【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)

2024-08-25 11:52

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:

上海市建筑轮廓数据

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:

上海市主城区建筑三维数据

02 数据详情

数据简介:

该数据包括建筑轮廓矢量建筑高度信息。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!



http://www.chinasem.cn/article/1105488

相关文章

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

HTML5表格语法格式详解

《HTML5表格语法格式详解》在HTML语法中,表格主要通过table、tr和td3个标签构成,本文通过实例代码讲解HTML5表格语法格式,感兴趣的朋友一起看看吧... 目录一、表格1.表格语法格式2.表格属性 3.例子二、不规则表格1.跨行2.跨列3.例子一、表格在html语法中,表格主要通过< tab

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用

Mysql如何将数据按照年月分组的统计

《Mysql如何将数据按照年月分组的统计》:本文主要介绍Mysql如何将数据按照年月分组的统计方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql将数据按照年月分组的统计要的效果方案总结Mysql将数据按照年月分组的统计要的效果方案① 使用 DA