目标子域选择显著提高了印度比哈尔邦非均质地下水砷危害空间分布模型的灵敏度

《Water》:Objective Sub-Domain Selection Substantially Improves Sensitivity of Spatial Distribution Models of Heterogeneous Groundwater Arsenic Hazard in Bihar, India

【字体: 大 中 小 】 时间:2026年09月03日 来源:Water 3.5

编辑推荐:

  城市滨水空间在缓解城市热岛效应与支持气候韧性城市发展方面发挥着日益重要的作用。然而,以往研究主要聚焦于单个滨水场地或局地微气候模拟,对滨水形态如何与不同城市功能分区及空间尺度下的地表温度(land surface temperature, LST)相关联的理解

  
城市滨水空间在缓解城市热岛效应与支持气候韧性城市发展方面发挥着日益重要的作用。然而,以往研究主要聚焦于单个滨水场地或局地微气候模拟,对滨水形态如何与不同城市功能分区及空间尺度下的地表温度(land surface temperature, LST)相关联的理解仍相对有限。本研究评估了中国成都50个代表性滨水样本的热力特征,覆盖商业、办公、居住、公园和郊区五类城市功能分区。研究将2023年6月1日至9月30日期间的地表温度(LST)数据与基于地理信息系统(geographic information system, GIS)提取的形态指标相结合,包括河流宽度(river width, RW)、水体面积比(water area ratio, WAR)、绿地率(green space ratio, GSR)、建筑密度(building density, BD)和距水距离(distance to water, DW)。热力条件在200 m滨水带以及500 m、1000 m和2000 m缓冲区内进行分析。研究人员采用相关分析、标准化多元线性回归和空间自相关分析,评估双变量关系、预测因子独立效应及统计结果的稳健性。结果表明,不同滨水类型之间存在显著热力差异:商业滨水空间LST最高,郊区滨水空间在紧邻滨水带内LST最低。标准化多元回归分析在控制预测因子间相互关联后证实,建筑密度是所有空间尺度上LST的最强独立正向预测因子,调整后R2介于0.384至0.582之间。河流宽度和水体面积比主要与紧邻滨水带内的LST呈负相关,而绿地率与LST之间无统计学显著独立关联。降温相关热力对比度在不同滨水类型及缓冲距离之间也存在差异;然而,2000 m尺度上类型间差异未达统计显著,因此应视为初步结果。空间自相关分析进一步表明,考虑空间依赖性后,主要形态–LST关系总体保持稳定。这些发现提示,滨水热力状况与蓝、绿及建成环境特征的组合配置密切相关,而非仅取决于水体面积。多尺度分析框架为滨水热力条件评估提供了实用基础,规划启示应解读为方向性指引而非固定设计阈值。
城市滨水空间在缓解城市热岛效应与支持气候韧性城市发展方面具有日益重要的作用。然而,以往研究多聚焦于单点滨水场地或局地微气候数值模拟,难以比较不同城市功能背景下滨水空间的降温性能,也较少将滨水形态与地表温度(land surface temperature, LST)的关联置于多种功能分区和多空间尺度下进行系统考察。针对这一研究缺口,研究人员以中国成都市为研究对象,沿着南河、府河和锦江选取了50个代表性滨水样方,涵盖商业、办公、居住、公园和郊区五类城市功能分区,旨在回答三个问题:不同功能分区滨水空间的热调节性能是否存在显著差异?哪些空间特征最强烈地影响热调节效率?不同滨水类型如何影响降温效应在多尺度缓冲区中的扩散?该论文发表于《Water》。

在方法上,研究人员利用Landsat 8 TIRS第10波段数据,采用辐射传输方程法反演了2023年6月1日至9月30日期间的白天LST,空间分辨率为30 m。基于OpenStreetMap(OSM)、百度地图API和高德地图API获取路网、水体、建筑和绿地数据,在ArcGIS中计算了河流宽度(river width, RW)、水体面积比(water area ratio, WAR)、绿地率(green space ratio, GSR)、建筑密度(building density, BD)和距水距离(distance to water, DW)五项形态指标。以河道中心线为基准建立200 m、500 m、1000 m和2000 m四级缓冲区,并利用Pearson/Spearman相关分析、标准化多元线性回归、主成分分析(principal component analysis, PCA)、Kruskal-Wallis检验和全局Moran's I等方法进行分析。

3.1 不同滨水类型的形态特征。研究显示,RW和WAR在五类滨水空间之间无显著差异(Kruskal-Wallis检验p分别为0.603和0.508),说明各类功能区的基本水体规模较为接近;而GSR、BD和DW在类型间差异显著(均p<0.001)。公园滨水空间GSR最高,商业和居住滨水空间较低;商业滨水空间BD最高,郊区最低;办公和居住滨水空间距水距离较大。PCA进一步显示,商业样方主要与高BD相关,公园样方与绿地特征密切相关,郊区样方在形态空间中位置相对独立。这表明五种滨水类型确实具有不同的空间构型。

3.2 不同滨水类型的热力特征。200 m滨水带内LST在类型间差异显著(p<0.01)。商业滨水空间LST最高,郊区最低;两两比较表明,郊区显著低于商业、办公和居住滨水空间。多尺度LST剖面显示,商业和办公在所有缓冲距离均维持较高温度,郊区始终最低;公园在200 m内温度相对较低,但随缓冲距离增大升温更明显。LST异常分析中,商业在所有尺度均为正异常,郊区为负异常;公园从200 m的负异常转为大尺度的正异常。在200 m尺度,商业比郊区高3.2 °C,比公园高2.3 °C,办公比郊区高2.2 °C。

3.3 滨水形态与局地热环境的关系。在200 m滨水带内,BD与LST呈最强正相关(r=0.66,p<0.001);RW和WAR均与LST显著负相关(r=-0.41,p<0.01);GSR(r=-0.12,p=0.412)和DW(r=0.09,p=0.582)无显著相关。DW与LST之间表现出显著非线性关系(二次项p=0.003)。多尺度Spearman相关分析表明,BD在所有尺度均为最强正相关因子(相关系数0.51~0.72,均p<0.001),RW和WAR的负相关随距离减弱。标准化多元回归中,控制其他变量后,BD在所有缓冲尺度仍是最强独立正向预测因子(1000 m和2000 m时β=0.52和0.51,均p<0.001);RW和WAR仅在200 m模型中显著负向;DW在500 m和2000 m尺度显著;GSR在任何尺度均不显著。模型调整后R2分别为0.582、0.389、0.384和0.422,对应200 m、500 m、1000 m和2000 m缓冲区,说明形态指标可解释LST空间变异的38.4%至58.2%。

3.4 滨水形态对多尺度降温扩散的影响。冷却对比度(缓冲区LST减200 m滨水带LST)总体上随距离增加而增大。公园滨水空间冷却对比度从500 m的1.4 °C升至2000 m的3.0 °C;办公和居住滨水空间在2000 m分别达到2.4 °C和2.0 °C;商业和郊区相对较弱。但2000 m尺度上类型间差异未达统计显著(p=0.092),应视为初步趋势。RW和WAR在500 m尺度与冷却对比度显著正相关,WAR和GSR在1000 m尺度显著正相关,BD与冷却对比度为负相关但未达显著。

3.5 回归残差的空间自相关评估。四个缓冲距离回归模型残差的全局Moran's I介于-0.042至-0.016之间,均不显著(置换检验p>0.05),表明残差在空间上随机分布,不存在可检测的空间聚集,因此普通最小二乘回归假设成立,无需进一步构建空间回归模型。

讨论部分,研究人员从四个方面进行了解释。第一,不同类型滨水空间降温性能的差异主要源于城市功能对蓝、绿、建成环境空间构型的塑造:高密度商业区增强了太阳热储存并削弱通风,河流冷却能力不足以抵消开发强度的影响;而公园和郊区滨水空间凭借高植被覆盖和低建设强度表现出更强的蒸发冷却与遮荫效应。第二,在蓝绿与建成环境因素的相对重要性方面,BD是统计上最强且尺度最一致的预测因子;RW和WAR的独立效应集中体现在近水200 m范围;GSR无独立显著关联,提示面积型绿地指标可能无法充分刻画植被结构与空间配置(如树冠密度、天空开阔度(sky view factor, SVF)、叶面积指数(leaf area index, LAI)等)的降温作用。第三,在规划启示方面,建筑密度管理应与蓝绿基础设施规划协同考虑,规划建议应视为方向性指引而非固定的设计阈值;不同功能类型宜采用情境差异化策略,并将多尺度视角纳入城市气候适应规划。第四,研究局限性包括:仅用LST表征热环境而缺乏气温和人体热舒适指标、单季遥感数据无法反映季节和年际变化、成都单一城市的气候背景限制外推性、每类仅10个样方限制统计功效、30 m分辨率难以捕捉滨水岸线微尺度热力异质性。

结论部分可翻译为:本研究识别出成都不同功能滨水区中滨水形态与夏季白天地表温度之间存在清晰但尺度依赖的关联。首先,各滨水功能区的热状况存在差异:郊区滨水空间在紧邻200 m带内通常表现出低于商业和办公滨水空间的LST,并且这类差异随缓冲距离增大而减弱;2000 m尺度上类型间总体差异未达统计显著,因此大尺度类型差异应视为指示性而非确定性证据。其次,BD在五项形态指标中与LST的关联最强且最稳定,多元回归证实其在控制RW、WAR、GSR和DW后仍为最强独立预测因子;RW和WAR的负关联以200 m内为最强,并随尺度增大而减弱;GSR和DW呈现较弱或尺度依赖的关联。第三,考虑空间自相关后,主要形态–LST关系的方向和相对幅度保持稳定,表明结果具有稳健性。总体而言,滨水热力状况与蓝、绿及建成环境的组合配置关联密切,而非仅由水体面积决定;建筑密度管理应作为滨水热适应评估的重要维度,但规划启示应理解为方向性指引而非量化标准。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号