DySENSE: Dynamic Spatiotemporal ENergy Synthesis and Emulation with Satellite Imagery
Kailai Sun, Zijie Gao, Mingyi He, Can Rong, Alok Prakash, Baoshen Guo, Shenhao Wang, Jinhua Zhao
KDD 2027
cs.CV, cs.AI
2026-11-13
DySENSE把卫星图和气候提示送进联合扩散模型,在四座城市用约25%真实标注合成对齐的月度能耗图,下游mIoU最高升8.7个点,CVRMSE降9到18个点。
城市建筑能耗建模(UBEM,把街区用能汇总到城市尺度)通常回答这座城现在用多少能。规划要问的是反事实:用地比例变了,或同一街区换一个月、换一套气候,月度能耗地图怎么变。
统计模型和单体模拟都锚定现状。和卫星图对齐的逐月能耗又少,电和天然气披露受隐私和成本限制。生成模型能出卫星图,也能出一维电表或全年静态能耗,出不了同一形态下随月份和气候变化的二维能耗图。
DySENSE 把慢变的形态和快变的能耗拆开,拟合 P(x, e | cs, cd)。x 是 2 km 见方的卫星图,e 是对齐能耗图。cs 写地点和用地占比,用冻结的 CLIP 编成 77 个 token。cd 写月份和五类气候量(最高、最低气温、降水、水汽压、地表短波辐射),用同样冻结、且在遥感图文上预训练的 RemoteCLIP 编码。消融里它比 CLIP 更适合这条任务。
能耗图稀疏、重尾,不像照片。图像侧用现成 VAE,能耗侧单独训练 Energy VAE,把能耗图压进自己的潜空间。两个 VAE 都把输入压到 64×64×4。去噪骨干是 U-ViT,用 Transformer 块搭成扩散网络。图像和能耗潜变量接成一条序列,共享同一步噪声和时间步,让去噪过程直接学两种模态的空间对应。文本条件的时间步固定为 0。
联合分布学完,条件分布不用重训:钉住图像潜变量,只还原能耗潜变量,并换掉 cd。形态不动,月份和气候一变,得到 12 张月度能耗图。
标签不是连续的 kBtu(千英热单位)。电和气先加总,落到 100 m 格网,用 log1p 压长尾,再按分位数切成 10 档。0 档是背景或无正能耗,其余 9 档是等频能量级。
数据集 MUSE2 覆盖纽约、华盛顿、诺福克、釜山。Mapbox 影像裁成 512×512。三名专家去掉大块空值后剩 2565 个瓦片(纽约 579、诺福克 490、华盛顿 500、釜山 996)。按月配平为 23880 条,其中诺福克 5880,其余三城各 6000。美国气候来自约 1 km 的 Daymet,釜山气温来自约 4.6 km 的 TerraClimate,降水和辐射来自韩国气象厅,分辨率不一致。
图像指标一般:FID 36.74,LPIPS 0.56,PSNR 11.52。对齐与否,靠下游预测间接检验。位置对不上,预测器不该变好。
测试集固定为按瓦片划分的 20% 真实数据。生成器和预测器共用同一份真实训练集。对照包括仅真实数据、等量复制、等量高斯噪声。合成样本分 Static Mix(掺入静态图与能耗对)和 Dynamic Mix(再掺入逐月样本)。mIoU(能量档的平均交并比)衡量分割是否对齐;CVRMSE 是建筑能耗校准规范 ASHRAE Guideline 14 里的总量误差,越低越好。
| 预测器 | 仅真实 Acc / mIoU / CVRMSE | Dynamic Mix |
| Yap et al. | 0.5343 / 0.3687 / 33.58% | 0.6217 / 0.4555 / 15.31% |
| Mayer et al. | 0.5887 / 0.4212 / 24.27% | 0.6274 / 0.461 / 15.26% |
| Sun et al. | 0.5372 / 0.3708 / 30.57% | 0.5999 / 0.4327 / 16.62% |
论文把 Yap 这一行对应到 25% 真实训练数据:准确率升 8.7 个点,mIoU 从 0.3687 到 0.4555,CVRMSE 降 18.3 个点,NMBE(归一化平均偏差)从 6.02% 收到 2.82%。Mayer 准确率只升 3.9 个点,CVRMSE 降 9.0 个点。Sun 的准确率从 0.5372 升到 0.5999,CVRMSE 从 30.57% 降到 16.62%。摘要里的约 8.7% 准确率,以及 CVRMSE 降 9% 到 18%,8.7 来自 Yap,9 到 18 是三家的区间。等量复制几乎无效。高斯噪声只让 Yap 的准确率从 0.5343 升到 0.5462。
标注更少时,Static Mix 更有用。6.25% 比例下 mIoU 约提高 7 个点,CVRMSE 从 82.3% 降到 58.4%;12.5% 时 mIoU 约提高 6.4 个点。真实数据补满后,这组优势收窄。
月度分布的 KL、JS、总变差分别为 0.0024、0.0006、0.0181。去掉占主导的 0 档后变为 0.0085、0.0021、0.0496。四城月度曲线平均 Pearson 相关 0.96,釜山 0.93,纽约 0.98。
预测骨干仍是三套已有模型,DySENSE 提供的是配对合成数据。三套都涨,增益不依赖某一个网络。用法是钉住形态、改月份和气候,看峰值落在哪个月。MUSE2 与代码已公开。
主生成模型约 220 GPU 时,下游预测超过 600,采样约 60,硬件为 10 张 48 GB 的 L40S。它适合做基准和情景生成,不适合当轻量接口。
地理只覆盖四个都市区。论文写明还缺更多气候带、发展中地区,以及电费审计或智能电表这类外部校验。运行碳排要再乘电网碳强度,这里没做。
新城市只存在于采样机制里。测试瓦片全部来自这四座已有城市,没有物理引擎或新城观测去核对没见过的用地比例是否合理。PSNR 11.52,生成影像也不能直接当规划底图。
能耗被收成 10 个等频档,mIoU 是分割分数。CVRMSE 要把档位映回连续能耗,步骤在附录,主文没有报告这一步的误差。0 档拉低了 KL 和 JS,前景总变差 0.05 才更接近能量档本身。Yap 的 CVRMSE 从 33.58% 经 Static Mix 到 16.91%,Dynamic Mix 再到 15.31%。动态条件有增量,摘要里的降幅有一大半静态配对已经贡献了。