📘论文基本信息
论文题目：Multi-Scenario Prediction of Future Urban Heat Islands: An Integrated 2D-3D Spatial Morphology-Driven Approach in Wuhan Metropolis论文作者：Yunhao Fang, Zunling Zhu 期刊：Sustainable Cities and Society第一单位：College of Art & Design, Nanjing Forestry University, Nanjing 210037, PR ChinaDOI：https://doi.org/10.1016/j.scs.2026.107560
准确预测未来城市热岛效应对于制定气候适应型规划至关重要。现有模拟研究大多依赖于二维土地利用与城市热岛响应关系，对三维建筑形态指标的整合有限。为弥补这一不足，本研究以武汉大都市区为例，提出了一种模拟框架，整合了四类空间形态因素——二维指标（土地利用、地理位置、景观格局）和三维指标（建筑形态）。基于LightGBM算法，构建了城市热岛强度（UHII）模拟模型，并设计了五种不同的发展路径：自然演化基线情景（NEBS）、规划导向发展情景（PODS）、发展强度控制情景（DICS）、产业空间集约化情景（ISIS）和生态整治优先情景（ECPS）。这些情景被用于模拟2030年城市热岛效应的空间格局和风险分布。结果表明，LightGBM模型具有极佳的预测精度，其中水体覆盖率和容积率被确定为城市热岛效应的主要驱动因素。不同空间干预策略的缓解效果差异显著：在NEBS情景下，受城市热岛效应影响的区域面积从2020年的37.7%增加到40.2%，而PODS情景将其降低至29.7%。DICS和ISIS情景进一步将这一比例分别降低至15.3%和16.2%，而ECPS情景的调控效果最为显著，将受城市热岛效应影响的区域面积降低至14.5%。值得注意的是，即使在PODS情景下，汉口中心城区（HCC）、武港工业区（WIC）、光谷住宅区（OVRC）和转口经济开发区（ZEDC）这四个主要城市群仍然是城市热岛效应加剧的局部热点区域，覆盖面积达86平方公里（ 2.5%）。这一发现表明，当前的规划方案需要在这些关键区域进行更精细的干预，例如加强容积率控制、优化土地利用布局以及强化蓝绿空间系统的整合。此外，在所有五种情景下，高风险城市热岛效应区域均集中在中心城区，其中在DICS情景下该区域面积最小。本研究为面向未来、以缓解城市热岛效应为重点的城市空间规划提供了一个可操作的情景模拟框架和决策支持基础。
🧩 研究结论
本研究模拟了武汉大都市多种情景下的城市热岛效应。首先，利用多源数据测量了2010年和2020年的城市热岛强度（UHII），并提取了土地利用、地理位置、景观格局和建筑形态四个维度的空间形态因子。其次，利用LightGBM回归构建并验证了UHII模拟模型，并量化了UHI效应对空间形态的条件敏感性。第三，通过定义五种不同的情景——自然演化基线情景（NEBS）、规划导向发展情景（PODS）、发展强度控制情景（DICS）、产业空间集约化情景（ISIS）和生态整治优先情景（ECPS）——及其相应的模型输入参数，模拟了2030年UHII的空间分布。最后，整合未来人口数据以评估UHI风险。该研究旨在为可持续城市热环境管理提供前瞻性指导和反馈，并得出以下结论：
（1）随着城市化的不断推进，武汉大都市受城市热岛效应影响的面积从 2010 年的 241 平方公里（占研究区域的 7%）扩大到2020 年的 1308 平方公里（占研究区域的 37.7%）。强热岛效应的面积显著增加，从 9 平方公里增加到311平方公里。
（2）基于LightGBM算法构建的模拟模型在预测城市热岛强度方面表现出较高的准确性。在五种情景下，各驱动因素的影响呈现出异质性。其中，水体覆盖率和容积率始终是重要的驱动因素，它们的相对重要性分别在0.44至0.65和0.37至0.63之间。
（3）模拟结果显示，在NEBS情景下，城市热岛效应影响区域的比例将从2020年的37.7%上升至2030年的40.2%，而PODS情景则将其降低至29.7%。DICS和ISIS两个针对性干预情景进一步验证了精细化空间策略的有效性：DICS将城市热岛效应影响区域的比例降低至15.3%，ISIS将其降低至16.2%。ECPS情景的调控效果最为显著，城市热岛效应影响区域的比例降至14.5%，较2020年下降了23.2个百分点。
（4）模拟结果还显示，尽管规划优化系统（PODS）有助于缓解城市热岛效应加剧，但汉口中心区（HCC）、武港工业区（WIC）、光谷住宅区（OVRC）和转口经济发展区（ZEDC）这四个主要区域仍是2020年至2030年间城市热岛效应强度显著增加的区域，总面积达86平方公里（占研究区域的2.5%）。这表明当前的规划策略需要进一步优化。在现有规划框架内，可以考虑针对这些区域采取诸如管理容积率、控制住宅和工业用地以及整合蓝绿空间等措施。尽管生态保护规划（ECPS）在理论上展现出最强的城市热岛效应缓解效果，但其全面实施仍面临诸多实际挑战，包括土地利用冲突、经济压力、制度惯性和社会接受度等。分阶段实施、优先考虑这四个主要城市群以及与其他方案相结合等折衷策略，可以在不完全牺牲生态效益的前提下，提高其在现实世界中的可行性。
（5）五种情景下，高城市热岛效应风险区主要集中在中心城区，但范围有所不同。在NEBS情景下，高风险区面积为232平方公里（占总面积的6.7%）。在PODS情景下，高风险区面积较NEBS情景有所减少，为193平方公里（占总面积的5.6%）。在DICS情景下，高风险区面积最小，仅为110平方公里（占总面积的3.2%）。
🌍 重要图表
🖼️ 图 1. 研究区域。
🖼️ 图 2. 研究方法框架。
🖼️ 图 3. PODS （规划导向发展情景）下 2030 年驱动因素的空间分布。(a)-(l) 分别表示 P_Com、P_Res、P_Ind、P_Tra、P_Gre、P_Wat、Dis_Gre、Dis_Wat、AI、PD、SVF 和 FAR。（注：本图展示了 PODS 情景的参考输入配置，作为表 5中参数调整的基准。所有其他非 NEBS 情景的调整均以相对于该基准的百分比变化进行。）。
🖼️ 图 4. 五种场景的概念图：（a）NEBS，（b）PODS，（c）DICS，（d）ISIS，和（e）ECPS。
🖼️ 图 5. LightGBM模型性能评估。(a) 2010 年反演 UHII 的空间分布；(b) 2010 年模拟 UHII 的空间分布；(c) 密度散点图，显示 2010 年反演 UHII 与模拟 UHII 之间的关系（基于测试样本）；(d) 2020 年反演 UHII 的空间分布；(e) 2020 年模拟 UHII 的空间分布；以及 (f) 密度散点图，显示 2020 年反演 UHII 与模拟 UHII 之间的关系（基于测试样本）。
🖼️ 图 6. 不同场景下驱动因素敏感性的条件 SHAP 分析：（a）NEBS，（b）PODS，（c）DICS，（d）ISIS，和（e）ECPS。
🖼️ 图 7. 2030年不同情景下 UHII 等级面积比例的统计结果：（a）NEBS，（b）PODS，（c）DICS，（d）ISIS，和（e）ECPS。
🖼️ 图 8. 2030年不同情景下城市热岛风险的空间分布：（a）NEBS，（b）PODS，（c）DICS，（d）ISIS，（e）ECPS。
📢 声明
本文内容基于作者对论文的个人阅读与理解，难免存在疏漏或不当之处，仅供学习交流使用，不构成任何学术结论或商业性引用。若文中对原文理解不准确，或涉及版权问题，欢迎及时联系指正，我将第一时间进行修改或删除。感谢理解与支持！
🛰️ 未来本账号将持续更新 GIS、遥感、城市研究相关的数据、工具与教程。如果你对某类数据、某种研究主题或某项技术分享感兴趣，欢迎在评论区留言或私信告诉我们。
10个月宝宝每天需要喝多少奶粉？
