基于微气候影响预测的城市热岛检测与仿真——微调地理基础模型
计算机视觉与模式识别
2025-10-22 v1
摘要
随着城市化和气候变化的推进，城市热岛效应日益频繁且严重。为了制定有效的减缓计划，城市需要详细的空气温度数据，但常规机器学习模型在数据有限的情况下往往产生不准确的预测，尤其是在服务不足的地区。训练于全球非结构化数据的地理基础模型表现出强大的泛化能力，只需最小化微调即可。本研究通过量化绿地的散热效果并对其进行基准测试以评估模型准确性，建立了城市热图案的经验性真实值。随后对该基础模型进行微调，以预测未来气候情景下的地表温度，并通过仿真 inpainting 展示其在减缓支持中的实际价值。结果表明，基础模型为在数据稀缺地区评估城市热岛减缓策略提供了强大的能力，以支持更具气候韧性的城市。
关键词
引用
@article{arxiv.2510.18773,
title = {Detection and Simulation of Urban Heat Islands Using a Fine-Tuned Geospatial Foundation Model for Microclimate Impact Prediction},
author = {Jannis Fleckenstein and David Kreismann and Tamara Rosemary Govindasamy and Thomas Brunschwiler and Etienne Vos and Mattia Rigotti},
journal= {arXiv preprint arXiv:2510.18773},
year = {2025}
}
备注
10 pages, 9 figures. Accepted at the NeurIPS 2025 Workshop on Tackling Climate Change with Machine Learning