中国城市树木降温效率的空间异质性及主导因子识别研究

为解决城市热环境加剧背景下树木降温效率（CE）空间异质性机制不明的问题，研究人员通过高分辨率遥感数据和非线性模型，对中国302个城市的树木覆盖百分比（TCP）与地表温度（LST）关系进行量化。研究发现75%以上城市呈现CE随TCP增加的U型曲线规律，并揭示人类活动因子在低TCP区域主导、自然气候因子在高TCP区域主导的跨界现象（70% TCP为临界点）。该研究为优化城市绿地规划和热可持续城市建设提供了科学依据。

　　

随着全球城市化进程加速和气候变化影响加剧，城市热环境问题日益凸显。高温热浪不仅威胁居民健康，还加剧能源消耗和生态负担。树木作为基于自然的解决方案（Nature-based Solution），通过遮阳和蒸腾作用（Evapotranspiration, ET）有效缓解城市热岛效应。然而，当前研究对树木降温效率（Cooling Efficiency, CE）——即树木覆盖率每增加1%所带来的温度降低值——的空间异质性认知仍存在显著空白。既往关于CE与树木覆盖百分比（Tree Coverage Percentage, TCP）关系的研究结论不一：有的表明高覆盖区域CE会因蒸腾抑制而降低，有的则发现CE随覆盖度增加而提升。这种分歧源于数据源、方法论和研究区域的差异，特别是缺乏对TCP梯度下CE非线性响应机制的系统解析。

为破解这一难题，清华大学研究团队在《Ecological Genetics and Genomics》发表了题为“Distinct dominant factors of spatially heterogenous urban tree cooling identified in cities across China”的研究论文。该研究整合了1米分辨率土地覆盖数据（SinoLC-1 m）和Landsat地表温度数据，结合非线性建模方法，首次在全国尺度上（302个城市）量化了CE对TCP的依赖关系，并揭示了自然与人为因子的交互作用机制。

研究主要采用以下技术方法：（1）基于1米分辨率土地覆盖数据计算30米网格的TCP，并与经高程校正的Landsat LST数据匹配；（2）建立TCP与LST的三次方非线性回归模型，通过导数计算不同TCP区间的CE值；（3）运用随机森林（Random Forest）和广义加性模型（Generalized Additive Model, GAM）解析自然因子（气温、降水、NDVI）和人为因子（建筑高度、夜间灯光、人口密度）对CE的贡献度；（4）通过脊回归（Ridge Regression）分析城市内部CE与精细化因子的关联。所有数据均统一至2020年时段，并排除了水体和农田的干扰。

3.1. 城市内部LST-TCP非线性关系

研究发现169个城市（拟合优度R²>0.5）中存在四种CE模式：U型（76%）、递增型、递减型和倒U型。其中U型曲线最为普遍（128个城市），表现为低TCP和高TCP区域CE较高，而中等TCP（35–50%）区域CE最低（图2）。这表明树木在覆盖极低和极高时均能发挥高效降温，而中等覆盖区域存在“降温洼地”。

3.2. 城市树木CE的空间格局

全国城市平均CE为0.029°C/%，夏季CE最高，冬季最低。空间上，东部和西南地区城市U型曲线占比超80%，而北方城市因干旱气候和树种差异，仅40%呈现U型（图3）。高分辨率数据验证了低TCP区域CE被线性模型低估25.4%，高TCP区域低估23.9%，凸显非线性模型的必要性。

3.3. 不同TCP区间的主导因子

随机森林模型表明，当TCP低于70%时，CE主要由人为因子（建筑高度、夜间灯光）主导；高于70%时，自然因子（气温、降水、NDVI）贡献更大（图4）。GAM分析进一步揭示：气温对CE的影响呈非线性（21°C为拐点），建筑高度在10米以下促进CE、10-17米抑制CE、17米以上再次促进（图5）。值得注意的是，气温和建筑高度对CE的作用随TCP变化而异：在低TCP区影响不显著，而在高TCP区则呈现显著非线性关联（图6）。

研究结论指出，城市树木降温效率存在显著的TCP依赖性和空间异质性。U型曲线规律表明，在低TCP区域，CE受人为热排放和地表对比度驱动的“伪冷却效应”主导；而在高TCP区域，树木高度（与NDVI增长相关）提升带来的蒸腾增强成为CE上升的关键。跨城市尺度上，70% TCP是人为与自然因子主导作用的临界点。该研究首次系统量化了中国城市树木降温的边际效益，为差异化城市规划提供了理论依据：低TCP区应优先增植树木以利用高边际效益，高TCP区需注重树种选择和高度管理，而北方城市需结合 albedo（反照率）调控策略。未来研究需融合多源遥感和通量观测，深入解析树木生理生态过程与城市环境的交互机制。