空气污染每年夺走 700 万人的生命。砖瓦制造行业是最大的煤炭消费者之一，导致印度 - 恒河平原（印度次大陆人口密集地带）空气污染的 8%-14%。由于砖瓦窑是一个无组织的部门，并且数量庞大，所以检测与居住地的距离等政策违规行为并不容易。空气质量和其他领域的专家依赖于人工手动标注来维护砖瓦窑清单。以往的研究使用基于计算机视觉的机器学习方法从卫星图像中检测砖瓦窑，但其范围有限且标记数据的工作量很大。本文中，我们提出了一个框架，用于在像印度这样大的国家中部署可扩展的砖瓦窑检测系统，并从印度 - 恒河平原的 28 个地区的 5 个州识别出 7477 个新的砖瓦窑。然后，我们展示了检查政策违规行为（如高空间密度的窑炉和某一地区随时间异常增长）的有效方式。我们发现 90% 的德里 - 国家首都区的砖瓦窑违反了基于密度的政策。我们的框架可以直接被全球各国政府采用，以自动化砖瓦窑的政策监管。

Feb, 2024

利用航拍图像进行城市规划和管理，需要对建筑物进行检测和信息提取，并聚类分类，以便回答重要问题，如地震疏散路线规划、洪涝管理等。

Feb, 2023

采用机器学习模型，分析卫星影像，利用地理空间开放数据、高分辨率卫星影像和开源工具，通过对布宜诺斯艾利斯地区已知的垃圾倾倒场地进行训练，快速低成本地预测其他区域可能存在的非法垃圾倾倒场地的位置。这种技术能够帮助更好地解决全球南方城市都面临的严重问题，并有望成为一项全地图表非法垃圾倾倒场地的工具。

Oct, 2021

该研究提出采用计算机视觉技术分析社交媒体上的照片来监测中国主要城市的空气质量，并与官方 PM 2.5 记录进行相关性分析，研究表明该基于图像的方法具有预测和监测空气污染的潜力。

Aug, 2015

利用 Pix2Pix 模型，通过多光谱卫星图像生成黑白灰云图像，为准确划定灰云提供了一种有效且可应用于全球各地的管理风险工具。

Jul, 2023

使用地球观测和深度学习方法，该论文旨在充分利用完全卷积神经网络来实现多类建筑物实例分割，以实现相对较高的像素度量分数，进而在缺乏适当城市规划的地区实现密集区域和贫民窟地区的高准确性结果，并以黎巴嫩为案例，成功产生了首个包含约 100 万个单位且准确率达 84% 的综合性国家建筑物足迹地图。

Apr, 2024

本文使用 50cm 卫星图像，通过建筑检测模型训练管道，对非洲进行了建筑物检测，包括模型体系结构、损失函数、正则化、预训练、自训练和后处理等方法，取得了较好的性能。

Jul, 2021

我们引入了 RISE，这是第一个用于识别工业烟雾排放的大规模视频数据集，它采用市民科学方法与当地社区协作以注释视频中是否有烟雾排放，数据集包含来自三种不同工业设施监测相机的 19 个视角的 12,567 个剪辑，并使用深度神经网络进行实验，以建立强大的性能基线并显示烟雾识别挑战。通过我们的调查研究，我们讨论了社区反馈，并显示了将市民科学家和人群工作者纳入人工智能应用于社会影响领域的机会。

May, 2020

利用遥感技术和深度卷积神经网络，分析大规模卫星图像数据中的城市土地利用模式，并提供数据集以供遥感应用的机器学习研究人员使用。

Apr, 2017

利用航空影像进行环境犯罪监测，通过训练跨领域模型，分析不同图像分辨率对废物分类的影响，并提出改进图像质量的方法，但需要小心阈值的微调。

Apr, 2024