从街景图像无监督城市树木生物多样性制图

城市树木生物多样性对气候韧性、生态稳定性和城市宜居性至关重要，但大多数城市缺乏详细的树冠知识。基于现场的物种多样性估计可靠，但成本高昂且耗时；而监督式 AI 方法需要标记数据，往往难以在不同地区普遍化。我们引入一种无监督聚类框架，将街景图像的视觉嵌入与空间种植模式相结合，以无标签方式估计生物多样性。该方法应用于八个北美城市，能够以高度忠实的精度恢复属水平的生物多样性模式，实现在香农指数和 Simpson 指数上的 Wasserstein 距离低于基准，并保持空间自相关。该可扩展、精细的方法使缺乏详细清查的城市也能进行生物多样性制图，并为支持公平获取绿化资源和适应性管理城市生态系统提供持续、低成本监测的路径。