[論文レビュー] Super-Resolution of Near-Surface Temperature Utilizing Physical Quantities for Real-Time Prediction of Urban Micrometeorology

Yuki Yasuda, Ryo Onishi+3 more|arXiv (Cornell University)|Aug 2, 2021

Urban Heat Island Mitigation被引用数 4

ひとこと要約

本稿では、スキップ接続とチャネルアテンションを備えた畳み込みニューラルネットワークを用いて、都市部における近地表面温度の分解能を低分解能（20 m）から高分解能（5 m）に向上させる物理情報付きスーパーレゾリューション（SR）モデルを提案する。東京における建物解像度を持つ大渦シミュレーション（LES）で訓練され、大阪へ一般化されたモデルは、バイキュービック補間法や温度のみを入力とするSRモデルを上回り、建物の高さが建物境界付近での誤差低減および日射量の変動に伴う熱的精度向上に最も重要であることが示された。

ABSTRACT

The present paper proposes a super-resolution (SR) model based on a convolutional neural network and applies it to the near-surface temperature in urban areas. The SR model incorporates a skip connection, a channel attention mechanism, and separated feature extractors for the inputs of temperature, building height, downward shortwave radiation, and horizontal velocity. We train the SR model with sets of low-resolution (LR) and high-resolution (HR) images from building-resolving large-eddy simulations (LESs) in a city, where the horizontal resolutions of LR and HR are 20 and 5 m, respectively. The generalization capability of the SR model is confirmed with LESs in another city. The estimated HR temperature fields are more accurate than those of the bicubic interpolation and image SR model that takes only the temperature as its input. Except for the temperature input, the building height is the most important to reconstruct the HR temperature and enables the SR model to reduce errors in temperature near building boundaries. The SR model considers the appropriate boundary for each building from its height information. The analysis of attention weights indicates that the importance of the building height increases as the downward shortwave radiation becomes larger. The contrast between sun and shade is strengthened with the increase in solar radiation, which may affect the temperature distribution. The short inference time suggests the potential of the proposed SR model to facilitate a real-time HR prediction in metropolitan areas by combining it with an LR building-resolving LES model.

研究の動機と目的

• スーパーレゾリューション（SR）技術を用いて、都市部の近地表面温度について、リアルタイムかつ高分解能の予測手法を開発すること。
• 温度以外の物理量を組み込むことで、低分解能（LR）都市マイクロメテオロジカルシミュレーションの精度を向上させること。
• 東京と大阪のような異なる都市環境におけるSRモデルの一般化能力を評価すること。
• 物理的入力（特に建物の高さと日射量）がSR性能と物理的一致性を向上させる役割を解明すること。
• 低分解能LESシミュレーションと組み合わせることで、リアルタイムな高分解能（HR）温度予測を可能にすること。

提案手法

• SRモデルは、特徴再構築中に空間的詳細を保持するためにスキップ接続を備えたU-Netに類似したアーキテクチャを採用する。
• 近地表面温度、建物の高さ、下向き短波放射、水平風速という4つの入力モダリティごとに分離された特徴抽出器を用いる。
• チャネルアテンション機構により、各入力特徴の重要性を動的に重み付けし、日射量が強い状況では建物の高さに高い注目度が割り当てられる。
• モデルは、東京における建物解像度を持つ大渦シミュレーション（LES）から得たペアドの低分解能（20 m）および高分解能（5 m）温度場を用いて訓練される。
• 一般化性能は、大阪の独立したLESデータセットを用いてテストされ、異なる都市形状に対しても堅牢であることが確認された。
• 推論時間は短く、低分解能マイクロメテオロジカルモデルとのリアルタイム統合が可能である。

実験結果

リサーチクエスチョン

• RQ1 1つの都市で訓練されたディープラーニングベースのスーパーレゾリューションモデルが、異なる形状を持つ別の都市に一般化可能か？
• RQ2 建物の高さや日射量といった物理的量が、高分解能温度場の再構築能力にどのように影響するか？
• RQ3 温度のみを入力とするモデルと比較して、物理的入力を組み込むことで、どの程度SRの精度が向上するか？
• RQ4 アテンション機構は、日差しを受ける面と陰の面の対比といった物理的関係をどのように反映しているか？
• RQ5 低分解能LESシミュレーションと組み合わせることで、モデルがリアルタイムでの高分解能予測を達成できるか？

主な発見

• 提案されたSRモデルは、東京および大阪の両シミュレーションにおいて、バイキュービック補間法や温度のみを入力とするSRモデルを著しく上回り、高分解能温度場の再構築性能を発揮した。
• 温度に次いで最も影響力のある入力は建物の高さであり、建物境界付近での誤差低減に寄与し、都市構造における熱勾配を認識可能にした。
• モデルのアテンション機構は、下向き短波放射が増加するにつれて建物の高さに高い重みを割り当て、日差しを受ける面と陰の面の間の熱的対比が顕著になるのを反映している。
• 再トレーニングなしに別の都市（大阪）に対しても良好な一般化性能を示し、都市形状の違いを越えた高い転送性を示した。
• 推論時間は十分に短く、低分解能LESモデルと組み合わせることで、リアルタイムでの高分解能予測が可能である。
• 損失関数に明示的な物理制約を設けないままでも、LESデータから物理的関係が暗黙的に学習されており、トレーニングデータから物理的一致性が出現していることが示唆された。