相同的城市形态,不同的热环境结果:八个美国大都市区的热环境气候敏感阈值及其跨气候区的适用性
《Sustainable Cities and Society》:Same urban form, differentiated heat outcomes: Climate sensitive thresholds of thermal environment and cross-climate transferability across eight U.S. metropolitan areas
【字体:
大
中
小
】
时间:2026年07月26日
来源:Sustainable Cities and Society 13.3
编辑推荐:
摘要
城市热岛效应的缓解措施通常假设不同城市的绿化率、不透水表面比例、建筑密度以及地形对温度的影响大致相似。然而,这些因素在不同气候带是否保持稳定仍需进一步验证。本研究选取了美国四个不同气候类型的八个大都市区进行考察,包括热沙漠气候、地中海气候、湿润亚热带气候以及热夏湿大陆性
摘要
城市热岛效应的缓解措施通常假设不同城市的绿化率、不透水表面比例、建筑密度以及地形对温度的影响大致相似。然而,这些因素在不同气候带是否保持稳定仍需进一步验证。本研究选取了美国四个不同气候类型的八个大都市区进行考察,包括热沙漠气候、地中海气候、湿润亚热带气候以及热夏湿大陆性气候。利用2020–2024年夏季的Landsat 8/9卫星地表温度数据,我们构建了一个包含12个指标的地理空间分析框架,涵盖了生态基础设施、建筑形态、地形以及社会经济活动等方面。针对各城市,我们采用了XGBoost机器学习模型,并结合SHapley加性解释方法进行结果解读,同时通过中心化偏依赖函数分析、空间分块验证、多尺度测试以及留一城市法等手段来确保分析的稳健性。各城市的模型能够较好地捕捉到城市内部的地表温度变化,在空间分块验证下的R2值介于0.66至0.92之间,但这些模型在应用于其他城市时的预测效果较差,这表明城市形态与地表温度之间的关系具有局部适应性。特征重要性排序在相同气候类型内的差异小于不同气候类型之间的差异,这说明气候为理解城市热岛机制提供了重要背景。绿化率的临界值在热沙漠城市中最低,在地中海城市中处于中等水平,而在湿润亚热带和大陆性城市中则较高,这一差异反映了不同地区植被覆盖状况及水资源条件的差异。不透水表面的升温效应在湿润和大陆性城市中更为明显,而在干旱地区,由于建筑表面与裸露的干燥地面之间存在遮荫效应,其升温效应可能较弱或呈现非线性特征。我们的研究结果强调了根据不同气候特点采取有针对性的热岛缓解措施的重要性,有助于明确影响城市热岛效应的主要因素、非线性临界值以及模型的适用范围。
引言
改善城市热环境已成为气候适应、公共卫生保障以及城市规划中的重要任务。极端高温是城市面临的最直接的气候风险之一,而城市扩张会通过改变土地覆盖类型、表面能量交换方式以及人类活动频率等方式加剧这一风险(Oke, 1988; Santamouris, 2020; Tong et al., 2021)。随着全球变暖导致背景温度上升,城市热岛效应也在越来越高的温度基础上持续发展(Zhao et al., 2021)。到2050年,预计全球近68%的人口将居住在城市地区,这意味着更多人和基础设施将面临高温加剧的城市环境(United Nations, 2018)。密集的建筑、封闭的表面、有限的植被以及不均衡的降温条件都会进一步增加热应力及相关健康问题(Rizwan et al., 2008; Santamouris, 2015)。这些影响包括更高的制冷需求、电力负荷峰值、空气污染、生产力下降,以及与高温相关的疾病发病率和死亡率,尤其是对弱势群体而言(Medina-Ramón and Schwartz, 2006; Santamouris, 2020)。因此,减少城市热岛效应不仅仅是识别高温区域,还需要了解如何通过合理配置生态、建筑、地形以及人类活动相关要素来降低表面温度。
地表温度是一个研究城市热岛问题的重要切入点,因为它能够反映城市内部精细的空间温度分布。与稀疏的地面气象站观测数据相比,卫星获取的地表温度数据可以揭示植被、水体、不透水表面、道路、建筑物以及地形等因素如何影响城市范围内的表面温度变化(Voogt and Oke, 2003; Weng, 2009)。因此,该数据被广泛用于分析城市内部的温度差异,并为热岛缓解策略提供依据(Deilami et al., 2018)。然而,如何将地表温度数据用于城市规划并非易事。地表温度受辐射、蒸散作用、热量储存、通风条件、表面材料、地形以及人类活动等多种因素共同影响,而非由某一种城市特征单独决定(Oke, 1988; Oke et al., 2017)。这意味着那些常用的指标在不同地区的温度含义可能并不完全相同。例如,在干旱城市中,适中的NDVI值可能代表较高的绿化程度,而在湿润城市中则仅表示一般的植被状况。同样,不透水表面在植被覆盖地区可能意味着蒸散作用的减少,但在建筑表面与裸露的沙漠地面相比时,其影响则可能更为复杂。因此,关键问题在于城市形态与地表温度之间的关系是否具有跨气候类型的普适性。
现有研究已经证明城市形态会影响地表温度,但尚未形成适用于跨气候类型比较的统一分析框架。植被和水体因其能够通过遮荫、蒸散、蒸发以及热量储存等功能降低表面温度,而被普遍视为有效的降温要素(Bowler et al., 2010; Schwaab et al., 2021)。最新研究还表明,垂直方向的植被结构也很重要,因为树冠高度和三维结构会影响遮荫效果以及空气对流强度,而这些是单纯依靠水平方向绿化程度难以完全体现的(Meili et al., 2021; Schwaab et al., 2021)。同时,植被的降温效果还会受到水分供应、周边绿化程度、树冠状态以及城市密度等因素的影响(Tayyebi and Jenerette, 2016; Winbourne et al., 2020)。关于建筑形态的指标也存在类似的不确定性。不透水表面和密集的建筑往往会增加热量储存并减少蒸发冷却作用,但在炎热干旱的环境中,紧凑且具有遮荫效果的街区可能与湿润城市中密集且易积热的街区表现出不同的特性(McPherson et al., 1994; Oke et al., 2017; Sun et al., 2019)。地形同样具有重要作用,因为海拔高度、坡度以及沿海与内陆的差异会影响太阳辐射强度、气流分布、植被分布以及城市发展限制(Guo et al., 2022)。所有这些研究表明,仅基于单一因素或单个城市的证据是不够的。尤其在美国这样气候多样化的国家,这些变量之间的相对重要性、响应方向、非线性临界值以及相互作用是否存在一致性仍需进一步探究。
另一个挑战是,城市热岛缓解措施越来越需要基于阈值且经过验证的证据,而不仅仅是平均关联关系。相关性分析、普通最小二乘回归、空间计量经济模型以及地理加权回归等方法虽然可用于描述总体关系和空间非稳定性(Anselin, 1988; Fotheringham et al., 2002; Morabito et al., 2016),但城市规划决策往往涉及非线性问题。这类决策需要明确何时额外的绿化措施才能开始发挥作用,何时不透水表面会成为主要的升温因素,以及何时城市紧凑性可以从热量储存转变为遮荫优势。虽然机器学习模型比传统回归方法更能灵活地捕捉非线性和交互效应,但仅靠预测结果很难为城市规划提供有效指导(Chen and Guestrin, 2016; Wang et al., 2022)。SHapley加性解释方法则可以通过将拟合模型转化为特征重要性、响应曲线以及交互效应等易于理解的信息,从而帮助解决这一问题(Lundberg and Lee, 2017; Lundberg et al., 2019)。不过,SHAP方法得出的阈值可能取决于所使用的模型、解释方法以及分析的空间尺度。此外,当相邻网格单元的 land cover和温度条件相似时,随机划分的训练集和测试集可能会高估模型的性能。因此,要得出可靠的结论,就需要对阈值进行交叉验证,进行空间显式验证,开展多尺度敏感性分析,并评估模型的适用性。
本研究通过对比分析美国八个不同气候类型的大都市区,试图填补上述研究空白。所选的八个城市分别为凤凰城、拉斯维加斯、洛杉矶、圣地亚哥、亚特兰大、休斯顿、明尼阿波利斯和底特律,它们分别属于四种K?ppen气候类型:热沙漠气候(BWh)、热夏地中海气候(Csa)、湿润亚热带气候(Cfa)以及热夏湿大陆性气候(Dfa)(Beck et al., 2018)。我们以大都市区作为整体分析单元,同时在重建后的城市建成区范围内进行空间分析,以便更准确地研究那些土地覆盖类型、地形特征以及地表温度之间相互作用最为显著的区域(U.S. Census Bureau, 2024)。本研究围绕四个核心问题展开:第一,2020–2024年夏季这八个城市建成区的地表温度分布存在哪些差异;第二,在每个城市中,哪些生态、建筑、地形以及社会经济因素对地表温度变化起主导作用;第三,这些关键因素在不同气候条件下是否具有稳定的非线性阈值和交互效应;第四,在空间分块验证、多尺度分析以及留一城市法测试下,这些关系具有多大的稳健性和适用性。通过回答这些问题,本研究为相关领域做出了两项贡献:首先,它基于统一的分析单元和空间尺度,实现了不同城市间的可比性分析;其次,它结合了XGBoost与SHAP方法,以及中心化PDP阈值分析、空间分块验证、多尺度敏感性分析和留一城市法测试,全面分析了城市形态与地表温度之间的非线性关系、交互效应、稳健性以及适用性。我们的目标不仅仅是识别高温区域,还要弄清在不同的气候条件和城市背景下,相似的城市形态指标为何会产生不同的热效应。
材料与方法
本研究的研究框架如图1所示。我们选择了美国四种不同K?ppen气候类型下的八个大都市区,旨在分析气候和地域差异对夏季地表温度的影响(Beck et al., 2018)。研究中使用了多种地理空间数据源,包括2020–2024年夏季的Landsat 8/9卫星地表温度数据、土地覆盖数据、不透水表面数据、树冠高度数据、建筑形态数据、地形数据、道路网络数据、兴趣点数据、夜间灯光数据以及城市边界数据,这些数据分别进行了分辨率从90米、270米到540米的统一处理。
2020–2024年夏季地表温度的分布特征
2020–2024年的地表温度统计数据显示,这八个城市建成区的温度差异十分明显(见补充材料A中的表S4)。热沙漠气候城市的平均地表温度最高,其中凤凰城的温度达到56.17°C,拉斯维加斯为53.35°C。休斯顿的温度也相当高,为46.61°C,高于洛杉矶的45.04°C和圣地亚哥的43.66°C。亚特兰城的平均温度相对较低,为37.52°C,而另外两个属于热夏湿大陆性气候的城市——明尼阿波利斯和底特律——的平均地表温度最低,分别为34.19°C。
气候类型与城市热岛关系的普遍性限制
我们的研究指出了在探索普遍性的城市热岛关系时存在的一个重要局限。以往的大规模研究已经表明,植被覆盖、不透水表面比例、城市密度以及建筑形态都与地表温度密切相关,这些研究也为不同地区的城市热岛现象提供了重要证据(Manoli et al., 2019; Massaro et al., 2023)。然而,我们的研究结果表明,当用这些普遍性关系来推断具体城市的特征时,其准确性会下降。
结论
我们利用2020–2024年的Landsat 8/9卫星地表温度数据、12个与城市形态相关的预测因子以及可解释的机器学习模型,对美国四种不同气候类型下的八个大都市区进行了分析。我们的研究旨在确定生态基础设施、建筑形态、地形以及社会经济活动是否会对城市表面温度产生普遍适用的影晌,或者它们的影响是否会随气候条件的变化而改变。
关于手稿准备过程中生成式AI及AI辅助技术的声明
在撰写本稿的过程中,作者们使用了ChatGPT工具来优化文本表达、改进文章结构以及完善图表设计。在使用该工具之后,作者们对内容进行了必要的审核和修改,并对最终发表的文章内容承担全部责任。
CRediT作者贡献说明
刘青:论文撰写——审阅与编辑、论文撰写——初稿、方法论、数据收集、概念构建。董泽谦:论文撰写——初稿、可视化处理、软件应用、方法论、定量分析、数据整理。白博文:论文撰写——审阅与编辑、数据收集、概念构建。
利益冲突声明
作者们声明自己不存在任何可能影响本研究成果的财务利益或个人关系。
刘青|董泽谦|白博文
香港理工大学,香港