使用地理空间技术与人工神经网络对气候变化对热舒适影响的空间建模：以约旦西北部为例

《Urban Science》：Spatial Modeling of the Impact of Climate Change on Thermal Comfort Using Geospatial Techniques and Artificial Neural Networks: A Case Study of Northwest Jordan

　　

高分辨率数字高程数据的广泛使用，加上计算能力和地理信息系统（GIS）工具的持续改进，推动了空间数据处理、管理和空间插值方法的发展。本研究旨在利用1991年至2024年间从六个气象站收集的气候数据，基于室内温度指数（IAT），构建约旦西北部人口密集区域热舒适的高质量空间分布图。为分析气候要素的空间变异性，研究人员使用了空间分辨率为30米的数字高程模型（DEM），并将其重采样至0.5公里网格。空间插值采用反距离加权（IDW）法，每个网格单元使用最近三个气象站的数据。结果显示，别墅内温度较高的区域在夏季明显集中，尤其是在约旦河谷附近的低洼地带，表明这些区域更容易受到热应激的影响。模型结果还显示出较好的热舒适预测性能，决定系数（R²）在0.95至0.98之间，均方误差（MSE）在0.35至0.50之间，反映了这些模型能够高精度地表示气候变量之间的关系并预测热舒适水平。结果表明，研究区域内热舒适存在显著的时空差异，夏季热应激持续时间更长。这凸显了在地理空间方法与数值模拟结合研究气候变化影响及支持城市规划和气候适应策略方面的重要性。

**论文解读文章：气候变化对热舒适影响的空间建模——以约旦西北部为例**

**研究背景与科学问题**
近年来，全球气候变暖加速，极端高温事件频发，对区域气候平衡和人类热舒适构成严重威胁。热舒适作为气候变化最敏感的指标之一，受到温度、湿度、风速和太阳辐射等多重气候因素的共同影响。现有研究多采用通用热气候指数（UTCI）、生理等效温度（PET）和热指数（HI）等指标，但大多基于气象站点观测，难以准确刻画复杂地形下的空间连续分布。约旦西北部地形起伏剧烈（海拔差达1374 m），人口密集，但气象站稀少且分布不均，导致大范围“气候观测空白”。同时，多数住宅建筑依赖自然通风，室内热环境直接受外部气候影响。然而，传统研究缺乏将有限站点数据转化为连续室内热舒适指标的空间-时间桥梁。为此，研究人员开展本研究，旨在结合地理空间技术与人工神经网络（ANN），构建高精度热舒适空间分布图，填补该领域从站点分析到空间表征的结构性缺口。论文发表在《Urban Science》。

**关键技术与方法**
研究人员采用以下主要技术方法：（1）数字高程模型（DEM）数据来源为美国地质调查局（USGS）的航天飞机雷达地形测绘任务（SRTM），分辨率30 m，重采样至0.5 km网格，提取网格坐标。（2）使用1991–2024年约旦气象局6个气象站的月平均温度、相对湿度、风速、降水等数据，并采用标准正态同质性检验（SNHT）和Pettitt检验进行数据一致性检测。（3）空间插值采用反距离加权（IDW）算法，结合高程梯度，利用Python计算每个网格单元与最近三个气象站的欧几里得距离，估计温度、湿度等变量，并基于饱和水汽压公式计算实际水汽压。（4）热舒适指数选用室内表观温度（IAT），该指标适用于广泛温湿度范围，并与UTCI具有可比性。（5）日间热舒适分析采用谐波模型模拟日温度变化，仅使用第一谐波系数。（6）预测模型采用非线性自回归神经网络（NARX-ANN），包含输入层、隐藏层（64个神经元，两层各32个）和输出层，延迟步数为24，训练最大800轮，早停防止过拟合，数据集按85%训练、10%验证、5%测试划分，预测未来10年温度和湿度，进而计算IAT。模型性能通过决定系数（R²）和均方误差（MSE）评估。

**研究结果**

**4.1 空气温度**
研究表明，七月气温随海拔升高从约旦河谷的30°C递减至东部山区，一月河谷约14°C，山区约4°C。地形与海拔的垂直绝热冷却效应是主要控制因素，约旦河谷的“地形-气候屏蔽效应”在冬季形成局部暖区。

**4.2 室内表观温度（IAT）**
一月，约旦河谷IAT为14–16°C，属舒适或微冷；山区IAT为6–13°C，属寒冷或霜冻，意味着高海拔地区建筑取暖需求更大。七月，大部分区域IAT超过29°C，河谷达63.6°C（原文数据，可能为36.6°C，但据原文保留），山区IAT较低（山顶26°C，山脚28°C）。线性回归证实海拔与IAT显著负相关，一月R²=0.67，递减率0.49°C/100 m；七月R²=0.57，递减率0.58°C/100 m，夏季垂直递减加速因太阳辐射增强和感热通量增加。

**4.3 日间热舒适**
一月，除约旦河谷外，多数建筑长时间寒冷：Ras Munif站IAT低于13°C持续24小时，Ramtha站23小时，Irbid和Sama站22小时，表明被动太阳能吸收不足，加剧能源贫困。约旦河谷仅12小时低于13°C，冬季舒适。七月，约旦河谷极端热应激持续24小时（IAT>29°C，超35°C），无夜间缓解；其他区域（平原和山区）高温集中在午后，Ras Munif站IAT>29°C仅1小时，Sama站8小时，显示地形缓解效应。

**4.4 预测热舒适**

**4.4.1 NARX-ANN模型**
NARX-ANN模型训练后实现高精度拟合，R²在0.95–0.98之间，MSE在0.35–0.50之间，表明模型能有效解释时空变异并预测热舒适。

**4.4.2 预测空气温度**
预测未来10年，一月和七月空间分布模式与历史相似，但七月河谷绝对温度略有上升，最高约31°C，东部21°C。Ramtha站出现最大正异常（+1.5°C），与半干旱平原植被覆盖不足有关；Wadi Rayan站负异常约-1.4°C。

**4.4.3 预测室内表观温度（IAT）**
一月预测IAT值无显著偏移，河谷14–16°C，山区6–13°C，高海拔地区取暖需求持续。七月预测IAT略高于当前，河谷达37.2°C，山区27.4°C，表明高海拔地区也开始面临热应激增加，需提前部署冷却系统与绿色屋顶技术。

**讨论与结论**
研究人员指出，发展中国家缺乏高分辨率气候数据是城市规划和环境管理的障碍。本研究通过空间-时间解耦的预测框架，结合地理空间技术、统计分析和NARX-ANN，成功生成了高空间分辨率连续热舒适数据。结果证实海拔是控制IAT的关键因素，冬季高海拔地区（如Ras Munif，海拔1150 m）持续寒冷应激（IAT<13°C持续24小时，其中12小时低于4°C），与心血管和呼吸系统疾病风险相关；夏季约旦河谷极端热应激加剧能源贫困。线性回归揭示了季节垂直递减率差异。NARX-ANN模型具有经济可扩展的优势，但局限性在于未显式集成空间地形关系，依赖后续GIS插值，可能导致微地形平滑效应。

**研究结论**：基于研究结果，空间分析在研究所预期的气候变化对城市区域的影响方面具有显著优势，因为它能够识别最易受热应激影响的区域。因此，研究人员建议将这些发现以及回归模型和解耦神经网络的输出纳入约旦当前的城市规划和能源管理政策中，以增强城市对气候变化的韧性。应制定合适的建筑标准以适应这些极端地形变化。此外，应利用高分辨率空间分析来识别热应激热点，从而增强建成环境的韧性及其适应预期气候变化情景的能力。