卫星图像的计算机分析忽视了一些城市地区

在胡志明市，卫星图像的计算机分析忽视了一些城市地区。为了把他们也包含在内，我们不能只“仰望星空”，还需“脚踏实地”。

胡志明市郊区的鸟瞰图

测绘一座城市的建筑物可能看起来像是一个简单的任务，通过设置一台计算机读取卫星照片就可以轻松实现自动化测绘。由于静止不动的建筑物在空旷的地面上很是明显，所以它们可以被环绕在地球周围的的人造卫星记录下来。然后，计算机可以“读取”这些卫星照片，这些照片就像我们日常拍的照片一样是像素化图像，只是它们携带了更多从各种表面反射的光波的信息。这些信息可以帮助确定建筑材料的种类，甚至可以确定图像中出现的植物种类。其他的模型也与可预测的对象相匹配，如道路的笔直或河流的弯曲。

然而事实比这更加复杂。当三个不同的研究小组（包括我在南加利福尼亚大学的研究小组）处理那些几乎相同的2000年代胡志明市快速城市化的图像时，我们得到了完全不同的结果。所有三个小组都对市中心的位置的确定达成了一致，但我们却都使用了不同的方法来测绘城市周边地区。在那些周边地区，全球南方的大多数特大城市展现了它们最戏剧性的物质增长。特别是，我们在城市的南部沼泽地区发现了更多的非正规自建住房。

这很重要，因为城市规划者需要使用测绘来分析城市。他们要确定人口居住的地方，并根据这些信息制定公共服务和投资计划。如果定居点没有被绘制出来，它们在政府眼中就是不存在的。更糟糕的是，我观察到的那些生活在低质量、自建住房中的人，那些在外围地区居住的人，已经被更加边缘化了：他们往往是低收入人群和移居此地的外地人。他们也更多地定居于那些如洪水和泥石流等自然灾害频发的地质脆弱地区。不可否认，卫星图像对于城市规划确实是有用的，但仅仅依靠它们所提供的信息，而去不核实真实的情况，就会伤害到世界上最脆弱的那群人。

技术对不平等的社会结构的影响终于得到了一些急需的关注。当智慧城市的政府依靠计算机算法来加速工作时，他们也可能会将一些无意的偏见嵌入市政运作中，从而导致种族偏见的刑事判决、信息搜索和资金获取等情况。

造成这种嵌入的偏见的原因之一是，代码是由人创造的，而人们往往又是根据自己知识框架中的假设和关于社会是如何运作和组织的经验来编写代码的。随着设计者了解到其带来的不公正和错误的结果时，克服这些问题的一个策略就是让他们拥有更多不同的经验和世界观来编写代码。另一个策略是建立一个更加透明和民主的纠正和改进程序。

与刑事司法或监督相比，城市规划中的算法公平受到的关注度较低。但土地使用和城市基础设施的风险是很高的。在人类历史上，大多数人是第一次居住在城市之中。造成这一历史性转变的原因是因为全球南方的快速城市化，而这主要是由农民工的大量涌入带来的。尽管他们来到资源较少的城市，但这些新的城市居民通过提供大量低成本劳动力，帮助推动了城市经济的发展。与此同时，反移民情绪也引起了人们对于他们在城市中生活的权利越来越大的争议，这迫使新移民在岌岌可危的情况下勉强维持生计。

在胡志明市，三分之一的就业机会都在非正规部门。统计这些人的传统方法，例如普查问卷和实地调查，往往管理成本高，而且很快就过时了，因为通常每10年才收集一次。此外，这些方法通常不包括那些可能发生在官方城市边界之外的新城市化。当他们生活在监管机构及其文件流程之外时，统计这些新的城市移民和他们的非正规生计就变得十分困难。他们的定居点的位置和模式往往是没有规划的。因此，一些最贫穷的居民往往生活在没有公共下水道、排水沟、固体废物回收站和其他基础设施系统的危险地区。

像卫星图像这样的新技术则为这一盲点提供了一种有希望的补救措施。卫星图像的分辨率各不相同，但总体而言，这些年来有所增加。在20世纪90年代，一个典型图像的单个像素可能代表了约30平方米的土地面积。到2000年，像素已经达到10米或更少，而现在0.5米（1.5英尺）的分辨率也都是可能的。现在的图像还包含了更多的数据，使人们可以识别建筑物高度，植物种类和其他环境细节。最重要的是，卫星不断环绕地球运行，收集一致、可靠和低成本的数据。通过远程从机器收集信息，可以更广泛地覆盖城市地区，而一致的收集可以更好地确定基准和检测变化。现在的我们比以往任何时候都能更清楚地了解到较大城市地区的变化。

对于城市规划者来说，最大的瓶颈就是如何处理这些数据。尽管我们在操纵和解释数据方面取得了进展，但我们的模型有可能与实际情况脱节。研究人员主要是坐在办公室进行这项计算研究，最终对他们在数据中看到的情况做出假设。

一个常见的假设是，那些有光泽、干燥的东西都是城市的。也就是说，城市空间是指那些使用混凝土等农村地区所没有的建筑材料的空间。从卫星图像上看，城市空间也被假设呈现几何空间模式，如直线道路和连续的直线建筑。这些假设可能适用于计划中的正式城市发展，就像在城市中心一样。但非正式的城市结构可能会使用有较少光泽、潮湿的材料，如植物材料。这些自建的建筑也可能不排成一条直线，并按一定的间隔排列。

为了克服这些问题，我的研究小组对我们的测绘进行了基于实地现场作业的计算模型的实验，这种模型通常被称为地面实验。我进入了西贡南面的沼泽地，证实了，是的，一张照片中的模糊光点绝对是一座房子。我们修改了一个算法来反映这个现实，允许那些光泽稍暗的东西被归类为城市，如果该地区的纹理过于多样化，不可能是农村植被的话。通过实地调查确定的参数，我们的结果比用传统方法所得到的结果多了12%的新城市化土地面积。

为了弄清楚为什么我们的结果有所不同，我们在2017年世界银行会议上与其他两个研究小组召开了一次小组会议。我们想了解我们的不同结果如何影响城市管理，以及如何相应地调整城市研究的技术。我们发现，这三组研究之间的差异源于研究人员使用卫星图像的特殊兴趣。也就是说，他们取得的成果基本上是由他们开始进行城市数据分析工作的目标所决定的。

我的研究是以国际发展政策对改善不合格住房的兴趣为背景的，尤其侧重于对越南的关注。纽约大学小组的研究是衡量世界上100多个城市的城市扩张情况的大型项目的一部分，他们试图建立标准化的全球城市指标，以提供更全面的世界各区域历史图景。与此同时，世界银行委托威斯康星大学麦迪逊分校作为其东亚城市化数据计划的一部分。威斯康星大学团队研究的是城市蔓延情况，以评估提供基础设施的成本是多少。测绘房屋和建筑物似乎是一项简单易行的任务，但将数据转换成信息则取决于项目执行机构和资助机构的目标。

在胡志明市，基于卫星图像的城市测绘不同的方法和目标产生了不同的结果。

上图显示了我们的结果在城市边缘变化的比较。我们三个小组都对城市的中心地区达成了一致，那里是明确的城市，颜色是黑色的。然而，紫色区域显示，只有威斯康星大学的研究人员将该城市的北部大片地区划分为城市地区，因为那里的地质条件比较干燥。纽约大学小组和南加利福尼亚大学小组都对更详细的区域进行了分类，我的小组特别强调了在南部较潮湿地区的较小规模的开发，用黄色表示。

如果当地政府仅利用其中一项研究来作出政策决定，那么他们可能会把重点放在城市的不同地区，以促进公共服务和基础设施的发展。如果政府忽视了那些非正规城市化出现的地区，特别是那些在易受洪水侵袭的河流附近的低洼地区，再加之它们没有灾害和恢复规划，这些不稳定的地区将面临更大的风险，更不用说规划未来的交通和基础设施发展、气候变化的洪水适应以及灾后重建的需求。

向城市规划人员提供日益复杂和自动化的土地使用数据的方法，有望减轻地方官员的一些信息差距。但事实上，如果不加以关注，这些计算方法可能会带来比它们正在取代的手工工作更多的持续盲点。要解决这些问题，地方政府仍然需要质疑他们所收到的信息。他们不应该把这些数据视为真实的现实，而应该参与其创造的过程，除了轨道上的卫星和世界各地的研究人员所生产的信息，他们还需加入自己对当地的了解和知识。

当然，这需要地方政府做出更多的努力，而这些地方政府一开始往往在时间和资源上都捉襟见肘。他们需要帮助。为了保护所有新的都市人，特别是最脆弱的那群人，将需要技术专家、社区组织和人类学家之间的更大整合。除了通过复杂数据模型处理的高分辨率卫星图像外，全球各城市还需要有关实地情况的信息，而这种知识的形成最好来自于实地参与和地面实况调查。唉，这意味着我们不能仅仅从实验室用遥感图像来管理城市。但是，当你停下来思考这个问题时，如果你不这样想，那才是一件怪事。