卫星测量的地表温度是否适合作为城市内部日间热应力变化的代理指标？

《Remote Sensing of Environment》：Is satellite land surface temperature an appropriate proxy for intra-urban variability of daytime heat stress?

本研究通过聚类分析和随机森林模型，探讨弗赖堡市Landsat地表温度（LST）与UTCI热舒适指数的关系。发现LST与UTCI在非高温条件下呈线性关系，但高温时非线性显著，且受城市形态影响。模型表明仅用LST或全球数据（如ERA5-Land）无法捕捉城市内部热舒适的空间异质性，需结合本地城市形态和土地利用数据，验证了LST作为UTCI代理的局限性。

　　本研究探讨了城市地区在极端高温情况下的适应性，特别是通过遥感获取的陆地表面温度（LST）数据与步行级别的普遍热气候指数（UTCI）之间的关系。研究发现，尽管LST在非热应激条件下（UTCI < 26°C）和植被或开放区域中与UTCI存在线性关系，但在热应激情况下（UTCI ≥ 26°C），特别是在密集的城市环境中，这种关系变得非线性和空间不一致。研究通过聚类分析和随机森林模型对LST与UTCI之间的差异进行了深入分析，并进一步评估了这些模型在预测UTCI和热应激类别方面的性能。结果显示，仅依赖LST或全球尺度数据的模型在捕捉城市内部的UTCI差异方面效果有限，而结合本地城市形态和土地覆盖数据的模型则表现出更好的性能。这一结论表明，在某些条件下和环境中，LST对社区尺度UTCI建模的贡献有限。

### 研究背景

城市区域是气候变化带来的挑战最为严峻的地方之一。许多城市面临极端高温频率、强度和持续时间的增加，这不仅影响人类的健康和福祉，还对关键基础设施和城市环境造成威胁。评估极端高温对人类福祉的影响是复杂且多方面的，因为城市环境的多样性使得直接测量变得困难。此外，城市热岛（UHI）效应是城市热环境的一个显著特征，其表现形式包括地表温度、空气温度、树冠层温度和边界层温度。其中，树冠层UHI与人类热舒适度最为相关，因为它直接反映了人们活动所处的户外环境条件。因此，了解树冠层UHI与人类热舒适度之间的关系对于城市热应激的适应和缓解至关重要。

### 研究方法

本研究采用了Landsat Level-2 LST数据和一个基于机器学习的模型——HTC-NN，用于预测高分辨率的UTCI地图。HTC-NN模型利用了1米分辨率的地理数据，包括土地覆盖类别、数字高程模型、表面模型和天空视野因子，以模拟复杂城市环境中的热舒适度。为了评估LST作为热舒适度代理的可靠性，研究构建了多种随机森林模型，这些模型使用了不同的预测变量组合，包括LST、ERA5-Land再分析数据以及本地城市形态和土地覆盖数据。此外，研究还使用了ERA5-HEAT数据作为基准，以评估随机森林模型在预测UTCI和其相关热应激类别方面的性能。

### 研究结果

研究结果显示，LST和UTCI之间的关系并非总是线性的。在非热应激条件下（UTCI < 26°C）和植被或开放区域中，LST与UTCI之间的关系较为稳定，但随着热应激的增加，特别是在密集的城市环境中，这种关系变得非线性且空间不一致。例如，在夏季，LST与UTCI之间的差异显著增大，且95%置信区间跨度超过10K，表明城市内部的热舒适度变化复杂。此外，研究还发现，不同土地覆盖类别对LST和UTCI的影响差异显著。例如，工业区和城市中心的LST较高，但UTCI较低，而公园和开放区域的LST较低，但UTCI较高。这表明，LST主要反映的是地表条件，而UTCI则受到三维辐射环境、遮阳和通风等因素的影响。

为了进一步分析这些差异，研究采用了聚类分析方法，将LST和UTCI之间的差异划分为不同的空间集群。结果显示，城市化程度越高，LST与UTCI之间的差异越大，这可能与城市形态的改变有关。例如，城市中心的建筑物密度较高，导致LST受到屋顶和高层建筑的影响更大，而UTCI则更多地受到遮阳和通风条件的影响。此外，研究还发现，即使是相似的城市类型（如LCZs或集群），其内部的LST-UTCI关系仍然存在显著的差异，表明仅依靠LST无法准确捕捉城市内部的热舒适度变化。

### 随机森林模型的评估

随机森林模型的评估结果显示，仅依赖LST或全球尺度数据的模型在预测UTCI和热应激类别方面效果有限。例如，rf_LST模型的RMSE为3.52K，ACC为74%，而rf_ERA5模型的RMSE为2.90K，ACC为80%。相比之下，结合本地城市形态和土地覆盖数据的模型（如rf_LST+Urb和rf_All）在预测精度和一致性方面表现更优。其中，rf_All模型的RMSE最低，为2.34K，ACC最高，为83%。这表明，综合考虑全球和本地数据的模型在预测热舒适度方面具有更高的可靠性。

然而，研究也指出，ERA5-HEAT数据集在预测热应激类别方面具有一定的竞争力，尤其是在强热应激条件下。然而，由于其空间分辨率较低（0.25° x 0.25°），ERA5-HEAT在捕捉城市内部的热舒适度变化方面存在局限。此外，研究还发现，LST与UTCI之间的关系在白天和夜晚存在显著差异。例如，在夜间，LST可能更能反映UHI效应，从而更准确地表示热舒适度条件。因此，未来的研究需要进一步探讨LST与热舒适度在不同时间段（如白天和夜晚）的关系，以及更高分辨率和更灵活时间数据的LST产品对预测城市热舒适度的潜在价值。

### 研究讨论

研究结果支持了LST和UTCI之间关系的非线性特征，特别是在热应激条件下。LST主要反映的是地表条件，而UTCI则受到三维辐射环境、遮阳和通风等因素的影响。因此，LST与UTCI之间的关系在城市化程度较高的区域尤为复杂，因为这些区域的热舒适度受到更多因素的调控。此外，研究还指出，LST的空间分辨率（30米）可能不足以准确捕捉城市内部的热舒适度变化，特别是在密集的建筑群和狭窄的街道峡谷中，垂直表面和局部微气候条件对热舒适度的影响更大。

尽管LST在某些情况下可以作为热舒适度的代理，但其局限性在城市内部的复杂环境中尤为明显。例如，LST在密集的城市区域主要受到屋顶温度的影响，而热舒适度则更多地受到遮阳、通风和三维辐射交换的影响。因此，仅依靠LST无法准确预测城市内部的热舒适度变化，尤其是在热应激条件下。为了提高预测的准确性，研究建议在模型中整合本地城市形态和土地覆盖数据，以更全面地反映热舒适度的多维特性。

### 研究结论

综上所述，LST作为热舒适度的代理在城市适应极端高温方面存在一定的局限性。尽管在非热应激条件下和开放区域中，LST与UTCI之间存在线性关系，但在热应激条件下，这种关系变得非线性且空间不一致。因此，仅依靠LST无法准确捕捉城市内部的热舒适度变化，特别是在密集的城市环境中。为了确保准确和可操作的热舒适度评估，预测模型必须整合城市形态、土地覆盖和气象背景等多方面的信息。此外，研究还指出，未来的遥感技术需要更高的空间分辨率和更灵活的时间数据，以更好地捕捉城市内部的热舒适度变化。这些技术进步将有助于提高城市热应激预测的准确性和实用性，为城市规划和干预措施提供更可靠的科学依据。