融合全景AI与走航观测 实现城市道路碳排放高分辨率精准刻画

MagicJack

http://www.aircas.cn/dtxw/kydt/202509/t20250911_7965099.html

近日，中国科学院空天信息创新研究院（空天院）遥感与数字地球全国重点实验室研究员王力团队，成功提出一项创新技术——将“全景人工智能”（全景AI）与多源走航观测相结合，实现了对城市道路二氧化碳排放量的高时空分辨率精准刻画与溯源，清晰揭示了二氧化碳排放的时空动态特征及驱动机制。相关研究成果于近日发表于国际学术期刊《可持续城市与社会》（Sustainable Cities and Society）。

随着经济社会发展和居民出行需求增加，道路交通已成为城市碳排放的重要来源之一。当前国内外广泛使用的碳排放清单空间分辨率大多在1至5公里之间，难以准确捕捉道路二氧化碳排放快速变化的细节特征，尤其是在复杂城市环境中，无法有效区分不同区域的排放差异、追溯来源或分析变化原因。

为解决这一难题，研究团队与深圳生态环境监测中心站合作，组建了“全景AI碳排放走航观测平台”，该平台集成了全景摄像机、高精度温室气体分析仪、气象要素传感器等多源设备，可同步获取道路场景的三维环境特征（如交通密度、建筑布局、植被覆盖率）、气象参数（如风速、温度、湿度）及二氧化碳排放等信息。借助全景AI模型实现二氧化碳排放源的精准提取，模型的平均精度超过93%、平均误差低于1.3ppm。同时，利用全景AI模型中的可解释机器学习模块（IML）成功量化气象条件、交通流量、道路周边景观这三大因素对二氧化碳排放的影响程度。凭借以上优势，全景AI不仅成功捕捉道路二氧化碳排放量的时空动态变化，刻画城市道路日间逐小时30米空间分辨率的二氧化碳排放动态、来源和驱动因素，还清晰识别出不同因素对道路碳排放的影响边界和变化曲线，实现城市道路碳排放高分辨率的精准刻画和溯源。

目前，该技术已在深圳市率先应用，未来有望推广到其他城市，用于评估城市道路二氧化碳减排的实际效果。作为一种新质生产力技术，该技术为碳排放计算与人工智能交叉创新提供了新思路，不仅在动态观测、精准预测和追溯二氧化碳排放来源方面具备智能化优势，还可与传统的碳排放清单、卫星温室气体监测技术结合，构建多维度、全方位的碳监测体系，为城市规划者和政策制定者开展低碳管理、强化减排举措提供了科学支撑，将有效助力城市低碳规划与可持续发展。

相关成果以“Integrating panoptic-AI and multi-source observations for daytime dynamic CO₂ increment prediction in urban traffic networks”（《融合全景 AI 与多源观测的城市交通网络日间动态二氧化碳增量预测》）为题，发表在国际学术期刊《可持续城市与社会》（Sustainable Cities and Society）。该期刊为中国科学院 1 区 TOP 期刊，影响因子12。王力为论文通讯作者，空天院助理研究员张永霖、深圳生态环境监测中心站高级工程师孙天乐为共同第一作者。研究工作得到国家重点研发计划、国家自然科学基金等项目的支持。

论文信息：Zhang, Y., Sun, T., Wang, L., Huang, B., Xu, S., Pan, X., Xiong, X., Song, W., Li, G., Niu, Z., 2025. Integrating panoptic-AI and multi-source observations for daytime dynamic CO₂ increment prediction in urban traffic networks. Sustainable Cities and Society 106730.

论文链接：https://doi.org/10.1016/j.scs.2025.106730