协同应对气候、能源和空气质量问题：揭示城市热岛效应、能源消耗、碳排放与空气污染之间的相互关联

《Environmental Impact Assessment Review》：Synergizing climate, energy, and air quality: Uncovering urban heat island, energy consumption, carbon emission, and air pollution nexus linkages

中国269个城市2005-2020年热-能-碳-污染（HECP）协同治理研究，结合结构方程模型（SEM）与XGBoost–SHAP方法，揭示社会经济因素（GDP、交通压力、固投）通过植被指数（NDVI）、人口密度等间接驱动HECP，并量化非线性交互效应。研究指出GDP影响最显著，需通过经济结构转型、土地利用优化和清洁能源转型等系统性策略实现协同治理。

　　在中国快速城市化的背景下，城市环境压力因素如城市热岛效应、能源消耗、碳排放和空气污染常常具有共同的人类活动来源，形成了一个复杂的热-能-碳-污染（HECP）关联网络。本研究通过开发一个整合分析框架，结合结构方程模型（SEM）与可解释的机器学习方法，特别是通过耦合极端梯度提升（XGBoost）与SHapley Additive exPlanations（SHAP）模型，系统地识别了HECP在269个中国城市中从2005年到2020年的间接驱动因素、非线性交互作用以及治理路径。研究结果表明，社会经济因素如国内生产总值（GDP）、交通压力、固定资产投资、政府干预、产业结构和工业化程度，通过植被指数（NDVI）、人口密度和能源结构等中介因素间接影响HECP。XGBoost–SHAP模型进一步量化了这些驱动因素的相对重要性和交互作用，其中GDP被发现是最具影响力的因子（平均SHAP值大于0.1）。值得注意的是，该分析揭示了间接和直接驱动因素之间的复杂非线性交互作用，例如GDP与NDVI、交通压力与人口密度之间的关系，这些交互作用对城市热岛强度、能源消耗以及二氧化碳、细颗粒物和臭氧的浓度产生差异性影响。这些发现强调了有效的HECP治理不能依赖单一因素的干预，而是需要系统性的、多因素整合的策略，包括经济结构调整、土地利用优化和清洁能源转型。本研究不仅推动了协同环境治理的方法论进展，还为设计适应性强、因地制宜的政策干预措施提供了坚实的科学依据。

中国正经历快速的城市扩张，这一过程中，环境污染已成为一个重要议题。城市热岛效应（UHI）、能源消耗（EC）、碳排放（CO?）以及高浓度的细颗粒物（PM?.?）和臭氧（O?）共同构成了HECP关联网络。由于这些因素之间存在显著的相关性，它们的治理过程也相互关联。因此，推进HECP排放的综合管理已成为不可忽视的策略。然而，在实际治理过程中，地方政府往往单独应对HECP相关的复合污染，采取各自独立的策略。即便在“十四五”规划（2021–2025）期间，尽管政府积极推广污染与碳减排的综合政策，但对城市生态环境的多目标、协同治理需求尚未得到充分满足。因此，将HECP纳入统一框架进行全面评估，对于科学的城市规划和政策制定至关重要，同时也是推动中国向绿色经济转型的关键驱动力。

HECP因素可以归类为根源性、起源性和过程性因素，这为协同治理提供了科学依据。减少碳排放和污染的协同效应最早由国际气候变化专门委员会（IPCC）提出。然而，HECP协同治理的驱动因素复杂，受到多种因素的影响。已有大量研究从自然、前期和经济社会因素的角度出发，采用空间计量模型、地理探测器和时间加权回归模型等方法分析HECP的驱动因素。尽管不同地区的人类活动影响存在差异，但经济规模（GDP）、人口密度（POP）、产业结构（IS）、归一化植被指数（NDVI）、能源结构（ES）和交通压力（TP）等社会经济因素对HECP的影响已被广泛研究。同时，自然因素如温度、年降水量和风速的影响也显著不同。特别是Wu和Qiao（2025）的研究指出，NDVI、ES和POP这三个直接协同治理因素显著调节了城市热岛强度（UHII）、能源消耗、CO?、PM?.?和O?的水平。尽管已有研究取得了一定进展，但当前的研究框架缺乏对社会、经济和自然因素的综合考量。这些研究大多采用单一因素分析视角，这在一定程度上削弱了对HECP协同治理驱动因素在多尺度和多层级上的准确识别能力。因此，将社会、经济和自然因素对HECP的影响整合到统一框架中，进行全面考虑，是当前研究的重要方向。

此外，HECP系统涉及多种相互关联的社会经济和自然驱动因素，这些因素之间的交互作用可能导致非均衡的结果。这些因素既具有直接和间接的影响，又表现出非线性和交互性的特征。因此，深入探讨HECP协同治理因素的机制，并科学评估其多变量交互作用，对于及时调整和优化治理优先级，从而实现碳达峰和碳中和目标具有重要意义。另一方面，传统的分解模型和计量经济学回归方法主要关注驱动因素对HECP的直接线性影响，但在捕捉这些因素之间的非线性关系方面存在局限。结构方程模型（SEM）以其理论可解释性和路径估计能力，被用于识别和量化社会经济和自然驱动因素之间的因果路径和中介效应。然而，SEM假设线性关系，且对模型设定较为敏感。相比之下，机器学习结合SHAP方法能够捕捉复杂的非线性效应，对变量的重要性进行排序，并揭示多因素交互关系。将这两种方法结合，可以充分发挥SEM的解释优势，同时利用XGBoost–SHAP模型的灵活性，捕捉非线性、多重共线性和交互效应，从而提供对HECP动态机制更为全面和稳健的理解。

为了填补这些关键的研究空白，本研究采用中国269个地级及以上城市的面板数据，时间跨度为2002年至2022年，重点分析HECP在多因素、跨领域的复杂系统中的机制。研究通过将多种计量经济学模型与可解释的机器学习方法相结合，进行综合性分析。我们采用的整合分析框架结合了SEM和XGBoost–SHAP模型，旨在有效分析HECP治理的多因素机制，这些机制涉及复杂的社会、经济和自然因素之间的直接和间接关系，以及非线性交互作用。首先，SEM揭示了影响HECP协同治理的间接因素，如生产部门的经济规模（GDP）、交通压力（TP）和固定资产投资（IIFA）。其次，XGBoost–SHAP模型量化了这些因素之间的相对重要性和交互作用。最后，XGBoost–SHAP模型进一步阐明了涉及自然环境条件（如NDVI和温度）、人口密度（POP）和能源结构（ES）的复杂非线性交互作用。这种结合SEM与XGBoost–SHAP的方法克服了单一方法的局限性，特别适用于分析HECP治理中多因素、跨领域的复杂性。研究结果提供了对HECP动态的稳健、可解释和定量见解，有助于推动方法论的进展，并为制定有效的中国城市空气质量与气候治理策略提供科学依据。

研究区域涵盖了中国269个城市，包括所有地级及以上市，时间范围为2005年至2020年。由于西藏自治区、香港特别行政区、澳门特别行政区和台湾省等地存在较大的数据缺失，这些地区未被纳入分析范围。本研究的数据涵盖了中国第十一、十二和十三个五年计划期间，即2006–2010年、2011–2015年和2016–2020年，这是一段中国国家发展战略从末端治理向更加综合和前瞻性的方向转变的关键时期。通过分析这些城市在2005–2020年间的HECP组件的时空特征，研究揭示了这些因素在不同区域和时间段内的变化趋势。例如，城市热岛强度（UHII）呈现出显著增长，东部地区增长最为明显，其增长率明显高于西部地区。同时，UHII的主要集中区域也发生了变化，从2005年的京津冀城市群扩展到包括长江三角洲、珠江三角洲在内的更大范围。这种时空变化趋势反映了城市化进程对环境压力的深远影响，也为理解HECP的演变提供了重要线索。

在HECP协同治理因素的路径、重要性和交互作用方面，研究进一步探讨了这些因素如何相互作用，以实现环境治理的目标。推动HECP的综合治理是实现中国碳达峰和碳中和战略目标的重要途径。对HECP协同治理因素机制的深入研究，以及对其多变量交互作用的科学评估，将有助于提升国家环境治理的效率和科学性。此外，研究还揭示了社会经济和自然因素在不同时间尺度和空间范围内的动态变化及其对HECP的影响。这些发现不仅有助于理解HECP的复杂性，也为制定更具针对性和适应性的政策干预措施提供了支持。通过结合SEM和XGBoost–SHAP模型，本研究在方法论上实现了创新，能够更全面地揭示HECP协同治理的多因素机制，为未来的环境政策制定和实施提供坚实的理论基础和实践指导。

本研究的结论基于对269个中国城市2005至2020年的实证分析，构建了一个结合SEM和XGBoost–SHAP方法的整合分析框架，以系统探索HECP关联网络的协同治理机制。研究分析了10个关键的社会、经济和自然因素，揭示了复杂的间接路径，确定了各因素的重要性，并捕捉了它们之间的非线性交互作用。这些发现对于推动中国城市环境治理的综合化、系统化具有重要意义。研究不仅深化了对HECP协同治理机制的理解，也为政策制定者提供了科学依据，使他们能够更有效地制定和实施综合性的城市环境治理策略。此外，本研究强调了在快速城市化背景下，多因素协同治理的重要性，以及如何通过整合不同领域的因素来实现环境治理目标。这些成果为未来的环境政策研究和实践提供了重要的参考，有助于推动中国在实现碳达峰和碳中和目标方面的进程。