杭州蓝绿基础设施与城市热岛及人口分布的多尺度空间异质性研究

本刊推荐：本研究创新性地应用Python地理随机森林（PyGRF）模型，揭示了杭州不同城市功能区（UFA）中蓝绿基础设施（BGI）格局、地表温度（LST）与人口分布间的非线性空间关联。研究发现BGI景观占比（PLAND）可解释35%以上的LST变异，商业区呈现"高温-高人口"集聚而居住区表现为"低温-高人口"集聚，证明针对性BGI设计能有效解耦热岛与人口密度关系。研究为构建热韧性城市提供了空间显式规划蓝图。

　　

研究背景与意义

随着全球城市化进程加速，城市热岛效应（UHI）对城市环境和人体热舒适度产生深远影响。人口活动与城市形态与UHI强度密切相关，不透水表面对自然景观的替代驱动了热环境恶化，而人为热排放进一步加剧了这一过程。UHI显著影响人口健康、劳动生产率和能源消耗，导致热相关死亡率上升。作为应对措施，蓝绿基础设施（BGI）通过遮荫和蒸散作用缓解UHI，并通过提供休闲空间增强人类福祉。BGI的有效性与其景观格局密切相关，斑块大小、连通性和形状等指标显著决定其冷却性能和居民吸引力。

城市功能区（UFA）因其独特的土地利用特征和热环境特征，为分析这些动态提供了基本框架。商业核心区通常呈现白天的峰值温度，而工业园区的热行为模式则有所不同。新兴研究表明，整合蓝绿元素（如邻近水道的绿色走廊）可以产生协同的"凉爽走廊"效应，降低温度并吸引人类活动。

研究方法与创新

本研究采用创新的Python地理随机森林（PyGRF）模型，捕捉传统方法遗漏的非线性动态。PyGRF通过理论驱动的超参数确定、动态引导扩展和空间加权局部预测三大突破，解决了传统地理加权回归（GWR）在处理复杂变量交互作用和空间异质性方面的局限性。

研究数据来源于多个渠道：BGI和景观格局指数来自中国首张1米分辨率全国尺度土地覆盖图SinoLC-1；地表温度（LST）使用Landsat 8热红外传感器数据计算；匿名手机信令数据来自中国移动杭州公司；城市功能区划分基于OpenStreetMap道路网络结构，结合包含使用属性的POI数据。

研究发现与结论

模型比较表明，PyGRF在量化BGI与人口分布和LST的空间异质性关系方面表现出显著优势。在人口-景观模式分析中，PyGRF的R²达到0.718，比地理加权回归（GWR，R²=0.534）提高34.5%，显著优于传统回归模型和机器学习方法。在LST-景观模式分析中，PyGRF的R²为0.532，比GWR（R²=0.329）提高61.7%。

双变量空间自相关分析结合UFA类型数据揭示了LST、BGI和人口分布（POP）之间关联的显著空间异质性。在LST-BGI关系中，企业办公区表现出强烈的空间极化：HH集群（高LST-高BGI）在所有UFA类型中排名最高（81个单元），表明密集办公区的集中绿化可能形成局部热岛缓冲区；而HL集群（高LST-低BGI）仍然显著（71个单元），表明热岛核心区绿化分布不平衡。相比之下，居住区表现出LH集群主导（低LST-高BGI，19/68个单元），验证了通过平衡绿地分配实现有效热调节。

POP-BGI空间异质性表现为功能导向的分层。企业办公区显示8.8%的HL集群（高POP-低BGI，72/820个单元），揭示了商业核心区人口密度与绿色基础设施之间的空间错配；而其20.7%的LH集群（低POP-高BGI，170个单元）表明外围绿地的补偿效应。相比之下，零售服务区的HL集群比例升高（17.9%，19/106个单元），超过UFA平均值（9.2%），表明BGI与流动人口之间的空间同步性减弱。

LST-POP关系显示区域间梯度分化。企业办公区同时拥有最大的HH集群（148个单元）和HL集群（190个单元），揭示了高密度办公室中人口-热岛强度关系的非线性——通过垂直绿化/遮荫的部分解耦（HL）与主要的正相关（HH）共存。值得注意的是，交通零售混合区的HL集群比例升高（16.0%，4/25个单元），超过类别平均值（6.5%），表明通风走廊/遮荫设施有效解耦了人口密度与热应力。

景观格局特征分析显示，居住功能区显示最高的GRA类型覆盖率（均值=52.29%，中位数=59.42%），表明草地主导居住区格局。居住办公混合呈现类似的高GRA覆盖率（均值=52.67%），而企业办公区的GRA覆盖率相对较低（均值=24.76%）。水体（WAT）覆盖率在旅游休闲区显示最高均值（10.32%），反映休闲区对水景观的偏好。TRE类型覆盖率在旅游休闲（22.75%）和旅游零售混合（19.31%）最为突出，凸显旅游相关区域树木丰富的景观特征。

研究意义与展望

本研究开发的PyGRF模型在解读城市BGI与人口分布/LST的空间异质性关系方面表现出显著优势，相比传统地理加权回归（GWR）的R²提高34.5-96.3%。这一性能提升大大超过了空间机器学习比较研究中报告的典型增益。这一突破源于PyGRF的协同创新，将地理加权框架与集成学习算法相结合，有效解决了城市生态系统建模中"空间异质性和非线性交互作用"协同建模的长期挑战。

研究结果转化为对城市规划者和政策制定者的可操作指导。例如，市政当局可以使用PyGRF模型作为诊断工具，识别BGI配置在热缓解方面表现不佳的特定社区。如果模型显示具有小型、碎片化公园（高SPLIT，低AREA_MN）的高密度居住UFA仍然遭受高LST，有针对性的政策响应应该是优先资助创建更大、连接的绿色走廊，而不是更多小型装饰性种植。

研究局限性包括：BGI指标没有区分垂直绿化（如绿墙、屋顶花园）和地面绿地（如公园、草坪）的热效应；使用静态的、基于普查的人口分布模型未能考虑城市人口的动态性质；研究专注于特定城市区域和时间段，没有解决不同背景气候特征或季节变化对LST-人口关系的影响。

未来研究应旨在解决这些局限性。集成LiDAR等3D景观分析技术可以帮助区分各种类型的绿色基础设施；为捕捉人口动态，未来模型应整合手机信令数据等动态数据源；建立跨气候和多季节比较框架对于制定更可推广和情境感知的城市规划策略至关重要。