利用高分辨率立体卫星影像进行城市几何快速重建并用于风环境评估的新框架

《BUILDING AND ENVIRONMENT》：A novel framework for urban geometry rapid reconstruction utilizing high-resolution stereo satellite imagery for wind environment assessment

　　

摘要：快速且准确地构建可直接用于计算流体动力学（Computational Fluid Dynamics, CFD）的规整城市建筑模型，对于城市风环境评估具有重要意义。传统建筑几何生成方法依赖人工建模或现场点云获取，数据采集耗时巨大，难以满足突发事件下城市尺度快速重建的需求。针对此问题，本文提出一种利用高分辨率立体卫星影像快速生成适用于CFD模拟的城市几何模型的框架。以深圳市为例，首先对高分七号（GaoFen-7, GF-7）立体影像进行影像融合与正射校正处理以构建语义分割数据集；随后训练遥感曼巴（Remote Sensing Mamba, RS-Mamba）网络提取建筑轮廓，同时利用数字表面模型网络（Digital Surface Model Network, DSM-Net）估计视差并通过前方交会算法生成点云，将点云投影至数字表面模型（Digital Surface Model, DSM）以计算建筑高度；为满足CFD几何质量要求，研究开发了轮廓简化与规则化算法，在城市尺度快速生成高质量细节层次1（Level of Detail 1, LoD1）建筑及植被模型；最终通过在深圳与东莞地区采用无人机激光雷达（Unmanned Aerial Vehicle Light Detection and Ranging, UAV-LiDAR）验证，所得结果R2、RMSE及MAE优于半全局匹配（Semi-Global Matching, SGM）、最小二乘匹配（Multi-Global Matching, MGM）及布料模拟滤波／顶帽变换（Cloth Simulation Filtering / Top-hat, CSF/Top-hat）方法，表明该框架能有效削弱GF-7拖尾效应，为高保真城市风环境评估提供数值稳定的基础。

论文解读：利用高分辨率立体卫星影像进行城市几何快速重建并用于风环境评估的新框架

（发表于《BUILDING AND ENVIRONMENT》，作者：Peisheng Zhao, Chao Li, Lingwei Chen, Jinghan Wang, Sirou Wang, Xiaolu Wang，单位：东莞理工学院环境与土木工程学院）

一、研究背景与意义

城市风环境研究可提升行人舒适度与热环境条件，改善城市宜居性与气候韧性，促进可持续城市发展。计算流体动力学（Computational Fluid Dynamics, CFD）因具有高分辨率、变量可控及可视化优势而被广泛用于城市风环境与风工程研究，其中建筑几何模型精度是影响CFD模拟准确性的关键因素。传统基于CAD工具的人工建模劳动强度大，难以快速生成大范围建筑几何；利用政府部门或商业机构的地理信息系统（Geographic Information System, GIS）数据通过高度拉伸生成细节层次1（Level of Detail 1, LoD1）模型虽高效，但常依赖估算层数与假定层高，精度有限且无法及时更新；而采用无人机（Unmanned Aerial Vehicle, UAV）摄影测量或激光雷达（Light Detection and Ranging, LiDAR）进行高保真建模可获LoD2及以上精细模型，但数平方公里区域的点云获取即需数天，城市尺度（数十至上百平方公里）耗时 prohibitive。现有城市重建流程偏重视觉逼真度，忽视数值求解器的拓扑要求，导致重建模型含冗余短边、非正交尖角等退化几何特征，严重损害网格质量与CFD收敛性。因此，亟需一套兼顾城市尺度高速重建与专为数值稳定性优化的几何规则化集成框架。本研究以深圳市及东莞市为案例，利用高分七号（GaoFen-7, GF-7）前视和后视全色立体影像及多光谱影像，提出并验证适用于CFD模拟的快速城市建筑几何重建框架。

二、主要关键技术方法概述

研究人员选用深圳市与东莞市覆盖区域的高分七号（GF-7）多光谱及前后视全色立体影像为数据源，经正射校正与全色锐化（Pan-sharpening）预处理构建语义分割数据集；采用在公开数据集上预训练并迁移学习的遥感曼巴（RS-Mamba）网络提取建筑掩膜与轮廓；同步使用数字表面模型网络（DSM-Net）进行视差估计，结合前方交会算法生成点云并投影为数字表面模型（Digital Surface Model, DSM）以获取建筑高度；针对RS-Mamba初提取的不规则轮廓，设计含噪声点滤波、建筑孔洞填充及基于Ramer–Douglas–Peucker（RDP）算法的轮廓简化与规则化的自适应轮廓优化算法，最终生成符合CFD数值求解要求的规整LoD1建筑及植被模型，并在深圳与东莞使用无人机激光雷达（UAV-LiDAR）进行精度验证与普适性检验，辅以CFD模拟验证数值稳定性。

三、研究结果

Method（方法）

整体工作流分为四阶段：采集GF-7多光谱与前/后视全色立体影像→正射校正与全色锐化预处理→分别通过RS-Mamba网络提取建筑轮廓、通过DSM-Net估计视差并经前方交会生成点云计算建筑高度→应用轮廓简化与规则化算法输出LoD1模型。研究人员指出该流程可实现从原始卫星数据到数值模拟适用几何体的无缝衔接。

Refinement of building contours（建筑轮廓精化）

RS-Mamba提取的初步轮廓粗糙且不规则，可能影响CFD收敛。研究人员提出自适应轮廓优化算法，分三步：噪声点滤波剔除孤立噪点、建筑孔洞填充还原完整基底、基于RDP算法进行轮廓简化与正交规则化，消除冗余短边与非正交尖角，获得符合数值计算要求的规整建筑底面多边形。

Generalizability validation of the proposed framework（所提框架的普适性验证）

为验证框架跨区域适用性，研究新增东莞市为研究区。结果表明，RS-Mamba模型针对GF-7成像特征实现高精度建筑基底捕捉，即便在密集街区与阴影区也具强鲁棒性；生成的LoD1几何模型与UAV-LiDAR参照比对，各项精度指标优于传统SGM、MGM及CSF/Top-hat方法，证明框架可在不同城市地貌间有效迁移。

Conclusion and future work（结论与未来工作）

研究人员得出以下主要结论：（i）通过融合深度学习模型与植被指数提取建筑及植被轮廓信息，经公开数据集预训练的RS-Mamba模型可适配GF-7影像特征精确分割建筑掩膜；（ii）DSM-Net视差估计结合前方交会生成点云计算建筑高度，有效抑制GF-7影像拖尾效应及屋顶纹理缺失区噪声；（iii）引入RDP算法与自定义规则化的轮廓优化策略，可快速生成满足CFD网格划分与数值稳定求解要求的高质量城市尺度LoD1建筑及植被模型；（iv）经深圳与东莞UAV-LiDAR验证及CFD模拟测试，框架在精度与效率上均优于传统SGM、MGM及CSF/Top-hat方法，可为高保真城市风环境评估提供可靠几何基础。未来工作将进一步提升复杂屋顶形态重建能力并向LoD2/LoD3扩展，以及探索多时相卫星影像支持的城市动态更新。

四、讨论与结论翻译汇总

讨论指出，当前卫星影像驱动的城市重建与CFD应用间存在计算–几何鸿沟，既往方法未针对数值求解器拓扑需求优化。本框架弥补了该缺口，既实现城市尺度快速重建，又通过专用轮廓规则化保障CFD网格质量与数值稳定性。结论归纳如下：本文提出基于高分辨率立体卫星影像的城市级建筑几何模型快速生成框架，利用GF-7卫星立体数据实现适用于CFD模拟的几何模型准确重建。（i）通过深度学习模型与植被指数集成提取建筑及植被轮廓信息，在公开数据集预训练后的RS-Mamba模型针对GF-7成像特性实现高精度建筑底面提取；（ii）利用DSM-Net估算视差并经前方交会算法由点云计算建筑高度，减弱GF-7拖尾效应影响；（iii）开发融合Ramer–Douglas–Peucker算法与自定义规则化的轮廓简化与规则化流程，快速生成符合CFD数值稳定性要求的城市尺度高质量LoD1建筑及植被模型；（iv）经深圳与东莞UAV-LiDAR实测验证及CFD模拟，框架精度（R²、RMSE、MAE）优于SGM、MGM及CSF/Top-hat方法，证实其可有效削弱GF-7拖尾效应，为高保真城市风环境评估奠定数值稳定基础。