全球城市研究建筑高度数据集

我们介绍了用于城市研究的 GLObal 建筑高度 （UT-GLOBUS），这是一个提供全球主要城市的建筑高度和城市冠层参数 （UCP） 的数据集。UT-GLOBUS 将开源星载测高（ICESat-2 和 GEDI）和粗分辨率城市冠层高程数据与随机森林模型相结合，以估计建筑物级别的信息。使用来自美国六个城市的 LiDAR 数据进行验证的显示，UT-GLOBUS 衍生的建筑物高度的 RMSE 为 9.1 米，1 平方公里网格单元内的平均建筑物高度的 RMSE 为 7.8 米。与德克萨斯州休斯顿现有的基于表格的局部气候区方法相比，在城市天气研究和预报 （WRF-Urban） 模型中测试 UCP 导致城市内气温表示的显着改善（RMSE 中为 ~55%）。此外，我们还展示了该数据集使用 WRF-Urban 模拟热缓解策略和建筑能耗的效用，并在伊利诺伊州芝加哥和德克萨斯州奥斯汀进行了测试。使用 SOlar 和 LongWave 环境辐照度几何 （SOLWEIG） 模型，结合 UT-GLOBUS 和 LiDAR 衍生的建筑高度，对街道尺度的平均辐射温度进行模拟，证实了该数据集在马里兰州巴尔的摩（白天 RMSE = 2.85°C）对人类热舒适度进行建模的有效性。因此，UT-GLOBUS 可用于对具有重大社会经济和生态风险的城市灾害进行建模，实现更精细的城市气候模拟，并克服以前由于缺乏建筑信息而造成的限制。

We introduce the GLObal Building Height for Urban Studies (UT-GLOBUS), a dataset that provides building heights and Urban Canopy Parameters (UCP) for major cities across the globe. UT-GLOBUS combines open spaceborne altimetry (ICESat-2 and GEDI) and coarse-resolution urban canopy elevation data with Random Forest models to estimate building-level information. Validated using LiDAR data from six U.S. cities, the UT-GLOBUS-derived building heights achieve a Root Mean Square Error (RMSE) of 9.1 meters, while the average building height within 1 km² grid cells has an RMSE of 7.8 meters. Compared to the existing tabular-based Local Climate Zone (LCZ) approach in Houston, Texas, testing UCP in the Weather Research and Forecasting Urban (WRF-Urban) model leads to a significant improvement in urban temperature representation, with a ~55% reduction in RMSE. Furthermore, we demonstrate the utility of this dataset for simulating heat mitigation strategies and building energy consumption using WRF-Urban, with tests conducted in Chicago, Illinois and Austin, Texas. By combining UT-GLOBUS and LiDAR-derived building heights with the Solar and LongWave Environmental Irradiance Geometry (SOLWEIG) model to simulate street-scale mean radiant temperature, the effectiveness of this dataset for modeling human thermal comfort in Baltimore, Maryland (daytime RMSE = 2.85°C) is validated. As such, UT-GLOBUS can be used to model urban disasters with significant socio-economic and ecological risks, enable finer-scale urban climate simulations, and overcome prior limitations caused by the lack of building information.

搜集汇总

背景与挑战

背景概述

UT-GLOBUS是一个全球性数据集，提供超过1200个城市或地区的建筑高度和城市冠层参数，通过融合开源星载测高数据与机器学习模型生成，建筑高度预测的均方根误差为9.1米。该数据集旨在支持高精度的城市气候模拟，如改善城市气温预测和热缓解策略分析，空间分辨率为30米，以矢量数据形式覆盖全球范围。