大家都知道，利用像素分类或者实例分割模型可以提取建筑物，如在ArcGIS中，可以使用Unet像素分类提取房屋，也可以用MaskRCNN实例分割之后得到建筑物的footprint，那得到房屋之后做什么用呢？美国阿肯色大学地球科学学院助理教授*啸博士的一篇论文提供了一个不错的思路。
利用微软开源房屋数据结合人口普查数据得到美国大陆米分辨率人口格网对人口分布的良好认知对于包括灾害响应、应急援助、公共卫生、资源管理等相关研究尤为重要。在美国，对人口分布的认知主要来自于美国国家统计局发布的人口普查报告和ACS发布的人口估计报告。但这两份报告都受限于其固定的地理统计单元。虽然人口格网能有效解决可调整地区单元问题（MAUP），但生成高清人口格网严重依赖辅助变量，而目前的研究仍未找到一种能很好概括人口分布的辅助变量。在类似于美国这种发达国家，绝大部分人口都是居住在房屋之中。因此，人口分布在很大程度上可以被房屋分布归纳。在年，微软（Microsoft）发布了利用深度学习算法提取的全美一亿两千万个房屋脚点（图1），为以建筑物为基础的人口网格生成提供了新方法。
图1.微软年公布的屋顶脚点数据在五个城市（波特兰，纽约，洛杉矶，休斯顿，奥兰多）的分布。
利用OpenStreetMap（OSM）数据对微软开源的房屋数据（下文有详细描述）进行筛选，剔除了在商业区，工业区，公园，森林，自然景区等非居住区的房屋脚点。该方法有效地减少了将人口分布到非居住地的情况（图2）。同时，文章测试了四种不同的人口分解权重：1）格网包含的房屋数量；2）格网包含的房屋面积；3）格网包含的房屋数量*房屋面积；4）均一化的权重。结果表明，利用格网内包含的屋顶总面积作为分解权重得到的精度最高（图3）。
图2.（a）初始屋顶脚点分布;（b）OSM用地类别分布；(c）筛选之后的房屋脚点；（d）基于初始屋顶脚点的人口格网（以脚点大小作为权重）；（e）基于筛选后屋顶脚点的人口格网（以脚点大小作为权重）。
文中的成果人口格网产品数据为从CONUS中提取的m人口网格，此栅格层的大小约为2.5Gb，包含大约8亿个网格像元。每个单元格中的值代表从0到之间的分类种群，在ArcGIS平台上进行可视化，访问地址如下：(