AI+遥感：助力城市可持续发展

随着全球各地的城市面临日益严峻的挑战——从基础设施老化到气候变化——人工智能 (AI) 和遥感技术正成为促进城市可持续发展的有力工具。

近期，由达芙妮·塔皮亚 (Daphne Tapia) 主持的“城市人工智能”(URBAN AI) 对话活动，邀请了国际专家布莱恩·基洛 (Brian Killough，安永，前美国国家航空航天局 (NASA))、杰奎·马茨金 (Jacquie Matzkin，Asterra) 和菲法梅·库多博 (Fifame Koudogbo，Sixense) 参与，深入探讨了卫星监测和人工智能如何改变城市风险检测、资源分配和未来规划的方式。

1、城市为何需要太空人工智能

正如达芙妮·塔皮亚 (Daphne Tapia) 在开场白中强调的那样，城市地区正面临着基础设施老化（例如欧洲和美国百年老旧的水管）、地面沉降以及城市热岛效应等气候引发的风险。遥感技术在解决这些问题方面具有诸多独特优势：覆盖范围广、回访频繁以及客观数据来源——包括光学图像、雷达 (SAR) 和热成像。

城市人工智能对话展示了人工智能模型如何应用于此类数据集，从而实现城市系统的实时诊断、长期监测和战略规划。

2、城市热岛效应与气候韧性

Brian Killough，一位曾在美国宇航局（NASA）长期任职、现就职于安永的资深人士，介绍了安永的年度数据挑战赛，该挑战赛将于2025年重点关注城市热岛效应（UHI）。该挑战赛的目标是将卫星数据与人工智能模型相结合，以识别、理解和预测城市热岛效应。

2025年安永开放科学人工智能与数据挑战赛：城市热岛效应降温。来源
该挑战赛使用了来自纽约市的高分辨率城市热岛效应数据，其中包括Kappa Strategies公司收集的12,000个温度样本的地面调查数据。这些数据旨在与卫星图像、建筑物足迹和城市密度指标相结合，以训练能够更准确地绘制和识别城市热岛效应的模型。

“我们的目标是了解城市热岛效应的发生地点、成因以及如何设计更好的城市，”Killough解释道。

本次比赛吸引了来自145个国家的11,000多名参赛者，其中大部分是学生和年轻专业人士，获胜者将获得10,000美元的奖金。

今年比赛的主要合作伙伴之一是纽约自然区域保护协会，该协会倡导将绿地作为降温机制。

3、泄漏检测与水资源弹性

Asterra产品总监Jacquie Matzkin介绍了公司如何利用人工智能和L波段合成孔径雷达(SAR)卫星来检测地下饮用水泄漏——远在泄漏被发现之前。

Asterra的算法最初是为探测火星上的水而开发的，后来被应用于地球。L波段雷达之所以被使用，是因为它能够穿透土壤并探测地下水分异常。结合其庞大的专有泄漏数据库（超过 15 万处已确认的泄漏点），他们的人工智能无需多次卫星扫描即可精确定位泄漏位置。

“智慧城市不仅仅依靠传感器和应用程序构建，更依赖于地表以下看不见的基础设施，”Matzkin 强调道。

这项技术显著提高了工作人员的效率：在 Asterra 的指导下，工作人员只需检查 31 英里长的管道即可发现泄漏，而没有 Asterra 的指导则需要 310 英里。它减少了不必要的挖掘、温室气体排放和维修时间，同时无需在地面安装硬件。

Asterra 目前通过三种解决方案支持可持续发展目标 11（可持续城市和社区）：

• Recover：基于人工智能的泄漏检测
• MasterPlan：主动管道更换规划
• EarthWorks：水坝或采矿区附近土壤的风险评估

4、地面变形与基础设施风险

Sixense 地球观测专家 Fifame Koudogbo 介绍了 Atlas InSAR，这是一个基于合成孔径雷达干涉测量 (InSAR) 的平台，由巴塞罗那开发，用于监测大面积地面变形，精度可达毫米级。

使用堆叠Atlas InSAR 可以结合雷达卫星图像识别测量点并跟踪其随时间变化的位移，从而提供对基础设施维护至关重要的时间序列数据。

例如，在伦敦，该方法探测到了横贯铁路 (Crossrail) 隧道施工引起的土壤位移，捕捉了位移过程以及最终恢复稳定的过程。在加利福尼亚州奥克兰，Sixense 与一家地质研究所合作，利用三年的高分辨率数据，分析了气候变化对膨胀粘土的影响。他们利用基于人工智能的季节性土壤运动模式识别技术，根据建筑物的脆弱性对其进行了分类。

“我们正在开发人工智能技术来增强我们的产品——通过模式识别、整合不同数据源以及更好的可视化，”Koudogbo 解释说。

在另一个案例中，Sixense 使用 InSAR 技术对巴黎高中的建筑物维护进行优先级排序，并根据位移趋势和外部数据对风险进行分类。该平台旨在支持在城市环境中进行定制化的主动基础设施管理。

5、挑战与局限性

所有小组成员一致认为，应用该技术的障碍主要在于制度层面，而非技术层面。城市组织通常缺乏GIS专业知识、预算灵活性以及对新技术的信心。

“这项技术已经准备就绪。我们正在等待组织拥有采用它的愿景和流程。” Matzkin说道。

Killough强调了教育和透明度的重要性：城市组织必须了解什么是卫星数据，如何将其与机器学习相结合，以及他们可以期待什么样的成果。

随着成本下降和任务数量增加，这些技术正变得越来越普及。例如，NASA即将进行的NISAR任务将提供开放获取的L波段SAR图像。

展望未来，发言者强调了其他几个趋势：

• 云计算和边缘计算：提高数据可访问性和分析速度。
• 开源工具：鼓励透明度、重复使用和协作创新。
• 高光谱影像 (Killough)：提供比现有卫星波段更丰富的环境洞察。

随着技术变得更加开放、易于获取和广泛应用，卫星影像的优势在未来几年只会越来越显著。这些工具已经为城市可持续发展带来了切实的价值。下一个需要弥合的差距不是技术层面，而是组织层面。真正的挑战在于建设机构能力、培养愿景，以及教育城市参与者如何有效地应用这些技术。

原文链接：AI and Remote Sensing for Urban Sustainability

汇智网翻译整理，转载请标明出处