相关实验视频
Updated: Jan 13, 2026

Photorealistic Learned Landscapes for Augmented Reality
Published on: June 27, 2025
非洲的高分辨率城市和农村定居地图,使用深度学习和卫星图像
Mohammad Kakooei1,2,3, James Bailie4,5, Markus B Pettersson6,5
1Institute for Analytical Sociology, Linköping University, Linköping, Sweden. mohammad.kakooei@liu.se.
这项研究引入了一种新的深度学习模型,用于非洲的高分辨率城乡地图,提高了对现有的全球数据集的准确性. 开发的高分辨率城乡 (HUR) 数据集支持可持续发展目标.
科学领域:
- 地理空间科学是一个科学领域.
- 遥感是一种远程传感.
- 城市研究是城市研究.
背景情况:
- 现有的全球城乡数据集 (GHSL-SMOD,GHS城市化程度,GRUMP) 往往是粗略的,不一致的,不适合非洲等异质地区.
- 这些局限性阻碍了准确的空间规划,政策设计和人与自然资源相互作用的模拟.
研究的目的:
- 开发一个高分辨率 (10米) 的城市-农村地图,使用一个新的深度学习框架.
- 克服现有的全球数据集的局限性,特别是在复杂的非洲景观中.
- 为支持可持续发展目标 (SDGs) 提供一个开放和可重复的数据集.
主要方法:
- 开发了一个基于DeepLabV3的深度学习框架,集成了Landsat-8图像,VIIRS夜间灯,ESRI土地使用土地覆盖 (LULC) 和GHS-SMOD数据.
- 用语义细分来捕捉微小规模的定居地形态.
- 模型输出与人口和健康调查 (DHS) 数据集进行了验证.
主要成果:
- 开发的框架实现了65%的整体准确率和0.47的卡帕系数在大陆范围内.
- 新的高分辨率城乡 (HUR) 数据集在准确度和分辨率上优于SMOD等现有的全球产品.
- 该方法展示了使用Landsat数据进行历史地图的潜力,可以追溯到20世纪90年代.
结论:
- 新的10米分辨率的非洲 (2016-2022) 城乡数据集为定居点绘制提供了显著的改进.
- 该资源支持联合国可持续发展目标11,并使非洲不断发展的定居点系统能够得到更多的上下文分析.
- 开放和可重复的框架促进了非洲可持续发展的研究和政策制定.
更多相关视频
08:16Collecting and Processing Drone-based Remotely Sensed Data for Use in Forest Recovery Monitoring
Published on: October 24, 2025
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Levels of Use of a GIS
Selected Data About Geographic Locations
GIS Software, Hardware, and Sources of GIS Data
Topographic Surveying and Contours
Plotting of Topographic Maps
Methods of Obtaining Topography