基于亚米级数据的中国主要城市绿地降温效应精细化研究

《Sustainable Cities and Society》：Enhancing the understanding of urban green space cooling effects in China’s major cities with a sub-meter dataset

　　本研究针对中国主要城市绿地(UGS)降温效应评估中存在的分辨率低、覆盖范围有限及分析框架不一致等问题，研究人员利用亚米级高分辨率遥感影像和深度学习技术，构建了覆盖49个主要城市的UGS数据集，并采用计量经济学方法系统评估了其降温效应。结果表明，UGS存在可使地表温度(LST)平均降低2.972°C，且其降温效果受城市功能分区(UFZ)、局地气候分区(LCZ)、气候背景和海拔等因素显著影响。该研究为基于证据的城市气候适应策略提供了高分辨率数据支撑，对提升城市气候变化韧性具有重要意义。

　　

随着城市化进程的加速，城市热岛效应(UHI)已成为严重影响城市可持续发展和居民健康的环境问题。在中国这样快速城市化的国家，城市人口从1978年的17.9%激增至2020年的63.9%，数百万人涌入城市导致城市规模急剧扩张和土地利用显著变化，这不仅加剧了UHI效应，还使城市面临更高的能源需求和健康风险。例如北京这样的特大城市，夏季经常经历高温，热岛强度可达4°C，对居民生活质量和城市可持续发展构成严峻挑战。

面对这一挑战，城市绿地(UGS)作为基于自然的解决方案，通过遮荫和蒸散等机制降低地表和周围空气温度，在城市热岛缓解中发挥着至关重要的作用。然而，现有关于中国城市UGS降温效应的研究存在明显局限：大多依赖中低分辨率遥感数据(10-30米)，无法捕捉街道树木或狭窄植被带等细尺度绿地；地理覆盖范围有限，且缺乏统一的分析框架，阻碍了对UGS降温效应的系统化、可比较和大规模评估。

为解决这些问题，研究人员在《Sustainable Cities and Society》上发表了一项开创性研究，通过开发覆盖中国49个主要城市的亚米级UGS数据集，并采用计量经济学方法系统评估了其降温效应，同时考虑了空间和环境异质性。

本研究主要采用了以下几个关键技术方法：首先，利用高分辨率卫星遥感影像，通过半监督深度学习(SSL)框架中的DeepLabV3+分割网络生成亚米级UGS数据集；其次，基于Google Earth Engine(GEE)平台，采用统计单窗算法(SMW)从Landsat影像中反演暖季(2020-2022年)地表温度(LST)数据；此外，还整合了多种辅助数据，包括水体、建筑特征、不透水表面、人口、城市功能分区(UFZ)、局地气候分区(LCZ)、海拔、柯本气候分区和气温等；最后，通过固定效应模型和交互效应模型，在100米×100米网格上量化UGS的总体和异质性降温效应。

研究结果与发现：

3.1. UGS和LST的分布特征

研究人员开发的UGS分割模型达到了86.06%的平均交并比(mIoU)，表明其在多样化城市景观中描绘UGS分布的高精度。通过对北京、上海、武汉和重庆四个代表性城市的可视化比较发现，高分辨率分割结果与原始图像显示出强烈的空间一致性，特别是在复杂城市环境中经常被忽略的小型或碎片化绿地斑块检测方面优势明显。与ESA WorldCover、Dynamic World和CLUD-Urban等中低分辨率数据集相比，本研究开发的亚米级UGS数据集在绿地覆盖率低于40%时表现优异，能更有效地捕捉小型和碎片化绿地。

3.2. UGS降温效应

固定效应模型结果显示，UGS覆盖度与LST呈显著负相关(β = -2.972，p < 0.01)，表明UGS存在可使LST平均降低2.972°C。一个标准差UGS的增加对应于约0.123°C的LST降低。模型进一步揭示了UGS与LST之间的非线性关系：边际降温效应随着绿地覆盖度的增加而递减，但降温效果增强。各控制变量也表现出一致效应，其中水体(WB)与较低LST强烈相关，建筑高度(BH)与LST负相关，而建筑面积(BA)和不透水表面(IMP)则显著提高LST。

3.3. UGS降温效应的异质性

3.3.1. 不同UFZ下UGS降温效应的异质性

在不同城市功能分区中，商业和工业区表现出最高的地表温度和最低的平均绿地百分比。相比之下，公共区域拥有最高的绿地覆盖率和最低的地表温度。UGS的降温效率在公共区域最高，工业区最低。具体而言，公共区域和居住区的UGS降温效应最强(-3.517和-3.470)，而工业区最弱(-2.159)。

3.3.2. 不同LCZ下UGS降温效应的异质性

根据建筑形态维度重新分类LCZ后发现，UGS在所有城市形态中都表现出显著的降温效应，其中开放区域(-4.576)和高层区域(-4.750)的效果最强，而低层区域(-1.813)相对较弱。这表明建筑密度和高度与绿地降温能力之间存在复杂的相互作用。

3.3.3. 不同气候和海拔下UGS降温效应的异质性

UGS在不同气候背景下均能显著降低温度，其中Dwa气候区效果最强(-4.630)，其次是BSk(-2.949)和Cwa(-2.066)，而Cfa气候区效果最弱(-1.054)。海拔方面，UGS在高海拔地区(-3.276)比低海拔地区(-2.890)表现出更强的降温效应，表明UGS的降温效益在干燥气候和高海拔地区更为明显。

3.3.4. 不同气温下UGS降温效应的异质性

UGS在所有温度范围内都有显著降温效果，当Ta ≤ 20°C时效果最强(-5.645)，随着温度升高至32-35°C时效果最弱(-1.462)，但在极端高温(Ta > 35°C)时，降温效果又略有增强(-2.671)，表明UGS冷却效率与环境温度之间存在非线性关系。

3.3.5. 不同城市规模下UGS降温效应的异质性

超大城市拥有较高的中位数UGS覆盖率，而特大城市和I型大城市的中位数覆盖率相似，II型大城市的覆盖率显著较低。在降温效应方面，超大城市和I型大城市的降温效应强于II型大城市，而特大城市表现出最弱的降温效应，这可能与特大城市中UGS配置效率较低有关。

研究结论与讨论部分强调，本研究通过整合高分辨率制图、大规模多城市数据集和稳健的分析框架，解决了先前在数据分辨率、空间覆盖范围和分析适用性方面的局限。研究发现UGS降温效应存在显著的空间异质性，这种异质性受到当地气候和地理条件的制约。特别值得注意的是，尽管特大城市拥有可观的UGS覆盖，但其降温效果较弱，表明UGS配置存在效率问题。

这些发现对城市规划者和政策制定者具有重要启示：首先，在高海拔或干旱气候区的城市，由于UGS具有更高的热效率，应优先考虑绿色基础设施投资；其次，在极热城市环境中，应采用复合适应方法，将植被与蓝色基础设施、风廊和反射材料相结合，以有效应对城市热岛；最后，气候适应政策必须基于对异质性的空间显式评估，推广针对特定背景的绿化策略，而非通用的“一刀切”指南。

该研究的重要意义在于为基于证据的城市气候适应策略提供了高分辨率数据基础，公开的数据集将进一步促进未来对细粒度城市环境的研究，支持基于证据的城市规划和气候适应策略制定。通过揭示UGS作为基于自然的解决方案的作用，本研究为增强城市对气候变化的韧性提供了重要见解，对推动可持续和宜居城市环境建设具有深远影响。