विस्तृत शहरी जलवायु सूचना विज्ञान का उपयोग करके हाइपर-स्थानीय तापमान की भविष्यवाणी

** इस पत्र का नवीनतम संस्करण AGU के जर्नल ऑफ एडवांसेस इन मॉडलिंग अर्थ सिस्टम्स (JAMES) में प्रकाशित हुआ है। कृपया JAMES पर नवीनतम संस्करण का संदर्भ लें और इसे इस प्रकार उद्धृत करें: Li, P., & Sharma, A. (2024). विस्तृत शहरी जलवायु सूचना विज्ञान का उपयोग करके हाइपर-स्थानीय तापमान की भविष्यवाणी। जर्नल ऑफ एडवांसेस इन मॉडलिंग अर्थ सिस्टम्स , 16, e2023MS003943. https://doi.org/10.1029/2023MS003943 शहरी सूक्ष्मजलवायु की सटीकता से मॉडलिंग करना चुनौतीपूर्ण है, क्योंकि शहरी भूमि आवरण की उच्च सतह विषमताएं और सड़क आकृति का ऊर्ध्वाधर ढांचा होता है। हाल के वर्षों में शहरी वातावरण के संख्यात्मक मॉडलिंग और डेटा संग्रह में महत्वपूर्ण प्रयास किए गए हैं। फिर भी, भौतिक आधारित मॉडलों के लिए उच्च-रिज़ॉल्यूशन डेटा का पूरी तरह से उपयोग करना कठिन है, जबकि कंप्यूटिंग संसाधनों की सीमाएं होती हैं। मशीन लर्निंग तकनीकों में प्रगति विशाल डेटा के मात्रा को संभालने के लिए कम्प्यूटेशनल ताकत प्रदान करती है। इस अध्ययन में, हमने शहरी-निर्धारण मेसोस्केल जलवायु मॉडल और हाइपर-रिज़ॉल्यूशन शहरी सूचना विज्ञान के एक सेट से बिंदु-स्तरीय सड़क-स्तर के वायु तापमान का अनुमान लगाने के लिए एक मशीन लर्निंग दृष्टिकोण का प्रस्तावित किया, जिसमें तीन-आयामी शहरी आकृतिकी, पार्सेल-स्तरीय भूमि उपयोग सूची और एक घनी मौसम अवलोकन नेटवर्क शामिल हैं। हमने इस दृष्टिकोण को शिकागो शहर में एक केस अध्ययन के रूप में लागू किया। प्रस्तावित दृष्टिकोण शहरों में तापमान भविष्यवाणियों की सटीकता को बहुत बढ़ाता है, जो शहर को चलने में, ड्राइविंग में, और गर्मी से संबंधित व्यवहार अध्ययन में मदद करेगा। इसके अलावा, हमने अन्य क्षेत्रों के लिए अनुप्रयोग संभावनाओं की जांच करने के लिए मॉडल की विश्वसनीयता को नमूने के बाहर स्थानों पर परीक्षण किया। इस अध्ययन का उद्देश्य अगली पीढ़ी के शहरी जलवायु मॉडलिंग में अंतर्दृष्टि प्राप्त करना और शहर के अवलोकन प्रयासों को मार्गदर्शित करना है ताकि शहरी सूक्ष्मजलवायु डायनामिक्स की समग्र समझ के लिए ताकत बनाई जा सके।