城市屋顶多功能改造的空间配置：一种整合潜力、成本与效益权衡的空间优化方法

《Landscape and Urban Planning》：Spatial allocation of urban roof multifunctional retrofits: A spatial optimization approach integrating potential, cost, and benefit trade-offs

　　

• 开发了一种针对城市屋顶多功能改造（URMR）的优化方法，以平衡潜力、成本和效益。
• 该模型在北京的应用表明其在各种偏好场景下均有效。
• 在不同偏好下识别了功能选择模式和空间配置。
• 解决了城市屋顶多功能改造中平衡多种功能和目标的空间显式配置挑战。

**引言**
城市地区面临日益严峻的环境挑战，包括能源稀缺和生态退化，这主要由全球气候变化和快速城市化驱动（IPCC, 2024）。在土地资源有限的情况下，城市屋顶多功能改造（URMR）作为一种解决方案方案而日益突出，通过将屋顶空间改造为光伏系统和绿色表面，以减轻建成环境的负面影响。绿色屋顶（GR）可缓解城市热岛效应，减少暴雨径流，并改善空气质量（Chen et al., 2024, Liao et al., 2025）。同时，屋顶光伏（RPV）提供可再生能源，减少对化石燃料的依赖，并支持气候变化缓解努力。创新的光伏绿色屋顶（PV-GR）进一步使能源生成与生态效益协同（Talwar et al., 2023, Skandalos and Karamanis, 2025）。然而，城市屋顶改造受限于可用空间和投资，需要在绿化和光伏等功能之间进行权衡（Slootweg et al., 2023, Kazemian and Xiang, 2025）。因此，基于空间竞争和协同视角的科学空间布局对于优化分配屋顶功能（例如 GR、RPV 或 PV-GR）至关重要，从而促进城市屋顶资源的高效利用并实现最优配置。

城市屋顶改造的有效性主要由空间潜力（SP，表明改造需求的强度）、投资成本（IC，衡量改造的经济可行性）和综合效益（CB，捕捉改造的整体回报）决定。研究表明，GR 在绿地覆盖率有限的地区特别有效，而 RPV 更适合建筑密度高的地区（Dong et al., 2025, Rahmaniah et al., 2025）。IC 因选择的改造功能不同而差异显著，而改造带来的环境、经济和社会效益是推动其广泛实施的关键驱动因素（Manso et al., 2021, Teotónio et al., 2018, Torres et al., 2023）。因此，如何在成本约束下通过合理分配屋顶改造类型来最大化综合效益，已成为该领域的一个关键科学问题。现有研究主要从潜力评估、效益模拟和多目标优化三个维度对此问题进行了探讨。

潜力评估主要集中于单一功能类型——GR。相关研究通常采用城市空间环境指标，如人口密度、建筑密度、绿地率、温度和空气质量来反映改造需求（Dong et al., 2024, Yao et al., 2020, Zhao et al., 2024），并结合多准则决策分析（MCDA）方法，如层次分析法（AHP）和熵权法（EW），来评估 GR 改造的 SP 并确定改造优先级（Aleksejeva et al., 2024, Xu et al., 2020）。效益模拟可根据研究范式分为两类。第一类基于建筑屋顶属性和太阳辐射特征识别适合改造的屋顶，然后模拟不同功能类型可产生的效益。例如，Pan et al. (2024) 结合屋顶坡度、面积、朝向、太阳辐射强度和辐射时长识别适合 GR、RPV 和 PV-GR 的潜在空间，并通过设计三种改造场景（GR 最大化、RPV 最大化和 PV-GR 最大化）模拟相应的发电量和碳固存效益。Yuan et al. (2025) 利用建筑功能、屋顶朝向、坡度和太阳辐射提取潜在的 RPV、GR 和农业屋顶，然后通过设计功能组合场景模拟食物 - 水 - 能源纽带效益。Kokkoris et al. (2025) 结合屋顶材料、辐照度、朝向、倾斜角和阴影识别适合 RPV 和 GR 的潜在空间。通过设计两种场景——绿化与太阳能的平衡整合以及太阳能部署最大化，他们模拟了发电、碳减排和生物多样性增强效益。第二种范式主要关注 GR，通过模拟冷却效应、径流调节、生物多样性增强等效益来确定能有效提供生态效益的改造区域（Dong et al., 2020, Zuo et al., 2022, Yao et al., 2020）。多目标优化在该领域仍处于探索阶段，现有研究尝试将优化算法引入屋顶改造的空间决策中。例如，Dong et al. (2024) 将遗传算法与效益模拟模型耦合，以确定 GR 改造的最优空间布局，以径流减少、冷却效应效益和投资成本作为优化目标。Ma et al. (2026) 通过考虑与历史改造案例的相似度、改造可行性概率、成本和全生命周期发电量作为优化目标，确定了城市 RPV 改造的最优策略。

尽管这些研究在潜力评估、效益模拟和多目标优化方面取得了渐进式进展，但在解决 URMR 的空间配置方面仍存在三个关键局限。首先，在分配 GR、RPV 或 PV-GR 等功能类型时，缺乏明确的屋顶功能分配规则；现有研究主要依赖于研究人员主观设定的改造场景（例如 GR 最大化或 RPV 最大化），而不是可推广的决策逻辑，使得当屋顶空间适合多种改造选项时，难以提供功能选择的科学依据（Slootweg et al., 2023, Yuan et al., 2025）。其次，评估维度单一，多个目标之间的综合权衡尚未充分实现。无论是在需求导向的潜力评估还是回报导向的效益模拟中，评估指标通常局限于单一维度，未将相互约束的核心维度，如 SP、IC 和 CB 纳入统一的权衡框架（Dong et al., 2020, Farina et al., 2024, Guo et al., 2027）。第三，缺乏复杂空间配置的方案生成机制。由于潜力评估需要预定义方案的有序性，可选屋顶的可能组合数量过大，难以生成清晰的空间布局。虽然效益模拟可以识别特定功能类型的最优改造区域，但主要适用于单一功能。当多种功能在复杂场景中并存时，现有方法无法提供一套可供决策者在多目标权衡下选择的替代方案集（Dong et al., 2025, Pan et al., 2024, Yuan et al., 2025）。

为解决现有研究在多种功能类型科学空间分配、多目标之间的协调与权衡以及多场景下空间显式优化决策支持方面的局限性，本研究提出了一种 URMR 空间布局优化方法。该方法整合了高分辨率遥感、地理信息系统、效益货币化模型和多目标优化算法 NSGA-III。通过同时考虑 SP、IC 和 CB，有效解决了 RPV、GR 及其混合系统的功能优化问题，并为决策者提供了空间显式指导。我们将该方法应用于中国典型的高密度城市北京，遵循以下关键步骤：(1) 使用高分辨率遥感图像、基于地理信息系统（GIS）的空间分析和机器学习方法，智能识别潜在屋顶及其适宜的功能类型；(2) 建立多目标评估体系，通过耦合潜力量化模型、全生命周期成本计算模型、综合效益货币化模型和 NSGA-III 算法，迭代优化 URMR 的空间布局；(3) 进行与不同城市管理场景相匹配的偏好分析，生成符合不同决策指导（如高 SP、低 IC 或高 CB 偏好）的最优布局方案。通过探索不同城市管理偏好下的最优配置策略，本研究为高密度城市与 URMR 相关的空间规划和建设决策提供了科学量化参考。研究成果为确保规划有效实施和增强整体改造成果提供了有价值的指导。

**章节片段**
**研究区域**
北京位于华北平原北部（116°20′E, 39°56′N），具有暖温带半湿润半干旱季风气候特征。作为中国首都、国家中心城市和超大城市，它是全国增长最快、最发达的城市地区之一。截至 2024 年底，北京常住人口达到 2183.2 万人，城镇化率为 88.2%（北京市统计局，2025），使其成为最……之一

**方法**
建立了一种高密度城市屋顶区域多功能改造空间布局的多目标优化方法（图 2）。第一部分介绍了现有城市建筑对 URMR 的影响因素。基于这些因素，制定了识别潜在改造屋顶和确定适宜功能类型的标准。通过整合 GIS 空间分析、深度学习和监督分类方法，确定潜在改造屋顶及其适宜……

**布局优化结果概述**
图 4 展示了针对 SP、IC 和 CB 三个目标对应的帕累托最优解。使用超体积指数评估优化模型的收敛性，随着迭代次数的增加，其值稳步上升，增长速率逐渐降低并最终稳定，表明模型收敛并确认了优化结果的可靠性。帕累托最优集由 100 种 URMR 空间布局方案组成。这些方案代表……

**结论**
本研究提出了一种针对高密度城市屋顶空间规划决策的空间显式优化方法，有效解决了多种功能之间的竞争和多目标之间的权衡。通过将 SP 评估、全生命周期 IC 量化和 CB 货币化模型整合到 NSGA-III 算法框架中，所提出的方法实现了屋顶功能的科学分配，以及 SP、投资成本……等多目标之间的综合权衡

**CRediT 作者贡献声明**
Jing Dong: 写作 - 审阅与编辑，写作 - 原稿撰写，验证，软件，资源，项目管理，方法论，调查，资金获取，形式分析，数据管理，概念化。
Sujun Zhao: 写作 - 审阅与编辑，写作 - 原稿撰写，可视化，软件，形式分析。
Chunli Li: 写作 - 审阅与编辑，写作 - 原稿撰写，可视化，形式分析。
Ruonan Guo: 软件，形式分析。
Fei Guo: 监督。
Xing Zheng:

**利益冲突声明**
作者声明他们没有已知的竞争财务利益或个人关系，这些关系可能被认为影响了本文报告的工作。

**致谢**
本研究得到了国家自然科学基金（编号：52208045）、辽宁省自然科学基金（编号：2025-BS-0007）和中央高校基本科研业务费（编号：DUT24RC(3)012）的支持。

Jing Dong|Sujun Zhao|Chunli Li|Ruonan Guo|Fei Guo|Xing Zheng