A global product of fine-scale urban building height based on spaceborne lidar

📄 arXiv: 2310.14355v1 📥 PDF

作者: Xiao Ma, Guang Zheng, Chi Xu, L. Monika Moskal, Peng Gong, Qinghua Guo, Huabing Huang, Xuecao Li, Yong Pang, Cheng Wang, Huan Xie, Bailang Yu, Bo Zhao, Yuyu Zhou

分类: cs.LG, eess.IV

发布日期: 2023-10-22

💡 一句话要点

基于空间激光雷达提出全球城市建筑高度数据集以解决城市环境表征问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 城市建筑高度 空间激光雷达 遥感数据 环境监测 可持续发展目标

📋 核心要点

  1. 现有的城市建筑高度数据集缺乏高空间分辨率和全球覆盖，限制了城市环境的准确表征。
  2. 本文提出了一种基于GEDI激光雷达和多源遥感数据的全球城市建筑高度估计方法，网格大小为150米。
  3. 实验结果表明，所提出的建筑高度映射产品与参考数据具有良好的相关性，Pearson相关系数为0.71，均方根误差为4.60米。

📝 摘要（中文）

随着全球一半人口居住在城市，准确表征城市环境变得尤为重要。城市建筑高度作为基本的三维城市结构特征，具有广泛的应用。然而，当前缺乏高空间分辨率和全球覆盖的城市建筑高度数据集。本文基于150米的细网格，结合GEDI空间激光雷达和多源数据（如Landsat-8、Sentinel-2、Sentinel-1及地形数据），提供了最新的全球城市建筑高度产品。结果显示，基于GEDI数据的建筑高度估计方法有效，Pearson相关系数为0.78，均方根误差为3.67米。该产品在空间异质性和更新灵活性方面表现出色，将推动气候、环境、生态和社会科学等领域的城市研究。

🔬 方法详解

问题定义：当前城市建筑高度数据集的缺乏高空间分辨率和全球覆盖，限制了对城市环境的全面理解和研究。

核心思路：本文通过结合GEDI空间激光雷达数据与多源遥感影像，提出了一种新的城市建筑高度估计方法，以提高数据的空间分辨率和准确性。

技术框架：整体方法包括数据收集、数据预处理、建筑高度估计和结果验证四个主要模块。首先，收集GEDI和其他遥感数据；其次，对数据进行预处理以确保一致性；然后，利用机器学习算法进行建筑高度的估计；最后，通过与参考数据进行对比验证结果的准确性。

关键创新：本文的主要创新在于将空间激光雷达数据与多源遥感数据相结合，显著提高了建筑高度估计的空间分辨率和准确性，解决了现有方法在数据覆盖和更新灵活性方面的不足。

关键设计：在参数设置上，采用了150米的细网格进行空间分析，损失函数选择了均方误差，以优化建筑高度的估计精度。

🖼️ 关键图片

img_0
img_1
img_2

📊 实验亮点

实验结果显示，基于GEDI数据的建筑高度估计方法具有0.78的Pearson相关系数和3.67米的均方根误差，映射产品与参考数据的相关性强，Pearson相关系数为0.71，均方根误差为4.60米，显著优于现有产品。

🎯 应用场景

该研究的成果可广泛应用于城市规划、环境监测、气候变化研究等领域，帮助决策者更好地理解城市结构和发展趋势。未来，随着数据更新的灵活性，该产品将持续为城市研究提供支持，推动可持续发展目标的实现。

📄 摘要（原文）

Characterizing urban environments with broad coverages and high precision is more important than ever for achieving the UN's Sustainable Development Goals (SDGs) as half of the world's populations are living in cities. Urban building height as a fundamental 3D urban structural feature has far-reaching applications. However, so far, producing readily available datasets of recent urban building heights with fine spatial resolutions and global coverages remains a challenging task. Here, we provide an up-to-date global product of urban building heights based on a fine grid size of 150 m around 2020 by combining the spaceborne lidar instrument of GEDI and multi-sourced data including remotely sensed images (i.e., Landsat-8, Sentinel-2, and Sentinel-1) and topographic data. Our results revealed that the estimated method of building height samples based on the GEDI data was effective with 0.78 of Pearson's r and 3.67 m of RMSE in comparison to the reference data. The mapping product also demonstrated good performance as indicated by its strong correlation with the reference data (i.e., Pearson's r = 0.71, RMSE = 4.60 m). Compared with the currently existing products, our global urban building height map holds the ability to provide a higher spatial resolution (i.e., 150 m) with a great level of inherent details about the spatial heterogeneity and flexibility of updating using the GEDI samples as inputs. This work will boost future urban studies across many fields including climate, environmental, ecological, and social sciences.