《Sustainable Cities and Society》：Spatial heterogeneity of driving factors for urban heat islands and carbon emissions: Decoding priorities, thresholds, and synergistic interactions
编辑推荐：
在全球气候变化与快速城市化背景下，城市热岛效应（Urban Heat Island, UHI）加剧与碳排放（Carbon Emissions, CE）激增构成严峻环境挑战。尽管UHI与CE的单独研究已较充分，但二者协同关系及影响因素的综合解析仍显不足。本研究以
在全球气候变化与快速城市化背景下，城市热岛效应（Urban Heat Island, UHI）加剧与碳排放（Carbon Emissions, CE）激增构成严峻环境挑战。尽管UHI与CE的单独研究已较充分，但二者协同关系及影响因素的综合解析仍显不足。本研究以福州市中心城区为对象，基于100?m?×?100?m网格单元的中微观尺度，融合空间聚类与夏普利加性解释（Shapley Additive Explanations, SHAP）机器学习方法，揭示UHI与CE的空间异质性，并解析建筑形态指标与地表特征指数对热岛缓解与碳减排的协同作用机制。研究发现：（1）UHI与CE呈显著空间相关性，且在全局尺度上主要受地表特征指数驱动；（2）构建“城市热岛-碳排放”（UHI-CE）关系空间异质性图谱，其中高热岛-高碳排（H-H）区占比19.3%，高于高热岛-低碳排（H-L）区（13.8%）与低热岛-高碳排（L-H）区（5.0%）；（3）不同分区内各指标对热环境与碳排放的影响方向与强度存在异质性，基于指数的建筑用地指数（Index-based Built-up Index, IBI）与归一化植被指数（Normalized Difference Vegetation Index, NDVI）为核心驱动因子；（4）核心指标存在非线性阈值效应，且热岛缓解与碳减排的优化值域存在重叠区间。本研究通过解码UHI-CE关系的空间异质性、因子优先级、非线性阈值及协同交互机制，为社区网格尺度差异化协同降温减碳策略提供空间决策支持。
论文解读：《Sustainable Cities and Society》刊发福州大学团队城市热岛与碳排放协同研究
研究背景与意义
当前全球气候危机持续加剧，人为碳排放（CE）推动全球变暖，威胁生态系统与社会可持续发展。政府间气候变化专门委员会（IPCC）明确指出，将全球平均气温升幅控制在1.5°C以内亟需实现碳达峰与碳中和。与此同时，城市热岛效应（UHI）在全球范围内普遍增强，预计到2100年其强度将提升29%至36%。中国快速城镇化进程导致城市碳排放占比高达71.7%-83.0%，而UHI进一步推高建筑能耗与居民健康风险。现有研究表明，UHI与CE之间存在双向反馈机制：UHI通过提升制冷能耗间接增加CE，而CE加剧温室效应进一步强化UHI。然而，既往研究多孤立探讨二者的影响因素，对其协同作用机制及空间异质性缺乏深入解析，尤其缺失社区尺度的精细化实证研究，制约了差异化协同调控策略的制定。
研究方法与技术路线
研究人员以福州市中心城区为研究区，将其划分为5,809个100?m?×?100?m社区网格单元。首先，分别构建UHI与CE的空间分布格局；其次，采用双变量空间自相关与聚类分析，识别具有显著差异的UHI-CE组合类型分区；进而引入可解释机器学习方法，利用夏普利加性解释（SHAP）值，定量解析不同分区下各影响指标的重要性排序、非线性阈值效应及协同作用机制；最终提出分区差异化调控策略。
研究结果
- •
全球空间分布特征
研究区UHI与CE空间分异显著，二者在全局尺度上呈现强空间相关性。稳健性分析表明，碳排放估算方法与网格分辨率选取合理可靠。地表特征指数是驱动UHI与CE的主导因素。
- •
中微观尺度空间异质性
基于空间聚类将研究区划分为四类UHI-CE环境组合区：高热岛-高碳排（H-H）、高热岛-低碳排（H-L）、低热岛-高碳排（L-H）及低热岛-低碳排（L-L）。其中，H-H区面积占比最大（19.3%），其次为H-L区（13.8%）与L-H区（5.0%）。不同分区内，建筑形态与地表特征指标对UHI和CE的影响方向与强度存在显著异质性。H-H区受高密度建设、功能混合及高人类活动强度影响，各指标效应最为强烈。
- •
关键驱动因子与阈值效应
基于指数的建筑用地指数（IBI）与归一化植被指数（NDVI）是调控UHI与CE的核心指标。各指标对UHI和CE的影响均呈现显著的非线性特征，存在明确的阈值效应。值得注意的是，部分指标（如NDVI）在促进热岛缓解与碳减排方面存在共享的优化值域区间，揭示了二者协同调控的潜在路径。
讨论与结论
本研究通过融合空间统计与机器学习可解释性方法，首次在社区网格尺度系统揭示了UHI-CE关系的多维空间异质性。研究证实，传统宏观视角的均质化管控难以适应城市内部微环境的复杂差异。通过解码不同UHI-CE分区下驱动因子的优先级、非线性阈值及协同交互机制，研究为城市规划管理者提供了精细化的空间决策依据。具体而言，在H-H区应优先控制建筑密度与不透水面比例，强化蓝绿空间布局；在L-H区需重点挖掘建筑节能潜力；而在H-L区则可探索适度提高开发强度的可行性。该成果发表于《Sustainable Cities and Society》，为城市实现“双碳”目标与气候适应性规划的协同发展提供了重要的科学支撑与实践范式。
