University of Tartu
Multi-scale thermal remote sensing, machine learning and radiative flux modeling to assess urban overheating
Abstract
Linnas on palju soojust neelavaid pindu, mis muudavad linna ümbritsevast maapiirkonnast soojemaks. Kuumalaine ajal tõuseb linna õhutemperatuur tasemeni, mis kahjustab inimeste tervist ja heaolu: linn kuumeneb üle. Kliimaprognoosid näitavad, et kuumalained muutuvad sagedasemaks ja intensiivsusemaks. Ruumiliste soojusandmete puudumine takistab oluliselt kuuma leevendamise kavade väljatöötamist. Väitekirjas kasutatakse kaugseiret, masinõpet ja kiirgusvoo erinevas mõõtkavas modelleerimist linnade ülekuumenemise hindamiseks. Kaugseire andmete kasutamisel on kaks probleemi: pilvede tõttu tekkivad andmelüngad ja erinevatelt satelliitidelt saadud andmete erineva ajasamm ruumiline täpsus. Töös loodi masinõppe mudelid, et täita lüngad satelliidi mõõdetud maapinna temperatuuri andmestikus ja luua suure lahutusvõimega sünteetilisi kaarte. Uuriti ka, kuidas keskmist kiirgustemperatuuri ehk inimkeha soojuskoormust saab modelleerida suurtes linnades suure ruumilise lahutusvõimega ning kuidas jalakäijale majade ja puude varju hinnata kõnnitee varju katvust arvutades. Töös genereeritud andmestik on oluline sisend linna ülekuumenemise vältimisel. Edasised uuringud peavad keskenduma masinõppemudelite täiustamisele, et ennustada maapinna temperatuuri ja modelleerida inimkeha soojuskoormust sõltuvalt liikumisharjumustest. Töös loodud andmestik koos sotsialmajanduslike ja demograafiliste andmetega võimaldab linnakeskkonda ülekuumenemisele paremini kohandada, tagamaks elanikkonna ohutuse ja heaolu.
Author and committee
dc:creator, dc:contributor.*- Author
-
- Buo, Isaac Newton Kwasi
Subjects
dc:subject × 10Identifiers
dc:identifier.*- Identifier
- hdl:10062/91189
- OAI identifier oai:identifier
- oai:dspace.ut.ee:10062/91189