《Sustainable Cities and Society》：Assessing Urban Thermal Inequity for the Elderly in Relation to 2D/3D Urban Built Environment
编辑推荐：
本研究基于机器学习模型（XGBoost）分析多维城市形态对热环境空间差异的影响，以西安为例整合多源数据，发现高密度历史区热暴露显著高于新城区（4.7–7.4倍），且88%的热不适区与老年人口高密度区域重叠，植被和水体贡献超60%的降温效果，建筑高度超过32.5米加剧热应激。研究提出热舒适性评估框架，强调在老年高密度城市优化设计需兼顾环境与社会因素。
Xukun Yan|Yupeng Wang|Xilian Luo|Dian Zhou
西安交通大学人居与土木工程学院，中国西安，710049
摘要
城市热舒适度已成为影响环境可持续性和社会公平的关键因素，尤其是在经历快速城市化进程的老龄化社会中。本研究采用机器学习算法，探讨了多维城市形态如何塑造热环境的空间差异。以中国西安为例，整合了包括遥感影像、老年人口分布以及2D/3D城市形态模型在内的多种数据源，并运用极端梯度提升（XGBoost）模型来捕捉城市形态与热条件之间的复杂非线性关系。研究结果表明，超过70%的城市街区存在热不适现象，其中高密度历史城区的热暴露程度是周边新城镇的4.7至7.4倍。此外，热不适与社交脆弱性高度相关，热不适街区与老年人口密度高于平均水平的区域在空间上有88%的重叠，这些区域的热不适指数是全市平均水平的十倍以上。人工智能驱动的模型显示，植被和水体对降温效果的贡献超过60%；然而，当归一化植被指数（NDVI）低于0.2或建筑密度超过0.2时，热不适会显著加剧。3D城市形态具有“双刃剑”效应：适度的建筑高度有助于遮阳和通风，但过高的建筑高度（超过32.5米）会加剧热应力。本研究支持气候响应型城市设计，并强调了在老龄化、高密度城市中解决热不平等问题的必要性。
引言
随着快速的城市化和城市热岛效应的加剧，极端高温事件在全球范围内变得越来越频繁和严重。联合国环境规划署（UNEP）预测，到2050年，将有16亿城市居民面临极端高温。这一日益增长的热负荷对基础设施和公共卫生构成了严重威胁。根据世界卫生组织（WHO）的数据，2030年至2050年间，与热相关的疾病、心血管疾病和呼吸系统并发症每年可能导致约25万人死亡。
与其他人群相比，老年人更倾向于进行户外活动（Ma等人，2021年），并且特别容易受到极端高温的影响。从生理学角度来看，衰老会削弱体温调节能力，减少汗液分泌和心输出量，并增加对温度变化的敏感性（Shinoda等人，2025年）。慢性疾病如心血管疾病、糖尿病和呼吸系统疾病会进一步加剧热应力，增加中暑的风险（Marchand & Gin，2022年；Sajjad等人，2025年）。行为上，由于认知能力下降或感官障碍，老年人可能低估了热风险。行动能力减弱、药物副作用和社会隔离进一步限制了他们及时寻找凉爽环境的能力（Huang等人，2022年；Zuo等人，2024年）。此外，他们经常进行低强度的久坐型户外活动，如慢走，这会延长暴露在高温中的时间，增加热风险（Onose等人，2020年）。在社会层面，老年人更可能居住在隔热不良、通风不良或空调设施有限的旧社区（Ji等人，2024年）。欧洲、美国、中国和日本的研究一致表明，老年人在极端高温事件中面临最大的风险（Ballester等人，2023年；Carr等人，2024年；Chen等人，2023年；M. Zeng等人，2024年）。这些发现表明，鉴于热不平等问题既源于社交脆弱性也源于环境暴露，必须在气候适应性城市规划中予以重点关注，特别是针对老年人群体。
虽然社会经济条件决定了谁最脆弱，但建成环境决定了这些脆弱性如何转化为不平等的热暴露。因此，了解城市形态如何影响当地热环境对于通过规划和设计促进热公平至关重要。利用遥感和实地测量进行的现有研究已经建立了城市规划与热特性之间的紧密联系。绿色基础设施（如城市公园）已被证明具有显著的降温效果（Wang等人，2022年），而高建筑和道路密度则与较高的地表温度（LST）相关（Xu等人，2024年）。某些土地利用类型（如工业区）由于存在产生热量的基础设施和活动，温度往往较高（Su等人，2021年）。随着城市向垂直方向发展，3D城市结构对热条件的影响受到了更多关注（Yuan等人，2024年）。建筑面积比（FAR）和街道峡谷几何形状（如开放度和朝向）等指标显著影响局部微气候（Kim等人，2022年；Luo等人，2023年）。垂直元素（包括建筑物和树木）可以提供有益的遮阳，减少太阳辐射，提高热舒适度（Park等人，2021年）。
尽管温度是热暴露的主要指标，但它并不能完全反映人类的热感知，因为湿度也会对热感知产生重要影响（Haghshenas等人，2021年）。综合指数（如不适指数（DI）、生理等效温度（PET）和通用热气候指数（UTCI）结合了温度和湿度，以更好地反映人类的热应力（Br?de等人，2012年；H?ppe，1999年；Thom，1959年）。然而，这些指数通常依赖于气象观测数据，限制了其在城市尺度上的应用。最近的遥感技术进步使得通过修正的温度-湿度指数（MTHI）等指标实现了温度-湿度的耦合（El Kenawy等人，2025年；Zhao等人，2025年）。此外，建成环境变量与热舒适度之间的关系本质上是非线性和交互的。传统的统计方法往往无法捕捉阈值效应或复杂的跨尺度依赖性。因此，越来越多地使用机器学习算法，特别是集成模型（如极端梯度提升（XGBoost），来揭示城市形态与热动态之间的隐藏机制（Yuan等人，2024年；Zhou等人，2022年）。
总体而言，关于城市热环境的研究越来越关注其社会和物理维度之间的公平性问题。许多研究探讨了城市形态、植被分布和人口结构如何共同影响热暴露和脆弱性（Dong等人，2024年；Li等人，2024年；T. Zhang等人，2025年）。在中国的大城市中进行的研究表明，热应力往往集中在高密度和低绿化覆盖率的区域（Feng等人，2023年；Ouyang等人，2024年）。尽管对城市热问题的公平性影响越来越受到关注，但大多数现有研究的范围仍然有限，主要关注基于温度的指标（如LST），而忽视了湿度在塑造人类热感知中的关键作用。同样，很少有研究将多维城市形态与社会脆弱性结合在一个统一的分析框架内，以探讨空间形态如何导致热不平等。在本研究中，城市热不平等被定义为由形态引起的热不适与老年人之间差异化的热暴露之间的空间耦合。因此，多维建成环境因素通过影响热应力的产生地点，提供了不平等的机制基础，而人口分布则决定了谁受到的影响最大。
在以往研究的基础上，本研究明确地将三个互补的气候、形态和社会维度整合到一个数据驱动的框架中。它引入了一个对湿度敏感的热舒适度指标，以更好地反映人类感知的热应力，结合了来自卫星数据、数字高程模型（DEM）和街景影像的2D和3D建成环境指标，以捕捉垂直和水平的热机制，并将这些与老年人口分布相结合，以量化和解释空间不平等。具体而言，该研究（1）量化了经湿度调整的热舒适度，并构建了一个将环境不适与老年人口联系起来的热暴露指数；（2）分析了城市扩张区域内的热舒适度和暴露度的空间差异；（3）使用可解释的XGBoost–SHAP框架对2D和3D建成环境指标的非线性效应进行了建模。这种基于开放获取数据的综合工作流程，通过将基于AI的诊断与以公平为导向的规划相结合，支持气候敏感型设计。这些发现对于高密度、老龄化城市具有广泛的意义，并强调了在可持续城市设计实践中结合环境和社会维度的必要性。
研究区域
研究区域（北纬34.18°–34.37°，东经108.78°–109.10°，图1a-b）位于西安市中心，面积为457.34平方公里，被西安绕城高速公路所环绕。作为中国西北部的一个关键城市，西安面临着快速的城市化和高人口密度的挑战。仅2023年，西安气象站就记录了43个极端高温天气（定义为每日最高温度≥35°C），这凸显了
西安的热舒适度和热暴露
图3a-b显示了西安市中心在当地时间上午11:19时的TI（温度指数）和ETI（环境温度指数）的空间分布。在分析的1,848个街区中，72.3%的街区存在热不适现象，这凸显了有效缓解热问题的紧迫性。具体来说，744个街区（40.30%）被归类为不太舒适，435个街区（23.54%）为不适，138个街区（7.47%）为非常不适。相比之下，只有4.27%的街区属于较舒适的类别。
热暴露的空间不平等
评估热不平等需要能够捕捉环境条件如何转化为不同人群之间热暴露差异的指标。为了实现这一目标，我们采用了改进的方法论，以更真实地反映人类感知的热应力，而不仅仅是城市气候研究中常用的温度指标（Yuan等人，
结论
本研究提出并验证了一个基于气候的公平性评估框架，专门针对老年人群体，解决了快速城市化背景下热环境与社会脆弱性的交叉问题。通过将遥感数据、多维城市形态指标和社会人口指标整合到一个机器学习驱动的建模框架中，我们开发了一种稳健的方法来量化脆弱群体的热不适暴露
CRediT作者贡献声明
Xukun Yan：撰写——原始草稿、可视化、软件开发、方法论、数据分析、概念化。Yupeng Wang：撰写——审稿与编辑、验证、监督、资源协调、项目管理、资金筹集、概念化。Xilian Luo：监督、方法论。Dian Zhou：验证。
