城市物质代谢（Urban Metabolism, UM）的精准监测对于通过循环经济策略减轻环境影响至关重要。然而，依赖统计年鉴的传统“自上而下”方法存在数据滞后严重、空间细节缺失等局限，难以捕捉快速城市化过程中的精细代谢动态。针对上述挑战，中国科学院城市环境研究所陈伟强团队结合多源卫星遥感数据，构建了一个“自下而上”、空间显式的物质代谢模型以精准追踪城市建筑的代谢过程及其背后的隐含碳平衡动态（隐含排放与水泥碳汇）。

研究团队基于多源遥感数据整合了多种机器学习模型成功精准识别了城市建筑的足迹、高度、类型等属性，通过长时间序列遥感数据与时间分割算法识别了建筑的建造与拆除过程，成功恢复了厦门市过去30年的城市三维建筑动态变化过程。通过耦合物质流分析模型、生命周期评估和水泥碳化动力学模型，成功追踪了厦门市1990-2020年的城市物质代谢与隐含碳动态。

本研究打开了城市建筑物质代谢在时间、空间上的“黑箱”，在传统建筑隐含碳排放评估框架的基础上补充了由物质代谢所驱动的碳化过程（碳汇）评估，同时突破了城市代谢研究中长期存在的数据获取瓶颈，建立了一套可推广、高精度的卫星遥感监测路径。研究阐明了城市化进程中物质流动的时空演变过程、揭示其背后的时空代谢规律，证实了利用遥感技术全面、精准开展“城市矿产勘探”的可行性。本研究通过量化建筑全生命周期背后的隐含碳平衡过程，为制定精细化的城市循环经济政策、建筑废弃物资源化管理及“净零”排放路径提供了坚实的科学依据。

研究成果以“A Satellite-Driven Model for Monitoring Urban Material Metabolism, Embodied Emissions, and Carbonation”为题发表在在环境科学领域旗舰期刊Environmental Science & Technology上。中国科学院城市环境研究所博士生聂宇为论文第一作者，中国科学院城市环境研究所刘宇鹏副研究员与陈伟强研究员为共同通讯作者，作者团队还包括中国科学院城市环境研究所博士生毛婷、陈颖环和硕士生刘盈紫薇。本研究得到了国家重点研发计划（2024YFE0208700）、国家科技重大专项（2025ZD1204201）、国家自然科学基金（42271298）、中国科学院城市环境研究所“揭榜挂帅”项目（IUE-JBGS-202201）以及中国科学院青年创新促进会（2022307）的资助。

原文链接

图1 模型框架

（文：城市资源环境大数据与人工智能创新团队；图：城市资源环境大数据与人工智能创新团队）