​

 AI Earth——2020年中国10m建筑物高度CNBH数据集

简介

复旦大学生命科学学院GC3S团队（吴万本博士、赵斌教授等）利用多源地球观测数据和机器学习技术，构建了中国第一个10米分辨率的建筑高度估计模型（CNBH-10m）。基于此模型建立了中国10米分辨率的建筑高度数据集。此数据集基于全天候地球观测（雷达、光学和夜光图像），采用多窗口统计方法综合考虑了阴影等因素对建筑物高度估计的影响，利用随机森林（RF）模型构建和优化估计模型，以适应中国全国尺度的复杂城市结构，对比验证得出计算模拟结果与实际建筑观测数据具有很强的相关性（均方根误差为6.1米，平均误差=5.2米，R=0.77）。

摘要

建筑高度是研究城市环境、区域气候以及人类与环境相互作用的一个重要变量。然而，有关建筑高度的高分辨率数据，尤其是全国范围内的数据十分有限。幸运的是，利用云平台进行的高时空分辨率地球观测为填补这一空白提供了机会。我们介绍了一种基于全天候对地观测（雷达、光学和夜光图像）、使用随机森林（RF）模型以 10 米空间分辨率估算中国 2020 年建筑高度的方法。结果表明，我们的建筑高度模拟与全国范围内的实际观测结果具有很强的相关性（RMSE 为 6.1 米，MAE = 5.2 米，R = 0.77）。组合阴影指数（CSI）对建筑高度模拟的贡献最大（15.1%）。对建筑形态分布的分析表明，在中国城市范围内，建筑体量和平均建筑高度存在显著差异。在中国城市中，澳门的建筑高度最高（22.3 米），而上海的建筑体积最大（298.4 108 立方米）。建模建筑体积与社会经济参数之间的密切关联表明了建筑高度产品的潜在应用价值。本研究绘制的建筑高度地图分辨率为 10 米，可公开获取，有助于深入了解城市的三维形态特征，并对未来的城市发展做出重要贡献。

结果展示链接：

AI Earthhttps://engine-aiearth.aliyun.com/?accounttraceid=d913c475db984fbd8b2e3692ad65da23ywja#/space/detail/kcU39c09U

引用

A first Chinese building height estimate at 10 m resolution (CNBH-10m) using multi-source earth observations and machine learning

联系方式: 吴万本博士 wbwu19@fudan.edu.cn

网址推荐

知识星球

知识星球 | 深度连接铁杆粉丝，运营高品质社群，知识变现的工具 (zsxq.com)https://wx.zsxq.com/group/48888525452428

机器学习

https://www.cbedai.net/xg 

干旱监测平台

慧天干旱监测与预警-首页https://www.htdrought.com/

​