Urban Heat MiniCubes: An AI-Ready dataset for urban heat research

Resumen Técnico: Urban Heat MiniCubes

Planteamiento del Problema
La amplificación del calor urbano en los entornos construidos es un problema crítico de salud pública y justicia ambiental; sin embargo, el monitoreo del calor a nivel de vecindario o de calle sigue siendo un desafío. Si bien la inteligencia artificial (IA) ofrece potencial para avanzar en la ciencia del calor urbano, la aplicación de la IA se ve obstaculizada por la complejidad de armonizar datos de teledetección multisensores. Los conjuntos de datos existentes suelen carecer de consistencia en las escalas espaciotemporales, lo que requiere una experiencia de dominio y un preprocesamiento significativos (por ejemplo, reproyección, remuestreo y alineación) antes de que puedan ser utilizados en flujos de trabajo de aprendizaje automático. Además, aunque existen redes terrestres densas, su despliegue es costoso, y los enfoques de un solo sensor satelital tienen dificultades para equilibrar la alta resolución espacial con la alta frecuencia temporal o la capacidad de operar en cualquier condición climática.

Metodología
Los autores presentan "Urban Heat MiniCubes", un conjunto de datos de acceso público, bajo los principios FAIR (Localizable, Accesible, Interoperable, Reutilizable), diseñado para estar "listo para la IA" (AI-ready). El conjunto de datos cubre 48 ciudades en el hemisferio occidental para los años 2022 y 2023.

• Fuentes de Datos y Modalidades: El conjunto de datos integra cuatro modalidades satelitales distintas en una cuadrícula común de 90 × 90 km para cada ciudad:

  1. Landsat 8/9: Observaciones de alta resolución espacial (30 m) y baja frecuencia (revisita de 8 días), que incluyen reflectancias de superficie de Nivel 2 (Azul, Verde, Rojo, NIR, SWIR1, SWIR2), Temperatura de la Superficie Terrestre (LST) y una Máscara de Nubes.
  2. Sentinel-1: Datos de Radar de Apertura Sintética (SAR) (polarizaciones VV, VH, HH, HV y ángulo de incidencia) remuestreados de 10 m a 30 m para alinearse con Landsat.
  3. GOES-R (GOES-16, 17, 18): Observaciones geoestacionarias de alta frecuencia temporal (10 minutos) de temperaturas de brillo de Infrarrojo de Onda Larga (LWIR) (Bandas 13–16) a una resolución de 2 km.
  4. Microondas (MW) LST: Un producto con capacidad de penetración de nubes derivado de una constelación de radiómetros de órbita terrestre baja, remuestreado a 2 km para coincidir con GOES.

• Flujo de Trabajo de Procesamiento:

  • Definición de la Cuadrícula: Se definieron cuadrículas de exportación de 3,000 × 3,000 píxeles (aprox. 90 km) para cada ciudad. Cuando una sola escena de Landsat no cubría la cuadrícula, las escenas se compusieron mediante mosaicos sin interpolación para preservar los valores observados; a los píxeles faltantes se les asignó NaN.
  • Armonización: Todos los datos fueron proyectados a coordenadas Universal Transverse Mercator (UTM). Se utilizó el remuestreo de vecino más cercano para alinear los datos a la cuadrícula de exportación para minimizar el suavizado espacial.
  • Alineación Temporal: Las escenas de Sentinel-1 se seleccionaron dentro de un margen de ±6 días de las adquisiciones de Landsat. Los datos de GOES y MW se interpolaron para coincidir con los tiempos de Landsat, con los datos de MW derivados mediante un modelo de Ciclo de Temperatura Diurna (DTC) ajustado a las temperaturas de brillo.
  • Formato: Los datos se almacenan en formato NetCDF con convenciones de metadatos CF, incluyendo archivos de coordenadas separados para latitud y longitud.

Contribuciones Clave

1. Conjunto de Datos Listo para la IA: La contribución principal es un conjunto de datos pre-armonizado que elimina la necesidad de que los usuarios realicen complejos pasos de preprocesamiento como la reproyección y la alineación espaciotemporal, reduciendo así la barrera de entrada para las aplicaciones de IA en la investigación del calor urbano.
2. Integración Multimodal: El conjunto de datos combina de manera única datos ópticos/térmicos de alta resolución (Landsat), datos de radar para todo tipo de clima (Sentinel-1), datos térmicos de alta frecuencia (GOES) y datos de microondas con penetración de nubes (MW LST) en un marco único y consistente.
3. Validación Técnica: Los autores proporcionan una rigurosa evaluación técnica, que incluye:
   • Comparación Estadística: Análisis de las funciones de densidad de probabilidad (PDF) entre la LST de Landsat y la Temperatura de Brillo (BT) de la Banda 14 de GOES, confirmando los desfases sistemáticos esperados (Landsat es generalmente más cálido debido a la recuperación de superficie frente a la medición de tope de atmósfera) y una mayor variabilidad espacial en los datos de Landsat.
   • Análisis de Autoencoder: Se entrenó un autoencoder convolucional para reconstruir las imágenes de LST de Landsat. El análisis del error de reconstrucción reveló que los píxeles "otros" (cielo despejado, no agua) generalmente tenían el error más bajo, mientras que los píxeles de nubes, sombras de nubes y agua exhibieron errores más altos, resaltando las limitaciones dependientes de las características en la reconstrucción.
   • Análisis de Correlación: Los mapas de calor de correlaciones de Pearson mostraron que las reflectancias de superficie de longitud de onda más larga (SWIR) generalmente se correlacionan más fuertemente con la LST que las de longitud de onda más corta, y que las correlaciones de retrodispersión de SAR con la LST varían según la ciudad y la cobertura terrestre.

Resultados y Limitaciones
El conjunto de datos proporciona con éxito un marco espaciotemporal consistente para 48 ciudades. La validación técnica confirma que, si bien los datos están armonizados, las diferencias inherentes en las características de los sensores (por ejemplo, resolución espacial, definiciones de medición) persisten. Por ejemplo, la LST de Landsat exhibe una variabilidad espacial dentro de la imagen significativamente mayor que la BT de GOES incluso tras el ajuste de escala, lo que refleja tanto las diferencias de resolución como las definiciones de medición.

Los autores señalan explícitamente varias limitaciones:

• LST vs. Temperatura del Aire: La LST no es un proxy directo de la temperatura del aire cerca de la superficie, y los usuarios deben proceder con cautela al utilizarla para métricas de exposición humana.
• Contaminación por Nubes: Aunque el producto MW LST mitiga los problemas de nubosidad, los productos basados en TIR (Landsat y GOES) son susceptibles de la atenuación por nubes, y los algoritmos de máscara de nubes (FMask) son imperfectos.
• Resolución: El producto MW LST (nativo de 0.25°, remuestreado a 2 km) es demasiado grueso para el análisis intraurbano sin un proceso de reducción de escala (downscaling).
• Polarización: La disponibilidad de polarización de Sentinel-1 (HH/HV vs. VV/VH) no es uniforme, y estos canales no son directamente intercambiables.

Significancia
El artículo posiciona a Urban Heat MiniCubes como un recurso fundamental para "democratizar el acceso a los datos de teledetección" y permitir el "monitoreo del calor urbano en cualquier condición climática". Al adherirse a los principios FAIR y proporcionar datos en un formato listo para la IA, el conjunto de datos tiene como objetivo acelerar el desarrollo de modelos de aprendizaje automático para tareas tales como la superresolución (reducción de escala de datos geoestacionarios), la imputación de datos (relleno de huecos por nubes), y el estudio de las disparidades de justicia ambiental en la exposición al calor. Los autores afirman que tales conjuntos de datos son necesarios para apoyar el entrenamiento de modelos fundacionales que puedan mapear variables físicas heterogéneas en representaciones compartidas, avanzando finalmente tanto en la ciencia como en el monitoreo del calor urbano.