城市环境通过城市热岛效应加剧了能源消耗的敏感性

《Sustainable Cities and Society》：Urban environment intensifies energy consumption sensitivity through the urban heat island effect

　　闫晓琴|黄周|任淑良|尹甘民|齐俊楠|郑江鹏|鲍毅
北京大学地球与空间科学学院遥感与地理信息系统研究所，中国北京

**摘要**
城市环境指标（UEI），如建筑形态，通过直接反映基础能源需求和间接通过城市热岛（UHI）效应调节需求，影响居民电力消耗（REC）。然而，现有研究经常忽视UEI、UHI和REC之间的级联因果关系，导致对其机制的评估存在偏差。为了解决这一差距，本研究采用基于双重机器学习（DML）的因果推断框架来量化能源-热响应强度，并分解UEI影响REC的双重路径。结果表明，能源-热响应强度存在多尺度空间异质性（城市尺度：254.9–2,531.9 MWh/°C；地块尺度：300–6,100 MWh/°C），在经济发达地区响应更为强烈。分解分析显示，UEI对REC的直接路径占总效应的72–86%，而通过UHI介导的间接路径贡献了14–28%。通过区分这些级联路径，研究表明，忽略热调节的传统线性回归方法低估了UEI对REC的影响，相对于DML而言大约低12%。情景模拟进一步表明，扩大绿地可以通过缓解UHI间接减少2,890 MWh的电力消耗。这些发现为在日益加剧的热压力下实施空间差异化策略以优化城市能源系统提供了可行的见解。

**引言**
全球气候变化正在加剧高温事件的频率和强度，特别是在快速城市化的地区（Wang等人，2021年）。城市扩张用不透水表面取代自然植被，集中了人为热排放，使全球城市热岛（UHI）强度每十年增加约0.08°C（Yang等人，2024年）。由此产生的热应力导致居民电力消耗（REC）大幅增加，主要是由于夏季降温需求的增加以维持热舒适度（Wentz等人，2024年；Jiang等人，2025年）。中国的建筑降温需求增长速度最快，2017年达到400,000 GWh，并预计到2030年几乎翻倍（IEA，2019年）。这些趋势凸显了研究城市能源系统如何应对热应力的紧迫性，从而为基础设施优化和促进可持续城市发展提供依据。

能源-热响应量化了居民在高温下为维持热舒适度所需的主动降温电力消耗，表征了能源系统随温度变化的波动程度（Perera等人，2023年）。与测量经济响应率的温度弹性（Lee和Chiu，2011年）或计算基于阈值的累积需求的冷却度日（Harvey，2020年）不同，能源-热响应具体量化了每单位UHI强度增加所需的电力。较高的值表示更高的能源消耗敏感性。现有研究验证了UHI与REC之间的相关性，表明在全球变暖情景下，UHI效应使降温能耗增加了15–126%（Berardi和Jafarpur，2020年）。然而，孤立地评估这种响应可能会导致估计偏差，因为它受到更广泛城市环境的影响（Magli等人，2015年）。城市环境指标（UEI）量化了城市表面的物理属性，包括建筑形态指标（例如，高度、密度）（Bao等人，2025年）、绿地属性（例如，覆盖率）（Ren等人，2025年；Wang等人，2025年）、水几何形状（Steeneveld等人，2014年）和气候变量（Yuan等人，2022年）。这些指标共同塑造了局部微气候并影响能源消费行为（Deng等人，2021年）。因此，阐明城市环境如何调节能源-热响应对于城市规划至关重要。

先前的研究已经考察了这一级联机制的各个组成部分。关于UEI与UHI之间的关系，研究证实特定的2D/3D城市形态特征显著促进了热量积累（Li和Hu，2022年；Chen等人，2025年），而绿地提供了重要的降温效果（Xu等人，2025年）。这些效应在不同环境组合下可能表现出空间异质性（Ren等人，2025年）。例如，周围建筑形态可以改变相同绿地覆盖率的降温效果多达8°C（Wu等人，2024年）。同时，UEI作为城市系统的关键物理决定因素影响REC，高密度建成区通常表现出更高的总能源需求（Mittakola等人，2024年）。此外，建筑属性和景观可达性通常作为社会经济地位的代理，影响能源消费模式（Sim O Es和Leder，2022年）。尽管有这些见解，现有研究通常将热和能源的影响视为独立的研究领域，而不是相互关联的因果链的组成部分。

理论上，UEI通过直接和间接路径影响REC（Bowler等人，2010年；Quan和Li，2021年）。直接路径与发展的物理规模相关，其中建筑密度等指标决定了与设备和居住者相关的基线能源负荷（Shareef，2021年）。相反，间接路径通过热调节机制进行调节（Liu等人，2022年）。例如，绿地覆盖率改变了UHI强度，从而驱动了降温需求，突显了通过环境降温实现节能的潜力（He，2019年；Wang等人，2023年）。然而，传统分析在建模能源消耗时通常将UEI和UHI视为平行独立变量（Toparlar等人，2018年；Zhang等人，2024年）。这种方法忽略了热环境的调节作用，导致对因果贡献的评估存在偏差。区分这些路径对于城市规划者平衡形态设计与微气候改善至关重要。

此外，城市能源公平性也值得关注。不同社会经济群体之间存在物理环境不平等，脆弱人群通常居住在建筑密集且绿地不足的社区中（Giridharan和Emmanuel，2018年；Rocha等人，2024年）。由于经济负担能力和热舒适度期望的限制，这些群体在应对热应力时承受不成比例的能源负担（Dong等人，2022年）。然而，以往的研究主要依赖于宏观层面的统计数据（Zhang等人，2023年）。尽管有一些研究在细粒度上考察了能源使用的公平性（Tong等人，2021年），但它们忽略了当地背景差异对能源消耗的定量影响。解决这一差距对于制定有针对性的空间能源优化策略和缓解城市能源不平等至关重要。

总之，尽管在分析成对关系方面取得了进展，现有研究经常忽视连接UEI、UHI和REC的复杂因果链。当前的城市能源研究在评估REC时通常将UEI和UHI视为独立变量，从而忽略了当地热条件主要由城市环境塑造而非独立发展的基本物理机制（Palme等人，2017年；Li等人，2019年）。这种建模方法未能考虑因果链，导致潜在的估计偏差。此外，一个能够定量分解UEI对REC总效应为直接需求和间接热调节路径的系统框架仍然缺失。因此，准确量化能源-热响应强度并系统地分解UEI影响REC的双重路径已成为关键的研究问题。为了解决这些差距，本研究提出了一个基于双重机器学习（DML）的框架，用于分析冷却季节UEI、UHI和REC之间的因果机制。本研究有三个主要贡献：（1）通过明确建模UEI、UHI和REC之间的级联关系，该框架能够更准确地估计能源-热响应强度并揭示其多尺度空间异质性；（2）UEI对REC的总效应被分解为直接路径和UHI介导的间接路径。与传统将UHI和UEI视为平行独立变量的线性回归相比，DML明确考虑了这一路径，从而提供了更准确的效应估计；（3）情景模拟预测了在不同城市发展模式下的UHI强度和REC的未来变化，并验证了微气候干预的间接节能潜力。这些发现为优化城市设计策略和推进可持续发展目标（SDGs）提供了关键证据。

**研究设计**
本研究开发了一个分析框架，以研究UEI、UHI和REC之间的因果关系（图1）。首先编译多源数据集以计算每个变量。2019年夏季（6月至8月）作为代表性观察期，以捕捉冷却季节的能源-热响应。与中国北方地区以化石燃料为基础的区域供暖系统为主的不同，全国范围内的夏季降温

**多尺度空间异质性**
开发了结合XGBoost作为基础学习器的DML模型，以捕捉UEI、UHI和REC之间的非线性关系，随后应用残差回归来分离因果效应。基于2019年夏季的观测数据，这些模型在大多数城市中提供了可靠的预测（图2a）。具体而言，UEI-UHI模型的平均R2为0.68，郑州和西安等北方城市的R2值更高（R2=0.83）。UEI-REC模型的平均R2为0.50

**能源-热响应强度的空间异质性**
本研究通过因果推断框架估计能源-热响应强度，量化了能源消费对城市热应力的敏感性。通过将UHI视为中介变量并控制城市环境指标的非线性混杂效应，该框架能够严格估计城市能源系统对热条件的响应。实证结果表明，UHI强度变化1°C会导致REC变化

**结论**
本研究采用双重机器学习来研究UEI、UHI和REC之间的因果关系。结果揭示了能源-热响应强度的多尺度空间异质性（城市尺度：254.9–2,531.9 MWh/°C；地块尺度：300–6,100 MWh/°C），在经济发达地区响应更为强烈。UEI对REC的总效应被分解为直接路径和UHI介导的间接路径，直接机制占72–86%，间接路径

**资金来源**
我们感谢国家自然科学基金（U2344216、42271471、42401559）和博士后创新人才支持计划（授权号BX20240001）的财政支持。

**补充信息**
支持信息包括研究区域的地理位置、气候区和经济区信息（表S1）；UEI-UHI的模型训练结果（表S2）；UEI-REC的模型训练结果（表S3）；基于双重机器学习的中介效应分析结果（表S4）；使用DML框架内各种基础学习器的稳健性验证和因果估计比较（表S5-S6）；计算建筑形态的方法

**作者贡献声明**
闫晓琴：撰写——原始草稿、方法论、调查、概念化。
黄周：撰写——审稿与编辑、监督、资金获取。
任淑良：撰写——审稿与编辑、验证、概念化。
尹甘民：可视化、调查。
齐俊楠：可视化、数据管理。
郑江鹏：验证、方法论。
鲍毅：验证、资金获取、概念化。

**利益冲突声明**
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。