从最优解到战略区域：城市绿色基础设施的非线性多目标优化以缓解复合碳-水-热风险

《Sustainable Cities and Society》：From optimal solutions to strategic zones: Nonlinear multi-objective optimization of UGI for mitigating compound carbon–water–heat risks

　　

**摘要**

在气候变化的背景下，城市绿色基础设施（UGI）已被广泛采用，以缓解城市复合碳 - 水 - 热风险。然而，现有研究很少对多目标优化结果与 UGI 当前的配置进行系统性的空间匹配。本研究以长江中游城市群为研究区域，开发了一个针对复合碳 - 水 - 热风险的 UGI 配置诊断与分区优化框架。通过整合非线性建模、多目标优化和空间敏感性分析，该框架识别了不同区域的最优调节路径和偏差模式。结果表明，随着 UGI 的数量、结构和质量维度的提升，水风险和热风险总体呈现持续下降趋势。相比之下，当 UGI 的质量或数量超过一定水平时，碳风险的边际减少效应减弱，且在部分区间观察到局部反弹。通过多目标优化共识别出 774 个帕累托最优解。当三维 UGI 成本指数超过约 0.6 时，总风险减少速度明显放缓，表明存在边际效益递减现象。同时，在给定约束下，51.43% 的区域匹配到了最优解。江汉平原和洞庭湖平原等中心区域与最优解的偏差相对较小，而城市核心区域的优化成本仍然很高。通过进一步整合主导调节维度和与最优解的偏差程度，制定了九种分区策略，以识别不同区域的优化方向和实施强度。如果这些区域达到相应的最优配置，预计碳、水和热风险将分别减少 13.51%、41.46% 和 3.82%，综合风险预计减少 16.66%。总体而言，本研究从多目标约束视角出发，为通过 UGI 调节复合碳 - 水 - 热风险提供了空间决策框架。

**引言**

在城市化和气候变化的共同影响下，暴雨洪水、城市热岛和碳排放已成为日益突出的挑战（Grimm 等，2008 年）。这三种风险在时间上同步，在空间上叠加。它们可能通过水文连通性、下垫面空间结构和风 - 热廊道进一步相互放大，从而成为高质量城市发展的关键瓶颈（Abell 等，2020 年；Xu & Li, 2026 年；Yin 等，2023 年）。面对这种复合风险模式，城市治理不能再依赖针对单一环境问题的干预措施。相反，它必须在多目标情境下同时应对多种风险。在此背景下，城市绿色基础设施（UGI）凭借其空间配置和生态功能方面的综合优势，被视为同时解决多种风险的重要途径（Korkou 等，2023 年）。然而，在碳 - 水 - 热风险高度耦合的条件下，UGI 空间配置能否在综合意义上支持这些风险的协调缓解，目前了解尚不充分。

尽管之前的研究从不同角度考察了城市系统中碳、水和热风险的特征，但大多数在理论框架和实际应用上都仍局限于单一维度（Chen 等，2026 年）。从社会生态系统视角来看，城市碳、水和热风险并非独立的环境问题。相反，它们共同嵌入在土地利用变化、生态过程和人类活动中。城市扩张改变了土地覆盖结构，从而影响植被碳吸收、降雨径流产生和热交换等过程。这些过程进一步通过水条件、能量分配和植被生理活动相互连接（Feng 等，2023 年）。研究表明，高温条件往往加剧水胁迫和碳交换的不稳定性。水条件的变化也可以通过影响植被生理状态和地表环境特征，引发对热风险和碳汇功能的连锁反应（Arain 等，2022 年；Wang 等，2019 年）。由于这些相互作用，碳、水和热风险越来越被理解为由多种反馈和约束塑造的系统性风险（Huang 等，2025 年）。基于复合风险的概念，一些研究引入了 Nexus 视角来描述不同风险要素之间的相互依赖关系（Li 等，2022 年）。在这类文献中，Nexus 通常被用作多种资源或环境要素的综合分析框架。目前的 Nexus 研究主要集中在食物 - 能源 - 水和水 - 能源 - 碳等组合上（Kim 等，2025 年；Ma 等，2025 年）。相比之下，专门针对城市发展过程中水、热和碳风险关系的 Nexus 导向研究仍然有限。

UGI 在复合风险系统中起着关键的调节作用。通过改变地表能量吸收、水流通量和碳交换过程，它可以在多类风险中产生联动效应（Jiang & Zhai, 2026 年；Tao 等，2025 年）。然而，这一调节过程并非线性。随着 UGI 规模或结构特征的变化，不同风险之间往往会出现复杂的协同效应和权衡关系（Graf 等，2023 年）。例如，在一定配置范围内，增强的 UGI 可能在多种风险中产生协同缓解效应。然而，一旦调节强度超过一定阈值，边际效益可能会逐渐减弱，甚至由于能量分配或生态代谢途径的转变而出现新的权衡（Qu 等，2025 年）。

为了解决多要素之间的高度耦合及其相关的非线性关系，现有研究越来越多地采用多目标优化和帕累托分析来表征竞争目标之间的权衡关系（Gao & Xu, 2024 年）。在这一框架中，最优解不再被视为单一方案，而是一组配置组合，每种组合反映多种目标之间的不同权衡（Yang 等，2023 年）。目前关于最优解的研究主要集中在解集计算和特征描述上。一方面，许多研究关注最优解在目标空间中的分布，以揭示不同目标之间的权衡和协同关系（Nagar 等，2023 年）。另一方面，一些研究强调在多目标条件下不同配置策略的比较性能（Nyelele & Kroll, 2021 年）。此外，为了更好地了解多目标解的稳健性，一些研究开始将最优解分析与不确定性评估相结合，通过扰动输入参数或场景设置，检查不同条件下最优解集的变化范围（Shavazipour 等，2021 年）。总体而言，现有文献大多仍停留在抽象解集层面，很少进行最优解与当前配置之间的直接比较。在现实的城市系统中，这给 UGI 调节带来了巨大的不确定性。因为在多目标约束下，最优解并非唯一，现实世界中的 UGI 配置没有自然对应的单一参考解（Dong 等，2025 年）。如果当前状态无法与特定的最优权衡结构联系起来，调节决策将缺乏明确的参考点。此外，如果无法量化当前状态与相应最优状态之间的距离，可能会导致资源错配，并忽视需要改进的关键区域。因此，在碳 - 水 - 热风险的多目标约束下，一个尚未解决的关键问题是如何将最优解集与真实空间配置联系起来，并诊断当前 UGI 配置偏离其相应最优状态的程度。

为了解决这些差距，本研究通过整合复合碳 - 水 - 热风险，调查多目标约束下最优 UGI 配置的空间诊断（图 1）。首先，从数量、结构和质量三个维度描述 UGI 的关键特征，并评估碳、水和热风险的空间模式。其次，使用 XGBoost 构建 UGI 特征与多种风险类型之间的非线性响应关系。在此基础上，开发了一种基于高斯过程（GP）的多目标优化方法，以识别碳 - 水 - 热风险的帕累托最优解集。同时，基于非线性模型分别对碳、水和热风险进行敏感性分析。最后，将最优解集与空间敏感性结果相结合，将每种 UGI 配置映射到多目标解空间中。然后定量诊断每个空间单元偏离其相应最优状态的程度。本研究旨在开发一个复合碳 - 水 - 热风险下 UGI 配置的诊断框架，从而确定当前配置的最优调节方向。研究结果为实现资源约束下的分区调节和综合风险治理提供了科学依据。

**章节片段**

**研究区域与数据来源**

长江中游城市群（UAMRYR）位于长江中游（图 2）。该地区横跨湖北、湖南和江西三省，包括 31 个地级市，是长江经济带的重要增长极，连接东西及南北。研究区域覆盖 349,800 平方公里，地形条件多样，包括平原、丘陵和低山。它 also...（注：原文此处截断，译文保持相应位置）

**水风险评估**

水风险在不同水文情景下可以表现为多种形式。本研究重点关注洪水风险，以表征在强降水条件下城市内涝和洪水的潜在危害。为了提高水风险评估的过程可解释性，本研究基于简化水文过程构建了一个水风险指数。在相同的降水条件下，由于...（注：原文此处截断，译文保持相应位置）

**碳 - 水 - 热风险与多维 UGI 的结果**

三个 UGI 维度的空间分布显示出一定程度的相似性（图 4a–c）。总体而言，较高值集中在生态条件更好、生态范围更大的区域，而较低值通常出现在开发强度较高的区域。然而，在不同的地貌设置和城市化背景下，它们的分布模式和聚类特征存在显著差异。具体而言，较高值的...（注：原文此处截断，译文保持相应位置）

**模型在最优解识别方面的效率优势**

在现有的最优 GI 配置研究中，NSGA-II 是用于搜索非支配解集最常用的算法，而模拟退火（SA）、粒子群优化（PSO）和蚁群优化（ACO）也得到了应用（Mirzaie 等，2024 年；Wu 等，2024 年）。然而，Tansar 等（2025 年）指出，当优化问题涉及越来越多的目标、连续且高维的决策变量以及强烈...（注：原文此处截断，译文保持相应位置）

**结论**

本研究开发了一个多目标约束下 UGI 配置诊断与分区优化框架，以应对复合碳 - 水 - 热风险。该框架识别了 UGI 配置与复合风险之间的非线性响应关系。结果表明，随着 UGI 的数量、结构和质量维度的提升，水和热风险总体呈下降趋势。相比之下，碳风险对 UGI 的响应表现出明显的阈值效应。

**未引用参考文献**

Yu and Zhou, 2025, Ciais et al., 2005

**CRediT 作者贡献声明**

Zeqi Wang：写作 - 审阅与编辑，写作 - 原稿，可视化，软件，方法论，形式分析，概念化。Yuan Zhou：写作 - 审阅与编辑，可视化，形式分析。Shuyang Tang：数据整理，概念化。Tianyu Wang：。Hongbo Jiang：写作 - 审阅与编辑，可视化。Xuefei Wu：写作 - 审阅与编辑，监督，项目管理，资金获取。

**竞争利益声明**

作者声明，他们没有已知的竞争财务利益或个人关系，这些利益或关系可能影响本论文报告的工作。

**致谢**

本研究得到了国家自然科学基金（编号 32371945）的支持。

Zeqi Wang|Yuan Zhou|Shuyang Tang|Tianyu Wang|Hongbo Jiang|Xuefei Wu

华中农业大学园艺林学学院，中国武汉 430070