDAR axborotini aralashtirilsa — uni oddiy an’anaviy bitta foto ishlatishga solishtirganda judayam yuqori natjalar olasiz[cite: 10]. Uning qarash to‘g‘risigacha egrilatib chiqilgan (Los-nDSM) texnologik formati ulkan imoratlarni qiyshayib tushib qolish jilvasidan yengil saqlaydi[cite: 10]. Shuningdek ikkita muddat materialiga tayanilganda ochiq yillik tafovutlarni qisqartirib ko‘rsatish odati butunlay uzib qo‘yiladi[cite: 10].

Loyihada zikr etilmay qolib ketadigan mazmunlar: Usulning aytadigan o‘lchami haqiqiy o‘rnatilgan asbob, deylik, LiDAR aniqligi bo‘yicha teng chiqavermaydi[cite: 10]. Har bir viloyatga, qishloq yoxud sensor kamchiliklariga ko‘ra uning qanday natija qoldirishi noaniq[cite: 10]. Oqibatlar esa, hech bir muassasa yoki sudlar qarorlari uchun kadastr balandligini bildirmaydi hamda imoratlarni buzish to‘g‘risida arxitektura buyruqlarini yozib tugata olmaydi[cite: 10].

Tadqiqot uslubi va natijalari

Usulning uch asosiy zinalari

Yozib qo‘yilishi muhim parametr-qiymatlar

Birinchi maydondagi poydevor samaralar ko‘lami

Ikkinchi hududdagi qilt etmagan joylardagi yutuqlar

Noldan terilgan tajriba va qism tadqiqoti texnik yechimi nimada aytib beradi?

• Agar Los-nDSM butunlay olib tashlansa: Bino chizmalaridagi tikka chiziqlar soyalarga ulanib adashgan holatlarda tom tizimlarining farqi modelda topilmadi, balandlik xatoliklari RMSE qiymatida qariyb 3,81 o‘rniga 5,47 larni qayd etdi[cite: 10].
• Asosiy yil suratlarisiz tarmoq ishlasa qanday kechadi: Turli xil spektr va fotografiya texnologiyalari ta’siridan asarlar bir biriga qaram o‘qiy olmadi natija RB miqdori minus ko‘rsatkich qariyb -28 gacha jarlikka qarab quladi[cite: 10].
• Maxsus qismatli-diqqat usuli ishtiroki qolib cGAN model bilan kirsa: Bino tomlari uzilib-uzilib chala tugallangan tahlil yuzasiga qarab bordi hamda to‘siqlarga duchor kelindi[cite: 10].
• Ikkinchi marotabalik siljishlarsiz mahalliy qirqilgan o‘rinda xato yuz berganda: Suratlarda darchalarda inshoot asosi parchalanish ko‘rinishi shakllandi[cite: 10].
• Loyiha oxiridagi formulali soxta parametrli regulyatsiya ulanganiga: Mantiq va shakl saqlanib turib, uning qisqarib o‘zlashtirilib ketilgan sistematik oqsoqligi muttasil barham topdi[cite: 10].

Loyiha atrofidagi asosiy funksional iste’mol markazlari qayerda?

• 3 o‘lchamli qadimiy manzarani tasvir etib beruvchi vizual texnologiyalar yaratilishida[cite: 10]
• Shaharsozlik hamda xaroba joylarni ko‘chirish operatsiyasi monitoring ishlari kuzatuvida[cite: 10]
• Bo‘lib o‘tgan falokat kunidan roppa-rosa bino sig‘im hajmi prognoziga yondoshuv qilishda[cite: 10]
• O‘rnatilgan o‘zboshimcha qavat qurilishini topishning nozik tizimlarida[cite: 10]
• Turar joylar bo‘ylab asriy sig‘im haroratini qanday turlanganini ochib tahlil qiladigan guruhlar uchun[cite: 10]
• Osoyishta maskan va qadim obidalarni ko‘payib borayotgan tosh inshootlardan uzoqlashganini yozish va kontrol qilish tizimlarida[cite: 10]

Mavzuni to‘liqtirish yo‘lida kutib olingan tadqiqot darchalari nimalardan xabardor qildi?

• Ushbu tadqiqot usullari global miqyosida va boshqa xorij tajribasi nuqtalarida alohida sinab tasdiqlanish talabini taklif qildi[cite: 10]
• Fotokadrlar va bulutli hamda sifati xiralashgan xaritalardagi kamchilikni uqdirib berishi haqida o‘ylab chiqish uqdirib berildi[cite: 10]
• Semantik-fazo ulanishi (segmentation) kabi imkoniyat barcha obyektda yagona tahlilda berilmog‘i joiz[cite: 10]
• Kuzatiladigan baland binolarni 7 metr va atrofidagi qoldiqlarini bartaraf qilish ustida ishlarni takomillashtirish vazifasi ochiq turibdi[cite: 10]
• Turli tabiatga xos shaharlar to‘planib olingan aralash baza asos qilib olinsa keyingi model universal ehtimolga yondoshishi ko‘rsatib berildi[cite: 10]
• Har xil ishonchsiz ehtimollar oldida piksellarning ishonchliligiga atab bir ehtimollar darajasi maxsus indeks yoritilishi kerak deb qo‘shildi[cite: 10]

Manba va uslubiy izoh

Mazkur matnda Xiaoxue Feng (Xiaoxue Feng), Peijun Li (Peijun Li), Fang Chen (Fang Chen) va Changyong Dou (Changyong Dou) qalamiga tayanilgan hamda shular ishtirokida maxsus ko‘tarilgan “A Novel Method for Estimating Urban Building Heights Using Bi-temporal High Resolution Satellite Imagery and Reprojected nDSM” qomusi qo‘llangan[cite: 10].

Asar ikkita qadamli va qiya obyektga mo‘ljallangan kosmik surat tahlilini hamda obyektdagi joyning eski turuvchi LiDAR moslashtirilgan ko‘rinishi (Los-nDSM) hamda bu barchasini birdan e’tibor qila oluvchi “DA-cGAN” model elementlaridan yaralgan masofali skanerlash-ilmiy tahlillash markazli proyekt sanaladi[cite: 10].

Kitobning muqaddimasidan oxirigacha alohida “This preprint research paper has not been peer reviewed” jumlasini qayd qilib qoldirgan[cite: 10]. Ya’ni mazkur manbaa mustaqil xalqaro muassasalar yo taqriz mutaxassislar guruhi chig‘irig‘idan kechmagan, ochiq platformada (SSRN) qoldirilgan preprint hisobot xarakterida yozilgan axborotdir[cite: 10]. Aynan mana shu vaziyat ushbu tajribadagi son va statistika umumlashmalari xalqaro tasdiq ostida o‘z o‘rni bilan qaytadan qiymatlarga almashish potentsiali yo‘q emasligini ogoh etadi[cite: 10].

Xorijiy test atigi ikkita hudud yuzasidan tekshirildi xolos, bular Pekinning ikki tomoni edi[cite: 10]. Optik suratlar WorldView-2 va Pleiades tipiga xos o‘ta betakror aniqlik doirasida tekshirildi[cite: 10]. Ulardagi ishonch xira, namgarchiliklar bosgan, har qanday boshqa sensorlar aralashmasida bu miqdordagi muvaffaqiyatlar kelib chiqa olishiga kafolat izi tortilmagan[cite: 10].

Maqsad etib belgilangan “ideal-referens” chiziqlarning bir talay foizi haqiqiy kuchli asbob LiDAR lardan tushurilmadi[cite: 10]. Demak, uning orqasidan hisobiga borilgan raqamlar – aynan yo‘qolib yohud buzib qayta solingan uy imorati natijalariga nisbatan o‘z xatoligi bor referensga tekshirilayotgan model ko‘rsatmasi bo‘lish ehtimoliga olib bordi[cite: 10].

Balandlik xaritasidan chiqqan modellar shunchaki optik hisoblash ko‘rinishi xolos[cite: 10]. Hujjat uni o‘zboshimchalik bilan kadastr sudlari, geodeziya jarimalari, qurilish injinering standartlari yoki aniq qavatlar limitiga xujjat deya tasdiqlab e’lon etmagan[cite: 10]. Binobarin, matn mazmuni to‘laligicha taqdim qilingan jadvallar va fotosuratlarning mantiqiy interpritatsiyasi ostida sharhlanmoqda, PDFda aslo yo‘q savdo hamda tezkor qurilish ishlari ishonchi to‘g‘risida ixtiro uydirib berilgan emas[cite: 10].