[论文分享]Spatiotemporal dynamics and nonlinear landscape-driven mechanisms of urban heat islands in a winter city: A case study of Harbin, China
📃 基本信息
[论文标题] 《寒冷城市城市热岛时空动态及非线性景观驱动机制：以中国哈尔滨为例》
[期刊信息] Sustainable Cities and Society (2025) | 作者: Qi An, Yu Dong, Wei Dong, Siyi Xiao
📌 一句话概括
该研究揭示了哈尔滨城市热岛（UHI）的时空动态和扩展类型，并利用RF-SHAP模型量化了景观变化对冬季城市UHI影响的非线性机制，为寒冷城市热环境管理提供依据。
📚 深度总结
本研究旨在深入理解全球气候变化背景下，冬季城市中城市热岛（UHI）效应的时空动态及其受气候、城市化和景观变化影响的机制。论文选取中国哈尔滨这一典型冬季城市作为案例，利用2002年至2023年的多时相遥感数据，构建了一个综合分析框架，以分析UHI的时空模式、量化其变化并分类其动态扩展类型。核心方法包括将随机森林（Random Forest, RF）模型与SHapley Additive exPlanations (SHAP) 分析相结合，以揭示景观变化对UHI动态的非线性影响。
研究发现，哈尔滨白天的UHI范围在364至547平方公里之间波动，而夜间UHI则从2002年的369平方公里扩展到2020年的698平方公里，呈现出更强且更一致的扩张趋势。重叠UHI（稳定热岛区域）在白天和夜间都占据主导地位，表明城市核心区域热岛的持续性。值得关注的是，夜间UHI斑块常沿松花江和呼兰河等主要河流出现，且强UHI区域向郊区森林扩张，这与传统认知中的“冷岛”效应形成对比，暗示了水体和森林在冬季城市中热量再分配的独特作用。
在景观驱动机制方面，研究指出了景观变化的非线性阈值效应。例如，不透水表面比例超过20%和人口密度增加超过2500人/平方公里，显著加剧了白天的UHI扩张。相反，植被覆盖（EVI变化）的增加和小规模水体变化（±5%）与夜间地表温度（LST）的降低相关。RF模型在解释白天UHI动态方面表现更优（测试集R2=0.404-0.618），而夜间UHI由于热过程的复杂性，解释力相对较低（测试集R2=0.206-0.470），但RF模型均显著优于传统OLS回归模型，验证了其捕获非线性关系的适应性。SHAP分析进一步量化了人口变化、香农多样性指数变化、植被指数变化和不透水表面变化在UHI形成和扩张中的主导作用，而森林和水体变化在收缩型UHI中作用更突出。
研究局限性在于未能纳入风速、云量、大气边界层高度等气象因素，以及高分辨率的3D城市特征（如建筑密度、街道峡谷几何形态）和人为热排放数据，特别是缺少冬季供暖系统运行数据。这些限制阻碍了对冬季城市SUHI形成物理机制的深入探究。此外，通过多年平均LST评估UHI可能削弱了夏季和冬季的季节性动态。
本速览仅作研究参考，不替代原文阅读。如需引用，请参考原论文。
🔍 要点追溯
- 研究方法: 遥感（MODIS LST, EVI），景观指数分析（SHDI），随机森林（RF）模型，SHAP（Shapley Additive exPlanations）可解释性分析
- 适用范围: 典型冬季城市（以中国哈尔滨为例），高纬度寒冷气候区
- 使用工具: Google Earth Engine (GEE), ArcGIS 10.7, Python (scikit-learn框架)
- 数据来源: MOD11A1 V6.1 (LST), MOD13A1 V6.1 (EVI), CLCD (土地利用), LandScan Global products (人口数据)
- 参考标准: 中国国家土地利用分类标准