《Scientific Reports》：Research on the coupling mechanism between green space morphology and the urban heat island effect based on machine learning: a case study of Dali City, China
编辑推荐：
本研究针对城市绿地形态与热岛效应(UHI)耦合机制研究不足的问题，采用形态空间格局分析(MSPA)和随机森林(RF)机器学习方法，系统解析了大理市绿地七种形态类型对UHI的非线性影响。研究发现核心绿地通过增强连通性显著提升降温效率，RF模型(R2=0.88)优于传统空间回归模型，为高密度城市热环境调控提供了形态优化新范式。
随着城市化进程加速，城市热岛效应已成为困扰全球城市可持续发展的突出环境问题。传统研究多关注绿地面积与热岛强度的线性关系，却忽视了在土地资源紧约束条件下，绿地空间形态对热环境调节的关键作用。大理市作为典型高原城市，近年来气温以0.58℃/20年的速率攀升，热环境问题日益凸显。在此背景下，探究绿地形态与热岛效应的内在耦合机制，对山地城市的生态规划具有迫切现实意义。
为破解这一科学难题，彭建松团队创新性地整合多源遥感数据与机器学习算法，通过形态空间格局分析将绿地解构为7种功能形态类型，并采用随机森林模型捕捉其与地表温度(LST)的复杂非线性关系。研究首次系统比较了普通最小二乘法(OLS)、空间误差模型(SEM)、空间滞后模型(SLM)、地理加权回归(GWR)和随机森林(RF)五种模型在热岛模拟中的性能差异。
关键技术方法包括：基于Landsat影像的辐射传输方程反演地表温度，利用Guidos Toolbox进行形态空间格局分析(MSPA)识别7类绿地形态，结合数字高程模型、建筑高度、人口密度等13个驱动因子，采用随机森林算法构建非线性预测模型，并通过决定系数(R2)、均方误差(MSE)和均方根误差(RMSE)进行模型精度验证。
3.1 地表温度空间格局
热岛强度高值区集中分布于西南部工业园和北部交通枢纽区，这些区域植被覆盖低且裸地广布；而西部及洱海边缘因绿地比例高、水体调节作用形成明显低温区。这种空间异质性提示热岛效应受下垫面性质与人类活动的双重制约。
3.2 绿地形态空间特征
核心区占绿地总面积42.67%，以公园绿地和防护绿地为主，集中分布于城市边缘；边缘区和岛状区分别占20.99%和14.25%，广泛分布于建成区；桥接区和分支区作为生态廊道各占9.71%和7.70%，穿孔区和环状区仅占1.22%和3.46%。这种形态分布格局为解析不同功能单元的降温差异奠定了基础。
3.3 因子线性回归分析
Pearson相关性显示：热岛强度与海拔、NDVI、核心区、建筑高度等8个因子呈显著负相关，与NDBI、人口密度、道路密度等5个因子正相关。其中岛状区相关系数最高(-0.033)，核心区次之(-0.016)，反映出碎片化绿地对热岛的抑制作用反而更显著，这颠覆了传统认知中"面积决定论"的局限性。
3.5 非线性回归分析
随机森林模型揭示出更复杂的机制：在基准模型中，海拔(35.67%)、NDVI(34.61%)和人口(21.15%)是主导因子；而引入形态因子后，核心区、分支区等形态要素的解释力超越建筑高度和NDBI。进一步量化发现，核心区单位面积降温贡献率最高，因其具备连续植被覆盖和高连通性，促进热量传导扩散；相反，穿孔区因割裂核心区完整性，阻碍冷空气流动，导致局部积热。
研究结论表明，绿地形态通过"形态-连通性-功能"的链式反应调控热岛效应，其中核心绿地的完整性与连通性是提升降温效率的关键。随机森林模型(R2=0.88)相较传统模型展现显著优势，证实机器学习能有效捕捉热环境系统的非线性特征。针对大理这类山地城市，应优先保护核心绿地完整性，通过生态廊道连接碎片化斑块，构建地面植被-屋顶绿化-垂直绿化的多维体系。该研究为土地约束条件下的热岛 mitigation 提供了从"数量扩张"到"形态优化"的范式转型路径，对高原城市可持续发展具有实践指导价值。
