中国90座城市建筑物屋顶矢量数据集简介
该数据集包含中国90座城市（根据城市行政等级及区域分布综合选取，城市名录详见附件1）建筑物屋顶矢量数据。主要基于深度学习语义分割模型和多源遥感影像进行制作。首先，对原始影像进行预处理，并根据城市等级及其区域分布情况进行分层采样以及目视解译，制作训练和测试数据。然后将训练数据输入深度学习语义分割模型进行训练，使其适用于建筑物屋顶提取任务，并基于测试数据，采用深度学习领域结果评价一般性指标对建筑物屋顶提取模型性能进行评价。最后，将此模型应用于中国90座城市建筑屋顶提取任务中，自动提取建筑物屋顶并进行矢量化。该数据集可以为城市乃至全国尺度以建筑物屋顶为基础的相关研究（如屋顶太阳能潜力评估、城市规划等）提供重要数据支撑。
CnOpenData获得了南师大智慧城市感知与模拟实验室的许可，将该数据收录于公共数据专区，以便各位学者浏览阅读，下方可下载样本数据，完整数据下载请转跳国家青藏高原科学数据中心（http://data.tpdc.ac.cn/zh-hans/news/c1b0ee71-2ceb-4276-8f5c-b53d57caa88d）。
数据说明
数据集年份： 该数据集基于深度学习语义分割模型及多源遥感影像对城市建筑物屋顶进行自动识别和提取，原始影像获取时间为2020年，深度学习语义分割模型所提取的建筑物屋顶栅格像元值分辨率为1m，所识别的建筑物屋顶矢量要素实际年份取决于遥感影像拍摄时间。
城市等级说明： 90座城市根据其行政等级分为副国级和正省级、副省级、准副省级及正厅级4个级别，详见下方数据下载。
数据细节
1.比例尺：None
2.投影：Albers
3.文件大小：143360.0MB
4.数据格式：Esri Shapefile
5.空间范围：北：53.55；南：3.86；西：73.66；东：135.05
字段说明
| 属性名称 | 数据类型 | 属性含义 | 单位 | 备注 |
|---|---|---|---|---|
| area | double | 单个屋顶要素面积 | 平方米 | 基于CGCS_2000_Albers坐标系计算 |
| X | double | 单个屋顶要素几何中心经度 | 度 | 基于WGS_1984_Web_Mercator_Auxiliary_Sphere坐标系计算 |
| Y | double | 单个屋顶要素几何中心纬度 | 度 | 基于WGS_1984_Web_Mercator_Auxiliary_Sphere坐标系计算 |
样本数据
北京（源文件为Esri Shapefile格式，表格只是数据属性表的预览）
| area | X | Y |
|---|---|---|
| 5.883913033 | 115.979079 | 40.37581653 |
| 13.90759363 | 115.9217352 | 40.37577022 |
| 91.11295294 | 115.9809148 | 40.37577163 |
| 68.64709515 | 115.9806025 | 40.3758009 |
| 931.0936277 | 115.9331846 | 40.37579253 |
| 3.031088613 | 115.9797853 | 40.37573071 |
| 183.1173165 | 115.9192604 | 40.37573712 |
| 104.6636898 | 115.9805665 | 40.37568964 |
| 1.961354109 | 115.9191442 | 40.37565715 |
| 0.356617979 | 115.9174007 | 40.37562446 |
| 0.713265819 | 115.9209877 | 40.37562446 |
| 1286.990639 | 115.9180614 | 40.37572427 |
| 70.60779236 | 115.9210705 | 40.37563201 |
| 148.8833042 | 115.9805373 | 40.37561378 |
| 3.922887353 | 115.9790736 | 40.37555907 |
| 432.9187617 | 115.9171974 | 40.3755749 |
| 74.35169889 | 115.9786609 | 40.37553339 |
| 226.6234561 | 115.9337279 | 40.3755364 |
| 391.3749617 | 115.9808594 | 40.37552479 |
| 1105.120187 | 115.9801131 | 40.37563286 |
| 376.7541022 | 115.9783267 | 40.37551118 |
| 839.0901598 | 115.9216555 | 40.37552049 |
| 179.9070083 | 115.9194977 | 40.37546199 |
| 2476.800743 | 115.9331949 | 40.37554255 |
| 476.6025088 | 115.9186333 | 40.37546818 |
| 345.9069603 | 115.9811183 | 40.37544598 |
| 196.846467 | 115.9171813 | 40.37541789 |
| 0.356617984 | 115.9788984 | 40.37536291 |
| 137.4713497 | 115.9789771 | 40.37540117 |
| 626.7338116 | 115.979702 | 40.37542656 |
| 622.2766392 | 115.9314763 | 40.37537196 |
| 8.737125592 | 115.9789914 | 40.37533839 |
| 478.2076629 | 115.9191711 | 40.37544046 |
| 325.5797654 | 115.9221004 | 40.37536321 |
| 0.891500166 | 115.9807026 | 40.37527709 |
| 524.9225581 | 115.9195 | 40.37533219 |
| 1073.73864 | 115.9168609 | 40.37539197 |
| 666.4951488 | 115.9807671 | 40.37529284 |
| 205.0482027 | 115.9792986 | 40.37525593 |
| 4003.42499 | 115.9180374 | 40.37540329 |
| 1470.820027 | 115.9330534 | 40.37526991 |
| 13.01588448 | 115.9192514 | 40.37517765 |
| 103.4144968 | 115.9761061 | 40.37519191 |
| 50.28131388 | 115.979438 | 40.37518598 |
| 169.0316081 | 115.9801381 | 40.37517142 |
| 190.0709044 | 115.980636 | 40.37515845 |
| 109.6565506 | 115.9225431 | 40.37514912 |
| 609.0815352 | 115.9314889 | 40.37516466 |
| 670.7710415 | 115.9796042 | 40.37523045 |
| 1.782970476 | 115.976209 | 40.37509727 |
引用方式
数据的引用:
南师大智慧城市感知与模拟实验室. 中国90座城市建筑物屋顶矢量数据集（2020）. 国家青藏高原科学数据中心, DOI:10.11888/Geogra.tpdc.271702, CSTR:18406.11.Geogra.tpdc.271702, 2021.NANJING NORMAL UNIVERSITY Lab of smart city sensing and simulation. Vectorized rooftop area data for 90 cities in China (2020). National Tibetan Plateau Data Center, DOI:10.11888/Geogra.tpdc.271702, CSTR:18406.11.Geogra.tpdc.271702, 2021文章的引用:
Zhang, Z., Qian, Z., Zhong, T., et al. (2022). Vectorized rooftop area data for 90 cities in China. Scientific Data,9(1): 1-12.
数据更新频率
不定时更新