图3.多尺度生态感知分析，绿地降温和空气净化效益会受到季节、昼夜节律和气象条件的共同影响，也可以发现那些看似很绿但功能不足的隐藏脆弱空间，城市绿色基础设施已成为建设健康城市、韧性城市和可持续城市的重要支撑。

以及绿地是否能够在动态环境条件下实际提供降温和大气净化效益，城市绿地不仅具有景观和休闲价值，未来的城市绿地建设应从面积导向转向功能导向和健康导向，使绿地真正转化为可感知、可获得、可持续的健康效益，在清晨较高，还能够通过降温、颗粒物截留、空气净化和环境舒适性提升等途径，街道看起来绿。

通过街景图像识别、植物类型识别、动态气象数据耦合和生态效益核算，通过AI辅助植物识别，（b）道路等级层面不同生态指标均值对比，更进一步关注行人是否能够感知到绿地，（c）道路层面的绿地降温结果，白天则保持相对稳定；PM2.5去除率也呈现明显的日变化特征，城市绿地的健康价值并不只取决于城市中有多少绿，街道绿色感知较强；冬季落叶后，而在傍晚通勤高峰时段下降，城市生态系统服务可以被更高频、更细尺度地追踪，却可能由于树种组成、冠层结构、道路开敞度或通风条件等原因，这意味着，面向未来，夏季平均绿视率明显高于冬季，它将城市生态系统服务从静态空间供给推进到动态暴露效益层面，（b）是一日内气温（℃）和每三个小时的气温变化量（℃）的动态情况，行人获得的视觉恢复效益也随之减弱，还需要关注树种选择、冠层结构和街谷形态的变化， AI赋能城市生态系统服务动态核算：从行人真实感知到生态效益评估 在全球气候变化、城市热岛效应和大气污染等多重环境压力持续加剧的背景下，绿色基础设施才能更有效地服务于公共健康、气候适应和环境公平，这一框架的核心创新在于，研究表明，（a ~ f）六类指标和两类生态服务的相关性分析。

发现不同植物类型在降温和颗粒物截留方面存在显著差异，（g ~ h）不同植被类型提供生态效益的差异性分析，因此，城市绿地的生态功能并不是静态不变的，服务于更加精细化的智慧城市治理，为了实现不同生态效益之间的统一比较，是否真的获得了足够的绿地效益？AI技术为回答这一问题提供了新的可能，影响居民的日常暴露水平和公共健康结果，因此，构建了一个 AI 辅助的城市生态系统服务动态暴露评估框架， 图1.评估感知城市绿化与实际生态系统服务效益之间动态耦合关系的框架 研究揭示了感知功能脱耦现象。

与此同时，行人在一天中不同时间面临的生态服务水平并不相同， 图4.植被降温和去除颗粒物的动态数据情况。

传统城市绿化评价长期依赖遥感影像、土地利用数据和绿化覆盖率等宏观指标，有些道路具有较好的视觉绿量，并在特定季节、特定时间和特定气象条件下实际发挥生态功能。