城市人工智能与基础模型

城市扩张加剧西非快速城市化地区的树木覆盖损失

研究利用2001—2020年Landsat数据，分析加纳和尼日利亚湿润森林生态区的树木覆盖变化及其与城市扩张的关系。研究区树木覆盖减少4.7%，城市及城郊范围虽仅占研究区7.4%，却占变化面积的42%；城市扩张还与邻近区域的森林损失相关。

恶劣天气下城市交通韧性的建成环境决定因素：可解释机器学习框架

面向干旱城市的气候智慧型适宜性制图框架：融合机器学习与层次分析法以增强植被韧性

研究将机器学习与层次分析法结合，评估阿联酋艾因市基准及未来气候—城市情景下的植被适宜性。结果显示，适宜植被条件存在显著空间差异，未来优质适宜区将减少并趋于破碎，最适宜植被区域重心向东北移动。NDWI、地表温度和土地利用/土地覆被是影响较大的因素，CatBoost准确率最高。

用于刻画城市社会经济指标与公共卫生决定因素的多模态深度学习框架

研究提出多模态深度学习框架，融合卫星影像与街道网络数据，预测卢旺达基加利各行政分区的社会经济指标和公共卫生决定因素。模型结合卷积神经网络与图神经网络提取特征，并通过注意力机制融合；结果显示，多模态模型表现最佳，城市形态也呈现与相关指标相对应的连续梯度。

大型语言模型编排的工作流：整合检索增强生成与模型上下文协议工具，开展城市尺度模拟韧性评估

本文构建结合大型语言模型、检索增强生成和模型上下文协议工具链的工作流，用于城市尺度建筑韧性评估，并应用于上海311,612栋建筑。模拟显示，停电情景下20–26°C舒适区间内的占用时数占比由42.5%降至20.9%，高于35°C的时数占比由0%升至26.7%，工业和交通建筑类型升温最明显。该流程可将专家工作从手动编程转向情景、阈值和指标治理。

利用NDVI和城市形态指标比较机器学习算法对绿视率（GVI）的预测

运用可解释机器学习方法探究建成环境对交通拥堵的影响

利用夜间灯光数据评估中国人工智能试点城市对政府加班的影响

本文利用300多个城市的卫星夜间灯光数据，考察科技部2019年启动的人工智能试点城市计划是否减少中国政府机关加班。研究采用准自然实验和分期双重差分模型，发现试点城市实施人工智能后，夜间加班减少7.82%，相当于每年约少加班8天。考虑疫情期间远程办公、其他政策、城市差异和选择偏差等因素后，估计结果仍稳健。研究指出，人工智能举措有望提升城市治理效率，减少公共行政领域的过度工时。

融合多源遥感与集成机器学习量化罗马尼亚奥拉迪亚市地表城市热岛

本文提出基于机器学习的框架，评估罗马尼亚中大型城市奥拉迪亚的地表城市热岛效应。研究将Landsat 8影像提取的多种光谱指数作为解释变量，通过非参数相关分析评估其与地表温度的关系，并以Terra卫星MODIS独立温度数据验证模型。结果显示，2013至2024年研究区地表温度平均升高约1.6°C，主要与城市扩张和土地利用结构变化有关。随机森林预测精度最高；各模型均能描绘热岛空间格局，但对绝对温度及极端值的估计仍有限。

机器学习降尺度气温对城市热岛量化的增益

研究评估机器学习降尺度气温产品相较于其基础高分辨率再分析模型的增益，使用卫星数据、私人气象站观测和再分析数据，比较丹麦四大城市的城市尺度热岛及城内气温差异。两种产品呈现相近的城市尺度热岛效应；降尺度产品显示更大的城内气温差异，且与城市密度和绿地分布存在一定相关性。

人工智能赋能的可持续智慧城市参与式规划：沙特阿拉伯达曼都市区的证据

研究考察人工智能如何支持可持续智慧城市的参与式规划，并关注制度调节与信任。基于达曼都市区260名利益相关者的目的性调查和定性主题分析，研究发现，较高的人工智能认知度和数字准备度与较低的影响感及参与成效信心并存；制度协调、技能和监管问题制约了人工智能转化为实质参与。

地形与季节差异下城市形态对地表温度的影响：基于中国三座城市的机器学习研究

Ke-MLS：印度城市地区的大规模标注移动激光雷达数据集

研究发布Ke-MLS，这是来自印度喀拉拉邦、目前规模最大的公开专家标注移动激光扫描（MLS）激光雷达数据集，包含48个类别，可用于多种深度学习应用。研究评估了多种先进三维深度学习算法，平均交并比（mIoU）达到70%至80%。数据集已公开发布。

基于可解释机器学习的城市内涝预测框架

研究提出一种轻量、可解释的机器学习框架，用于实时预测城市内涝热点。Lasso机制从37项多源变量中筛选出5项核心因素，并通过加权距离与基于密度的噪声清理改进过采样算法，以应对类别不平衡。基于深圳2023—2024年数据的验证显示，结合该策略的梯度提升决策树模型仅用5项特征即取得较好表现，召回率较基线提高4.6%。

土地利用与土地覆盖对地表温度及城市热舒适度的影响评估：沙特阿拉伯五大人口城市（2000—2024年）

研究分析2000至2024年沙特阿拉伯人口最多的五座城市中，土地利用与土地覆盖（LULC）变化对地表温度（LST）和城市热场变化指数（UTFVI）的影响。研究利用Landsat影像、随机森林分类和热指标制图，并以双重差分比较土地转为城市用地的像元与稳定城市用地。各城市建成区均扩大，植被覆盖在多数城市增加；2024年利雅得、吉达和麦加地表温度较2000年升高，达曼和麦地那则下降。

美国人面对拥堵收费：重新审视汽车依赖型国家CBD收费的公平性争论

本文分析纽约市中央商务区收费计划环境审查期间约8300条公众意见，考察公平诉求如何进入拥堵收费辩论。支持者强调驾驶者公平分担、公共空间与道路安全、空气质量及公共交通收益；反对者关注费用累退性、负担能力和管理信任，也指出医疗、残障及交通不便等出行可能无法避免收费。

推进城市分析：GeoAI在空间决策与可持续城市中的应用

地理空间数据快速增长与人工智能进步推动GeoAI成为城市分析的重要范式，可用于空间规划、风险评估和政策制定。综述指出，相关研究在方法、决策支持、韧性、社会包容和公平治理方面有所进展，同时面临数据获取、模型透明度、伦理及全球南北适用性差异等问题，并提出应推动公平、透明且契合城市政策目标的GeoAI发展。

被动式超低能耗建筑占用率预测的CNN-ResNet-RF混合模型实证评估

研究基于一栋被动式超低能耗教育建筑的多源环境与行为数据，实证评估CNN-ResNet-RF混合模型对实时占用率的预测能力。室内二氧化碳浓度与占用率的线性相关性最强。模型在测试集上表现良好；轻量化的CNN-ResNet-RF-25变体进一步提升准确度并显著降低复杂度，显示出在资源受限环境中的部署潜力。

基于机器学习的热带城市降温型城市绿化设计优化

AI城市主义，AI城市主义诸形态：以福柯式话语分析追踪城市AI形态

文章将城市人工智能视为一种存在争议的真理体制，运用福柯式话语分析考察深圳、波士顿和巴塞罗那。研究指出，城市AI从智慧城市治理术中发展而来，却分化为预测性统筹、温和的反向治理及程序边界约束下的条件性等不同形态，并据此提出六维分析框架。