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

Technische Samenvatting: Urban Heat MiniCubes

Probleemstelling
Versterking van stedelijke hitte in bebouwde omgevingen is een kritiek probleem voor de volksgezondheid en milieu-rechtvaardigheid, maar het monitoren van hitte op buurt- of straatniveau blijft uitdagend. Hoewel kunstmatige intelligentie (AI) potentieel biedt voor het bevorderen van de wetenschap rond stedelijke hitte, wordt de toepassing van AI gehinderd door de complexiteit van het harmoniseren van multi-sensor remote sensing-data. Bestaande datasets missen vaak consistentie in spatiotemporele schalen, waardoor aanzienlijke domeinkennis en voorbewerking (bijv. herprojectie, resampling en uitlijning) vereist zijn voordat ze kunnen worden gebruikt in machine learning-workflows. Bovendien zijn, hoewel er dichte grondnetwerken bestaan, deze kostbaar om te implementeren, en worstelen single-sensor satellietbenaderingen met het balanceren van een hoge ruimtelijke resolutie met een hoge temporele frequentie of all-weather capaciteit.

Methodologie
De auteurs presenteren "Urban Heat MiniCubes", een publiekelijk beschikbare, FAIR (Findable, Accessible, Interoperable, Reusable) dataset die ontworpen is om "AI-ready" te zijn. De dataset beslaat 48 steden in de westerse hemisfeer voor de jaren 2022 en 2023.

• Databronnen en Modaliteiten: De dataset integreert vier verschillende satellietmodaliteiten op een gemeenschappelijk 90 × 90 km raster voor elke stad:

  1. Landsat 8/9: Hoog-ruimtelijke resolutie (30 m), lagere frequentie (8-daagse revisit) observaties inclusief Level 2 oppervlaktereflecties (Blauw, Groen, Rood, NIR, SWIR1, SWIR2), Land Surface Temperature (LST) en een Cloud Mask.
  2. Sentinel-1: Synthetic Aperture Radar (SAR) data (VV, VH, HH, HV polarisaties en incidentiehoek) geresampled van 10 m naar 30 m om uit te lijnen met Landsat.
  3. GOES-R (GOES-16, 17, 18): Geostationaire, hoog-temporele frequentie (10 minuten) observaties van Longwave Infrared (LWIR) brightness temperatures (Bands 13–16) met een resolutie van 2 km.
  4. Microwave (MW) LST: Een door wolken penetrerend product afgeleid van een constellatie van low-Earth-orbiting radiometers, geresampled naar 2 km om overeen te komen met GOES.

• Verwerkingsworkflow:

  • Rasterdefinitie: Export-rasters van 3.000 × 3.000 pixels (ongeveer 90 km) werden gedefinieerd voor elke stad. Waar een enkele Landsat-scène niet het raster besloeg, werden scènes gemosaïceerd zonder interpolatie om geobserveerde waarden te behouden; ontbrekende pixels werden toegewezen als NaN.
  • Harmonisatie: Alle data werden geprojecteerd naar Universal Transverse Mercator (UTM) coördinaten. Nearest-neighbor resampling werd gebruikt om de data uit te lijnen met het exportraster om ruimtelijke smoothing te minimaliseren.
  • Temporele Uitlijning: Sentinel-1 scènes werden geselecteerd binnen ±6 dagen van Landsat-acquisities. GOES en MW data werden geïnterpoleerd om Landsat-timestamps te matchen, waarbij MW data werd afgeleid via een Diurnal Temperature Cycle (DTC) model gefit op brightness temperatures.
  • Formaat: Data worden opgeslagen in NetCDF-formaat met CF metadata-conventies, inclusclusief aparte coördinatenbestanden voor breedtegraad en lengtegraad.

Belangrijkste Bijdragen

1. AI-Ready Dataset: De primaire bijdrage is een vooraf geharmoniseerde dataset die de noodzaak voor gebruikers wegneemt om complexe voorbewerkingstappen zoals herprojectie en spatiotemporele uitlijning uit te voeren, waardoor de drempel voor AI-toepassingen in stedelijk hitteonderzoek wordt verlaagd.
2. Multi-Modale Integratie: De dataset combineert uniek hoog-resolutie optische/thermische data (Landsat), all-weather radar data (Sentinel-1), hoog-frequente thermische data (GOES) en door wolken penetrerende microgolf data (MW LST) in één consistent kader.
3. Technische Validatie: De auteurs bieden een rigoureuze technische beoordeling, inclusief:
   • Statistische Vergelijking: Analyse van waarschijnlijkheidsdichtheidsfuncties (PDF's) tussen Landsat LST en GOES Band 14 Brightness Temperature (BT), wat de verwachte systematische offsets bevestigt (Landsat is over het algemeen warmer door oppervlakte-retrieval versus top-of-atmosphere meting) en een hogere ruimtelijke variabiliteit in Landsat-data.
   • Autoencoder Analyse: Een convolutionele autoencoder werd getraind om Landsat LST-beelden te reconstrueren. Reconstructiefout-analyse toonde aan dat "andere" (heldere hemel, niet-water) pixels over het algemeen de laagste fout hadden, terwijl wolken, wolkenschaduw en water pixels hogere fouten vertoonden, wat de kenmerkafhankelijke beperkingen in reconstructie benadrukt.
   • Correlatieanalyse: Heatmaps van Pearson-correlaties toonden aan dat reflecties met langere golflengtes (SWIR) over het algemeen sterker correleren met LST dan kortere golflengtes, en dat de correlaties van SAR backscatter met LST variëren per stad en landbedekking.

Resultaten en Beperkingen
De dataset biedt succesvol een consistent spatiotemporeel kader voor 48 steden. Technische validatie bevestigt dat hoewel de data geharmoniseerd zijn, inherente verschillen in sensorkarakteristieken (bijv. ruimtelijke resolutie, meetdefinities) blijven bestaan. Bijvoorbeeld, Landsat LST vertoont aanzienlijk hogere ruimtelijke variabiliteit binnen beelden dan GOES BT zelfs na schaalmatching, wat zowel de resolutieverschillen als de meetdefinities weerspiegelt.

De auteurs vermelden expliciet verschillende beperkingen:

• LST vs. Luchttemperatuur: LST is geen directe proxy voor nabij-oppervlak luchttemperatuur, en gebruikers moeten voorzichtig zijn bij het gebruik ervan voor menselijke blootstellingsmetrieken.
• Wolkverontreiniging: Hoewel MW LST wolkproblemen verzacht, zijn TIR-gebaseerde producten (Landsat en GOES) gevoelig voor wolk-attenuatie, en cloud mask algoritmen (FMask) zijn imperfect.
• Resolutie: Het MW LST-product (0,25° natieve resolutie, geresampled naar 2 km) is te grof voor intra-stad analyse zonder downscaling.
• Polarisatie: De beschikbaarheid van Sentinel-1 polarisatie (HH/HV versus VV/VH) is niet uniform, en deze kanalen zijn niet direct uitwisselbaar.

Betekenis
Het artikel positioneert Urban Heat MiniCubes als een fundamentele bron om "toegang tot remote sensing-data te democratiseren" en "all-weather stedelijke hittebewaking" mogelijk te maken. Door zich te houden aan FAIR-principes en data in een AI-ready formaat te leveren, beoogt de dataset de ontwikkeling van machine learning-modellen voor taken zoals super-resolutie (downscaling van geostationaire data), inpainting (het opvullen van wolkengaten) en het bestuderen van ongelijkheden in milieu-rechtvaardigheid bij hitteblootstelling te versnellen. De auteurs stellen dat dergelijke datasets noodzakelijk zijn om de training van foundation-modellen te ondersteunen die heterogene fysieke variabelen in gedeelde representaties kunnen mappen, wat uiteindelijk zowel de wetenschap als de monitoring van stedelijke hitte zal bevorderen.