【Sustainable Cities and Society】基于机器学习和降尺度的大城市热岛时空评价与监测

设置25-5-1km的三嵌套域，耦合SLUCM模型，以GFS全球环流模型分析数据为初始和边界条件。

在模拟里约热内卢大都市区（MARJ）UHI时，能模拟出UHI的时空变化，但计算时间长，平均每小时温度场动态降尺度需9分24秒。模拟温度存在一定偏差，白天温度模拟范围为23.59-35.80°C，夜间为22.97-30.96°C，均存在对最值的高估或低估情况；

考虑气温与地形、土地利用等地理变量关系，使用XGB算法进行预测。

计算成本低，平均每小时温度场统计降尺度约0.4秒。训练阶段模拟结果良好，MSE为0.89°C、RMSE为0.87°C、R2为0.87。模拟温度也存在偏差，白天温度模拟范围为23.46-35.74°C，夜间为23.09-31.31°C，整体上白天高估、夜间与动态方法一样高估约1°C；

使用RMSE、R2、MAE等指标对比降尺度方法结果与观测数据；

10折交叉验证下，统计降尺度模型训练性能良好。与观测数据对比，统计方法的R2更高，但误差值方面动态方法更低；

地形在白天和夜间对模型贡献最大，且与温度呈线性负相关。土地利用贡献随时间变化，白天城市用地贡献大，10am-3pm植被类贡献增加，夜间城市用地贡献增加。