基于LULC分层的地表环境指标与标准化地表温度关联:XGBoost–SHAP分析

《Frontiers in Earth Science》:LULC-stratified associations between surface environmental indicators and standardized land surface temperature: an XGBoost–SHAP analysis

【字体: 大 中 小 】 时间:2026年10月22日 来源:Frontiers in Earth Science 2.3

编辑推荐:

  城市地表热异常与土地覆被特征及其周边环境背景密切相关。然而,在不同土地覆被背景下,环境指标与热异常之间的关联方式仍未得到充分理解。本研究开发了一个LULC特异且可解释的分析框架,利用2000年、2010年、2020年和2024年的Landsat观测数据,探讨上

  
城市地表热异常与土地覆被特征及其周边环境背景密切相关。然而,在不同土地覆被背景下,环境指标与热异常之间的关联方式仍未得到充分理解。本研究开发了一个LULC特异且可解释的分析框架,利用2000年、2010年、2020年和2024年的Landsat观测数据,探讨上海在不同土地覆被背景下环境指标与相对热异常的关联。研究人员从地表温度(LST)、归一化差异植被指数(NDVI)、归一化差异建筑指数(NDBI)和归一化差异水体指数(NDWI)以及四类LULC类别中提取数据,并将其聚合至300 m × 300 m的网格单元。LST按各观测日期分别进行标准化,以生成连续的热异常(TA)指标。研究人员采用随机与空间分块交叉验证的XGBoost模型,检验环境指标与TA之间的关系,并利用SHAP分析解释变量贡献及LULC特异响应模式。结果表明,不同LULC类型间存在显著的热异常特征差异。建成区持续呈现正的TA值,而水体则表现出稳定的负TA模式。植被区域通常呈现较低的TA值,但内部仍保留热异质性。空间分块交叉验证的性能略低于随机验证,表明在热异常建模中考虑空间依赖性的重要性。SHAP分析识别出NDBI为对模型预测贡献最大的预测因子,其次为NDWI和NDVI,且不同LULC类别间呈现明显的SHAP响应模式差异。这些发现强调,城市热状况应结合环境指标与土地覆被背景进行综合解释。所提出的框架为解释相对热模式及支持城市热适应初步评估提供了一种LULC特异的方法。

论文解读

一、研究背景与问题提出

城市地表温度(LST)是表征城市热环境与城市热岛效应的重要指标,其空间分布具有显著异质性,受地表物理特性、局地气候条件与人类活动的共同影响。已有研究证实归一化差异植被指数(NDVI)与LST呈负相关,但植被降温效应在NDVI达到一定阈值后可能饱和,且这种关系在不同土地利用/覆被(LULC)背景下并不一致。归一化差异建筑指数(NDBI)与归一化差异水体指数(NDWI)分别提供建成地表与水体环境条件的补充信息,三者联合使用可更全面地刻画植被、不透水面与水体的对比热效应。然而,现有研究多聚焦于绝对LST预测、静态热岛格局或单一指数-温度关系,对不同LULC背景与观测年份下相对热异常及其光谱特征差异的关注不足,NDVI、NDBI与NDWI如何在不同LULC背景下联合关联相对地表热异常仍未被充分理解。此外,机器学习验证中热观测的空间依赖性未得到充分考量,可能导致模型性能估计过于乐观。
上海作为中国特大城市,过去二十年经历了显著的城市扩张与土地覆被转型,建成区与不透水面扩张、农田与绿地压缩,进而影响地表温度与地表城市热岛格局。在此背景下,本研究旨在开发一个LULC特异且可解释的分析框架,回答三个核心问题:不同LULC类别与观测年份间LST、TA、NDVI、NDBI和NDWI的差异如何;XGBoost在随机与空间分块交叉验证下的性能差异及其对空间泛化能力的启示;NDVI、NDBI和NDWI在不同LULC类别与观测年份间的SHAP归因模式。

二、主要技术方法

本研究基于Landsat Collection 2 Level-2产品,获取2000年8月1日(Landsat 7 ETM+)、2010年8月5日(Landsat 5 TM)、2020年8月16日(Landsat 8 OLI/TIRS)和2024年8月3日(Landsat 9 OLI/TIRS)四期夏季影像,覆盖路径/行号118/38与118/39。所有变量由30 m原始分辨率聚合至300 m × 300 m规则网格。LST由Level-2地表温度波段经缩放因子与偏移量转换为摄氏度;NDVI、NDBI与NDWI由表面反射率波段按标准公式计算。LULC采用监督最大似然分类,分为植被、建成区、水体与其他四类,每类每年60个参考样本,按70%/30%划分训练与验证集,总体精度超过93%,Kappa系数高于0.85。TA为各观测日期内LST的z-score标准化值,表示网格单元在该日期城市LST分布中的相对热位置。XGBoost回归采用400个估计器、学习率0.05、最大深度6、最小子节点权重5、子采样率0.80及L1/L2正则化参数0.10/1.00,将四年观测合并拟合单一模型,LULC类别不直接作为预测变量而用于分层解释。模型性能以决定系数(R2)、均方根误差(RMSE)与平均绝对误差(MAE)评估,采用五折随机与空间分块交叉验证,空间分块基于6 km × 6 km规则网格,共289个空间块,Moran's I以八最近邻行标准化空间权重计算。

三、研究结果

3.1 LULC特异的地表热与环境指标差异
LULC构成在四个观测年份间存在差异:植被占比由2000年的61.8%降至2010年及以后的约50%;建成区由19.2%增至约32.5%;水体由12.8%降至9.5%;其他类型由6.1%增至7.9%。建成区在四个年份均呈现最高中位LST(2000年42.04°C至2024年50.00°C),水体最低(29.92°C至32.88°C)。TA排序一致,建成区中位值介于0.98至1.34,水体介于?2.00至?1.30。植被NDVI中位数最高(0.613–0.639),水体最低(?0.465至?0.156);建成区NDBI中位数最高(?0.118至?0.093),水体最低;水体NDWI中位数最高(0.056–0.557),植被最低。Kruskal–Wallis检验确认四类LULC在所有指标与年份间差异显著(df = 3,p < 0.001),ε2效应量介于0.448至0.719,Dunn–Bonferroni事后检验显示所有两两比较均显著。
3.2 空间自相关与验证策略比较
TA的全局Moran's I介于0.882至0.905,所有年份p = 0.001,表明强正空间自相关。与随机五折交叉验证相比,空间分块交叉验证的R2由0.777略降至0.769,RMSE由0.472增至0.478,MAE由0.346增至0.351,表明模型在空间显式验证下性能保持相对稳定。
3.3 全局与LULC分层的XGBoost–SHAP模式
SHAP特征重要性显示,NDBI的均值绝对SHAP值最大(0.48),其次为NDWI(0.19)与NDVI(0.14)。SHAP概要图表明,较高NDBI值主要关联正SHAP值,较高NDWI值主要关联负SHAP值,NDVI总体呈负贡献但响应模式较多变。LULC分层SHAP依赖图显示:NDVI在植被与建成区呈一致负响应,在水体与其他类型呈非单调模式;NDBI在建成区呈最强正响应且随NDBI增加快速上升,在植被区呈从负到正的渐变,在水体与其他类型呈非线性过渡;NDWI在所有LULC类别总体呈下降响应,水体响应最强且在高NDWI水平达到稳定负区间。时间变化上,NDBI贡献在四个年份间保持最高(均值绝对SHAP值0.43–0.52),NDWI贡献中等且稳定(0.24–0.28),NDVI贡献最低但2024年略有上升。

四、讨论与结论

讨论部分指出,建成区即使在观测日期内标准化后仍持续呈现正TA,反映其不透水材料比例高、热储存能力强、蒸散发弱及建筑形态密集等表面物理特性;植被总体呈负TA但内部存在异质性,其降温效应受斑块大小、形状、景观配置及周边建成环境影响;水体呈现最强且最稳定的负TA,蓝空间在城市地表热环境调节中发挥重要作用;其他类型为混合土地覆被类别,其热行为反映多种地表过程的叠加。空间自相关分析表明热异常呈空间结构化分布,空间分块交叉验证提供更保守的泛化评估,对城市热建模中纳入空间验证策略具有重要意义。SHAP分析揭示NDBI贡献最大,但不同LULC类别间响应模式存在描述性差异,表明适应规划应同时考虑个体环境指标及其所在土地覆被背景。研究局限包括TA不代表绝对热暴露或人体热风险、模型仅纳入三个光谱指数、指标间光谱波段重叠可能影响SHAP归因、影像获取条件与传感器差异可能影响TA。结论强调,建成区持续正TA、水体稳定负TA、植被较低TA但内部异质;空间验证显示模型性能稳定;NDBI贡献最大且LULC分层SHAP响应存在差异。该框架为不同土地覆被类别的初步热评估提供了基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号