二维和三维城市形态如何在极端高温下影响城市表面温度：以中国北京为例的研究

《Ecological Frontiers》：How 2D and 3D urban morphologies impact urban surface temperature under extreme heat: A study in Beijing, China

　　

刘晨辉|陈宇克|张昊南|孟诗雨|杨薛良|郑立夫|张云璐

北京林业大学，北京 100091，中国

摘要

高密度城市中频繁出现的极端高温事件对公众健康和可持续城市发展构成了日益增长的风险。优化城市形态已被认为是缓解城市热岛效应的有效途径。本研究以北京六环路内的区域为研究对象，结合遥感影像和百度街景数据，构建了一个1公里网格尺度的2D/3D城市形态指标体系。通过空间回归和多尺度地理加权回归（MGWR）模型，分析了地表温度对多维城市形态的响应及其在各个环状城市区域中的空间差异。研究结果表明：(1) 综合的2D和3D指标体系能够有效解释地表温度（LST）的变化，其中2D指标的贡献比3D指标高出26.5个百分点；NDVI（归一化差异植被指数）、建筑密度和绿色视野指数是三个最重要的因素，这突显了平面土地覆盖和垂直立面结构对城市热环境的影响；(2) 城市形态对LST的影响在各个环状区域之间存在显著差异，例如道路密度在城市中心区域与LST呈正相关，而在周边区域则呈负相关；(3) MGWR进一步揭示了形态-LST关系中的显著空间异质性，表明城市形态的热效应会随空间尺度和地理位置的不同而变化；(4) 应根据每个环状区域的主要形态特征和空间特性采取差异化的城市更新策略。总体而言，本研究强调了在城市热环境研究中整合2D平面特征和3D立面特征的重要性，并为极端高温条件下的气候响应型城市规划提供了实际借鉴。

引言

随着全球城市化进程的推进，自然土地覆盖（尤其是植被和水体）越来越多地被不透水表面和建筑物取代，从而深刻改变了地表能量平衡和热量交换过程[1]、[2]、[3]。根据世界气象组织的《全球气候状况临时报告》，2023年、2024年和2025年全球平均温度达到了新的纪录高点[4]、[5]、[6]，同时许多地区经历了频繁的极端高温事件（EHEs）。在这种背景下，城市热岛效应（UHI）变得越来越明显。它不仅增加了建筑物的能耗和空气污染的风险，还加剧了高温对人类健康和城市功能的负面影响[7]、[8]、[9]。因此，减轻极端城市高温的影响和防止UHI效应进一步加剧已成为多个学科（包括气候学、生态学和城市规划）关注的重点[10]、[11]、[12]。

现有研究普遍认为，城市形态在调节地表温度（LST）和UHI效应的强度方面起着关键作用[13]、[14]。相关研究主要从两个维度探讨了这一问题：2D平面形态和3D空间形态[15]、[16]。2D指标通常包括植被和水体等自然要素的面积比例，以及建筑物和不透水表面等建筑组成部分。由于这些指标相对容易获取且适合进行区域尺度分析，因此被广泛用于解释LST的变化[17]。例如，Khoshnoodmotlagh利用土地覆盖类型来描述城市形态，并发现密集的建筑用地显著提高了LST[18]。相比之下，3D空间形态强调垂直结构属性，如建筑物高度、建筑面积比和街道峡谷，因此更能揭示城市空间结构对热量积聚和消散的影响[13]。Yujin Park等人基于2D土地利用信息和卫星热影像构建了建筑物和树木的三维数字模型，展示了3D树木和建筑物形成的城市遮荫对LST的影响[19]。Huang和Wang从2D和3D视角提取了武汉的城市形态参数，以研究城市形态与城市内部LST之间的复杂机制[20]。尽管在2D和3D城市形态指标体系方面取得了显著进展，但现有的3D指标的推导仍主要依赖于二维数据的三维重建（如建筑物高度[21]、密度[22]和体积），而从城市立面角度进行的语义表征仍然相对有限（如树高和天空可见度）。随着大数据分析的兴起，街景影像已成为捕捉城市立面特征的重要工具。基于深度学习的卷积神经网络可以从街景图像中提取3D形态特征[23]、[24]、[25]，包括绿色视野指数、天空可见度和建筑围合度，从而为理解城市形态的热效应提供了新的视角[26]、[27]、[28]。然而，在现有研究中，2D平面指标、传统的3D建筑指标和基于街景的立面指标往往被单独使用，而在统一的空间分析单元内进行综合比较仍然有限。同时，如何合理地将从街景影像中提取的局部立面特征汇总到区域尺度的建筑环境中，并将其与卫星观测得到的网格尺度LST关联起来，尚未得到充分讨论。

另一方面，城市形态与热环境之间的关系异质性尚未完全揭示。大多数现有研究仅停留在整个城市的平均效应上，而在巴黎、芝加哥、北京和上海等具有明显环状扩展模式的大城市中，不同的空间单元在开发强度、道路系统、绿地配置、建筑形式和功能组织方面存在显著差异[29]、[30]、[31]。因此，城市形态因素对热环境的影响表现出明显的空间异质性。同时，关于极端高温条件下城市热响应的现有研究大多在正常夏季条件、季节性变化或多年平均状态下进行[32]、[33]，而针对特定极端高温事件期间空间响应特征的基于事件的分析相对较少。与长期平均条件相比，极端高温事件更能揭示高风险时期建筑环境与热环境之间的强化耦合。因此，有必要在特定极端高温事件的背景下重新审视城市形态影响热环境的机制，以便为高风险时期的有针对性干预提供实证支持。

因此，本研究聚焦于中国典型的环状扩展型大城市北京，分析了2023年一次持续极端高温事件期间城市热环境的空间响应特征。在1公里网格尺度上，我们构建了一个2D和3D城市形态的综合指标体系，并结合空间回归模型和多尺度地理加权回归（MGWR）模型，系统分析了2D和3D城市形态对LST的联合影响、环间差异以及局部空间异质性。具体而言，本研究旨在：(1) 关注极端高温事件的过程，分析高风险时期城市形态-热环境关系的事件特定响应特征；(2) 将2D平面指标和从街景影像中提取的3D立面指标纳入统一的基于网格的分析框架，研究多维城市形态对LST的联合影响；(3) 结合北京特有的环状分层城市结构，从三个角度揭示城市形态对LST的影响差异，即全球平均效应、环状区域间的差异和局部非平稳性，从而为极端高温条件下的城市形态优化和有针对性干预提供规划建议。

章节摘要

研究区域

北京位于中国北方（116°20′E, 39°56′N），具有典型的北温带季风气候，夏季炎热多雨，冬季寒冷干燥，季节过渡期短暂。本研究聚焦于北京六环路内的区域（图1）。根据北京市总体规划，城市的核心功能分布在同心圆区域内：第二环路内的区域是政治、文化和商业中心，而第二至第四环路之间的区域

LST的空间分布

图5展示了LST的空间分布，显示出明显的空间异质性。研究区域的平均LST为33.54°C，范围介于28.16°C至37.21°C之间，标准差为1.44°C。从空间上看，呈现出“热urban core – cool periphery”的明显模式。高温区主要集中在第四环路内以及第四和第五同心圆区域的东南部；而低温区主要分布在

2D和3D城市形态对LST的联合效应

根据SLM（地表模型）的结果，城市形态因素与LST之间存在显著关系，2D和3D变量在效应方向和潜在机制方面也存在明显差异。在2D变量中，NDVI显示出对LST的显著降温效应。回归结果（表4）表明，较高的NDVI值（代表更密集的植被覆盖）与更强的降温效果相关

结论

本研究聚焦于北京六环路内的区域，在极端高温事件的背景下，将2D平面指标和3D立面指标整合到一个统一的基于网格的分析框架中。通过结合空间回归模型和MGWR模型，本研究系统地揭示了城市形态影响LST的机制，包括全球效应、环状差异和局部空间异质性。主要结论如下：

CRediT作者贡献声明

刘晨辉：撰写 – 原初草案、验证、软件开发、概念化。陈宇克：验证、形式分析。张昊南：数据整理。孟诗雨：资源获取。杨薛良：验证。郑立夫：监督。张云璐：项目管理和资金筹集。

资金

本研究得到了国家林业和草原管理局的“京津冀生态突破科学技术协作创新中心重点项目的资助，项目编号为2024132042”。

利益冲突声明

作者声明他们没有已知的可能会影响本文研究工作的财务利益或个人关系。