《Sustainable Cities and Society》:Semantic enrichment of 3D city models via roof material classification for urban greening and heat island mitigation
编辑推荐:
语义丰富(Semantic Enrichment)扩展了已编码了对象级语义(如建筑部件和表面)的3D城市模型(3D City Models),通过赋予其主题属性,使其适用于广泛的城市场景分析、建筑能耗和微气候研究。该研究针对此类模型中一个经常缺失但至关重要的属
语义丰富(Semantic Enrichment)扩展了已编码了对象级语义(如建筑部件和表面)的3D城市模型(3D City Models),通过赋予其主题属性,使其适用于广泛的城市场景分析、建筑能耗和微气候研究。该研究针对此类模型中一个经常缺失但至关重要的属性——屋顶材料,通过结合高分辨率RGB图像分类(RGB Image Classification)和足迹引导的背景抑制(Footprint Guided Background Suppression)。来自OpenStreetMap(OSM)的建筑足迹被栅格化为掩膜,去除非屋顶像素,使分类器能够专注于材料线索而非周围城市环境。然后训练一个图像分类网络(Image Classification Network)来区分五种屋顶材料类别。预测的材料被写回语义和几何丰富的城市地理标记语言(City Geography Markup Language, CityGML)数据集,作为每个建筑的属性,并用于驱动简化的城市热岛筛选(Urban Heat Island Screening)工作流。这使得能够估计基线屋顶温度以及在冷屋顶(Cool-Roof)和绿色屋顶(Green-Roof)替换方案下的情景变化。对汉堡(德国)、巴黎(法国)和马德里(西班牙)的合适屋顶候选进行的全市绿化模拟表明,在最有利的情景下,汉堡屋顶整体降温约0.83 K,巴黎约0.16 K,马德里约0.6 K。所提出的流程数据高效、可重复,并可在城市规模部署。据研究人员所知,这是第一个明确将足迹引导的屋顶材料分类与城市规模的城市热岛筛选结合在CityGML数据上的单一端到端工作流。完整流程代码可在Github上获取。
随着全球地表温度持续升高(2011–2020年较1850–1900年基线平均升高1.1°C),城市热岛(Urban Heat Island, UHI)效应导致热相关疾病增加、电网负荷加重和劳动效率损失,冷屋顶和城市绿化已成为城市规划的标准要求。然而,进行UHI筛选需要定量评估干预措施的冷却潜力,而这依赖于精确的3D城市模型,尤其是建筑屋顶材料属性——该属性决定太阳辐射吸收和反射行为,但公开数据集(如CityGML)中普遍缺失。现有自动分类方法受限于背景泄漏(非屋顶像素干扰)和类别严重不平衡(如瓦片占主导,金属和玻璃稀少),导致分类精度不足,进而影响下游UHI模拟的可靠性。为此,研究人员在《Sustainable Cities and Society》发表本文,提出了一种端到端流程,通过高分辨率RGB正射影像和建筑足迹掩膜实现屋顶材料分类,并将其语义丰富到CityGML中,最终驱动城市尺度的UHI筛选与绿化潜力评估。
研究人员开展了以下研究:首先,从德国十多个城市获取20 cm分辨率RGB正射影像(通过Web Map Service, WMS)和OpenStreetMap(OSM)建筑足迹,对每个建筑生成掩膜(非建筑像素置黑),构建87,605栋建筑的训练集(含5类材料:混凝土、玻璃、金属、沥青纸、瓦片)。使用YOLO11l-cls分类器,并对少数类进行过采样至每类12,000张,以缓解类别不平衡。推理阶段采用确定性多材料模块:滑动窗口(192 px, 步幅96 px)对每个建筑生成像素级材料图,置信度>0.6的次要材料被保留。预测材料作为通用字符串属性写入3DCityDB v5.0(CityGML 2.0/3.0),并利用随机森林回归器基于Landsat-8 Level-2数据(计算NDVI、NDBI、Albedo)模拟绿化情景(仅对混凝土和沥青纸屋顶且坡度<15°/<30°的候选建筑进行绿化,参考光谱来自OSM检测的现有绿化屋顶)。最后,通过蒙特卡洛传播量化分类不确定性对冷却估计的影响。
研究结果如下:
**4.1 分类性能评估**:通过训练YOLO11l-cls分类器并在8763个测试样本上评估,Top-1准确率达96.2%,但平衡准确率仅0.665,宏平均F1为0.669。主要类roof_tiles的F1为0.984,而metal类F1仅0.474,玻璃为0.618,混凝土0.538,沥青纸0.731。校准分析显示预期校准误差约0.03,置信度阈值0.6可作为可靠代理。
**4.2 消融研究**:通过比较三种配置(仅掩膜、掩膜+加权交叉熵、掩膜+过采样),发现仅掩膜时少数类大幅被roof_tiles吸收(混凝土召回率0.32,金属0.28);加权交叉熵仅将玻璃召回率提升至0.53,宏召回率0.564;而过采样显著提升所有少数类召回率(混凝土0.52,玻璃0.58,金属0.49,沥青纸0.83),同时roof_tiles保持0.99,证实掩膜与过采样联合贡献。
**4.3 语义丰富**:将预测材料写入3DCityDB v5.0,对汉堡194,799栋建筑进行丰富(占全市388,267栋建筑的50%),其中56%为roof_tile,26%为tar_paper,12%为concrete,4%为metal,2%为glass。每个建筑存储一个主导材料,通过GeoJSON携带GMLID和材料覆盖率。
**4.4 跨城市热岛筛选**:通过随机森林回归器模拟绿化情景,汉堡在完全绿化场景下平均屋顶降温0.83 K,绿化建筑平均降温1.36 K(蒙特卡洛传播90%区间1.3456–1.3683 K,因主要混淆对混凝土/沥青纸和金属/瓦片不改变绿化资格,不确定性仅约1.7%)。巴黎在11.31°坡度限制下降温0.06 K,30°坡度下0.16 K;马德里分别为0.22 K和0.6 K。结果取决于城市形态和气候:巴黎中心区坡屋顶多、气候凉爽,降温最小;马德里炎热干燥、绿化资格屋顶多,降温显著。该实验证明流程可转移至不同城市,但需注意OSM标注数据稀缺时分类精度会降低。
讨论部分总结:该流程的优势在于通用性(不依赖城市先验)、多材料推理能力、完整空间参考;局限性包括对OSM足迹质量的依赖、金属与瓦片间纹理相似性导致误分类、以及现有绿化屋顶未排除带来的保守冷却估计。屋顶类型与材料的相关性(如平屋顶多为沥青纸)可作为审计工具,但不可作为硬规则。UHI筛选结果未经过现场实测验证,需进一步研究。结论翻译:本文提出了一种端到端流程,将开放的航空影像和建筑足迹转化为可直接链接到3D城市模型的可操作屋顶材料语义。通过结合掩膜优先分类策略和确定性多材料推理步骤,该流程实现了高性能,丰富了3D城市建筑模型的屋顶材料属性,并估计了跨城市绿化合格屋顶的冷却效果。这些输出直接可用于城市规划者评估绿化潜力及其对气候适应的贡献。该流程提供可审计、地理参考的标签,立即可用于CityGML丰富和城市热岛筛选。该流程证明了城市规模的材料丰富可以在可重复、数据高效的方法下实现,同时保持从图像证据到数据库属性的完全可追溯性,弥合了遥感分类与城市气候分析之间的差距。该流程不限于特定城市,完全依赖开放输入(正射影像和OSM或CityGML足迹),使其可转移到任何存在这些资源的城市。这使该方法成为城市规划者和绿化评估的可重用模板,推动语义城市建模走向实践。展望未来,改进类间区分可能需要使用纹理图或光照不变特征。更高分辨率数据也能缓解歧义。此外,屋顶倾斜和方向(已编码在LoD2 CityGML几何中)可作为评估屋顶光伏集成潜力的输入,与绿化适宜性结合,实现可再生能源发电和热舒适性的联合优化。从环境建模角度,未来工作可在现有材料图基础上,通过整合季节性反照率变化和热存储动态来细化UHI计算。将流程扩展到其他语义层(特别是立面材料)将能实现建筑级能量平衡计算,目前城市规模流程尚无法实现,使系统更接近统一材料模型,支持运营规划和长期气候适应情景。