文献荐读：适配共享社会经济路径的2020-2050年全球高分辨率屋顶区域增长预测数据集

章文天 2025-10-03 10:28 江苏

标题

2020-2050年，与共享社会经济路径一致的屋顶区域的全球高分辨率增长预测数据集发表

时间

2024-05-30

作者

Siddharth Joshi, Behnam Zakeri, Shivika Mittal, Alessio Mastrucci, Paul Holloway, Volker Krey, Priyadarshi Ramprasad Shukla, Brian O’Gallachoir & James Glynn

期刊

DOI

10.1038/s41597-024-03378-x

摘要

评估全球屋顶区域的当前和未来增长对于理解和规划一个强大和可持续的分散能源系统非常重要。这些估计对城市规划研究和可持续城市设计也很重要，从而推进可持续发展目标7（清洁能源）、11（可持续城市）、13（气候行动）和15（陆地生命）的精神。在这里，我们开发了一个机器学习框架，该框架在包含约7亿个开源建筑足迹、全球土地覆盖、道路和人口数据集的大数据上进行训练，为共享社会经济路径所涵盖的五种不同未来增长叙事生成全球统一的屋顶区域增长估计。该数据集提供了约350万块1/8度空间分辨率的渔网瓷砖的估计，以及涵盖2020-2050年五个增长叙述的屋顶总面积数据，以十年为单位。这个单一的统一全球数据集可用于气候变化、能源转型、生物多样性、城市规划和灾害风险管理研究，涵盖大陆到大都市的地理空间水平。

背景和总结

2019年，全球建筑存量消耗了全球电力需求的约18%，占全球温室气体排放量的21%。联合国2预测，到2050年，全球人口将从2022年的80亿增长到97亿。人口的增加将需要全球建筑存量的增加，并将对物质需求产生越来越大的下游影响。在当代文献中，屋顶区域或一般矢量建筑足迹，以及对建筑类型、人均建筑面积、建筑年份等进行额外丰富，通常被用作全球建筑存量推广的可靠代理。

因此，全球屋顶区域评估的统一全球地理空间评估对于各种研究领域至关重要，包括城市规划和建筑、可再生能源6和可持续发展，因为它为优化空间使用、设计可持续建筑、促进可再生能源采用和改善城市地区的整体环境绩效提供了关键数据。记录全球屋顶区域的统一数据集的可用性不仅对能源系统建模者很重要，而且对国家和国际研究机构也很重要，因为这种空间明确的数据集可以帮助能源规划、获得能源、分析极端自然事件8和冲突9的影响。更重要的是，生成一个一阶协调的空间明确数据集，记录屋顶区域未来的空间增长，通过纳入不同的社会经济增长动态，满足可持续发展目标和减缓气候变化的补充需求，帮助跨领域情景分析和政策制定。

屋顶总面积的全球评估是一项复杂的任务，因为最小的评估单位是屋顶。建筑存量原型在地理区域之间变化，并取决于感兴趣的地区（ROI）普遍存在的社会经济和文化因素，这一事实使这种复杂性更加复杂。过去，自下而上的建模方法被用来评估国家以下和国家规模的屋顶区域。在这里，研究的重点是将社会经济驱动因素和屋顶区域之间的关系从小样本区域推断到更大的投资回报率。尽管这些方法对屋顶面积的快速估计很有用，但它们通常报告的准确率低于利用大规模调查建筑存量的高度空间分辨率方法。

另一方面，高度空间分辨率的自上而下技术，如基于光检测和测距（LiDAR）的屋顶测绘，使用无人机安装的激光器在3D中绘制景观，以及基于机器学习（ML）的物体检测，在覆盖大陆尺度的ROI方面显示出有希望的结果。基于激光雷达的屋顶测绘是目前确定屋顶区域以及大规模捕获屋顶属性的最准确方法。但这些方法需要对空中成像和计算成本进行大量投资，因为基于激光雷达的屋顶测绘最常见的实现仅限于城市规模分析。基于机器学习的模型构成了下一类有助于大规模检测建筑屋顶的方法。然而，这些方法对全球规模研究的适用性有限，因为机器学习模型的训练需要对训练数据进行大量投资，这些数据应该有足够的多样性来覆盖全球投资回报率21。此外，需要服务器规模的计算环境来训练和从这些训练的ML模型中生成推论，这需要大量的成本和时间投资。因此，基于机器学习的方法解决的最大投资回报率覆盖了非洲大陆20。然而，由于捕获准确的地理多样化样本以训练机器学习模型的复杂性以及使用激光雷达绘制全球地图的成本过高，因此尚未实现这一范围，因此将此扩展到全球实施。此外，自上而下方法的应用仅限于对屋顶面积的单年估计，只有有限的研究研究将自下而上的方法推进到未来全球屋顶面积增长的高分辨率估计22。

第三种方法可以帮助快速评估跨越大陆规模的投资回报率的屋顶区域，是使用混合方法。这种方法利用涵盖土地覆盖图（来自遥感图像）、社会经济指标和实际地面建筑存量属性的样本之间的空间关系来推断样本外区域的屋顶区域。证明这种混合方法的研究18,23利用统计推理为大陆和国家层面的投资回报率生成这些关系。

在这项研究中，我们结合了自下而上和自上而下的方法，开发了一个基于我们之前从屋顶太阳能PV6的单年全球估计中学到的基于ML的混合框架。混合ML框架从缩小的国内生产总值（GDP）、人口密度、建成面积和样本建筑足迹之间的空间关系中学习，以估计样本外区域的屋顶区域。广泛用于气候变化研究的共享社会经济路径（SSP）叙述，通过将叙述量化为可以通过数学模型解释的数值指标，研究了全球社会、人口统计学和经济学在下个世纪可能会如何变化。SSP的框架从一个叙述开始，根据适应和缓解的挑战定义了五个不同的世界。SSP1是可持续世界，SSP3是区域竞争下对减缓和适应挑战最高的世界，SSP4是适应挑战最大的不平等世界，SSP5是减缓挑战最高的化石燃料世界，SSP2是道路的中间。通过使用GDP、人口密度和建筑面积的SSP特定空间显式增长作为训练有素的ML框架的驱动力，我们估计了全球建筑足迹面积的增长，我们一对一地绘制为这些发展路径下的屋顶总面积。通过这种方式，我们将自上而下建模的空间属性（建成面积）与自下而上方法的统计建模（社会经济参数）相结合。混合机器学习框架允许通过利用样本建筑足迹、地面建成面积、人口和国内生产总值之间的全球统计关系来估计全球屋顶总面积，这减轻了从遥感图像中提取基于ML的广泛建筑多边形的需要，同时在每个1/8度渔网网格瓷砖的预测屋顶面积中提供±0.1平方公里的精度。与自上而下的基于ML的方法相比，混合ML框架的另一个优势是该框架的计算足迹低，这排除了图像处理的使用，从而减少了访问开源大数据的障碍，如建筑足迹、全球道路数据集等。

流程图说明了这项研究的方法。工作流程分七个步骤执行（在背面框中标记）。工作流程从收集训练和驱动程序数据集开始，然后是收集的数据集的空间和时间协调。接下来，我们在第4步中生成了2020年的屋顶面积估算，该估算进一步用于从开放街道地图数据集中选择样本。在第六步和第七步，我们估计了全球屋顶总面积的增长。

方法

数据收集

我们通过定义1/8度空间分辨率的全球渔网（FN）网格，开始了数据收集任务。FN网格单元在赤道处的空间分辨率约为14平方公里，网格单元的大小基于其所处的纬度是动态的，但保持相同的1/8度长度和高度。选择网格的空间分辨率是为了匹配SSP衍生人口和构建范围网格数据集的空间分辨率。14平方公里的FN网格分辨率为我们提供了足够大的范围来大规模地捕捉城市边界，而足够小的范围来不覆盖整个城市群本身。

接下来，我们选择2020年作为基准年，2030年、2040年和2050年作为中期时间范围预测年。本研究期间收集的主要数据集可以分为矢量数据集-大数据衍生的基准年建筑足迹多边形（BF20）、开放街道地图（OSM）31衍生的基元建筑足迹（BF20_OSM）和全球地理地图基年道路（RL20）或光栅数据集-基年全球人口计数（PPLN20）、基全球建设范围（BU20）、未来SSP衍生的网格化人口（PPLNX，Y）、未来SSP衍生的网格化建设范围（BUX，Y）和未来国家智能SSP衍生的GDP（GDPX，Y），其中X是SSP叙述，Y是年份。不同基准年和SSP衍生数据集的属性记录在表1中，图中有视觉描述。2.

从大数据源（BF20）收集的建筑足迹数据，对美国、英国、澳大利亚和加拿大的基准年建筑多边形数据有完整的国家覆盖。除北非地区，包括撒哈拉沙漠以上国家外，非洲大陆覆盖范围全面。对于世界其他地区，建筑多边形数据来自开放街道地图，但空间覆盖范围是零星的，良好的空间覆盖范围仅适用于欧洲大陆。OSM衍生建筑足迹（BF20_OSM）的完整性之间的这种不匹配鼓励我们创建自己的OSM间隙检测应用程序，以捕获基于我们的FN网格（使用说明）具有完全完整性的选定数据。基准年人口统计数据（PPLN20）涵盖了整个全球陆地，因此不需要对数据集进行进一步的过滤或抽样。

基准年全球积累范围数据集（BU20）覆盖了2019年的全球范围。构建的层捕捉到了地球上人为改造的程度。使用一套遥感技术，这些结构可以与自然景观隔离，这些结构所占据的区域可以转换为光栅网格，每个网格单元可以表示其中包含的建成区域或建成面积的百分比。自然，建成范围将捕获道路、停车场、工业场、机场跑道等，这些道路、停车场、工业场、机场跑道等不构成建筑占地面积的一部分，有时可以覆盖比建成光栅单元中的建筑占地面积多2-3倍的面积23。为了解释这一点，我们创建了一个ML模型，将构建范围缩小到估计的屋顶区域，我们将在机器学习模型部分讨论。

在收集2020年基础数据集后，我们研究的下一步是收集2020年、2030年、2040年和2050年SSP衍生的数据集。总体而言，我们收集了2020-2050年每个国家GDP数据的网格人口、积累范围和SSP衍生数据（图3）。網格人口統計数据集和建立範圍資料集以1/8度空間解析度作為光柵資料集提供，使用GADM專案V3.6（https://gadm.org/data.html）的行政邊界資料集，每個國家的GDP数据集映射到各自的邊界。

基准年校准和空间协调

在收集和验证基准年数据集和SSP衍生数据集后，我们对数据集的基准年进行了协调。本基准年对BU20和BF20层进行了协调。我们假设我们的BU20层的2019年构建范围代表了2020年的数据点。同样，BF20层多边形包含不同数据集中多年建筑足迹信息，假定代表2020年的建筑足迹。这些假设为协调增加了不确定性，因为2020年建造的一些建筑不是培训数据集的一部分，但在全球范围内，由于我们机器学习框架的设计，这些假设对研究的最终产出影响很小。

基准年数据汇总

在将数据集时间协调到共同的基准年后，我们将数据集对齐到共同的空间分辨率和投影坐标系上。为此，我们将基准年数据集映射到FN网格。我们将FN网格叠加在BF20、PPLN20、BU20和RL20数据集的顶部，并使用cookie切割方法在每个独特的FN网格单元中切割和聚合数据集。接下来，选择每个FN内的BU20层边界作为感兴趣的区域，没有考虑该BU20边界外但FN边界内的任何数据点。这为我们提供了空间协调的第一阶段，其中只考虑了BU20层范围内的数据点。为了实现这一点，我们使用BU20层外的区域作为屏蔽层来选择未屏蔽的数据点。

代表非屏蔽BF20和RL20数据集的基准年矢量数据集是在ArcGIS PRO V2.8平台上处理的，我们使用内置的多核处理增强功能来大规模处理矢量数据集的切割和聚合。切割步骤后，每个独特的FN网格单元内的每个建筑多边形和道路折线特征被聚合，以表示每个FN网格单元的单个值。应该注意的是，一个落在FN网格单元边界上的多边形在边界处相交，只有相应FN内多边形的面积归因于该FN，图。4.

FN网格数据聚合的流程。英国工作流程的可视化，伦敦的放大视图。这个过程从在全球陆地上创建分辨率为1/8度的FN网格开始。接下来，用建成范围层作为遮罩层来划除2020年存在建成结构的区域。然后，将屏蔽层与FN网格一起用于将矢量和光栅数据集映射到屏蔽层底层的FN网格。最后，每个渔网的矢量和光栅数据集值被汇总，以生成每个FN网格单元格的单个值。在这里，与FN边界相交的向量数据集在边界处拆分，并聚合到各自的FN网格单元格中，而光栅数据集使用加权和聚合。矢量数据集处理在ArcGIS PRO上完成，在谷歌地球引擎上进行光栅数据集处理，并在基于python的DASK49模块中进行后处理。

代表非屏蔽PPLN20和BU20数据集的基准年光栅数据集是在谷歌地球引擎平台32上处理的。两个数据集都夹在重叠FN的边界上，完全在FN内的像素按原位聚合，落在边界上的像素使用加权求和聚合。在这里，考虑的像素的值归因是根据FN内像素的面积计算的。应该注意的是，虽然PPLN20数据集代表100米分辨率的简单人口计数，但BU20层像素代表每个100米像素内建立面积的百分比。因此，BU20像素的聚合是通过将像素面积乘以像素值来表示每个100米分辨率像素所代表的真实构建区域。

SSP衍生数据聚合

通过映射前几个步骤中得出的空间协调PPLN20和BU20数据集的值，将SSP衍生的PPLNX,Y和BUX,Y等于2020的人群与FN网格进行空间协调。这有助于首先为估计每个FN网格单元的未来汇总屋顶面积提供一个共同的基准年值，其次，消除了基础数据集和SSP衍生数据集之间数据点和数据值的任何不匹配。数据点之间的不匹配是由于PPLNX,2020和BUX,2020使用外源方法和框架来估计各自数据集中的值。例如，描述建成区存在的BUX,2020数据集点来自2015年使用联合研究中心的GHSL33层的模型，因此没有纳入中国东部的一些新开发地区（图5）。此外，当FN网格单元BUX，2020层低于或过高表示BU20数据集所描述的值时，可能会出现数据值之间的不匹配。由于这些不匹配，对于BU20层的全球聚合建成面积146万平方公里，BUX,2020层仅代表全球聚合建成面积的98万平方公里。这凸显了在共同的时间和空间尺度上协调数据集的重要性。

在协调每个SSP场景的PPLNX，2020和BUX，2020数据集后，使用以下方式重新计算了各自数据集的每个FN网格单元的未来数据点和数据值：

其中，对于每个唯一的FN网格单元，X是SSP场景，Y是计算数据点和值的年份，PPLN20是基准年人口计数，BU20是基准年建成区。（*）命名法描述了重新计算前的未来指标。这有效地捕捉到了每个FN网格单元在统一基础数据集中的指标的绝对增长。对于每个FN网格单元的GDP值，我们使用以下内容设计了国家级GDP值的人口加权下图：

其中，对于每个唯一的FN网格单元格，X是SSP场景，Y是计算数据点和值的年份，C是在国家层面计算汇总指标的国家。这种GDP下降级方法创建了一个新的特征层，代表每个FN网格单元的GDP加权人口计数，用于训练下一节讨论的ML模型。最后，我们使用以下内容为基准年数据集和SSP衍生数据集创建人口密度层。

其中，对于每个唯一的FN网格单元，X是SSP场景，Y是计算数据点和数据值的年份，FNArea是FN网格单元占据的测地面积。

机器学习模型

我们设计了一个基于XGBoost ML模型的基于ML的框架，以估计每个FN网格单元的聚合屋顶面积。ML框架完成了首先从来自OSM全球建筑足迹数据集的BF20_OSM层中提取FN网格单元的任务，该数据集具有完整的建筑足迹多边形映射，其次估计每个样本FN网格单元的聚合屋顶面积。机器学习框架开发所涉及的数据流和步骤如图所示。

培训M1模型

我们通过从基准年数据集中提取样本FN网格单元格开始开发ML框架。完全覆盖PD20、BU20、RL20和BF20数据集的FN网格单元被选为样本FN网格单元，提取的样本层在这里分别命名为PDS20、BUS20、RLS20和BFS20。然后，PDS20、BUS20和RLS20样本FN网格单元作为独立变量，BFS20作为M1模型的依赖变量。然后使用10倍交叉验证策略和1000次超调谐迭代来训练M1模型。10倍交叉验证策略允许将完整的输入数据集用于训练目的，并有助于减少与1000轮超调谐迭代相关的过度拟合问题。然后，训练有素的M1模型接受PD20、BU20和RL20层作为驱动因素，以估计所有全球FN网格单元BFFN20层的聚合总屋顶面积。

提取OSM样品

在这个阶段，我们对2020年屋顶面积进行了全球估计，然后我们用它来从BF20_OSM层中提取样本。为此，我们在FN级别比较BFFN20和BF20_OSM层的值。对于BF20_OSM和BFFN20之间的比例在1.1和0.9之间的FN网格单元格，即BF20_OSM值显示BFFN20值的90-110%，这些FN网格单元格单元格是根据其建筑足迹映射的完整性选择的，并提取为BFOSM20样本层。M1模型预测值和OSM衍生值之间的这种比较也有利于开发OSM差距检测工具，我们在使用说明中进一步讨论该工具。

培训 M2 模型

在从M1模型中调整、训练和推断BFOSM20层后，我们将重点转移到M2模型上，这将能够估计每个FN网格单元的全球总聚合屋顶面积，用于SSP叙述。为此，我们将基准年数据集中的BFS20样本与BFOSM20样本相结合。我们还重新采样了PD20、BU20和GDPX、Y层，以收集基于FN网格单元的样本，覆盖我们组合的建筑足迹样本，以生成PDS、OSM20、BU S、OSM20和GDPS、OSM、2、2020层。这里的GDPS、OSM、2、2020层代表了涵盖基准年样本的每个样本FN网格单元的基于人口的降级GDP，以及SSP2叙事和2020年的OSM衍生的建筑足迹FN网格单元。PDS、OSM20、BUS、OSM20、GDPS、OSM、2,2020样本FN网格单元作为独立变量，BFS20和BFOSM20作为M2模型的依赖变量。我们研究中使用的最终样本FN网格单元如图7所示，建筑足迹属性记录在表2中。

M2模型是通过使用10倍交叉验证策略和1000次超调整迭代来训练的。在这一步结束时，我们有了最终的M2模型，然后接受PPLNDX、Y、BUX、Y和GDPX、Y层作为估计2020-2050年五个SSP叙述和年份的全球BFX、Y层的驱动力。最终的BFX,Y层存储为GeoPackage文件，具有1/8度FN网格单元分辨率，其值代表FN网格单元内汇总的屋顶总面积，以供进一步分析。

尽管训练的M1模型与SSP衍生的驱动程序相结合可以帮助生成最终的BFX,Y层，但我们无法实现这一点，因为RL20层数据仅在2020年基准年可用，并且需要多变量回归来估计其值超过2020年，这将为我们的结果增加一层额外的不确定性。此外，选择BUS，OSM20以及该层与BF20层的合并为我们提供了额外的全球数据点，以重新训练新模型M2，该模型将更符合全球趋势，而不仅仅是BF20数据集涵盖的国家/地区。

数据记录

本研究中生成的高分辨率数据集包含3,216,960个单独的渔网瓷砖，空间分辨率为1/8度，覆盖了整个世界。主要数据集和其他文件托管和引用在Zenodo35（https://doi.org/10.5281/zenodo.11085013）。数据集涵盖除南极洲以外的所有国家。该研究的选定区域产出如图所示。为了方便集成工作流程，我们提供了以下格式的主要数据集：

1）矢量数据集：每个SSP叙事的每个FN网格单元格的全球估计屋顶总面积以Geopackage（.gpkg）文件（Results_Vis.gpkg）的形式提供，在EPSG:4326坐标系中具有1/8度空间分辨率的多边形几何形状。此文件的属性表包含代表FN网格单元格ID的FN_ID列，以及代表FN_ID特定评估的屋顶区域的其他列。评估的屋顶总面积列按BF_X_Y排序，X的值为SSP1、SSP2、SSP3、SSP4、SSP5叙述的值为1、2、3、4和5，Y代表评估年度，2020年、2030年、2040年和2050年的值为20、30、40和50，单位为km2。此外，每个FN_ID条目都添加了一个CF列，该列记录了基于世界银行太阳能地图集36的屋顶太阳能光伏的容量系数。

2）栅格数据集：每个SSP叙述的每个FN网格单元的全球估计屋顶总面积以地理（.tif）文件的形式提供，在EPSG:4326坐标系中具有LZW压缩。评估的屋顶总面积数据集排序为BF_X_Y，SSP1、SSP2、SSP3、SSP4、SSP5叙述的X值为1、2、3、4和5，Y代表评估年度，2020年、2030年、2040年和2050年的值为20、30年、40年和50年，以及km2单位。

3）数值数据集：每个SSP叙述的每个FN网格单元的全球估计屋顶总面积以镶木地板（.parquet）文件（Results.parquet）的形式提供。此文件包含代表FN网格单元格ID的FN_ID列，以及代表FN_ID特定评估的屋顶区域的其他列。评估的屋顶总面积列按BF_X_Y排序，X的值为SSP1、SSP2、SSP3、SSP4、SSP5的值为1、2、3、4和5，Y代表评估年度，2020年、2030年、2040年和2050年的值为20、30、40和50，以及km2单位。此外，每个FN_ID条目都添加了一个CF列，该列记录了基于世界银行太阳能地图集的屋顶太阳能光伏的容量系数。

除了主要数据集外，我们还提供了额外的文件，以便从这项研究中生成矢量和数值数据集：

1）M2_Model.json：此文件包含从XGBoost版本2.0.3生成的M2模型in.json格式的冻结参数

2）SSP_drivers.parquet：此文件包含用于生成我们研究中主数据集的驱动程序数据

3）FN_MAP.parquet：此文件包含已知文本（WKT）格式的每个渔网网格图块的边界信息。

4）Prediction.ipynb：此文件提供了一个python笔记本接口，使用SSP_drivers.parquet文件从M2_Model.json生成推理。此外，该文件还生成数值数据集，并使用FN_MAP.parquet文件将其转换为矢量数据集。

5）environment.yaml：此文件包含用于生成本研究中提出的结果的python虚拟环境的冻结配置。

技术验证

输入验证

本研究中提出的数据集在2020年基准年进行了端到端技术验证。对M1和M2模型输入、M1和M2模型的性能、M1和M2模型输出的有效性以及最后对M2模型生成的估计值进行验证。对于涵盖2030-2050年的数据集，我们无法提供数据有效性的真实验证，因为它们代表了未来，但2020年数据的高精度表明了强大的模型真实性，这为这些产出提供了很高的信心。表3列出了基准年数据集和SSP衍生驱动因素的输入验证，作为数据提供商或构成数据基础的同行评审出版物生成的验证报告的链接。由于数据集的规模、假设和所用方法的局限性，本研究中使用的大数据集在每个建筑级别进行验证时，预计会有更高的分辨率错误，但在汇总的国家/区域空间分辨率下，这些数据集的性能是可以接受的。

样本FN图块上的模型验证

M1和M2模型的学习准确性由用于训练模型的因变量和自变量之间相关性的显著性决定。此外，使用了10倍交叉验证策略，将模型暴露在输入数据的各种组合中，以减少模型过度拟合。此外，评估了模型输出相对于因变量的分布和误差的传播，以选择最佳模型。据观察，M2模型有轻微低估地面真理的倾向。

进一步评估了M2模型（BFX，Y）的最终输出，以确定汇总的国家输入基准年大数据衍生的BF20值和汇总的国家M2模型估计输出在2020年（BF2，2020）之间存在差异。这些评估是通过汇总属于被评估国家地理边界内的FN网格单元的FN网格单元值来进行的。总体而言，我们观察到在国家层面上，地面真相和估计值之间的高保真度。在更高的空间分辨率上，我们还根据ASHRAE美国气候区域比较了美国次国家级别的估计。在这里，还观察到了地面真理和预测值之间的高保真度。图10、11和表4记录了这些检查的结果。

对看不见的数据集进行结果验证

在已看到/训练数据上验证M2模型的输出（BFX，Y）后，对未可见数据集进行了进一步的验证。在这里，我们比较了我们的结果（BF2,2020），即SSP2和2020年的M2模型输出，EUBUCCO v0.14,37数据集适用于在EUBUCCO v0.1数据集中具有完整数据可用性的选定国家。这些国家有西班牙、法国、荷兰、丹麦、芬兰、爱沙尼亚、立陶宛、斯洛伐克、斯洛文尼亚、瑞士、德国和卢森堡。为此，我们首先在2020年用构建层（BU20）屏蔽了EUBUCCO v0.1数据集，然后将生成的建筑足迹映射到FN网格上，这些网格通过聚合每个FN网格中的建筑足迹几何形状而泛滥。对堪萨斯州、新加坡和悉尼等城市进行了次国家级的第二组验证。总体而言，我们发现，与训练期间未暴露于M2模型的未见数据相比，M2模型的结果在预期误差范围内。通过这种方式，我们可以通过比较国家以下和国家空间层面的结果，以高度确定性验证我们的结果。表5和图12记录了对看不见的数据集进行的验证结果。

使用说明

限制

生成的汇总屋顶区域数据集是在假设建筑占地面积和屋顶区域之间进行一对一映射的基础上生成的。尽管由于屋顶上层建筑14的存在，一些建筑原型的屋顶面积可能比建筑占地面积大，但由于分析的规模，我们并没有考虑到全球感兴趣的区域，而不是每个建筑。同样，在高纬度地区，由于屋顶的坡度，建筑屋顶总面积可能高于建筑占地面积。因此，在使用这些数据集进行城市级分析时，建议使用特定区域的屋顶属性值。此外，由于用于估计屋顶面积的ML模型的性质，我们建议每个FN网格单元的误差幅度为±0.1平方公里。考虑到这项研究的全球范围，我们假设M2模型学习的时空模式的中期（2020-2050）静止性，这限制了屋顶总面积的未来预测。为了减轻时空静止的假设，我们以SSP的形式纳入了五种不同的增长路径，这些路径作为不同城市规划范式的代理，从而允许与其他各种因素进行综合评估，例如气候变化、能源系统等。最后，驱动M2模型的培训数据部分偏向于发达国家，只有非洲国家和开放街道地图的一些样本为新兴经济体提供培训数据。培训数据的这种不平衡表现为对高密度城市和城市群的屋顶总面积略有低估的趋势。

能源系统/综合评估建模的应用

我们预计，本研究中生成的数据集将紧急用于能源系统/综合评估建模社区，用于评估屋顶太阳能光伏/太阳能热技术潜力6,38,39应用，以及建筑侧能源系统建模40,41,42。对于能源正义43和能源可及性研究44，数据集可以以城市增长动态的形式提供宝贵的信息，并用于校准建筑存量模型。例如，在技术潜力评估研究45中，用户可以假设屋顶是平坦的，太阳能电池板被放置在特定纬度的最佳角度。用户也可以假设，整个估计的屋顶区域将被太阳能电池板完全覆盖，并且电池板将没有阴影。这一假设最终成为我们的数据集，代表了技术潜力生成的最佳情况。在更广泛的文献中，0.3的屋顶可用性系数用于将屋顶总面积转换为净屋顶面积，以解释由于建筑存量的方向和坡度属性而导致的不合适的屋顶。对于此数据集的用户，如果已知，我们建议使用特定区域的屋顶可用性系数，否则0.3可以作为更实际结果的系数。然后，使用高分辨率的太阳辐射数据集，净屋顶区域可以直接转换为每月的技术潜力，例如美国宇航局MERRA 246。

分析OSM空间数据完整性的应用

开放街道地图衍生数据被用于许多研究中，作为地面真理映射的来源和大数据模型的校准。此外，以建筑多边形和道路测绘形式的原始OSM数据被广泛用于资源可访问性研究和脆弱性映射。吸收OSM数据的主要原因可以归因于其免费访问性，以及超过100万活跃用户每小时更新数字星球文件。尽管OSM数据库中存在的数据量很大，但使用它们的研究通常必须进行大量的预处理，以提取适合其用例的数据。此外，OSM数据集的用户在缺乏对OSM数据集的验证研究方面挣扎。

对于处理全球道路的数据属性，一项研究强调，OSM全球道路数据集已完成80%。对全球建筑足迹数据集的类似研究目前仅限于国家层面的研究（https://github.com/thinkingmachines/osm-completeness）或区域研究（https://github.com/hotosm/osm-analytics）。作为M1模型输出的应用，我们将预测的屋顶总面积映射到2020年FN网格和SSP2增长描述叠加在OSM的建筑足迹多边形行星数据集上，以估计OSM数据集的完整性。为了量化完整性，我们计算了研究中评估的屋顶总面积的百分比差异，以及从OSM映射到FN网格的计算总建筑占地面积面积。OSM比较的基础数据集是在2021年8月采购的。

在此分析的最终输出中，0的值表示OSM数据缺失，或者数据无法存在于该FN网格单元格中。值为1表示OSM数据集覆盖率在FN网格单元格中为100%。0.9-1.5之间的任何值都被视为代表OSM数据集的100%完整性，因为我们的M1模型在某些地区确实具有基于驱动指标的预测不足或过高特征。大于1.5的值代表了OSM中可能没有人口存在但有OSM建筑多边形标签的地区，例如温室、主要航运港口周围的工业综合体等。由于我们的M1模型依赖于总体作为重要驱动因素，在完整性值大于1.5的FN网格单元中，我们的模型给出的值低于OSM数据集值。另一个原因可以归因于为构建多边形分配了错误的标签，或者将非构建构建结构错误地归类为OSM数据集中的构建多边形。图14a显示了欧洲的完整性值数据集的示例，图14b-d显示了完整性值大于1的示例情况。可以对全球数据集进行类似的自动分析，以量化OSM数据集的完整性，并将建筑物的众包映射指向未映射的区域。

主要图表

图1：流程图说明了这项研究的方法。工作流程分七个步骤执行（在背面框中标记）。工作流程从收集训练和驱动程序数据集开始，然后是收集的数据集的空间和时间协调。接下来，我们在第4步中生成了2020年的屋顶面积估算，该估算进一步用于从开放街道地图数据集中选择样本。在第六步和第七步，我们估计了全球屋顶总面积的增长。

图2：基准年的空间传播和SSP2衍生的输入数据集。（a）从开放街道地图中提取的全球地理测地图道路。（b）从世界POP项目中得出的100米分辨率的2020年全球地理测地图人口计数。（c）从哥白尼土地监测计划GLC V3.0.1 2019中提取的全球人造建成区。（d）从选定大陆和国家的大数据源中提取的足迹多边形。对于面板（a-d），较亮的黄色表示数据集中相应指标的相对较高值，渐变为红色表示数据集中相应指标的低值。浅灰色的存在表示各自的数据集中没有数据，深灰色代表海洋。（e）SSP2叙述的地理映射人口的全球变化。2020年至2050年期间，红色地区人口增长相对较低，蓝色地区人口增长相对较高。（f）SSP2叙述的国内生产总值变化。2020年至2050年期间，红色区域的国内生产总值增长相对较低，蓝色区域代表着相对较高的国内生产总值增长。（g）SSP2叙事的地理映射建成区的全球变化。2020年至2050年期间，红色区域在建成区的变化相对较小，黄色区域在建成区的变化相对较高。

图3：SSP衍生驱动程序的全球趋势。

图4：FN网格数据聚合的流程。英国工作流程的可视化，伦敦的放大视图。这个过程从在全球陆地上创建分辨率为1/8度的FN网格开始。接下来，用建成范围层作为遮罩层来划除2020年存在建成结构的区域。然后，将屏蔽层与FN网格一起用于将矢量和光栅数据集映射到屏蔽层底层的FN网格。最后，每个渔网的矢量和光栅数据集值被汇总，以生成每个FN网格单元格的单个值。在这里，与FN边界相交的向量数据集在边界处拆分，并聚合到各自的FN网格单元格中，而光栅数据集使用加权和聚合。矢量数据集处理在ArcGIS PRO上完成，在谷歌地球引擎上进行光栅数据集处理，并在基于python的DASK模块中进行后处理。

图5：样本FN网格单元的全球分布。我们分析中使用的样本FN瓷砖的空间传播对于大数据衍生样本为148,441个FN，对于OSM衍生样本为2,654个FN。对于覆盖美国、加拿大、非洲、英国和澳大利亚的FN网格单元，使用了BF20层。对于世界其他地区，在从M1模型推断中选择OSM衍生的FN网格单元后，使用了它们。

图6：验证未见数据的边界和结果的插图。（a-c）测试样本分别在大悉尼、堪萨斯州和新加坡ROI上的边界。FN网格用黄色标记，黑色区域是FN瓷砖内的非建成区域，白色/灰色区域是FN瓷砖内的建成区域。（d，e）选定国家的EUBUCCO v0.1和BF_2,2020层之间的差异说明。图例表示不同错误仓的颜色图，括号内的值代表每个仓内的FN瓷砖。根据M2模型，负值代表预测不足，正值代表预测过度。基图-开放街道地图贡献者，构建分类-哥白尼GLC V3.0.1 2019。

Notes

1、本文预测预测全球2020–2050年不同社会经济情景（SSPs）下屋顶面积的增长。在SSP框架下，屋顶面积增长不仅代表城市化水平，也与能源可及性、灾害风险、土地利用冲突相关。

2、方法上，本文构建了一个混合机器学习框架，结合SSP派生的社会经济数据集作为模型驱动因子（人口、GDP、建成区扩展）与自上而下（建筑足迹数据、遥感）的信息，并将数据统一到1/8°分辨率鱼网格（约14 km²）上，匹配SSP驱动因子（人口、GDP、建成区扩展）。

本文编辑：北京外国语大学 章文天

跳转微信打开