AI賦能城市生態系統服務動態核算：從行人真實感知到生態效益評估

在全球氣候變化、城市熱島效應和大氣污染等多重環境壓力持續加劇的背景下，城市綠色基礎設施已成為建設健康城市、韌性城市和可持續城市的重要支撐。北京師范大學環境學院教授劉耕源團隊構建了AI輔助的城市生態系統服務動態暴露評估框架，整合街景圖像、深度學習語義分割、多源環境數據、植被識別和動態暴露模擬方法，同時評估行人尺度的綠色感知和實際生態功能。近日，相關研究發表于中國工程院院刊《Engineering》。

據悉，城市綠地不僅具有景觀和休閑價值，還能夠通過降溫、顆粒物截留、空氣凈化和環境舒適性提升等途徑，影響居民的日常暴露水平和公共健康結果。然而，傳統城市綠化評價長期依賴遙感影像、土地利用數據和綠化覆蓋率等宏觀指標。這些指標能夠反映城市綠量的總體格局，卻難以準確刻畫行人在街道尺度上真實看到、接觸和獲得的生態效益。對于出行者而言，城市綠地的健康價值并不只取決于“城市中有多少綠”，更取決于綠色是否能夠在人的視域范圍內被感知，并在特定季節、特定時間和特定氣象條件下實際發揮生態功能。因此，城市生態系統服務評估亟需從傳統的靜態供給核算，轉向面向人的、動態的、多源數據融合的暴露評估。

本研究北京市五環內中心城區為案例，不僅關注綠地是否存在，更進一步關注行人是否能夠感知到綠地，以及綠地是否能夠在動態環境條件下實際提供降溫和大氣凈化效益。為了實現不同生態效益之間的統一比較，研究提出生態積分，將降溫和顆粒物凈化等異質性生態功能轉化為可比的動態核算指標。這一框架的核心創新在于，它將城市生態系統服務從“靜態空間供給”推進到“動態暴露效益”層面。

研究揭示了“感知—功能脫耦”現象。換言之，街道看起來綠，并不一定代表它具有同等強度的生態功能。有些道路具有較好的視覺綠量，卻可能由于樹種組成、冠層結構、道路開敞度或通風條件等原因，在降溫或空氣凈化方面表現有限。通過AI輔助植物識別，發現不同植物類型在降溫和顆粒物截留方面存在顯著差異。這意味著，城市綠化設計不能只追求“看起來綠”，因此，未來的城市綠地建設應從“面積導向”轉向“功能導向”和“健康導向”。除了增加綠量，還需要關注樹種選擇、冠層結構和街谷形態的變化，使綠地真正轉化為可感知、可獲得、可持續的健康效益。

此外，城市綠地的生態功能并不是靜態不變的。研究表明，綠地降溫和空氣凈化效益會受到季節、晝夜節律和氣象條件的共同影響。在典型道路的夏冬對比中，夏季平均綠視率明顯高于冬季。這與北京以落葉樹種為主的植被特征有關。夏季樹冠茂密，街道綠色感知較強；冬季落葉后，綠視率下降，行人獲得的視覺恢復效益也隨之減弱。與此同時，冬季大氣凈化相關生態效益也會下降。在夏季高溫，地降溫效應在午夜達到峰值，白天則保持相對穩定；PM2.5去除率也呈現明顯的日變化特征，在清晨較高，而在傍晚通勤高峰時段下降。行人在一天中不同時間面臨的生態服務水平并不相同。

傳統靜態指標難以捕捉這些關鍵變化。這意味著，未來城市治理如果只看年度綠化率或靜態綠地面積，就可能忽略真正重要的問題：人在熱暴露或污染暴露中需要生態保護時，是否真的獲得了足夠的綠地效益？

AI技術為回答這一問題提供了新的可能。通過街景圖像識別、植物類型識別、動態氣象數據耦合和生態效益核算，城市生態系統服務可以被更高頻、更細尺度地追蹤。

因此，這項研究的意義不只是提出了一個新的技術框架，而是推動城市綠地評價邏輯發生轉變：從“有多少綠地”轉向“人能否感知到綠地”；從“綠地靜態分布在哪里”轉向“生態效益何時、何地、以多大強度發生”；從“城市綠化率核算”轉向“面向健康和韌性的動態生態效益核算”。

面向未來，這一框架可以進一步與物聯網傳感器、移動感知平臺和城市實時環境監測系統結合，服務于更加精細化的智慧城市治理。城市管理者不僅可以識別綠地不足的區域，也可以發現那些“看似很綠但功能不足”的隱藏脆弱空間，從而更精準地優化樹種配置、冠層結構、道路通風、慢行空間和生態基礎設施布局。當城市規劃能夠同時理解人的視覺感知和近實時核算生態效益時，綠色基礎設施才能更有效地服務于公共健康、氣候適應和環境公平。

相關論文信息：https://10.1016/j.eng.2026.07.021