[Sustainable Cities and Society]别再迷信固定生态阈值！可解释机器学习揭示城市热环境的阶段化驱动密码

点击蓝字关注我们哦~！

文章期刊：[Sustainable Cities and Society][SCI-1Q]

题目：蓝绿空间与城市化耦合下的地表温度非线性驱动机制：基于可解释机器学习的分析
英文题目：Nonlinear driving mechanisms of land surface temperature under the coupling of blue-green space and urbanization: An analysis based on explainable machine learning
投稿周期：
Received 3 April 2026; Received in revised form 12 July 2026; Accepted 13 July 2026;
文章链接：
https://doi.org/10.1016/j.scs.2026.107704

ABSTRACT&

HIGHLIGHTS

1.Highlights

1. 构建耦合协调度‑XGBoost‑SHAP分析框架，实现不同发展阶段下城市地表温度归因解析。

2. 郑州 2003‑2023 蓝绿空间‑城镇化耦合协调持续提升，呈现 “中心高、城郊低” 集聚空间格局。

3. 地表温度主导驱动因子随耦合协调梯度发生阶段转换，不存在适用于全域的固定生态阈值。

4. 人口密度、建成占比、水体、植被覆盖存在阶段依赖非线性响应区间，因子交互共同塑造城市热环境。

2.Abstract

在气候变化与快速城镇化的双重作用下，城市热胁迫问题不断加剧。蓝绿空间作为缓解城市热环境压力的关键生态基础设施，其降温效应受到景观格局、城镇化强度以及城市发展阶段差异的共同调控。本文以郑州市为研究案例，结合耦合协调度分类、极端梯度提升模型（XGBoost）与 SHAP 可解释归因方法，辅以稳健性检验与断点验证，开展蓝绿空间‑城镇化耦合与地表温度建模研究。结果表明：2003‑2023 年郑州市蓝绿‑城镇化耦合协调度持续增长，空间上呈集聚分布特征，城市核心区耦合协调度更高，城郊边缘区域协调度更低。地表温度的主导驱动因子随耦合协调梯度发生明显分化：在低协调梯度区域，主要驱动因子由建成用地占比转向森林占比；在中、高协调梯度区域，水体占比与人口密度对模型预测结果的贡献整体更强。非线性响应分析表明，核心蓝绿空间与城镇化指标的作用具备阶段依赖性，并不存在普适固定阈值。植被覆盖度的响应区间最为稳定，中后期非线性变化集中在 0.55‑0.63；在中高协调梯度的后期阶段，建成用地占比出现 0.79‑0.81 的增温预警区间；水体占比时间稳定性较弱，仅在 2023 年高协调梯度下识别出约 0.17 的响应区间。本研究为郑州市差异化热缓解策略提供基于模型的案例证据，也为其他耦合城市系统的相关研究提供方法参考。

研究背景和研究目标

01 选题背景

全球气候变化叠加快速城镇化发展，极端高温事件的频次与强度不断上升，城市热环境已经成为影响居民健康安全与宜居性的关键难题，缓解城市热风险、提升城市环境韧性成为众多城市面临的核心挑战。蓝绿空间包含城市森林、公园绿地、河湖湿地等生态要素，依靠遮阴、蒸散发、水体热惯性等机制降低地表温度，是应对气候变化、实现城市可持续发展重要的基于自然的解决方案。但城市热环境是生态基础设施与城市开发强度共同塑造的结果，大规模城镇建设与人类活动会改变地表属性造成热量集聚，同时卫星反演地表温度还会受到气温、风速、辐射等短时气象背景条件干扰。现有研究对于蓝绿空间降温效应尚未形成统一结论，对非线性关系、阈值响应以及发展阶段差异缺少系统阐释，很多研究简单套用固定阈值，忽略阈值会随环境发生动态变化；另外多数研究单独讨论蓝绿空间或者城镇化的环境效应，较少将二者视作耦合系统探究协同作用对热环境的影响，传统线性模型难以捕捉景观格局与地表温度之间复杂时空异质性，常常将不同发展阶段的城市视作均质单元，弱化了发展阶段差异对热环境驱动机制的影响，因此亟需从蓝绿‑城镇化耦合系统视角，借助可解释机器学习开展地表温度驱动机制研究。

02 研究目标

本文以快速城镇化的郑州市作为案例，搭建耦合协调度‑XGBoost‑SHAP 研究框架，融合 2003‑2023 多年网格多源数据，探究蓝绿空间‑城镇化耦合演变如何影响地表温度归因模式。具体厘清三大研究目标：第一，揭示 2003‑2023 年郑州蓝绿景观格局与城镇化进程之间耦合协调关系的时空演化特征；第二，探究在不同耦合协调梯度之下，景观组分与城镇化因子对地表温度的模型归因贡献是否存在阶段差异；第三，识别预测模型内部各影响因子是否存在阶段依赖的非线性响应区间以及变量交互结构，为内陆快速城镇化城市差异化热环境治理提供案例依据与方法借鉴。

研究方法和关键结论

01 研究方法

本研究选取 2003、2008、2013、2019（替代云污染的 2018 年）、2023 年 5‑7 月晴空少云 Landsat 影像获取暖季白天地表温度，综合土地利用、MODIS 植被指数、DEM、人口、GDP 多源数据，经过统一预处理重采样至 690 m 分析网格单元；构建包含景观组成、破碎度、空间构型、生态质量、地形约束五大类共 12 个蓝绿空间指标与城镇化指标体系，运用熵权‑耦合协调度模型计算蓝绿‑城镇化耦合协调度，受样本量不均衡限制，将原始 10 级协调等级合并为低、中、高三个耦合梯度；分梯度构建 XGBoost 回归模型，借助 SHAP 方法解析各因子贡献度、非线性响应模式与变量交互关系，采用分段线性回归完成 SHAP 响应断点检验；同时开展耦合分级重构敏感性分析，并且引入风速、近地表气温、辐射、湿度、降水气象控制变量完成稳健性检验，对比线性回归、随机森林模型保证模型结果可靠性。

02 关键结论

2003‑2023 年郑州市蓝绿空间‑城镇化系统耦合协调水平持续提升，空间上呈现中心城区高、城郊边缘低的集聚分布特征，城市扩张强度在 2018 年之后明显减弱；地表温度主导驱动因子随耦合协调梯度发生显著转变，低协调区域主导因子由建成用地占比逐步过渡为森林占比，中协调梯度水体占比长期占据主导地位，高协调梯度后期人口密度成为首要影响因子；关键指标不存在适用于全部场景的固定阈值，植被覆盖度 0.55‑0.63 是中后期相对稳定的响应区间，建成用地占比 0.79‑0.81 是中后期中高协调区域的增温风险预警区间，水体占比响应区间时间稳定性差，仅可作为后期高协调区域的谨慎参考；不同因子之间存在明显交互效应，森林与优良植被条件形成降温协同，人口集聚和建成用地叠加会加剧升温，而水体可以部分抵消人口密度带来的增温效应，城市热环境是各因子独立作用与交互耦合共同造就，城市热缓解治理不能只依靠增加蓝绿面积，需要结合不同耦合发展梯度实施分区、分阶段精细化空间管控策略。

美图共享

END

点分享

点收藏

点在看

点点赞

城市生态日记

URBAN ECOSYSTEM RECORDS