GlobalMLBuildingFootprints数据集常见问题解答：从数据格式到使用限制

GlobalMLBuildingFootprints是一个全球建筑足迹数据集，通过卫星 imagery提取了超过14亿个建筑轮廓，覆盖全球多个地区，数据格式为GeoJSONL，适用于城市规划、灾害响应等多种场景。本文将解答关于该数据集的常见问题，帮助用户快速上手使用。

一、数据集基本信息

1.1 数据规模与覆盖范围

该数据集包含14亿个建筑足迹，覆盖全球多个国家和地区，最新更新于2025年2月，新增了740万建筑足迹和240万高度估计数据，主要集中在法国和美国。通过全球覆盖地图可以直观看到数据分布情况：

图1：GlobalMLBuildingFootprints数据集全球覆盖范围示意图，显示了各地区的建筑足迹分布密度

1.2 数据格式说明

数据以行分隔的GeoJSON（GeoJSONL）格式存储，文件扩展名为.csv.gz。虽然扩展名为.csv.gz，但实际内容是GeoJSONL格式，需要特殊处理才能在GIS工具中使用。项目提供了scripts/make-gis-friendly.py脚本，可将文件转换为GIS友好格式。

二、数据获取与使用

2.1 如何获取数据集？

1. 克隆仓库：

git clone https://gitcode.com/gh_mirrors/gl/GlobalMLBuildingFootprints

2. 查看dataset-links.csv获取各地区数据下载链接，该文件包含超过19k条记录，按国家和quadkey分区。

2.2 如何处理大型数据文件？

部分数据文件体积较大，但采用行分隔格式存储，可使用并行处理工具如Spark或Dask进行处理。项目提供了scripts/read-files.py示例，展示如何高效读取大型文件。

三、数据内容详解

3.1 建筑足迹样例

数据集包含精确的建筑轮廓信息，以下是卫星图像与建筑足迹叠加的示例：

图2：卫星图像上叠加的建筑足迹示例，黄色边框标注了检测到的建筑物轮廓

3.2 建筑高度数据

部分建筑提供高度估计值，单位为米，无高度估计的建筑以-1表示。高度覆盖范围如下：

图3：GlobalMLBuildingFootprints数据集建筑高度估计覆盖范围，紫色越深表示高度数据越密集

3.3 置信度评分

2023年12月起，新发布的建筑足迹包含0-1的置信度评分，表示检测可信度，值越高可信度越高。2023年12月前的数据置信度值为-1。

四、技术细节

4.1 数据坐标系

数据集采用EPSG: 4326坐标系（WGS84），这是GIS应用中常用的地理坐标系。

4.2 数据质量指标

不同地区的建筑检测精度有所差异，以下是主要地区的精度指标：

地区	精确率	召回率
非洲	94.4%	70.9%
欧洲	94.3%	85.9%
中东	95.7%	85.4%
南美洲	95.4%	78.0%

4.3 数据生成方法

建筑提取过程分为两个阶段：

1. 语义分割：使用深度神经网络识别卫星图像中的建筑像素
2. 多边形化：将建筑像素转换为多边形轮廓

五、使用限制与注意事项

5.1 许可协议

数据采用ODbL协议授权，使用时需遵守Open Data Commons Open Database License (ODbL)条款。

5.2 OpenStreetMap导入建议

不建议直接将数据导入OpenStreetMap，应先与当地社区讨论，检查数据质量，并遵循OSM导入指南，避免覆盖已有贡献者的工作。

5.3 数据缺失原因

部分区域可能没有数据，主要原因包括：

• 图像拍摄时间早于2014年
• 检测概率低（如偏远地区）
• 图像处理过程中的过滤

六、常见问题解答

Q: 数据的时间范围是什么？

A: 建筑足迹提取基于2014-2024年间的卫星图像，包括Maxar、Airbus和IGN France等来源的 imagery。

Q: 是否会有更多地区的数据发布？

A: 该项目是持续进行的工作，可能会有更多地区的数据发布。同时可关注其他相关项目，如USBuildingFootprints、AustraliaBuildingFootprints等。

Q: 如何处理数据中的错误？

A: 数据存在一定的误检率（约1-2%），使用时建议结合实地验证，特别是在密集 urban 区域。

通过本文的解答，相信您对GlobalMLBuildingFootprints数据集有了全面的了解。如需进一步帮助，可参考项目中的示例脚本和文档，开始您的数据分析工作！