未来有望推广到其他城市，”王力说。

，刻画城市道路日间逐小时30米空间分辨率的二氧化碳排放动态、来源和驱动因素，组建了“全景AI碳排放走航观测平台”，当前国内外广泛使用的碳排放清单空间分辨率大多在1至5公里之间，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，实现城市道路碳排放高分辨率的精准刻画和溯源，可同步获取道路场景的三维环境特征、气象参数及二氧化碳排放等信息，利用全景AI模型中的可解释机器学习模块（IML）成功量化气象条件、交通流量、道路周边景观这三大因素对二氧化碳排放的影响程度，该技术已在深圳市率先应用，用于评估城市道路二氧化碳减排的实际效果，尤其是在复杂城市环境中，凭借以上优势。

中国科学院空天信息创新研究院（以下简称空天院）遥感与数字地球全国重点实验室研究员王力团队，难以准确捕捉道路二氧化碳排放快速变化的细节特征。

提出一项创新技术——将“全景人工智能”（全景AI）与多源走航观测相结合，邮箱：[email protected]，清晰揭示了二氧化碳排放的时空动态特征及驱动机制，还清晰识别出不同因素对道路碳排放的影响边界和变化曲线，网站转载，将有效助力城市低碳规划与可持续发展，无法有效区分不同区域的排放差异、追溯来源或分析变化原因，全景AI模型的平均精度超过93%、平均误差低于1.3ppm， 随着经济社会发展和居民出行需求增加，该技术为碳排放计算与人工智能交叉创新提供了新思路，构建多维度、全方位的碳监测体系，同时，实现了对城市道路二氧化碳排放量的高时空分辨率精准刻画与溯源， 目前， 平均精度超93%！全景AI精准刻画城市道路碳排放 近日，还可与传统的碳排放清单、卫星温室气体监测技术结合， 为解决这一难题。

该平台集成了全景摄像机、高精度温室气体分析仪、气象要素传感器等多源设备，转载请联系授权， “作为一种新质生产力技术，研究团队与深圳生态环境监测中心站合作，全景AI不仅成功捕捉道路二氧化碳排放量的时空动态变化，为城市规划者和政策制定者开展低碳管理、强化减排举措提供了科学支撑，道路交通已成为城市碳排放的重要来源之一，不仅在动态观测、精准预测和追溯二氧化碳排放来源方面具备智能化优势， 相关论文信息： https://doi.org/10.1016/j.scs.2025.106730 版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品。

相关研究成果于近日发表于《可持续城市与社会》，imToken，。