通过优化绿地缓解城市热暴露:一个利用细胞信号数据的多目标框架

《Land Use Policy》:Alleviating urban heat exposure through green space optimization: A multi-objective framework using cellular signaling data

【字体: 大 中 小 】 时间:2026年08月28日 来源:Land Use Policy 6.6

编辑推荐:

  摘要:极端高温事件严重威胁公共卫生和城市可持续性。传统的城市绿地(UGS)优化通常依赖于静态的人口普查数据,未能捕捉人类活动的时空变化及其相关热风险。本研究提出了一种空间显式的多目标优化模型,以减轻徐州中心城区的热暴露。该模型整合了三个代表性时间点(08:00、14:00和20:

  摘要:极端高温事件严重威胁公共卫生和城市可持续性。传统的城市绿地(UGS)优化通常依赖于静态的人口普查数据,未能捕捉人类活动的时空变化及其相关热风险。本研究提出了一种空间显式的多目标优化模型,以减轻徐州中心城区的热暴露。该模型整合了三个代表性时间点(08:00、14:00和20:00)的每小时细胞信号数据,采用启发式搜索策略同时优化四个关键目标:减少热暴露、最小化转换成本、提升空间公平性和提高形态紧凑性。模拟了三种政策导向的情景——平衡发展(BD)、成本效益(CE)和社会公平(SE),以探讨财政限制与气候效益之间的权衡。主要发现如下:(1)所提出的模型有效捕捉了人口热暴露的时空异质性,并在不同政策优先级下生成了差异化的UGS布局;(2)CE情景实现了最低的转换成本,而SE情景通过分散的微尺度绿色干预在人口密集区域提高了冷却效果并降低了基尼系数;BD情景在四个目标之间提供了平衡的折中方案;(3)空间叠加分析进一步识别出在各种情景和时间段内保持稳定的无遗憾干预区域,这些区域主要集中在公共服务用地、仓储用地、农村宅基地和空地上。这项研究将UGS优化从静态的、以土地为导向的规划转变为多时相的、以人为中心的气候适应规划,为高密度城市的热缓解和弹性城市规划提供了实际支持。

1. 引言
近几十年来,极端高温事件的频率和强度显著增加,在全球气候变化和快速城市化的背景下成为环境和公共卫生的重大威胁(Xu和Rui,2024;Yang等人,2020)。此类极端事件加剧了城市热岛效应,提高了与热相关的发病率和死亡率,对老年人、儿童和户外工作者等弱势群体影响尤为严重(Iungman等人,2023;Wang等人,2024)。这些不断上升的风险越来越挑战公共卫生系统和城市可持续性(Ma等人,2025)。城市热暴露受到建成环境特征的直接影响,包括绿地覆盖、城市形态和城市规模(Hsu等人,2021)。在人口密集区域,频繁的热浪增加了居民暴露在极端温度下的概率(Yan等人,2021)。如果没有及时有效的空间干预,城市可能会面临严重且持久的后果(Cao等人,2022)。因此,制定基于科学的空间规划策略对于减少人口热暴露和增强城市气候适应性和宜居性至关重要。城市绿地(UGS)通过减少太阳辐射吸收和通过遮荫及蒸散作用降低地表温度,在调节微气候方面发挥着关键作用(Bowler等人,2010;Cai等人,2018)。这些过程产生了显著的冷却效益(Aboelata和Sodoudi,2019;Zhou等人,2017),并减少了行人的直接热暴露(Li等人,2012)。作为一种代表性的基于自然的解决方案(Sun等人,2025),UGS不仅提升了热舒适度并减少了与热相关的健康风险,还提供了多种休闲、生态和美学上的协同效益,这对可持续的城市发展至关重要(Zhou等人,2023)。尽管UGS的重要性和功能已被广泛认可,但其规划和实施仍面临持续挑战。传统规划方法往往侧重于人均绿地指标,而忽视了空间配置的功能意义。此外,创建或扩展UGS需要大量的社会经济成本(Krueger和Gibbs,2007)。密集的城市发展还导致了植被减少、不透水表面增加和高层建筑密度的提高(Hu等人,2025)。这些变化扰乱了UGS的空间连续性,削弱了其调节热环境的能力(Zhang等人,2025a),使其冷却效益难以充分发挥。越来越多的研究表明,优化UGS的空间配置是改善城市热条件的有效且必要的策略。大量研究从多个角度考察了UGS的冷却性能(Shishegar,2014;Xiao等人,2018)。绿地冷却的有效性不仅取决于总面积,更关键的是空间配置。大型、集中的绿地通常会产生强烈的冷却岛效应,但其外围位置或有限的服务范围往往限制了这些效益的广泛覆盖。相比之下,小型和中型绿地的更均衡分布可以提高城市热缓解的整体公平性(Maimaitiyiming等人,2014)。现有研究主要集中在绿地景观特征(如规模、形状和连通性)与其冷却效果之间的关系,或研究影响UGS冷却性能的关键因素(Buyadi等人,2013;Wang等人,2022),从而为优化提供了理论基础(Masoudi和Tan,2019)。随着计算建模和空间分析技术的进步,各种优化算法已被应用于确定高效的绿地布局。例如,Neema和Ohgai(2013)开发了一种多目标启发式算法,用于优化公园和开放空间的分配,以改善空气和水质(Neema和Ohgai,2013)。Zhang等人(2017)基于最大覆盖目标确定了新绿地的最佳位置(Zhang等人,2017)。此外,更复杂的模型,如元胞自动机(Li等人,2022a)、蚁群优化(Wang等人,2021)、模拟退火和NSGA-II/III(Dong等人,2025),越来越多地被用于绿地或生态用地的模拟和优化。总体而言,这些研究表明元启发式方法在解决复杂的多目标土地利用规划问题上具有很高的准确性和计算效率(Zhang等人,2024)。尽管有这些进展,但明确评估优化后的空间配置如何在不同时间段内减轻人口热暴露的研究仍然有限。大多数现有研究依赖于静态的人口普查数据,忽视了由人口流动性和活动模式变化引起的日内热暴露变化。实际限制,特别是土地转换成本,也经常被忽略,导致规划方案的可行性不足。近年来,大数据(如细胞信号数据)的出现使得可以对人口热暴露进行多时相评估(Zou等人,2023)。这些数据捕捉了居民在工作、生活和通勤等不同情景下的空间分布;然而,其在UGS布局优化中的应用仍处于起步阶段。此外,仅关注最大化冷却效果的优化框架可能会损害空间公平性或产生经济上不切实际的解决方案。因此,迫切需要将空间公平性和转换成本等多维目标纳入优化框架,以制定更实用和可行的UGS规划策略(Mu等人,2023)。

与以往的研究相比,本研究的贡献有三方面。首先,本研究不依赖于静态人口普查数据,而是利用每小时细胞信号数据捕捉人口分布的日内时空变化,从而更精确地描述不同时间段的热暴露风险。其次,本研究提出了一个多目标权衡框架,同时整合了冷却效果、土地转换成本、空间公平性和形态紧凑性——这些目标在现有文献中通常是分开处理的。第三,通过多时段近似(08:00、14:00和20:00),该框架识别了热点区域,为规划者提供了在静态建成环境中实施时间敏感的UGS策略的可行路径——这比基于单一时间点的方法具有优势。为了应对这些挑战,本研究开发了一种空间显式的多目标优化框架,用于UGS分配,以减轻人口热暴露。通过整合细胞信号数据,该框架不仅旨在改善热环境,还明确量化了不同时间段内人口热暴露的减少量。此外,它还纳入了现实的土地转换成本约束,以确保所提出方案的实际可行性,为高密度城市地区的气候适应性空间规划提供了科学和可操作的支撑。本文的其余部分结构如下:第2节描述了研究区域和多源数据集;第3节详细介绍了空间显式的多目标优化模型;第4节报告了优化结果和权衡关系;第5节在现有文献的背景下讨论了研究结果,并提出了主要结论。

2. 研究区域和数据来源
2.1. 研究区域概述
徐州是中国东部的主要门户城市,是淮海经济区的中心节点,在国家发展计划中具有重要的战略意义。近年来,随着长江三角洲的综合性开发和淮海经济区的协调增长,徐州的人口和建成面积持续扩大。徐州具有温暖的温带半湿润季风气候,冬季寒冷干燥,夏季炎热潮湿。虽然云龙湖和贾河等自然水体有助于调节当地的热条件,但加速的城市扩张加剧了城市热岛效应,导致夏季极端高温事件越来越频繁。根据徐州气象局的数据,过去十年中该市平均每年有28个高温日(≥35°C)。2022年,持续十天的极端热浪导致最高温度超过38°C,对公共卫生和城市运行造成了严重影响。随着人口密度和人为热排放的持续增加,中心城区的热暴露风险变得越来越突出。作为典型的工业转型城市,徐州正在积极推进经济结构调整和增强城市功能。中心城区人口密集且对极端高温的脆弱性较高,是应对热环境挑战的关键区域(图1)。因此,本研究重点优化徐州中心城区的绿地布局,以最小化人口热暴露,提升空间公平性,并以最低的可能土地转换成本实现这些改进。由此产生的最优布局为城市规划提供了科学依据,支持徐州向气候适应性和可持续未来的转型。

2.2. 数据来源和处理
为了全面概述本研究使用的基础数据,表1总结了每个数据集的数据来源、空间分辨率和时间分辨率。在分析之前,所有数据集均统一重采样到50×50的空间网格,采用标准化的投影系统和边界。对缺失值进行了系统性的插补或删除,以确保后续优化建模具备一致且高保真的空间数据基础。
表1. 本研究使用的数据集摘要。
数据类型 数据来源 空间分辨率 时间分辨率
UGS分布 徐州自然资源和规划局提供的1:5000土地使用调查数据 50米×50米(重采样后) 2023年(静态)
移动信号人口数据 中国移动在基站级别汇总的数据,缩小到50米网格 每小时(08:00、14:00和20:00;2023年5月10日采样)
土地转换成本 徐州相关部门提供的土地获取和补偿标准,结合Li等人(2022b)的方法 50米×50米 2019年(静态)
地表温度(LST) 使用Google Earth Engine检索的Landsat 8影像 30米(重采样到50米)
多时相夏季平均值 与土地使用调查数据相同 50米×50米 2023年(静态)

细胞信号数据是本研究的主要数据来源,因为它已被证明是捕捉细粒度城市移动模式的有效工具(Huang等人,2025)。该数据集来自中国移动,这是该地区市场份额最大的电信运营商,因此具有很高的代表性和可靠性,能够反映实际的城市人口分布。移动信号数据集采集于2023年5月10日,这是一个没有公共假期或重大城市活动的工作日。为了严格保护用户隐私,在采集前所有原始数据均已完全匿名处理,并删除了所有个人可识别信息。在预处理过程中,使用了高斯加权函数将原始的基站级聚合数据缩小到50米×50米的空间网格。这一过程减少了基站之间的边界效应,并消除了由于信号覆盖不均造成的局部数据空缺,最终得到了研究区域内每个网格单元的每小时人口计数。土地转换成本数据用于量化将非绿地地块转换为UGS所需的经济投资。基础数据组件包括:城市基准地价地图(由徐州自然资源和规划局公开发布)、各种土地用途的补偿标准(来源于当地土地征收材料)、工业企业收入和土地使用指标(来自2019年的“低效工业用地调查”项目),以及基于当地工程报价计算的拆除成本。LST数据是从Google Earth Engine中利用Landsat 8影像检索得到的。所有2023年有效的无云夏季影像都经过筛选并取平均值,以生成最终的LST数据集。在数据检索过程中还进行了大气校正和地表反射率校准,以确保数据准确性。

3. 研究方法
3.1. 研究设计
3.1.1. 总体目标和核心逻辑
本研究的主要目标是开发一个空间明确的多目标优化框架,用于绿色空间(UGS)的空间配置,并将其应用于徐州市中心城区(图2)。工作流程包括收集多源数据集,包括空间土地转换成本、地表温度(LST)、来自蜂窝信号数据的日内人口分布以及现有的UGS和水系统数据。随后,从冷却效果、转换成本、空间公平性和形态紧凑性的角度定义了四个优化目标。具体来说,冷却效果(F2)用于衡量热暴露缓解能力,转换成本(F1)代表经济可行性,而空间公平性(F3)和形态紧凑性(F4)分别反映了UGS分布的社会公平性和空间效率。基于遗传算法的原则,本研究引入了一个空间状态决策变量矩阵(X),表示每个网格单元的空间土地状态决策。这四个目标被整合到一个综合适应度函数中,使用加权理想点方法,建立一个能够进行权衡分析并在不同政策优先级下寻找解决方案的空间明确的多目标优化模型(Chen等人,2024年)。最后,分析了优化结果和规划策略。所提出框架的核心创新在于它整合了蜂窝信号数据,以捕捉人口分布的日内动态,从而实现时间敏感的UGS优化方案,并支持UGS规划从传统的以土地为导向的分配向更以人为本的方法的转变。

3.1.2. 优选时间段的选择
为了表征人口热暴露的日内变化,本研究根据24小时敏感性分析确定了三个离散但具有代表性的时间点:08:00、14:00和20:00。08:00时段对应于早晨通勤高峰期,此时蜂窝信号数据显示出公共交通枢纽和行政中心周围的人口集中;在这个时间段内,算法显示出最低的综合适应度。14:00时段代表午后热暴露需求较高的时间,也被确定为24小时基于人口的敏感性分析中的一个重要公平性敏感时间点,这有助于测试算法在相对较高的冷却需求下保持空间公平性的能力。20:00时段与晚间居民高峰期相对应,此时人口向高密度社区的重新分布造成了局部冷却需求与区域空间公平性之间的显著冲突。这些时间点作为“压力测试”,用于识别无遗憾的空间干预区域并指导UGS类型的选取。

3.1.3. 多情景政策配置和权重设置
关于转换成本、冷却、公平性和紧凑性的优先级在不同城市之间往往存在显著差异。因此,本研究在综合适应度函数中引入了一个可调整的权重向量,以设计三种典型的政策情景。平衡发展(BD)情景为所有四个目标分配相同的权重,作为基线。成本效益(CE)情景优先考虑土地转换成本,推动新的UGS朝向低成本闲置土地发展,适用于预算限制严格的情境。社会公平性(SE)情景提高了冷却效果和空间公平性的权重,迫使算法在高密度城市核心区域分配资源,以最大化保护高暴露群体的需求。

3.1.4. 理论假设
为了确保框架的操作可行性,模型构建遵循了四个关键的理论假设。首先,关于冷却效果: empirical global cooling coefficient 是根据当地LST差异与当前人均可利用UGS之间的平均网格级比率计算的。夏季综合LST被视为三个代表性时间段内的共同热基线,允许优化结果的时间差异主要反映日内人口重新分布(Aram等人,2019年;Kirschner等人,2023年;Monteiro等人,2016年)。其次,关于土地转换成本:假设成本主要由静态空间属性决定,将高价值商业用地排除在候选范围之外。第三,关于紧凑性:形态紧凑性被视为一个以规划为导向的空间目标,而不是明确嵌入到热力学冷却函数中。在这个框架中,它主要用来避免布局碎片化,并提高UGS系统的空间连续性和实施可行性(Justeau-Allaire等人,2021年)。第四,关于日内人口分布:假设匿名化的蜂窝信号数据代表了居民的空间分布,所有室外个体被认为承受相同水平的热暴露压力(Wei等人,2023年;Tian等人,2024年)。

3.2. 空间启发式多目标优化模型
UGS空间优化的核心是在复杂的城市矩阵中寻找最优的空间配置。为了与底层地理空间的编码逻辑保持一致并标准化数学公式,本研究定义了一个空间状态决策变量矩阵(X)。

3.2.1. 决策变量和问题构建
研究区域被划分为一个M × N网格系统,空间分辨率为50 m × 50 m。对于每个网格单元(i, j),空间状态变量满足xi, j ∈ {0,1,2}。值1表示现有UGS;这些单元在优化中作为静态约束——它们参与冷却和连通性计算,但不能被修改或移除。值2表示新添加的UGS;这是算法中空间布局和土地转换的核心决策目标。值0表示其他土地使用类型,代表保持原有状态的非绿地或未被算法选中的候选地块。

算法在优化过程中必须满足两个核心约束。首先是土地可转换性约束,要求算法仅在最初处于状态0且属于“候选地块池”内的像素中进行搜索,并随后将其状态修改为2。具体来说,根据图1中的详细土地使用分类,可转换的候选区域严格排除了水体、交通基础设施、高价值商业设施和现有的城市居住区。相反,适合转换为UGS系统的土地类型主要限于未充分利用的工业用地、仓储用地、农村宅基地和空置或未使用的土地。这一定义的空间限制确保了优化算法仅在现实的城市更新范围内运作。其次是总体积约束,确保新添加UGS的总面积符合规划预期。为了基于状态变量构建一个严格的表达式,本研究引入了一个指示函数I (xi, j=2)。当且仅当像素状态被算法指定为新的UGS时,该函数的值为1;否则为0。约束公式如下:(1)??∑??=1??∑??=1(???(????,??=2)???)=??,其中A表示单个单元的面积(2500 m2),K代表新UGS的预定义总面积(在本研究中设定为现有UGS面积的30%)。

3.2.2. 精英保留启发式策略
为了解决UGS优化框架问题,该问题属于非确定性多项式时间难(NP-hard)空间分配问题,本研究采用了一种空间明确的启发式搜索策略(图3)。由于四个目标函数通过加权理想点方法被单一化为综合适应度(F5),算法执行了带有精英保留策略的单目标启发式搜索。关键算法参数设置如下:人口规模c=200,精英档案规模h=150,最大迭代次数tt=150。这个迭代阈值是通过初步实验确定的,以平衡计算效率和解决方案多样性。没有引入提前停止条件,所有情景都执行到最大迭代次数,以确保足够的收敛性。执行步骤如下:(1) 初始化:基于现有的UGS模式,考虑UGS规划标准、研究区域内的有限土地可用性以及《徐州市2021-2035年领土空间发展规划》,将新添加的UGS数量设定为当前绿地面积的30%,以确保规划干预的合理和可行规模。随机选择候选地块以生成200个初始布局解决方案。(2) 适应度评估:对于人口中的每个布局,适应度评估过程计算四个单独的目标(转换成本、冷却效果、空间公平性和形态紧凑性)以及综合适应度F5。为了提高搜索多样性,每五代注入一组新的随机解决方案。(3) 精英选择:当前人口中的所有候选解决方案根据F5进行排名,排名前h=150的解决方案被保留到精英档案中。更新是按代进行的:如果新解决方案表现出更高的综合适应度,则替换档案中的解决方案,从而促进档案质量的代际提升。(4) 空间交叉和变异:密度引导的交叉随机配对人口中的所有解决方案(100%配对率)。对于每一对父代解决方案,提取一个5 × 5的新添加UGS单元的密度图。高密度区域被选为“基因片段”并在配对布局之间交换,生成两个后代。如果产生的后代超出总面积约束,将应用基于交叉正交核和人口密度的自适应删除机制。计算每个新UGS单元在交叉邻域内的连通性和周围特定时间的人口密度;低密度区域中的孤立单元优先被移除,直到满足总面积约束。这种变异操作有助于抑制空间碎片化,并加强新区块与现有UGS的边缘连接。(5) 终止和输出:完成这些步骤后,将后代和父代人口合并,并为下一个周期重新计算适应度值。当达到tt=150时,算法终止并输出精英档案中具有最优综合适应度的空间布局作为最终优化方案(Wang等人,2020年;Wicki等人,2021年)。

3.3. 目标函数和情景配置
所提出的模型旨在协调经济成本、冷却效果、社会公平性和形态紧凑性之间的复杂权衡。在以下公式中,所有目标都是作为空间状态决策变量矩阵(X)的函数计算的。为了提高后续部分定义的目标函数的可读性和清晰度,所有关键数学符号、空间参数及其对应的单位在表2中进行了总结。命名法、单位和空间参数设置。
符号 | 定义/描述 | 单位
------------------|------------------|-------|通过比较这些情景下的空间权衡,该研究明确展示了绿色基础设施(UGS)的空间配置模式如何随着政策优先级的变化而变化,从而为城市规划者提供了更可靠和灵活的决策支持工具。4. 结果 4.1. 多目标算法的集成性能和UGS的空间配置 在BD情景下,空间显式的多目标优化模型能够协调转换成本(F1)、冷却效率(F2)、空间公平性(F3)和形态紧凑性(F4)之间的复杂权衡。如图4(E)所示,综合适应性(F5)最初迅速下降,在大约100代后达到了一个稳定的平台,证明了算法的稳定全局搜索能力和收敛性。以14:00的优化过程为例,图4(F)描绘了进化过程中四个标准化指标之间的动态相互作用。在早期迭代中观察到了显著波动;值得注意的是,模型最初优先考虑了冷却效率和空间公平性的快速提升,以牺牲经济可行性为代价,导致转换成本增加。然而,随着迭代的进行,零星的绿地逐渐被整合,所有指标随着优化过程的进展而逐渐稳定下来。下载:下载高分辨率图像(729KB)下载:下载全尺寸图像 图4. 平衡发展(BD)情景下优化UGS的收敛性能和时空模式。(A–C) 08:00、14:00和20:00的UGS布局(放大细节a–d)。(D) 基于加权理想点方法的解集分布(气泡大小代表紧凑性)。(E) 综合适应性(F5)的收敛轨迹。(F) 四个标准化目标的进化轨迹(以14:00为例)。图4(D)显示了转换成本和冷却效率之间的权衡,而更高的冷却效率与更大的空间公平性(更低的基尼系数)相关。在邹州的中心城区——以高开发密度、集中的人类活动和严重的热暴露为特征——新增UGS的提供需要大量的土地整合和城市更新成本。相反,尽管外围地区的土地开发难度较低,但由于人口密度较低,其人口加权冷却效率仍有限。关于BD情景下的空间配置,优化后的新增UGS斑块表现出多核分布、局部聚集和外围整合的特点。在08:00的通勤和活动高峰期,新增UGS斑块主要围绕大规模住宅区和公共服务设施(图4A和子图a, c)布局,精确响应了居民在早高峰期的冷却需求。在14:00期间,由于下午的热暴露需求增加和就业区的活动集中,算法将更多资源分配给高密度就业和工业区(图4B和子图b, d)。这导致了更加连通和紧凑的大规模斑块的形成,利用最大的物理冷却能力来缓解中午的热应激。在20:00的夜间休闲时段,部分新增UGS移回了海滨开放空间和住宅区(图4C),以适应夜间娱乐活动的分布轨迹。这些优化结果是由蜂窝信号数据驱动的,实现了UGS冷却服务与特定时间人口热暴露风险之间的精确“时空对齐”。局部扩大进一步揭示了不同空间单元之间的细微优化模式(图4)。区域(a)位于研究区的西南边缘,以农村宅基地和城市住宅用地的复杂交织为特征,包括九州职业技术学院。鉴于这一独特的“城乡界面”和高密度机构人口的存在,新增UGS主要沿住宅区和农村地块的边界布局。这些新增单元表现出小规模、分散的空间布局特点,通过社区级和路边绿化来改善热环境。这种策略同时利用了低成本的外围土地,同时精确满足了校园居民和边缘社区居民的热暴露缓解需求。区域(b)位于城市核心的北部边缘,拥有非常复杂的土地使用结构,包括分散的仓储、商业、住宅、农村和交通用地。为了应对这种高度分散的形态,模型采用了“填充和修补”策略。通过在这些细粒度功能单元之间的空白处插入绿地,算法通过生态联系将先前孤立的热暴露点连接起来。这种方法在降低转换成本的同时,通过规模效应增强了整体热环境的稳定性。区域(c)位于中心核心的南部,当前的土地使用特点是工业、住宅和仓储功能的高强度混合。针对这种工业-居住复合体,新增UGS形成了更加聚集和紧凑的结构,表明该区域更适合开发连续的、集中的“绿色肺”。这种配置不仅提高了整体形态紧凑性,还在产热工业部门和敏感住宅区之间建立了生态缓冲区,利用了“凉岛”效应。区域(d)位于东北部的混合工业-住宅区,包括大规模的公共服务用地,如邹州幼儿园师范学院。在这里,算法优先将资源分配给学校及其周围的工业社区过渡区。通过构建高紧密度的绿色核心,模型减轻了高密度学生人口和工业工人空间叠加造成的集中热暴露。为了进一步研究不同规划目标对空间分配的驱动因素,图5展示了在两种极端政策情景下优化后的UGS布局:成本效益(CE)和社会公平(SE)。在面临严格预算限制的CE情景下,新增UGS明显倾向于在非敏感、低成本的地块内聚集,较高比例分配给工业区和裸露的仓储用地。在邹州旧城区的高密度“硬建设”环境中,商业和高密度住宅用地极其稀缺且昂贵。在这些地区实施绿色替换将涉及高昂的拆除补偿和高机会成本。相反,效率低下的工业厂、废弃的矿场或破旧的仓储地块通常提供更大的面积和更简单的所有权结构,基准土地价格和补偿标准远低于核心商业-住宅用地。下载:下载高分辨率图像(978KB)下载:下载全尺寸图像 图5. 在不同政策情景下优化UGS的时空配置。(A–C) 在08:00、14:00和20:00时,以最小化转换成本为优先的UGS布局;(D–F) 在三个相应时段内,以社会公平(SE)情景下的UGS布局。局部放大图(a–d)展示了详细的斑块缝合差异和形态细化。相比之下,SE情景表现出根本不同的“以人为中心”和环境保护导向。其空间形态特点是较小、更分散的斑块均匀分布在研究区内。在住宅集群和公共设施附近观察到UGS的显著增加。为了消除居民获取冷却服务方面的空间不平衡,SE情景将绿色增量嵌入到高密度住宅群和公共设施用地的间隙中。尽管这种分散的、普遍的微型绿地网络部分牺牲了形态紧凑性,但它弥补了老旧社区的“生态福利不足”,最大化了冷却贡献的包容性和社会公平性。这些空间差异体现了UGS配置对不同政策优先级的不同响应。4.2. 成本、冷却、公平性和紧凑性目标的多维性能评估 为了系统评估不同规划策略下UGS优化方案的实施性能,本研究在三个代表性时间段(08:00、14:00和20:00)对三种情景(平衡发展(BD)、成本效益(CE)和社会公平(SE)的结果进行了多维度比较(表3;图6)。总体而言,不同情景下的多个目标之间存在明显的权衡关系,每种情景都表现出独特的优化方向。表3. 在不同政策情景和代表性时间段下优化UGS的多维性能评估。注意:BD、CE和SE分别代表平衡发展、成本效益和社会公平情景。情景 时间段 转换成本(十亿元) 冷却效率(℃) 空间公平性(基尼系数) 形态紧凑性 BD 08:00 54.38 91.53 60.56 616.33 2 14:00 53.89 41.48 90.56 316.27 4 20:00 54.21 91.61 00.58 416.35 9 CE 08:00 50.73 41.52 90.57 616.22 1 14:00 50.89 51.47 60.59 216.18 0 20:00 52.48 21.59 70.59 216.31 9 SE 08:00 54.57 81.55 00.56 515.88 014:00 55.79 51.49 20.56 116.15 720:00 56.11 41.61 50.58 115.811 下载:下载高分辨率图像(516KB)下载:下载全尺寸图像 图6. 平衡发展(BD)情景下冷却效率和形态紧凑性的空间和统计评估。(A–B) 14:00时冷却效率和形态紧凑性得分的代表性空间分布;(C–D) 法箱图展示了所有情景和日变化期间冷却效率和紧凑性性能的统计分布和变化。关于转换成本,三种情景之间出现了明显的层次梯度。CE情景的总支出最低,分别为50.734、50.895和52.482亿元人民币。BD情景的成本分别为54.389、53.894和54.219亿元人民币,而SE情景的财政需求最高,达到54.578、55.795和56.114亿元人民币。在14:00时,SE情景的成本显著增加,比CE情景高出约49亿元。这种成本梯度是由邹州中心城区土地价值的空间异质性所造成的。城市核心区域的高密度商业和住宅地块的土地价格非常高昂;因此在这些区域进行绿色改造需要大量的拆除补偿和土地转换成本。在严格的成本最小化要求下,CE情景的优化算法主动绕过了这些昂贵的地块。相反,CE情景将资源重点分配给大规模、低成本的棕地——如低效率的工业厂、废弃的矿场和破旧的仓储地块——从而最小化了总财政支出。相反,由于更加重视冷却效率和空间公平性,SE情景被迫在密集的住宅集群和公共设施区(例如学校)内实施“绿色填充”。这些区域相对较高的边际成本有助于提高总体投资门槛。关于冷却贡献(表3;图6),所有三种情景都在高热暴露区域内有效提升了人均冷却效益,尽管空间响应特性有所不同。从空间上看,高价值冷却区主要分布在广阔的水体或森林用地附近。相比之下,中等价值的区域主要集中在城市核心的中央、南部和东部边缘区——这些区域面临剧烈的热环境问题,因此成为资源优化的重点。相反,CE情景将更多新UGS分配给低成本的外围地块,那里较低的人口密度导致了有限的受益覆盖范围和较低的人口加权冷却效率。在14:00时,三种情景之间的差异不太明显,值趋于1.49°C左右。箱图结果进一步表明,SE情景在高价值区域具有较大的上四分位数范围,表明倾向于生成局部的高强度冷却集群。在形态紧凑性性能方面,三种情景之间的变化相对微妙。在14:00时段,BD情景记录了最高的平均紧凑性(16.274),其次是CE情景(16.180),而SE情景的紧凑性最低(16.157)。同样,在20:00时,SE情景的紧凑性(15.811)落后于CE(16.319)和BD(16.359)情景。这种较低的紧凑性反映了SE权重方案下更为分散的UGS配置所带来的权衡。为了将冷却服务扩展到分散的住宅和公共空间,SE情景被迫减少斑块的空间聚集。相反,CE情景利用了大规模仓储和工业用地的空间完整性,促进了广泛的连续生态斑块的整合。关于空间公平性,SE情景在不同情景中始终产生了最低的基尼系数。其基尼系数分别在08:00、14:00和20:00时记录为0.565、0.561和0.581,明显优于BD和CE情景。值得注意的是,在14:00时,SE情景的基尼系数比CE情景低5.24%,表明空间公平性更高。这一结果表明,SE导向的分配减少了人口需求和可获得的UGS供应之间的空间不匹配。邹州的基线UGS具有显著的空间不平等。通过采用更分散的微观尺度填充模式,SE情景将新增UGS更广泛地分布在服务不足的住宅集群和公共设施周围。由于20:00代表典型的夜间住宅高峰期,人口从集中的商业中心流回更为分散的外围住宅群。这种高空间分散性加剧了纠正夜间不平等的难度,导致在20:00时所有情景下的基尼系数约为0.58,低于白天14:00时记录的平等峰值(例如,SE情况下的0.561)(图7)。下载:下载高分辨率图像(285KB)下载:下载全尺寸图像。图7. 城市绿色空间(UGS)可及性的空间公平性改善。洛伦兹曲线及相应的基尼系数,比较了代表性平衡发展(BD)情景下优化前(当前状态)和优化后的结果在三个昼夜周期内的变化。

综合四个独立情景的目标结果,不同的情景体现了不同的规划方向。CE情景在严格的财政约束下,将新的UGS集中在低成本工业和仓储地块上,将总体转换成本降至最低水平,但总体上表现出较低的冷却效果和较高的基尼系数。相比之下,SE情景优先考虑冷却效果和空间公平性,在这两个目标上都取得了优势,尽管代价是转换支出增加和形态紧凑性略有下降。BD情景则在转换成本、冷却效果、空间公平性和形态紧凑性之间提供了一个平衡的折中。这些结果表明,不同的政策优先事项会产生不同的空间响应,突显了多目标框架作为城市热环境治理的灵活决策支持工具的价值。

4.3. 基于多情景共识的无遗憾空间干预区识别

前述的多维性能和空间权衡分析显示,在不同的政策要求和时空动态下,UGS的空间配置存在显著差异。然而,在实际的城市治理中,地方政府常常面临着财政约束、人口动态变化和政策偏好演变的高不确定性,这使得一次性实施全面景观转型具有挑战性。因此,制定一个不受政策波动或时间变化影响的稳定的空间干预方案对于指导徐州中心城区的UGS精细更新和实施具有极大的实际价值。为此,本研究对从三个情景(BD、CE和SE)生成的三张UGS分布栅格进行了空间叠加,在三个代表性时间点(08:00、14:00和20:00)进行分析。通过过滤出共识度低的网格,我们识别出在各种政策情景和代表性时间段内反复被选中的无遗憾空间干预区。

图8中识别的共识区域(包括绝对无遗憾区和高共识区)主要集中在用于公共行政和服务、农村宅基地、裸地和仓储的土地上,只有少量位于城市住宅和公共设施地块内。公共服务用地(如学校和研究所)属于公共资产,在实施过程中产权障碍和行政协调摩擦最小。此外,这些区域直接保护了高密度学生群体和公共服务人员,带来了显著的社会福利效益。相反,农村地块、低效的仓储用地和广泛未使用的裸地开发强度较低,所有权结构相对单一;这些区域的基准地价和转换成本低于核心商业居住区。优先考虑这些“低边际成本、高空间弹性”的地块可能为在财政约束下快速实施UGS提供可行路径。相比之下,在高度发达的城市核心区域,尽管土地价值高昂且替换难度大,但仍有一些关键网格被一致认定为共识区。这表明某些老旧社区的冷却服务存在持续不足。即使在成本效益最高的(CE)情景下,这些地点也多次被选中,表明在住宅和公共服务区域附近对局部冷却干预有持续需求。

下载:下载高分辨率图像(196KB)下载:下载全尺寸图像。图8. 基于多情景和多时期共识的无遗憾空间干预区识别。红色区域代表绝对无遗憾区(共识频率=9),即在所有时间节点和政策情景(BD、CE和SE)中始终被选中的单元;橙色区域表示高共识区(频率6-8),代表UGS实施的次级优先区。

通过将绝对无遗憾区和高共识区整合到一个统一的优化框架中,本研究将复杂的多目标解决方案集转化为一个空间实施蓝图,优先考虑在不同财政、冷却、公平性和紧凑性偏好下反复被选中的地点。这种方法不仅减少了由于未来政策不确定性导致的决策错误风险,还增强了徐州中心城区气候适应性和空间公平性的治理能力和科学实施能力。

5. 讨论与结论

5.1. 讨论

本研究提出了一种空间明确的多目标优化框架,将日内人口活动融入UGS空间规划中。通过将多源空间数据与多个规划目标相结合,该框架为在不同发展情景下生成空间明确的UGS干预策略提供了以规划为导向的方法。这一过程提高了UGS分配在气候适应和城市空间治理中的实际应用性。

5.1.1. 优化机制与多维目标之间的内在关系

现有关于UGS冷却和热缓解效果的研究主要遵循两种分析路径。第一种路径强调生物物理过程建模,使用ENVI-met、WRF或统计模型等工具来模拟绿地面积、树冠密度和不透水面比例变化对地表或近地表空气温度的影响。诸如蒸散、遮荫、反照率和通风、公园、行道树、绿色屋顶和蓝绿基础设施等机制可以调节城市热环境(Lin和Li,2025;Zhou等人,2022)。第二种路径利用遥感(RS)和GIS技术来探索UGS空间配置(如斑块大小、边缘复杂性、连通性)与城市热岛效应之间的关系。最近的研究越来越多地认识到,UGS的空间布局和配置可能比单纯扩大UGS面积对热环境有更大的影响(Zhang等人,2025a;Feng等人,2025;Wang和Ren,2025)。然而,这两种路径都有其内在局限性。虽然基于过程的气候模拟揭示了重要的物理机制,但它们间接从气候响应中推断出规划含义。这种“逆向推理”往往与规划实践中所需的前向设计逻辑不符,在规划实践中需要根据多重目标和约束来生成解决方案。空间配置研究虽然侧重于布局优化,但往往只关注单一目标(如冷却效果、连通性或面积),或依赖于静态人口数据,未能捕捉人类活动的时变特征及其相关的热暴露风险。

本研究通过多目标优化框架弥合了这些差距。所提出的模型通过启发式搜索策略同时优化四个关键目标:减少人口热暴露、最小化土地转换成本、提高空间公平性(基于基尼系数)以及改善形态紧凑性。这种从多源数据到空间解决方案的线性决策逻辑更符合城市规划工作流程,从而增强了研究的实际效用。例如,模型显示尽管SE情景的转换成本最高,但它产生了最大的冷却效果,为政策优先级提供了明确依据。从这个意义上说,本研究回应了土地多功能性的核心命题:土地使用决策必须平衡土地系统支持的多种服务和价值。本研究的另一个重要创新是将日内人类活动纳入优化过程。与大多数依赖静态人口数据的研究不同,我们利用单元格信号数据来捕捉日间人口变化(在08:00、14:00和20:00)。这使得模型能够响应通勤者、员工和居民在不同时间段内的差异化热暴露模式,超越了传统的静态空间优化,转向更加关注时间和人口的规划方法。从根本上说,优化过程不再仅考虑土地的物理属性(如冷却潜力),还考虑了实际的空间时间需求和脆弱性。这种转变将UGS规划从传统的以土地为中心的方法转变为以人为中心的范式,以实现精确的空间资源分配。

此外,模型设计阐明了UGS冷却效果与景观紧凑性之间的关系。由于冷却目标函数(F2)本质上是一个将人均可及UGS与LST差异联系起来的线性代数代理模型,其核心参数——冷却系数(α)是从平均网格级比率中经验性得出的。因此,该模型并未明确模拟大型连续绿地可能产生的非线性冷却效果。在此背景下,形态紧凑性(F4)作为一个以规划为导向的空间目标被纳入,而不是直接嵌入冷却计算中。其主要作用是提高优化后的UGS系统的空间连续性、生态一致性和实施可行性。通过采用宏观聚合约束(5×5窗口密度)和微观边界拼接机制(正交核共享边缘计数),优化框架有效防止了启发式搜索策略生成高度碎片化的像素级布局。最终的优化UGS网络倾向于形成中等规模、均衡且空间连续的斑块,而不仅仅是将资源集中在少数几个大型公园中。

5.1.2. 规划实施路径和无遗憾干预策略

这一优化框架的一个基本挑战在于将时间异质的结果转化为可操作的规划策略,因为城市建成环境在短期内相对固定,而热暴露风险随人类活动动态变化。为了解决这个问题,本研究提出了一个分为“共识叠加—类型匹配—分阶段实施”的规划应用框架。

首先,可以通过多情景和多时期的结果进行空间叠加来识别无遗憾干预区。具体来说,通过对三个时间点(08:00、14:00和20:00)和各种政策导向情景的优化结果进行叠加分析,可以识别出在不同时间和要求下一致被选中的“绝对共识区”,这些区域通常具有最小的产权障碍和低土地转换成本,同时服务于高密度人口——例如用于公共行政和服务的土地、低效仓储、农村宅基地和未使用的裸地。因此,应优先考虑在这些区域进行立即永久性的公园建设和UGS更新计划。相比之下,仅在特定情景下被识别的“高共识区”可以作为中期至长期的UGS储备,为未来的城市更新提供空间灵活性。

其次,结果的时间异质性指导UGS的类型配置。人口的功能需求随时间显著变化;因此,在不同时间优先考虑的地块不一定需要相同的建设模式。例如,仅在上午08:00高峰时段被频繁选择的区域主要是由通勤过程中的行人热暴露驱动的,适合进行线性绿化干预,如行道树和UGS走廊。相反,在20:00时段被识别的区域与夜间居民活动更密切相关,适合建设社区口袋公园和小型开放式UGS。因此,时间不一致性不是模型的缺陷,而是不同热暴露情景下对UGS服务需求的差异性体现。这种“暴露情景-类型匹配”模型提高了资源利用效率,并在最小化土地获取和建设成本的同时,实现了UGS的发展。

最后,政策情景之间的空间差异为分阶段实施策略提供了逻辑基础。在财政资源有限或政策目标不确定的背景下,地方政府可以采用适应性强的实施路径,根据不同发展阶段进行调整。例如,在财政压力较大的时期,可以优先考虑成本导向的方案,利用工业边缘土地、低效仓储空间和空置地块快速绿化。随着财政条件的改善或极端热浪频率的增加,重点可以逐步转向公平性和气候导向的情景,将绿色资源导向高密度和高度脆弱的旧城中心。这种分阶段和适应性的实施路径不仅提高了规划策略的实际可行性,还增强了城市热环境治理的适应能力和韧性。

5.1.3. 局限性与未来研究方向

尽管所提出的框架在支持以人为中心的UGS优化方面表现出了有希望的性能,但仍有一些方面需要进一步讨论和完善。首先,冷却目标是基于人均可及UGS与LST之间经验关系的统计代理制定的。这种表述方式在保持城市冷却需求与绿地供应的空间对应关系的同时,实现了高效优化,适用于土地使用优化和规划应用。因此,该框架旨在估算不同UGS配置的相对冷却潜力,而不是明确模拟详细的热动态过程。将基于物理的微气候模型(例如ENVI-met)、实地观测数据和传感器网络数据整合起来,可以在保持大规模空间优化所需的计算效率的同时,提高冷却估算的物理真实性。其次,本研究采用了夏季多时相平均地表温度(LST)作为通用的热基准,以分离日内人口流动对热暴露的影响。这种研究设计有助于在不同代表性时期之间进行一致比较,同时强调了人类活动模式与绿地分配之间的相互作用。所提出的框架还可以通过纳入时变LST、气温观测数据或城市能量平衡模型来扩展,从而提高其在不同规划背景下表示城市热环境时间变异性的能力。最后,本研究使用的高人口密度区域(UGS)分布是通过基于高斯的非等距插值方法,将基站服务区域内的移动信号数据降尺度到50米网格单元得到的。尽管这种方法显著提高了精细尺度规划分析中人口分布的空间表示精度,但在每个服务区域内分配人口仍存在一定的不确定性。这种不确定性可能会影响人均可获得的UGS以及随后的优化结果。由于所提出的框架主要依赖于人口分布的相对空间异质性而非绝对人口数量,因此主要的空间模式可能对中等的分配误差不太敏感;然而,这一假设在当前研究中并未得到明确测试。因此,未来的研究应评估其他的人口降尺度方法和空间分辨率,以系统地评估所确定的优先干预区域的敏感性和稳健性。

5.2. 结论

本研究提出了一个空间明确的多元目标优化框架,用于UGS分配,以通过同时优化冷却供应、土地转换成本、空间公平性和形态紧凑性的协同效益来减轻人口热暴露。以徐州市中心城区的每小时蜂窝信号数据(08:00, 14:00, 20:00)为例,实施了三种政策方案(BD、CE、SE)。主要发现总结如下:
(1)多元目标优化框架在协调相互竞争的城市需求方面表现出稳定的收敛性。转换成本与冷却效果之间存在明显的权衡,而冷却效果与空间公平性则呈现正相关关系。BD方案实现了冷却供应与人口暴露之间的时空平衡。
(2)政策指令决定了UGS的空间配置。CE方案通过在低成本工业和仓储地块集中UGS实现了最低的转换成本(507.34亿元人民币),但以牺牲空间公平性为代价。相比之下,SE方案优先考虑人口暴露较高的区域,实现了更高的冷却效果(20:00时为1.615°C)和更低的基尼系数(14:00时低至0.561),优于CE和BD方案。这种差异为地方当局提供了根据特定财政约束和规划优先级量身定制的灵活实施路径。
(3)通过多情景共识识别出无遗憾空间干预区,提供了一种实用的决策支持方法。在所有时间点和情景中始终被识别出的绝对无遗憾区域主要集中在公共管理用地、低效仓储用地和农村宅基地上。这些地区的产权壁垒较低,转换成本最小,是UGS优先实施的重点位置。此外,优化结果的时间异质性指导了不同UGS类型的选择:早晨高峰期(08:00)可能更适合线性绿化(例如街道树木),而夜间时段(20:00)可能更适合建设社区口袋公园。

总体而言,本研究通过将日内人口流动纳入优化过程,将UGS优化从传统的以土地为中心的范式推进到了一个多时相、以人为中心的规划框架。通过整合蜂窝信号数据和无遗憾干预逻辑,所提出的框架为热环境治理提供了实用的决策支持框架,从而支持在高密度城市中进行更具气候抵御力和公平性的UGS规划。

作者贡献声明:
刘亚文:撰写、审稿与编辑、验证、监督、项目管理工作。
刘永强:撰写、审稿与编辑、验证、监督。
李欣:撰写、审稿与编辑、验证、监督、软件开发、项目管理工作、方法论、资金筹集。
李一林:撰写初稿、数据可视化、软件开发、资源管理、方法论、正式分析、数据整理、概念化。

中国矿业大学徐州分校公共政策与管理学院,221116,中国
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