城市热岛时空演化及降温效应阈值预测：共享社会经济路径下的可持续规划启示

《Sustainable Cities and Society》：Spatiotemporal evolution of urban heat islands and projection of cooling effect thresholds: Informing sustainable planning under shared socioeconomic pathways

　　

• 整合多源数据，量化城市热岛效应的时空演变特征。• 基于局部气候区（LCZ）分类，揭示不同土地利用类型的降温效应差异。• 耦合CMIP6与PLUS模型，预测多情景下的热岛效应变化趋势。• 结合热点分析与空间自相关方法，识别关键热岛区域。• 为高密度城市提供低碳热力调控策略。引言随着城市化进程加速和全球变暖加剧，热岛效应已成为当代城市面临的最突出的环境挑战之一（Mohammad Harmay, 2023）。热岛效应的特征在于城市区域的地表与气温显著高于周边乡村地区（Yuan等，2025），其对城市可持续发展的多个维度产生深远影响，包括人类健康（Silveira等，2023）、生态完整性以及能源消耗（Tian等，2021）。流行病学研究一致证实，极端热岛事件与心血管及呼吸系统疾病死亡率的上升呈正相关，而老年人和低收入群体等弱势群体受到的影响尤为严重（Liu等，2022；Cleland等，2023）。此外，热岛效应已被证实会引发城市内涝和水污染，因为气温升高会增加蒸发速率并削弱城市排水系统的能力（Ghumman等，2020；Shafiquzzaman & Uddin, 2025）。因此，应对热岛挑战是促进城市健康运行、实现可持续城市与社会目标的关键前提。热岛效应主要由城市地区土地利用类型的转变引起（Huang等，2025）。植被被不透水面（如建筑物和道路）取代，削弱了反射效应，增强了热量的吸收与滞留（Aghazadeh等，2023；Dewan等，2021）。鉴于热岛效应对城市可持续发展带来的显著负面影响，探索有效的缓解策略尤为重要。以往关于土地利用格局对热岛效应影响的研究，主要围绕以下几个主题展开（Wang等，2020）。探讨不同土地利用类型空间分布格局与热岛强度定量关系的研究，运用地理信息系统（GIS）和遥感等技术手段，分析土地利用比例、斑块大小、形状及空间配置等因素对热岛形成与发展的影响，旨在构建更精确的定量模型，揭示二者的内在联系（Lu等，2020）。基于土地利用变化对热岛效应动态影响机制的研究指出，随着城市化推进，土地利用类型不断发生变化。研究关注这些动态变化如何驱动热岛效应的演变，例如建设用地扩张对周边热力环境的影响，以及绿地系统和水体等生态用地增加对缓解热岛效应的长期作用（Li等，2023）。此外，在区域尺度上，相关研究强调不同尺度上土地利用类型与热岛效应之间的耦合关系，以期为城市规划与生态修复提供更具针对性的策略（Du等，2025）。然而，这些研究大多聚焦于静态分析，在土地利用类型与热岛效应之间复杂的动态反馈机制和长期交互过程方面仍存在局限（Dou等，2020）。当前的热岛效应评估方法可根据研究范式和技术框架划分为三类，即遥感定量分析、数值模型模拟和智能数据挖掘。第一种范式是遥感定量分析。此类研究主要依赖Landsat和MODIS等卫星遥感数据反演地表温度，并通过比较建成区与周边非城市区域的热差异来评估热岛效应（Yao等，2023）。随着遥感技术的持续进步，Sentinel和SDGSAT-1等多源热红外卫星数据也被广泛应用于精细化时空尺度的热岛监测（Zhan等，2025；Wang等，2025b）。许多研究还结合云计算平台，对区域热力环境开展长时间序列的动态监测（Sengupta等，2025）。研究者通常进一步将地表温度与归一化植被指数（NDVI）、不透水面比例等环境指标结合，定量分析热岛强度及空间分布特征（Shi等，2023）。例如，Song等（2020）通过多源数据与空间分析工具，分析地表温度与建筑密度之间的相关性，探讨了热岛效应的强度及其驱动机制。尽管如此，传统中分辨率遥感数据在捕捉微尺度热变化和城市形态影响方面仍存在局限（Lan等，2025）。该范式可获取大规模、高分辨率的地表温度数据集，广泛适用于多空间尺度的热岛研究。然而，它仅反映了热岛效应的部分特征，无法完全解释其复杂的形成机制（Yang等，2021）。第二种范式是数值模型模拟。该范式采用气象模型和城市气候模型，动态模拟热岛的形成与演变（Ahmadi Orkomi & Ameri, 2024）。常用模型包括WRF、CLM和CORDEX，已成为热岛数值模拟的主流工具（Wang等，2025a）。近期研究倾向于将数值模型与LCZ分类耦合，以优化城市参数化方案并提升极端高温天气下的模拟精度（Falasca等，2025）。该框架可充分整合土地利用、建筑形态和气象条件等多种影响因素，实现未来情景下热岛趋势的预测（Ding等，2024）。其在模拟复杂物理热过程、探究城市化对城市气候影响方面表现良好（Zhou等，2022）。然而，数值模型需要大量基础数据进行构建与校准，计算成本高昂；同时，模型参数的不确定性可能降低评估精度（Zhu等，2024；Cheng等，2025）。气象参数、地表特征参数及经验系数的偏差会直接扭曲热量累积与扩散过程的模拟，导致区域热岛强度被高估或低估，且模拟的高温区空间分布与实际条件不符。第三种范式是基于机器学习的智能数据挖掘。该范式在多源观测与遥感数据集的基础上，运用随机森林（RF）和支持向量机（SVM）等机器学习算法挖掘隐含规律并预测热岛变化（Hong等，2025；Tasan等，2025）。XGBoost等先进算法也被日益采用，以提升模型预测性能（Kong等，2025）。近年来，以SHAP为代表的可解释机器学习方法也被应用于识别热力环境阈值（Akay, 2026）。该方法通常与GIS及遥感数据耦合，分析不同土地利用构成如何影响热岛发展，从而提高评估的效率与准确性（Wang等，2025c）。例如，Han等（2022）将土地利用回归（LUR）与随机森林相结合，共同预测西安市地表热岛及夏季臭氧污染的空间分布。值得注意的是，大多数机器学习研究同样以遥感影像反演的地表温度为核心输入数据，这意味着该范式在数据源上与遥感定量分析存在重叠（Tan等，2025）。该方法高度依赖输入数据的质量与时效性，且现有相关研究多聚焦于静态空间分布预测，缺乏捕捉热岛强度长期动态演变的能力（Han等，2022）。此外，模型泛化能力有限和可解释性较差也是当前机器学习应用于热岛研究的显著缺陷（Snaiki等，2025）。因此，当前的热岛评估方法在模型与数据精度、预测动态性以及多影响因素多维特征考量方面仍存在不足，难以准确反映不同区域和时段热岛效应的真实状况与演变规律（Samad等，2026）。此外，现有研究大多过度依赖单一的地表温度数据，缺乏系统性的结果验证与不确定性量化，仅进行简单的数值统计与比较（Wang等，2026b）。虽然这一方式可以直观呈现热岛强度，但忽略了热岛对城市生态系统的多重细节影响，且鲜有研究进一步结合多模型耦合以实现情景预测和针对性规划指导（Sheela & Ohri, 2026）。尽管本研究与大多数主流研究一致，同样以地表温度作为核心基础数据，但我们进一步结合多源辅助数据、空间自相关分析、局部气候区分类以及多模型耦合框架，弥补了以往研究中的单一数据分析局限；同时，我们增加了地表温度反演精度验证与不确定性分析，以提升研究结果的可靠性。因此，亟需评估不同土地利用类型下的降温效应与时空演变（Qi等，2025），量化基于地表温度的热岛分析中的不确定性，并精准制定适用于不同发展情景的规划应对策略（Zhong等，2025）。本文揭示了2000至2020年间多个城市热岛效应的时空演变特征，结合分段回归与Mann-Kendall检验，定量识别了典型局部气候区类型的降温/升温效应阈值，并通过多种建模方法的对比分析验证了所识别阈值的可靠性。在特大城市快速城市化与全球气候变暖的双重背景下，不断加剧的热岛效应已成为制约城市生态可持续性和公众健康安全的突出瓶颈。上海作为中国典型的超大型城市，在土地利用快速转变的同时面临日益严峻的热力环境风险，但针对多种共享社会经济路径下热岛降温阈值和基于情景的规划指导的定量研究仍显不足。此外，以往研究很少量化局部气候区类型、土地利用转换规则与热岛演变之间的耦合关系，未能提供与低碳、生态和高排放发展路径相匹配的差异化、可操作的规划策略。鉴于上述研究空白与城市热力环境治理的实际需求，亟需开展关于热岛时空演变、土地降温效应阈值及未来趋势预测的综合研究，以填补当前区域热岛研究的不足，并为可持续城市规划和热风险防范提供科学决策依据。本研究旨在回答以下直接针对上述文献空白的关键研究问题：1. 城市热岛的时空演变特征如何，具体涉及其强度、范围和集聚模式？结合空间统计方法，该问题弥补了以往基于地表温度的研究缺乏深度空间相关性分析的不足。2. 不同土地利用类型和局部气候区之间的降温效应及景观格局阈值差异如何？该问题探究土地利用与热力环境之间的线性机制，弥补了传统地表温度研究的一维分析局限。3. 在SSP1-5等不同未来发展情景下，热岛效应的变化趋势如何，如何制定规划应对路径？该多情景预测弥补了现有热岛研究动态预测能力不足的缺陷。为填补上述空白，本研究选取中国特大城市、世界级一线城市上海作为研究区域。通过整合多源数据与空间分析工具，本研究将地表温度进行量化并划分为五类热力环境类别。利用热点分析和Moran's I阐明热岛的时空相关特征。进一步结合LCZ分类与OLS回归模型，探究土地利用的降温效应及其线性相关性。最后，本研究耦合CMIP6模型与PLUS模型，模拟SSP1-5情景下的热岛趋势，并分析碳排放的影响。本研究最终为高城市化地区的热力环境治理和可持续城市规划提供科学支撑。本研究的主要贡献总结如下：1. 定量时空评估：本研究运用地表温度数据进行定量分类，并耦合热点分析（Getis-Ord Gi*）与Moran's I。

这种综合方法能够精确量化空间自相关性，同时识别出城市热岛恶化或改善的具体区域。2. 基于土地利用覆盖分类的冷却效应分析：本研究利用土地利用覆盖分类，量化了不同类型土地利用的冷却效应。构建普通最小二乘法回归模型，分析不同时间点冷却强度的时间变化，从而探索变量之间的线性关系。3. 情景预测与碳关联分析：通过整合CMIP6模型与PLUS模型，本研究预测了在不同共享社会经济路径情景下，热浪等极端高温事件与城市热岛效应的复合影响。此外，基于共享社会经济路径情景设定，本研究分析了建成区范围变化和年平均温度变化对城市热岛强度的驱动机制，并为上海协调实现"碳达峰"目标与缓解热岛效应行动提供了科学可行的战略建议。

上述研究贡献不仅丰富了城市热环境研究的理论体系，还为缓解热风险、平衡城市建设与生态保护提供了可操作的规划思路，最终促进可持续城市和人类社会的高质量发展。

**研究区域与数据**

上海地处长江三角洲河口，西邻江苏和浙江两省，东濒东海。其地理范围大约位于北纬30°40′至31°53′、东经120°51′至121°58′之间（Yang等人，2025）。上海的地理位置如图1所示。

作为中国的大都市之一和全球一线城市，上海经历了快速的城市化进程。从2000年到2020年，常住人口——

**研究框架**

本研究采用陆表温度分类和热点分析方法，系统评估城市热岛效应的时空相关特征。结合普通最小二乘法回归模型，深入探讨了土地利用的冷却效应机制。此外，基于CMIP6模型，模拟了SSP 1-5情景下城市热岛效应的演变趋势，并进一步分析了碳排放对城市热岛效应的影响路径。整体——

**土地利用格局的时空变化**

为调查土地利用格局对上海热岛效应的影响，本研究选取了2000年至2020年间九张代表性土地利用图（图4），涵盖六大类土地利用类型：耕地、林地、草地、水体、裸地和不透水面。

1. **土地利用变化的空间特征**

从空间分布来看，耕地在整个研究期间始终是主导的土地利用类型。林地和草地相对集中在——

**热风险影响因素**

在时空尺度上，短期热风险受大气环流和地方微气候调节，而长期演变则由地表下垫面改变和社会经济发展驱动。城市核心与郊区之间，以及不同气候区之间，主导影响因素存在明显差异。亚热带湿润区的高湿度和低风速，以及干旱区的高太阳辐射和低植被覆盖度——

**结论**

以上海为研究区域，本研究整合多源遥感数据与PLUS、CMIP6及OLS回归等模型工具，系统分析了2000年至2020年城市热岛效应的时空演化特征、不同土地利用类型和土地利用覆盖类型之间的冷却效应差异，并预测了不同未来发展情景下的城市热岛趋势。本研究为城市热环境治理和可持续——

**未引用参考文献**

Tang, Xu和Yu, 2025；Wang和Wang, 2022；Gridded, 2017；Y.等人, 2025；Zhang, Bai和Ji, 2020；Zhang, Bai和Ji, 2020；Zhang等人, 2022

**作者贡献声明（CRediT）**

Tang Xiaojun（汤小军）：撰写初稿、软件、方法论、概念构思。Wang Zhaocai（王兆才）：撰写审阅与编辑、监督、方法论。Cao Yongqiang（曹永强）：撰写审阅与编辑。Wang Jun（王俊）：方法论。

**利益冲突声明**

作者声明不存在任何可能影响本文研究结果的已知经济利益冲突或个人关系。

**致谢**

本研究得到国家自然科学基金（编号11701363）和教育部人文社会科学研究规划基金（编号24YJAZH167）的支持。

Tang Xiaojun（汤小军）| Wang Zhaocai（王兆才）| Cao Yongqiang（曹永强）| Wang Jun（王俊）