本文主要是介绍【数据分享】全球含建筑高度的建筑物数据(shp格式\约15亿栋建筑物),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
建筑数据是我们在各项研究中经常使用到的数据。之前我们能获取到的建筑数据大多没有建筑高度信息,而建筑高度是建筑数据最重要的属性。之前我们给大家分享了我国分城市的含建筑高度的建筑物数据(可查看之前的文章获悉详情),本次我们继续给大家分享全球含建筑高度的建筑物数据。
该数据格式为shp矢量格式。数据坐标为WGS1984坐标。数据发布时间是2024年5月。数据本身的日期为2020年。数据发布于Zenodo数据库。与数据配套的论文为《3D-GloBFP: the first global three-dimensional building footprint dataset》。
大家在公众号回复关键词 315 按照转发要求获取数据!以下为数据的详细介绍:
01 数据预览
我们以中国上海市的数据为例来预览一下,首先我们看一看二维建筑轮廓数据:
下图为数据属性表的预览,表中“Height”为建筑高度数据,数据单位为米。
然后我们来看一看拉伸建筑高度后的三维数据:
02 数据详情
数据简介:
该数据包括建筑轮廓矢量和建筑高度信息。研究者首先收集到建筑轮廓矢量数据、多源遥感数据 和可获得的建筑高度数据。通过已知建筑高度数据和多源遥感数据训练模型,进而估计得到2020年的建筑高度数据。
建筑轮廓矢量来源于微软建筑物轮廓数据集(Microsoft, 2018)和 Shi 等人(2024)提供的建筑边界数据集。微软建筑物数据集提供了大约 2020 年全球的 13 亿个建筑物轮廓。东亚的一些地区(如中国、朝鲜和韩国)未包含在微软建筑物轮廓数据集中,研究者使用了 Shi 等人(2024)基于2020-2022年谷歌影像使用深度学习方法提取的建筑物轮廓作为替代。
建筑高度信息为研究者通过集成多源遥感特征(SAR 图像、光学图像、地形图像以及反映人口和社会经济活动的图像)和建筑物形态特征,借助 GEE 平台从多源数据集(即雷达、光学、地形、社会经济和矢量)中提取175个模型的输入特征,使用XGBoost机器学习回归方法来估算2020年的建筑物高度。其中遥感影像采用2020年的数据,图像缺失的区域用2019年和 2021年的数据补充。
另外,作为训练数据集的全球已知建筑高度数据来自于ONEGEO Map (https://onegeo.co/data/)、微软建筑物足迹 (Microsoft,2018)、百度地图(https://map.baidu.com/)和 EMU Analytics (https://www.emu-analytics.com/)。
数据详情:
数据来源:Zenodo数据库
https://zenodo.org/records/11397015(亚洲)
https://zenodo.org/records/11391077(欧洲)
https://zenodo.org/records/11319913(美洲、非洲和大洋洲)
数据格式:
Shp
空间范围:
全球(亚洲、欧洲、美洲和大洋洲)
地理坐标系:
WGS 1984
数据大小:
解压后数据大小为88.4GB
数据引用:
欧洲数据的引用:
Che, Y., Li, X., Liu, X., Wang, Y., Liao, W., Zheng, X., Zhang, X., Xu, X., Shi, Q., Zhu, J., Yuan, H., & Dai, Y. (2024). Building height of Europe in 3D-GloBFP [Data set]. Zenodo. https://doi.org/10.5281/zenodo.11391077
亚洲数据的引用:
Che, Y., Li, X., Liu, X., Wang, Y., Liao, W., Zheng, X., Zhang, X., Xu, X., Shi, Q., Zhu, J., Yuan, H., & Dai, Y. (2024). Building height of Asia in 3D-GloBFP [Data set]. Zenodo. https://doi.org/10.5281/zenodo.11397015
美洲、非洲和大洋洲数据的引用:
Che, Y., Li, X., Liu, X., Wang, Y., Liao, W., Zheng, X., Zhang, X., Xu, X., Shi, Q., Zhu, J., Yuan, H., & Dai, Y. (2024). Building height of the Americas, Africa, and Oceania in 3D-GloBFP [Data set]. Zenodo. https://doi.org/10.5281/zenodo.11319913
论文引用:
Che, Y., Li, X., Liu, X., Wang, Y., Liao, W., Zheng, X., Zhang, X., Xu, X., Shi, Q., Zhu, J., Yuan, H., and Dai, Y.: 3D-GloBFP: the first global three-dimensional building footprint dataset, Earth Syst. Sci. Data Discuss. [preprint], https://doi.org/10.5194/essd-2024-217, in review, 2024.
03 数据获取
如需获取数据,请关注下方公众号~
这篇关于【数据分享】全球含建筑高度的建筑物数据(shp格式\约15亿栋建筑物)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!