《Current Oncology》:Seasonal Nonlinearity and Spatial Non-Stationarity of Urban Thermal Comfort Drivers: Implications for Sustainable Urban Planning in Tianjin, China
编辑推荐:
快速城市化与加剧的热胁迫对城市宜居性、气候韧性和可持续发展构成挑战。然而,已有研究忽视了城市热舒适及其驱动因子的季节非线性与空间非平稳性,制约了季节差异化、气候适应性规划策略的制定。该研究以中国天津中心城区为案例,将地理加权XGBoost(GW-XGBoost
快速城市化与加剧的热胁迫对城市宜居性、气候韧性和可持续发展构成挑战。然而,已有研究忽视了城市热舒适及其驱动因子的季节非线性与空间非平稳性,制约了季节差异化、气候适应性规划策略的制定。该研究以中国天津中心城区为案例,将地理加权XGBoost(GW-XGBoost)模型与Shapley加性解释(SHAP)相结合,解析通用热气候指数(UTCI)的季节与空间分异、非线性关系及条件交互模式。结果表明:(1)UTCI在空间热梯度上呈现季节差异,较高值相对集中于中部和中北部地区;(2)驱动因子贡献随季节变化,夏季以蒸散发(ET)居首,秋季以数字高程模型(DEM)居首,冬季以建筑密度(BD)居首,而景观组成在冬季贡献最强;(3)候选非线性断点包括冬季天空视域因子(SVF)(0.683;95%区间0.662–0.752)和水体斑块密度(PDWater)(15.6个斑块/100 ha;13–17.8);(4)条件交互作用随季节变化,夏季涉及环境—地形组合,冬季涉及建筑形态—景观组合。这些发现揭示了季节特异性的热舒适关联,为将非线性关系与空间异质性转化为气候适应性城市设计提供定量证据。这支持面向城市韧性与可持续性的热环境靶向干预。
研究背景方面,全球变暖与快速城市化加剧高密度城市的热岛效应(UHI),使户外热舒适成为降低公共健康风险、支撑可持续城市发展的关键议题。传统实地测量能够提供局部高精度数据,但难以开展跨时间和季节评估;城市尺度研究多依赖遥感反演或气象站数据,以地表温度(LST)或气温(AT)作为户外热环境代理指标,而热胁迫并非仅由温度决定,单一参数可能导致评估不完整或有偏。通用热气候指数(UTCI)综合气温、湿度、风速和辐射,可表征动态人体生理响应,因而被广泛采用。既有研究集中在宏观城市/区域尺度或微观人本尺度,前者网格较粗,难以捕捉建筑对风热环境的扰动,后者覆盖范围有限,难以刻画建筑群间的空间连续性与交互;同时,城市内部UTCI的季节空间分异、空间非平稳性和非线性阈值效应缺乏系统量化。基于此,研究人员以天津中心城区为案例,采用地理加权极端梯度提升(GW-XGBoost)与Shapley加性解释(SHAP),回答不同季节背景下多维因子与热舒适关联的空间格局、如何在原生约1 km UTCI格网上整合更细分辨率解释信息、以及如何定量刻画候选非线性断点、边际关系与交互模式,为季节差异化和空间靶向的热环境干预提供依据。
关键技术方法方面,研究区为天津外环线内中心城区,约374 km
2;以GloUTCI-M数据集获取UTCI,按2021年3月至2022年2月进行季节聚合,分析单元为原生名义1 km UTCI格网像元,样本量为夏、秋、春422个、冬418个。整合Landsat-8 OLI/TIRS、EcoVision土地覆盖、ASTER GDEM V2和建筑矢量等多源数据,将解释变量面积加权聚合至原生UTCI格网,构建MIF-UTCI数据集。采用五折地理分离验证比较GW-XGBoost与全局XGBoost,使用SHAP进行全局与局部归因,以局部加权散点平滑(LOWESS)辅助可视化,并通过分段回归、ΔBIC和200次空间自助法识别候选断点,利用SHAP交互分析刻画条件交互。
研究结果中,3.1“UTCI的季节与空间异质性格局”通过地理分离验证和季节UTCI空间分布分析得出:GW-XGBoost四季平均空间预测精度较高(平均R
2=0.408,RMSE=0.745 °C,MAE=0.547 °C),优于全局XGBoost基线(平均R
2=0.276,RMSE=0.888 °C,MAE=0.698 °C);研究区总体呈核心较暖、外围部分较凉格局,但梯度的幅度和范围随季节变化,较高值反复出现在中部和中北部,夏季最高32.73 °C,冬季最高2.26 °C、最低?2.19 °C,秋季14.52–18.35 °C,春季18.08–23.71 °C。3.2“UTCI驱动因子的相对贡献及季节迁移”通过SHAP全局重要性和局部重要性空间分布得出:贡献类别随季节重组,夏季和秋季地形分别占22.5%和29.4%,景观组成占30.1%和42.4%;冬季景观组成升至52.7%,超过地形18.1%;春季景观组成42.4%、地形27.8%。个体因子上,夏季ET和老年人人口密度(POPD
Elder)居前二,社会经济类夏季达9.9%;秋季以DEM和NDVI领先;春季ET居首,随后为水体覆盖(Pland
Water)和坡度;冬季前五为BD、聚集指数(AI)、Pland
Water、裸地景观形状指数(LSI
Soil)和水体聚集指数(AI
Water)。局部重要性存在显著空间异质性,如夏季POPD
Elder峰值0.459 °C、秋季DEM峰值1.097 °C、冬季BD峰值1.050 °C、冬季和春季Pland
Water峰值分别为0.631 °C和0.744 °C。3.3“关键驱动因子的SHAP依赖关系与候选断点”通过SHAP依赖图、LOWESS趋势、分段回归、ΔBIC与空间自助区间得出:夏季DEM断点4.44 m(95%区间4–6.84 m,ΔBIC=35.7),秋季DEM断点6.13 m(5.64–6.6 m,ΔBIC=46.1);秋季PD
Water断点9.42个斑块/100 ha(7.65–13.6,ΔBIC=69.1);冬季SVF候选断点0.683(0.662–0.752,ΔBIC=3.8),冬季PD
Water断点15.6个斑块/100 ha(13–17.8,ΔBIC=35.8);春季AI
Water在86.4%附近转折(84.3–90.9,ΔBIC=59.1),春季ET和坡度估计变化点分别约3.52和2.2°。部分关系更支持线性描述,如夏季POPD
Elder(ΔBIC=?9.9)、夏季ET(?11.3)、秋季NDVI(?5.0)和冬季BD(?8.7)。3.4“关键驱动因子间的条件交互模式”通过SHAP交互依赖图得出:夏季ET–DEM平均绝对交互贡献0.0032 °C,ET–POPD
Elder在较低ET值处差异更明显,ET–冠层高度(CH)亦随冠层高度背景变化;秋季DEM–PD
Water平均绝对交互贡献0.0043 °C,低海拔处差异更明显;春季DEM–Pland
Water最大,为0.0057 °C,并涉及ET–SPI和坡度–Pland
Water;冬季交互集中于景观组成、景观格局和建筑形态变量,AI–最大斑块指数(LPI)最大,为0.0060 °C,BD–Pland
Water为0.0057 °C,AI–PD
Water为0.0052 °C,表明冬季建筑形态与景观特征的条件交互贡献较夏季所选组合更强。
讨论部分总结:研究人员指出UTCI与预测因子的关联随季节显著变化,夏季干预主要限制热胁迫,冬季策略需考虑寒冷条件下户外热舒适的维持;夏季较低SVF可能通过遮阴降低日间热负荷,冬季SVF在0.683附近呈候选断点,作者提出较围合空间可避风并减少对流热交换的可能物理解释,但鉴于ΔBIC支持有限和自助不确定性,该值应作为局部可检验的候选形态参考而非固定设计边界。水体相关景观变量亦呈季节依赖关系,夏季水体可通过蒸发冷却降低周边热负荷,冬季PD
Water在约15.6个斑块/100 ha以下上升、以上趋平,作者提出水体热储存可能使周边热条件相对缓和的解释。非线性断点和条件交互的规划解释需同时考虑数值范围与不确定性,应作为局部可检验的统计参考点而非精确规划标准。规划上,存量更新区宜优先采用增量式和表面导向干预,如垂直绿化、高反射涂层、透水面处理及既有蓝绿连接提升;新开发区和城市边缘可在形态与开发强度固定前预留通风廊道,并协调街道峡谷几何、太阳暴露和蓝绿基础设施;SVF约0.683可作为街道峡谷条件局部测试的候选定量参考;景观规划应兼顾组成与配置,联合评估水体覆盖、聚集、斑块密度及周边形态,并优先保留透水与植被表面。局限包括多源数据时空分辨率约束、可变面元问题(MAUP)残余不确定性、瞬时风场和街谷复杂阴影及辐射热负荷难以精确捕捉、交通和空调排热等主动人为热源未直接表征、SHAP交互分析基于统计关联而缺乏流体动力过程验证、分析覆盖单一季节周期且自助区间条件于拟合SHAP归因值。
研究结论部分翻译并浓缩为:该研究构建了集成GW-XGBoost与SHAP的可解释空间机器学习框架,考察天津中心城区城市热舒适的季节分异,联合考虑非线性响应与空间非平稳性,揭示UTCI在其原生格网上的季节与空间分异及其解释因子的季节依赖关联,为气候适应性热环境管理和可持续城市规划提供定量证据。第一,UTCI具有显著空间结构和季节热梯度差异,四季总体维持核心高于部分外围的格局;夏季较高值集中于中部建成区,最高32.73 °C;冬季较高值见于中部和北部大部,最高2.26 °C,最低?2.19 °C;秋季14.52–18.35 °C,春季18.08–23.71 °C,表明城市热舒适空间分布存在明显季节变化,应在季节特定气候适应中加以考虑。第二,UTCI预测因子相对贡献呈显著季节迁移;夏季和秋季环境、地形和社会经济变量均对模拟UTCI变化有贡献,夏季ET领先、秋季DEM领先;冬季首位个体因子为BD,最大类别为景观组成,表明建筑形态和景观组成变量相对贡献增加;预测因子重要性随季节明显变化,需从全年统一热环境干预转向季节适应性城市设计。第三,通过分段拟合和空间自助区间量化了所选预测因子的候选非线性断点;夏季老年人人口密度与热条件呈渐变关联,提示密度相关规划中补充表面与微气候策略的相关性;SVF断点约0.683,95%区间0.662–0.752;冬季PD
Water在约15.6个斑块/100 ha附近斜率变化(95%区间13–17.8),春季AI
Water在约86.4%附近转折(95%区间84.3–90.9);这些估计为街道峡谷设计和蓝绿基础设施规划的局部测试提供候选定量参考点,而非固定规划阈值。第四,识别出所选预测因子间季节依赖的条件交互模式;夏季主要交互涉及ET与DEM、人口密度和冠层高度;冬季AI–LPI和BD–Pland
Water等组合平均绝对贡献较大;热舒适干预不仅应考虑单个因子,还应考虑条件因子组合及其季节背景。总之,该研究将城市热舒适理解从一般预测因子重要性识别推进到季节特异性非线性关系与候选断点、空间异质贡献和条件交互模式的量化,并将发现转化为不确定性知情、局部可检验和空间差异化的规划指导,为气候适应性城市设计提供定量支持,包括差异化密度管理、季节响应型城市形态和靶向蓝绿基础设施干预;所提框架有助于提升城市热韧性和户外宜居性,并为气候与城市化压力加剧下的更可持续城市发展提供证据基础。