免费且详尽的全球建筑地图集

该数据集涵盖了全球 27.5 亿栋建筑的二维建筑轮廓、建筑高度，以及简易三维模型（LoD1 级别），其中也包含了非洲、南美洲等在其他地图数据中常存在缺失的区域。
这份数据的精度极高，具备 3×3 米的精细分辨率，既可以在地理信息系统（GIS）软件中直接调用，也能进行完整下载。它能够清晰呈现人口居住分布与城市扩张态势，因此可广泛应用于城市规划、灾害风险评估、气候适应性应对，以及可持续发展目标的监测等工作。目前，该数据集及相关代码已面向科研与实际应用场景开放共享。

如果从太空俯瞰地球，人类活动留下的痕迹其实非常直观：灯光、道路，以及一片片规则或不规则的建筑。但真正把这些“看见的东西”系统地整理成数据，却并不容易。

GlobalBuildingAtlas 正是试图完成这样一件基础但重要的事情。

这个项目的核心思路很朴素：利用卫星拍摄的高分辨率影像，让人工智能去判断哪些地方存在建筑，然后把结果整理成一张覆盖全球的建筑分布数据集。换句话说，它不是在研究“城市生活”，而是在回答一个更底层的问题——人类到底在哪些地方修建了建筑。

之所以要专门做这样一张“建筑分布图”，是因为现实中的全球数据非常不均衡。在少数发达地区，地图精细到每一栋楼；而在更多地方，地图上可能什么都没有，但实际上已经存在大量建筑和聚居区。这种不一致，会让很多宏观研究变得困难，甚至产生偏差。

GlobalBuildingAtlas 的做法，是尽量用统一的方法重新观察地球。它通过训练深度学习模型，让 AI 学会从卫星影像中识别“像房子一样的结构”，再把这些识别结果批量应用到全球范围。最终得到的，不是一份文字报告，而是一层可以叠加在地图上的“建筑图层”。

需要特别强调的是，这个项目非常克制。它不关心房子的用途、价值，也不涉及人口、产权或社会属性。它只做一件事：判断这里是否存在人造建筑，以及建筑大致占据了多大的空间。正因为足够基础，这类数据反而可以被很多不同领域反复使用。

比如，在研究城市扩张时，可以直接对比不同时期的建筑分布变化；在做灾害评估时，可以快速估算洪水或地震可能影响到多少建筑；在环境研究中，也可以借此判断自然土地被人类活动占用的程度。这些看起来“很宏观”的分析，往往都建立在这样一层不起眼但关键的底图之上。

和我们日常使用的导航地图不同，GlobalBuildingAtlas 并不是为了指路或生活服务而存在的。它更像是一张给研究者和分析者使用的“地球底座”，强调的是全球范围内的一致性和可比性，而不是细节丰富度。

这个项目由 Zhu-XLab 团队发布，属于遥感技术与人工智能结合的典型科研成果。从工程角度看，它体现的是大规模数据处理和模型推理能力；从研究角度看，它提供的是一种更公平、更统一的全球视角。

Github：https://github.com/zhu-xlab/GlobalBuildingAtlas
油管：https://youtu.be/Vgrzmi0ITtI