揭示城市形态与地表温度关系中的非线性动态及空间异质性：基于可解释的GWRF-SHAP框架在不同局部气候区的研究启示

《Sustainable Cities and Society》：Unveiling nonlinear dynamics and spatial heterogeneity in urban morphology–land surface temperature relationships: Insights from an interpretable GWRF-SHAP framework across local climate zones

　　摘要
城市形态在塑造城市热环境方面起着关键作用。然而，形态特征与地表温度之间的非线性及空间异质性关系尚未得到充分量化，尤其是在不同的局部气候区中。为填补这一知识空白，本研究构建了一种可解释的地理加权随机森林框架，并结合SHapley加性解释方法，用于分析中国西安二维/三维城市形态特征对街区尺度地表温度变化的影响。与传统随机森林模型相比，所提出的地理加权随机森林模型具有更优异的预测性能，在测试数据集上的R2值分别为0.718和0.719，预测精度提升了9.2%至9.9%。研究结果表明，不同局部气候区内，形态与地表温度之间的关系存在显著的空间异质性。城市紧凑度与不透水表面指标，如建筑密度、容积率以及增强型归一化差异不透水表面指数，通常会导致更高的地表温度；而植被与水体相关指标，如归一化差异植被指数和修正归一化差异水体指数，则具有降温效应。此外，研究还发现了明显的非线性阈值效应：在紧凑型局部气候区，当建筑密度超过约0.27–0.28时，地表温度会急剧上升；而在开阔或建筑稀疏的局部气候区，只有当归一化差异植被指数超过0.16至0.23的临界值时，植被的降温效果才会变得更为显著。相比之下，建筑高度的变化在不同局部气候区产生的热效应存在差异，这表明城市形态与热环境之间存在强烈的情境依赖性相互作用。这些发现凸显了将可解释机器学习与地理加权建模相结合在揭示复杂城市形态与地表温度关系方面的价值。该框架为针对不同局部气候区的城市热岛缓解策略及气候适应性城市规划提供了坚实的科学依据。

引言
与热相关的现象，即城市热岛效应和夏季热浪，对可持续发展构成了重大威胁。随着全球城市化进程的加速以及全球变暖的加剧，与热相关的危害强度和严重程度预计将进一步上升（IPCC，2023；Kearl和Vogel，2023；Shimoda等，2021）。根据联合国2019年的数据，全球超过60%的人口居住在城市地区，而这些区域仅占地球陆地表面的3%（联合国经济和社会事务部人口司，2019）。在中国，城市人口比例已超过65%，预计到2050年还将上升至76%以上。如此快速的城市扩张会进一步加剧与天气相关的灾害，包括通风条件恶化以及极端高温事件，从而对人类的热舒适度、能源消耗、社会公平性以及经济生产力产生严重影响（Ballester等，2023；Kotharkar和Ghosh，2022；Ramakreshnan等，2019）。因此，作为人类活动高度集中的区域，城市被广泛认为是缓解此类气候问题的关键场所。

大量研究主要利用地表温度的遥感数据作为量化城市热事件的重要依据。与近地面空气温度的地面观测数据不同，地表温度作为一种可靠的近地面空气温度替代指标，能够有效捕捉地表热状况的大尺度空间特征（Berger等，2017；Chen等，2025；Li等，2021）。地表温度显著的时空变化促使人们越来越关注其在高分辨率尺度上与复杂城市形态模式之间的关联（Huanchun等，2020）。为从城市规划的角度评估二维和三维城市形态如何影响局部热环境，研究者们采用了多种指标，如土地覆盖率、建筑密度、地块系数、建筑高度以及天窗系数等（Luo等，2023；Wu，2025）。这类见解对于制定有效的城市热管理及气候适应策略至关重要。然而，城市建成环境具有复杂性、多样性和异质性，上述大多数研究都面临着一些方法和实践上的挑战，包括预测变量之间存在严重的多重共线性、变量选择过程操作复杂，以及不同地理和行政区域的数据获取受限，这些都导致了研究结果之间的较大差异，难以实现跨研究的可比性（Javadpoor等，2024）。

为解决这一问题，Stewart和Oke（2012）提出了一种简化的分类框架——局部气候区，将城市形态划分为十种建成环境类型和七种自然类型，从而提高了城市形态与局部尺度城市热岛效应之间关联的一致性和可比性（Fu等，2024）。近年来，许多基于局部气候区的研究主要集中在城市热岛效应的时空分布特征上，包括昼夜变化、季节性变化以及与热浪事件的相互作用（Guan等，2023；Liu等，2025；Zhang等，2024）。尽管在分析不同类型局部气候区中的城市热岛模式方面已取得显著进展，但不同局部气候区背后的形成机制以及有效的缓解策略仍不明确。此外，该领域的大多数现有研究主要聚焦于网格或城市尺度，而对行政区划或街区尺度的研究相对较少（Zou等，2025）。实际上，街区作为城市规划实践中最基本的空间社会单元，其内部城市结构相对均匀，便于进行城市规划与管理（Y. Gao等，2022；Zhao等，2024）。因此，有必要通过深入的实证分析，全面了解二维/三维形态如何影响不同街区中的城市热岛分布，从而更深入地理解局部气候区概念在城市气候研究中的作用。

为进一步探究地表温度变化背后的机制，许多研究者致力于运用高精度的方法来评估和预测空间形态与地表温度之间的相互作用。传统线性回归模型被广泛用于城市热岛效应的成因分析，但其主要局限在于无法处理变量之间的非线性关系（Gao等，2023；Zhang等，2025）。为了更全面地了解影响地表温度变化的关键因素，机器学习模型因其在大规模数据集中识别复杂非线性模式方面的强大能力而受到越来越多关注。这些模型包括基于树的模型，如随机森林、极端梯度提升树和轻量级梯度提升机，以及各种深度学习方法（Dai等，2022；He等，2024；Jato-Espino等，2022）。然而，最新研究表明，城市形态特征对地表温度的影响存在显著的空间变异，不同区域的差异较大。上述机器学习模型通常属于全局模型，难以实现空间层面的直观解释（Gao Y.等，2022）。虽然有一些研究试图通过地理加权回归模型和空间误差模型来解决空间非稳定性问题（Zhao等，2024），但这些方法仍难以捕捉变量之间的复杂非线性相互作用。为此，地理加权随机森林作为一种传统随机森林的空间扩展模型，成为一种有前景的替代方案（Su等，2023）。该模型为每个空间点构建独立的局部随机森林模型，并利用特征重要性指标来实现空间非稳性问题的解释（Su等，2023；Wu等，2024）。它已被广泛应用于公共卫生和交通分析等多个领域（Wu等，2024），但尚未被用于地表温度变化的研究。鉴于该模型的优势，将其应用于不同类型局部气候区的热相关研究，有望进一步提升研究的精确度和效率。

总体而言，现有关于城市热岛效应的研究面临若干关键挑战，包括缺乏对不同局部气候区内街区形态影响的比较，以及传统线性回归模型和机器学习模型难以刻画影响因素之间的复杂空间非稳定关系。为克服上述局限性，本研究以西安为案例，应用地理加权机器学习框架，系统分析二维和三维城市形态特征在不同类型局部气候区中对地表温度变化的不同影响。本研究的主要目标是：（1）根据街区形态特征对西安的局部气候区类型进行分类；（2）比较不同局部气候区类型的地表温度变化情况以及随机森林模型和地理加权随机森林模型的性能；（3）分析不同局部气候区内街区形态对地表温度影响的驱动因素。期望本研究的结果能为针对不同局部气候区的城市热岛缓解策略提供科学依据，从而支持可持续的城市发展及具有气候适应能力的城市规划。

研究区域
中国陕西省省会西安位于黄河流域关中平原中部，地理坐标为北纬33°42′–34°45′，东经107°40′–109°49′，面积约为10108平方公里（见图1）。西安属于温暖湿润的半湿润大陆性季风气候，四季分明，夏季平均气温在26.9°C至27.8°C之间。《陕西统计年鉴2024》显示，该市的城市化率……

不同局部气候区内的地表温度空间分布
图4(a)根据既定的分类标准展示了西安各局部气候区的空间分布情况，可见不同类型局部气候区之间存在明显的地理差异。一般来说，建成型局部气候区主要集中在城市中心商业区和发达的住宅区，而自然型局部气候区则多分布在周边地区，以茂密的植被覆盖为主。如图4(b)所示，局部气候区6的比例最高……

地理加权随机森林模型在街区尺度地表温度变化分析中的优势
本研究应用了一种新型的地理加权机器学习模型，系统分析了城市形态特征对街区尺度地表温度变化的影响。与传统随机森林模型相比，地理加权随机森林模型具有更优的预测性能，GWRF_all模型和GWRF_part模型的R2值分别达到0.718和0.719，表明模型拟合度和预测精度均有显著提升。这种性能的提升……

结论
本研究是首次应用基于SHAP的地理加权随机森林模型，系统分析二维/三维形态因素如何影响西安不同类型局部气候区内的街区尺度地表温度变化。主要结论如下：（1）建成型局部气候区的地表温度高于自然型局部气候区，其中局部气候区8的地表温度平均值最高，为39.71°C，其次是局部气候区7，其地表温度平均值为38.89°C。同时，建筑密集区域的地表温度始终高于建筑稀疏区域的地表温度……

作者贡献声明
Yuejing Gao：概念设计、方法论、软件工具、原始稿撰写。Li Han：可视化处理、验证、审稿与编辑。Bao-jie He：监督指导。

作者贡献声明
Yuejing Gao：原始稿撰写、软件工具、方法论、概念设计。Li Han：审稿与编辑、可视化处理、验证。Bao-jie He：监督指导。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢
本研究得到了国家自然科学基金的支持（项目编号：52400243、52300237）。

Yuejing Gao | Li Han | Bao-jie He
中国陕西省西安市西安科技大学建筑与土木工程学院，邮编710054