RoofNet：面向地球观测屋顶材料识别的全球多模态数据集
计算工程、金融与科学
2026-05-28 v3
摘要
建筑级别的暴露数据对自然灾害风险建模至关重要，然而大多数全球清单只描述了建筑物的位置，而非其构成材料。屋顶材料是评估对野火、风灾、城市热岛、洪水和地震脆弱性的关键但记录匮乏的属性。为填补这一空白，我们引入了 RoofNet，这是一个全球数据集，利用地球观测（EO）影像（在允许的情况下重新分发）及相关地理空间元数据，将来自 101 个国家的 49,662 个地理参考建筑实例映射到 14 个关键屋顶材料类别。RoofNet 贡献了：（1）气候和建筑上多样化的屋顶材料标签覆盖；（2）一个可扩展的标注流水线，结合了领域专家（SME）指导的手动标注、视觉语言模型（VLM）辅助分类、基于规则的验证以及人在回路的验证；（3）一种用于评估 EO 影像中细微的、地理可变的材料级识别及其对材料感知灾害风险建模影响的资源。在手动标注的留出集上的评估表明，零样本 Remote Contrastive Language-Image Pre-Training（RemoteCLIP）在屋顶材料分类上表现不佳，而使用 RoofNet 进行微调将 top-1 准确率从 4.9% 提升至 47.7%。我们在一个说明性的灾害案例研究中使用 RoofNet，展示了材料感知的暴露数据如何改变相对于材料无关清单的脆弱性估计。RoofNet 为全球建筑属性映射和可扩展的灾害风险评估提供了缺失的材料层。
引用
@article{arxiv.2505.19358,
title = {RoofNet: A Global Multimodal Dataset for Roof Material Identification from Earth Observation},
author = {Benjamin Tarver and Noelle Law and Sasha Getz and Yuki Miura},
journal= {arXiv preprint arXiv:2505.19358},
year = {2026}
}
备注
v3: Restructured manuscript with updated framing, added hazard case study, clarified data release/licensing, and refined main text and appendix for clarity