不同气候区中多维度城市绿地特征与城市热岛效应之间的差异性关系

《Environmental Impact Assessment Review》:Distinct relationships between multidimensional urban green space characteristics and urban heat island effect across local climate zones

【字体: 大 中 小 】 时间:2026年07月26日 来源:Environmental Impact Assessment Review 12.2

编辑推荐:

  摘要 城市热岛效应因城市形态的改变而加剧,这种改变影响了遮荫和空气流通,同时城市绿地的不足也起到了推波助澜的作用。以北京为例,本研究探讨了在不同局部气候区中,多维度的城市绿地特征与作为城市热状况关键指标的地表温度之间的关联。为描述城市绿地特征,我们量化了包括景观格局和形态空间

  摘要
城市热岛效应因城市形态的改变而加剧,这种改变影响了遮荫和空气流通,同时城市绿地的不足也起到了推波助澜的作用。以北京为例,本研究探讨了在不同局部气候区中,多维度的城市绿地特征与作为城市热状况关键指标的地表温度之间的关联。为描述城市绿地特征,我们量化了包括景观格局和形态空间格局指标在内的二维城市绿地指标,以及与冠层高度结构相关的三维城市绿地指标。在100米、250米和500米三个空间尺度上,比较了弹性网络模型、随机森林模型、XGBoost模型和可解释提升机模型四种算法的性能。其中,250米尺度下的XGBoost模型表现最佳,因此结合沙普利加性解释法和部分依赖图来解析不同局部气候区内城市绿地指标与地表温度之间的关联。研究结果显示,北京五环路内的不同局部气候区存在明显的热差异,低密度低层建筑区域和大型低层建筑区域的地表温度最高,而树木茂密区域和水体区域则保持较低温度。在各类局部气候区中,绿地比例始终是影响降温效果的最重要指标,尤其是在LCZ8和LCZA这类相对开放的区域。主导斑块大小和景观形状复杂度也是重要影响因素。在三维指标中,冠层构建相对高度指数和冠层高度标准差的重要性高于平均冠层高度和高大树木比例,其中TBC在LCZ3和LCZ4中排名第二。边际效应分析表明,当绿地比例超过35%,主导斑块大小在10%至20%之间时,降温效果更为显著;而当树木高度比周边建筑物低5至8米时,也能带来更好的降温效果。这些发现可为城市气候适应中的绿地规划提供依据。

引言
城市热岛效应指的是城市中心地区的温度明显高于周边非城市地区的现象(Arshad等人,2022;Deilami和Kamruzzaman,2017;Oke,1982)。随着城市化进程的加速,城市热岛效应在城市中日益突出(Aram等人,2019;Chen等人,2026;Li等人,2019;Voogt和Oke,2003),地表温度也被广泛用作衡量城市热异质性和表面加热模式的关键指标(Roba和Tabor,2025)。在各种缓解措施中,城市绿地作为一种自然基础设施,通过遮荫、蒸散作用以及改变表面能量分配等方式,被认为有助于降低表面温度(Athokpam等人,2024;Mudede等人,2020;Ogce等人,2025)。然而,这些作用受到植被特性和周边建成环境的共同影响。植被的数量、空间分布及垂直结构会改变太阳辐射的拦截程度、蒸散潜力、空气动力粗糙度以及较冷表面的空间持续性,而建筑密度和高度则会影响遮荫、辐射交换和气流情况(Li和Zhou,2019;Wei等人,2025)。因此,城市绿地与温度之间的关联在不同城市环境中可能并不一致。了解不同城市绿地特征与地表温度之间的关联,以及这些关联如何随城市形态变化而变化,仍是城市气候研究和热岛缓解规划中的核心问题。

目前,虽然已有不少研究试图量化城市绿地对城市热环境的影响,但相关成果仍较为零散且存在矛盾(Lin等人,2025;Sun等人,2025)。大量研究集中在城市绿地的二维景观特征上,如绿地覆盖率、主导斑块大小、形状复杂度、破碎化程度和连通性等,研究表明,绿地的数量和空间布局可通过影响遮荫、蒸散作用以及较冷表面的空间连续性来影响地表温度(An等人,2022;Li等人,2023;Tang等人,2023)。例如,Shih(2017)强调了城市绿地斑块间更好连通性带来的降温作用,而Li和Zhou(2019)则指出主导斑块大小和斑块形状复杂度对降低地表温度的重要性。这些矛盾可能源于不同地理和环境条件的差异,以及研究多集中于城市绿地景观格局而忽视其内部空间结构。为更好地描述这种内部结构,一些研究采用了形态空间格局分析方法,将土地覆盖类型分为核心区、岛屿状区、桥状区、环状区、边缘区、分支区和穿孔区等几何类别(Soille和Vogt,2009)。这些二维形态特征为理解绿地的组织结构和连通性提供了额外信息,超越了传统景观指标的范畴。正如Xu等人(2025)所展示的,不同形态类型的城市绿地在缓解城市热岛效应方面的作用并不均衡,其中核心区和穿孔区类型的绿地具有更强的降温效果,而岛屿状类型的绿地效果较差。近年来,越来越多的研究开始关注植被的三维特征,如冠层高度、结构异质性和垂直分布,这些特征可能进一步影响太阳辐射的拦截、空气动力粗糙度、辐射交换和局部气流(Alexander,2021;Chen等人,2024;He等人,2024;Jia等人,2026;Wu等人,2022;Zhang等人,2023)。不过,大多数研究仍侧重于绝对冠层高度或一般的冠层结构特征,而对树木与周边建筑物之间的相对垂直关系关注不足,而这一关系实际上对城市热调节起着关键作用(Wei等人,2025)。因此,一个能够同时整合二维和三维城市绿地特征,并充分考虑不同城市形态背景下树木垂直分布关系的综合框架仍有待完善。

城市绿地特征与地表温度之间的关联也深受城市形态的影响。在紧凑型、开放型、低层建筑区或工业区,即便植被的数量或分布相似,其产生的表面温度反应也可能有所不同,因为建筑密度、高度、围合程度、不透水覆盖物以及街道峡谷的几何形态都会影响太阳辐射的照射强度、背景热量储存、辐射交换和通风条件(Wang等人,2024;Yang等人,2019)。因此,城市形态可能会增强、减弱或改变水平方向上的绿地布局和垂直方向上的植被结构所带来的降温效果。在此背景下,Stewart和Oke(2012)提出的局部气候区分类体系为城市气候学研究提供了标准化分类方法,以便用于城市规划(Paula等人,2025)。该分类体系根据土地用途和覆盖类型的共同表面结构、覆盖特征和热特性,将其分为10种建成区类型和7种自然土地覆盖类型(Mohamed和Zahidi,2024)。局部气候区地图可以通过地理信息系统数据或遥感技术生成,其中世界城市数据库与访问门户工具是最常用的平台之一(Lefevre等人,2025)。在局部气候区框架下分析城市绿地与地表温度之间的关系,有助于提高城市内部情况的解释能力,也有利于比较不同形态和气候条件下的城市。

基于过程的模型和数据驱动模型是两种日益互补的研究方法,二者在知识引入方式和所要解决的科学问题方面存在差异(Maestrini等人,2022;Peach等人,2023)。基于过程的模型通过预定义的方程和参数化方式来表达领域知识,从而模拟系统背后的物理过程(Maestrini等人,2022;?zdo?an-Sar?ko?和Dadaser-Celik,2024)。然而,这类模型的应用需要详细的输入数据、大量的校准工作以及强大的计算资源,而且模型结构、参数化和输入数据所带来的不确定性仍可能影响模拟结果(Maestrini等人,2022;Peach等人,2023)。相比之下,数据驱动模型则通过观测数据学习输入与输出之间的关系,无需预先设定具体的过程方程,因此在选择和整合预测因子方面具有更大的灵活性(Staudinger等人,2025)。这种学习能力使得数据驱动方法非常适合用于识别环境系统中的复杂非线性关系、变量交互作用以及空间异质性的响应模式,尤其是当有足够代表性的数据可供分析时(Huang等人,2026;Staudinger等人,2025)。在城市热岛研究中,数据驱动方法被越来越多地用于分析城市特征与热状况之间的复杂关系、识别空间异质性模式以及支持大规模环境评估(Alnajjar等人,2026;K?v?lc?m和Bradley,2025)。可解释机器学习方法,如SHAP方法和部分依赖分析,可以通过识别关键预测因子并总结模型学到的非线性模式,提高模型的透明度,从而帮助进行模型诊断和假设生成(Huang等人,2025;McGovern等人,2019)。基于这种方法论思路,本研究采用一种可解释的数据驱动框架,旨在识别不同局部气候区内多维度城市绿地特征与地表温度之间的关联,而非直接模拟城市热传递过程(Alnajjar等人,2026;McGovern等人,2019)。同时,空间依赖性和尺度依赖性作为城市热岛研究中的两个核心方法学问题,在许多现有实证研究中仍未得到充分探讨(Chen等人,2025;Han,2023;Jeon等人,2023;Wan等人,2026;Wang等人,2024)。因此,本研究结合多尺度模型比较、基于空间的评估与解释方法,以弥补这些不足。

除了方法论方面的考虑,城市绿地如何影响城市热量这一问题还对公平的气候适应具有更重要的意义。近期研究表明,城市绿地的降温效益虽然显著,但分布并不均衡,绿色基础设施的分布、可及性和有效性往往与社会经济不平等现象相互交织,从而导致不同社区和人群之间的适应效益存在差异(Chen,2024;Hsu等人,2021;Li等人,2024a)。因此,了解不同局部气候区内城市绿地与温度之间的关联,不仅有助于优化城市形态和生态设计,还能为制定更加公平且符合当地实际情况的气候适应规划提供依据(Friesenecker等人,2025)。本研究以北京五环路内的区域为研究对象,结合局部气候区分类体系、多尺度分析(100米、250米和500米)、多模型比较、空间自相关分析以及可解释机器学习方法,探讨二维和三维城市绿地指标与地表温度之间的关联。研究特别关注传统的二维绿地指标以及较少被研究的三维指标,尤其是冠层构建相对高度指数和冠层高度标准差的作用。具体而言,本研究旨在:(1)描述北京五环路内不同空间尺度上的局部气候区差异以及地表温度的空间依赖性;(2)确定在考虑空间依赖性和模型泛化能力的条件下,最适合用于解释城市绿地与地表温度之间关系的模型框架;(3)明确关键二维和三维城市绿地指标对地表温度的相对贡献和边际效应。本研究的结果旨在阐明城市绿地在不同城市形态背景下的降温作用,为制定兼顾局部气候特征的绿地规划提供更为可靠的依据。

研究区域
北京位于东经115.7°至117.4°、北纬39.4°至41.6°之间,面积约为16,410平方公里。从气候上看,北京属于温带大陆性季风气候,在柯本-盖格气候分类系统中被归为Dwa类型。该地区夏季炎热潮湿,冬季寒冷干燥,大部分降水集中在7月和8月。在过去半个世纪里,北京的城市化进程迅猛,城市化率从1978年的54.96%不断上升。

方法论
图2以图形形式总结了本文所采用的方法论及整个研究流程,主要包括四个步骤:(1)利用GEE平台从Landsat 8 TIRS影像中获取夏季地表温度数据;(2)计算二维城市绿地景观指标、二维城市绿地空间形态指标以及三维城市绿地指标,以此描述城市绿地的空间结构和垂直特征。同时,还计算了一些背景控制变量,用于描述研究区域的各项基本特征。

不同局部气候区内的地表温度空间分布
图3展示了2024年北京五环路内的夏季地表温度空间分布情况。最低、平均和最高地表温度分别为24.03℃、34.91℃和52.01℃,这说明研究区域内存在显著的热异质性。根据Jenks自然断点分类法,地表温度被划分为五个温度区间(见表4)。在研究区域内,中温带所占比例最大,为31.75%,其次是空间尺度敏感性以及基于空间信息的建模。在100米、250米和500米不同尺度下的比较表明,UGS与LST之间的关系具有尺度敏感性。高分辨率网格能够保留局部热异质性,但也可能放大局部噪声;而低分辨率网格则能在提高平滑度的同时削弱局部空间信号。尽管不同模型在不同尺度下取得了最高的重复交叉验证性能,但在250米尺度上,XGBoost模型展现了最佳的整体性能。

结论:本研究比较了四种模型(EN、RF、XGBoost和EBM)在三种空间尺度(100米、250米、500米)下的性能,随后利用250米尺度上的XGBoost模型,并结合SHAP和PDP分析方法,研究了北京市第五环道路域内不同生态廊道中2D和3D UGS特征与LST之间的非线性关系。主要结论如下:(1) 在三种空间尺度下,不同生态廊道之间存在明显的热差异。具体而言,紧凑型生态廊道……

利益冲突声明:作者声明不存在任何可能影响本文所汇报工作的已知财务利益或个人关系。

致谢:本项工作得到了中国国家重点研发计划(2024YFF1307000)以及中国国家自然科学基金国际(区域)合作与交流项目(批准号72561147299)的支持。

蔡青南|杨一晓|邹家祥|陈斌
中国北京师范大学环境学院区域环境与可持续发展国家重点实验室,北京100875
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号