[논문 리뷰] MTBF-33: A multi-temporal building footprint dataset for 33 counties in the United States (1900 – 2015)

Johannes Uhl, Stefan Leyk|arXiv (Cornell University)|2022. 03. 21.

Land Use and Ecosystem ServicesEnvironmental Science참고 문헌 17인용 수 20

한 줄 요약

MTBF-33은 1900~2015년 사이에 33개 미국 카운티를 대상으로 한 620만 개가 넘는 건물 외곽 데이터를 포함한 고유하고 오픈 액세스 데이터셋이다. 이 데이터셋은 통합된 지적, 세제 평가 및 건물 외곽 데이터에서 유래되었으며, 도시 성장과 토지 이용 변화의 고해상도 다기능 분석을 가능하게 하여 역사적 토지 이용 모델 검증 및 원격 감시 기반 도시 변화 탐지용 딥러닝 시스템 훈련을 지원한다.

ABSTRACT

Despite abundant data on the spatial distribution of contemporary human settlements, historical datasets on the long-term evolution of human settlements at fine spatial and temporal granularity are scarce, limiting our quantitative understanding of long-term changes of built-up areas. This is because commonly used large-scale mapping methods (e.g., computer vision) and suitable data sources (i.e., aerial imagery, remote sensing data, LiDAR data) have only been available in recent decades. However, there are alternative data sources such as cadastral records that are digitally available, containing relevant information such as building construction dates, allowing for an approximate, digital reconstruction of past building distributions. We conducted a non-exhaustive search of open and publicly available data resources from administrative institutions in the United States and gathered, integrated, and harmonized cadastral parcel data, tax assessment data, and building footprint data for 33 counties, wherever building footprint geometries and building construction year information was available. The result of this effort is a unique dataset that we call the Multi-Temporal Building Footprint Dataset for 33 U.S. Counties (MTBF-33). MTBF-33 contains over 6.2 million building footprints including their construction year, and can be used to derive retrospective depictions of built-up areas from 1900 to 2015, at fine spatial and temporal grain. Moreover, MTBF-33 can be employed for data validation purposes, or to train statistical learning models aiming to extract historical information on human settlements from remote sensing data, historical maps, or similar data sources.

연구 동기 및 목표

• 미국 내 도시 변화 연구를 위한 세밀한 시간적 분해능을 갖춘 장기적 역사적 건물 외곽 데이터의 부족 문제를 해결하기 위해.
• 33개 미국 카운티의 공개된 지적 및 재산 평가 데이터를 통합하고 조율하여 건물 건설 연도 속성을 포함한 데이터셋을 구축하기 위해.
• 1900년에서 2015년 사이에 걸쳐 과거에 건축된 지역의 토지 이용 변화를 추적할 수 있는 다기능 지리공간 데이터셋을 제작하기 위해.
• 역사적 토지 이용 변화 모델 검증 및 원격 감시 또는 지도 기반 도시 변화 탐지용 딥러닝 모델 훈련을 위한 기준 데이터셋을 제공하기 위해.
• 다양한 연령과 개발 패턴을 가진 도시 지역에서 건물 재산의 종단적 분석을 가능하게 하기 위해.

제안 방법

• 군 및 주 정부 웹사이트에서 공개된 데이터를 수집하여 토지 구획 기록, 세제 평가 및 건물 외곽 GIS 레이어를 확보하였다.
• 건물 외곽 데이터와 건설 연도("year built") 데이터가 모두 공개된 33개 카운티를 선정하였다.
• Albers 등면 원추 투영(SR-ORG:74801)을 사용하여 이질적인 데이터 소스를 일관된 지리공간 벡터 형식으로 통합 및 조율하였다.
• 원천 데이터에서 타당한 건설 연도 값을 유지하였지만, 생존 편향을 줄이기 위해 시간 범위를 1900~2015년으로 제한하였다.
• 각 카운티별로 하나의 ESRI Shapefile을 생성하여 다각형 기하학 및 관련 건설 연도 속성을 포함하였다.
• 데이터 품질 점검을 실시하고, 사용자에게 데이터 한계를 인지시킬 수 있도록 각 카운티별 완전성 비율 및 시간 통계를 보고하였다.

실험 결과

연구 질문

• RQ1 비원격 감시 데이터 소스를 활용하여 어떤 방식으로 역사적 건물 외곽 데이터를 높은 공간적·시간적 분해능으로 재구성할 수 있는가?
• RQ2 지적 및 세제 평가 데이터가 도시 변화 분석을 위한 신뢰할 수 있는 다기능 건물 외곽 정보를 얼마나 잘 제공할 수 있는가?
• RQ3 1900년에서 2015년 사이에 다양한 미국 도시 및 농촌 카운티에서 건축된 지역 확장의 시간적·공간적 패턴은 어떠한가?
• RQ4 건설 연도 데이터의 생존 편향이 역사적 도시 범위 재구성 정확도에 어떤 영향을 미치는가?
• RQ5 이 데이터셋이 원격 감시나 지도 기반으로 역사적 도시 변화 탐지에 대한 딥러닝 모델 훈련 및 검증을 어떻게 향상시킬 수 있는가?

주요 결과

• MTBF-33은 33개 미국 카운티에 걸쳐 620만 개 이상의 건물 외곽 데이터를 포함하며, 건설 연도 속성이 포함되어 있으며, 데이터 범위는 1810년에서 2015년까지이다.
• 데이터셋은 건설 연도 정보에 있어 높은 완전성을 보이며, 플로리다주 사라소타 카운티의 경우 97.7%의 완전성 비율, 콜로라도주 볼더 카운티의 경우 95.9%의 완전성 비율을 기록하였다.
• 모든 카운티의 평균 건설 연도는 1968년이며 중앙값은 1971년으로, 20세기 중반에 건물 건설 활동이 집중되어 있음을 시사한다.
• 1900년 이전에는 생존 편향이 크게 증가하여 이전 기간의 기록 수가 적어져 1900년 이전의 재구성에 신뢰성이 떨어진다.
• 이 데이터셋은 세밀한 시간 해상도를 갖춘 과거의 건축 지역 추적 가능성을 제공하여 도시화 패턴에 대한 세부적인 분석을 지원한다.
• MTBF-33는 https://doi.org/10.17632/w33vbvjtdy 에서 공개되어 있으며, 도시 모델링, 인구 밀도 추정 및 AI 훈련 등 다양한 분야에서의 재사용을 가능하게 한다.