用于城市公园降温效应的可解释机器学习：从极端和正常天气的卫星派生指标中识别双视角驱动因素

《Remote Sensing Applications: Society and Environment》：Explainable machine learning for urban park cooling effect: Identifying dual-perspective drivers from satellite-derived metrics across extreme and normal weather

　　

摘要
在快速城市化期间，城市热环境面临重大挑战，日益加剧的极端高温事件结合城市热岛效应（UHI）威胁着公共健康和环境可持续性。作为关键的绿色基础设施，城市公园展现出显著的冷却影响，有助于缓解 UHI。本研究通过量化不同气候条件（极端高温与正常天气）下公园景观与冷却效应之间的非线性相互作用推进了前期工作，重点关注双视角（公园内部和外部周围）景观格局。本研究利用包含卫星衍生景观指标的极端梯度提升（XGBoost）模型，调查了公园冷却效应与景观格局之间的关系。XGBoost 模型显示出强大的预测精度，验证子集的决定系数（R2）在正常天气为 0.912，在极端高温天气为 0.926。分析显示，极端高温天气下公园的平均冷却强度（2.28°C）高于正常条件（1.86°C）。值得注意的是，该研究揭示公园冷却的驱动因素在正常和极端高温天气之间有所不同——外部建成区覆盖率在两种条件下均占主导地位，但在极端高温期间贡献更大，而水体相关变量仅在正常条件下显示出显著影响。这些发现为城市公园的景观优化策略提供了信息，以缓解气候变化和城市化挑战，特别是针对日益频繁的城市极端高温事件。

引言
城市化和气候变化的加剧放大了城市热岛（UHI）效应的显著性（Dimoudi et al., 2013; Giridharan and Emmanuel, 2018; Phelan et al., 2015）。基础设施密集和人类活动密集的城市区域通常表现出较高的温度，导致与周围自然环境相比更显著的热差异（Giridharan and Emmanuel, 2018; Phelan et al., 2015）。这种现象不仅危及城市生态系统稳定性，还深刻影响公共健康和城市可持续发展（Demuzere et al., 2014），加剧了诸如 UHI 和城市内涝等环境挑战。研究人员已开发多维缓解策略，重点关注扩大蓝绿基础设施，如公园和水体，实施绿色屋顶，以及部署垂直绿化系统（Aflaki et al., 2017; Daniel et al., 2018; Moyer and Hawkins, 2017）。城市蓝绿基础设施因其双重生态功能和社会经济效益而在 UHI 缓解中获得了特别认可（Peng et al., 2020; Sun et al., 2018; Wu et al., 2018）。作为基础设施的重要组成部分，城市公园发挥着多功能角色，除了休闲和生态服务外，还包括微气候调节和 UHI 缓解（Guo et al., 2019; Yang et al., 2017; Yu et al., 2020）。与自然保护区不同，这些人工生态系统通过其独特的应对 UHI 效应的能力，为城市环境挑战提供了创新解决方案。

大量研究记录了城市公园的冷却效应并确定了其关键决定因素。公园通过冷岛效应显著改善了周围的热环境，尽管其有效性因地区而异。例如，北京奥林匹克公园显示出 3-4°C 的最大冷却强度（Yan et al., 2018），而在新加坡，观察到的冷却范围为 1.8°C–2.3°C（Chen and Wong, 2006）。此外，冷却性能因公园类型而异（Das et al., 2022），较大的公园通常通过正尺寸 - 强度相关性显示出更强的 UHI 缓解作用（Algretawee, 2022）。除了物理尺寸外，冷却效率取决于内部景观内的复杂相互作用。减少不透水表面和建筑斑块可增强热调节（Qiu and Jia, 2020），而绿地和水体与地表温度呈负相关（Cai et al., 2023）。复杂的边界配置通过加速散热进一步提高冷却效率（Xiong et al., 2024）。尽管取得了这些进展，绝大多数现有研究是在平均夏季条件下检查公园冷却效应的，很少关注这些效应及其驱动因素在极端高温天气下可能有何不同——鉴于气候变化下热浪频率上升，这种区别变得越来越关键。

此外，外部环境因素极大地调节了公园的冷却潜力。邻近土地利用格局严重影响了冷却距离（Y. Zhou et al., 2022），土地利用类型和周围景观配置均影响热调节（Cheng et al., 2015）。高度的景观破碎化显著降低了冷却范围（Qiu and Jia, 2020）。Han et al. (2023) 在北京的一项研究确定了周围植被指标和建筑特征作为冷却的关键决定因素。虽然二维景观特征显著影响热调节，但三维环境因素同样至关重要。西安的一项研究表明，缓冲区内的建筑高度和密度是冷却性能的关键驱动因素（Wu et al., 2024），突显了城市热动力学的多维性质。

虽然统计建模主导了当前关于景观对公园冷却效应影响的研究，但传统线性方法往往无法阐明冷却决定因素与其结果之间复杂的非线性关系。近期方法学进展越来越多地采用非线性建模技术来解决这些复杂的相互作用（Geng et al., 2022; Peng et al., 2021）。机器学习算法因其解决非线性回归挑战的适应性而备受重视，越来越多地取代了多元逐步回归和部分相关分析等传统方法（Han et al., 2022）。基于梯度提升回归树的极端梯度提升（XGBoost）算法，在分析热岛动力学和冷却机制方面显示出卓越的性能（Bushenkova et al., 2024; Liu et al., 2022）。与其他机器学习框架相比，XGBoost 通过增强的灵活性、预测精度、泛化能力、计算效率和鲁棒性脱颖而出（Chen and Guestrin, 2016; Zhang et al., 2022），特别是在处理具有复杂相互依赖关系或不完整条目的多维数据集时。尽管存在这些优势，该算法固有的“黑箱”局限性（Wu et al., 2022）需要互补的解释技术。SHapley 加性解释（SHAP）方法通过定量评估特征贡献并阐明特定位置因素重要性的变化来解决这一挑战（Hu et al., 2023; X. Zhang et al., 2023; L. Zhou et al., 2022），从而增强模型透明度和分析精度。

现有研究在理解城市公园冷却效应方面取得了显著进展。然而，现有研究通常将公园内部特征与外部城市背景隔离，忽略了非线性关系，很少比较不同天气制度（极端与正常天气）下的冷却性能。本研究填补了这些空白，旨在（1）量化极端高温和正常天气下城市公园的冷却效应；（2）开发 XGBoost 模型以识别极端高温和正常天气下影响冷却效应的关键因素；以及（3）分析某些公园冷却无效的原因，并评估内部和外部因素对公园冷却性能的联合影响。

章节片段
研究区域
杭州市（图 1）位于中国东南沿海的浙江省北部，地处长江三角洲南翼，介于东经 118°21′—120°30′和北纬 29°11'—30°33'之间。其特征是丘陵和山地，地势从西南部的较高海拔向东北部的低平原倾斜。杭州以其生态丰富和风景秀丽而闻名，拥有标志性的水体，包括西湖和千岛湖，历史上被誉为

杭州 424 个城市公园的冷却效应
使用地表温度（LST）散点图和曲线拟合方法计算了 424 个城市公园（图 4）的冷却强度。为了可视化散点图的常见模式，选择了六个公园，并在图 5 中说明了它们的冷却强度。这六个公园主要位于中心城区，并显示出显著的冷却效应，命名为青山公园（120.13°E, 30.31°N）、城北体育公园（120.16°E, 30.31°N）、城东公园（120.18°E, 30.27°N）、水晶公园（120.29°E,

冷却高效与非冷却城市公园的对比分析
大量研究已确认城市公园是有效的冷却基础设施（Chen et al., 2022; Feng et al., 2023），本研究在分析的公园中超过一半识别出了冷却效应。然而，公园附近的其他显著冷却景观，如邻近河流或广阔的森林区域，可能会大大削弱公园的内在冷岛效应（Qiu and Jia, 2020）。本研究以及先前的文献表明，当存在现有水体或

结论
本研究通过从多时相遥感数据中提取 LST，对杭州 424 个城市公园进行了冷却性能分析。采用多环缓冲区分析，我们量化了极端高温和正常天气条件下的公园冷却效应。分析框架纳入了特定场景的 XGBoost 建模，并通过 SHAP 值解释和 PDP 分析进行增强，以系统识别冷却有效性的关键决定因素，涵盖公园内部特征

CRediT 作者贡献声明
Ahmed Derdouri：写作 - 审阅与编辑，监督。Yaolong Zhao：写作 - 审阅与编辑，监督。Ruci Wang：写作 - 审阅与编辑，监督。Tangao Hu：写作 - 审阅与编辑，监督，项目管理。Jiahui Li：写作 - 原始草稿，可视化，验证，软件，方法论，调查，正式分析，数据管理。Hao Hou：写作 - 审阅与编辑，写作 - 原始草稿，项目管理，方法论，资金获取。

未引用参考文献
Mosca et al., 2022; Wang et al., 2024; Zhang et al., 2023; Zhou et al., 2022; Zhu et al., 2018.

伦理声明
我们，以下签署的作者，声明提交给《遥感应用：社会与环境》的手稿符合爱思唯尔出版道德指南（http://www.elsevier.com/publishingethics）和出版伦理委员会（COPE）标准。主要声明如下：
1）本手稿是原创的，此前未发表过（无论是完整形式还是实质性相似形式），也未考虑在任何其他期刊发表。我们将不会提交

利益冲突声明
? 作者声明，他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

致谢
本研究由中国国家自然科学基金（资助号：42201106）资助。作者感谢主编和匿名审稿人的建设性意见。

Jiahui Li|Hao Hou|Yuji Murayama|Ahmed Derdouri|Yaolong Zhao|Ruci Wang|Tangao Hu
杭州师范大学遥感与地球科学学院，杭州市余杭塘路 2318 号，邮编 311121，中国