住宅密度如何制约基于自然降温效益及其分配正义：对气候适应型城市的启示

《Habitat International》：How residential density constrains nature-based cooling benefits and their distributive justice: Implications for climate-adaptive cities

　　

• •
  量化了不同居住密度下斑块尺度的绿地降温效率。
• •
  构建了一个集成 CatBoost、GeoShapley 与 GNNWR 的 Geo-XAI 综合框架。
• •
  揭示了降温效率机制存在显著的密度依赖性差异。
• •
  优化绿地虽能提升降温效益，但可能因密度不同而引发公平性反弹。
• •
  针对不同类型密度区提出有针对性的规划建议，以增强气候适应性。

引言

据预测，全球变暖将使极端高温事件显著加剧（Seneviratne et al., 2021），未来几十年中对人类健康与福祉的威胁也将不断升级（Allen et al., 2014; Li, Svenning, et al., 2024）。根据 IPCC（2014）的评估，全球平均地表温度已上升 0.85 °C，并预计到本世纪末将再上升约 1.5 °C（Solomon et al., 2007; Yu et al., 2017）。大量证据表明，全球多数地区可能经历频率更高、强度更大的极端高温和热胁迫事件；一旦环境温度突破临界阈值，即可引发危及生命的热胁迫（Golden, 2004），并严重削弱劳动生产率、损害公众健康（Beniston et al., 2007）。此外，人为气候变暖与城市热岛效应相互作用，会放大局地温度异常，从而加剧城市中热暴露的空间集中度，使人口对危险高温的脆弱性大幅上升（Gao et al., 2024; Jin et al., 2024）。因此，城市已成为全球气候变化下的高风险前沿环境（Li, Svenning, 2024b）。

幸运的是，大量研究已经表明，城市植被可通过蒸散作用（Konarska et al., 2016）和遮荫效应（Wang et al., 2018）在局地形成"冷岛"，随后热量耗散进一步受到湍流和扩散交换的调控（Shashua-Bar & Hoffman, 2000; Tyrv?inen et al., 2005, pp. 81–114）。这些生物物理机制在局地与区域尺度上显著缓解了热胁迫（Yu, Li, et al., 2025）。因此，扩大并战略性优化城市绿化已成为当代基于自然的（nature-based）气候适应策略的核心组成部分（Yu et al., 2018, 2024）；这一路径既能降低热胁迫、死亡率及热相关疾病发生率（Golden, 2004），又能提升城市生活质量，并推动包括可持续发展目标 11 和全球适应目标（GGA）在内的国际气候与可持续发展目标的实现（Magnan & Ribera, 2016）。

然而，随着城市化与居住密集化加速，城市日益面临双重约束：用于扩展绿地的可用空间不断减少，同时现有居住区内部的密化进程又进一步侵蚀剩余植被、加剧地表不透水性（Anguelovski et al., 2022; Lin, Meyers, & Barnett, 2015）。这些过程强化了城市热岛效应，并逐步削弱现有植被的微气候缓冲能力，从而降低了现有绿地的降温效益（Golden, 2004）。这种趋势削弱了关键的生态系统调节功能，并提高了人口层面在热健康风险与热暴露方面的脆弱性（Chen et al., 2022a, 2022b）。因此，如何在有限的居住空间内维持并主动增强绿地降温效益，已成为城市气候适应与可持续发展面临的具有决定性意义且空间上十分紧迫的挑战（Cai et al., 2025; Keeler et al., 2019; O'Neill, 2020）。

尽管已有大量研究从多个角度评估绿地的降温效率（Li et al., 2012），但既有工作大多关注宏观空间背景，如全球北方与南方（Li, Svenning, 2024b）、气候带（Richards et al., 2020; Yu, Guo, 2017）或气候区域（Yu et al., 2018），并往往倾向于全市范围的宏观分析（Vo & Hu, 2021; Yu, Guo, 2017）或单个城市案例研究（Li, Svenning, 2024b; Richards, Fung, 2020）。然而，城市内部地表温度与植被覆盖的显著空间异质性会掩盖精细尺度的规律，从而导致对特定居住位置居民实际所获降温效益的估计出现偏差。在城市人口最直接的居住尺度上，绿地的降温效率仍然缺乏充分量化。此外，居住密度是居住区之间最基础的差异化特征之一，但当前研究尚未系统考察其与城市热环境格局之间的关系。尽管已有研究表明绿地属性——包括面积（Peng et al., 2021）、结构（Yao et al., 2022）与空间配置（Yu, Guo, 2017）——与降温效率相关，但它们在**不同居住密度条件下**与降温表现及优化潜力之间的关系仍缺乏深入理解。这些知识缺口限制了对绿地热调节能力的深入认识，也削弱了现有研究成果在城市规划与气候响应式设计中的转化应用价值。

基于上述研究空白，本文构建了一个基于栅格的降温效率（CE）模型（Wang et al., 2019a, 2024; Zhou et al., 2017），以量化不同居住密度下绿地降温效率的差异。我们进一步实施了一个综合框架，将 CatBoost–GeoShapley 可解释机器学习与地理加权神经网络回归（GNNWR）相结合，用以刻画降温效率与可调控绿地属性之间**非线性且空间变化**的关系。相较于传统 GWR 或单基于 SHAP 的分析，所提出的 Geo-XAI 框架将非线性特征归因与空间异质性本地关系相联结，可从"特征贡献"与"空间异质性"两个视角对绿地降温效率进行解读。与此同时，本研究还采用分位数提升法（Quantile Elevation Method）与基尼系数，评估绿地降温效益（CB）的差异及其潜在不平等变化。具体而言，本研究聚焦于三个关键问题：(1) 不同居住密度下，绿地降温效率及其时空格局如何变化？(2) 在不同居住密度下，降温效率与可调控绿地属性之间的关系是否呈现非线性以及时空异质性？(3) 在不同居住密度背景下，通过优化现有绿地以提升降温效率，是否会导致降温效益提升潜力以及人口加权降温效益不平等程度的差异化变化？通过回答这些问题，本研究为营造更具气候适应性和可持续性的城市环境、有效缓解城市热风险，提供了关键的科学依据和可落地的规划启示。

章节摘要

绿地降温效应的量化

以往关于城市绿地的研究通常围绕三个维度展开：量化其降温效应、识别其驱动因素以及制定规划与管理策略（Zhou et al., 2025）。其中，严格的量化仍是基础性任务。现有方法主要归为两类：基于空间缓冲区（buffer）的分析（Zhou et al., 2025）与基于栅格的回归模型（Li, Svenning, 2024b）。

在缓冲区分析方面，相关研究通常采用……

研究区域

威斯康星州东南部（Southeastern Wisconsin, SEWI）位于五大湖盆地的核心地带，集中了全州最高的人口密度与经济活动水平（Wang et al., 2019b, 2020b）。2000 至 2020 年间，SEWI 的绿地覆盖率由 81% 下降至 75%，而居住用地占比则由 12.2% 上升至 15.8%。作为核心城市区的代表，密尔沃基县以高密度居住与工业用地为主，绿地资源稀缺且……

不同居住密度下的绿地降温效率

在地块（parcel）尺度上，图 3a–c 面板 1 展示了不同居住密度类型下降温效率的空间分布。结果显示，各居住密度组之间的绿地降温效率存在显著异质性，且这种差异随时间推移不断拉大。涵盖 2000、2010、2020 三个年份、超过 30 万地块—年观测值的 CE 估计结果大多为正值，表明植被总体上能够产生降温效应。低密度……

讨论

居住区构成了人类日常最高频的环境（Chen et al., 2020）。绿地降温效率的差异与城市热环境的空间异质性密切相关，并可能在不同居住密度区之间造成热条件方面的差异。这种差异可能与绿地资源分布不均及潜在的社会不平等有关（Long et al., 2014; Wolch et al., 2014），并对热环境……可能产生更广泛的影响。

结论

在城市增温与居住开发日益紧凑的背景下，提升现有绿地的降温效率已成为缓解居住区热暴露的重要途径。然而，目前在居住区尺度的系统性量化仍十分有限，且对不同居住密度背景下绿地降温效率的差异及其相应的响应模式的认识仍不充分。

本研究结果表明，绿地……

CRediT 作者贡献声明

Wang Lingzhi：撰写—审阅与编辑，撰写—初稿，项目管理，资金获取，数据整理，概念构思。Wu Junjie：撰写—审阅与编辑，撰写—初稿，可视化，方法论，形式化分析，概念构思。Byran Pijanowski：撰写—审阅与编辑，撰写—初稿，项目管理，数据整理。Hichem Omrani：撰写—审阅与编辑。

资助

本研究受国家自然科学基金（批准号：42101252）资助。

利益冲突声明

作者声明，不存在可能影响本文所述工作的、已知的竞争性经济利益或个人关系。

致谢

作者谨向威斯康星州东南部区域规划委员会（SEWRPC）的 Michael G. Gosetti 与 Stephanie Hacker 致以诚挚谢意，感谢他们提供的宝贵数据支持。

Wang Lingzhi | Wu Junjie | Byran Pijanowski | Hichem Omrani