UTCI

可解释的机器学习揭示城市形态对热应力的影响，超越地表温度

研究人员开发了一个新框架，用于分析地表温度（LST）与以人为本的热应力指标（如通用热气候指数（UTCI））之间的差异。该研究使用地理加权XGBoost和广义相加模型等机器学习模型，揭示了城市形态对这些热量测量值影响的显著空间差异。研究结果表明，LST不能充分代表实际的人类热应力，尤其是在天空视野和反照率等对有效城市规划和热风险管理至关重要的因素方面。