面向地中海城市的物理信息深度学习城市冠层模型：开发、验证及其在希腊塞萨洛尼基的应用
A physics-informed deep learning urban canopy model for Mediterranean cities: Development, validation, and application to Thessaloniki, Greece
发表于 2026年7月9日 · 收录于雷达 2026年11月5日
中文摘要
本文开发深度神经网络城市冠层模型，并以物理约束提升其对城市能量通量的预测能力。模型使用16个Urban-PLUMBER站点的通量观测训练，并在希腊伊拉克利翁独立验证。结果显示，物理信息模型对四类通量的预测能力均有所提升；应用于塞萨洛尼基时，模型再现了地中海城市典型能量分配特征，并改善了对密集城市峡谷的外推表现。