随着开放数据的快速积累和机器学习技术的发展，城市热环境研究进入了新阶段。然而，在如此丰富的异构数据中准确识别并理解决定热环境的关键影响因素及其在不同城市土地利用类型下的交互作用是一项挑战。针对这一问题，本研究尝试将图卷积神经网络和可解释机器学习模型应用于城市热环境研究，基于多源建成环境数据提取城市三维景观形态指标因子，挖掘影响户外热舒适度的关键驱动因子及其作用机制。根据土地利用类型的不同，本研究揭示了三种显著不同的城市热环境影响模式。

赵春红，山东莱芜人，2018年获美国德克萨斯州立大学地理信息科学博士学位，之后在瑞士联邦理工研究所开展博士后研究。主要研究兴趣为 1) 环境遥感与人居环境量化，2) 城市生态与热环境效应分析。主持国家自然科学基金面上、青年项目，吉林省教育厅、教育部产学研等项目，成果发表在 Landscape and Urban Planning、Computers, Environment and Urban Systems、Land Use Policy等国际期刊；指导学生参加各类高校GIS竞赛获一等奖等。