研究人员开发了深度神经网络模型，以提高城市地表温度的分辨率和预测能力。通过结合来自地球同步卫星和极轨卫星的数据，他们创建了能够提供每15分钟、1公里分辨率温度数据的模型。一个U-Net模型被训练用于将低分辨率卫星数据映射到高分辨率数据，实现了1.92°C的均方根误差（RMSE）。随后使用一个ConvLSTM模型进行临近预报，在15至75分钟的预报时效内，其RMSE在0.57°C至1.15°C之间，优于基线模型。 AI
影响 这项研究展示了人工智能如何提高环境监测的精细度和预测准确性，可能有助于城市规划和气候研究。
排序理由 该集群包含一篇学术论文，详细介绍了使用深度神经网络进行城市地表温度时空降尺度和临近预报的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →