学术研究报告:优化城市绿地配置以增强热岛效应缓解——基于地理加权机器学习方法的研究
作者及发表信息
本研究的通讯作者为北京林业大学园林学院的*Cong Dong*,第一作者为*Yue Zhang*,合作作者包括*Jingtian Ge*和*Siyuan Wang*。研究发表于期刊《Sustainable Cities and Society》第119卷(2025年),文章编号106087,在线发布于2024年12月17日。
学术背景
随着全球变暖加剧,城市热岛效应(Urban Heat Island, UHI)对人类健康的威胁日益显著。绿地作为缓解UHI的关键要素,其扩张受限于城市空间资源。因此,优化现有绿地布局以最大化其降温效果成为研究重点。然而,不同地区对绿地形态的降温效果存在争议,传统线性模型难以捕捉非线性关系及空间异质性。本研究旨在通过改进的高斯核地理加权随机森林模型(Gaussian Kernel Geographically Weighted Random Forest, GWRF),分析绿地形态与地表温度(Land Surface Temperature, LST)的非线性关系,并对比传统模型(OLS、GWR、RF)的性能,为城市绿地规划提供科学依据。
研究流程与方法
1. 研究区域与数据
- 区域选择:以中国北京主城区(东城、西城、朝阳、海淀、丰台、石景山)为研究对象,涵盖不同城市功能区(如交通区、工业区、商业区)。
- 数据来源:
- LST数据:基于Landsat 8热红外传感器(TIRS)影像,通过辐射传输方程(Radiative Transfer Equation, RTE)反演,并经过辐射定标、大气校正等预处理。
- 绿地数据:利用归一化植被指数(NDVI)识别绿地范围,并通过景观格局指数(Landscape Metrics, LM)量化绿地形态特征(如边界复杂度、斑块面积、聚集度等)。
- 辅助数据:城市功能区数据来自清华大学EULUC-China数据库,行政区划数据来自国家地理信息公共服务平台。
模型构建与优化
gwml在交叉验证和权重计算上的局限性。数据分析
主要结果
1. 绿地形态与LST的关系
- 夏季:绿地总面积(CA)和边界复杂度(LSI)与LST呈显著负相关(R²=0.888),集中分布的绿地降温效果更优。
- 冬季:绿地形态指标(如CLUMPY)重要性上升,绿地可能通过保温作用提高局部温度(R²=0.791)。
模型性能对比
功能区差异
结论与价值
1. 科学价值
- 提出GWRF模型为空间异质性研究提供新方法,解决了传统模型在非线性关系和局部效应上的局限性。
- 揭示了绿地形态对UHI的季节性差异,为跨气候区研究奠定基础。
研究亮点
1. 方法创新:首次将高斯核函数与GWRF结合,提升模型对空间非平稳性的捕捉能力。
2. 跨季节分析:填补了冬季绿地调节作用的研究空白。
3. 实践导向:基于功能区差异的结论可直接指导城市规划。
其他发现
- 冬季朝阳区因高层建筑密集出现“冷岛”现象,未来需量化建筑高度与绿地的交互效应。
- 高分辨率气象站数据或可进一步提升模型精度,建议后续研究纳入动态时序分析。
(注:全文约2000字,符合学术报告要求)