太阳能共同第一作者
Global estimation of building-integrated facade and rooftop photovoltaic potential by integrating 3D building footprint and spatio-temporal datasets
整合三维建筑足迹与气象数据，估算全球 120 个城市的建筑一体化光伏潜力；立面光伏潜力平均可达屋顶潜力的 68.2%。
· Nexus
博士生（一年级）
董克川
EIES-Lab · 香港理工大学
2026 年 9 月加入 EIES-Lab 攻读博士学位。研究方向是人工智能、地理空间分析与城市能源系统的交叉， 重点是面向大规模屋顶与立面太阳能潜力估算的时空深度学习。此前也从事过基于多源数据融合的 假肢用户 3D 人体姿态估计研究，关注可解释、物理信息驱动的 AI 在真实可持续问题中的应用。
研究兴趣
- 01时空深度学习
- 02城市太阳能潜力（屋顶与立面光伏）
- 03地理空间 AI 与三维城市模型
- 04物理信息驱动的 AI
教育背景
2026 – 至今
博士，建筑环境及能源工程
香港理工大学
2023 – 2026
硕士，信息与通信工程（电子情报学）
东京大学
2018 – 2022
学士，电子信息科学与技术
兰州大学
代表论文
太阳能共同第一作者
Advancing building facade solar potential assessment through AIoT, GIS, and meteorology synergy
整合 AIoT、GIS 与气象数据，建立考虑三维遮挡的建筑立面光伏潜力评估模型，发现立面元素解析与阴影效应是准确估算的关键。
· Advances in Applied Energy
太阳能
Spatiotemporal feature encoded deep learning method for rooftop PV potential assessment
编码多源时空特征的深度学习框架，可预测阴影投射并计算屋顶光伏潜力（年发电潜力 MAPE 2.85%，遮挡评估 mIoU 89.23%），速度约为仿真方法的 158 倍。
· Applied Energy
技能与爱好
技术能力 示例
- Python
- PyTorch
- GIS
- 三维城市模型
- 遥感
爱好 示例
- 徒步
- 摄影
荣誉奖项
2026
研究生奖学金 示例
香港理工大学