多维城市形态对不同地方气候区夏季昼夜地表温度的共同效应

《Sustainable Cities and Society》：Joint effects of multidimensional urban morphology on day and night summer land surface temperature across local climate zones

　　

•多形态因素（2D/3D）能更好地解释夏季白天和夜间LST的影响。•建成区LCZ的降温对3D形态因素的敏感性高于2D因素。•自然LCZ的降温需要限制UBS扩张并保留RGL覆盖。•在LST缓解策略中应优先关注主导性LCZ。

引言

在全球气候变化与快速城市化的叠加效应下，城市热环境已成为生态安全、公众健康和城市可持续发展的关键挑战（Tollefson, 2023; Y. Wu等, 2025）。自然地表正被建筑物、道路及其他不透水面材料所取代，这改变了地表反照率、热容量、潜热通量和近地表空气交换过程，从而导致地表温度（LST）升高并加剧热量积聚（Trlica等, 2017; Z. Yan等, 2026）。此外，LST升高还会增加热浪暴露风险、降低户外热舒适度，并对城市生态系统施加额外压力（J. Liu等, 2024）。因此，理解不同形式的地域开发和自然地表覆盖如何调节LST，对于制定空间靶向性的高温缓解策略至关重要。

LST是描述城市热环境变化的最直接指标，其空间异质性本质上反映了地表形态、地表覆盖组成和空间格局对热量吸收、储存和释放的综合影响（Q. Liu等, 2025; J. Zhang等, 2026）。城市建成区空间（UBS）通常通过不透水面扩张、显热储存和近地表空气交换受限来增加LST，而城市绿地空间（UGS）则通过遮荫、蒸散发和替换吸热表面来提供降温作用（Jang & Jung, 2025; Y. Liu等, 2026; Song等, 2025; J. Yan等, 2022）。这些热效应不仅取决于UBS和UGS的空间比例，还取决于边缘特征、连通性和空间格局（Hou等, 2026）。形态空间格局分析（MSPA）提供了一种有用的方法，用于刻画不同地表类型的形态结构和空间连通性，从而支持UGS形态相关热效应的评估（Bi等, 2025）。先前的研究表明，UGS的边缘复杂度、聚集度和连通性可以显著影响降温效果（Y. Zhang等, 2025）。然而，大多数研究仍孤立地考察UGS或UBS，对不同地表类型之间的协同效应关注不足（Hou等, 2026; J. Zhang等, 2026）。此外，草场（RGL）的热效应尽管在全球范围内广泛分布，但仍然缺乏充分理解，尤其是在RGL构成地表重要组成部分的地区（Feng等, 2025）。因此，全面理解LST需要考虑多种下垫面类型及其综合效应。

此外，MSPA主要捕捉2D空间格局，无法充分表征建筑高度（BH）和树冠高度等垂直结构。这些垂直特征可以通过改变遮荫、通风、辐射交换和热量储存来进一步调节LST（Sützl等, 2024）。尽管近期一项研究整合了2D/3D形态指标并证明了UBS和UGS耦合在缓解LST方面的重要性，但实证证据仍然有限（J. Zhang等, 2026）。同时，这些形态效应的机制在白天和夜间也存在差异。白天LST更多受入射太阳辐射和不透水面吸热的主导影响（Olgun等, 2025），而夜间LST则与储存热量的释放、通风条件和长波辐射散热更为密切相关（Jiang等, 2019; Shu等, 2025）。然而，2D和3D形态特征如何跨不同地表类型相互作用以塑造白天和夜间LST，仍缺乏充分理解。因此，需要一种更全面的评估方法，整合2D/3D形态、多种地表类型以及昼夜变化，以阐明塑造LST的机制以及不同地表组分之间的协同热效应。

复杂的地表形态和多样的地表覆盖格局在城市区域内部造成了显著的空间异质性。因此，需要更精细的分析框架来识别城市形态与LST之间的关系如何随不同空间类型而变化。通过将城市区域划分为具有相似地表覆盖和形态特征的单位，局地气候区（LCZ）框架为捕捉这种异质性提供了一种有效手段（J. Zhang等, 2026）。由于LCZ分类实用性强、数据可获取，且能够克服传统二元方法的局限性，因此在热环境研究中得到了广泛应用（Y. Chen等, 2023）。LCZ分类不仅刻画了城市内部空间异质性，还捕捉了LST对建成形态和自然下垫面变化的梯度响应（S. Zhou等, 2023）。从规划角度来看，与针对特定LCZ类型内少数极端热点进行局部优化相比，对主导性LCZ类型进行系统性调整更有利于改善区域尺度的热治理成效（Yang等, 2020）。因此，基于LCZ的LST研究应充分考虑多种下垫面类型的影响以及不同LCZ的优先级，以支持分区规划并最大化降温效益。

机器学习方法在处理高维预测变量、多重共线性和复杂响应模式方面具有明显优势，近年来已越来越多地应用于热环境驱动因子研究（Tahooni等, 2025）。在这些方法中，CatBoost在预测精度、稳定性和泛化能力方面表现优异，使其适用于识别多维形态因子与LST之间的复杂关系（Lyu & Yin, 2023）。然而，机器学习模型常被当作黑箱使用，对单个特征的作用和重要性的解释有限（R. Guo等, 2024）。为克服这一局限，Shapley加性解释（SHAP）可以量化特征贡献并揭示效应方向、阈值变化和交互模式（Tahooni等, 2025）。因此，将CatBoost与SHAP结合有助于识别复杂地表条件下塑造不同LCZ间LST的主导因子和非线性关系。

为填补上述研究空白，成都-重庆地区为该分析提供了合适的研究场景，因为其复杂地形、广泛的RGL覆盖以及建成区和植被地表的高度交错，产生了显著的LCZ和地表覆盖异质性。本研究整合了土地利用/土地覆盖（LULC）数据、建筑密度（BD）和建筑高度（BH）、树冠高度（Canopy_MN）以及ECOSTRESS LST数据，应用CatBoost-SHAP框架，系统地识别多维（2D/3D）空间形态如何在不同LCZ类型中影响夏季白天和夜间LST。具体而言，本研究旨在：（1）描述成都-重庆地区LCZ类型的空间分布；（2）揭示不同LCZ类型间夏季白天和夜间LST的空间格局；（3）识别2D和3D UBS、UGS及RGL形态因子对LST的相对重要性、阈值响应和交互效应。研究结果旨在为复杂下垫面条件下LST管理和城市环境治理提供更具操作性和针对性的策略。

区域片段

研究区

成都-重庆地区位于中国西南部（102°54′E–107°30′E, 28°10′N–31°26′N），涵盖四川省和重庆市（图1）。城市化率为43.8%，成都-重庆地区是西南地区城市化程度最高的区域之一。成都-重庆地区的快速城市扩张发生在盆、平原和山地等截然不同的地形地貌中，地形约束和通风条件差异导致空间[差异]。

研究框架

研究框架包含四个步骤（图2）。首先，使用GUIDOS Toolbox 3.2提取成都-重庆地区UBS、UGS和RGL的MSPA，包括七种空间类型（核心、孤岛、穿孔、边缘、环路、桥梁和分支）。使用ArcGIS 10.8.1将这些MSPA输出与区域行政边界（5,672个空间单元）关联，计算每个空间单元的UBS/UGS/RGL覆盖度。其次，利用街道级空间单元，LCZ类型被[划分]。

LCZ分类结果

研究区包含5,672个街道级空间单元，被划分为八种LCZ类型，包括六种建成类型（LCZ 1–LCZ 6）和两种自然类型（LCZ A和LCZ D）（图4）。LCZ 6（开敞低层）占主导地位，共2,499个单元（44.06%）。LCZ 5（开敞中层）排名第二，共1,076个单元（18.97%），表明成都-重庆地区主要以开敞低层建成环境为特征，辅以开敞中层建成环境。相比之下，紧凑建成类型[较少]。

不同LCZ类型的夏季昼夜LST差异

结果显示，所有LCZ类型的夏季白天LST均高于夜间LST（图9）。紧凑建成类型（LCZ 1-LCZ 3）表现出最高的热环境，白天LST中位数超过35°C，夜间LST中位数超过25°C。开敞建成类型（LCZ 4–LCZ 6）也记录到较高温度，白天中位数超过30°C，夜间中位数超过24°C。这些结果与此前关于紧凑LCZ类型热响应的研究一致，即高BD和高BH[导致较高温度]。

结论

本研究以成都-重庆地区为研究对象，整合LULC、BD、BH、树冠高度和ECOSTRESS LST数据，构建了结合MSPA、LCZ分类和CatBoost/SHAP的分析框架，系统考察了多形态因素在不同LCZ类型中对夏季昼夜LST的相对重要性、阈值响应和交互效应。结果表明，研究区以LCZ 6和LCZ 5为主导，夏季LST呈现出[显著差异]。

CRediT作者贡献声明

Fei Hou：撰写-审稿与编辑；撰写–原始稿件；概念化；方法学；软件；形式化分析；调查研究；可视化；数据管理。

Massoomeh Hedayati Marzbali：撰写-审稿与编辑；概念化；方法学；资源；监督；资金获取。

Aldrin Abdullah：撰写-审稿与编辑；资源；监督。

数据可用性

数据可根据要求提供。

CRediT作者贡献声明

Fei Hou：撰写–审稿与编辑，撰写–原始稿件，可视化，软件，方法学，调查研究，形式化分析，数据管理，概念化。

Massoomeh Hedayati Marzbali：撰写–审稿与编辑，监督，资源，方法学，资金获取，概念化。

Aldrin Abdullah：撰写–审稿与编辑，监督，资源。

利益冲突声明

作者声明不存在已知的可能影响本文所述工作的竞争性财务利益或个人关系。

致谢

作者感谢马来西亚理科大学在资助编号R502-KR-GOT001-0000823268-K134下的财政支持。

Fei Hou | Massoomeh Hedayati Marzbali | Aldrin Abdullah