《Remote Sensing Applications: Society and Environment》：Surface Urban Heat Island Intensity Across 29 Global Cities: Disentangling the Roles of Climate Zone, Socioeconomic Development, and Urban Land Cover Using Landsat and Google Earth Engine
编辑推荐：
：
理解不同气候带和社会经济发展条件下城市间地表城市热岛（SUHI）强度的差异，对于有针对性地实施城市热缓解措施至关重要。然而，此前尚无研究采用单一、可复现的全球统一方案，同时解耦气候带与社会经济发展的影响。本研究量化了分布于三个柯本气候带（热带、干旱带、温带
：
理解不同气候带和社会经济发展条件下城市间地表城市热岛（SUHI）强度的差异，对于有针对性地实施城市热缓解措施至关重要。然而，此前尚无研究采用单一、可复现的全球统一方案，同时解耦气候带与社会经济发展的影响。本研究量化了分布于三个柯本气候带（热带、干旱带、温带）的29个城市、并划分为两个人类发展指数（HDI）组别的白天SUHI强度。SUHI强度被评估为气候学意义上的、峰值季节合成的城乡地表温度（LST）对比值，而非瞬时值，计算基于通过Google Earth Engine获取的Landsat 8/9地表温度数据。城市与乡村区域采用GHS-SMOD城市化程度网格进行划分，各城市的峰值高温期则依据MODIS地表温度气候态数据（评估时段为2003—2023年）确定。结果表明，SUHI强度在不同气候带间存在显著差异：热带城市平均SUHI为3.38°C，温带城市为2.46°C，而干旱带城市则呈现地表城市冷岛效应，为?2.20°C。此外，HDI与SUHI强度存在强相关（控制气候带后的偏相关系数r = 0.545）。高HDI城市持续表现出更高的SUHI，平均SUHI为+3.62°C，而低HDI城市平均为?0.84°C。随机森林分析表明，植被指数（城市与乡村NDVI）显著控制SUHI强度，解释了72%的方差，其次为NDBI（13%）和裸地比例（6%）。对29个城市径向LST断面剖面的热梯度分析证实了不同气候带SUHI模式的多样性。热带与温带城市表现出随距城市核心距离增加而下降的LST梯度（?0.11至?0.50°C/km），而干旱带城市则呈现上升的LST梯度（0.06至0.29°C/km）。此外，识别出一个NDVI阈值0.240，低于该阈值的城市倾向于呈现城市冷岛效应。SUHI时间分析表明，在2014—2016年与2022—2024年之间，热带（0.80°C，p = 0.033）和温带（0.60°C，p = 0.009）城市的SUHI强度显著增加，但干旱带城市未呈现显著变化。上述发现为SUHI评估提供了一个可扩展的框架，并强调全球不同城市的SUHI强度受盛行气候和社会经济条件的显著影响。
论文解读：
一、研究背景与问题
快速城市化与气候变化正对全球环境可持续性构成重大挑战，城市扩张改变了地表特征，包括植被丧失、不透水面增加以及地表能量平衡的改变，导致许多城市出现高于周边乡村地区的升温现象，即城市热岛效应。全球约55%的人口居住在城市区域，预计到2050年这一比例将升至68%，城市热暴露与热相关疾病和死亡风险的增加密切相关。遥感技术利用热红外传感器获取的地表温度（LST）数据，能够以高空间和时间分辨率研究地表城市热岛（SUHI）。然而，现有研究存在若干关键知识空白：尚无研究同时做到跨多个气候带采用单一可复现方案、独立于气候对城市进行社会经济发展分层、以及采用联合国认可的算法化城乡划分而非行政边界。以往比较研究各自仅涉及部分维度，例如Peng等人比较了419个城市的SUHI但未按发展水平分层，Clinton与Gong研究了约30个城市的气候带效应但未控制人类发展指数（HDI）。此外，气候背景与城市形态对SUHI强度的相对重要性，尤其在干旱环境中城市可能比周边更凉爽的“绿洲效应”或地表城市冷岛（SUCI）现象，仍存在争议。同时，气候与社会经济发展因素对SUHI的联合影响受到的关注有限。因此，本研究旨在通过统一方法框架，同时评估气候带和社会经济发展水平对SUHI的影响，以直接比较不同城市并减少方法差异造成的混淆。
二、研究内容与结论
研究人员选取了基于柯本气候分类和HDI分层抽样的30个城市，最终纳入29个城市，分布于热带、干旱带和温带三个气候带，每个气候带包含五个高HDI（≥0.850）和五个低HDI（≤0.650）城市。研究采用GHS-SMOD城市化程度网格划分城乡区域，利用MODIS LST气候态数据（2003—2023年）为每个城市识别峰值高温月份，并使用Landsat 8/9地表温度数据在Google Earth Engine中计算2014—2016年和2022—2024年两个时段的气候学SUHI强度。结果表明：SUHI强度在气候带间存在显著差异，热带城市平均SUHI为3.38°C，温带城市为2.46°C，干旱带城市则呈现?2.20°C的城市冷岛效应；HDI与SUHI强度显著相关（控制气候带后偏相关r = 0.545），高HDI城市平均SUHI为+3.62°C，低HDI城市为?0.84°C；随机森林分析显示植被指数（城市与乡村NDVI）解释了72%的方差，NDBI占13%，裸地比例占6%；径向LST断面分析显示热带和温带城市呈现下降梯度（?0.11至?0.50°C/km），干旱带城市呈现上升梯度（0.06至0.29°C/km）；识别出NDVI阈值0.240，低于该阈值城市倾向于呈现城市冷岛效应；时间分析表明2014—2016年至2022—2024年间，热带城市SUHI显著增加0.80°C（p = 0.033），温带城市增加0.60°C（p = 0.009），干旱带城市无显著变化。这一研究的重要意义在于提供了可扩展的SUHI评估框架，强调SUHI强度受气候和社会经济条件的显著影响，为发展中国家应对城市化带来的热风险提供了科学依据。
三、主要技术方法
研究人员采用了一套完全可复现的云计算方法框架。首先，利用MODIS Terra LST（MOD11A2，8天合成）2003—2023年基线数据，在每个城市30 km缓冲区内计算长期月均LST，评估全部12个可能的三个月窗口，选取聚合LST最高的窗口作为峰值高温期。其次，采用欧盟全球人类住区分类层（GHS-SMOD）在1 km空间分辨率下划分城乡区域，以2015年数据对应2014—2016年分析、2020年数据对应2022—2024年分析，并应用MODIS土地掩膜（MCD12Q1 IGBP分类）排除水体。再次，从Landsat 8/9 Level 2产品提取白天LST，通过QA_PIXEL波段进行云和云阴影掩膜，仅保留云覆盖<30%的场景，在各城市峰值高温月份内以中值统计合成。随后，计算归一化差异植被指数（NDVI）和归一化差异建成指数（NDBI），并从GHS-POP和GHS-BUILT-S数据集获取人口密度和建成地表数据。此外，采用ESA WorldCover数据集（10 m分辨率，2021年）量化城市土地覆盖组成，并开展25 km径向断面分析。统计方法包括单因素和双因素方差分析、皮尔逊相关、偏相关分析、多元线性回归、随机森林回归（500棵树，最大深度5）以及留一交叉验证（LOOCV）。
四、研究结果
4.1 SUHI强度在不同气候带和HDI组间的变化
2022—2024年峰值高温月份数据显示，29个城市的SUHI强度变化范围从?4.57°C（科威特城）到10.22°C（东京）。双因素方差分析表明SUHI随气候带（F = 12.4，p < 0.001，η2 = 0.52）和HDI组（F = 17.9，p < 0.001，η2 = 0.44）显著变化，但两者交互作用不显著（F = 2.66，p = 0.092）。热带城市平均SUHI最高（3.38 ± 3.66°C），温带城市居中（2.46 ± 3.86°C），干旱带城市呈现负SUHI（?2.20 ± 1.71°C）。高HDI城市平均SUHI为3.62 ± 4.12°C，显著高于低HDI城市的?0.84 ± 2.65°C（Mann Whitney U检验，p = 0.006），且该模式在所有气候带中一致。
4.2 SUHI变化的驱动因素
相关分析表明植被指数是最强预测因子，乡村NDVI相关系数最高（r = 0.887），其次为城市NDVI（r = 0.757）和城市NDBI（r = ?0.670）。控制气候带后的偏相关分析确认HDI独立预测SUHI（偏r = 0.603，p = 0.001），城市NDVI（偏r = 0.59）和城市NDBI（偏r = ?0.557）在控制气候带后仍与SUHI强相关，而城市反照率、绿地比例和裸地比例在控制气候带后失去显著性。随机森林回归训练R2为0.974，LOOCV R2 = 0.817（RMSE = 1.73°C），特征重要性显示城市NDVI（37.2%）、乡村NDVI（35.0%）和城市NDBI（13.2%）为三个最重要特征，合计占85.4%。分气候带模型显示，热带区域乡村NDVI（27.0%）、干旱带人口密度（39.5%）、温带乡村NDVI（20.1%）分别为最高贡献因素。
4.3 径向LST断面剖面
热带城市从城市中心到外围乡村呈现一致的LST下降，梯度范围为?0.11°C/km（新加坡）至?0.50°C/km（圣胡安）。干旱带城市则呈现从城市中心向外围上升的LST，正梯度范围为0.06°C/km（利雅得）至0.29°C/km（斋浦尔和巴马科）。温带城市呈现异质性模式，多数高HDI城市呈负梯度（东京?0.30°C/km，悉尼?0.31°C/km），低HDI城市接近零或略正。径向LST梯度与SUHI强度显著相关（r = ?0.522，p = 0.004）。环级分析显示，温带城市NDVI与LST平均相关系数为负（均值r = ?0.43，p = 0.038），热带城市不透水比例与LST平均正相关（均值r = +0.54，p = 0.028），干旱带城市两者关系趋势相反但未达显著。
4.4 城市土地覆盖组成与SUHI
高SUHI城市（东京、凯恩斯、圣胡安、新加坡）城市区域内绿地比例为28—35%，而负SUHI城市（科威特城、斋浦尔、巴马科）绿地比例低于18%，裸地和稀疏植被区域占15—50%。树冠覆盖比例与SUHI相关性最高（r = 0.614），稀疏植被比例（r = ?0.421）和不可透水与植被比（r = ?0.320）呈负相关。SUHI与城市NDVI的经验关系式为SUHI = 21.94 × NDVI ? 5.39，得出NDVI阈值0.24，低于该阈值城市主要呈现城市冷岛效应。
4.5 SUHI时间变化（2014—2016至2022—2024）
29个城市平均SUHI增加了0.36°C（配对t检验：t = ?2.28，p = 0.030）。热带城市增加0.80°C，温带城市增加0.60°C，干旱带城市下降0.29°C。19个城市SUHI强度增加，增幅最大的城市为达尔文（1.99°C）、金奈（1.89°C）、金沙萨（1.71°C）、凯恩斯（1.60°C）和东京（1.37°C）。SMOD数据测量的城市扩张与ΔSUHI相关性较弱（r = 0.014）。
五、讨论与结论
讨论部分指出，干旱带城市系统性呈现城市冷岛效应（10个城市中9个为负SUHI，均值?2.20°C），这与沙漠城市的“绿洲效应”一致，主要由周边裸地和干燥土壤的强烈太阳加热驱动，而城市表面得益于建筑阴影、热质量和局部植被而白天LST较低。HDI独立于气候带预测SUHI，高HDI城市具有更高的不透水表面和人为排放导致额外热量，温带城市中HDI与SUHI相关系数达0.801。植被是SUHI变异的主导控制因素，城市与乡村NDVI合计占随机森林特征重要性的72%，乡村NDVI（r = +0.887）优于城市NDVI（r = +0.757）作为预测因子，反映了乡村参考状态捕获背景气候信号的能力。时间分析显示SUHI增强主要出现在适应能力有限的发展中国家热带城市，金奈和达尔文从负SUHI转为正SUHI表明持续城市化正在改变城乡热对比。
研究结论表明，SUHI强度及其变化显著取决于研究地点的气候带，多数热带和温带城市呈现正SUHI，多数干旱带城市呈现城市冷岛效应。发展中国家的SUHI强度主要受社会经济条件影响，高HDI城市在所有气候带中均呈现更强的SUHI。城乡植被相关因素的对比对SUHI变异具有主导控制作用。时间分析显示热带城市SUHI强度在过去十年显著增加。方法上，Landsat、MODIS和GHSL数据集在Google Earth Engine云平台中的整合为SUHI评估提供了可扩展且可复现的方法。研究结果强调了气候特定城市热分析和社会经济因素纳入城市热动力学评估的重要性。
