- GlobalBuildingAtlas 是迄今为止最详细的 3D 建筑物地图，涵盖约 2.75 亿个建筑物，分辨率为 3×3 米。
- 该项目将 2019 年的 800,000 万张卫星图像与来自 168 个城市的深度学习和 LiDAR 训练数据融合在一起，以估算建筑物的占地面积、高度和体积。
- 结果揭示了全球的鲜明对比：亚洲拥有近一半的建筑物，而人均建筑量这一新指标则暴露了巨大的不平等。
- 该开放数据集支持城市规划、气候和能源模型、灾害风险评估，甚至支持对城市腐败和治理的调查。
地球悄然获得了一层非凡的新信息： 包含2.75亿栋建筑物的全球3D地图覆盖了地球上大约97%的人造建筑物。从中国鳞次栉比的摩天大楼区到萨赫勒地区零星散落的乡村房屋，几乎每一处屋顶都变成了一个可测量的三维物体。
这一壮举的背后是 全球建筑地图集这是一个庞大的开放数据集，它利用卫星图像和机器学习技术重建了几乎所有建筑物的高度、占地面积和体积。该项目远非仅仅是一个精美的可视化工具，而是被定位为一项基础性工具。 城市规划、气候与能源建模、灾害风险评估和社会研究 真正意义上的行星级规模。
这张包含 2.75 亿栋建筑物的 3D 地图究竟是什么？
GlobalBuildingAtlas 的核心是 全球建筑物三维模型库存以 3 × 3 米的空间分辨率生成。每个映射的结构都以两种形式表示： 二维足迹 在地面上，以及作为一种简化的 具有估计高度的 3D 方块使研究人员能够计算建筑面积、体积以及建成区的密度或稀疏程度。
据该团队称，该图集包含 2.75亿个建筑多边形大约 其中2.68亿（约占97%）数据达到了所谓的 细节层次 1 (LoD1)：几何形状简化的实体块，捕捉每栋建筑的基本形状和立面。虽然细节并非建筑级别，但其精度足以满足需要全球一致性覆盖的数值模型、模拟和人工智能系统的需求。
与之前全球建筑数据集（最多约1.7亿座建筑物）相比，新地图 新增超过十亿栋建筑物 并提供了更精细的粒度。空间细节被描述为高达 30倍 与一些最广泛使用的先前库存相比，尤其是在以前几乎没有代表性的地区。
扩大覆盖范围之所以重要，是因为 此前地图绘制不足的地区，例如非洲、南美洲和亚洲农村的大部分地区 如今，地图的细节程度堪比以往欧洲或北美地区的地图。换句话说，这本地图集不仅篇幅更大，地理分布也更加均衡。
历时六到七年：全球3D地图是如何构建的
创建地球上几乎所有建筑物的3D模型并非一次算法运行就能完成的。该项目耗时约 六至七年的发展结合卫星遥感、深度学习以及各种测绘计划和公共机构提供的参考数据集。
该项目的核心是图像 PlanetScope 表面反射率一个商业卫星星座，以大约每秒100米的速度拍摄地球图像。 每像素3米为了制作这本图集，研究人员收集并处理了大约 800,000万张卫星图像主要来自 2019 年，少数情况下补充了 2018 年的数据，精心挑选了基本没有云层和大气扰动的图像。
这些场景并非简单地堆叠而成。它们经过正射影像校正和大气校正，使得每个像素都对应着一块精确的地面，并反映出地表的真实属性，而非雾霾或光照伪影。随后，研究团队将这个庞大的影像库拼接成一幅完整的图像。 全球镶嵌逐像素地挑选每个位置最清晰的观测结果。
为了将处理能力集中在人类实际进行构建的地方，研究人员使用了之前的产品，即 全球城市足迹为了识别可能包含聚落的图块，只有这些图块才会进入后续的建筑物检测流程，这样既减少了计算量，又能检测到孤立的聚落和小城镇。
最棘手的挑战之一是 区分真正的建筑物与其他明亮或有结构的物体 从太空观测，可以发现道路、悬崖、工业基础设施或树冠等目标。该团队开发了一种多步骤工作流程，用于检测、细化并最终将潜在的建筑物转换为可用的矢量轮廓。
从卫星像素到单个建筑物
将图像转化为建筑物地图的第一步是训练一个深度神经网络来识别建筑物的位置。为此，研究团队将卫星图像拼接成更小的图块，并将它们与……配对。 现有建筑占地面积 数据来源包括 OpenStreetMap 和来自中国的大型标注数据集。
这些矢量足迹被栅格化以匹配 三米网格 利用 PlanetScope 影像生成训练数据，其中每个像素都被标记为“建筑物”或“非建筑物”。 编码器-解码器式神经网络 然后学会输出“建筑物掩膜”：一种图像，其中亮像素表示预测的建筑物位置。
然而，该模型的原始输出往往是 将相邻建筑物合并成连续的整体尤其是在人口密集的城市中心地带。为了解决这个问题，团队建造了第二个 正则化网络 为了清理掩模，需要分割融合的形状并锐化边界，然后再将其转换为多边形。我们应用了轮廓检测、多边形简化和小目标过滤算法，将这些二值掩模转换为矢量足迹。
即便如此，也并非所有检测到的物体都是真实的结构。研究人员将结果与……进行了交叉验证。 全球土地覆盖图（WorldCover）剔除明显位于水体、冰川、茂密森林或其他极不可能出现建筑物的地形上的元素。这一额外的过滤步骤对于减少偏远地区的误报至关重要。
由于没有单一的足迹数据集在全球范围内是完整或一致的，因此该项目采用了一种 以质量为导向的融合策略在每个行政区域，团队选择最可靠的数据源（通常是 OpenStreetMap，但对于非洲和南美洲的部分地区，也包括 Google 的 Open Buildings，对于东亚，则包括 Microsoft 的建筑数据或区域数据集 (CLSM)）作为主要图层，然后在存在空白的地方使用次要数据源对其进行丰富。
实际上，这意味着在每个区域，《地图集》 保留所有来自最佳来源的建筑物该方法从次优来源添加不重叠的建筑物，并依靠自身自动生成的轮廓填充剩余的空白区域。最终形成一个统一的、协调的建筑多边形图层，据作者称，该图层比其任何单独的组成部分都更加完整。
团队如何估算高度和体积
将二维建筑轮廓转化为三维物体还需要另一个重要步骤：估算每个建筑物的高度。为此，该团队收集了大量的…… 航空激光雷达数据 覆盖 168城市主要是在欧洲、北美和大洋洲，这些地区已经大规模部署了机载激光扫描技术。
他们从这些激光雷达数据源中推导出 归一化数字表面模型（nDSM）其中每个网格单元表示该点高于地面的米数。这些nDSM用作 训练的“真实情况” 一个独立的神经网络，可以直接从单张光学卫星图像推断建筑物高度。
一旦经过训练，这 单目身高估计模型 该模型应用于全球 PlanetScope 镶嵌图，通过滑动重叠窗口覆盖每个像素。对于每个 3 × 3 米的单元格，该网络生成一个预测高度值。为了量化可靠性，系统生成了多个略微扰动的预测结果。 衡量它们的差异程度为每个位置分配一个不确定性估计值。
最后一步是将优化后的建筑平面图与此结合起来。 高度网格对于图集中每个单独的建筑物多边形，系统会对高度图层进行采样，并通常分配一个值。 最大高度值 在该占地面积范围内找到代表性的建筑高度，以及相关的误差指标。根据该高度和占地面积，总计 体积 可以对每栋建筑进行计算。
尽管LoD1模型在视觉上很简单——更像是精心堆叠的盒子，而不是细节丰富的建筑——但它们捕捉到了足够的细节。 构建形式以支持强大的分析在北美、南美、欧洲、亚洲和大洋洲的各个城市进行的测试表明，虽然误差因地区和城市形态而异，但全球数据集的性能至少与现有的大规模建筑高度产品相当，而且通常更好。
三维建筑图集揭示了世界的哪些秘密
技术流程到位后，该图集可用于绘制某种…… 建筑环境的数值X射线在所有大洲，该数据集总计约为 建筑占地面积506,640亿平方米 和大约 建筑体积达2.85万亿立方米.
一个直接的发现是，此前对全球建筑物数量的估计似乎过高。联合国报告中流传的一个常见数字表明，实际建筑物数量可能约为…… 全球4亿栋建筑这里发现的 2.75 亿——再加上系统性的检测方法——表明，之前的数字可能高估了实际总数。
区域比较能带来更多细微差别。 亚洲 无论从建筑数量还是总体积来看，它都无疑是重量级的。该地图集统计了大约 1.22亿栋建筑物 在大陆上，大约 建筑体积达 1.27 万亿立方米这些数据反映了中国、印度和东南亚等国家快速的城市扩张和高人口密度。
非洲 拥有第二多的建筑物，大约有 540亿座建筑物但累计数量要少得多——大约在……的量级。 117万亿立方米建筑数量与建筑体积之间的这种不匹配凸显了以下问题的普遍性： 低层、小占地面积住宅尤其是在非正式居民区和农村社区。
In 欧洲和北美图集显示，美国的建筑物数量少于非洲，但每栋建筑的平均体积却高得多。城市地区通常将中高层建筑、仓库和较大的独立式住宅结合在一起，即使建筑物数量较少，这些都会推高典型的建筑体积。
南美与此同时，在分析中，它因具备一些……而脱颖而出。 高度和体积估算中的最大误差该团队将此与高层核心区和非正式、人口密集的社区的复杂混合联系起来，这些混合体对模型来说更难以一致地解释，从而突出了未来改进和更多本地参考数据最有用的地方。
一项新指标：人均建筑量
该项目最引人注目之处或许在于引入了一个新的指标： 人均建筑面积该指标并非仅仅衡量城市化土地的面积，而是着眼于特定区域内建筑总量与居住人口数量之间的关系。
研究团队认为这种方法 它能捕捉到二维平面地图往往掩盖的不平等现象。两个街区在传统地图上可能覆盖相同的面积，但它们的垂直轮廓以及它们提供的生活条件可能截然不同。
利用新的3D数据集，他们重点介绍了以下案例： 芬兰和希腊芬兰的人口大约为…… 人均建筑面积是原来的六倍 与希腊相比，这表明人均空间更大，城市和住房模式也不同。另一方面， 尼日尔 其人均建筑面积约为 比全球平均水平低27倍指出基础设施和住房方面存在严重不足。
这些差异并非仅限于欧洲或非洲。纵观各大洲，该地图集显示，较富裕的地区通常享有更多权益。 人均容积率更高，街道更宽，建筑物更大。而较贫困的地区往往是拥挤的低层住宅，公共基础设施也十分有限。例如，对比大城市的富裕地区和附近的非正式居民区，这种对比就显得尤为鲜明。
对于该项目的首席科学家来说， 朱晓翔教授 在慕尼黑工业大学，这种转变是根本性的。她和她的同事认为，城市应该被视为…… 三维物体 在评估进展情况时 联合国可持续发展目标 11它关注的是可持续的城市和社区，而不是仅仅依赖于有多少土地被划分为“城市”。
在他们看来， 人均建筑体积 与仅仅勾勒出建成区边界的地图相比，它能更直接地（尽管仍不完美地）反映生活水平、基础设施的可用性和土地利用强度。
从气候建模到灾害应对
除了描述全球格局之外，3D建筑地图的设计目的还在于： 实用 该图集适用于多种应用场景。由于每栋建筑都具有相关的占地面积、高度和位置，因此可以直接将其导入需要详细描述建筑环境的模型中。
一个明显的领域是 气候与能源分析据估计，建筑物约占总面积的 . 全球二氧化碳排放量的40％主要体现在供暖、制冷和电力使用方面。拥有全球建筑存量的统一三维数据，使研究人员能够…… 更好地估算能源需求，模拟不同的改造方案，并量化潜在的减排量。 来自建筑结构、隔热材料或城市设计的变化。
另一个直接用途是 减少灾害风险. 像 德国航空中心参与其中 国际宪章：空间与重大灾害他们已经在探索如何利用该图集来评估哪些建筑物和人口容易受到洪水、地震、山体滑坡或风暴的影响。借助三维数据，可以更轻松地估算不同楼层可能受影响的人数，或者洪泛区内的建筑体积。
对于城市规划者和地方当局而言，拥有 一致的3D基线 这为在实际施工前模拟干预措施提供了可能。例如，市政府可以： 找出住房供应远低于人口需求的社区寻找新建学校或医疗中心的潜在地点，并测试增加绿地或改变街道布局可能会对热暴露或可达性产生什么影响。
数据集的开放性至关重要。该图集可通过在线方式获取。 互动式地图 它的功能方式对许多用户来说都很熟悉：用户可以平移、缩放、选择不同的背景图层（例如标准地图或卫星视图），还可以按名称或地址搜索特定地点。用户可以在以下两种模式之间切换： 体可视化和LoD1 3D块表示 探索他们所在的城市或偏远地区。
对于那些需要更深入了解的人来说，底层原理 数据和代码可以从 GitHub 下载。这使得研究人员、公共机构甚至私营公司能够开展自己的分析，将图集集成到现有系统中或采用其他方式。 托管图数据库 用于表示复杂的关系。
近实时监测城市化进程
GlobalBuildingAtlas最吸引人的优势之一在于，它不必仅仅是2019年的一次性快照。因为该平台基于…… 定期获取的卫星数据 原则上，经过训练的模型可以定期重新运行，以生成世界建筑存量的最新视图。
城市规划学者 多丽娜·波亚尼昆士兰大学的某位专家强调，这可以让研究人员和政策制定者…… 追踪未来五到十年城市的发展演变而不是依赖不频繁的人口普查或很少在各国之间协调的地方数据集。
在以下地区： 规划信息匮乏或已过时。例如，对于非洲或亚洲快速发展的二线城市而言，这可以提供首个可靠、最新的建成环境基线数据。规划人员将能够了解非正式住区如何扩张，工业区侵占农田的情况，以及哪些城郊地区正在被新建建筑填满。
对于人口统计和社会经济研究而言，此类时间更新可以与人口估计值相结合。 观察人均建筑体积随时间的变化某些地区在住房和基础设施方面是否正在迎头赶上，还是差距正在扩大？哪些政策与建筑规模和人口更均衡的增长相关？
从技术角度来看，更频繁的更新的可能性取决于以下因素： 卫星数据可用性、计算资源以及改进模型的能力 借助新的参考数据集，尤其是在代表性不足的地区。尽管如此，2019 年地图所展示的流程仍然为未来绘制世界建筑“快照”提供了一个模板。
透明度、治理乃至腐败研究
除了实体规划和气候研究之外，该图集可能还具有以下意义： 治理和透明度由于它可以将建筑物的物理存在与其他数据集进行系统性的联系，一些研究人员将其视为研究权力和金钱如何塑造建筑环境的工具。
城市规划专家 多丽娜·波亚尼 有人指出，原则上，可以使用建筑层面的数据来 将特定项目与开发商、公司或政治人物联系起来通过叠加土地登记信息、公司记录或公共采购数据，分析人员可以开始探究某些个人网络是否在经济领域拥有不成比例的庞大影响力。 高价值或战略位置优越的项目，由 亚马逊海王星.
此类分析可能有助于对以下方面的研究： 城市腐败、土地投机和规划过程的把持它们或许有助于识别建筑热潮与政策变化相吻合的模式，或者识别某些社区反复获得高端开发而其他社区却被系统性忽视的模式。
另一位专家， 利顿·卡姆鲁扎曼 莫纳什大学的专家强调，该地图集在以下国家具有特别的价值： 目前缺乏可靠的规划信息在这样的背景下，甚至连城市扩张的基本地图都可能缺失，全球 3D 建筑图层的可用性可以支持更透明地讨论城市是如何发展的，哪些社区获得了基础设施，以及风险和便利设施是如何分布的。
当然，这本图集并不能全面展现所有权、土地保有权或社会动态。然而，通过制作…… 故事的物质层面更加显而易见，也更容易衡量。它可以作为就城市发展中的公平、正义和问责制进行更深入讨论的起点。
展望未来，数据集的事实是 公开且可复现 这意味着记者、民间社会和研究人员可以独立检验有关建筑模式、基础设施提供或重大发展计划成果的说法，而不是仅仅依赖官方统计数据。
在所有这些领域——城市研究、气候科学、风险管理和治理——新的 包含2.75亿栋建筑物的3D地图 标志着观察和分析世界建成环境方式的重大变革。GlobalBuildingAtlas 以三维的、近乎全球性的数据库取代了以往扁平、零散的景象，为理解人们的居住地点和方式、已建成的建筑以及这些建筑体量的分配不均提供了一个共同的参考框架。
