基于深度学习的34个美国城市的城市表面白度数据集,分辨率为次米

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 城市规划 城市规划

背景情况:

• 表面白度通过调节太阳能吸收和反射,显著影响城市热岛 (UHIs).
• 在超局部层面上了解城市热环境是很有挑战性的,因为缺乏高分辨率的白度数据.

研究的目的:

• 为34个美国主要城市创建第一个高分辨率的城市白色图.
• 为了使城市微气候和热舒适的详细分析.
• 为城市规划和环境监测提供有价值的数据.

主要方法:

• 利用先进的深度学习模型,特别是U-Net,用于不透水的表面分类和白色预测.
• 集成的多源遥感数据,包括NAIP图像,屋顶白度数据,建筑足迹,土地覆盖分类和Sentinel-2图像.
• 通过区分不透的表面白度 (ISA) 和透的表面白度 (PSA) 来实现次米分辨率的白度映射.

主要成果:

• 开发了高分辨率的城市白图,其准确性得到了验证:ISA R2为0.9028,PSA R2为0.9538.
• 在预测不透气和透气表面白度方面表现出高精度和可靠性.
• 将全面的数据集公开用于研究和应用.

结论:

• 生成的高分辨率的白度图对于对城市热力学有细致的了解至关重要.
• 这项研究为明智的城市规划和有效的环境管理策略提供了必要的数据.
• 公开可用的数据集将促进城市气候学和可持续发展的研究.