[論文レビュー] Mapping Three-dimensional Urban Structure by Fusing Landsat and Global Elevation Data

Panshi Wang, Chengquan Huang+1 more|arXiv (Cornell University)|Jul 11, 2018

Land Use and Ecosystem Services参考文献 37被引用数 5

ひとこと要約

本研究では、イングランド全域で30 m解像度の3次元都市構造（建物の高さおよび体積）をマッピングするため、Landsat画像とグローバルな標高データを融合する手法を提案する。オブジェクトベースの機械学習アプローチを用い、建物の高さの平均二乗誤差は1.61 m、体積の平均二乗誤差は1,142.3 m³を達成した。開けたデータを用いた大規模な3次元都市マッピングの実現可能性が示された。

ABSTRACT

To meet the challenges of global urbanization, earth observation information is greatly needed. The lack of global three-dimensional (3D) urban structure data has been a major limiting factor in important urban applications such as population mapping, disaster vulnerability assessment, and climate change adaptation. Due to limited data availability, remote sensing data haven been mainly used to characterize 3D urban structure at the city scale. In this study, we propose a method to map 3D urban structure using freely available Landsat and global elevation data. Building on an object-based machine learning approach, the synergy of Landsat and elevation data were used to estimate building height and volume at 30 m resolution. This method has been tested for the entire country of England and yielded a root-mean-square error (RMSE) of 1.61 m for building height and an RMSE of 1,142 m extsuperscript{3} for building volume. The results in this study represent the first attempt to use open data for urban structure characterization at the country scale. Our results demonstrated the utility of these data for large-scale urban studies and the potential of generating global 3D urban structure data products using a fusion-based approach.

研究の動機と目的

• グローバルな三次元（3D）都市構造データの不足が、人口マッピング、災害脆弱性、気候変動適応などの応用を制限しているため、これを解決すること。
• 国規模で利用可能なリモートセンシングデータを活用して、建物の高さと体積を推定するスケーラブルな手法を開発すること。
• リモートセンシングデータ（例：LiDAR、InSAR）は空間的に不完全または高コストであることが多いため、オープンアクセスのLandsatとグローバル標高データセットを活用してその限界を克服すること。
• 統合されたLandsatと標高データが、大規模な都市研究に適した高精度な3次元都市構造マップを生成できることを実証すること。

提案手法

• 都市領域のパッチに分けるため、Landsat画像をオブジェクトベース画像解析（OBIA）フレームワークで処理し、各パッチを空間的単位として高さ推定に用いる。
• Landsatから得られるスペクトルインデックス（例：不透水表面インデックス）と、グローバル標高データセットからのデジタル表面モデル（DSM）データを融合して建物の高さを推定する。
• LiDARから得た地面の真値データを用いて、ランダムフォレストなどの機械学習モデルを訓練し、スペクトル的および標高的特徴に基づいて建物の高さと体積を予測する。
• 2段階のプロセスを適用する：まず、デジタル地形モデル（DTM）から基準高（地表面高）を推定し、次にDSMとDTMの差分として建物の高さを計算する。
• 建物の体積は、Landsatから抽出した都市パッチの面積と推定された建物の高さを乗算することで算出する。
• 本手法は、イングランドの12のメトロポリタン地域でLiDARデータを用いた交差検証により検証された。

実験結果

リサーチクエスチョン

• RQ1 自由に入手可能なLandsatとグローバル標高データを効果的に統合し、国規模で3次元都市構造を推定できるか？
• RQ2 オープンアクセスのデータソースのみを用いた場合、得られる建物の高さおよび体積推定の精度はどの程度か？
• RQ3 2次元の土地被覆／土地利用データと比較して、3次元構造情報（体積）を含めることで、社会経済的変数との相関性が向上するか？
• RQ4 空間解像度の制限により、密集した都市部でこの手法に生じる主な限界は何か？
• RQ5 本手法を一般化し、グローバルな3次元都市構造製品を生成できるか？

主な発見

• 本手法は、イングランド全域で建物の高さ推定において平均二乗誤差（RMSE）が1.61 mに達し、データが最適でない中でも高い精度を示した。
• 建物の体積推定におけるRMSEは1,142.3 m³であり、30 m解像度で3次元都市構造の空間的マッピングが信頼できることが示された。
• 建物の体積は人口、GDP、輸送関連CO₂排出量と強い相関を示し、社会経済的モデリングにおける有用性が裏付けられた。
• 本手法は、オープンアクセスのデータのみを用いてイングランド全域の3次元都市構造をマッピングに成功し、オープンデータから得られる初の国規模3次元都市構造製品である。
• 都市中心部では、複雑な高さの変動を解像できない空間解像度の制限により、誤差が大きくなる傾向が見られ、主な限界として浮き彫りになった。
• 本研究は、統合されたLandsatとグローバル標高データを用いることで、大規模かつ費用効果の高い3次元都市構造マッピングの可能性を示し、グローバル製品開発へのインパクトがある。