景观特征在德国区域尺度上调节热极端

《Environmental and Sustainability Indicators》:Landscape characteristics modulate thermal extremes at the regional scale in Germany

【字体: 大 中 小 】 时间:2026年07月17日 来源:Environmental and Sustainability Indicators 5.5

编辑推荐:

  气候变化下的城市热岛效应加剧及相关热胁迫要求对热极端的地表驱动因素进行多尺度研究以适应热严重性。然而,景观特征如何调节热极端仍知之甚少。本研究考察了德国卢萨蒂亚地区景观结构对极端地表温度的尺度依赖性影响。利用11年(2013-2023年)的MODIS导出地表温

  
气候变化下的城市热岛效应加剧及相关热胁迫要求对热极端的地表驱动因素进行多尺度研究以适应热严重性。然而,景观特征如何调节热极端仍知之甚少。本研究考察了德国卢萨蒂亚地区景观结构对极端地表温度的尺度依赖性影响。利用11年(2013-2023年)的MODIS导出地表温度数据,研究人员推导出两个指标:年最高温度(AMT)表示热极端强度,以及其年际变异性(AMT-var)捕捉时间波动。结合景观组成、构型和地形的多尺度框架(1–400 km2)采用极端梯度提升(XGBoost)分析,并使用SHapley加法解释(SHAP)进行解释。结果显示,虽然土地覆盖和地形在精细尺度上主导热动态,但景观构型,特别是凝聚度、聚集度、核心面积和形状指标,在区域尺度(>100 km2)上成为AMT和AMT-var的最强预测因子。非线性阈值效应表明,高度凝聚且形状简单的斑块可以缓冲极端热并稳定其变异性,而高度破碎、同质和过度混合的景观则放大热极端。这些发现强调了在气候适应规划中考虑空间构型与土地覆盖的重要性。通过将可解释机器学习与多尺度景观指标联系起来,本研究为气候适应性土地利用设计和可持续景观规划提供了可操作的见解。
气候变化导致热浪和城市热岛效应(urban heat island, UHI)加剧,对公众健康、能源需求和生态系统造成严重威胁。尽管已有研究关注地表温度(land surface temperature, LST)的驱动因素,但景观特征如何调节热极端(thermal extremes)及其年际变异性(interannual variability)仍不明确。现有研究多聚焦于平均LST,而忽略了极端温度及其波动,且缺乏多尺度分析。为填补这一空白,研究人员Anisha Aryal和Masahiro Ryo在德国卢萨蒂亚地区开展了系统研究,探讨景观结构对热极端的尺度依赖性影响。他们利用11年(2013–2023年)MODIS地表温度产品,计算了年最高温度(annual maximum temperature, AMT)和年际变异性(AMT-var)两个指标,并在多尺度网格(1–400 km2)上结合景观组成、构型(landscape configuration)和地形变量,采用极端梯度提升(eXtreme Gradient Boosting, XGBoost)回归模型,并结合SHapley加法解释(SHapley Additive exPlanations, SHAP)进行可解释性分析。研究发现,景观构型在区域尺度(>100 km2)上成为AMT和AMT-var的主导预测因子,其贡献超过地形和土地覆盖;具体而言,高度凝聚且形状简单的斑块可缓冲极端热并稳定其变异性,而高度破碎、同质或过度混合的景观则放大热极端。这些发现揭示了非线性阈值效应,并强调了将空间构型纳入气候适应规划的重要性。该研究为气候适应性土地利用设计和可持续景观规划提供了可操作的见解,论文发表在《Environmental and Sustainability Indicators》。

**主要关键的技术方法**(不超过250字):研究区域为德国卢萨蒂亚(11,582 km2),数据源包括MODIS地表温度产品(MOD11A1,2013–2023年)、ESA WorldCover 10 m土地覆盖图(2021年)和NASADEM 30 m数字高程模型。构建5种网格尺度(1、25、100、225、400 km2),每个网格提取景观指标(组成、面积、边缘、形状、核心面积、聚集度、多样性、复杂性等)和地形变量(海拔、坡度、坡向)。采用XGBoost回归模型,通过空间块交叉验证(5折)和贝叶斯超参数优化。使用SHAP解释模型输出,分析特征重要性和依赖关系。

**研究结果**:

**3.1 模型性能**:通过空间块交叉验证评估模型,AMT的RMSE从1 km2的1.61°C降至100 km2的0.84°C,R2从0.45增至0.72–0.75;AMT-var的R2在225 km2达到最高0.67。模型性能在中间尺度稳定,但在400 km2下降(R2分别为0.45和0.11),表明粗尺度聚合损失了空间变异性。

**3.2 景观构型在驱动温度变化中的相对重要性**:景观构型的相对重要性随尺度增加而增加,对于AMT,从1 km2的18%增至400 km2的47%;对于AMT-var,从18%增至超过50%,成为主导预测因子。地形和土地覆盖的贡献随尺度增加而下降,尤其AMT-var在区域尺度上构型贡献超过50%。

**3.3 热极端和年际变异性的关键驱动因素**:SHAP分析显示,在精细尺度上,地形和土地覆盖是AMT的主要预测因子;在区域尺度上,聚集度指标(如凝聚度、IJI)和核心面积指标重要性增加。对于AMT-var,聚集度指标在区域尺度上超越地形,形状指标在特定尺度(25 km2和225 km2)重要性突出,而多样性和复杂性指标影响较小。

**3.4 解释极端温度及其变异性的聚集度、核心面积和形状指标**:凝聚度在极高值(>99.5%)时对AMT产生负贡献,呈阈值效应,且粗尺度更明显;IJI在中等值(55–60%)以上产生正贡献,粗尺度更显著;核心面积指数在15–20%时从正转负,中间尺度转折最明显。对于AMT-var,凝聚度在极高值(>99.7%)转为负;IJI在55–60%以上正贡献,中间尺度强;形状指数在1.45–1.50以上正贡献,中间尺度转折最陡。

**总结讨论与结论**:讨论部分强调,景观构型对热极端的尺度依赖性影响具有重要气候适应意义。研究发现,地形和土地覆盖在精细尺度主导,而景观构型(特别是聚集度、核心面积和形状指标)在区域尺度成为关键,通过调节边界层动力学影响年际变异性。非线性阈值效应表明,高度凝聚且形状简单的景观可稳定热极端,而高度破碎或过度混合的景观则放大热极端。这些发现为规划连通性高、形状简单且空间安排合理的景观提供了科学依据。研究结论原文翻译如下:本研究提供了关于景观构型对AMT和AMT-var的尺度依赖性影响的新证据。景观构型在区域尺度上具有显著重要性,特别是对于通过边界层动力学影响的年际温度变异性。高度凝聚和简单形状的景观通过减少热对比和限制边缘诱导的变异性,对AMT显示出稳定效应。相反,具有平衡空间混合的中等异质性景观可以增强景观的冷却能力。本研究还识别了非线性和阈值响应,表明景观构型存在一定水平,超过该水平其影响趋于稳定。这些结果强调了将景观构型纳入区域气候评估和基于模型的热极端预测中的重要性,为可持续和气候适应性景观设计提供了宝贵见解。
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