城市功能很重要:识别影响城市热舒适度的因素
《Computers, Environment and Urban Systems》:City function matters: Identifying influential factors of urban thermal comfort
【字体:
大
中
小
】
时间:2026年07月25日
来源:Computers, Environment and Urban Systems 8.9
编辑推荐:
•将现场调查与TabPFN模型结合使用,有助于更深入地了解街道的热舒适度。•不同城市功能区的街道热舒适度特征存在差异。•在商业区,水体距离是影响街道热舒适度的关键因素。•在生态区,海拔高度是影响街道热舒适度的主要因素。•在居住区,天空视野因子是决定街道热舒适度的核心因素。
•将现场调查与TabPFN模型结合使用,有助于更深入地了解街道的热舒适度。•不同城市功能区的街道热舒适度特征存在差异。•在商业区,水体距离是影响街道热舒适度的关键因素。•在生态区,海拔高度是影响街道热舒适度的主要因素。•在居住区,天空视野因子是决定街道热舒适度的核心因素。
引言
在全球城市化和气候变化的背景下,近年来热浪的频率和持续时间不断增加(Huang等,2023;Oliver等,2018;Perkins-Kirkpatrick & Lewis,2020)。这种状况对居民的健康和生活质量构成了严重威胁。由于街道是人们日常城市活动的重要场所,行人若长时间处于高温环境中,不仅会感到不适(Zhao等,2024),还可能患上中暑等疾病(Bell, Gasparrini, & Benjamin, 2024;Patz, Campbell-Lendrum, Holloway, & Foley, 2005),甚至增加死亡风险(Kovats & Hajat, 2008)。因此,户外热舒适度研究越来越注重行人的热舒适状况(Lai等,2020;Liu等,2023)。这类研究聚焦于特定气象条件下行人在街道上的热感受情况(Ashrae, 2017),并已成为城市热岛效应研究中的重要分支。
街道热舒适度的量化方法从早期的基于调查的方式(Nikolopoulou & Lykoudis, 2006)发展到了能够综合考虑人与环境相互作用的物理基础型热指数。其中,COMFA(Kenny, Warland, Brown, & Gillespie, 2009)、mPET(Chen & Matzarakis, 2018)和SET*(Gagge, Fobelets, & Berglund, 1986)等指数能够准确反映人体的能量平衡和辐射几何关系,被广泛用于受控或特定场所的户外热舒适度研究中。然而,要在更大范围或移动式街道调查中应用这些模型,往往需要精确的辐射通量测量数据、衣物参数以及个体化的生理指标(Chen & Matzarakis, 2018;Kenny等,2009),而这些数据在复杂的城市环境中很难可靠获取。相比之下,通用热气候指数(UTCI)能够模拟人体对动态热环境的反应,综合考虑气温、辐射、风速和湿度等因素,为热应力提供标准化且易于比较的衡量标准(Br?de等,2012)。UTCI在世界各地的不同气候区域都表现出较高的适用性,尤其是在复杂的城市户外环境中(An, Hong, Cui, Geng, & Ma, 2021;Yi等,2023)。尽管以UTCI为代表的热舒适度评估方法为街道热舒适度研究提供了可靠的指标,但要提升街道热舒适度,仍需进一步探究其背后的影响因素,以实现街道环境的精准优化。
受复杂城市建筑环境的影响,街道热舒适度具有显著的空间异质性。在建筑密集的城市街道中,城市形态对局部热条件起着主导作用,建筑高度和三维街道结构决定了行人高度处的太阳辐射强度和风环境(Lai, Maing, & Ng, 2017)。而在公园和绿地中,植被覆盖率和树木蒸腾作用通过降低表面温度和辐射负荷,有效减轻行人的热量暴露(Lin, Zhao, & Zhao, 2025;Zhang & Gou, 2021)。近年来,城市计算技术的进步使得可以利用街景图像(SVI)来描述行人的视觉和物理环境(Guo, Jang, Duarte, Kang, & Ratti, 2025;Zhang, Liu, & Biljecki, 2023)。从SVI中提取的形态指标,如绿色视野指数(GVI)和天空视野因子(SVF),与行人的热感受之间存在显著相关性(Klemm, Heusinkveld, Lenzholzer, & van Hove, 2015;Kong等,2022;Yi等,2025),这为基于静态形态特征的热舒适度建模奠定了基础(Lam等,2025;Sang等,2025)。
除了物理形态之外,街道热舒适度还受到人类活动强度和功能属性的影响。近年来,人们开始利用兴趣点所反映的城市形态和活动特征来描述功能属性并模拟热舒适度,以此反映不同人类活动产生的热量排放和空间利用模式的差异(Ji等,2025)。此外,诸如计算流体动力学(CFD)模型和ENVI-met之类的三维数值模拟技术,也为理解街道层面的热环境提供了机制层面的见解(Ali-Toudert & Mayer, 2006;Toparlar, Blocken, Maiheu, & van Heijst, 2017)。这些模型能够详细解析包括辐射交换和气流与植被相互作用在内的物理过程,从而阐明设计元素如何影响微气候条件(Morakinyo, Kong, Lau, Yuan, & Ng, 2017)。不过,目前关于街道热舒适度影响因素的研究大多集中在物理形态的描述和物理过程的模拟上,例如太阳辐射(Kong等,2022)和蒸发冷却作用(Gál, Mahó, Skarbit, & Unger, 2021)。
为进一步分析由多种城市形态特征共同作用所导致的城市内部热环境的异质性,学者们提出了局部气候区(LCZ)框架(Stewart & Oke, 2012)。但需要注意的是,LCZ分类框架可能难以捕捉城市街道热特性中的所有细微变化。实证研究表明,即使在同一LCZ类别内,热环境也可能存在明显的内部差异,尤其是在那些形态和功能组成极为复杂的密集城市区域(例如Shi, Lau, Ren, & Ng, 2018)。这种差异主要源于城市街道本身固有的空间复杂性。城市街道通常融合了住宅、商业和公共空间等多种独特的建筑和设计特点,其微气候条件会受到细致的交通模式和人类活动强度的显著影响。而LCZ分类所使用的相对粗略的空间单元和混合的土地利用类型,可能限制了其识别此类细微热异质性的能力(Shi等,2018)。现有研究显示,土地利用和人口活动模式会改变局部的人为热量排放和地表覆盖情况,进而影响温度分布(Suetzl, Strebel, Rubin, Wen, & Carmeliet, 2024;Wang, Li, Xin, & Chew, 2023)。此外,关于蓝绿空间对地表温度调节作用的研究也表明,其降温效果在不同城市功能区并不一致(Wang等,2023)。这些证据都表明,街道及其周边区域的功能特性也会对行人的热感受产生深远影响。
在研究街道热舒适度的影响因素时,传统的固定气象站(Fan等,2022)无法有效监测各种类型城市街道的复杂真实热环境,而微气候模拟(Morakinyo等,2017)则涉及复杂的建模过程,难以用于多条街道之间的系统比较。遥感影像也无法从行人的视角呈现物理环境的构成情况(Ye等,2025)。鉴于街道环境的极端复杂性,要了解街道热舒适度的影响因素,就需要通过精确的现场测量来获取必要的数据支持。近年来,开放数据和机器学习模型被广泛用于分析街道的复杂特征,从而理解和预测街道热舒适度(Ding等,2024;Jia, Wang, Wong, & Weng, 2025)。然而,要从多源异构数据中准确识别出影响热舒适度的关键因素,并揭示它们在不同城市功能区内的复杂相互作用,仍然是对这些模型应用能力的巨大挑战。在典型的小样本街道热舒适度研究场景中,这些模型往往难以处理复杂的非线性关系,这就需要耗费大量精力进行特征工程和参数调整,进而增加研究的不确定性和时间成本。
本研究以中国长春为例,旨在通过实地测量,明确不同城市功能区内街道热舒适度的具体影响因素及统计关联关系。为此,研究团队制定了专门的现场测量方案,充分考虑了街道的功能特性。研究人员在不同功能类型的街道上进行了高精度的现场测量,从行人视角记录物理环境参数以评估热舒适度,同时将这些数据与反映街道景观的实时街景图像相结合。研究还采用了在大量合成表格数据上预训练过的Tabular Prior-Data Fitted Network(TabPFN)模型(Hollmann等,2025),该模型在小型真实数据集上也表现出优异的性能。研究人员利用来自不同城市功能区街道的现场测量数据,该模型用于捕捉多维城市街道特征与行人热舒适度之间的复杂非线性关系。此外,研究还运用SHapley Additive exPlanations(SHAP)框架,对不同城市功能区之间街道热舒适度的差异进行了解释和归因分析。
数据与方法
本研究首先考虑了城市环境中不同采样点的功能特性,对城市街道上的行人热舒适度进行了评估。在586个采样点上,使用UTCI指数对热条件进行了量化。随后,研究构建了一个多维度特征体系,涵盖了土地覆盖与形态、街道景观视觉元素以及社会活动这三个方面的潜在影响因素。研究还采用了TabPFN模型。
街道热舒适度的空间分布特征
在典型的晴热夏季天气条件下,长春市中心城区的户外热环境呈现出复杂的温度分布特征。586个采样点的平均UTCI值为37.59℃,表明整个研究区域的熱应力水平普遍较高,但同时也掩盖了街道尺度上的显著空间异质性。根据Br?de等(2012)的热应力分类标准,这一平均值属于“强热应力”范畴。