城市化和城市扩张往往引发建筑在水平和垂直方向上的三维增长与更迭、伴随着大量材料和能源的使用与消耗，形成了城市建筑的“新陈代谢”。中科院城市环境研究所在已经构建城市建筑物质代谢模型、初步打造城市建筑代谢“模拟器”的基础上（Liu et al. 2022.），通过本项研究：（1）实现了“模拟器”部分关键输入参数的自动化和智能化反演，（2）优化了建筑代谢过程的描述与模拟过程，（3）扩展了“模拟器”的适用范围（厦门至深圳），为日后“模拟器”的进一步推广应用打下坚实基础。

　　研究主要针对建筑属性信息自动化、精准化获取问题，利用机器学习、通过深入挖掘建筑在个体层面的形态特征和社区层面（neighborhood-level）的空间结构发展了建筑关键属性反演方法。研究结果表明，机器学习模型针对建筑关键属性信息（建筑年代）的预测准确率达到了89%，城市建筑形态、地理特征等在模型预测过程中起到了关键作用，这为日后自动反演并获取城市其它类似关键参数提供了示例场景与潜在的解决方案。

　　相关研究成果发表在SCI期刊Frontiers in Earth Science上。中国科学院城市环境研究所硕士生毛婷为论文第一作者，刘宇鹏副研究员为通讯作者。该研究得到了中科院先导专项、国际合作专项、青促会以及国家自然科学基金的资助。目前城市环境研究所已围绕城市代谢主题建立起一系列的时空分析框架、方法和模型，能够支撑起城市建筑、家电和固废的高精度时空代谢过程模拟，在此基础上通过本研究向“模拟器”关键输入参数的自动化获取迈出了关键一步。

　　论文链接

深圳建筑数据反演、建筑材料存量和流量模拟与制图