IDEAtlas：利用人工智能与地球观测数据绘制全球城市贫困区域地图

IDEAtlas项目通过融合多源卫星数据与深度学习技术，开发自动识别城市贫困区域（DUA）的AI系统，支持联合国可持续发展目标监测，已在全球十余个城市落地应用。该项目由欧洲航天局资助，旨在为政策制定者和城市规划者提供决策支持。

全球超十亿人居住在贫民窟或非正规住区，准确识别DUA对实现联合国SDG 11.1.1指标至关重要。传统方法面临成本高、耗时久、标准不统一、数据过时等挑战，亟需新技术解决方案。

多源数据融合

整合Sentinel-1 SAR、Sentinel-2多光谱、建筑密度数据（PBD）及参考标签数据。

多分支卷积神经网络（MB-CNN）

采用U-Net风格编码器-解码器结构，早期融合策略，轻量化设计以提升效率。

IDEABench基准数据集

动态数据集，涵盖全球多样城市样本，可免费获取并持续优化。

核心试点城市

拉丁美洲（墨西哥城、麦德林等）、非洲（拉各斯、内罗毕）、亚洲（孟买、雅加达）。

扩展合作城市

洪都拉斯特古西加尔巴、危地马拉城、几内亚比绍比绍等多个城市，验证方法在不同气候、城市形态下的适用性。

政策支持：提供及时准确数据助力政策制定与资源分配；社区赋能：让本地社区参与数据反馈；方法学贡献：发表论文为遥感与AI交叉领域提供参考；开源共享：代码和数据集开源促进协作。未来有望成为全球城市贫困监测的重要基础设施。

团队由特文特大学ITC学院、GeoVille公司等组成；顾问委员会包括欧洲航天局、联合国统计司、联合国人居署等机构专家，确保科学严谨性与政策相关性。