> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # AI+遥感：助力城市可持续发展 - URL: https://www.hubwiz.com/blog/ai-and-remote-sensing-for-urban-sustainability/ - Published: 2025-05-29T22:05:20.000Z - Updated: 2025-05-29T22:05:20.000Z - Description: 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。 - Author: admin - Tags: APPLICATION, AI, REMOTE SENSING, #Import 2026-10-14 14:41 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。 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-274.png) 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。 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-275.png) “我们发现，埃登瓦尔德点的平均温度比布朗斯维尔点低2°C以上。” 资料来源：纽约市环境与健康数据门户网站“纽约市城市热岛效应” 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。 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-276.png) ALOS-2 SAR 图像，图中蓝色表示管道，黄色表示 ASTERRA 识别出的泄漏点。©JAXA 2021。 > “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 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-277.png) “Recover”有助于提高城市水资源管理效率，确保更可靠、更可持续的供水。“MasterPlan”使公用事业公司能够主动评估和管理其管道网络，确保城市拥有完善的基础设施，以满足不断增长的城市人口需求。“EarthWorks”则为位于滑坡和地质灾害易发地区，或靠近采矿设施、水坝和堤坝的城市和社区提供帮助。来源：Asterra ## 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。 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-278.png) Atlas InSAR 监测是一种有效的工具，可以探测大面积区域（例如公路、铁路或管道）以及矿山、尾矿坝和桥梁等偏远关键基础设施沿线的滑坡、边坡坍塌等前兆运动。来源：Sixense 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。 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-279.png) 来源：《新土木工程师》 > “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。 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-280.png) “NASA-ISRO SAR（NISAR）任务将测量地球不断变化的生态系统、动态表面和冰体，提供有关生物量、自然灾害、海平面上升和地下水的信息，并将支持许多其他应用。” 来源：NASA 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。 ![](https://www.hubwiz.com/blog/content/images/2025/05/image-281.png) “最近的一项研究表明，通过对数据进行适当的后处理，高光谱成像可以自动可靠地检测出硬化混凝土和普通烧制砖块中的薄弱部分，而无需任何破坏性测试或直接接触材料。这项技术将帮助土木工程师和开发商快速分析建筑材料的完整性，并协助历史建筑的记录、保护和修复，以及基础设施的资产管理。” 来源：GIM International 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](https://medium.com/urban-ai/ai-and-remote-sensing-for-urban-sustainability-d2a0bbe8bac6?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处