En öppen dataset över Yangtzeflodens kajer baserad på OSM och Google-satellitbilder (2024)

Varför flodkajer betyder något för vardagslivet

Längs stora flodstränder håller kajer tyst regionala ekonomier i rörelse. Det är platserna där lantbruksvaror, fabriksprodukter och dagliga förnödenheter lastas och lossas, och de kopplar samman små samhällen med nationell och global handel. Trots deras betydelse är många av dessa flodkajer dåligt kartlagda, vilket gör det svårt för planerare, miljöförvaltare och räddningstjänster att få en helhetsbild. Denna studie bygger den första öppna, detaljerade kartan över tusentals inre kajer längs Kinas Yangtzeflod, med hjälp av fritt tillgängliga onlinekartor och satellitbilder så att vem som helst kan utforska och analysera denna kritiska infrastruktur.

Närstudie av en jätteflod

Yangtzefloden är världens tredje längsta flod och Kinas mest trafikerade inre vattenväg, och den understöder mer än 40 % av landets ekonomiska produktion. Längs dess övre, mellersta och nedre lopp finns otaliga kajer i mycket varierande former och storlekar. Författarna fokuserar på två huvudtyper: flytkajer, som ligger på vattnet och är förbundna med land via ramper, och vertikala kajer, som byggs som solida plattformar uppburna av betongstöd. Att kartlägga dessa strukturer på ett konsekvent sätt är inte bara en kartografisk övning; det är en grund för att förstå hur handel, industri och samhällen är ordnade längs detta vidsträckta flodsystem.

Att omvandla frivilligkartor och rymdbilder till data

För att hitta kajer effektivt längs en så lång flod kombinerade forskarna två fria datakällor: OpenStreetMap, där volontärer över hela världen spårar objekt som pirer och kajer, och högupplösta Google-satellitbilder, som visar de faktiska formerna på marken (eller vattnet). De hämtade först alla kandidatplatser för kajer från OpenStreetMap med hjälp av standardtaggar. Runt varje sådan plats skapade de små fyrkantiga zoner och laddade ner detaljerade satellitbilder. Mänskliga annotatörer ritade sedan rutor runt synliga kajer och angav om de var flytande eller vertikala, noggrant exkluderande närliggande fartyg och hjälpkonstruktioner. Detta gav en kurerad uppsättning om 2 717 bekräftade kajer som kunde användas för att lära en dator hur inre kajer ser ut från rymden.

Att lära datorer att upptäcka små kajer

Med denna träningsuppsättning testade teamet åtta varianter av en populär artificiell intelligensmetod för objektdetektion, känd som YOLO-familjen. Dessa modeller skannar bilder efter mönster som matchar exemplen de fått och returnerar sannolika platser för liknande objekt. Den enklare YOLOv5-modellen visade sig fungera bättre än nyare, mer komplexa versioner, särskilt med tanke på det begränsade antalet träningsexempel och kajernas oregelbundna former. En stor utmaning kvarstod: i satellitbilder kan små flytkajer likna förtöjda fartyg. För att minska förväxlingar utvecklade forskarna en flerskalig strategi, där detekteringar kördes både på mindre och större bildrutnät och resultaten korskontrollerades. När en detektion dök upp konsekvent i båda skalen var den mer sannolik att vara en riktig kaj och mindre sannolik att vara ett fartyg eller brus.

Att bygga en pålitlig karta över tusentals kajer

Med den bäst presterande modellen och den flerskaliga metoden detekterade studien 3 562 kajer längs Yangtze—2 738 flytande och 824 vertikala. Författarna tillhandahåller två kompletterande dataprodukter: enkla rektangulära rutor som visar var varje kaj ligger, och mer detaljerade konturer som följer de faktiska kajformerna. För att kontrollera att dessa konturer var tillförlitliga ritade professionella mätare oberoende om ett urval av kajgränser från samma satellitbilder. Deras resultat stämde väl överens med datasetet, vilket tyder på hög noggrannhet. I formella tester nådde metoden höga poäng både för hur många verkliga kajer den fann och för hur få falska den rapporterade, vilket bekräftar att detta inte bara är en grov skiss utan en robust karta.

Vad detta betyder för floder, handel och miljö

Genom att omvandla spridda frivilligkartinlägg och råa satellitbilder till en ren, öppen dataset ger detta arbete planerare, ekonomer och miljövetare en kraftfull ny lins för att betrakta Yangtzefloden. Data kan användas för att se var kajer är koncentrerade, hur rättvist infrastrukturen är fördelad och hur kajplatser relaterar till lokala ekonomier och vattenkvalitet. Det kan också hjälpa till att modellera hur störningar vid vissa kajer kan sprida sig genom det bredare sjöfartsnätverket. Även om denna dataset fokuserar på en flod kan samma metod—att kombinera medborgarkartlagda data med högupplösta bilder och smarta detektionstekniker—tillämpas på flodsystem över hela världen. I korthet visar studien hur vi kan använda fria, globala digitala verktyg för att göra dolda delar av våra transportnät synliga, mätbara och lättare att hantera ansvarsfullt.

Citering: Zhou, Q., Ren, F., Zhang, H. et al. An Open Dataset of Yangtze River Docks Based on OSM and Google Satellite Imagery (2024). Sci Data 13, 645 (2026). https://doi.org/10.1038/s41597-026-06901-4

Nyckelord: Yangtzefloden, inre kajer, satellitbilder, OpenStreetMap, hamninfrastruktur