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

Harsh Kamath, Manmeet Singh+9 more|arXiv (Cornell University)|May 24, 2022

Urban Heat Island Mitigation参考文献 31被引用 11

一句话总结

UT-GLOBUS 是一个全球城市建筑高度和城市冠层参数数据集，涵盖超过1,200座城市，通过整合ICESat-2和GEDI卫星测高数据并结合机器学习模型生成。该数据集可支持高分辨率城市气候模拟，在气温建模中将均方根误差（RMSE）降低55%，并在巴尔的摩市的人体热舒适度预测中实现白天2.85°C的RMSE。

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.

研究动机与目标

• 解决城市气候建模中缺乏全球一致、高分辨率建筑高度数据的问题。
• 通过整合卫星测高与机器学习技术，提升城市尺度和街道尺度城市气候模拟的精度。
• 通过更高空间分辨率支持城市灾害模拟、热岛缓解策略及建筑能耗分析。
• 克服现有城市气候区（LCZ）表格在城市气象建模中的局限性。

提出的方法

• 结合ICESat-2和GEDI的开源星载测高数据与粗分辨率城市冠层高程数据。
• 采用机器学习模型，基于多源卫星数据估算建筑级高度和城市冠层参数（UCPs）。
• 利用六座美国城市及汉堡、悉尼等城市的LiDAR衍生真实值对预测结果进行验证。
• 将数据集应用于WRF-Urban模型进行城市气象模拟，以及应用于SOLWEIG模型进行人体热舒适度评估。
• 采用1平方公里网格单元平均高度验证方法，评估在多样化城市环境中的空间一致性。
• 在芝加哥、奥斯汀和巴尔的摩等多个城市测试案例中对数据集进行校准与评估。

实验结果

研究问题

• RQ1 机器学习模型能否有效融合ICESat-2与GEDI卫星测高数据，实现城市尺度上高精度的全球建筑高度估算？
• RQ2 与传统基于LCZ的方法相比，UT-GLOBUS在WRF-Urban模型中如何提升城市内部气温的表征精度？
• RQ3 UT-GLOBUS在SOLWEIG模型中支持街道尺度人体热舒适度模拟的程度如何？
• RQ4 UT-GLOBUS在真实城市环境中对建筑能耗和热岛缓解效果的预测精度如何？
• RQ5 该数据集能否在具有不同城市形态的全球多样化城市中实现一致且高分辨率的城市气候建模？

主要发现

• 在六座美国城市的LiDAR数据验证下，UT-GLOBUS在建筑级高度估算中实现了9.1米的均方根误差（RMSE）。
• 在汉堡和悉尼的数据验证下，1平方公里网格单元内平均建筑高度的RMSE为7.8米。
• 将UT-GLOBUS集成到WRF-Urban模型后，与标准LCZ方法相比，休斯顿市城市内部气温表征的RMSE降低了55%。
• 在马里兰州巴尔的摩市，使用UT-GLOBUS与SOLWEIG模型进行街道尺度平均辐射温度模拟，白天的RMSE为2.85°C。
• 该数据集在芝加哥市和奥斯汀市成功实现了热岛缓解策略与建筑能耗的精确模拟，证明其在城市规划中的实用价值。
• UT-GLOBUS 提供了一种可全球扩展、公开获取的高分辨率城市气候建模解决方案，克服了以往在城市和街道尺度上的数据局限。