2100 年的世界会怎样?用遥感数据预测未来城市

简介: 八十年后,你在城市的哪里?

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

编者按:本文来自微信公众号“HyperAI超神经”(ID:HyperAI),作者:神经小兮,36氪经授权发布。

内容提要:你有想象过 2100 年,这个世界是什么样子的吗?我们所在的城市,会以怎样的方式发展呢?最近,两位数据科学家用数据科学和机器学习,预测了 2100 年全球城市扩张趋势。

关键词:城市化 预测 机器学习 数据科学

前段时间,一段利用 AI 修复民国北京街景的视频火遍全网,全民穿越回 100 年前,感受了一下当年的京城生活。

v2_70f6c6c770d540fa8f8e226066bde340_img_000

看着画面里的砖瓦房、马车、集市上摆摊的商贩,大家纷纷感慨,100 年的‍变化是‍如此之大‍。

的确,一个世纪的时间里,很多城市都经历了翻天覆地的变化。建筑越来越高、交通越来越便捷、城市面积越来越大……

v2_5f2aaec6508844b9892a4ab1ec36f2b7_img_000_jpeg

上海(左)与首尔(右)的城市化对比图

研究人员利用卫星图像绘制了 1985 年至 2015 年间城市增长的地图。研究表明,过去 30 年里,全球城市面积扩张了 80%,城市人口增长率远远高于全球人口增长率。

而 100 年后,甚至更久之后,世界各地的城市将会发展成什么样子?

现在,利用数据科学与模拟模型,就能够根据历史数据与国情、社会,预测出城市的发展模式。

学习历史,预测未来

近期,美国特拉华大学数据科学家 Jing Gao与丹佛大学的校友兼教授 Brian O'Neill,发布了一个全球模拟模型,利用数据科学和机器学习,观察城市将如何变化。

v2_a979d649c220403fbad02fd77272ec4b_img_000_jpeg

作者 Jing Gao 目前为特拉华大学地理空间数据科学助理教授

Jing Gao 表示,她对城镇发展的方式格外着迷。放眼全球,从印度新德里到法国巴黎,全球范围内的城市发展都不尽相同。

以芝加哥,洛杉矶和纽约为例,这些城市就其土地面积的扩展而言,增长方式就各不相同。

于是,为了解释城市化在未来长期的不确定性,Jing Gao 和 O'Neill 使用建模框架结合蒙特卡罗方法,开发了符合共享社会经济路径 (SSPs)的五个场景。

模型利用数据科学和机器学习技术,对城市化的发展趋势,进行了每十年一次的长期观察,可预测在不同的社会和经济条件下,城市土地在未来 100 年将如何变化。

v2_f442824621464a24b6b0be51b02c3ac2_img_000

研究人员论文于 5 月 8 日发表在《自然通讯》

为了了解这种变化是如何发生的,Jing Gao 和 O'Neill 使用数据科学分析了 15 组全球卫星遥感数据集,了解过去 40 年来的城市土地变化。

这些遥感数据集的精度大约 125 英尺(38 米)左右,这一精度能够展现出城市每一区域的大致外观。

Jing Gao 说:「通过挖掘历史数据,显示出三种不同的城市化风格:城市化,稳定城市化和快速城市化。」随着时间的推移,各国会从快速城市化向稳定城市化、再到城市化发展。

众所周知,美国和大多数西欧国家已经实现了城市化,印度和中国之前经历了快速发展,现在已经过渡到稳定城市化。目前包括许多非洲国家还正处于快速城市化阶段。

城市总面积将超过 2.25 亿个足球场

但是,仅通过遥感数据了解宽泛的区域发展,还不足以从全球角度了解城市化是如何在地方进行的。

为此,研究人员将世界划分为 375 个小区域,并针对每个区域同时运行一个定制的发展模型,然后将所有模型结果拼凑在一起,以绘制一张全球地图。

v2_757b4008893d4600897af48776f080ce_img_000

建模框架示意图,其中包括两个新的数据驱动的城市仿真模型

比如,美国大陆被建模为 28 个独立的区域,中国被建模为 26 个区域。不同区域的模型,使用不同的发展模型参数来进行估计。

研究小组的预测显示,到 2100 年,地球上城市总面积将增长 1.8 倍到 5.9 倍。

v2_5aebde5d37d44b2e970b6f8263f05a3d_img_000

十年间城市建设更新流程图 白色为输入数据和中间输出,橙色为输出

根据预测结果,本世纪全球将新建约 618,000 平方英里(160 万平方公里)的城区。这个面积大约是 4.5 倍个德国,或者说,它超过 2.25 亿个足球场的面积。

这是根据过去几十年的城市发展规律,总结评估而来,假设如果不发生大规模的战争、疾病、革命等变革性事件。

另外,如果这一百年间,我们有幸见证外星文明等重大事件,也会影响模型结果。

环保意识越强,城市扩张速度越慢

但是,城市扩张的方式,在很大程度上取决于未来几年的社会趋势。这包括经济增长、人口变化和生活方式习惯的趋势,以及我们对人类环保的态度。

v2_007a15fd923643acb75a894e6af9a604_img_000

在五种共享的社会经济路径下21 世纪全球城市土地总量变化曲线

浅蓝色:可持续发展;深蓝色:道路中部

黄色:区域竞争;橙色:不平等;红色:化石燃料开发

在美国,如果人们关注可持续发展,例如绿色发展和环保意识,那么城市扩张的可能性最少。

在这种情况下,到 2100 年,城市土地预计将增长 1.3 倍。

但是,如果人们在同一时间范围内倾向于高度物质主义发展,大量消耗化石燃料。比如,预测中亚洲各国,城市的扩张速度会非常高,甚至比本世纪初美国城市扩张速度还要高四倍。

v2_7e7f81d02d484206b395b7dcdb13abd9_img_000


美国东北部在不同发展模式下的城市扩张趋势预测

颜色越深表示城市化程度更高

大多数人没有意识到诸如建筑物和道路之类的景观变化,可能会影响他们的生活。

比如,在特拉华州,在海岸附近建造的房屋通常以牺牲农田为代价。

虽然这些开发项目可能会帮助地区的经济繁荣,但它们也可能会带来其他意想不到的后果,比如增加沿海洪灾和海平面上升的可能性。

如果真的发生了这些极小概率的事件,别说城市继续发展,可能某些城市还会不可避免成为历史。

而且,无论选择哪种社会经济模型,模拟结果都表明,到本世纪末,全球的大多数国家都将实现城市化。

那么问题来了,你觉得八十年后,你在哪个城市?又在城市的哪里?

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-05-27
本文作者:超神经HyperAI
本文来自:“36kr”,了解相关信息可以关注“36kr

相关文章
|
6月前
|
编解码 人工智能 定位技术
中国1km土壤特征数据集(2010年)
中国1km土壤特征数据集(2010年)
55 1
中国1km土壤特征数据集(2010年)
|
6月前
|
编解码 人工智能
PIE-ENGINE——高分2号影像数据中国第一颗高分辨率商业遥感卫星
PIE-ENGINE——高分2号影像数据中国第一颗高分辨率商业遥感卫星
72 0
|
8天前
|
机器学习/深度学习 数据采集 存储
使用Python实现智能农业产量预测
使用Python实现智能农业产量预测
121 73
|
25天前
|
传感器 数据采集 存储
智能气象站:极端天气的预测与应对
【10月更文挑战第21天】智能气象站集成了高精度传感器、物联网技术和人工智能算法,能够实时监测和预测极端天气,提高预警的准确性和时效性。其在防灾减灾、辅助决策和提升公众意识等方面发挥重要作用,为应对气候变化提供了有力支持。
|
6月前
|
机器学习/深度学习 数据可视化
Matlab决策树对空气质量和天气温度及天气数据做交通出行推荐预测|数据分享
Matlab决策树对空气质量和天气温度及天气数据做交通出行推荐预测|数据分享
|
6月前
|
编解码 人工智能 算法
加拿大 ANUSPLIN 网格气候数据集
加拿大 ANUSPLIN 网格气候数据集
58 1
|
6月前
|
机器学习/深度学习 编解码 人工智能
1951 年以来的美国ACIS 气候地图数据集(5 公里空间分辨率)
1951 年以来的美国ACIS 气候地图数据集(5 公里空间分辨率)
76 2
|
6月前
|
编解码 大数据 定位技术
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
遥感数据、气象数据、土地土壤数据、农业数据、行政区数据...GIS数据获取网站整理
501 2
|
6月前
|
传感器 编解码 算法
全球主要高光谱遥感卫星介绍
全球主要高光谱遥感卫星介绍
184 1
|
11月前
|
机器学习/深度学习 传感器 人工智能
在AI Earth农作物种植有没有对应的模型呢?例如:知道某个地块的坐标,可以获取农作物的分类、苗情、长势、成熟度、估产、农闲田、灾害、土壤墒情等这方面?
在AI Earth农作物种植有没有对应的模型呢?例如:知道某个地块的坐标,可以获取农作物的分类、苗情、长势、成熟度、估产、农闲田、灾害、土壤墒情等这方面?
77 1
下一篇
无影云桌面