摘要
本发明公开了基于AI融合的城市蓝绿空间微气候预测系统与方法。本发明方法步骤如下:1、通过便携式气象站与GPS联动,获取现场微气候实测数据;2、利用机器学习降尺度算法与深度学习语义分割技术,从遥感影像中提取高分辨率地表温度与城市地表覆盖分类数据;3、构建时空对齐的多模态GIS数据集,并利用集成学习算法构建高精度微气候预测模型;4、引入SHAP可解释性框架,对模型进行深度剖析,量化各类环境要素对微气候预测结果的贡献度及其复杂的非线性影响。本发明能够为城市规划、景观设计及热环境缓解策略的制定提供前所未有的高精度、可解释的科学决策支持,有力推动健康、可持续与气候韧性城市的发展。
技术关键词
XGBoost算法
计算机可执行指令
数据
集成学习算法
高分辨率光学影像
地理信息系统
深度学习语义分割
预测系统
可解释人工智能
半导体温度传感器
电容式湿度传感器
超声波风速风向
高分辨率遥感影像
便携式气象站
地表覆盖分类
机器学习框架
统计降尺度