建筑物面数据（城市+农村）shp格式，包含建筑面要素、面积、人口信息

又是一个下雨天，内涝依然是十分受关注的一个问题，也是管网水力模型应用最广泛的一个场景之一，对于模型搭建，前期的数据获取与处理是时间占比对多的一项，也是模型贴近实际的重要基础，下垫面数据的获取是其中工作量很大的一项内容。

大约在许多年前，曾经总结过一篇关于下垫面数据获取的内容，包含手描（哈哈，眼容易瞎）、基于GIS内置功能的提取、ENVI等遥感软件、基于百度地图的截获器工具、基于深度学习的遥感影像建筑物提取（caffe2+mask-RCNN）等多种方式。

换工作之后没有相关项目，也没有去更深入的了解与实践其中的内容，最近看到一篇新的文章，由南京师范大学虚拟地理环境教育部重点实验室团队发表在nature上，研究团队基于地理空间人工智能 (GeoAI) ，解译了大概2亿数量级的城市+农村建筑数据，以往的数据更多只有主城区。

数据来源：

GES 图像 https://www.google.com/earth

GES图像具有分辨率高、覆盖广的优势。这些图像是在2020年10月在开放地图服务应用程序接口中使用Python脚本下载的(谷歌Earth API)，由谷歌提供。GES图像的空间分辨率随其图像级别的不同而不同。在大多数发达国家，18级GES图像的空间分辨率约为0.6 m/pixel，这充分显示了不同的几何结构。由于GES图像来自多个传感器，其性能的差异导致不同区域的分辨率不同。例如，在中国，主要城市的图像通常来自WorldView，和QuickBird卫星，这些卫星的原始分辨率在1米以内。而偏远地区的图像是由SPOT系列卫星获取的，其原始分辨率在5 m以内。

FROM-GLC30 http://data.ess.tsinghua.edu.cn

空间分层采样标准基于2017年创建的全球30m分辨率土地覆盖数据(from - glc30)的城市土地覆盖先验知识。这些数据包括以下类型:耕地、林地、草地、灌丛地、湿地、水体、苔原、人工地表、裸地、冰川和永久冻土。from - glc30数据的总体准确性为72.43%，这是基于来自36,000多个地点的全球全季节验证样本集。

区域选择：

包含中国 90 个城市，并根据GOV建立的城市管理等级划分为四级。

一级为设有中央行政机构的直辖市和特别行政区。

二级主要包括副省级城市。

三级包括省会城市和主要地级市。

四级为普通地级市。

就人口而言，入选的90个城市约占全中国的40%。

具体的方法不去赘述，有兴趣可以留言，直接上结果。

如有兴趣，可后台（看图片）回复建筑轮廓数据获取，包含全部建筑轮廓矢量数据与pytorch模型文件，后工业时代，技术为王，欢迎一起进行研究讨论。

欢迎大家提供宝贵建议，评论区见，为提供一些福利，感谢四连~