摘要
南亚沿海城市的快速城市化正在系统性地破坏自然降温基础设施，导致前所未有的城市热岛（UHI）效应加剧，对人类健康、能源系统和城市宜居性造成严重影响。尽管相关研究日益增多，但能够同时捕捉城市热岛动态变化、基于机器学习的热量预测结果以及社区验证的综合性框架仍然十分匮乏，尤其是在热带发展地区的次要沿海城市。本研究通过三个综合方法论支柱，探讨了孟加拉国吉大港市（Chattogram City Corporation, CCC）的城市热岛现象：
(1) 使用Landsat 5和Landsat 8卫星图像进行多时相遥感分析，时间跨度为2005年至2025年；
(2) 对五种机器学习算法（LightGBM、Random Forest、XGBoost、SVM和MLP）在土地利用/土地覆盖（LULC）分类和地表温度（LST）预测方面的性能进行比较评估，并对2029年、2033年和2037年进行迭代情景预测；
(3) 通过参与式制图和焦点小组讨论，对384名居民进行结构化的公众认知调查。
遥感分析显示：建成区面积增加了88%（从12,649英亩增加到23,719英亩），水体面积减少了53.1%，植被覆盖率下降了21.9%。平均地表温度上升了9.09°C（从30.94°C升至40.03°C），城市热岛强度在二十年间从19.59个标准化单位增加到33.88个标准化单位。LightGBM在LULC分类方面表现最佳（F1分数为0.765），而Random Forest在LST预测方面表现最准确（均方根误差为1.51，R2值为0.809）。预测结果显示，到2037年，平均地表温度将达到43.64°C，城市热岛强度将超过37.41个标准化单位。持续的热热点区域位于西南部沿海走廊、西部工业带和中央商务区。社区调查数据证实了卫星观测到的变化趋势：73.44%的受访者注意到环境退化，但只有22%的人了解正式的热量缓解政策，87%的人支持通过植被进行降温干预。这一综合框架有助于提升热带沿海城市的城市热监测能力，并为气候响应型城市规划提供具有社区认可度的空间性依据。
