Улучшенные данные о непроницаемых поверхностях Китая с разрешением 30 м (2020, 2022) посредством слияния данных 2 м/30 м

Асфальт и бетон, которые не видно с земли

Города и дороги изменяют пейзаж Китая с головокружительной скоростью, но с земли трудно оценить, насколько большая площадь оказалась покрыта бетоном, асфальтом и крышами. В этой статье представлен новый, детализированный атлас, показывающий расположение таких «непроницаемых» поверхностей почти по всей материковой части Китая за 2020 и 2022 годы. Поскольку эти твердые поверхности влияют на наводнения, тепловые волны, загрязнение и даже на пригодность мест для установки солнечных панелей, точная общенациональная картина важна для климатологов, градостроителей и домовладельцев.

Почему твердая поверхность важна

Непроницаемые поверхности — это участки, куда дождь не может проникнуть в почву: шоссе, парковки, промышленные дворы и плотные жилые кварталы. По мере расширения городов такие зоны увеличиваются, ускоряя сток ливневых вод, повышая риск наводнений, удерживая тепло и вытесняя места обитания растений и животных. Многие компьютерные модели, прогнозирующие накопление углерода, водные циклы и потоки питательных веществ, опираются на карты покрова земли. Если такие карты занижают или неправильно отображают застроенные участки, модели могут давать значительные ошибки. Существующие глобальные продукты картографирования часто объединяют многочисленные антропогенные зоны в одну широкую категорию и склонны пропускать мелкие посёлки, узкие дороги и смешанные участки, где здания чередуются с открытой землёй — особенности, особенно распространённые в Китае.

Сочетание чёткого взгляда и широкого охвата

Авторы устранили эти пробелы, объединив два типа спутниковых данных. Детализированные изображения с разрешением 2 м со спутников Gaofen и Ziyuan дают уличную детализацию, тогда как 30-метровые снимки Landsat и данные о рельефе покрывают всю страну единообразно. Сначала составили безоблачные мозаики из 2-метровых сцен за 2020 и 2022 годы, затем сопоставили их с годовыми композитами видимых и инфракрасных полос Landsat и информацией о местности. Для обучения модели они разработали продуманную стратегию выборки: использовав концепцию энтропии Шеннона из теории информации, они отбирали участки с особенно разнообразными сочетаниями типов земельного покрова и стадий урбанизации, чтобы примеры, подаваемые алгоритму, отражали всё — от пустынных посёлков до прибрежных мегаполисов.

Обучение компьютера «читать» ландшафт

На основе этих тщательно отобранных участков эксперты визуально проинспектировали фрагменты высокоразрешённых изображений и промаркировали 200 000 образцов по четырём широким классам: непроницаемые поверхности, растительность, вода и голая земля или прочее. Важно, что они не отбрасывали «помесьные» пиксели, где 30-метровый участок содержит, например, и здания, и деревья; напротив, их оставили и скорректировали их влияние при обучении, поскольку такие смешанные пиксели обычны в реальных городах. Команда затем построила двухветвевую систему глубокого обучения. Одна ветвь, основанная на 50-слойной остаточной сети, изучала закономерности непосредственно по изображительным фрагментам, в то время как другая обрабатывала простые числовые данные, такие как отражательная способность Landsat и характеристики рельефа. Модель комбинировала оба потока, чтобы определить, к какому из четырёх классов с наибольшей вероятностью принадлежит каждый 30-метровый пиксель.

Адаптация к обширной и разнородной стране

Пейзажи Китая варьируются от влажных прибрежных равнин до пустынь и высоких плато, а человеческие поселения в каждой зоне выглядят по-разному. Чтобы справиться с этим, исследователи сначала разделили страну на пять обширных регионов — плато, засушливые зоны, равнины, холмы и горы — с учётом климата, топографии, облачности и имеющихся статистик по покрову земли. Затем они обучили несколько версий модели, каждая из которых была оптимизирована для одного региона, а также общенациональную универсальную модель. При составлении карт они оценивали, какая версия показывает лучшие результаты внутри каждой ячейки сетки размером один градус (примерно размер малой провинции) по валидационным данным, и локально выбирали эту модель. Такая регионально адаптивная стратегия значительно улучшила качество, особенно в сложных западных районах, где застроенные поверхности спектрально похожи на голую почву.

Насколько хороша новая карта?

Полученные продукты China Impervious Surface Cover для 2020 и 2022 годов представлены в виде удобных плиточных файлов с разрешением 30 м, где каждый пиксель помечен как непроницаемый, растительность, вода или голая земля. При проверке на независимых экспертно размеченных точках карта 2020 года показала очень высокий F1‑балл — общий показатель точности — около 0,94 для непроницаемых поверхностей, значительно опередив три широко используемых глобальных продукта. Визуальные сравнения по семи контрастным регионам показывают, что новый набор данных фиксирует тонкие дорожные сети, разбросанные сельские посёлки и низкоплотную застройку, которые другие продукты часто пропускают, одновременно избегая крупных ложных пятен в пустынях, высоких горах и водно-болотных угодьях. Авторы отмечают оставшиеся проблемы, такие как небольшие пропуски в данных вдоль краёв отдельных спутниковых сцен и присущая смешанным пикселям сложность, но излагают планы по их уменьшению в будущих работах.

Что это значит для повседневной жизни

Для неспециалистов ключевая мысль такова: теперь у нас есть одно из наиболее надёжных и детальных изображений того, где в Китае за последние годы земля была уплотнена человеком с помощью строительства. Эта карта может быть использована для лучших оценок риска наводнений, более реалистичного моделирования городского климата и качества воздуха, разумного размещения крышевых солнечных панелей и более осознанного планирования новой инфраструктуры. Иными словами, благодаря умному обучению компьютеров «читать» спутниковые снимки и адаптации к разнообразию ландшафтов Китая исследование даёт мощный инструмент для понимания того, как быстро страна превращает почву и растительность в бетон — и что это означает для людей и окружающей среды.

Цитирование: Yin, R., He, G., Wang, G. et al. Enhanced 30 m Impervious Surfaces for China (2020, 2022) via 2 m/30 m Data Fusion. Sci Data 13, 297 (2026). https://doi.org/10.1038/s41597-026-06619-3

Ключевые слова: урбанизация, непроницаемые поверхности, дистанционное зондирование, картирование покрова земли, Китай