Ξεχάστε ό,τι γνωρίζατε για τους χάρτες όπως τους ξέραμε μέχρι σήμερα. Η δισδιάστατη απεικόνιση του κόσμου μας, όσο χρήσιμη κι αν υπήρξε, μόλις απέκτησε βάθος, όγκο και μια άνευ προηγουμένου λεπτομέρεια.
Μια ομάδα ερευνητών από το Τεχνικό Πανεπιστήμιο του Μονάχου (TUM) δημιούργησε τον “GlobalBuildingAtlas”, τον πληρέστερο και πιο λεπτομερή τρισδιάστατο χάρτη που έχει φτιαχτεί ποτέ, καταγράφοντας 2,75 δισεκατομμύρια κτίρια σε κάθε γωνιά της Γης.
Πρόκειται για ένα τεχνολογικό επίτευγμα που ξεπερνά κατά πολύ τις δυνατότητες κολοσσών όπως η Google ή η Apple, προσφέροντας στην ανθρωπότητα ένα εργαλείο που υπόσχεται να αλλάξει τον τρόπο που κατανοούμε την αστικοποίηση, την κλιματική αλλαγή και τις κοινωνικές ανισότητες.
Μέχρι σήμερα, οι πιο εξελιγμένες βάσεις δεδομένων, όπως αυτή της Microsoft, περιείχαν αποτυπώματα για περίπου 1,7 δισεκατομμύρια κτίρια. Ο GlobalBuildingAtlas προσθέτει στον χάρτη πάνω από ένα δισεκατομμύριο επιπλέον κατασκευές, καλύπτοντας περιοχές που μέχρι πρότινος ήταν «αόρατες» ή πλημμελώς χαρτογραφημένες, όπως εκτεταμένες ζώνες στην Αφρική, τη Νότια Αμερική και αγροτικές περιοχές της Ασίας.
Η ουσιαστική διαφορά, ωστόσο, δεν βρίσκεται μόνο στην ποσότητα αλλά και στην ποιότητα της πληροφορίας. Ο νέος αυτός άτλαντας δεν μας δείχνει απλώς πού βρίσκεται ένα κτίριο, αλλά μας δίνει την τρίτη διάσταση: το ύψος και τον όγκο του. Με ανάλυση που φτάνει τα 3×3 μέτρα, οι ερευνητές κατάφεραν να δημιουργήσουν τρισδιάστατα μοντέλα για το 97% των κτιρίων του πλανήτη.
Πίσω από αυτό το μνημειώδες έργο βρίσκεται η καθηγήτρια Xiaoxiang Zhu και η ομάδα της στο TUM. Το εγχείρημα βασίστηκε σε έναν συνδυασμό προηγμένων αλγορίθμων μηχανικής μάθησης (Machine Learning) και τεράστιου όγκου δορυφορικών δεδομένων.
Οι ερευνητές χρησιμοποίησαν εικόνες από το δορυφορικό σμήνος PlanetScope, οι οποίες χρονολογούνται από το 2019, και εκπαίδευσαν την τεχνητή νοημοσύνη να «διαβάζει» τις σκιές και τα περιγράμματα. Για να επιτευχθεί η ακρίβεια στο ύψος, το σύστημα «διδάχθηκε» χρησιμοποιώντας δεδομένα από λέιζερ (LiDAR) και άλλες μετρήσεις ακριβείας. Το αποτέλεσμα είναι ένας χάρτης που, αν και δεν δείχνει αρχιτεκτονικές λεπτομέρειες όπως παράθυρα ή πόρτες, αποτυπώνει με εντυπωσιακή ακρίβεια τον όγκο και τη μορφή του κάθε κτιρίου.
Πέρα από τους Χάρτες: Ένα εργαλείο για την κοινωνία και το κλίμα
Η αξία του GlobalBuildingAtlas εκτείνεται πολύ πέρα από την απλή πλοήγηση. Όπως επισημαίνει η καθηγήτρια Zhu, «Η τρισδιάστατη πληροφορία παρέχει μια πολύ πιο ακριβή εικόνα της αστικοποίησης και της φτώχειας σε σχέση με τους παραδοσιακούς δισδιάστατους χάρτες».
Εδώ εισάγεται ένας νέος, επαναστατικός δείκτης: ο «Όγκος Κτιρίου κατά Κεφαλήν» (Building Volume per Capita). Αντί να μετράμε απλώς την έκταση που καταλαμβάνει μια πόλη, μπορούμε πλέον να μετρήσουμε τον συνολικό κτιριακό όγκο σε σχέση με τον πληθυσμό. Αυτό αποκαλύπτει με μαθηματική ακρίβεια τις κοινωνικοοικονομικές ανισότητες. Μπορούμε να δούμε πού οι άνθρωποι στοιβάζονται σε παραγκουπόλεις με ελάχιστο ζωτικό χώρο και πού απολαμβάνουν άνετες συνθήκες διαβίωσης, επιτρέποντας στους φορείς χάραξης πολιτικής να στοχεύσουν καλύτερα τις παρεμβάσεις τους για βιώσιμη ανάπτυξη.
Με την κλιματική αλλαγή να απειλεί τις πόλεις μας, τα δεδομένα αυτά είναι χρυσός. Ο ακριβής υπολογισμός του όγκου των κτιρίων είναι κρίσιμος για:
Ενεργειακή Μοντελοποίηση: Εκτίμηση των αναγκών για θέρμανση και ψύξη σε επίπεδο γειτονιάς ή πόλης.Διαχείριση Καταστροφών: Πρόβλεψη των ζημιών από σεισμούς, πλημμύρες ή ακραία καιρικά φαινόμενα.Αστικό Σχεδιασμό: Δημιουργία πιο ανθεκτικών πόλεων, με σωστή κατανομή υπηρεσιών όπως νοσοκομεία και σχολεία, βάσει του πραγματικού πληθυσμιακού φόρτου και όχι απλών εκτιμήσεων.
Ίσως το πιο σημαντικό στοιχείο της είδησης είναι ότι ο GlobalBuildingAtlas είναι διαθέσιμος στο κοινό. Σε αντίθεση με τα κλειστά οικοσυστήματα των τεχνολογικών κολοσσών, η ομάδα του TUM προσφέρει τα δεδομένα ανοιχτά για ερευνητές, κυβερνήσεις και οργανισμούς.
Φυσικά, το σύστημα δεν είναι αλάνθαστο. Οι ερευνητές παραδέχονται ότι υπάρχουν περιθώρια βελτίωσης, ειδικά στην εκτίμηση του ύψους των ουρανοξυστών και σε ορισμένες περιοχές με ελλιπή δεδομένα εκπαίδευσης.