城市功能区形态对地表温度的非线性协同效应研究：基于南京市中心城区的SHAP框架解析

为揭示城市功能区形态(UFZ)对地表温度(LST)的非线性影响机制，南京研究团队采用LightGBM模型结合SHAP解释框架，首次系统解析了不同功能区形态与自然环境、建筑形态及人类活动的协同作用。研究发现功能区形态通过集聚度-建筑形态、破碎度-自然环境等关键交互路径显著影响LST，为城市规划中气候适应性功能分区设计提供了量化依据。

　　

随着全球气候变化加剧，城市热岛效应(UHI)已成为威胁人类健康与城市可持续发展的重大挑战。地表温度(LST)作为UHI的核心表征指标，其驱动机制研究长期聚焦于单一环境因子，却忽视了城市规划中功能区形态(Urban Functional Zone, UFZ)这一关键空间调控要素。现有研究存在三大局限：一是将功能区简化为均质区块，忽视内部形态异质性；二是缺乏对非线性阈值效应的解析；三是未揭示功能区形态与其他驱动因子的协同机制。这些缺陷使得城市规划难以精准制定热缓解策略。

针对上述问题，南京的研究团队在《Sustainable Cities and Society》发表创新性研究，以南京中心城区为样本，首次将土地利用斑块作为基本单元，结合LightGBM机器学习模型与SHAP解释框架，系统揭示了UFZ形态影响LST的复杂机制。研究突破传统网格或街区分析尺度，采用高精度功能斑块划分方法，通过计算景观格局指数量化形态特征，构建包含自然环境、建筑形态、人类活动等维度的多因子数据库，运用SHAP值解析非线性效应与交互作用。

【研究结果】

1. 功能区温度与形态差异
   通过空间分析发现，工业区(Zone M)呈现显著高温集聚，其集聚指数(AI)值最高(边缘达0.78)，而商业区破碎度(FRAC_am
   )呈现核心-边缘梯度特征。形态指标的空间异质性证实不同功能区存在独特的"热环境指纹"。

2. 非线性效应解析
   SHAP分析显示UFZ形态对LST存在明显阈值效应：当AI>0.65时，每增加0.1单位导致LST上升1.2°C；而FRAC_am
   与LST呈U型关系，最佳值域为1.2-1.5。这表明单纯增加连通性或破碎度均可能加剧热风险。

3. 协同作用机制
   发现三类关键交互路径：(1)集聚度-建筑密度：当AI>0.7时，建筑密度对LST的影响放大2.3倍；(2)破碎度-植被覆盖：高破碎度(FRAC_am

1.8)会削弱植被降温效果达40%；(3)形状指数-人为热排放：不规则形状的商业区使空调能耗对LST贡献率提升18%。

【结论与意义】
该研究首次从规划视角系统论证了UFZ形态作为"空间调节器"的核心作用，其通过改变热力格局与放大/抑制其他因子效应，形成复杂的温度调控网络。实践层面提出三项创新指导：(1)工业区应控制AI在0.5-0.6区间并配置通风廊道；(2)商业区需维持适度破碎度(FRAC_am
=1.3±0.2)以平衡功能混合与热扩散；(3)居住区形态优化可降低空调负荷12-15%。方法论上，建立的"斑块-SHAP"分析框架为城市微气候研究提供了新范式。

这项研究从根本上改变了将UFZ视为静态容器的传统认知，揭示了空间形态作为活跃热调节因子的动态作用，为《巴黎协定》下城市气候适应性规划提供了精准调控工具。后续研究可拓展至不同气候区验证普适性，并开发形态-热环境耦合模拟系统。