原文發表於 《科技導報》2025年第19期科技新聞-前沿動態
煙囪、紅綠燈成爲城市污染“新指示器”
藉助街景圖像的開放詞彙表目標檢測與語義分割技術改進空氣污染暴露模型（圖片來源：Environmental Science & Technology）
店鋪的出風口、居民樓的煙囪，可能比“這是不是主幹道”更能決定你呼吸到的空氣。2025年9月27日，荷蘭烏特勒支大學在Environmental Science & Technology發表的一項研究顯示，通過整合街景圖像的AI分析技術，傳統城市空氣污染暴露模型的精度顯著提升。該研究在阿姆斯特丹開展，覆蓋4.6萬餘條路段，首次發現煙囪、紅綠燈等視覺特徵可作爲空氣污染的關鍵預測指標，爲超局部尺度的空氣污染監測提供了新方案。
城市空氣污染的精細分佈監測，是制定公共衛生政策、保護居民健康的關鍵。此前，科研人員常用“土地利用迴歸模型”（LUR）結合移動監測數據繪製污染地圖，但這類模型存在明顯短板——傳統預測變量（如土地類型、交通流量）難以捕捉建成環境的細節（如隧道牆壁、路邊綠化帶）和未被記錄的排放源（如居民燃燒煙囪）。“
移動監測車和街景車的行駛路線高度重合，兩者數據分辨率天然匹配。”研究人員首次將街景圖像整合到空氣污染模型中，搭建了一套“視覺增強型土地利用迴歸框架”（VLUR）。該框架融了2種AI技術，開放詞彙目標檢測：採用谷歌開發的OWL-ViT模型，無需手動標註即可通過自然語言定義目標，識別傳統模型忽略的潛在污染關聯物體；語義分割：利用Mask2Former模型，將街景圖像像素分類爲道路、牆壁、草地、樹木等150類，量化建成環境的結構特徵。
研究團隊收集了海量的數據，包括2019—2020年阿姆斯特丹570萬條移動污染監測數據（涵蓋二氧化氮（NO2）、黑碳、超細顆粒物3種關鍵污染物），以及2008—2024年的37萬張谷歌街景圖像，最終將這些數據匹配到46664條50米級路段上。
預測結果顯示，對比傳統LUR模型，整合街景特徵後，新模型的決定係數（R2）提升0.01~0.05，平均絕對誤差（MAE）降低0.7%~10.3%。其中，NO2模型經獨立監測站點驗證，MAE最大降幅達10.3%，意味着污染濃度預測更接近實際值。“
隨着街景、衛星、衆包圖像數據的普及，視覺信息有望成爲城市環境監測”的新基建。研究人員強調，該研究爲暴露組學提供了新工具，未來結合個人移動設備數據，有望實現“個人級”的空氣污染暴露評估，爲精準公共衛生干預提供支撐。
（來源：Environmental Science & Technology）
☟
《科技導報》創刊於1980年，中國科協學術會刊，主要刊登科學前沿和技術熱點領域突破性的研究成果、權威性的科學評論、引領性的高端綜述，發表促進經濟社會發展、完善科技管理、優化科研環境、培育科學文化、促進科技創新和科技成果轉化的決策諮詢建議。常設欄目有院士卷首語、科技新聞、科技評論、專稿專題、綜述、論文、政策建議、科技人文等。
