使用微调的地理空间基础模型检测与模拟城市热岛效应

随着城市化和气候变化的推进，城市热岛效应变得越来越频繁和严重。为了制定有效的缓解计划，城市需要详细的气温数据。然而，基于传统机器学习模型和有限数据基础设施的预测分析方法往往提供不准确的预测，尤其是在服务不足的地区。在此背景下，基于非结构化全球数据训练的地理空间基础模型展现出强大的泛化能力，并且只需极少的微调，为传统方法受限的预测提供了一种替代方案。本研究对一个地理空间基础模型进行微调，以预测未来气候情景下的城市地表温度，并利用模拟的植被策略探索其对土地覆盖变化的响应。微调后的模型实现了低于 1.74 °C 的像素级降尺度误差，并与地面真实模式保持一致，展示了高达 3.62 °C 的外推能力。