《City and Environment Interactions》:Exploring land surface temperature variation and drivers in Beijing: a focus on urban spatial structure
编辑推荐:
城市环境中地表温度(LST)的空间异质性内在地由城市空间结构(USS)塑形,后者作为人类与自然生态系统之间的关键纽带。尽管已有大量关于LST的研究,但在异质性城市空间中影响LST因素的变异模式仍不清晰,特别是USS的作用方面。大多数研究主要关注基于像元的单元、
城市环境中地表温度(LST)的空间异质性内在地由城市空间结构(USS)塑形,后者作为人类与自然生态系统之间的关键纽带。尽管已有大量关于LST的研究,但在异质性城市空间中影响LST因素的变异模式仍不清晰,特别是USS的作用方面。大多数研究主要关注基于像元的单元、行政区域和缓冲区域,而对城市空间结构单元(USSU)的关注相对较少。这种情况常掩盖空间结构对热异质性的影响,并加剧了可塑面积单元问题(MAUP)。本研究采用面向对象的多尺度分割方法和空间约束多元聚类(SCMC)来划分USSU。此外,研究人员运用XGBoost-SHAP模型量化影响LST的关键因素。研究结果表明,社会经济因素(R2 > 0.86,表示聚类解决方案中解释的方差)比形态学指标更强地驱动空间分异。此外,植被覆盖度(FVC)成为所有USSU中LST变化的共同相关因子。这些结果增强了研究人员对特大城市热剖面驱动机制的理解,并为设计基于城市环境空间特征的区域特异性降温策略提供了科学基础。
论文解读文章
研究背景与目的
城市空间结构(USS)是人口、资源与产业等要素在城市中相互作用形成的空间配置,反映自然生态、社会结构与城市功能之间的耦合关系。城市空间结构单元(USSU)作为人类环境改造的产物和城市热过程的核心载体,通过调控地表能量平衡、热储存与热交换,深刻影响城市热环境的形成与空间分异。地表温度(LST)是衡量城市热环境的基础指标,用于量化地表城市热岛(SUHI)强度、诊断城市过热及评估热相关生态健康风险。快速的城市化导致蓝绿空间大量转化为不透水面,人为热排放激增,提升了城市热负荷与生态压力。然而,现有LST研究大多依赖行政分区、像元分析或缓冲半径等传统空间统计单元,忽视了城市热动态过程与空间结构演化的内在规律,造成可塑面积单元问题(MAUP)。局部气候区(LCZ)框架虽从形态与功能角度划分城市景观,但未纳入社会经济活动强度等关键因子,且在混合城市肌理中适用性受限。为此,本研究将LST分析置于USS框架下,提出结合面向对象多尺度分割与空间约束多元聚类(SCMC)的城市分区方法,并运用XGBoost-SHAP模型,旨在揭示不同USSU中LST的关键驱动因素及其异质性影响。研究发表在《City and Environment Interactions》。
主要技术方法
本研究采用面向对象多尺度分割方法(利用eCognition Developer 9.0软件,分割尺度65、形状因子0.3、紧致度0.7)识别基本地物单元,克服像元分析的椒盐噪声并保持地物空间完整性。随后基于建筑物高度(BH)、不透水面比例(PIS)、国内生产总值(GDP)和人口密度(POP)四个核心指标,运用空间约束多元聚类(SCMC)方法(基于最小生成树与SKATER算法)划分出10个城市空间结构单元。LST数据源自Landsat 5/8 Collection 2 Level-2地表温度产品(1995与2020年生长季),通过Google Earth Engine(GEE)平台获取并处理。驱动因素分析采用XGBoost-SHAP模型,在17个经过方差膨胀因子(VIF<10)筛选的独立因子(包括BH、交错与邻近指数(IJI)、相对湿度(RH)、潜在蒸散(petPM)、降水(PREC)、2米气温(TMP)、土壤湿度(SM)、净初级生产力(NPP)、叶面积指数(LAI)、森林地上生物量(AGB)、植被覆盖度(FVC)、水体比例(PW)、林地比例(PFL)、草地比例(PGL)、PIS、人居指数(HSI)、土地开发强度(LDI))基础上,对每个USSU独立建模。样本来源为北京市建成区,研究区边界采用全球城市边界数据集界定。
研究结果
4.1 空间聚类分区结果
基于SCMC方法将研究区划分为10个USSU(编号I–X),呈现“核心-外围梯度分异”格局。核心城市功能区(CUFZ,单元II、IX)具有高POP、高GDP、高BH、高PIS特征;城市功能拓展区(UFEZ,单元III、V、X)与新型城市发展区(NUDZ,单元I、IV、VII)指标水平中至中高;生态涵养区(ECZ,单元VI、VII)指标水平低,致力生态保护。
4.2 LST变化与驱动因子重要性分析
对比1995与2020年,大部分单元LST上升,其中单元VII(6.1°C)和单元X(6.0°C)增幅最大,单元IV基本不变(-0.1°C),单元VI显著下降(-0.9°C)。XGBoost模型拟合精度高(R2均大于0.86),残差空间自相关极弱(Global Moran's I<0.15)。SHAP分析显示:FVC在所有单元中重要性普遍较高;单元I中LDI(15.2%)和FVC(13.7%)为前两位;单元II中PIS(16.1%)和BH(15.2%)主导;单元III中FVC(21.8%)居首;单元IV和V中HSI与FVC为关键;单元VI中BH(17.4%)第一;单元VII中PIS(12.0%)和TMP(11.9%)重要;单元VIII中PFL(24.0%)突出;单元IX中BH(20.1%)和FVC(18.4%)领先;单元X中FVC(34.6%)占绝对优势。
讨论与结论
讨论部分指出,传统空间统计单元因破坏功能完整性而阻碍驱动机制解释,本研究采用面向对象分割与SCMC方法,兼顾属性相似性与空间连续性,生成的“核心-外围”梯度格局与北京“一核一主一副两轴多点一区”空间结构一致,且验证了非首都功能疏解政策对空间结构重塑效果。社会经济因素(GDP解释方差R2=0.92,POP R2=0.86)在驱动空间分异方面远强于形态指标(BH R2=0.21,PIS R2=0.15),因人口与经济发展是城市增长主因,而形态是其衍生表现。FVC作为跨区域核心因子,在所有单元均与LST呈负相关,体现植被生态降温机制。温度升高显著的单元(CUFZ、UFEZ等)呈现高BH、高不透水面、高人口集聚等驱动特征,而生态涵养区(单元VI)因绿化政策(如“拆违还绿”)实现降温(FVC增长22.38%)。研究建议避免“一刀切”绿化措施,需针对各单元驱动因子制定空间适应性气候韧性规划。
研究结论:本研究采用面向对象多尺度分割与空间约束多元聚类方法,从社会经济形态多维视角划分北京市城市空间结构,系统揭示LST空间分异格局及其驱动机制。结果表明北京市城市空间结构呈显著核心-外围分异,社会经济因素是空间分异的主导驱动力,效果强于传统形态参数。不同区域LST驱动因子存在显著差异,FVC是所有研究亚区的关键因子。该研究为理解城市LST驱动因素提供新视角,期望为空间差异化的城市规划提供科学依据,支持热风险管理和城市健康治理。