城市地区的演变与地表温度

Jan, 2024

Evolution of urban areas and land surface temperature

Sudipan Saha, Tushar Verma, Dario Augusto Borges Oliveira

TL;DR城市扩张导致了周边地区的淹没，而这种城市区域的扩张很可能导致土地表面温度增加。通过考虑每年夏季作为一个数据点，我们形成土地表面温度多年时间序列并进行聚类以获取时空模式。从这些模式中，我们观察到一些有趣的现象，如一些聚类与建筑区域具有合理的相似性，而具有高时空变化的位置更多地出现在周边地区。此外，城市发展活动倾向于某个方向，而土地表面温度的质心随着时间的推移也会发生变化。我们对三个不同大洲的三个城市进行了上述研究。

Abstract

With the global population on the rise, our cities have been expanding to accommodate the growing number of people. The expansion of cities generally leads to the engulfment of peripheral areas. However, such expansion of urban areas is likely to cause increment in areas with increased land surface temperature (LST). By considering each summer as a data poin

urban expansion land surface temperature spatio-temporal pattern built-up area development activities

发现论文，激发创造

利用长短期记忆网络（LSTM）和物联网（IoT）进行城市环境下局部表面温度预测

本文提出了一种基于 LSTM 深度学习网络的框架，用于以高空间分辨率生成未来一天每小时的气温预测，并利用纽约市的历史原位观测和物联网观测进行了案例研究，旨在解决在城市环境下，由于热岛效应导致空气温度预测存在空间分辨率和历史气候样本不足等问题。

Feb, 2021

基于 NASA 的 POWER 数据三十年的统计分析：加纳主要城市的全球变暖

研究了全球变暖对世界各地高温的影响，考察了代表不同气候区域的四个主要加纳城市的长期气温趋势。使用 NASA 的全球能源资源预测数据，进行统计分析评估局部气候变暖及其影响，并使用线性回归趋势分析和 eXtreme Gradient Boosting （XGBoost）机器学习预测温度变化，通过 RSLab 平台生成的陆地表面温度（LST）剖面图提高准确性。结果揭示了当地气候变暖的趋势，尤其是工业化的阿克拉。人口因素并不重要。XGBoost 模型的低均方根误差（RMSE）得分表明其在捕捉温度模式方面的有效性。华意外地拥有最高的平均温度。预计 2023 年中期的平均温度为：阿克拉 27.86°C，库马西 27.15°C，克特克拉奇 29.39°C 和华 30.76°C。这些发现有助于政策制定者和社区了解当地气候变暖，从而促进应对气候变化的策略。

Aug, 2023

利用卷积神经网络通过遥感数据进行最高温度预测

通过使用来自 Sentinel-3 卫星、气象预测和其他遥感输入的数据，本研究介绍了一种新颖的机器学习模型，旨在生成详细的时空地图，预测都灵市 24 小时内的最高温度。实验结果表明，该模型在预测温度模式方面表现出色，对于 2023 年分辨率为每像素 20 米的情况，均方根误差为 2.09 摄氏度，从而丰富了我们对城市气候行为的认识。这项研究增进了我们对城市微气候的理解，强调了跨学科数据整合的重要性，并为缓解极端城市温度的负面影响的知情决策制定奠定了基础。

May, 2024

DeepLCZChange：一种用于城市气候韧性的遥感深度学习模型架构

本研究利用数据驱动的深度学习体系结构和方法探究了城市土地利用结构对城市气候的影响，并通过纽约市的相关遥感数据验证了城市森林的冷却效应。

Jun, 2023

一种基于 CNN-LSTM 的预测城市扩张方法

本文提出了一种基于语义图像分割的新型两步方法来预测城市扩张，结合卷积神经网络和长短时记忆方法以学习时间特征，以多日期卫星影像数据在沙特阿拉伯的三个城市进行了实验评估，结果显示新的联合卷积神经网络 - 长短时记忆方法具有更好的性能表现。

Mar, 2021

气候敏感的城市规划通过优化树木布局

通过利用神经网络模拟不同时间尺度上的平均辐射温度，我们研究了优化城市中树木位置的挑战及相关效果，旨在帮助决策者、城市设计师和规划者主动有效地评估利用城市树木缓解热应激的潜力。

Oct, 2023

估计全球气温波动趋势的算法

本文提出使用极轨气象卫星的多分辨率气候数据来估计地球表面温度变化趋势的方法。通过开发两种专为密集网格观测设计的计算算法，我们评估了这些方法的性能，并计划跟踪云反射温度变化趋势。

May, 2018

气温变化对经济增长的长期影响：机器学习方法研究

本研究运用机器学习技术，分析伯克利地球的全球陆地表面温度数据以及世界银行的 GDP 和人口数据，研究了温度变化对经济增长的长期影响，发现了平均温度和 GDP 增长之间的显著关系，进而指出了气候变化对经济发展的重要影响，并展示了机器学习在揭示气候与经济关系的复杂性研究中的实用性。

Jun, 2023

利用高分辨率纵向热红外影像生成区域尺度地表温度数据

该论文描述了一个非接触式的技术 —— 红外热成像技术来收集数据和分析建筑环境，并介绍了一个位于新加坡的屋顶红外热成像观测站，可以以高时空分辨率监测区域内动态过程，并收集来自热带区域的遥感数据，数据包含在 10 个月内从两个位置平均每 10 秒钟拍摄的 1,365,921 张热像。

May, 2023

利用机器学习对卫星夜间灯光时间序列进行自适应建模，跟踪城市变化过程

本文提出了一种数据驱动方法来检测夜间卫星数据（NTL）中的城市变化，通过使用神经网络来预测过去的数据记录，比较模型预测与观察到的 NTL，采用异常检测方法来检测城市变化方向和程度，从而实现了从大规模未标记数据中高效地检测城市的变化过程。

Jun, 2023