超越夏季降温：寒区城市地表温度对城市形态的季节性非线性响应模式

《Sustainable Cities and Society》：Beyond summer cooling: Seasonal nonlinear response patterns of land surface temperature to urban morphology in a cold-region city

　　

摘要理解城市形态如何跨季节重塑地表热环境是气候适应性城市规划的重要依据。然而，现有研究主要集中在夏季降温或温暖气候城市，对寒冷地区城市地表温度（LST）调节的系统性理解有限。为弥补这一差距，本研究以中国长春为代表性严寒城市。季节性 LST 是从 2024 年至 2026 年获取的陆地卫星 8/9 号 OLI/TIRS 影像中检索得出的，并集成了多源城市空间数据、城市功能区（UFZ）划定以及可解释的 XGBoost–SHAP 框架，以量化多维城市形态的贡献、方向性关联和非线性响应。结果表明，LST 在夏季最高，冬季最低。高温区主要集中在中心建成区内的商业和工业区域，而低温区集中在东南部的生态区。UFZs 之间的热差异在夏季最强，冬季最弱。XGBoost–SHAP 结果确定 NDBSI、PB、NDVI、AH 和 AHSD 是季节性 LST 变化的关键预测因子。NDBSI 在所有季节均表现出稳定的正向贡献，而 PB 与 LST 呈正向非线性关联。NDVI 表现出最明显的季节性变化，特别是在生态区，夏季显示为负向 SHAP 贡献，而冬季显示为正向或弱正向贡献。本研究揭示了严寒城市 LST 调节的季节依赖性和功能分化，为超越单一夏季降温导向的热环境规划提供了证据。

引言快速城市化深刻重塑了地表属性、物质成分和地 - 气能量交换过程，使城市热调节成为当代气候适应研究的核心问题（Oke, 1982; Shen et al., 2023; Calvin et al., 2023）。根据政府间气候变化专门委员会（IPCC）第六次评估报告的综合报告，过去十年全球地表温度比工业化前水平高出约 1.09 °C（Calvin et al., 2023）。气温的上升进一步加剧了城市热岛效应，并与热相关死亡风险、空气质量恶化、建筑制冷能源需求上升以及更广泛的城市可持续性挑战有关（Taleghani, 2018; Vicedo-Cabrera et al., 2021; Yang et al., 2025）。因此，城市热制的观测与治理已成为应对气候变化的核心任务（Hossain et al., 2026）。卫星衍生的地表温度（LST）在各种指标中尤为突出，作为评估城市热制的主要指标，凭借其广泛的空间覆盖度和强可比性，已被广泛用于识别城市热模式及其驱动机制（Voogt and Oke, 2003; Stewart et al., 2021; Huang et al., 2025）。因此，阐明 LST 时空变化背后的驱动机制是制定有效降温策略的理论前提（Wan et al., 2025）。

城市热环境研究在过去二十年取得了进展。早期研究主要关注土地利用类型，并达成了一项共识，即不透水面驱动变暖，而植被覆盖有助于降温（Deilami et al., 2018; Ferreira and Duarte, 2019）。近年来，越来越多的研究认识到，城市不仅仅是表面斑块的平面马赛克，而是由建筑高度、容积率、天空可视因子、表面粗糙度和城市峡谷几何形状组成的复杂三维系统，这些三维特征通过调节辐射交换、通风条件和热储存过程来影响 LST（Kotthaus and Grimmond, 2014; Yang et al., 2021; Wang et al., 2024）。例如，研究表明建筑高度、天空可视因子和容积率对 LST 有显著的非线性影响（Wang et al., 2024）。进一步的研究验证了三维城市空间结构对城市热制的调节效应呈现出明显的日变化差异和非线性阈值特征（Zhao et al., 2024）。具体而言，高层建筑通过遮阳提供白天的降温效益，但可能因长波辐射的捕获和耗散抑制而导致夜间升温（Xu et al., 2024）。这种从二维（2D）到三维（3D）视角的转变表明，城市形态对热环境的影响不能用简单的线性关系来表征，而是由地理位置、季节阶段和日条件共同调节的（Liu et al., 2025; Cheng et al., 2025; Yao et al., 2026）。因此，关键问题不再是城市形态是否重要，而是不同形态因素在何时、何地以及何种背景条件下与热变化相关。

同时，越来越多的证据表明 LST 调节具有强烈的季节性，而非时间上均匀的。辐射输入、植被物候、土壤湿度和人为能源消耗的季节性变化可以重组热驱动因素的相对重要性和方向（Ziter et al., 2019; Han et al., 2023）。然而，现有研究仍主要集中在夏季降温、暖季月度比较或亚热带及其他相对温暖气候区域的城市（Chen et al., 2022; Liu et al., 2024）。这种视角 inherently 假设“降温”是城市设计的普遍且单一目标。然而，对于高纬度寒冷地区城市，这一假设显然不足，甚至可能具有误导性（Zhang et al., 2026）。寒冷地区城市面临双重气候挑战：它们需要缓解夏季炎热，同时也要在冬季保持热量；如果规划遵循源自温暖地区的单向降温逻辑，可能会加剧冬季的寒冷暴露并增加供暖能源需求（Cao et al., 2024; Bai and Xing, 2025）。例如，遮阳和通风可能会减少夏季的热暴露，但增加冬季的寒冷暴露，这意味着寒冷地区城市的热治理本质上更依赖于季节条件（Aiello et al., 2025; Bai and Xing, 2025）。

除了季节性之外，当前研究在空间分析单元方面也存在局限性。许多研究仍采用规则网格、行政单元或本地气候区（LCZs）等相对同质的空间分类来解释城市内部的热差异（Stewart and Oke, 2012; Jeon et al., 2023）。这些方法对于识别物理形态差异是有价值的，而这些单元通常无法与城市规划中使用的行政边界对齐。相比之下，城市功能区（UFZs）更好地反映了土地利用功能、社会经济活动集聚和空间形态配置的综合特征，因此在热环境研究中具有更直接的规划相关性（Wu et al., 2025）。现有研究表明，LST 在不同 UFZs 间存在显著差异，且相同的形态因素在商业、工业、居住、公共服务或生态空间中可能发挥不同的作用（Feng et al., 2019; Bai et al., 2024; Wu et al., 2025）。因此，从 UFZs 的角度探索 LST 的季节性变化及其相关形态因素，可以制定与当前规划系统直接兼容的空间针对性指南。然而，大多数现有研究仍局限于单一季节、单一城市或单一功能类别，因此不足以系统揭示形态 -LST 关系如何跨功能区随季节变化。

方法论挑战进一步加剧了这一问题。城市形态 - 热环境关系往往具有强烈的非线性，且二维、三维和生物物理指标之间的多重共线性通常使得传统的相关分析或线性回归难以可靠地表征这些复杂关系（Ma et al., 2024; Wang et al., 2025; Erdem Okumus and Akay, 2025）。近年来，随机森林、提升回归树和极端梯度提升（XGBoost）等机器学习方法越来越多地应用于热环境研究，以识别非线性响应并量化变量贡献（Wang et al., 2022; Yuan et al., 2024; Bushenkova et al., 2024）。作为例证，已有研究利用 XGBoost 和夏普利加法解释（SHAP）方法，剖析了粤港澳大湾区城市形态对 LST 的影响和阈值机制（Zeng et al., 2025）。另一项研究利用随机森林模型，通过多尺度分析，揭示了北京城市空间形态指标对 LST 的尺度依赖性（He et al., 2025）。同时，引入 SHAP 解释框架使研究能够超越“黑箱”预测，进一步表征非线性响应模式和预测因子的模型衍生过渡特征（Lundberg and Lee, 2017; Wang et al., 2025）。这对于热规划尤为重要，因为实际干预不仅依赖于平均效应，而是依赖于识别模型响应改变方向或开始饱和的范围。

基于当前的研究进展，至少仍存在以下关键差距。首先，仍缺乏对寒冷地区城市季节性形态 -LST 关系的系统性理解（Han et al., 2023; Wang et al., 2025）。其次，尽管 UFZs 作为具有直接规划相关性的单元具有明显优势，但在统一分析框架内，不同功能区的形态 -LST 关系的季节差异和非线性响应模式仍缺乏识别（Fang et al., 2024; Liu et al., 2024; Chen et al., 2024）。

为弥补这些差距，本研究聚焦于中国东北地区典型的严寒城市长春。长春的特点是季节性温差显著、供暖季漫长，以及高密度建成环境与相对较高植被覆盖并存的空间复合结构，这使其成为观察寒冷地区城市热环境季节性过渡和功能分化的理想案例。通过整合多维城市形态指标与 XGBoost 和 SHAP，本研究试图从全季节视角考察寒冷地区城市形态与 LST 之间的季节性关系。具体而言，本研究旨在 (1) 量化长春 LST 的全季节时空异质性，并系统评估其在各个 UFZs 间的差异化表现；(2) 量化城市配置指标和表面生物物理参数与 LST 之间的季节性预测贡献和关联；以及 (3) 分析关键因素在不同功能区内的分歧响应模式，并进一步识别非线性响应和经验过渡范围。在此基础上，本研究试图为管理严寒城市复杂的热环境提供一种动态的、季节性适应的视角。

章节片段

研究区作为吉林省的行政中心，长春占据东北地区的中心位置（图 1）。该城市具有典型的温带大陆性季风气候，年温差超过 50 °C。气候特征表现为漫长而严寒的冬季，极端温度可达 -30 °C 左右，与短暂但炎热的夏季形成对比。作为著名的“老工业基地”和“汽车城”，长春经历了相对较快的城市化和工业化……

研究过程本研究构建了一个四阶段分析框架（图 2）。

阶段 1：利用辐射传输方程（RTE）算法，结合基于 NDVI 的发射率校正和从对应的第 2 级第 2 集合产品中获取的大气参数，由陆地卫星 8/9 号影像生成季节性 LST 图。

阶段 2：整合多源空间数据以划定 UFZs 并构建多维形态指标体系，从而系统评估 LST 的时空异质性。

季节和 UFZs 间 LST 的时空异质性LST 在整个研究区表现出显著的季节和空间异质性（图 3a），空间热对比在夏季最为明显，但在冬季大幅压缩。春季、夏季、秋季和冬季的平均 LST 值分别为 18.70 °C、32.63 °C、11.96 °C 和 -11.39 °C，相应的标准差分别为 2.82 °C、3.80 °C、1.59 °C 和 0.96 °C。夏季录得最高温度，且集中了一个大的连续高温核心……

寒冷地区城市热环境的时空重塑许多研究证实，三维城市形态和土地覆盖属性可以深刻影响局部城市气候（Zhao et al., 2025; Shao et al., 2023）。在本研究中，LST 表现出明显的季节性分化：夏季具有最高的平均值和标准差，表明热异质性最强，而冬季具有最低的平均值和标准差，整体热对比明显压缩；春季和秋季代表过渡状态。这……

结论本研究通过整合多源数据并构建 XGBoost–SHAP 机器学习框架，系统地调查了代表性严寒城市长春的 LST 季节性时空演变。主要研究结论如下：

首先，长春的 LST 显示出明显的季节和功能区差异。

夏季的平均地表温度（LST）最高，空间热对比度最强，高温区域主要集中在中部。
未引用参考文献：Wang 等，2025；Wang 等，2025；Wu 等，2025；Zhang 等，2026
CRediT 作者贡献声明
胡亚君：写作 – 初稿，可视化，验证，软件，方法学，调查，形式分析，数据管理，构思。
王东岩：写作 – 审阅与编辑，验证，监督，资源，项目管理，方法学，构思。
魏雨宇：可视化，软件，方法学，形式分析。
吴松泽：写作 – 审阅与编辑，可视化，验证，监督，项目管理，方法学，经费获取，数据
竞争利益声明
作者声明，他们没有任何已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
致谢
本研究工作由国家自然科学基金资助（编号：42571326, 42501342）。
胡亚君 | 王东岩 | 魏雨宇 | 吴松泽
吉林大学地球科学学院，中国长春 130061