从供需视角识别山区大城市的热风险及应对韧性策略
《Sustainable Cities and Society》:Identification of Heat Risk and Resilience Response in a Mountainous Megacity from a Supply–Demand Perspective
【字体:
大
中
小
】
时间:2026年07月31日
来源:Sustainable Cities and Society 13.3
编辑推荐:
摘要:极端高温事件严重威胁着城市的可持续发展,尤其是在那些地形复杂且城市化进程迅速的山区大城市中,这些因素进一步加剧了热风险。以往的研究很少关注城市降温需求与生态缓冲供给之间的空间不匹配问题。为填补这一科学空白,我们构建了一个与热灾生命周期相对应的供需评估框架,用以评估重庆的生态
摘要:极端高温事件严重威胁着城市的可持续发展,尤其是在那些地形复杂且城市化进程迅速的山区大城市中,这些因素进一步加剧了热风险。以往的研究很少关注城市降温需求与生态缓冲供给之间的空间不匹配问题。为填补这一科学空白,我们构建了一个与热灾生命周期相对应的供需评估框架,用以评估重庆的生态韧性及热风险。研究采用了极端梯度提升算法、Shapley加性解释方法以及基于最优参数的地理检测模型,系统分析了2000年至2020年间生态韧性及热风险的演变情况,探讨了多尺度空间关系及其驱动机制。此外,还引入了倒向基尼系数和九分格矩阵来量化县域内的空间不公平现象。研究结果表明:(1)2000年至2020年间,重庆的生态韧性呈现出稳定的空间分布特征,中部和东北部山区韧性较高,而西北部盆地的韧性较低,与此同时热风险却显著上升;(2)供需比率呈现波动上升趋势,西部数值较低,东部则较高。生态韧性与时热风险之间存在显著的负相关关系,且这种关联在不同尺度上均保持一致,起初负相关程度加强,随后略有减弱(网格Moran's I值从-0.404变为-0.515再变为-0.481;县级Moran's I值从-0.412变为-0.589再变为-0.577);(3)蓝绿空间比例和海拔高度是影响供需关系的主导因素,在所有空间尺度上都具有最高的解释力;(4)基于基尼系数的九分格矩阵显示,存在持续存在的供需失衡结构,城市核心区域既面临严重的供给不足问题,又存在严重的空间不公平现象。本研究提出了基于供需匹配的宏观结构优化路径,为重庆精准管理热风险提供了科学依据。该框架也适用于其他在气候变化背景下寻求可持续发展的山区大城市。
引言:全球气候变化加剧了极端高温事件及城市热岛效应的频率和强度,对人类健康、生态稳定以及城市的可持续发展造成了不利影响(Arnfield, 2003; Johnson, 2022)。随着城市化进程的加快,热风险——即人们面对极端高温时的暴露程度、敏感性和脆弱性——已成为全球各大城市的重大挑战(Méndez-Lázaro et al., 2025; Tuholske et al., 2021)。在发展中国家的大城市中,由于人口密度高以及基础设施和公共卫生体系相对落后,热风险对人类福祉的影响更为明显(Li and Zhao, 2026; Sharmin and Chappell, 2025)。与平原城市相比,山区大城市受到复杂地形的制约,其高密度建成区往往面临极端高温风险,同时生态资源也极为匮乏。而生态资源丰富的地区大多位于发展受限、风险较低的山区腹地(Xiang et al., 2022; Zhang et al., 2019)。这种严重的空间不匹配不仅削弱了生态系统的整体调节能力,还会导致城市内部出现显著的气候不公平现象(Sun et al., 2026; Xie et al., 2026)。因此,要想实现山区大城市的可持续发展,从供需匹配的角度诊断生态系统减热能力与热风险之间的空间不匹配问题,并探究其特征和驱动因素,是制定有效干预策略的基础前提(Lei et al., 2025; Liu et al., 2025a)。面对日益严峻的城市热风险,有必要深入分析多维度生态供给与热缓解需求之间复杂的耦合关系。现有的研究大多仅局限于单一维度,要么侧重于生态系统的绝对供给能力,如绿地和水体的降温作用(Liu et al., 2026),要么仅仅衡量城市热风险的严重程度(Sinha et al., 2026; Ye and Yang, 2025)。这类评估方式往往忽视了供给与需求之间的空间动态关系,从而导致生态资源的分配和使用效率低下。尽管有一些研究探讨了城市热的供需关系(Yu et al., 2026),但它们的定量方法仍存在缺陷。例如,有些研究过度依赖地表温度等单一指标来判断供给和需求(Chen et al., 2026);还有些研究仅以生态基础设施的存量作为供给方面,未能对生态系统的多维度供给能力进行定量测算(Chen et al., 2025a)。目前,仍缺乏一个能够全面量化多维度生态供给能力及其与热风险之间深度耦合和失衡机制的评估体系。生态韧性指的是生态系统抵抗、适应并从干扰中恢复的能力(Rezvani et al., 2023; Zhang et al., 2024)。越来越多的研究表明,生态韧性是衡量生态系统减热供给能力的重要指标(Heinzlef et al., 2020; Inostroza et al., 2016)。然而,在山区大城市中评估这种韧性面临着独特挑战。与平坦的城市中心不同,地形复杂的都市区域包含着广阔的山区自然生态区域,这些区域远远超出了传统建成区的范围(Zhang et al., 2025a)。为了支持宏观层面的空间治理,需要一种多维度、覆盖整个区域的评估方法,以便全面了解整个区域的系统减热供给能力。在气候适应背景下,关于生态韧性的大量研究已经形成了多种评估框架(Feng et al., 2024; Shamsipour et al., 2024)。与主要关注持续性人为压力的压力-状态-响应模型(Chen et al., 2025b; Li et al., 2025b),以及常常模糊风险边界的脆弱性框架(Choi et al., 2026; Shakoor et al., 2026)相比,“抵抗-适应-恢复”三维框架能够对热风险做出动态响应。由于该框架与热浪灾害的时间生命周期紧密契合,因此能够更全面地体现生态韧性(Wang et al., 2023),并且已成为宏观层面生态韧性评估领域的成熟方法(Zhang et al., 2024)。该框架能够精准捕捉极端高温危害的不同阶段:抵抗阶段反映系统在初始热冲击期间承受损害的能力(灾前/灾害初期);适应阶段指的是在持续的热应力作用下系统所做出的结构和功能调整(灾害中期);恢复阶段则代表系统在热事件过后恢复到正常状态的能力(灾后)。基于该框架开展多维度的宏观评估,能够更客观地量化整个山区城市区域的真实生态供给能力。在此基础上,本研究将多维度生态韧性定义为供给方面,将热风险定义为需求方面。此外,通过运用空间自相关和倒向基尼系数等定量工具,本研究旨在准确量化并识别不同尺度上的空间供需失衡现象以及内部不公平问题。阐明生态供给与风险需求之间失衡的驱动机制,是为制定精准的空间干预策略奠定基础(Eldesoky et al., 2022; Zhang et al., 2025b)。然而,在气候变化背景下,多维度生态韧性与城市热风险之间的系统耦合关系是一个极其复杂且非线性的开放系统。大多数现有研究仍然依赖于传统的回归模型,而当变量之间存在非线性关系时,这些模型往往难以发挥作用(Wu et al., 2024; Wuryandani et al., 2026)。为突破这一瓶颈,本研究引入了极端梯度提升算法,并结合ShAP解释框架。作为一种先进的集成机器学习方法,XGBoost-SHAP无需预先设定线性函数形式,就能够对非线性关系进行建模。它不仅能高效处理高维度且复杂的数据,还能准确识别非线性关系下各驱动因素的总体贡献度(Gao and Wang, 2025; Li et al., 2025a)。不过,纯XGBoost模型存在一个固有缺陷:它难以捕捉变量之间的空间异质性(Chen and Guestrin, 2016)。为弥补机器学习的空间不连续性问题,现有研究通常会采用地理加权回归、多尺度地理加权回归或空间杜宾模型等空间计量经济模型来分析局部空间关系。山区大城市复杂的地形和环境条件可能导致各因素之间存在局部依赖性。地理加权回归和多尺度地理加权回归依赖于局部回归系数估计,可能容易受到局部多重共线性的影响。相比之下,OPGD采用优化的空间离散化和基于方差的统计方法,而非局部系数估计,因此能够避免因多重共线性导致的局部回归系数不稳定问题,同时还能评估空间分层的异质性以及各个因素及其相互作用的解释力度(He et al., 2023; Kheyruri et al., 2025)。由于不依赖局部系数估计,OPGD避免了与多重共线性相关的系数估计不稳定问题,非常适合用于本研究采用的宏观尺度空间分析。因此,通过将XGBoost-SHAP与OPGD相结合,本研究构建了一个互补性很强的评估框架。该框架将XGBoost-SHAP得出的非线性关联估计结果与OPGD提供的空间异质性和相互作用指标相结合,从而能够全面分析山区大城市中“韧性-风险”耦合关系的复杂机制,为制定宏观层面的结构性干预措施提供深入的科学依据(Yang et al., 2024)。本研究以具有代表性的山区大城市重庆作为实证研究对象,基于生态韧性与时热风险之间的供需匹配关系,构建了一个全面的评估框架。具体的研究目标包括:(1)定量分析2000年至2020年间生态韧性(供给方面)和热风险(需求方面)的时空演化特征;(2)利用空间自相关模型,诊断这种供需关系在宏观尺度上的空间不匹配模式及区域聚集特征;(3)通过将XGBoost-SHAP模型与OPGD相结合,探究韧性-风险供需耦合关系背后的复杂非线性驱动机制及空间分层异质性;(4)运用倒向基尼系数量化县域内的空间不公平现象,将其纳入九分格空间决策矩阵中,以此划分宏观治理责任区域,进而提出跨区域治理策略和生态补偿建议。通过引入供需框架来弥补传统单一维度评估方法的不足,本研究旨在为制定宏观尺度的热风险缓解空间治理策略提供依据。经过根据当地环境和社会经济状况进行校准后,这种分析方法也可应用于其他山区大城市。
研究区域:重庆位于北纬28°10′至32°13′、东经105°11′至110°11′之间,由38个区县组成,面积约为82,400平方公里,是中国西部最大的城市和直辖市(图1)。它地处四川盆地的东南边缘,四周群山环绕。该地区地形起伏较大(Gao et al., 2024),这使得城市发展只能集中在山谷和平缓的斜坡地带,从而导致了热环境的空间异质性。复杂的地形条件……
研究方法:本研究的主要步骤如下(图2):(1)利用涵盖抵抗、适应能力和恢复能力三个方面的三维指标体系,量化2000年至2020年间重庆的多尺度生态韧性。同时,借助地表温度数据和人口数据来评估热风险的时空动态变化;(2)通过供需比率和空间自相关方法,识别不同尺度上的不匹配模式及空间聚集特征;(3)……
韧性与时热风险的关系:如图3所示,2000年至2020年间,重庆的抵抗能力一直较高,但随着建设用地的扩张,低抵抗值区域的范围也在不断扩大。适应能力总体较低,山区地区的适应能力较高,而其他地区则多为中等或较低水平。恢复能力总体较高,且分布较为均匀。整体来看,这些指标的演变趋势较为稳定,但存在局部差异,东南部山区的恢复能力较高,西北部平原地区的恢复能力较低,还存在一些聚集现象……
基于九分格矩阵的 Spatial Mismatch与不公平现象诊断:为避免平均统计偏差,本研究以1公里的网格作为基本单元,提取并计算各县的倒向基尼系数,以此进一步诊断县域内的空间不匹配问题。本研究将单纯的供需总量评估拓展为二维九分格评估矩阵,该矩阵结合了平均相对标准差和倒向公平指数,从而确定每个县在矩阵中的位置……
结论:本研究从韧性-风险供需匹配的角度,分析了2000年至2020年间代表性山区大城市重庆的生态韧性与时热风险的时空分布特征,进一步研究了二者之间的空间关系、县域内的不公平现象以及相关影响因素。主要研究结果如下:(1)在研究期间,从区域尺度上看,生态韧性保持相对稳定,尽管在某些地方观察到了下降趋势。CRediT作者贡献声明:高宇:写作——初稿撰写、可视化、验证、软件使用、方法设计、研究实施、正式分析、数据整理、概念构建。王子耀:可视化、验证、软件使用、数据整理、概念构建。李驰:写作——审阅与编辑、验证、监督、资源协调、资金获取。利益冲突声明:作者声明不存在任何可能影响本文所报告工作的已知财务利益或个人关系。高宇|王子耀|李驰中国北京林业大学景观建筑学院,北京100083