南加州大学研究团队近日成功开发出一款低成本人工智能树冠测绘工具，旨在协助城市精准规划绿化以应对日益频发的极端高温。该成果已于2026年发表于《Remote Sensing》期刊。 与传统依赖昂贵激光雷达或商业卫星影像的测绘方式不同，该工具整合了美国农业部免费提供的周期性航空影像，结合深度学习算法实现高精度树冠识别。项目核心研究员约翰·威尔逊指出，精细的树冠数据是城市优化植树投资、提升降温效益的关键。系统在洛杉矶高密度社区测试中表现优异，且无需重新训练即可直接适用于旧金山与凤凰城，展现出极强的跨地域泛化能力。 目前，该工具对应的ArcGIS深度学习模型已在Esri平台获得超过一万两千次下载，相关算法与模型已完全开源，大幅降低了基层市政部门应用人工智能的门槛。未来，团队计划将该工具与免费激光雷达数据融合，实现树冠三维高度与遮阳效益的精准测算。该成果不仅落实了南加州大学的人工智能战略部署，也为全球城市构建气候韧性环境提供了高效、可复制的技术范式。