[논문 리뷰] GLObal Building heights for Urban Studies (UT-GLOBUS) for city- and street- scale urban simulations: Development and first applications

Harsh Kamath, Manmeet Singh외 9명|arXiv (Cornell University)|2022. 05. 24.

Urban Heat Island Mitigation참고 문헌 31인용 수 11

한 줄 요약

UT-GLOBUS는 ICESat-2와 GEDI 위성 고도 측정 데이터를 기반으로 기계학습 모델을 통합하여 1,200개 이상의 도시에 대한 건물 높이와 도시 캄라 파라미터를 포함한 글로벌 데이터셋이다. 이 데이터셋은 고해상도 도시 기상 시뮬레이션을 가능하게 하며, 기상 모델링에서 RMSE를 55% 감소시키고 볼티모어에서 일일 RMSE 2.85°C로 인간의 체감 기온 예측을 향상시킨다.

ABSTRACT

We introduce University of Texas - Global Building heights for Urban Studies (UT-GLOBUS), a dataset providing building heights and urban canopy parameters (UCPs) for more than 1200 cities or locales worldwide. UT-GLOBUS combines open-source spaceborne altimetry (ICESat-2 and GEDI) and coarse-resolution urban canopy elevation data with a machine-learning model to estimate building-level information. Validation using LiDAR data from six US cities showed UT-GLOBUS-derived building heights had a root mean squared error (RMSE) of 9.1 meters. Validation of mean building heights within 1-km^2 grid cells, including data from Hamburg and Sydney, resulted in an RMSE of 7.8 meters. Testing the UCPs in the urban Weather Research and Forecasting (WRF-Urban) model resulted in a significant improvement (55% in RMSE) in intra-urban air temperature representation compared to the existing table-based local climate zone approach in Houston, TX. Additionally, we demonstrated the dataset's utility for simulating heat mitigation strategies and building energy consumption using WRF-Urban, with test cases in Chicago, IL, and Austin, TX. Street-scale mean radiant temperature simulations using the Solar and LongWave Environmental Irradiance Geometry (SOLWEIG) model, incorporating UT-GLOBUS and LiDAR-derived building heights, confirmed the dataset's effectiveness in modeling human thermal comfort in Baltimore, MD (daytime RMSE = 2.85 C). Thus, UT-GLOBUS can be used for modeling urban hazards with significant socioeconomic and biometeorological risks, enabling finer scale urban climate simulations and overcoming previous limitations due to the lack of building information.

연구 동기 및 목표

• 도시 기상 모델링을 위한 글로벌 일관성 있고 고해상도 건물 높이 데이터의 부족을 해결하기 위해.
• 위성 고도 측정 데이터와 기계학습을 융합하여 도시 및 스트리트 수준의 도시 기상 시뮬레이션 정확도를 향상시키기 위해.
• 더 높은 공간 해상도를 제공함으로써 도시 위험 요소, 열 완화 전략 및 건물 에너지 사용을 시뮬레이션할 수 있도록 하기 위해.
• 기존의 국지 기상대역(LCZ) 표의 도시 기상 모델링에서의 한계를 극복하기 위해.

제안 방법

• ICESat-2와 GEDI의 오픈소스 위성 고도 측정 데이터를 고해상도 도시 캄라 고도 데이터와 융합한다.
• 다중 소스 위성 데이터에서 기계학습 모델을 활용해 건물 수준의 높이와 도시 캄라 파라미터(UCPs)를 추정한다.
• 미국의 6개 도시와 함부르크, 시드니 등 추가 도시에서 라이다 기반 실제 측정값을 활용해 예측값을 검증한다.
• 도시 기상 시뮬레이션을 위해 WRF-Urban 모델에, 인간 체감 기온 평가를 위해 SOLWEIG 모델에 데이터셋을 적용한다.
• 다양한 도시 환경에서 공간 일관성을 평가하기 위해 1km² 격자 셀의 평균 높이 검증 방법을 사용한다.
• 시카고, 오스틴, 볼티모어 등 여러 도시 테스트 케이스에서 데이터셋을 校정하고 평가한다.

실험 결과

연구 질문

• RQ1 기계학습 모델이 ICESat-2와 GEDI 위성 고도 측정 데이터를 효과적으로 융합하여 도시 수준에서 정확한 글로벌 건물 높이 추정치를 도출할 수 있는가?
• RQ2 UT-GLOBUS는 기존 LCZ 기반 방법과 비교해 WRF-Urban 모델에서 도시 내 기상 온도의 표현을 얼마나 향상시키는가?
• RQ3 UT-GLOBUS는 SOLWEIG 모델을 활용해 스트리트 수준의 인간 체감 기온 시뮬레이션을 어느 정도 지원할 수 있는가?
• RQ4 UT-GLOBUS는 실제 도시 환경에서 건물 에너지 소비와 열 완화 결과를 얼마나 정확하게 예측하는가?
• RQ5 UT-GLOBUS는 다양한 도시 형태를 가진 글로벌 도시들 간에 일관되고 고해상도의 도시 기상 모델링을 가능하게 하는가?

주요 결과

• UT-GLOBUS는 미국의 6개 도시에서 라이다 기반 실제 측정값과 비교해 건물 수준의 높이 예측에서 9.1미터의 루트 평균 제곱 오차(RMSE)를 기록했다.
• 함부르크와 시드니의 데이터를 활용한 1km² 격자 셀 내 평균 건물 높이 예측에서 RMSE는 7.8미터였다.
• UT-GLOBUS를 WRF-Urban 모델에 통합함으로써 텍사스주 휴스턴에서 도시 내 기상 온도 표현의 RMSE가 기존 LCZ 기반 접근법 대비 55% 감소했다.
• 메릴랜드주 볼티모어에서 SOLWEIG 모델을 사용한 스트리트 수준의 평균 복사온도 시뮬레이션에서 일일 RMSE는 2.85°C였다.
• 시카고, 일리노이주와 오스틴, 텍사스주에서 UT-GLOBUS는 열 완화 전략과 건물 에너지 소비의 정확한 시뮬레이션을 가능하게 하여 도시 계획 분야에서의 유용성을 입증했다.
• UT-GLOBUS는 도시 및 스트리트 수준의 이전 데이터 한계를 극복하는 글로벌로 확장 가능한 오픈 액세스 솔루션을 제공하며 고해상도 도시 기상 모델링을 가능하게 한다.