城市热岛效应与PM2.5污染的时空协同治理：基于可解释LightGBM-SHAP模型的季节性调控机制解析

本研究创新性地构建了融合时空维度的协同治理框架，采用可解释机器学习（LightGBM-SHAP）揭示粤港澳大湾区（GBA）热岛效应（UHI）与PM2.5污染的时空耦合规律。研究发现夏季协同区域达73.73%，建筑密度（BD）和形状指数（BSI）呈正向协同效应，绿地率（GSR）和年降水（MAP）具负向调节作用，为制定季节性精准治理策略提供科学依据。

　　

Highlight

本研究优势在于突破传统单一治理模式，首次将时空耦合视角与可解释机器学习（LightGBM-SHAP）结合，构建UHI与PM_2.5协同治理框架。相比既往研究仅关注单向影响，本方案能识别非线性交互作用，揭示建筑密度（BD）与绿地率（GSR）等因子的跨季节差异化调控机制。

Advantages of the synergistic management framework

协同治理框架的创新性体现在三方面：(1) 时空耦合分析显示夏季协同区域较冬季扩大26.78个百分点，提示需重点实施季节性干预；(2) 机器学习模型发现建筑形态参数（BSI）与夜间灯光指数（NL）存在阈值效应，当BSI>2.3时协同风险骤增；(3) 蓝绿空间（GSR/BSR）的冷却-净化双重功效在秋季最显著，可作为跨季节调控靶点。

Conclusion

热岛效应（UHI）与PM_2.5污染的交互作用要求从传统碎片化治理转向协同治理。本研究基于粤港澳大湾区案例证实：(1) 广佛肇地区为关键干预区域；(2) 夏季需优先调控建筑密度（BD）和形状指数（BSI）；(3) 冬季应加强蓝绿空间（BSR/GSR）建设。该框架为制定"温度-空气质量"协同优化策略提供了智能决策工具。