【数据分享】2020年150m分辨率全球城市建筑高度数据集（免费获取）

摘要：城市人口增长促使城市可持续发展研究备受关注，也使得对高精度城市数据的需求日益增长。过去，城市二维数据方面的研究成果相对丰富，但三维建筑高度数据的成果较少。现有全球建筑物高度数据集存在空间分辨率低、时效性差等问题，而星载激光雷达为获取全球建筑高度数据带来新机遇。

城市人口增长促使城市可持续发展研究备受关注，也使得对高精度城市数据的需求日益增长。过去，城市二维数据方面的研究成果相对丰富，但三维建筑高度数据的成果较少。现有全球建筑物高度数据集存在空间分辨率低、时效性差等问题，而星载激光雷达为获取全球建筑高度数据带来新机遇。

本次我们分享一套来自南京大学的郑光、徐驰等学者的全球范围150米分辨率的城市建筑高度数据集。数据来源于Figshare网站，数据格式为.tif栅格，数据单位为米（m），数据投影为WGS_1984_Mollweide。

该数据集通过与GEDI样本、各地区参考数据、现有建筑高度数据集进行了对比，全面检验了其准确性与可靠性。与GEDI样本对比的皮尔逊相关系数（r）为0.81，均方根误差（RMSE）为3.58m。与北美、欧洲、中国等地区来自政府门户网站开放数据、哥白尼全球陆地服务获取的建筑高度数据等参考数据对比也表现良好：r=0.71,RMSE=4.73m。此外，比较现有的其他全球建筑高度数据集，该数据集也存在优势，如与全球人类住区层数据集中的建筑高度数据集（Global Human Settlement Layer Built-Height，GHSL-H）相比，本数据集分辨率为150m，能呈现更多空间异质性细节，可准确反映建筑高低分布及阴影情况，在北京等城市的三维建筑形态方面有更好的表达效果。与GHSL-H产品的对比，在39个样本城市中本数据集的r值普遍更高，在纽约、北京等大城市RMSE更低，整体上数据精度方面更具优势。

01 数据预览

我们来预览一下数据：

02 数据详情

数据来源：

Figshare网站

数据生成步骤：

1.数据收集：①星载激光雷达数据：全球生态系统动力学调查（GEDI）L2A数据，是该数据集的基础，提供了初始建筑高度样本，并在后续构建回归模型、精度验证方面发挥作用；②光学遥感影像：Landsat - 8、Sentinel - 2；③雷达影像：Sentinel - 1；④地形数据：ASTER GDEM V3 数据；⑤参考与辅助数据，如全球城市边界（GUB 2018）用来确定数据集生成范围。

2.数据预处理：①GEDI 数据处理：在 Google Earth Engine（GEE）平台上，对原始 GEDI L2A 产品进行处理；②光学与雷达影像处理：对 Landsat - 8 和 Sentinel - 2 影像进行云及云阴影掩膜处理等。

3.构建建筑高度样本：聚合 GEDI 足迹为 150 米网格，结合 NDVI 等计算复合相对高度指数（RH）来估计建筑高度。

4.计算遥感解释特征：利用收集的光学和雷达数据计算光谱、雷达、纹理、地形等特征，投影并降分辨率至 150 米。

5.通过随机森林模型估计建筑高度：分区建模，用随机森林算法建立GEDI 建筑高度样本与遥感解释特征之间的回归关系，得到全球范围城市建筑高度地图。

数据空间分辨率：

150米

数据时间：

2020年左右

数据格式：

数据单位：

米（m）

投影方式：

WGS_1984_Mollweide

数据论文：

Ma, X., Zheng, G., Xu, C. et al. A global product of 150-m urban building height based on spaceborne lidar. Sci Data 11, 1387 (2024). https://doi.org/10.1038/s41597-024-04237-5

数据下载方式：

大家如果想要自己下载数据，可以访问下列网址：

03 数据获取