光学およびSARリモートセンシング画像を用いた建物の高さ推定は、都市形態の理解と都市ストック空間の最適化において重要な意義を持ちます。しかし、既存のデータセットには多くの制限があります。サンプル数が少ないため、ディープラーニングに基づくリモートセンシング情報抽出の要求を満たすことが困難であり、サンプルがカバーする地域が限定的で、十分な地理的多様性や空間的特徴の代表性を提供できません。特に中国地域における大規模な建物高さデータセットは著しく不足しています。さらに、データセットのオープン性が不足しているため、より広範な研究における応用および検証が制限されています。これらの問題を解決するため、本研究ではSentinel画像に基づく深層学習向け建物高さデータセットBHDSI(Building Height Estimation Dataset Based on Sentinel Imagery)を構築しました。本データセットは中国の62都市の中心市街地をカバーし、都市や農村などのシーンを含む計5606サンプルを有しており、中国地域で最大の建物高さカバレッジを誇ります。データセットにはSentinel-1およびSentinel-2のリモートセンシング画像と建物高さの実測値が含まれており、サンプルサイズは256×256で、64×64サイズのデータセットに比べて建物高さ推定研究に重要な補完的選択肢を提供します。他のデータセットと比較して、本データセットはサンプル数が多く、カバレッジが広く、入手性が高く、建物高さの分布も合理的であり、深層学習ネットワークの訓練ニーズをよりよく満たしています。これを踏まえ、同じ深層学習ネットワークを用いてBHDSIデータセットおよび類似データセットの評価を行い、BHDSIデータセットを使用した建物高さ回帰タスクにおける複数のネットワークの性能比較と各ネットワークの長所短所の詳細な分析を行いました。結果は、BHDSIデータセットが他のデータセットと比較して建物高さ回帰タスクでより優れた性能を示すことを示しています。さらに詳細な分析により、BHDSIデータセット使用時には建物高さが低い領域で推定精度が相対的に高いことがわかりました。また、U-Netデコーダを用いた建物高さ推定ネットワークの学習がより高い精度を達成できることが確認されました。総じて、BHDSIデータセットは将来の建物高さ推定分野の研究に重要な支援を提供します。

sentinel画像; 建物高さ; データセット; 深層学習; 畳み込みニューラルネットワーク