)
中国10m建筑物高度CNBH数据集(2020年) 简介与Notebook示例¶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R0.77。前言 – 人工智能教程中国10m建筑物高度CNBH数据集是一个由中国测绘地理信息局提供的全国覆盖的建筑物高度数据集其数据更新至2020年。该数据集包含了中国境内所有高度超过10米的建筑物数据集中每个建筑物都包含了其地理坐标、高度信息和建筑物轮廓等属性。该数据集可以用于城市规划、建筑设计、电信网络规划、环保评估等领域的应用。此数据集中的建筑物高度信息在研究城市规划、生态环境评价、能源消耗估算、重建城市三维模型等方面具有重要作用对于理解城市扩张和环境演变至关重要。波段信息分辨率10波段名称描述最小值估计值最大值估计值单位Map建筑物高度0100m此数据集由复旦大学生命科学学院GC3S团队赵斌教授团队研究生产。有关此数据产品正确引用的更多详细信息可参阅 国家地球系统科学数据中心。代码import aie aie.Authenticate() aie.Initialize() #指定检索数据集可设置检索的时间范围 dataset aie.ImageCollection(FUDAN_GC3S_China_CNBH_10M) \ .filterDate(2020-01-01, 2020-01-31) imgs dataset.select([Map]); map aie.Map( center[121.02,31.17], height800, zoom4 ) vis_params { bands: [Map], min: 0, max: 40, palette:[#000084,#0001EE,#0142FF,#00FBFF,#84FF7B,#F6FF07,#FFAF00,#FF2500,#850000] } map.addLayer( imgs, vis_params, CNBH-10m, boundsimgs.getBounds() ) map引用方式Wan-Ben Wu,Jun Ma,Ellen Banzhaf,Michael E.Meadows,Zhao-Wu Yu,Feng-Xiang Guo,Dhritiraj Sengupta,Xing-Xing Cai,Bin Zhao. A first Chinese building height estimate at 10 m resolution (CNBH-10m) using multi-source earth observations and machine learning.Remote Sensing of Environment,291,2023(113578)0034-4257. DOI:10.1016/j.rse.2023.113578.单景影像代码import aie aie.Authenticate() aie.Initialize() img aie.Image(FUDAN_GC3S_China_CNBH_10M_X121Y37) map aie.Map( centerimg.getCenter(), height800, zoom8 ) vis_params { bands: [Map], min: 0, max: 40, palette:[#000084,#0001EE,#0142FF,#00FBFF,#84FF7B,#F6FF07,#FFAF00,#FF2500,#850000] } map.addLayer( img, vis_params, CNBH-10m, boundsimg.getBounds() ) map
中国10m建筑物高度CNBH数据集(2020年)
中国10m建筑物高度CNBH数据集(2020年) 简介与Notebook示例¶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R0.77。前言 – 人工智能教程中国10m建筑物高度CNBH数据集是一个由中国测绘地理信息局提供的全国覆盖的建筑物高度数据集其数据更新至2020年。该数据集包含了中国境内所有高度超过10米的建筑物数据集中每个建筑物都包含了其地理坐标、高度信息和建筑物轮廓等属性。该数据集可以用于城市规划、建筑设计、电信网络规划、环保评估等领域的应用。此数据集中的建筑物高度信息在研究城市规划、生态环境评价、能源消耗估算、重建城市三维模型等方面具有重要作用对于理解城市扩张和环境演变至关重要。波段信息分辨率10波段名称描述最小值估计值最大值估计值单位Map建筑物高度0100m此数据集由复旦大学生命科学学院GC3S团队赵斌教授团队研究生产。有关此数据产品正确引用的更多详细信息可参阅 国家地球系统科学数据中心。代码import aie aie.Authenticate() aie.Initialize() #指定检索数据集可设置检索的时间范围 dataset aie.ImageCollection(FUDAN_GC3S_China_CNBH_10M) \ .filterDate(2020-01-01, 2020-01-31) imgs dataset.select([Map]); map aie.Map( center[121.02,31.17], height800, zoom4 ) vis_params { bands: [Map], min: 0, max: 40, palette:[#000084,#0001EE,#0142FF,#00FBFF,#84FF7B,#F6FF07,#FFAF00,#FF2500,#850000] } map.addLayer( imgs, vis_params, CNBH-10m, boundsimgs.getBounds() ) map引用方式Wan-Ben Wu,Jun Ma,Ellen Banzhaf,Michael E.Meadows,Zhao-Wu Yu,Feng-Xiang Guo,Dhritiraj Sengupta,Xing-Xing Cai,Bin Zhao. A first Chinese building height estimate at 10 m resolution (CNBH-10m) using multi-source earth observations and machine learning.Remote Sensing of Environment,291,2023(113578)0034-4257. DOI:10.1016/j.rse.2023.113578.单景影像代码import aie aie.Authenticate() aie.Initialize() img aie.Image(FUDAN_GC3S_China_CNBH_10M_X121Y37) map aie.Map( centerimg.getCenter(), height800, zoom8 ) vis_params { bands: [Map], min: 0, max: 40, palette:[#000084,#0001EE,#0142FF,#00FBFF,#84FF7B,#F6FF07,#FFAF00,#FF2500,#850000] } map.addLayer( img, vis_params, CNBH-10m, boundsimg.getBounds() ) map
