Saksa teadlasrühm valmistas seni põhjalikema kolmemõõtmelise hoonekaardi. Sellele on kantud pea kõik maailma ehitised ehk ligi 2,75 miljardit maja. Kaardi abil saab uurida nii linnaplaneerimist, kliimamuutuste mõju, katastroofiohtu kui ka korruptsiooni.
Kolmemõõtmeline maailmakaart kannab nime GlobalBuildingAtlas. Müncheni Tehnikaülikooli teadlased kasutasid atlase loomiseks satelliidiandmeid ja masinõpet. Lõpptulemus katab ligikaudu 97 protsenti maailma majadest, vahendab Nature News.
Iga hoone ehitusalune pind ja kõrgus on kaardistatud 3×3-meetrise täpsusega. Atlase ühe kaasautori ja Müncheni Tehnikaülikooli Maa vaatlusandmete uurija Xiaoxiang Zhu sõnul on sellel kasutusvõimalusi palju. Kaarte saaks kasutada nii katastroofiohu hindamiseks, kliima mudeldamiseks kui ka linnaplaneerimiseks. Samuti võiks see Zhu sõnul toetada teadlasi, kes jälgivad linnades ja asulates ÜRO seatud kestliku arengu eesmärkide täitmist.
Miljardid majad
Xiaoxiang Zhu sõnul on üksikasjalike 3D-maailmakaartide loomine üldiselt keeruline ettevõtmine. Enamasti eeldab see kas lasermõõtmisi või kõrge lahutusvõimega stereofotode tegemist. Need kahest veidi erinevast nurgast tehtud fotod võimaldavad sarnaselt inimese kahele silmale tajuda sügavust ja luua ruumilisi pilte. Zhu töörühm proovis uut lahendust: nad kombineerisid hoonete kõrguse ennustamiseks masinõpet ja laserskaneerimise tehnikaid.
Nad lõid eraldi masinõppe tööriista, mida treenisid LiDAR-i ehk laserskaneerimisseadmega kogutud andmestiku põhjal. Andmed pärinesid 168-st peamiselt Euroopa, Põhja-Ameerika ja Okeaania linnast. Kolmemõõtmelise kaardi loomiseks kasutasid võtsid uurijad ette 2019. aastal tehtud umbes 800 000 satelliidipilti. Masinõppe tööriist pidi nende pealt ennustama iga hoone kõrgust, mahtu ja pindala.
Töörühm märkas kaarti koostades, et ligi pooled ehk umbes 1,22 miljardit kõigist maailmas kaardistatud hoonetest paiknevad Aasias. Maailmajagu on 1,27 triljoni kuupmeetriga eesrinnas ka hoonete kogumahu poolest. Suurusjärk peegeldab Aasia kiiret linnastumist ning viitab Hiinas, Indias ja Kagu-Aasia kerkinud tihedatele kobarlinnadele.
Hoonete arvu poolest teisel kohal oli Aafrika, kust jõudis kaardile umbes 540 miljonit maja. Sealsete hoonete kogumaht on aga vaid 117 miljardit kuupmeetrit, mis viitab madalate ja väikeste ehitiste laiale levikule.
Linnatasandi analüüsid ilmestavad töörühma sõnul, kuidas hoonete maht on korrelatsioonis linna asustustiheduse ja majandusliku arenguga. Näiteks on Euroopa riikidest Soomes elaniku kohta kuus korda rohkem hoonemahtu kui Kreekas. Samuti ilmnes näiteks, et Nigeri hoonemaht elaniku kohta jäi 27 korda alla maailma keskmisele.
Leitud mustrid viitavad töörühma sõnul, et tavalised kahemõõtmelised linnade arengu näitajad, näiteks hoonestatud alade osakaal, on uue kaardiga võrreldes ebatäpsemad. Näiteks võivad jätta need varju olulised erinevused taristu ja elutingimuste vahel.
Katastroofi ohuhinnang
Kaardi valmimisega mitte seotud Queenslandi Ülikooli linnaplaneerimise uurija Dorina Pojani sõnul tõotab tõusta uuest andmestikust tema töös palju kasu. Seni kasutas ta ainult muutumatuid kahemõõtmelisi andmeid. Uut andmestikku saab seevastu pidevalt uuendada. Järgmise viie kuni kümne aasta jooksul kaardi väärtus Pojani hinnangul üha kasvab, sest sellelt saab jälgida linnade arengut.
Tema hinnangul võimaldab uus andmestik uurida muu hulgas peidetumaks jäävaid nähtusi, nagu korruptsiooni. Teadlased saavad näha seoseid hoonete või arenduste ning kindlate arendajate, ettevõtete ja poliitiliselt seotud osapoolte vahel. Selle teadmise valguses saab teaduslikult küsida, kas kallites või strateegilise asukohaga arendustes on teatud inimrühmad teistega võrreldes ebaproportsionaalselt rohem esindatud.
Pojani ise on varem uurinud seost valimistulemuste ja loata ehitatud asumite ehk tihtipeale slummide vahel. Valimiste ajal jätavad poliitikud tema sõnul sellised asumid sageli tähelepanuta. Nüüd, kus kasutada oleks uus ja dünaamilisem andmestik, saaks Pojani toetuda sedasorti uuringutes tugevamatele tõenditele.
Andmestik avaldati ajakirjas Earth System Science Data.