在全球气候变化、城市热岛效应和大气污染等多重环境压力持续加剧的背景下，城市绿色基础设施已成为建设健康城市、韧性城市和可持续城市的重要支撑。北京师范大学环境学院教授刘耕源团队构建了AI辅助的城市生态系统服务动态暴露评估框架，整合街景图像、深度学习语义分割、多源环境数据、植被识别和动态暴露模拟方法，同时评估行人尺度的绿色感知和实际生态功能。近日，相关研究发表于中国工程院院刊《Engineering》。
据悉，城市绿地不仅具有景观和休闲价值，还能够通过降温、颗粒物截留、空气净化和环境舒适性提升等途径，影响居民的日常暴露水平和公共健康结果。然而，传统城市绿化评价长期依赖遥感影像、土地利用数据和绿化覆盖率等宏观指标。这些指标能够反映城市绿量的总体格局，却难以准确刻画行人在街道尺度上真实看到、接触和获得的生态效益。对于出行者而言，城市绿地的健康价值并不只取决于“城市中有多少绿”，更取决于绿色是否能够在人的视域范围内被感知，并在特定季节、特定时间和特定气象条件下实际发挥生态功能。因此，城市生态系统服务评估亟需从传统的静态供给核算，转向面向人的、动态的、多源数据融合的暴露评估。
本研究北京市五环内中心城区为案例，不仅关注绿地是否存在，更进一步关注行人是否能够感知到绿地，以及绿地是否能够在动态环境条件下实际提供降温和大气净化效益。为了实现不同生态效益之间的统一比较，研究提出生态积分，将降温和颗粒物净化等异质性生态功能转化为可比的动态核算指标。这一框架的核心创新在于，它将城市生态系统服务从“静态空间供给”推进到“动态暴露效益”层面。
研究揭示了“感知—功能脱耦”现象。换言之，街道看起来绿，并不一定代表它具有同等强度的生态功能。有些道路具有较好的视觉绿量，却可能由于树种组成、冠层结构、道路开敞度或通风条件等原因，在降温或空气净化方面表现有限。通过AI辅助植物识别，发现不同植物类型在降温和颗粒物截留方面存在显著差异。这意味着，城市绿化设计不能只追求“看起来绿”，因此，未来的城市绿地建设应从“面积导向”转向“功能导向”和“健康导向”。除了增加绿量，还需要关注树种选择、冠层结构和街谷形态的变化，使绿地真正转化为可感知、可获得、可持续的健康效益。
此外，城市绿地的生态功能并不是静态不变的。研究表明，绿地降温和空气净化效益会受到季节、昼夜节律和气象条件的共同影响。在典型道路的夏冬对比中，夏季平均绿视率明显高于冬季。这与北京以落叶树种为主的植被特征有关。夏季树冠茂密，街道绿色感知较强；冬季落叶后，绿视率下降，行人获得的视觉恢复效益也随之减弱。与此同时，冬季大气净化相关生态效益也会下降。在夏季高温，地降温效应在午夜达到峰值，白天则保持相对稳定；PM2.5去除率也呈现明显的日变化特征，在清晨较高，而在傍晚通勤高峰时段下降。行人在一天中不同时间面临的生态服务水平并不相同。
0
评论 (0)