基于自动化机器学习优化局地气候区制图，揭示热浪期间的热环境差异
Optimized LCZ mapping with automated machine learning reveals thermal disparities during a heatwave event
发表于 2026年6月27日 · 收录于雷达 2026年11月5日
中文摘要
研究提出由自动化机器学习驱动的局地气候区（LCZ）分类方法，以生成本地优化地图，并在大曼彻斯特检验其对极端高温下城市气候模拟的影响。该方法的分类精度持续优于WUDAPT；地图差异对模拟的影响随尺度而变，在亚季节尺度最显著。本地优化地图提升了模拟精度，并揭示热浪期间人口热暴露的空间差异。