《Sustainability》：UAVs in Urban Blue–Green Infrastructure Management: A Comprehensive Review of Sensors, Methods, and Applications
Mateusz Jakubiak,
Kamil Maciuk,
Firomsa Bidira and
Agnieszka Bieda
编辑推荐：
这篇综述（2018-2025年）批判性地评估了无人机（UAV）技术在城市蓝绿基础设施（BGI）管理中的前沿进展。文章超越传统描述，引入技术就绪度（TRL）框架量化分析各项技术（如RGB、多光谱、高光谱、LiDAR、热红外、原位采样传感器）的成熟度，揭示了从成熟的结构测绘到新兴的功能性环境评估之间存在的“成熟度鸿沟”。通过系统梳理应用领域、传感器技术、数据分析方法（机器学习/人工智能）及面临的瓶颈，为利用无人机数据驱动城市韧性提升和环境治理提供了坚实的循证基础。
应用领域：多维度的城市环境监视者
无人机的应用范围覆盖了城市蓝绿基础设施的各个维度。最主要的关注点（约39%的文献）集中在绿色基础设施（GI）的监测与管理上。利用搭载RGB、多光谱、激光雷达（LiDAR）等传感器的无人机，研究人员能够以前所未有的精细度进行植被结构表征、生物量估算、碳汇评估、物种分类以及生态系统服务（如缓解热岛效应）量化。例如，无人机可生成高分辨率三维点云和冠层高度模型，精确测量单棵树的高度和冠幅，为城市森林的精准管理提供数据支撑。深度学习和语义分割等先进技术则被用于自动化植被分类与变化检测。
其次，约30%的研究聚焦于蓝色基础设施（BI）的监测，核心是城市水体质量评估。无人机搭载的多光谱和高光谱传感器，通过光谱反演，能够有效监测水体浊度、悬浮物、叶绿素a、营养盐等关键水质参数。机器学习算法在其中扮演了核心角色，用于建立光谱信息与水质指标之间的预测模型。此外，无人机还能集成原位传感器进行实时测量，甚至配备机械采样装置采集水样，用于分析非光学活性污染物，为城市水体的保护和治理提供了灵活高效的工具。
此外，无人机还在其他交叉领域展现出独特价值。近6%的研究关注BGI与城市热环境的关联，利用热红外传感器精细测绘地表温度，量化绿地和水体的降温效应，为缓解城市热岛（UHI）提供证据。约7%的研究探索BGI中的人与自然互动，通过航拍影像分析公园使用强度、游客行为模式，为公共绿地的设计与管理提供社会维度洞察。另有约6%的文献涉及与BGI相关的空气质量监测，无人机搭载气体传感器，能够绘制污染物浓度的三维空间分布，追踪排放源。其余研究则属于土地覆盖变化监测等综合应用。
传感器阵列：无人机的“感官”工具箱
无人机的强大能力源于其搭载的多样化传感器，每种“感官”都针对特定的环境信息。
- •
RGB光学传感器：作为最基础、成本效益高的工具，主要用于高分辨率测绘、土地覆盖分类和植被结构可视化。其提供的超高分
辨率影像是进行精细特征识别（如单木树冠勾勒）的基础，并可通过摄影测量技术生成三维点云和数字表面模型。
- •
多光谱传感器：通过捕获近红外等波段信息，成为评估植被健康的利器。其核心产出是归一化差异植被指数等植被指数，可有效
监测植被生理胁迫、估算叶面积指数和生产力。同时，它也广泛应用于水质参数的光谱反演。
- •
高光谱传感器：具备数百个连续窄波段的探测能力，能识别细微的生化变化，是监测特定污染物、区分入侵物种、进行复杂分类
任务的尖端工具。但其数据量大、处理复杂、成本高昂，目前成熟度相对较低。
- •
热红外传感器：用于获取地表温度数据，是评估城市热岛效应和BGI（如绿地、水体、绿色屋顶）降温性能的关键。它能揭示植被
蒸腾冷却和遮荫效应的微观空间 pattern。
- •
激光雷达系统：通过主动发射激光脉冲，可穿透植被冠层，直接、精确地获取三维结构信息，用于生成数字地形模型、冠层高度
模型，估算生物量，是理解植被结构复杂性及其相关生态系统服务的基础。
- •
原位监测与采样系统：这代表了无人机从“遥感”到“接触式感知”的延伸。包括集成水质多参数探头进行实时原位测量，以及机械
式水样采集装置，用于实验室的化学成分分析。同样，无人机也能搭载多种气体传感器，用于大气污染物的垂直剖面监测和扩散追踪。
分析方法与数据流程：从数据到智能
海量无人机数据的价值释放，高度依赖于先进的分析方法。当前的研究重点和趋势包括：
- •
分类技术：机器学习和深度学习算法被广泛应用于植被物种、土地覆盖类型和水体的高精度自动分类。卷积神经网络、随机森林
、支持向量机等模型能够从高分辨率影像中自动提取特征，在复杂城市环境中实现高达93%以上的分类精度。
- •
目标检测：用于自动识别和盘点BGI资产，如单棵树木、灌木、小型水体等。针对无人机影像中小目标多、背景复杂的特点，研
究者发展了改进的检测架构，如引入注意力机制、孪生网络进行变化检测，以提升在密集城市场景下的识别鲁棒性。
- •
预测建模：这是实现从描述到预测跨越的关键。通过融合多光谱、热红外和激光雷达数据，利用机器学习模型可以预测植被健康
状态、生物量动态以及水质参数变化。这种数据驱动的方法支持对BGI生态系统服务功能的预见性评估。
讨论：机遇、差距与未来之路
对现有技术的技术就绪度评估揭示了一个显著的“成熟度鸿沟”：基于RGB、多光谱和激光雷达的结构测绘技术已非常成熟，可
用于常规业务化运行；而涉及功能性监测（如精确水质、空气质量的定量反演、复杂生态过程评估）的技术则大多仍处于实验验
证或试点阶段，其可靠性受城市复杂环境（如城市峡谷效应、辐射干扰）的制约较大。
当前研究另一个突出问题是应用隔离。大多数研究集中于“绿色”或“蓝色”单一要素，缺乏将蓝绿基础设施作为相互作用的耦
合系统进行综合监测的视角。未来需要发展能够融合多传感器数据、揭示蓝绿要素间协同效应（如植被蒸腾降温与水体调节微气候
的联合作用）的集成分析方法论。
此外，技术能力与治理需求之间存在脱节。尽管能产出高度精细的数据，但如何将其转化为城市管理者可理解、可操作的标准化
生态健康指标，仍需构建有效桥梁。同时，经济成本效益分析的缺乏、空域管制、隐私保护等社会经济与法规约束，也
是无人机技术大规模融入城市环境常规治理所必须面对和解决的挑战。
综上所述，无人机为城市蓝绿基础设施的精准、动态管理带来了变革性工具。未来通过推动多传感器融合、开发系统级分析框架、
提升技术标准化与自动化水平，并积极应对非技术性瓶颈，无人机技术有望从先进的科研仪器，转化为支撑城市韧性建设和可持续
环境治理的常规化、业务化核心手段。
