城市建成环境对城市高温热应激的非线性、交互性影响及其与气候的依赖性

《Sustainable Cities and Society》：Climate-dependent nonlinear and interactive effects of the urban built environment on urban humid heat stress

　　周子妍|梁俊辉|杨燕|王振坤|田平平|王海涛
中国科学院地理科学与自然资源研究所，北京，100101，中国

**摘要**
在全球城市化加速和气候变暖的背景下，城市热湿应激（UHHS）已成为对城市公共卫生和可持续发展的日益重要的环境风险。然而，对大规模UHHS模式及其与建成环境之间非线性关系的系统评估仍然有限。本研究考察了中国1,593个城市，并构建了2005年、2010年、2015年和2020年的高分辨率夏季UHHS数据集。通过将多维建成环境指标与可解释的机器学习框架相结合，我们分析了UHHS的时空模式，并研究了其非线性响应和交互效应。结果表明：（1）UHHS在中国城市中呈现出“南高北低”的空间格局，并存在明显的区域差异：在热带-亚热带湿润（TSH）地区UHHS加剧，而在温带湿润和半湿润（TH）地区则总体上减弱；（2）在国家层面上，水比例（WaterP）是最重要的解释变量，而区域模型显示不同的结构，在TSH地区建成环境强度占主导地位，在TH地区植被和景观格局变量起着更大的作用；（3）WaterP和不透水面比例（ImP）都表现出非线性响应，表现为在低水平时敏感度高，随后逐渐饱和，而树冠比例（TreeP）在两个气候区表现出相反的效果。这些发现突显了UHHS的气候依赖性，并为气候适应性城市规划和管理提供了新的见解。

**引言**
目前全球约有55%的人口居住在城市地区，预计到2050这一比例将增加到68%（联合国2019年数据）。在快速城市化的背景下，城市可持续性面临一个关键挑战——温度升高（Andrews等人2018年；Tuholske等人2021年）和湿度增加（Buzan和Huber 2020年；Chen等人2025年）的复合效应正在将城市热湿应激（UHHS）推向人类耐热极限（Raymond等人2020年；Zhang等人2023年）。快速城市化进一步加剧了这一问题，因为它改变了土地覆盖和城市表面能量平衡（Harmay和Choi 2023年；Zhang等人2023年；Zou等人2025年）。UHHS已成为全球城市普遍现象（Ye和Yang 2025年），导致与热相关的发病率和死亡率显著增加（Ebi等人2021年；Guo等人2024年）。因此，准确监测和对UHHS的科学响应对于推进气候适应性城市发展至关重要。

为了定量评估UHHS，现有研究通常遵循两种主要建模范式：经验模型和机制模型（Abuwaer等人2025年；Buzan等人2015年；Feng等人2020年）。经验模型，如湿球温度（WBT）（Davies-Jones 2008年；Knox等人2017年）和湿球黑球温度（WBGT）（Budd 2008年；Cp和Minard 1957年），通过经验公式或统计关系整合了关键气象变量（包括温度和湿度），从而提供了人体环境热负荷的有效度量。其中，WBT基于热力学原理，直接反映了人类蒸发冷却能力的临界限制，因此在评估热湿应激和与热相关的健康风险时得到广泛应用（Raymond等人2020年；Wilson等人2024年；Zhang等人2023年）。相比之下，机制模型，如生理等效温度（PET）（H?ppe 1999年）和通用热气候指数（UTCI）（Br?de等人2012年），明确表示了人体热平衡过程，因此提供了更全面的生理描述。然而，它们的计算复杂性和高参数要求严重限制了它们在大规模、长期UHHS分析中的适用性（Zheng等人2025年）。

许多研究使用地面观测、卫星遥感和气象再分析数据集来研究UHHS及其空间特征（Chakraborty等人2020年；Du等人2025年；Jin 2012年）。地面气象站提供了空气温度和湿度的直接测量数据；然而，它们的分布稀疏且主要位于城市边缘，限制了它们解决由街道峡谷几何形状、土地覆盖组成和人类活动驱动的城市内部热湿条件异质性的能力（Luo等人2021年；Ning等人2022a）。卫星遥感提供了空间连续的观测数据，但主要捕捉的是地表温度而非近地表空气温度（Li等人2013年；Wu等人2025年）。由于地表辐射温度和近地表空气温度在物理性质上的根本差异（Li等人2023年；Safieddine等人2025年），以及缺乏关键大气湿度变量，卫星产品不能直接用于UHHS的定量表征（Chakraborty等人2022年）。再分析和融合气象产品虽然提供了长期连续性和全面的气象变量，但通常具有较粗的空间分辨率（约0.1°-0.25°），这不足以捕捉城市内部的细尺度热湿梯度，特别是在中小型城市地区（Adinolfi等人2023年；Langue等人2023年；Schwingshackl等人2024年）。因此，与人类热感知密切相关的UHHS的细尺度空间模式和时间变异性仍然理解不足。

UHHS与城市建成环境的组成和空间特征密切相关（Guo等人2025年；Ma等人2025年；Zou等人2025年）。研究表明，这种关系涉及建成环境的多个维度，包括：（1）景观组成，如植被、水、不透水面和其他土地覆盖类型的比例（Wang等人2024b；Wang等人2025年）；（2）城市景观格局指标，包括斑块密度（PD）、边缘密度（ED）、景观形状指数（LSI）和最大斑块指数（LPI）（Li等人2025b；Wang等人2025年）；（3）表面生物物理参数，如归一化植被指数（NDVI）、归一化水指数（NDWI）和归一化建成指数（NDBI）（Adeyeri等人2024年；Azhdari等人2018年）；（4）城市形态因素，如平均建筑高度、建筑体积、建筑表面积和表面反照率（Wang等人2025年；Wu等人2025年）；以及（5）社会经济因素，包括人口密度和夜间光照强度（Wang等人2024b；Wu等人2025年）。值得注意的是，建成环境对UHHS的影响很少是单一维度的；相反，它通常表现出复杂的非线性和交互关系（Wang等人2024b；Wu等人2025年）。例如，高建筑密度通常与加剧的城市热环境相关（Huang等人2021年；Wang等人2021年），而绿色基础设施虽然有助于表面冷却，但可能通过增强蒸散作用同时提高近地表湿度（Ma等人2025年；Yang等人2024年）。这些发现表明，UHHS受到多种建成环境因素的共同影响，强调了系统分析其非线性和交互效应的必要性，以更好地理解建成环境如何影响和调节UHHS。

在分析方法方面，早期研究主要依赖传统的统计方法，如相关分析和多元线性回归，来识别建成环境与UHHS之间的线性关联（Joshi等人2024年；Kashki等人2021年）。然而，UHHS的形成是由多个因素之间的非线性相互作用引起的（Cheval等人2024年；Ming等人2024年；Wu等人2025年），这限制了简单线性模型充分捕捉这些复杂关系的能力。近年来，包括随机森林和梯度提升树在内的机器学习方法越来越多地被用于建模非线性关系和评估解释因素的相对重要性（Ghorbany等人2024年；Snaiki和Merabtine 2025年）。尽管如此，大多数现有应用仍侧重于预测准确性（Du等人2025年）或变量重要性排名（Mansouri和Erfani 2025年），对单个变量的非线性边际效应以及多个因素之间的交互作用的关注较少。为了解决这些局限性，可解释的机器学习作为一种有前景的分析范式出现（Ming等人2024年；Pande等人2024年）。除了识别复杂的非线性模式外，可解释技术（如Shapley加性解释（SHAP）和部分依赖图（PDPs））还能够量化不同值范围内的边际效应，并可视化变量之间的交互效应（Jiang等人2024年；Yin等人2025年）。这一框架为系统分析建成环境与UHHS之间的多维和非线性关系提供了方法论支持。

大多数现有的UHHS研究集中在单个城市或依赖于静态空间分析，对大规模和长期时空模式及主要影响因素的关注有限（Yao等人2023年；Yao等人2022年；Zhou等人2024年）。为了解决这一差距，本研究考察了中国1,593个城市，并构建了2005-2020年的多期高分辨率夏季UHHS数据集。通过将多维建成环境指标与可解释的机器学习框架相结合，我们旨在系统地描述UHHS的空间模式和时间变异性及其与建成环境之间的非线性关系。具体来说，本研究解决了以下研究问题：（1）2005年至2020年间，中国城市的UHHS具有哪些空间模式和时间变异性？（2）哪些建成环境因素在影响UHHS中起主导作用，它们表现出哪些非线性关系？（3）关键影响因素之间存在哪些交互效应？通过提供大规模、长期的UHHS评估，本研究为其形成过程提供了新的见解，并为气候适应性城市规划和管理提供了实际意义。

**研究区域**
本研究分析了中国1,593个城市，以评估2005年、2010年、2015年和2020年夏季（6月至8月）建成环境对城市热湿应激（UHHS）的影响。研究区域涵盖了四个主要气候区，包括青藏高原（4个城市）、温带干旱和半干旱地区（63个城市）、温带湿润和半湿润地区（664个城市）以及热带-亚热带湿润地区（862个城市），代表了从干燥寒冷到湿润的典型水热梯度。

**UHHS的时空模式**
图3展示了2005年至2020年中国城市热湿应激（UHHS）的时空模式。从空间上看，UHHS表现出明显的纬度梯度，南部城市的水平始终较高，北部地区的水平较低（图3a-d）。中国南部——特别是长江以南地区、华南沿海地区和四川盆地——保持较高的UHHS值，通常在26至32°C之间。高强度UHHS区域（≥29°C）

**UHHS的空间模式和区域差异**
中国城市热湿应激（UHHS）表现出明显的空间模式，南部城市的水平较高，北部地区的水平较低，并伴随着2005-2020年间先下降后上升的非线性时间趋势。这种时空行为与中国基本的地理和气候条件基本一致，与东亚季风主导的水分传输系统密切相关。

**结论**
本研究使用可解释的机器学习框架分析了2005年至2020年中国1,593个城市热湿应激（UHHS）的空间模式和时间变异性，并研究了建成环境因素的影响。首先，UHHS表现出明显的南北梯度，南部城市的水平高于北部地区。不同气候区也显示出不同的趋势，在热带-亚热带湿润（TSH）地区UHHS增加。

**未引用参考文献**
（Ke等人，2017年；Bolton，1980年；Mari Rivero等人，2024年；Borah等人，2025年；Raymond，2023年）

**作者贡献声明**
周子妍：撰写——原始草稿；梁俊辉：撰写——原始草稿、可视化、数据管理、概念化；杨燕：监督、数据管理；王振坤：可视化、概念化；田平平：可视化、验证；王海涛：撰写——审稿与编辑、监督、资金获取、正式分析、概念化。

**利益冲突声明**
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

**致谢**
作者感谢提供本研究使用的开放获取气象、遥感和土地覆盖数据集的提供者。