《Building and Environment》：Seasonal Reversal and Nonlinear Thresholds: Interactive Mechanisms of Blue-Green Space, Urban Morphology, and Human Activities on Urban Thermal Environments
编辑推荐：
•水体和建筑的热作用在夏季和冬季之间发生逆转。•量化了植被覆盖指数（NDVI）降温效应和形态增温效应的非线性阈值。•人类活动和紧凑的三维形态协同放大城市热效应。•空间针对性对于季节适应性城市微气候规划至关重要。引言由快速城市化引发的城市热岛（UHI）效应已成为全球生态环境问题
- •
水体和建筑的热作用在夏季和冬季之间发生逆转。
- •
量化了植被覆盖指数（NDVI）降温效应和形态增温效应的非线性阈值。
- •
人类活动和紧凑的三维形态协同放大城市热效应。
- •
空间针对性对于季节适应性城市微气候规划至关重要。
引言
由快速城市化引发的城市热岛（UHI）效应已成为全球生态环境问题，严重威胁公众健康并增加建筑能耗 [1,2]。地表温度（LST）是地表 - 大气界面辐射和热力学过程的直接指标 [3]，是评估城市热环境演化的关键指标 [4]。需要明确的是，虽然 LST 与近地面气温及综合人体热舒适度有本质区别，但它作为控制地表 - 大气能量交换的关键热力学基础，从而关键性地塑造了整体的城市微气候。此外，城市热环境的时空演化深受密集土地利用扩张和全球气候变化的耦合作用加剧。这些宏观驱动因素显著改变了地表特性和区域气候适宜性，导致季节性热场出现复杂的空间差异 [[5], [6], [7]]。然而，现有研究大多专注于缓解夏季高温地表温度，隐含假设“夏季策略全年适用” [8,9]。事实上，在四季分明的气候区，驱动 LST 演化的因素表现出强烈的“季节不对称性” [[10], [11], [12]]。例如，植被的冷却机制仅在暖季有效 [13]；相反，在冬季，局地微气候主要受人为热排放（如集中供暖）和拦截长波辐射损失的三维城市形态主导 [14]。忽视这种跨季节的物理机制转变容易导致规划干预低效甚至适得其反，例如过度遮荫恶化冬季地表微气候。因此，打破单季节局限，从综合角度探索多维驱动因素对 LST 的非线性调控规律，是科学构建季节适应性人类居住地的根本前提 [15]。
调查驱动机制是缓解地表城市热岛（SUHI）效应的核心 [[16], [17], [18]]。关于驱动因素的选择，以往研究逐步演变：早期研究主要关注二维蓝绿生态空间（如归一化植被指数 [NDVI]、水面比例），并逐渐深化到包含代表三维城市几何特征的架构形态（如建筑高度、容积率 [FAR]、天空视域因子 [SVF]） [19]。近年来，随着多源大数据的普及，反映动态人为热排放的人类活动强度（如夜间灯光、手机信令数据）越来越多地被整合进地表热环境评估体系 [20]。在方法论上，传统研究大多依赖普通最小二乘法（OLS）回归等多元线性模型 [21]。然而，城市微气候是一个高度复杂的非线性系统 [22]；因此，线性假设无法捕捉自然和人工要素对热环境的“阈值效应”和边际收益递减 [23,24]。虽然一些研究引入了机器学习算法以提高预测准确性，但往往受限于这些算法的“黑箱”特性，缺乏对潜在物理机制的可解释性分析 [25]。此外，现有文献仍存在明显局限：第一，大多数研究孤立单一驱动因素，通常忽略多维要素之间的协同交互效应 [26]；第二，它们未能充分考虑不同土地利用类别（LUC）热机制背景差异 [27,28]；第三，绝大多数研究忽视了季节变化引起的物理不对称性，缺乏对驱动机制跨季节演化模式的系统探索 [29]。
基于上述文献综述，当前关于 UHI 驱动机制的研究存在三个亟待弥补的重大科学空白。第一，驱动机制的季节逆转模式仍不清楚。现有研究很少调查核心驱动因素在不同季节是否切换热作用，例如蓝绿空间和高楼建筑在夏冬之间是否表现出“冷却到保温”的性能逆转 [30]。第二，非线性阈值及其对土地利用的依赖缺乏精细量化。边际收益递减规律在城市微气候调控中普遍存在 [31]。然而，以往研究大多将城市视为同质空间，忽略了不同土地利用类别对非线性阈值的深刻约束 [32]。蓝绿空间的生态冷却阈值（如 NDVI 的激活值）和城市形态的增温饱和临界点（如建筑密度 [BD] 和容积率 [FAR] 的转折点）[33,34]，以及它们在高能耗商业区和生态背景区之间的差异热响应，亟需系统分析 [35]。第三，多源动态交互的复合效应及其空间非平稳性分析不足。关于静态三维城市形态和动态人为热排放如何形成“正协同放大”复合增温机制，以及该机制如何在不同局地环境下表现出空间非平稳性，仍缺乏全面的量化研究 [36,37]。
为应对这些科学空白，本研究以西安 - 咸阳一体化城市建成区为对象——这是一个典型的跨越行政边界的快速扩张区域。构建了一个结合广义可加模型（GAM）、可解释机器学习（XGBoost-SHAP）和多尺度地理加权回归（MGWR）的创新复合分析框架。这三种方法的结合是严格必要且高度互补的，因为没有任何单一模型能同时应对城市微气候的复杂性。具体来说，GAM 用于精确识别连续非线性响应曲线和精确生态阈值；XGBoost-SHAP 克服高维多重共线性，稳健量化相对重要性和二元协同交互；而 MGWR 专门解决这些机制的空间非平稳性，允许不同变量在其独特的最佳空间尺度（带宽）上运行，这是前两种全局模型所缺乏的特性。
而非仅仅断言季节逆转或非线性效应的存在——这在现有文献中已有广泛讨论——本研究旨在提供具体的增量贡献。具体而言，本研究旨在：(1) 通过系统整合四季 LST 和多源城市指标，为西安 - 咸阳大都市区提供新的实证证据；(2) 建立更可靠的季节适应性规划阈值（如 NDVI 的具体激活值和 FAR 的饱和点）；以及 (3) 展示动态人类活动与静态三维城市形态之间稳定的协同交互机制。本研究不仅期望填补关于全季节尺度城市热环境复合机制的理论空白，还为实施具有空间针对性和全季节协同特征的微气候韧性规划提供精确的科学支持。
本文其余部分组织如下：第 2 节详述研究区的选择、多源指标体系的构建以及核心方法论的数学基础。第 3 节系统展示定量结果，包括多维因素的空间格局、非线性阈值响应、交互放大机制和空间分异特征，随后进行稳健性检验。第 4 节从热力学和生态角度对核心发现进行深入讨论，为气候适应性规划提供见解。第 5 节总结本研究的核心结论。
章节摘要
方法论
为系统调查不同季节城市热环境的驱动机制，本研究开发了一个整合多尺度空间分析、可解释机器学习和空间统计的综合分析框架（图 1）。研究工作流程包括四个主要步骤：(1) 数据处理和城市核心确定，构建蓝绿空间、城市形态和人类活动的空间数据库；(2) 空间格局
LST 和驱动因子的综合空间基准
西安 - 咸阳建成区的地表温度（LST）在时空演化中表现出显著的季节波动和空间分异（图 3）。在空间上，热环境以及包括三维城市形态（BD, FAR）和人类活动（POP, NTL, POI）在内的多维驱动因子，均表现出高度一致且统计显著的“核心 - 边缘”聚类模式（图 S2, S3）。而不是重复描述这些
驱动机制的季节逆转
本研究揭示，关键城市驱动因子对地表温度（LST）的调控表现出显著的季节逆转效应，这超越了以往研究主要仅关注夏季降温的局限 [[49], [50], [51]]。实验结果表明，水体（WS）在夏季作为稳固的冷源，但在冬季转变为局地相对增温区。虽然这种现象的物理本质传统上
结论
本研究构建了一个复合“GAM–XGBoost-SHAP–MGWR"分析框架，以系统揭示西安 - 咸阳建成区在四季中蓝绿空间、城市形态和人类活动对地表温度（LST）的非线性调控、交互协同和空间异质性机制。这为城市微气候演化提供了多维定量解释。主要结论如下：
未引用参考文献
[[61], [62], [63]]
CRediT 作者贡献声明
Shiliang Wang：写作 - 审阅与编辑，写作 - 原稿，可视化，验证，监督，软件，项目管理，方法论，数据整理。Qingshan Wang：可视化，验证，监督，项目管理，调查，资金获取，构思。Chenglin Wang：写作 - 审阅与编辑，验证，监督，软件，项目管理，构思。Yunqin Xia：写作 - 审阅与编辑，写作 - 原稿，
Shiliang Wang|Qingshan Wang|Chenglin Wang|Yunqin Xia
