综述：早期设计阶段的邻里能源供需协调设计（NES-CoD）

这篇综述推荐了一种结合人工智能视觉技术和地理空间分析的创新方法，利用MATLAB和QGIS整合航拍图像、LiDAR数据和地籍信息，自动识别适合安装绿色屋顶（GRs）的建筑物，并量化其碳封存潜力。研究以西班牙瓦伦西亚为例，发现34%的屋顶面积（620万m2）适合GRs安装，年均可封存19,507吨CO2，为城市可持续发展和气候目标提供了数据支持。

　　

引言

气候变化及其对环境的影响已成为全球性挑战，亟需采取有效行动。城市作为温室气体（GHG）排放的主要来源之一，尤其在欧洲背景下，其资源消耗和排放问题尤为突出。在此背景下，基于自然的解决方案（NBS）因其既能减缓GHG排放又能适应气候变化的影响而备受关注。绿色屋顶（GRs）作为一种水平技术单元，可直接应用于现有建筑，成为解决城市排放问题的有效手段之一。

绿色屋顶的类型与优势

GRs主要分为三种类型：广泛型（EGR）、密集型（IGR）和半密集型（SIGR）。EGR因其重量轻、维护成本低且适合地中海气候而成为首选。GRs通过被动调节建筑内部温度，降低暖通空调（HVAC）系统的能耗，同时直接封存大气中的二氧化碳（CO₂）。研究表明，GRs在夏季可减少70-90%的热传递，冬季减少10-30%，显著降低能源消耗。此外，GRs还能改善空气质量，捕获NO₂、SO₂、O₃等污染物，并过滤颗粒物。

研究方法

本研究提出了一种自动化方法，结合人工视觉技术和地理空间分析，利用MATLAB和QGIS整合航拍图像、LiDAR数据和地籍信息，识别适合GRs安装的屋顶面积及其CO₂封存潜力。方法考虑了屋顶坡度、结构条件和可用面积，确保其可扩展性和可复制性。

潜在屋顶面积确定

通过高分辨率地理参考图像和人工视觉技术（基于像素的图像分割），自动识别适合GRs安装的屋顶区域。使用Roof Detector和Slope Detector两个MATLAB代码，分别用于加载和选择屋顶图像，以及计算屋顶坡度。

不适宜坡度识别

利用LiDAR点云数据，通过Slope Detector代码自动排除坡度超过10°的屋顶。坡度计算采用k-means聚类算法，对建筑物点云进行分组，并通过线性拟合确定屋顶斜率。

虚拟地籍整合

将生成的二进制掩膜与地籍数据结合，创建统一的矢量图层，包含建筑物用途、楼层数等关键属性。最终生成的地理参考图层（Geo.Mask.CadastralCity）用于计算适合GRs安装的总面积。

CO₂封存计算

根据选定的GRs配置（CSB10-S基质和Silene Vulgaris植物），计算CO₂封存潜力。公式为：
CO_2Seq = TPRA · f_S
其中，TPRA为总潜在屋顶面积，f_S为CO₂封存因子（3.16 kg CO₂/m²·年）。

案例研究：瓦伦西亚

瓦伦西亚是西班牙第三大城市，拥有典型的地中海气候，年均太阳辐射为1,735 kWh/m²，相对湿度66%。研究覆盖了19个行政区中的17个，排除了非城市区域。

潜在屋顶面积

研究显示，瓦伦西亚总屋顶面积为18,405,212 m²，其中34%（6,246,173 m²）适合GRs安装。住宅建筑占71%的潜力面积，其次是公共建筑（12.22%）。

区域分布

Poblats Marítims和Quatre Carreres是潜力最大的行政区，分别占9.25%和9.15%的GRs面积。老旧城区如Benimaclet因屋顶面积较小，潜力有限。

CO₂封存潜力

GRs在瓦伦西亚的年均CO₂封存量为19,507吨，其中住宅建筑贡献70.66%。

结论

GRs作为城市可持续发展的重要工具，不仅能有效封存CO₂，还能改善微气候和空气质量。本研究提出的自动化方法为城市规划和气候政策提供了科学依据，未来研究将进一步探索GRs的节能效益和社会经济可行性。