《Sustainable Cities and Society》：Decoding the spatial imbalance of urban green space’s cooling service from a supply-demand perspective: A case study of Xi’an, China
编辑推荐：
由全球变暖和城镇化驱动的热环境恶化导致了众多城市挑战。鉴于城市绿地降温服务（UGS-CS）作为物理调节器在缓解城市热环境中的关键作用，识别其供需关系并阐明背后的驱动机理已成为重要的研究优先事项。本研究以西安为案例，整合遥感影像、建成环境数据和社会经济数据，分别
由全球变暖和城镇化驱动的热环境恶化导致了众多城市挑战。鉴于城市绿地降温服务（UGS-CS）作为物理调节器在缓解城市热环境中的关键作用，识别其供需关系并阐明背后的驱动机理已成为重要的研究优先事项。本研究以西安为案例，整合遥感影像、建成环境数据和社会经济数据，分别利用InVEST城市降温模型和热环境风险评估框架表征UGS-CS的供给与需求。通过供需缺口和四象限模型分析供需数量关系与匹配类型，并应用地理探测器揭示驱动机理。主要发现如下：（1）西安市UGS-CS供给相对较差，需求相对较低。供给呈现“外高内低”的空间格局，而需求则相反，且分布极不均匀。（2）UGS-CS的数量失衡和类型错配均较严重，空间格局表现为外部盈余、内部赤字，以及外部过度供给、内部供给不足，表明严重空间不均衡。（3）景观格局对UGS-CS供给和供需缺口（SDG）影响最大，而建筑形态对需求影响最大。景观格局正向影响供给和SDG，负向影响需求。建筑形态（除天空开阔因子外）负向影响供给和SDG，正向影响需求。（4）交互作用检测几乎全部表现为双线性增强。绿地面积比例和斑块密度（PD）是供给的超交互因子；兴趣点密度（POID）和道路密度（RD）是需求的超交互因子；斑块密度（PD）是SDG的超交互因子。本研究改进了UGS-CS供需关系的计算方法，提高了计算精度，并对其驱动机理提供了补充见解，从而为缓解城市热应力的更具针对性的规划策略提供了有价值的参考。
## 论文解读：从供需视角解码城市绿地降温服务的空间不均衡——以西安为例
### 研究背景与问题
全球变暖和快速城镇化导致城市热环境持续恶化，引发能源消耗增加、空气污染加剧、热舒适度下降及疾病发生率上升等一系列城市问题，严重热浪甚至可致命。城市绿地通过蒸散发、遮阴和冷空气平流形成“冷岛”，有效降低周边环境温度，是调节城市热环境的关键物理组分。然而，城市绿地数量有限且空间分布不均（如中心城区绿地更少、更破碎，富裕社区绿地更多），导致降温服务供给存在空间差异。同时，热岛斑块分布不均，且居民对热环境的敏感性不同（如老人和儿童更敏感，低收入群体更脆弱），使得降温服务需求也存在空间异质性。这种供给与需求的空间错配导致真正需要降温的区域反而获得更少的降温服务，不仅削弱了降温效果，还加剧了环境不公和社会不平等。因此，识别城市绿地降温服务（UGS-CS）的供需关系并阐明其驱动机理，成为城市降温研究的关键方向。现有研究虽然从单维度（热环境风险或绿地降温效应）或供需复合维度进行了探索，但相关计算方法和精度仍有待改进，且对供需关系形成机理的系统研究存在空白。本研究以西安为案例，旨在回答三个核心问题：UGS-CS供给与需求有何特征？供需关系特征如何？哪些因素影响供需关系及其作用机理？研究为优化城市热环境规划提供更精准的参考。
### 主要技术方法
研究人员利用多源数据（包括遥感影像、建成环境数据和社会经济数据），采用以下关键技术方法：首先，应用InVEST城市降温模型（InVEST urban cooling model）计算植被遮阴、地表反照率和蒸散发加权指数，表征UGS-CS供给；其次，基于热环境风险评估框架（thermal-environment risk assessment framework），综合热危险、暴露度（基于手机信令数据的高分辨率人口分布和兴趣点（POI）提取的冷却设施可达性）和脆弱性（人口年龄结构、医疗设施可达性等）评估需求；然后，通过供需缺口模型（supply-demand gap）和四象限模型（four-quadrant model）分析供需数量关系与匹配类型；最后，应用地理探测器（Geodetector）从景观格局、建筑形态和社会经济三个维度揭示驱动机理。所有方法均基于网格尺度（200 m×200 m）进行空间分析。
### 研究结果
#### 供给的空间分异特征
UGS-CS供给用冷却服务指数（Cooling Service Index，CSI）表征。研究发现，西安市高供给和高水平供给区域面积显著小于低供给和低水平供给区域。供给呈现“外高内低”的空间格局：高值区和热点主要分布在城市边缘的郊区及大面积公园（如汉长安城遗址、昆明池、秦岭地区），低值区和冷点集中于中心城区。城内公园的冷却效果受周边不透水面影响而减弱。整体上，西安UGS-CS供给较差，空间分布极不均匀。
#### 需求的空间分异特征
需求用热环境风险指数（Thermal Environment Risk Index，TERI）表征。需求水平总体较低，高需求区域主要位于中心城区和工业/物流区，呈现“内高外低”的格局，与供给相反。冷点分布在远离市区和大型水体的郊区。需求的核心驱动因素是人口和兴趣点密度，而非植被覆盖。
#### 供需数量关系与类型匹配
通过供需缺口和四象限模型分析：西安UGS-CS存在严重的数量不均衡和类型错配。供给过剩（供给高、需求低）区域占26.08%，主要分布在城市边缘公园和秦岭北麓；供给不足（供给低、需求高）区域占3.52%，集中在老城区和仓储物流区；数量均衡但类型不匹配区域占23.04%，如供需双低型（开发强度低但植被少的边缘区）和供需双高型（大型公园+高水汽压差导致高需求）。空间上呈现“外盈余内赤字”和“外过度供给内供给不足”的格局。
#### 驱动因素分析
单因子探测显示：景观格局（尤其绿地面积比例和斑块密度）对供给和供需缺口影响最大，其中绿地面积比例（解释力>0.8）对供给驱动最强，斑块密度对供需缺口驱动最强。建筑形态（如建筑密度、容积率）对需求影响最大，其中兴趣点密度（POID）和道路密度（RD）解释力最高。社会经济因子（人口密度、道路密度）对需求有较大影响，但对供给影响较小。因子方向分析表明：景观格局正向影响供给和供需缺口，负向影响需求；建筑形态（除天空开阔因子）负向影响供给和供需缺口，正向影响需求；社会经济因子（除距道路距离）正向影响供给和供需缺口，负向影响需求。
#### 交互作用分析
交互作用检测几乎全部表现为双线性增强。绿地面积比例与斑块密度的交互作用对供给的解释力最强，达到0.91；兴趣点密度与道路密度的交互作用对需求的解释力最强，达0.83；斑块密度与面积加权形状指数的交互作用对供需缺口的解释力最强。斑块密度是供需缺口的超交互因子。
### 讨论与结论
#### 讨论总结
研究人员从社会-生态系统理论出发，强调UGS-CS供需关系研究的重要性，指出当前研究多集中于单一供给或需求维度，而本研究通过综合供需视角，填补了机理研究的空白。研究发现的空间错配为环境正义提供了新证据。供给不足区域应优先增绿，但受限于高密度建成环境，可结合绿色屋顶、立体绿化等替代方案；供给过剩区域在保持生态功能的同时，可适度发展绿色基础设施。此外，研究人员指出本研究使用的InVEST模型在湿冷城市可能存在局限性，手机信令数据精度受渗透率影响，未来可扩大研究尺度、结合实证数据验证。
#### 研究结论翻译
以西安市为案例，本研究整合多源数据，应用InVEST城市降温模型、热环境风险评估框架、供需缺口模型和四象限模型表征UGS-CS的供给、需求及供需关系，并利用地理探测器揭示驱动机理。主要结论如下：（1）西安市UGS-CS供给较差，需求较低。供给呈现“外高内低”空间格局，需求则相反，分布极不均匀。（2）UGS-CS的数量不均衡和类型错配严重，空间格局表现为外部盈余、内部赤字及外部过度供给、内部供给不足，表明严重空间不均衡。（3）景观格局对供给和供需缺口影响最大，建筑形态对需求影响最大。景观格局正向影响供给和供需缺口，负向影响需求；建筑形态（除天空开阔因子）负向影响供给和供需缺口，正向影响需求。（4）交互作用几乎全部为双线性增强。绿地面积比例和斑块密度是供给的超交互因子；兴趣点密度和道路密度是需求的超交互因子；斑块密度是供需缺口的超交互因子。本研究为缓解城市热应力提供了更精确的供需关系计算方法及针对性规划策略参考。
