跳到正文
北京时间
原文
Google Research:Blog(网页)·· 2026-06-30精选AI 评分61

Google Research 将建筑屋顶反射率数据集扩展至全球 50+ 城市

Expanding our Heat Resilience data to 50+ global cities

AI 导读

Google Research 发布扩展的建筑屋顶反射率数据集,覆盖全球 50 多个城市,旨在帮助城市规划者优先部署冷屋顶方案以缓解极端高温。该数据集融合 Sentinel-2 卫星数据与 30 厘米分辨率的 Airbus Pléiades Neo 卫星图像生成,可通过新的高分辨率 Heat Resilience Earth Engine App 开放获取。相关方法论发表于《Nature Communications》。此前 2024 年的试点已覆盖 14 个城市,其数据曾指导制定冷屋顶条例与适应计划。

推荐理由

谷歌把屋顶反照率数据的精度做到30厘米,覆盖50+城市,还给了免费App,城市防暑从模糊规划变成可量化的工程,做气候韧性的人可以直接拿这个数据做方案,虽然只是特定领域应用,但AI落地真实场景的路径值得参考。

正文 · AI 翻译

我们正在发布一个扩展数据集,涵盖全球 50 多个城市的建筑级屋顶反射率,以帮助城市规划者实施冷屋顶解决方案并缓解极端高温。该数据集正通过一个新的高分辨率热韧性 Earth Engine 应用开放访问。

快速链接

每年约有 50 万人死亡 被归因于极端高温,而 城市热岛效应加剧了这一危机,使大都市地区的升温速度达到 全球平均水平的两倍。本月早些时候,席卷西欧的破纪录热浪将气温推高至 40°C(104°F)以上。深色路面和屋顶等吸热材料的普遍存在,再加上植被匮乏,在很大程度上推动了这种局部升温。缓解高温的措施对于减少这一死亡人数至关重要,而 冷屋顶提供了一种极具成本效益的解决方案。通过提高屋顶反射率(反照率),我们可以显著减少建筑物吸收的太阳能,最终降低局部地表温度并保护脆弱社区。

为解决这一问题,Google Research 正在构建 AI 驱动的工具,以帮助降低城市温度并保障社区安全。通过将 AI 应用于高分辨率卫星和航空影像,我们的高温韧性工具可帮助城市量化针对性降温干预措施的效果。2024 年,我们与 14 座城市试点了这一方法,为它们提供屋顶反射率数据,以识别高度脆弱的社区,并确定在哪些地方采用冷屋顶能带来最大的温度降幅。这些数据指导了多座城市的关键决策,促成了冷屋顶条例和适应计划等举措。

如今,我们正在扩大这一影响。在《面向城市应用的高分辨率反照率估算》一文中,该文发表于《Nature Communications》,我们详细介绍了在多样化城市环境中绘制建筑级反射率的方法。这项研究弥合了通用气候观测与可操作的建筑级数据之间的差距。我们还发布了一个扩展的反照率数据集,覆盖全球 50 多个城市,以帮助世界各地的城市规划者优先实施冷屋顶干预措施。该数据集通过我们全新的高分辨率Heat Resilience Earth Engine App.

我们的方法

作为我们 Google Earth AI 地理空间模型与数据集集合的一部分——该集合旨在将行星信息转化为可执行的智能——我们开发了一种新颖的方法,将 Sentinel-2 卫星数据 与高分辨率(30 厘米)卫星影像(Airbus Pléiades Neo)相融合。这一高度精细的数据集超越了街区平均值的层面,能够提供可执行的、建筑级别的洞察。重要的是,我们的建模表明,利用这些数据进行有针对性的冷屋顶规划,在全球范围内可将极端城市高温最多缓解 0.5°C(0.9°F),为城市规划者提供了一条极为有效的路径。

虽然基于 Sentinel-2 的卫星反照率估算数据在全球范围内可免费获取,但其 10 米的空间分辨率不足以分辨单个屋顶。为克服这一局限,我们的方法利用机器学习模型和 辐射定标 技术,将 Sentinel-2 的辐射精度和全球覆盖能力与商业影像的精确空间细节相融合。通过融合不同波长下采集的数据,我们能够为每个城市像素重建完整的光谱反射率剖面。

为确保准确性,我们利用在科罗拉多州博尔德市采集的高分辨率机载高光谱测量数据对我们的方法进行了验证。融合后的 30 厘米反照率地图展现出高精度,相对于地面真值数据的 均方根误差(RMSE)仅为 0.04。这一粒度上的突破使城市规划者能够超越街区级别的平均值,准确地优先选择单体大面积建筑进行有针对性的冷屋顶改造。

Image 2: Heat-Resilience-1

将 Sentinel-2 数据与商业影像融合,可将分辨率从 10 米提升至 30 厘米,从而实现建筑级别的反照率制图。(a)高分辨率(30 厘米)真彩色商业卫星影像。(b) 低分辨率(10 米)Sentinel-2 反照率图。(c)模型生成的高分辨率(30 厘米)融合反照率图。(d)由机载高光谱测量得出的地面真值反照率,用于验证

热韧性 Earth Engine 应用

为了让决策者能够使用这些数据,我们推出了热韧性 Earth Engine 应用。该平台提供高分辨率屋顶反照率(反射率)数据,助力市政部门开展前瞻性规划。

该应用具有以下功能:

  • 建筑级可视化:将反照率数据以质心形式展示,以识别低反射率表面。
  • 基线分析:帮助城市了解当前反射率并随时间监测变化的工具。
  • 数据可移植性:支持下载高分辨率数据,用于本地分析和政策制定。
  • 动态缩放:一种嵌套式界面,可从人口普查区聚合数据逐级过渡到单栋建筑的洞察。

覆盖范围扩展

本次发布将我们的数据扩展至 9 个国家的 50+ 座城市。新增覆盖范围包括欧洲的主要城市中心(包括伦敦、雅典、巴塞罗那)、巴西(包括里约热内卢和圣保罗)以及美国(包括洛杉矶、奥斯汀和纽约市)。通过开放获取这一建筑级别的反照率数据,我们旨在帮助城市加快采用反射性表面,以降低城市地表温度。

如何获取数据

Heat Resilience Earth Engine App 现已上线,面向公众开放使用。你可以探索交互式数据,可视化本次发布所涵盖的全部 50+ 座城市的屋顶反照率。

如需详细的技术文档,以及下载高分辨率数据集用于你自己的分析,请访问Heat Resilience 网站。

致谢

本研究由 Google Research 与世界资源研究所(WRI)合作开展。

我们感谢 Google 和 WRI 的合作者:Elizabeth J. Wesley(WRI)、Salil Banerjee、Vishal Batchu、Aniruddh Chennapragada、Kevin Crossan、Bryce Cronkite-Ratcliff、Ellie Delich、Tristan Goulden(国家生态观测网络)、Mansi Kansal、Jonas Kemp、Eric Mackres(WRI)、Yael Mayer、Rebecca Milman、John C. Platt、Shruthi Prabhakara、Gautam Prasad、Aaron Bell、Shravya Shetty、Charlotte Stanton、Wayne Sun 和 Lucy R. Hutyra。

来源:Google Research:Blog(网页) · research.google