2025-04-20 12:00 来源：本站编辑
的有限公司建筑行业是全球碳排放的主要驱动因素，仅建筑行业就有相应的反应占全球能源相关二氧化碳排放量的近三分之一。然而，现有的评估建筑材料的方法往往是错误的受地理范围限制，可扩展性差，准确性不足。有限公司nventional databases努力提供全面的材料强度评估，特别是在不同的城市景观中。这些挑战凸显了对创新的、数据驱动的解决方案的迫切需求，这些解决方案可以提供精确和行动大规模的洞察力。
北京大学和南丹麦大学发起了一项合作研究计划，以应对这一挑战。该团队开发了一种先进的框架，将深度学习与遥感相结合，以前所未有的精度识别建筑材料。他们的研究结果发表在《环境科学与生态技术》杂志上，展示了该技术在创建针对不同城市地区的定制材料强度数据库方面的潜力，为更可持续和高效的城市规划铺平了道路。
该研究采用谷歌街景图像、卫星数据和OpenStreetMap地理空间信息的融合，对建筑材料进行高精度分类。通过利用卷积神经网络（cnn），研究人员训练了能够识别屋顶和立面材料的模型，并提供了非常详细的信息。这些模型首先使用来自丹麦欧登塞的大量数据集进行训练，然后在哥本哈根、奥胡斯和奥尔堡等丹麦主要城市成功验证。验证过程证实了该框架的稳健性，展示了其在不同城市环境中推广的能力，并加强了其可扩展性。
这项研究的一个关键创新是它使用了先进的可视化技术，包括梯度加权类激活映射（Grad-CAM），这为人工智能模型如何解释图像提供了一个窗口。通过揭示图像的哪些部分对分类决策影响最大，该技术提高了模型的透明度和可靠性。此外，研究人员开发了材料强度系数来量化不同建筑材料对环境的影响。通过将高分辨率图像与深度学习相结合，该框架克服了材料数据可用性和准确性方面的长期限制，为可持续城市发展提供了强大的工具。
•可扩展的框架支持为不同地区创建定制的材料强度数据库，促进可持续的城市规划和改造。
•深度学习可以使用遥感和街景数据精确识别建筑材料。
•模型预测的可视化增强了可解释性并揭示了决策过程。
•准确的材料评估为有针对性的建筑升级提供信息，以提高能源效率。
该项目的首席研究员刘刚教授强调了该技术的变革潜力：“我们的研究展示了深度学习和遥感如何从根本上改变我们分析和管理城市建筑材料的方式。有了精确的材料强度数据，我们可以推动更可持续的城市规划和有针对性的改造，直接为全球碳减排做出贡献。”
这一突破的意义远远超出了学术研究。通过使城市能够准确识别和绘制建筑材料地图，该框架为城市规划者提供了制定能效战略、碳减排政策和循环经济举措的关键数据。它的可扩展性确保了该方法可以适应不同的城市环境，使其成为全球可持续城市规划的游戏规则改变者。
