评估人类改造梯度对城市热舒适变化的影响：跨气候类型的多城市分析

《Remote Sensing Applications: Society and Environment》：Assessing the Human Modification Gradient Influence on Urban Thermal Comfort Variations: A Multi-City Analysis Across Climatic Regimes

　　

摘要
城市热舒适是影响城市宜居性和可持续性的关键因素，特别是在干旱环境中气候变化和城市化加剧的背景下。了解其空间变异性及其与人为变化的相互作用对于基于数据的城市规划至关重要。本研究旨在通过跨不同气候类型的多城市分析，评估人为改造梯度（HMG）对城市热舒适变化的影响。研究区域包括伊朗的 12 个城市，代表湿润（4 个城市）、半干旱（3 个城市）和干旱（5 个城市）气候。主要数据集包括基于气象站气象数据和相关遥感衍生环境因素，通过梯度提升决策树（GBDT）模型获得的城市热不适指数（TDI）、源自环境数据和人类压力数据的全局人为改造（GHM）数据集，以及气候图。建模值与观测值 TDI 之间的 r 值和 RMSE 值分别为 0.95 和 1.21°C，表明基于环境因素对 TDI 建模的 GBDT 模型具有高效率。分析显示不同气候下热舒适存在显著差异。位于干旱、半干旱和湿润气候城市的平均 TDI 分别为 20.72°C、18.59°C 和 16.96°C。湿润气候城市，如 Sari 和 Rasht，显示出较低的 TDI 值，而干旱地区城市，如 Zahedan 和 Bandar Abbas，显示出较高的 TDI 值。湿润、半干旱和干旱气候城市的平均 HMG 分别为 0.825、0.787 和 0.68。这些差异与湿润和半干旱地区相比干旱地区更高的人口密度和更多的城市发展有关。TDI 与 HMG 之间的相关性各异，在湿润城市中呈较强的正相关（例如，Rasht: r = 0.72, Sari: r = 0.65），而在干旱城市中呈较弱或负相关（例如，Zahedan: r = 0.36, Bandar Abbas: r = -0.41）。这些发现突显了人为变化在塑造城市热舒适模式中的重要作用，特别是在湿润气候中。该研究强调了在城市热舒适评估中整合人为改造标准的重要性，并为气候敏感型城市管理提供了实用见解，以实现可持续城市发展。

引言
全球人口已从 1950 年的 25 亿增长到 2024 年的超过 80 亿（Ganivet 2020）。这种前所未有的增长，加上城市化的加速趋势，导致目前超过 57% 的世界人口居住在城市地区（Malik 和 Dewancker 2018）。预测表明，到 2050 年，这一比例将上升至约 70%，特别是在面临更大基础设施和管理挑战的发展中国家。研究表明，城市物理扩张的平均速度是人口增长速度的两倍，往往缺乏适当的规划或环境考虑（Mahtta et al. 2022; Nath et al. 2021; Sumari et al. 2020）。失控的城市蔓延威胁着自然资源和敏感生态系统，导致栖息地丧失、生物多样性减少以及水资源和土壤资源的退化（Bhatta et al. 2010; Deep 和 Saklani 2014; Fathololoumi et al. 2024; Mirbagheri 和 Alimohammadi 2017）。此外，这一趋势导致了陆地生物物理特性的显著改变，城市热岛（UHI）效应加剧，污染水平增加，气温升高以及城市内部的气候变化（Deilami 和 Kamruzzaman 2017; Firozjaei et al. 2021; Firozjaei et al. 2020; Sejati et al. 2019; Weng et al. 2019）。这些变化不仅降低了城市地区的生活质量，还将负面影响扩大到周边农村地区和社区（Bhatta 2010; Curran-Cournane et al. 2016; Fan et al. 2008; Slemp et al. 2012; Yue et al. 2026）。在这些因素中，人为因素如管理不善、城市政策薄弱以及忽视可持续发展原则加剧了这些后果。

城市环境中人类活动产生热量增加的最显著不利影响之一是居民热舒适度的降低（Hu 和 Zeng 2025; Jamei 和 Rajagopalan 2017; Mijani et al. 2019; Morris et al. 2017; Naikoo et al. 2022）。热舒适是指反映个人对周围热环境满意度的主观状态（Lai et al. 2019; Mijani et al. 2020; Mijani et al. 2019）。气温升高和热现象加剧会导致热不适，这对人体物理和心理表现都有实质性的负面影响（Cui et al. 2013; Xiong et al. 2015）。这些影响包括疲劳、睡眠障碍、认知能力下降、健康问题甚至死亡。在城市地区，由于气温显著高于农村地区，这些热问题可能构成严重的公共卫生风险并导致巨额医疗成本（Firozjaei et al. 2023; Mirzaei 2015; Mirzaei 和 Haghighat 2010; Zhou et al. 2014）。因此，监测、预测和理解热舒适模式对于应对人类健康挑战、优化城市规划、改善社会和经济服务以及管理城市能源消耗至关重要（Lai et al. 2019; Naikoo et al. 2022; Zinzi 和 Carnielo 2017）。此外，改善热舒适状况可以提高城市生活质量，减少健康问题，并优化能源使用（Aboelata 2021; Giridharan 和 Emmanuel 2018; Radhi et al. 2015）。因此，在城市发展计划和环境政策制定中优先考虑热舒适势在必行。

城市环境中的热舒适受气候条件和城市结构特征之间相互作用的影响（Cilek 和 Uslu 2022; Hami et al. 2019; Qaid et al. 2016; Ren et al. 2022a; Ren et al. 2022b）。城市景观引起的气温和湿度变化直接影响人类健康、热舒适、能源消耗和空气质量（Feng et al. 2020; Giridharan 和 Emmanuel 2018; Mirzabeigi 和 Razkenari 2022; Morris et al. 2017）。特别是，城市表面特征的不一致会导致不同城市区域居民热舒适的空间异质性（Coccolo et al. 2018; Ma et al. 2022; Nice et al. 2022）。这些变化主要受环境和地表因素影响，如向下短波辐射（DSR）、向下长波辐射（DLR）、向上长波辐射（ULR）、亮度、植被覆盖和地表水分（Hami et al. 2019; Lai et al. 2023; Mijani et al. 2020; Mijani et al. 2019）。此外，建筑物密度、建筑材料以及城市环境中的绿地分布等因素显著影响温度和湿度模式，从而影响热舒适（Deng et al. 2023; Su et al. 2023; Yang et al. 2021）。这些效应在人口稠密且快速发展的城市地区尤为明显，那里气候和结构条件以复杂的方式相互作用。因此，理解热舒适的空间和时间变化并量化每个环境因素的影响对于旨在改善热舒适状况的城市规划至关重要（Aghamolaei et al. 2020; Algeciras et al. 2016; Gobo et al. 2022; Najafzadeh et al. 2021）。这些见解使城市规划者能够制定策略来缓解热量的不利影响，特别是在脆弱和高密度城市地区，最终有助于建立更可持续和宜居的城市。

城市热舒适通常使用一个或多个气象站的气候数据进行计算（Irmak et al. 2020; Kim 和 Brown 2022; Tseliou et al. 2010）。虽然气象站数据是校准和验证遥感模型的重要来源，但它们也有显著局限性。由于固定且往往稀疏分布的位置，这些站点无法捕捉城市内部的微气候变化或提供更细尺度的数据。鉴于城市环境的异质性和地表特征的不同特性，点状测量无法考虑到热舒适的全部时空变化（Feng et al. 2020; Mijani et al. 2020; Najafzadeh et al. 2021）。此外，气象站通常提供固定且有限的时间分辨率数据，这使得难以反映不同城市区域动态和瞬时环境变化，如温度和湿度波动。相比之下，遥感数据可以提供更精确的环境条件时空变化洞察，即使在高度局部化的尺度上，如单个建筑物、街道和社区（Algeciras et al. 2016; Cilek 和 Uslu 2022; Ren et al. 2022a）。因此，虽然气象站对于基准测试和验证遥感模型至关重要，但遥感数据对于进行详细和广泛的分析不可或缺，特别是在具有独特生物物理和气候特征的城市地区。这种方法确保了对城市热舒适变化的更全面理解，并提高了城市环境评估的准确性。本研究的主要目标是评估人为改造梯度（HMG）对不同气候类型城市的城市热舒适空间变化的影响。具体来说，本研究旨在量化 HMG 与热不适指数（TDI）之间的关系，考察这种关系在湿润、半干旱和干旱气候中的变化，并评估人为景观改造在塑造城市热舒适空间异质性中的作用。

近年来，许多研究利用遥感数据的能力调查了不同城市区域热舒适的空间和时间方面（Feng et al. 2020; Mijani et al. 2020; Mijani et al. 2019; Naikoo et al. 2022; Najafzadeh et al. 2021）。Song 和 Wu (2018) 使用遥感数据研究了美国威斯康星州的热舒适。这项研究结合了地面站数据和 MODIS 传感器产品，基于气温和相对湿度值对热舒适进行建模。他们分析了地表温度（LST）、植被指数和建成区之间的关系，以确定每种地表特征对热舒适的影响。结果显示，热舒适与 LST、植被指数和建成区指数的平均相关系数分别为 0.7、-0.19 和 0.15。该研究得出结论，LST 对热舒适的影响比植被和建成区指数更大。Mushore et al. (2018) 调查了南部非洲津巴布韦地区不同季节和土地利用类型下的热舒适状况。这项研究利用地面站记录的气温和相对湿度数据以及 16 张 Landsat 卫星图像。不适指数（DI）用于基于气温和相对湿度评估地面站地理位置的热舒适。发现气温与地表温度（LST）之间的相关系数为 0.69，气温与相对湿度之间的相关系数为 -0.32。在研究区域的北部，那里拥有广阔的绿地和较少的住宅区，热舒适状况被发现比南部地区更有利。研究证明 Landsat 8 卫星图像在分析各种季节条件下的热舒适方面具有高度能力。Taleghani (2018) 研究了地表反照率对热舒适的影响。发现发现，地表反照率每增加 0.1，平均辐射温度增加 1.2°C，热舒适指数上升 0.8°C。此外，地表反照率的增加加剧了显热通量。这些结果表明，较高的反照率可以显著影响开阔城市空间中的行人热舒适 [35]。Feng et al. (2020) 引入了一种改进的温度 - 湿度指数（MTHI），使用遥感数据，用地表温度和归一化差异湿度指数取代原位测量来评估城市热舒适。研究发现景观模式显著影响热舒适，水体提供缓解，建成区贡献不适，特别是在夏季。景观组成被确定为影响热舒适的主要因素，景观百分比贡献超过 70%。MTHI 有效监测了不同季节城市热舒适的空间和时间变化。Mijani et al. (2020) 提出了一种使用卫星图像和气候数据集对室外热舒适进行建模的方法，结合了主成分分析（PCA）和最小二乘平差（LSA）模型。这项应用于伊朗德黑兰的研究发现，城市地区的不适指数（DI）在暖季更高，裸地显示出比其他土地覆盖类型更高的 TDI，而水体表现出较低的 DI。该方法显示出高精度，训练和测试数据集的相关系数分别为 0.86 和 0.89，表明遥感在热舒适建模中的有效性。

Mushore等人（2023）进行了一项研究，利用Landsat 8和9的遥感数据，分析了南非eThekwini市乡村-城市梯度上局部气候区（LCZs）的热舒适变化。该研究采用通用热舒适指数（UTCI）评估户外热舒适，发现建成区LCZs经历了更高的地表温度（LST），导致热季期间出现热应激。研究结果强调了城市规划和热缓解策略的重要性，特别是在密集建成区域，并突出了在低热吸收区域（如茂密森林）保护的作用。Yin等人（2023）探讨了2001至2020年间城市热岛效应（UHI）对纽约和新泽西州人类热舒适的影响。他们利用气候、数字高程模型（DEM）和土地利用数据，考察了UHI的空间分布和季节变化，并通过计算热舒适指数（TDI）评估热舒适。研究发现地表温度持续上升，尤其在纽约市更为明显，导致夏季月份TDI值升高。结果指出城市扩张加剧了热不适，强调了可持续城市规划、绿化和先进建筑技术在缓解UHI效应、提升宜居性方面的重要性。Patel等人（2024）研究了卡塔尔多哈城市化对人类热舒适的影响，重点关注2002-2003年、2013年和2022年的夏季季节。利用遥感和地理信息系统（GIS），他们分析了土地利用变化和LST模式，发现建成区显著增加，LST相应上升，热舒适从“适中”转变为“热应激”。研究指出郊区开发区域和近水区域相较于市中心地区保持了更低的温度，强调了战略城市规划在缓解热应激、提升快速城市化城市热舒适方面的重要性。近年来，城市热环境研究的进展日益整合高分辨率遥感、机器学习和地理空间分析，以增进对城市热动力学及其环境驱动因素的理解。近期研究证明，先进的机器学习算法通过捕捉土地利用、城市形态、植被和气候因素之间的复杂非线性关系，显著提升了城市热环境的表征能力（Aghazadeh等, 2026; Ding等, 2025; Firozjaei等, 2026; Hu等, 2025; Wu等, 2025; Zhao等, 2025）。此外，可解释人工智能近年来成为一种有效方法，用于识别控制城市热条件的关键环境因素和预测阈值，从而为气候适应性城市规划提供更可解释的证据（Ding等, 2026）。综合综述也强调了机器学习技术在城市热岛研究中快速扩展的作用，突出其在热预测、空间分析和缓解规划中的应用，同时指出面向可持续城市发展的未来研究方向（Snaiki和Merabtine, 2025）。尽管存在这些方法学进展，但以往大多数研究主要关注地表温度和城市热岛强度，而相对较少研究人类修改梯度（HMG）如何影响不同气候条件下城市的以人为中心的热舒适。因此，整合高分辨率遥感、机器学习和HMG框架来评估城市热舒适仍是一个重要的研究空白，本研究旨在填补这一空白。总之，评估气候对城市热舒适的影响至关重要，因为有助于理解位于不同气候区城市热舒适状况的差异。在此方面，研究不同气候下城市区域热舒适的空间差异有助于改善环境条件和城市规划。此外，人类活动作为影响热舒适的重要且可控因素，具有特别的重要性。如果能量化这些活动对热舒适空间变化的影响，结果可用于优化城市规划策略。本研究探讨了人类活动对热舒适空间变化的影响在不同气候城市中是否一致。此外，许多以往研究使用线性模型和算法基于环境因素对热舒适进行建模。然而，这些因素在城市环境中的影响性质和程度可能是复杂且非线性的。因此，使用更先进的算法，如梯度提升决策树（GBDT），可以提高建模准确性，尤其是有助于模拟城市环境中热舒适的空间变化和细微差异。本研究在以下几个方面对现有文献做出贡献：- 使用GBDT模型对城市热舒适的空间变化进行建模，实现更高的准确性和捕捉复杂非线性关系。- 评估气候条件在塑造不同气候区热舒适中的作用，为气候敏感型城市规划提供见解。- 评估人类活动对城市热舒适空间变化的影响，并考察气候条件如何影响这些影响的幅度和方向。研究区本研究选取伊朗的12个城市，以研究气候条件和人类活动对热舒适的影响。研究城市的气候图、地理位置和土地覆盖情况如图1所示。这些城市选自三种气候类型：湿润、半干旱和干旱气候。研究城市的选取基于目的性抽样策略，旨在代表伊朗各种气候条件，包括湿润、半干旱和干旱气候。数据本研究使用2024年夏季获取的Landsat 8和Landsat 9 Collection 2 Level-2产品来表征研究城市的热和环境条件。这些产品已经过标准几何和大气校正，提供适用于定量分析的地表反射率和地表温度产品。每个城市仅选择无云或近无云图像。反射波段的空间分辨率为30米。结果图4显示了气象站位置观测到的TDI值与环境影响因素之间的关系和相关系数r。向下长波辐射（DLR）和归一化植被指数（NDVI）与观测TDI的相关性分别为最高和最低。反照率、NDVI、向上长波辐射（ULR）、DLR和向下短波辐射（DSR）与观测TDI的相关系数r分别为0.53、-0.47、0.75、0.84和0.78。除NDVI外，所有这些因素对TDI值均有直接正效应。随着NDVI增加，TDI下降。讨论研究突出了TDI在评估城市热舒适中的作用及其对不同气候条件的敏感性。在干旱气候中，强太阳辐射、低湿度和有限的植被覆盖会显著增加地表温度（LST），进而提高TDI值。例如，在扎黑丹和阿巴斯港等城市，较高的太阳强度和不足的湿度加剧了不适水平，表现为TDI值升高。结论本研究揭示，城市热舒适受多种因素影响，包括气候条件以及因人类活动导致的变化。结果表明，位于湿润气候区的城市平均热舒适低于干旱和半干旱气候区的城市。这些差异可归因于湿润和半干旱地区更高的人口密度、更多的城市化发展以及气候条件。此外，研究发现HMG起着重要作用。伦理声明本人/Mohammad Karimi Firozjaei/郑重声明，对于稿件《评估人类修改梯度对城市热舒适变化的影响：跨气候区多城市分析》，以下内容已满足：1）本材料为作者的原创性工作，未在其他地方发表过。2）该论文目前未在其他地方投稿。3）该论文真实且准确地反映了作者的研究和分析。作者贡献声明Hamide Mahmoodi：概念化、调查、写作——审阅与编辑。Mohammad Karimi Firozjaei：初稿撰写、可视化、软件、方法论、调查、数据整理、概念化。Jamal Jokar Arsanjani：写作——审阅与编辑、方法论、调查、概念化。利益冲突声明作者声明不存在可能影响本文所报告工作的已知名竞争财务利益或个人关系。致谢本研究由伊朗国家科学基金会资助（资助编号：4042661）。Mohammad Karimi Firozjaei | Hamide Mahmoodi | Jamal Jokar Arsanjani德黑兰大学管理学院，伊朗德黑兰