Effects of 2D/3D urban morphology on land surface temperature: Contribution, response, and interaction

doi:10.1016/j.uclim.2023.101791

城市气候

第53卷2024年1月101791

https://doi.org/10.1016/j.uclim.2023.101791 获取权限和内容

亮点

•

3D城市度量比2D城市度量在塑造LST方面起着更关键的作用。
•

3D-3D度量对的交互比2D-3D度量对更强。
•

2D-3D度量对之间的交互取决于特定的阈值。
•

3D-3D度量对之间的相互作用通常表现出协同效应。

摘要

城市形态严重影响城市内部热通量的传输，从而直接调节城市热环境。尽管以前的研究表明城市形态可能对地表温度有显著影响（LST），但很少有研究同时讨论城市形态对不同城市单元LST的影响，特别是在不规则街区尺度上。在这里，我们使用极端梯度推进（XGBoost）模型和SHapley加法解释（SHAP）方法探索了多维城市形态和LST之间的关系。特别是，我们揭示了LST城市形态指标在街区（即由道路描绘的不规则尺寸）和网格尺度（即200 × 200 m的规则网格尺寸）上的相互作用。结果表明，城市指标对城市绿地景观的贡献大小依次为：三维建筑指标>二维不透水面景观指标>二维城市绿地景观指标。平均建筑高度（AH）和景观IS百分比（PLAND_IS）分别是街区和网格尺度上最重要的指标。此外，一些度量具有升温或降温效应的特定阈值，例如，当AH超过19 m时的降温效应和当PLAND_IS>49%时的升温效应。最后，我们发现3D-3D度量对的交互效应比2D-3D度量对更强。这些发现为理解二维和三维城市形态对LST的驱动机制以及优化城市形态以减轻城市热岛效应提供了有用的信息。

城市热岛效应xgboostshap方法可持续发展目标

1.导言

全球快速城市化和工业化造成的城市热岛（UHI）效应导致世界主要城市变暖的速度是全球平均速度的两倍（IPCC，2021）。持续的城市化和不断增加的温室气体排放将导致16亿人在本世纪中叶暴露在高温下（C40 Cities，2021）。快速城市化也伴随着空间结构的形成和转变以及景观的结构变化，称为城市形态（Elzeni et al.，2022）。城市形态学被认为是对连贯的邻里形态（如开放空间、建筑）和功能（如以土地覆盖的空间特征表示的人类活动）的研究（Azhdari等人，2018；邦苏和小笠原，2023；穆等，2022）。城市形态的转变改变了土地覆盖的透射率和蒸发，从而改变了城市地表的热特性（Grigora ş and Uri á escu，2019）。因此，广泛观察到的城市形态驱动因素可以提供对城市热环境与城市复原力之间关系的深入理解（Azhdari et al.，2018；黄、王，2019）。

在以前的研究中已经探索了改变城市形态的物理特征以减轻城市过热的危害（刘等，2020b，刘等，2020c郑等，2023）。例如，许多城市气候学研究揭示，具有高不透水表面（IS）密度的城市中心的传统布局导致城市温度升高（李等人，2011；王等，2022b）。在合同中，城市绿地（UGS）组成和配置的管理和规划可以提供显著的降温效果（杜等，2016；王等，2022a）。随着遥感技术的不断进步和遥感产品的广泛使用，2D城市形态指标的变量，包括土地覆盖/利用类型（Petralli等人，2014；Tabassum等人，2023）、景观组成和配置模式（周等人，2017）和街道模式，已被用来研究它们之间的关系（刘等人，2018；肖等，2022）。然而，上述研究仅讨论了2D城市形态度量和LST之间的双变量关联，2D和三维城市形态特征对LST的相对贡献尚未充分探讨。

城市热环境受到2D土地覆盖/使用组织和建筑物三维特征的调节，其中高层建筑增加了白天的太阳能吸收，减少了夜间的热量损失（Salvati等人，2019年）。鉴于复杂的城市形态，土地覆盖未能代表真实景观结构的空间异质性（孔等，2022；袁等，2023）。越来越多的研究调查了三维建筑形态对复杂三维结构的影响（李和胡，2022；曾等，2022；周等，2022b）。研究人员使用从机载激光雷达获得的点云数据来计算指标（例如，高度、体积和地上生物量），以表征植被几何形状（Chen等人，2022a孔等，2022；Plowright等人，2017；于等，2020），从而探索三维植被对城市热环境的影响。这些研究提供了三维景观对LST影响的定量评估。然而，2D和三维城市形态指标对LST的影响仍然与相关研究不一致。比如伯杰等人。（2017）得出结论，3D城市形态学指标始终优于一些最广泛使用的2D指标，而Chen等人（2022b）发现夏季LST变化受更多2D指标的控制，而不是3D指标。这些研究得出的不一致的结论意味着2D和三维城市形态对LST的影响仍有争议。

城市形态2D/3D特征与LST之间的联系是复杂和多维的。为了探索城市形态度量与的关系，相关研究主要采用了相关系数（周等，2022b）、线性回归（如多元回归（周等，2011）、空间回归（春和古德曼，2018））、地理探测器（胡等，2022）、机器学习（如弹性网络回归（赵等，2020）、随机森林（RF）（赵等，2019）、极端梯度推进（XGBoost）模型（周等，2022a）等。最近，深度学习（即卷积神经网络（CNN））已被用于检测城市形态对的影响和相对重要性（Logan等人，2020年），展示了CNN在地理空间数据方面的潜力。随着分析方法的进步，城市形态效应中的非线性特征逐渐被人们所探索。特别是城市形态指标对的阈值效应（胡等，2020；袁等，2021）。尽管机器学习和地理探测器已经广泛研究了非线性关系，但是，只有少数研究考虑了2D和3D城市形态特征对LST的交互影响（即一种非线性）。最近，Lundberg和Lee（2017）提出的SHapley加法解释（SHAP）方法证明了证明可解释变量之间的关系和描述它们对预测的影响的优势。因此，SHAP方法允许我们以更连续的方式考虑2D和三维城市形态的相互作用，并解决具有复杂行为和相互关联的影响因素。

此外，以前的研究通常使用规则网格单元调查城市形态对的影响（Chun和Guldmann，2014；戴等，2018），这可能会产生有偏差的估计（黄和王，2019），并难以为城市管理者提供实用的操作指南（尹等，2018）。此外，由规则网格单元分割的景观可能会在确定城市形态对LST的影响时引入不确定性，并且分割的景观斑块不能很好地反映其组成和配置（例如景观的结构——功能边界）。相比之下，不规则的城市街区单元可以被视为城市发展项目和实施城市可持续发展措施的适当和可操作的规模（陈等，2022a尹等，2018），并在最近的研究中被广泛用作分析单位（胡等，2020；姚等，2020；袁等，2021）。由于LST和城市形态之间的关系依赖于尺度（Niemel ä，1999年），我们同时采用规则网格尺度和不规则街区尺度来调查城市形态对LST的影响，以减轻单一分析尺度带来的不确定性（Plowright等人，2017年）。

总之，2D和三维城市形态之间的内在联系的充分解释，以及它们对LST的相对重要性仍然不清楚。考虑分析单位的规模可能会影响城市形态的变化（Plowright等人，2017；周等，2022a，周等，2022b）。我们首先使用高分辨率高芬-2（4米）遥感图像和开放的地理信息数据源，在两个尺度（即不规则街区单元和规则网格单元）上描述了2D和三维城市形态。然后，我们应用XGBoost回归和SHAP方法分别在块和网格尺度上研究了二维和三维城市形态与LST之间的关系。这些关系的稳定性和变化性旨在回答以下三个问题：

(1)

在不规则块和规则网格单元中，与LST相关的2D和3D城市形态特征有什么不同？
(2)

2D和三维城市形态特征对LST的综合影响是什么？
(3)

2D和三维城市形态特征之间的相互作用如何在调节LST变化中发挥重要作用？

2.数据和方法

2.1.研究区

西安（东经107°24′至109°29′，北纬33°25′至34°27′）位于中国关中平原，属半湿润暖温带大陆性季风气候（图1）。2018年夏季，6月、7月、8月平均气温分别达到26.6℃、28.4℃、29.1℃（http：//tjj.xa.gov.cn/tjnj/2019/zk/indexeh.htm）。此外，快速的经济发展导致西安城市建成区和城市人口在过去十年中大幅增加（韩等，2022）。特别是，从2010年到2020年，城市建成面积增加了114.6%，城市人口增加了87.9%（李等，2023）。更严重的是，快速城市化和人口聚集加剧了UHI效应（陆等，2020），对促进有复原力的城市提出了巨大挑战。我们的研究集中在西安高速公路范围内（图1b），总面积为458.8 km ² 。

2.2.数据收集

本研究使用了四个数据集。收集了Landsat-8 OLI/TIRS图像（即波段10的空间分辨率为100米，由https：//earthexplorer.usgs.gov/美国地质勘探局重新采样至30米），以通过辐射传输方程方法反演LST（翁等人，2004年）。因为我们更关注炎热夏季的热环境。因此，我们筛选了2018年6月1日至2018年8月31日的所有图像；只有在6月23日、7月25日和8月10日上午11:19（当地时间）拍摄的三幅图像满足了我们研究区域的无云条件。此外，这三天及前几天的天气情况为静风日和无雨日（https：//rp.ru）。这三幅图像被进一步平均成一幅图像，以代表夏季典型的LST。

使用2018年高芬二号图像（即光谱带空间分辨率为4 m，https：//www.cheosgrid.org.cn/）对研究区的土地覆盖进行分类。在eCongnition 9.0软件中，我们应用支持向量机（SVM）方法（Bouslihim等人，2022年）将土地覆盖分为六种类型，即农田、城市树木、草地、水体、IS和裸地。分类结果的总体准确率（OA）为84.1%，Kappa系数为0.80（袁等，2021）。我们将城市树木和草原合并成一种类型来代表UGS。

2018年的建筑足迹向量（https：//map.baidu.com/）包含每栋建筑的层数，被广泛用作研究中国城市气候的建筑高度来源（李等，2021；杨等，2019，杨等，2021a）。我们基于谷歌地图直观地检查了建筑楼层，发现研究区域边缘区域只有少数建筑足迹记录了错误的建筑楼层，这些楼层是在计算3D建筑指标之前手动更新的。请注意，我们假设建筑物的一层不变为3 m（杨等，2021a袁等，2021），楼层数乘以3 m代表建筑高度。

从www.openstreetmap.org下载的2019年道路网络用于将研究区域划分为精细的社区街区（共716个街区）。使用的道路类别包括高速公路、主干道、主干道、二级公路、三级公路和住宅区道路。

2.3.方法

我们的分析框架包括四个步骤（图2）：（1）数据处理（图2a）。从卫星图像和建筑足迹矢量中获得了计算城市形态度量的基础数据。（2）两个分析单元的定义（图2b）。分析单位包括块标度（即不规则尺寸）和网格标度（即规则尺寸）。这些街区由OpenStreetMap中的道路网络划定。我们选择了六个道路类别（即高速公路、主干道、一级道路、二级道路、三级道路和住宅区道路），并为每个道路类别设置了不同的缓冲距离。然后，我们合并所有的缓冲区，并对研究区域进行裁剪，得到最终的块。预先手动删除了不合适的缓冲区。此外，使用200 m × 200 m大小的规则网格作为另一个分析单位，用于比较城市形态度量对LST的影响与块尺度的差异，以及确保更多的样本数据用于建模。请注意，只有同时具有2D和3D度量的块和网格被选择用于建模，以避免由数据缺失导致的不可信的结果，即661个块和6670个网格。95%的块的尺寸大于常规网格尺寸（即200米× 200米）。（3）城市形态度量的量化（图2c）。所有2D和3D指标作为自变量在两个尺度上计算，而因变量是每个分析单元的平均LST，代表每个分析单元的热条件。（4）统计建模（图2d）。我们首先使用XGBoost回归在两个尺度上模拟了城市形态度量和LST之间的关系，然后使用SHAP方法解释了城市形态度量对LST的影响。

2.3.1.城市形态度量

通过全面回顾关于表征城市形态的研究（Berger等人，2017；胡等，2022；刘等，2017），我们选择了六个与高度相关的3D建筑指标，即平均建筑高度（AH）、天空视图因子（SVF）、平均建筑高度标准差（AHSD）、容积率（FAR）、平均建筑投影面积（MAPA）和平均容积（AV）。此外，我们还考虑了七个类级景观指标来表征2D景观组成和土地覆盖的配置。一个指标，即景观百分比（PLAND），代表景观组成，而六个指标，即边缘密度（ED）、斑块密度（PD）、最大斑块指数（LPI）、聚集指数（AI）、平均斑块大小（AREA_MN）和面积加权平均形状指数（SHAPE_AM），代表景观配置，如面积、形状和聚集（Li等人，2011；周等，2022a）。简而言之，本研究选择了13个指标（表1）来代表2D（即土地覆盖）和3D（即建筑物）城市形态，土地覆盖的所有2D景观指标均在Fragstats 4.2中获得，3D建筑物指标在ArcGIS 10.5和R studio中计算。

表1。本研究中2D和3D指标的总结。

度量	缩略语	公式	描述
景观百分比（%）	计划	$PLAND = \frac{\sum_{j = 1}^{n} a_{ij}}{A} (100)$	相应斑块类型的所有斑块的面积占总景观面积的百分比（A：m ² ）。a _ij 是每个补丁的面积。
边缘密度（m•ha ⁻¹ ）	ED	$ED = \frac{\sum_{j = 1}^{n} e_{ij}}{A} (10000)$	涉及相应类型的所有边缘段的总长度除以总景观面积。e _ij 是i型j ^th 补丁的长度。
补丁密度（ha ⁻¹ ）	PD	$PD = \frac{N}{A} (10,000) (100)$	景观区域中的斑块数量。N是景观中斑块的总数。
最大修补程序索引（%）	LPI	$LPI = \frac{Max (a_{i}, \dots a_{n})}{A} \times 100$	i类面积最大的斑块面积占总景观面积的百分比。
汇总指数（%）	AI	$AI = [\sum_{i = 1}^{n} (\frac{g_{ii}}{max \to g_{ii}}) P_{i}] (100)$	涉及相应类的相似邻接数除以最大可能数。g _ii 是类型i的像素之间的连接数。P是由i型斑块组成的景观比例。
平均补丁大小(ha)	面积_MN	$AREA_MN = \frac{\sum_{j = 1}^{n} a_{ij}}{n}$	i型的平均斑块大小。
面积加权平均形状指数	形状_AM	$SHAPE_AM = \frac{\sum_{j = 1}^{n} \frac{0.25 p_{ij}}{\sqrt{a_{ij}}} a_{ij}}{\sum_{j = 1}^{n} a_{ij}}$	i型的面积加权形状复杂性。p _ij 是i型j ^th 斑块的周长。
平均建筑高度（米）	AH	$AH = \frac{\sum_{i = 1}^{n} H_{i}}{n}$	建筑物的平均高度。H是建筑物i的高度。n是建筑物的数量。
天空视野系数	SVF	$SVF = 1 - \sum_{i = 1}^{n} {sin}^{2} β_{i} (\frac{α_{i}}{360^{°}})$	可见天空面积与半球的比率。n是半球环境中障碍物的角度元素的总数。 $α_{i}$ 和 $β_{i}$ 分别是角度元素i的仰角和方位角。
平均建筑物高度标准偏差（米）	AHSD	$AHSD = \sqrt{\frac{\sum_{i = 1}^{n} {(H_{i} - AH)}^{2}}{n}}$	建筑高度的变化程度。n是建筑物的数量。
容积率	FAR	$FAR = \frac{\sum_{i = 1}^{n} (c \times F)}{A}$	一个人在一块土地上可以建造的最大建筑面积。c是楼层数；F是建筑物占用的土地面积。
平均建筑投影面积（m ² ）	地图	$MAPA = \frac{TAPA}{n}$	垂直投影到地板上的建筑的平均面积。塔帕是整个建筑投影区。n是建筑物的数量。
平均体积（m ³ ）	AV	$AV = \frac{\sum_{i = 1}^{n} V_{i}}{n}$	V是建筑i的建筑体积。n是建筑物的数量。

注意：我们分别为UGS和IS计算了这七个2D指标。在以下内容中，PLAND_IS等缩写表示不透水表面景观的百分比。

2.3.2.XGBoost回归模型

XGBoost模型是一种优化的梯度boost树模型，它将弱回归树结合到以前的模型中，以校正预测中的残差（Friedman et al.，2000），从而实现比其他基于树结构的机器学习模型（如RF和SVM）更高的预测精度和更高的计算效率。最近，XGBoost越来越多地用于检测的驱动因素（孙等，2019；周等人，2022a），因为它使用稀疏感知分割查找方法在稀疏数据上进行训练（Sheridan等人，2016）。由于野外数据的低采样性质，该训练方法对于处理遥感数据是有价值的（于等，2020）。我们通过Python包“XGBoost”执行了XGBoost模型。

在本研究中，使用10重交叉验证网格搜索方法获得XGBoost模型的最佳形式（陈等，2019；刘等，2020a）。将分析单元随机分为3/4用于训练，1/4用于验证，并使用解释的方差评估模型的准确性。我们参考了以前的研究（Wu et al.，2022；Yu et al.，2020），并将模型参数设置如下：

在块尺度上，估计器的数量被设置为从2000到4000，间隔为100，而在网格尺度上，估计器的数量被设置为从8000到10000，间隔为100。此外，其他模型参数在两个尺度上相同，包括学习率（0.005）、树的最大深度（5和6）、子树中所有观察值的最小权重之和（从1到5，间隔为2）、每棵树的采样率（0.7）、每棵树的列的采样率（0.6和0.8）和伽马（从0到0.3，间隔为0.1）。最终最佳模型交叉验证的解释方差在块尺度和网格尺度上分别为60.2%和59.4%。

2.3.3.SHAP法

本研究采用SHAP方法（Lundberg和Lee，2017年）和最佳XGBoost模型来解释城市形态学指标与LST之间的关系。SHAP方法可以解决“黑盒”问题（Lundberg等人，2020年），以确定城市形态学指标对LST变化的相对贡献。SHAP方法是一种源自合作博弈论的局部解释方法，它计算Shapely值（Shapley，1952；斯川贝尔和科诺年科，2014）来表示每个解释变量的重要性，并检查每个变量对模型的影响。Shapely值的计算如下（Lundberg et al.，2018）： (1) $ϕ_{i} = \sum_{S \subseteq M \ \{i\}} \frac{∣ S ∣! (M - S - 1)!}{∣ M ∣!} (f_{S \cup \{i\}} (x_{S \cup \{i\}}) - f_{S} (x_{S}))$ 其中Φ是变量i的贡献，M表示所有输入变量的集合，f表示预测函数模型，S表示除i之外的所有输入变量的集合，x表示某个实例的值向量。正SHAP值表示潜在驱动因素对LST的升温效应，负SHAP值表示冷却效应。

计算SHAP交互值来解释具有强相关性的度量对的交互效应。SHAP相互作用值将相互作用效应描述为特定解释变量对的组合效应的一部分，不能用两个变量的单独效应之和来解释，这是捕捉和解释其他方法采用的相互作用效应的主要方法，如广义加法模型或弗里德曼统计（Friedman和Popescu，2008）。原则上，本研究替换外部变量子集S来计算加权平均值δ _i,j （S），以获得特征i和特征j的交互值。δ _i,j （S）可以描述为两个变量的组合效应减去两个变量与外部变量子集S的单独效应之和。（2-3）。 (2) $ϕ_{i, j} = \sum_{S \subseteq M \ \{i, j\}} \frac{∣ S ∣! (M - S - 2)!}{2 (M| - 1)!} δ_{i, j} (S)$ (3) $δ_{i, j} (S) = f_{S \cup \{i, j\}} (x_{S \cup \{i, j\}}) - f_{S \cup \{i\}} (x_{S \cup \{i\}}) - f_{S \cup \{j\}} (x_{S \cup \{j\}}) + f_{S} (x_{S})$

在这项研究中，我们应用汇总图，通过对所有样本的SHAP值求和来显示指标的概述。度量按特征重要性排序，表明度量对LST的贡献和一般关系。采用相关性图，通过可视化特定指标的贡献来提供更多细节（Wu等人，2022）。在这里，我们使用SHAP值和SHAP交互值来解释指标对LST的影响。SHAP交互值捕捉由相关性图中从低（蓝色）到高（红色）的度量对之间的交互引起的垂直分散。与使用SHAP值的相关性图相比，使用SHAP交互值的相关性图分离了度量对之间有趣的隐藏关系。

3.成果

3.1.城市形态学指标对LST的贡献

城市形态度量在两个尺度上对LST的贡献遵循3D建筑度量>IS的2D景观度量>UGS的2D景观度量的排序，这说明3D度量比2D度量对LST的影响更大（图3、图4）。特别是在块尺度上，IS的3D度量、2D景观度量和UGS的2D景观度量的总贡献分别为44.6%、32.3%和23.1%。对LST影响最大的度量是AH（图3），它与LST负相关，表明LST随着AH的增加而减少。其次是MAPA、PLAND_IS、AI_UGS和AHSD。其中，MAPA和PLAND_IS与LST呈显著正相关，AI_UGS和AHSD与LST呈显著负相关。此外，尽管SVF对LST的贡献较低，但SVF与LST呈负相关。

在网格尺度上（图4），3D建筑度量、IS的2D景观度量和UGS的2D景观度量的总贡献分别为59.2%、28.3%和12.5%。PLAND_IS、FAR、MAPA和SVF与LST变异呈正相关，而AV和AH呈负相关。此外，我们发现AH、MAPA和PLAND_IS在两个尺度上对LST变异有显著贡献。3D度量对LST变化的影响比2D度量更显著，IS的2D景观度量的贡献大于UGS的2D景观度量。

3.2.LST对城市形态度量的响应

根据二维和三维指标在两个尺度上的SHAP汇总图的结果，我们选择了前八个指标和计划来深入研究LST对这九个指标的响应。在块尺度和网格尺度上，前八个指标对LST变化的总贡献分别>70%和81%。此外，虽然PLAND_UGS的贡献很小，但它对减轻UHI效应很重要（姚等，2020）。图5中示出了使用这九个度量的SHAP值的相关性图。

LST对城市形态指标的总体响应趋势在区块和网格尺度上是相似的（图5a和b），具有接近和特定的变暖和变冷阈值。具体来说，AH在达到19 m时表现出显著的冷却效果。当PLAND_IS>49%时，PLAND_IS对LST有显著的升温效应。FAR的增加显示出凹形升温效应。当AHSD在区块尺度上>15米时，AHSD显示出冷却效应，而它不能确定在网格尺度上变暖或冷却效应的具体阈值。我们还发现，在网格尺度上，当UGS的比例大于48%时，存在显著的冷却效应。此外，AV和SVF值的增加分别在网格尺度上显示出明显的冷却和升温效应（图5c1和c2）。值得注意的是，在区块尺度上，每个单元的AI_UGS超过76%（图5c4），表明更集中的绿色空间可以提供显著的冷却效果。

3.3.2D/3D城市形态学指标间的相互作用

使用SHAP值的相关性图显示了LST对最有影响力的指标的响应，而SHAP交互值捕捉了指标对的强交互。根据Y轴（图5中的SHAP值）和彩色点（即，慢化剂度量的值）的变化，我们在块尺度（图6）上选择一个度量对（即，AI_UGS-AH）；网格尺度上的五个度量对（图7），包括PLANSD_IS-SVF、AV-FAR、AH-FAR、SVF-FAR和PLAND_UGS-AH，以研究LST对城市形态度量的交互效应的响应。SHAP交互值说明3D-3D度量对的交互比2D-3D度量对的交互更强。

在块尺度上，AH对LST的影响取决于AI_UGS（即，慢化剂度量）（图6）。值得注意的是，AI_UGS在我们研究区域的所有块上都大于87%，这意味着UGS块是高度紧凑的（即像素高度连通），在块尺度上与其他块交换热量的机会很小。对于具有相对低的UGS团聚（即AI_UGS<91%）的块体，当AH大于20m时，AH的增加带来相互作用值的降低高达0.1，这意味着AI_UGS可以促进AH的主要效应（即冷却），而当AI_UGS大于91%时，情况相反，增加更大，高达0.2。

在网格尺度上（图7），SVF-FAR（图7a）比其他3D度量具有显著的交互效应。当FAR<1.5时，SVF-FAR的相互作用增加，从而产生冷却效应。值得注意的是，当FAR为1.5-2.5时，SVF（>0.8）的增加带来了变暖效应。就AH-FAR（图7b）和AV-FAR（图7c）而言，强相互作用可以提供显著的冷却效果。PLAND_IS-SVF（图7d）和PLAND_UGS-AH（图7e）的相互作用显示了明显不同的模式。当SVF<0.75时，随着PLAND_IS的增大，PALND_IS与SVF的交互作用减弱。如果SVF>0.75，情况正好相反。当AH>25 m时，高层建筑和高UGS覆盖率（>50%）的协同作用提供了额外的降温效应，而当AH<25 m时，PLAND_UGS的增加可以带来升温效应。

4.讨论

4.1.城市形态与LST的关系

在这项研究中，我们发现城市形态指标在两个尺度上对LST的贡献遵循3D建筑指标>IS的2D景观指标>UGS的2D景观指标的排名（图3，图4），这表明3D指标对LST的影响大于2D指标。之前在其他城市的研究也支持这一结果（Alavipanah等人，2018）。然而，我们的结果与陈等人的发现不同。（2022b），这表明LST的方差更多地由夏季（2009）的2D建筑度量而不是3D建筑度量来控制。我们认为，2009年高层建筑数量（比例）较少可能会影响与LST相关的三维形态特征的贡献。发散的结果意味着输入数据中的分布可能会影响上述城市形态效应的建模结果。此外，由于不同的扫描角度、地理和气象条件，3D城市参数和LST之间的关系可能不同。例如，在德国城市的街区尺度上，3D城市参数和LST之间的关系并不强（Berger et al.，2017）。尽管如此，3D城市参数始终显示出比一些最广泛使用的2D城市参数更显著的影响（Berger等人，2017年）。因此，在未来的工作中，更广泛和一致地理解2D/3D城市形态和世界各地不同城市的LST之间的关系具有重要意义。

此外，SVF在两个尺度上表现出相反的趋势，即SVF在块尺度上与LST负相关（图3），而在网格尺度上与LST正相关（图4和图5c2）。一般来说，SVF和之间存在正相关，因为SVF高的区域可能会接收更多的太阳辐射（邓等人，2021；Kim等人，2022）。然而，尹等人。（2018）发现，在块尺度（即不规则网格）上，LST与SVF（皮尔逊的r=0.085，p<0.05）负相关，这与我们的结果一致。此外，SVF和之间的关系是非线性的（陈等，2012；郭等，2016）。中等SVF值产生最冷的LST，而最大和最小SVF值产生最高的LST。与众所周知的解释不同，即SVF的增加改善了街区的通风（Grimmond，2007），我们观察到这种减少可能更多地与我们如何描绘街区有关。我们发现SVF接近0.9的街区多为低层紧凑区，SVF接近1的街区多为开放区，建筑用地比例较小。在这种情况下，从低层和紧凑区域到开放区域的过渡可能会有效地散热，而不是改善通风。

4.2. The impact of interactions between urban morphology metrics on LST

基于SHAP相互作用值，我们发现当UGS比块尺度的平均条件相对分散时，AH显示出显著的冷却效果（图6）。AH的增加主要是增加了投射阴影面积（于等，2019），如果投射面积原本具有较高的LST，投射阴影可能具有更大的冷却效果。在网格尺度上，尽管SVF与LST正相关（图4），但是高SVF和低FAR带来显著的冷却效果（图7a）。一个原因是在计算SVF时没有植被高度带来的不确定性。SVF高、FAR低的地区植被比例高，一般表现为冷岛。此外，SVF的增加将增加城市峡谷中暴露于太阳的表面（即加热）（Oke，1973）和风速（即冷却）（刘等人，2020c）。我们的结果表明，在网格尺度上，通风冷却效果的相对重要性可能随着建筑物体积的减少而增加。就PLAND_IS和SVF的相互作用而言，低SVF和增加PLAND_IS将带来显著的冷却效果（图7d），这与高层建筑带来的遮阳效果有关。关于PLAND_UGS和AH之间的相互作用，结果表明，当AH大于平均条件时，PLAND_UGS具有更大的冷却效果（图7e）。AH的增加不仅带来了额外的投射阴影面积，还加强了建筑物侧面的空气流通（Oke等人，2017年），从而提供了有效的冷却效果。此外，住宅建筑之间的距离通常比中低层区域更远。我们的结果可能表明，加强空气循环带来的额外冷却效应大于增加阴影面积带来的冷却效应。值得注意的是，在高FAR条件下，AH和FAR之间的相互作用随着AH的增加而显著增加，这也在AV和FAR之间观察到。类似的相互作用模式（即AH-FAR和AV-FAR）表明，在相对较高的FAR条件下，小体积高层建筑的配置有可能减轻UHI效应，这得益于较高建筑的阴影以及小型建筑较少的热量积累（张等人，2022）。

4.3.减轻UHI效应的意义

本研究揭示了三维城市形态在塑造城市热环境方面比二维城市形态起着更关键的作用，这在规则（200 m × 200 m）和不规则（块）尺度上得到了证实。城市发展项目和实施城市可持续性措施时，应考虑平均建筑高度的设计。对于平均建筑高度<19 m的街区，不紧凑的城市绿化可能无法获得预期的降温效果。同时，较低的FAR值也有利于冷却。就中高层建筑区域而言，设计城市通风以促进散热至关重要。虽然低SVF会阻止城市表面在白天吸收更多的太阳辐射，但由于晚上紧凑的建筑物和树冠（即低SVF），长波辐射会被捕获，导致LST上升。因此，为风的渗透提供足够的街道开放性有利于以紧凑的布局冷却该区域。此外，还应该考虑信息系统的空间模式。我们发现，在一个特定的块中，IS的百分比至少应该<49%，否则，LST将会上升。与此同时，IS的规划应考虑到该地区的SVF。当IS>49%的区域时，增加树冠层（即低SVF和高UGS百分比）可以提供有效的冷却。因此，建议合理安排城市绿地，以打破不透水表面的聚集（或降低建筑密度）。从具体指标对的配置来看，建筑体积小的较高建筑减少了热量积累，有利于降低LST。因此，在FAR较高的地区，建议增加建筑高度，减少建筑体积，并限制低层建筑的建造，这增加了建筑之间的间距和空气流通，从而降低了地表温度值。

4.4.局限性及未来工作

还有一些局限性需要在以后的工作中更多的关注。首先，由于目前UGS的三维特征主要是通过机载激光雷达数据计算的，而这些数据很难获得，所以本研究只考虑了UGS的2D特征。鉴于UGS的3D特性也显著影响热环境（陈等人，2022a孔等，2022），在未来的工作中需要全面考虑建筑和植被的3D特征。第二，一些城市形态度量对LST的影响方向在块和网格尺度上是不同的，例如SVF和AI_UGS。应考虑规模依赖性，以加深对这些指标对的影响的理解（石等人，2021）。此外，我们发现了相互作用效应的一些不确定性，例如SVF和FAR的度量对。因为SVF与城市通风相关（Hernandez et al.，2015），可直接或间接促进城市冠层的热交换，缓解局部UHI，提高热舒适性（Yang et al.，2021b）。因此，应考虑通风指标（如锋面面积指数）来深入探索城市形态指标的相互作用。最后，气象因素（如风速和相对湿度）在调节LST变化方面也起着重要作用，需要在精细尺度上进行更多的调查。

5.结论

在本研究中，我们使用XGBoost模型和SHAP方法，从不规则块尺度和规则网格尺度的角度探讨了2D和3D城市形态度量对LST的影响。具体来说，我们量化了选定的2D和3D指标对LST的响应以及这些城市形态指标之间的相互作用。本研究表明，三维度量对LST变化的影响比二维度量更显著，特别是在城市规划和管理中应该考虑平均建筑高度和SVF来减轻UHI效应。在不规则区块尺度和规则网格尺度下，城市指标对LST变暖或变冷效应的一般影响和阈值是相似的。IS的增加提供了变暖效应。然而，IS和UGS的合理配置对于IS>49%的区域的冷却仍然是有用的。最后，我们发现LST上3D-3D度量对的相互作用比2D-3D度量对的相互作用更强。3D-3D度量对之间的相互作用通常表现出协同效应（例如，AH-FAR和AV-FAR），这有利于减轻UHI效应。此外，2D-3D度量对的相互作用取决于特定的阈值，该阈值可以是协同效应（例如，PLAND_IS-SVF）或拮抗效应（例如，PLAND_UGS-AH）。这些结果表明，就局部热环境的调节而言，城市形态的相互作用是复杂的，未来应进行更多的研究，以了解复杂的多维城市形态对热环境的驱动机制，这将指导更具可持续性和弹性的城市系统的发展。

信用作者贡献声明

袁波：概念化，方法论，写作——初稿。周亮：监理、写作——初稿、写作——审核编辑、资金获取。胡凤宁：方法论，写作——评论与编辑。魏：写作——评论与编辑。

竞争利益声明

作者声明，他们没有已知的竞争经济利益或个人关系，可能会影响本文报道的工作。

致谢

本工作得到了国家重点研究发展计划（编号：2022YFC3800700）、国家自然科学基金（编号：42271214、41961027）、甘肃省自然科学重点项目基金会（编号：21JR7RA278、21JR7RA281）、兰州交通大学基础研究顶尖人才计划（2022JC01）的资助。

数据可用性

数据将应要求提供。

参考文献

Alavipanah等人，2018年

S.Alavipanah，J.Schreyer，D.Haase，T.Lakes，S.Qureshi

多维指标对城市热状况的影响

J.清洁。出售品，177（2018），第115-123页，10.1016/j.jclepr.2017.12.187

在ScopusGoogle Scholar中查看PDFView文章视图
Azhdari等人，2018

A.Azhdari，A.Soltani，M.Alidadi

城市形态和景观结构对地表温度的影响&来自半干旱城市设拉子的证据
Sustain. Cities Soc., 41 (2018), pp. 853-864, 10.1016/j.scs.2018.06.034
View PDF View article View in Scopus Google Scholar
Berger et al., 2017
C. Berger, J. Rosentreter, M. Voltersen, C. Baumgart, C. Schmullius, S. Hese
Spatio-temporal analysis of the relationship between 2D/3D urban site characteristics and land surface temperature
Remote Sens. Environ., 193 (2017), pp. 225-243, 10.1016/j.rse.2017.02.020
View PDF View article View in Scopus Google Scholar
Bonsu and Bonin, 2023
K. Bonsu, O. Bonin
Urban growth process in Greater Accra metropolitan area: characterization using fractal analysis
J. Geovisualization Spat. Anal., 7 (2023), p. 21, 10.1007/s41651-023-00149-x
View in Scopus Google Scholar
Bouslihim et al., 2022
Y. Bouslihim, M.H. Kharrou, A. Miftah, T. Attou, L. Bouchaou, A. Chehbouni
Comparing Pan-sharpened Landsat-9 and Sentinel-2 for land-use classification using machine learning classifiers
J. Geovisualization Spat. Anal., 6 (2022), p. 35, 10.1007/s41651-022-00130-0
View in Scopus Google Scholar
C40 Cities, 2021
C40 Cities
For Cities, the Heat Is on [WWW Document]
(2021)
(n.d.). URL https://www.c40.org/what-we-do/scaling-up-climate-action/adaptation-water/the-future-we-dont-want/heat-extremes-and-poverty/
Google Scholar
Chen et al., 2012
L. Chen, E. Ng, X. An, C. Ren, M. Lee, U. Wang, Z. He
Sky view factor analysis of street canyons and its implications for daytime intra-urban air temperature differentials in high-rise, high-density urban areas of Hong Kong: a GIS-based simulation approach
Int. J. Climatol., 32 (2012), pp. 121-136, 10.1002/joc.2243
View in Scopus Google Scholar
Chen et al., 2019
Z. Chen, B. Yu, N. Ta, K. Shi, C. Yang, C. Wang, X. Zhao, S. Deng, J. Wu
Delineating seasonal relationships between Suomi NPP-VIIRS nighttime light and human activity across Shanghai, China
IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., 12 (2019), pp. 4275-4283, 10.1109/JSTARS.2019.2916323
View in Scopus Google Scholar
Chen et al., 2022a
J. Chen, P. Du, S. Jin, H. Ding, C. Chen, Y. Xu, L. Feng, G. Guo, H. Zheng, M. Huang
Unravelling the multilevel and multi-dimensional impacts of building and tree on surface urban heat islands
Energ. Build., 259 (2022), Article 111843, 10.1016/j.enbuild.2022.111843 重试错误原因
View PDF View article View in Scopus Google Scholar
陈等，2022b

.hen，。han，。u，。i，。i，。iu，。uang，。ai，。ia

地表热环境对2D/3D城市形态的季节差异响应

建造。环境。，214（2022），第108928条，10.1016/j.buildenv.2022.108928

在ScopusGoogle Scholar中查看PDFView文章视图
Chun和Guldmann，2014
B.Chun，J。-M.Guldmann

高密度中心城市热岛的空间统计分析与模拟
Landsc. Urban Plan., 125 (2014), pp. 76-88, 10.1016/j.landurbplan.2014.01.016 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图
Chun和Guldmann，2018
B.Chun，J。-M.Guldmann

绿化对城市热岛的影响：季节变化和缓解策略

计算机。环境。城市。系统。，71（2018），第165-176页，10.1016/j.compenvurbsys.2018.05.006

在ScopusGoogle Scholar中查看PDFView文章视图
戴等，2018

戴志明，古德曼，胡耀辉

公园和土地利用对北京市中心城市热岛影响的空间回归模型

科学。总环境。，626（2018），第1136-1147页，10.1016/j.scitotenv.2018.01.165

在ScopusGoogle Scholar中查看PDFView文章视图
邓等，2021

邓，杨伟，陈春春，吴志军，刘燕，向春春

基于百度街景图像的街道太阳辐射制图和模式剖面

苏达斯。城市Soc.，75（2021），103289文章，1016/j.scs.2021.103289

在ScopusGoogle Scholar中查看PDFView文章视图
杜等，2016

南杜，熊志忠，王永春，郭立林

量化景观组成和结构对地表温度的多级影响

远程桑斯。Environt.，178（2016），pp.84-92，10.1016/j.rse2010.02.02.0263

在ScopusGoogle Scholar中查看PDFView文章视图
Elzeni等人，2022

M.M.Elzeni，A.A.ELMokadem，N.M.Badawy

城市形态对行人的影响：城市方法综述

Cities，129（2022），第103840条，10.1016/j.cities.2022.103840

在ScopusGoogle Scholar中查看PDFView文章视图
弗里德曼和波佩斯库，2008

J.H.弗里德曼，B.E。波佩斯库

基于规则集成的预测学习

安。应用。Stat.，2（2008），10.1214/07-AOAS148

查看出版商Google Scholar
Friedman等人，2000年

J.Friedman，T.Hastie，R.Tibshirani

加性logistic回归：boosting的统计观点

安。Stat.，28（2000），10.1214/aos/1016218223

查看出版商Google Scholar
格里戈拉什和乌里茨斯库，2019
G.格里戈拉什，B。乌里塞斯库

罗马尼亚布加勒斯特土地利用/土地覆盖变化动态及其对地表城市热岛的影响

里面的J.应用程序地球观察。Geoinf.，80（2019），第115-126页，10.1016/j.jag.2019.03.009

在ScopusGoogle Scholar中查看PDFView文章视图
格里蒙德，2007年
S.格里蒙德

城市化与全球环境变化：城市变暖的局部效应

地理。J.，173（2007），pp.83-88，10.1111/j.1475-4959.2007.232_3.x

ScopusGoogle Scholar中的视图
郭等，2016

郭，周，吴，肖，陈。

广州城市形态异质性对地表温度影响的特征

环境。模型。Softw.，84（2016），第427-439页，10.1016/j.envsoft.2016.06.021

在ScopusGoogle Scholar中查看PDFView文章视图
韩等，2022

韩，罗，刘，张，杨。

利用局地气候带研究城市区域热环境的时空演变&以西安为例

苏达斯。城市主题：76（2022），103495文章，10.1016/j.scs.2021.103495

在ScopusGoogle Scholar中查看PDFView文章视图
Hernandez et al., 2015
R.R. Hernandez, M.K. Hoffacker, C.B. Field
Efficient use of land to meet sustainable energy needs

纳特。克里姆。Chang.，5（2015），第353-358页，10.1038/nclimate2556
View in Scopus Google Scholar
Hu et al., 2020
Y. Hu, Z. Dai, J.-M. Guldmann
Modeling the impact of 2D/3D urban indicators on the urban heat island over different seasons: a boosted regression tree approach

J.Environ.马纳格。，266（2020），Article110424，10.1016/j.jenvman.2020.110424

在ScopusGoogle Scholar中查看PDFView文章视图
胡等，2022

D.Hu，Q.Meng，U.Schlink，D.Hertel，W.Liu，M.Zhao，F.Guo

城市形态块如何塑造不同季节地表温度的空间格局？北京市多因素驱动分析

里面的J.应用程序地球观察。Geoinf.，106（2022），第102648条，10.1016/j.jag.2021.102648

在ScopusGoogle Scholar中查看PDFView文章视图
黄、王，2019
黄，王

利用高分辨率遥感数据研究城市功能区三维城市形态对地表城市热岛效应的影响——以武汉为例

一个PRS.J。摄影。遥感，152（209），第119-131页，10.1016/j.isprsjprs2019.04.010

在ScopusGoogle Scholar中查看PDFView文章视图
气专委，2021年
气专委

2021年气候变化：决策者摘要

剑桥大学出版社（2021）
谷歌学术
Jaccard和Turrisi，2003年
图里西·贾卡德

多元回归中的交互效应
Sage（2003）
谷歌学术
Kim等人，2022

J.Kim，D.-K.Lee，R.D.Brown，S.Kim，J.-H.Kim，S.Sung

极低天空视野因子对城市居住区地表温度的影响

在ScopusGoogle Scholar中查看PDFView文章视图
Kong et al., 2022
F. Kong, J. Chen, A. Middel, H. Yin, M. Li, T. Sun, N. Zhang, J. Huang, H. Liu, K. Zhou, J. Ma
Impact of 3-D urban landscape patterns on the outdoor thermal environment: a modelling study with SOLWEIG

计算机。环境。城市。系统。，94（2022），第101773条，10.1016/j.compenvurbsys.2022.101773
View PDF View article View in Scopus Google Scholar
Li and Hu, 2022
Z. Li, D. Hu
Exploring the relationship between the 2D/3D architectural morphology and urban land surface temperature based on a boosted regression tree: a case study of Beijing, China

苏达斯。城市主题：78（2022），103392文章，10.1016/j.scs.2021.103392
View PDF View article View in Scopus Google Scholar
Li et al., 2011
J. Li, C. Song, L. Cao, F. Zhu, X. Meng, J. Wu
Impacts of landscape structure on surface urban heat islands: a case study of Shanghai, China

远程桑斯。Environt.，115（2011），pp.3249-3263，10.1016/。rs.2011.07.008
View PDF View article View in Scopus Google Scholar
Li et al., 2021
H. Li, Y. Liu, H. Zhang, B. Xue, W. Li
Urban morphology in China: dataset development and spatial pattern characterization

苏达斯。城市主题：71（2021），102981文章：10.1016/j.scs.2021.102981
View PDF View article View in Scopus Google Scholar
Li et al., 2023
X. Li, L. Song, Q. Liu, Product, et al.
building, and infrastructure material stocks dataset for 337 Chinese cities between 1978 and 2020

科学数据，第10卷（2023年），第10页。228，10.1038/s41597-023-02143-w
Google Scholar
Liu et al., 2017
M. Liu, Y.-M. Hu, C.-L. Li
Landscape metrics for three-dimensional urban building pattern recognition

上诉。第87（2017）号，第66-72页，10.1016/j.apgeog.20177.07.011

查看PDF查看文章谷歌学者
刘等，2018
刘，彭，王

表征城市地表温度的景观指标的效率
Landsc. Urban Plan., 180 (2018), pp. 36-53, 10.1016/j.landurbplan.2018.08.006 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图
刘等，2020a

刘日阳，马志军，刘燕，邵燕，赵伟，毕军

2005-2017年中国地面臭氧水平的时空分布：机器学习方法

环境。里面的，第142（2020）条，第105823条，10.1016/j.envint.2020.105823

在ScopusGoogle Scholar中查看PDFView文章视图
刘等，2020b

刘艳，李庆，杨立林，穆国光，张明，刘军

区域气候条件下不同城市形态的城市热岛效应

滑雪。总环境。，743（2020），Article 140589，10.1016/j.scitotenv.2020.140589

在ScopusGoogle Scholar中查看PDFView文章视图
刘等，2020c

刘永红，徐玉英，张芳，舒文伟

北京城市空间形态对近地面风速影响的初步研究

Urban Clim.，34（2020），第100703条，10.1016/j.uclim.2020.100703

在ScopusGoogle Scholar中查看PDFView文章视图
Logan等人，2020

T.M.Logan，B.Zaitchik，S.Guikema，A.Nisbet

昼夜：城市特征对遥感地表温度的影响和相对重要性

远程桑斯。Environt.，247（2020），Article 111861，10.1016/。rs.2020.111861

在ScopusGoogle Scholar中查看PDFView文章视图
陆等，2020

陆，翁庆，肖大，郭海红，李庆，惠伟
Spatiotemporal variation of surface urban Heat Islands in relation to land cover composition and configuration: a multi-scale case study of Xi’an, China
View in Scopus Google Scholar
Lundberg and Lee, 2017
S. Lundberg, S.-I. Lee

解释模式预测的统一方法
(2017)
谷歌学术
Lundberg等人，2018

S.M.Lundberg，G.G.Erion，S-I.Lee

树系综的一致个体化特征属性
(2018)
谷歌学术
Lundberg等人，2020年

S.M.Lundberg，G.Erion，H.Chen，A.DeGrave，J.M.Prutkin，B.Nair，R.Katz，J.Himmelfarb，N.Bansal，S。-I.Lee

用可解释人工智能从局部解释到全局理解
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看
穆等，2022

H.Mu，X.Li，Y。周，P.Gong，J.Huang，X.Du，J.Guo，W.Cao，Z.Sun，C.Xu，D.Liu

从历史和预测的全球城市范围识别城市制图中的差异区域

All Earth，34（2022），第167-178页，10.1080/27669645.2022.2104990

ScopusGoogle Scholar中的视图
Niemel ä，1999年
J.尼梅莱

有必要建立城市生态学理论吗？

《城市生态系统》，3（1999），第57-65页
谷歌学术
奥凯，1973年
T.R. Oke

城市规模与城市热岛

TMOS.Nviro.7（1973），769-779页，10.1016/0004-6981（73）90140-6

在ScopusGoogle Scholar中查看PDFView文章视图
Oke等人，2017

T.R.Oke，G.Mills，A.Christen，J.A.Voogt

《城市气候》，剑桥大学出版社（2017）
谷歌学术
Petralli等人，2014年

M.Petralli，L.Massetti，G.Brandani，S.Orlandini

城市规划指标：测量城市化和植被对夏季气温影响的有用工具
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看
Plowright等人，2017年

A.A.Plowright，N.C.Coops，C.M.Chance，S.R.J.Sheppard，N.W.Aven

利用航空遥感多尺度分析城市防渗与树高的关系

在ScopusGoogle Scholar中查看PDFView文章视图
Salvati等人，2019年

A.Salvati，P.Monti，H.Coch Roura，C.Cecere

城市结构的气候性能：地中海城市背景的分析工具

在ScopusGoogle Scholar中查看PDFView文章视图
沙普利，1952年
L.S.沙普利

N人游戏的一个值

查看出版商Google Scholar
Sheridan等人，2016年

R.P.Sheridan，W.M.Wang，A.Liaw，J.Ma，E.M.Gifford

极值梯度推进法在定量构效关系研究中的应用
View in Scopus Google Scholar
Shi et al., 2021
Y. Shi, S. Liu, W. Yan, S. Zhao, Y. Ning, X. Peng, W. Chen, L. Chen, X. Hu, B. Fu, R. Kennedy, Y. Lv, J. Liao, C. Peng, I.M.D. Rosa, D. Roy, S. Shen, A. Smith, C. Wang, Z. Wang, L. Xiao, J. Xiao, L. Yang, W. Yuan, M. Yi, H. Zhang, M. Zhao, Y. Zhu
Influence of landscape features on urban land surface temperature: scale and neighborhood effects

滑雪。合计环境。，771（2021），Article 145381，10.1016/j.scitotenv.2021.145381
View PDF View article View in Scopus Google Scholar
Štrumbelj and Kononenko, 2014
E. Štrumbelj, I. Kononenko
Explaining prediction models and individual predictions with feature contributions

知道。信息。Syst.，41（2014），pp.647-665，10.1007/s10115-013-0679-x
View in Scopus Google Scholar
Sun et al., 2019
Y. Sun, C. Gao, J. Li, R. Wang, J. Liu
Evaluating urban heat island intensity and its associated determinants of towns and cities continuum in the Yangtze River Delta Urban Agglomerations

苏达斯。城市主题：50。（2019），101659文章：10.1016/j.scs.2019.101659

在ScopusGoogle Scholar中查看PDFView文章视图
Tabassum等人，2023年

A.Tabassum，R.Basak，W.Shao，M.M.Haque，T.A.Chowdhury，H.Dey

探索土地利用、土地覆盖和地表温度之间的关系：孟加拉国的一个案例研究及其对全球南方的政策影响

J.GeoVisualization Spat。肛门，7（2023），p。25，10.1007/s41651-023-00155-z
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看
王等，2022a

C.Wang，Z.Ren，Y.Dong，P.Zhang，Y.Guo，W.Wang，G.Bao

利用城市绿地缓解不同气候区城市热岛效应的全球城市有效降温

在ScopusGoogle Scholar中查看PDFView文章视图
王等，2022b

王，李，张春，何伟

不透水地表时空变化对城市热环境的影响&以淮安市中心城区为例

苏达斯。城市主题：79（2022），103710文章：10.1016/j.scs.2022.103710

在ScopusGoogle Scholar中查看PDFView文章视图
翁等，2004

翁庆、陆大、舒布林

城市热岛研究中地表温度——植被丰度关系的估算

在ScopusGoogle Scholar中查看PDFView文章视图
吴等，2022

B.吴，C。杨，Z。陈，Q。吴，S.Yu，C。王，Q.Li，J.Wu，B.Yu

城市二维/三维景观格局与夜间光照强度的关系

查看出版商Google Scholar
肖等，2022

R.肖，曹伟，刘，陆本

景观格局时空变化对地表温度的多尺度影响&以长江三角洲为例
Sci. Total Environ., 821 (2022), Article 153381, 10.1016/j.scitotenv.2022.153381

在ScopusGoogle Scholar中查看PDFView文章视图
杨等，2019

杨，王，肖，金，夏，李

不同网格尺寸下城市风热环境的空间分异

Urban Clim.，28（2019），第100458条，10.1016/j.uclim.2019.100458

在ScopusGoogle Scholar中查看PDFView文章视图
杨等，2021a

J.Yang，J.Ren，D.Sun，X.xt，J.J。（张柏芝）夏，C.Jin，X.Li

基于局部气候带的地表温度影响因子研究
Sustain. Cities Soc., 69 (2021), Article 102818, 10.1016/j.scs.2021.102818

在ScopusGoogle Scholar中查看PDFView文章视图
杨等，2021b

J.杨，Y。王，B。雪，Y。李，X。肖，J。（Ceciliia）夏，B。

城市通风对热环境和城市能源需求的贡献：不同气候背景的观点
Sci. Total Environ., 795 (2021), Article 148791, 10.1016/j.scitotenv.2021.148791

在ScopusGoogle Scholar中查看PDFView文章视图
姚等，2020
L.姚，李，徐，徐。

城市绿地景观特征如何影响城市街区尺度的季节性地表温度&北京城市热岛研究

城市为。城市绿地。（2020），10.1016/j.ufug.2020.126704

查看出版商Google Scholar
尹等，2018

尹，袁，陆，黄，刘

基于空间回归模型的城市形态对城市热岛效应的影响

科学。总环境。，634（2018），第696-704页，10.1016/j.scitotenv.2018.03.350

在ScopusGoogle Scholar中查看PDFView文章视图
于等，2019

余，陈，王，陈，龚，李军

基于遥感数据的建筑物阴影对城市地表温度的季节影响研究

遥感，第11期（2019年），第10页。497，10.3390/rs11050497
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看
于等，2020

S.Yu，Z.Chen，B.Yu，L.Wang，B.Wu，J.Wu，F.Zhao

基于可解释极值梯度推进树的2D/3D景观格局与地表温度关系研究——以上海市为例
Sci. Total Environ., 725 (2020), Article 138229, 10.1016/j.scitotenv.2020.138229

在ScopusGoogle Scholar中查看PDFView文章视图
袁等，2021

袁，周，党，孙，胡，穆。

三维建筑特征与城市绿地对地表温度的单独与组合效应
J. Environ. Manag., 295 (2021), Article 113116, 10.1016/j.jenvman.2021.113116

在ScopusGoogle Scholar中查看PDFView文章视图
袁等，2023

袁，李，周，白，胡，黄，刘，李，郭。

由局部气候带和无缝日地表温度资料揭示的城市间和城市内地表热岛的全球明显变化
ISPRS J. Photogramm. Remote Sens., 204 (2023), pp. 1-14, 10.1016/j.isprsjprs.2023.08.012 重试错误原因

查看PDF查看文章谷歌学者
曾等，2022

P.Zeng，F.Sun，Y.Liu，T.Tian，J.Wu，Q.Dong，S.Peng，Y.Che

景观格局对城市地表温度的影响随土地组成比例的变化而变化：来自2D/3D建筑/植被度量的启示
Sustain. Cities Soc., 78 (2022), Article 103599, 10.1016/j.scs.2021.103599

在ScopusGoogle Scholar中查看PDFView文章视图
张等，2022

张，张军，陈伟，苏军

城市功能区特征对城市热岛效应影响的区块变化：以北京为例
Sustain. Cities Soc., 76 (2022), Article 103529, 10.1016/j.scs.2021.103529

在ScopusGoogle Scholar中查看PDFView文章视图
赵等，2019

W.赵，段世波，李亚，尹广

利用随机森林回归降低地形对地表温度影响的实用方法
Remote Sens. Environ., 221 (2019), pp. 635-649, 10.1016/j.rse.2018.12.008

在ScopusGoogle Scholar中查看PDFView文章视图
赵等，2020

赵，赵，梁，周，杜，徐，吴

评估城市土地覆盖类型的热贡献
Landsc. Urban Plan., 204 (2020), Article 103927, 10.1016/j.landurbplan.2020.103927 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图
郑等，2023

Y.郑，C。任，Y。施，S.H.L.Yim，D.Y.F.Lai，Y.Xu，C.Fang，W。

基于局地气候带框架的城市夜间热岛空间分布图

建造。Environ.，234（2023），第110197条，10.1016/j.buildenv.2023.110197

在ScopusGoogle Scholar中查看PDFView文章视图
周等，2011

周伟，黄刚，卡德纳索

空间配置重要吗？了解城市景观中土地覆盖格局对地表温度的影响
Landsc. Urban Plan., 102 (2011), pp. 54-63, 10.1016/j.landurbplan.2011.03.009 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图
周等，2017

W.周，S.T.A.Pickett，M.L.Cadenasso

城市空间异质性概念的转变及其对可持续性的影响

兰德斯克。Ecol.，32（2017），第15-30页，10.1007/s10980-016-0432-4
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看
周等，2022a

周，胡，王，魏，孙，王。

城市景观结构与地表温度的关系：空间层次和相互作用效应
Sustain. Cities Soc., 80 (2022), Article 103795, 10.1016/j.scs.2022.103795

在ScopusGoogle Scholar中查看PDFView文章视图
周等，2022b

L.周，袁本，胡芳芳，魏春春，党晓霞，孙大东

基于局地气候带的2D/3D城市形态对地表温度的影响

建造。环境。，208（2022），第108578条，10.1016/j.buildenv.2021.108578

在ScopusGoogle Scholar中查看PDFView文章视图

引用者（1）

世界杯重塑了卡塔尔的城市绿地格局

2024，生态信息学
The World Cup stands as the most momentous global sporting event, and significantly impacts the urban green space (UGS) of host cities. However, the impacts, processes, and pattern characteristic of the World Cup on UGS have not yet been fully understood. To fill this gap, we employ time-series satellite imagery and compute the normalized difference vegetation index (NDVI) across detailed maps of UGS in Qatar from 2000 to 2022. In our quantitative assessment, we investigate UGS coverage, landscape patterns, and exposure both before and after the World Cup. Additionally, we compile seven instances of greening in Qatar, and compare them with greening processes in three cities located in neighboring countries. This contextual analysis aims to unravel the nuanced impact of the World Cup on UGS in Qatar. Our results demonstrate: (1) The World Cup emerges as a significant contributor to UGS growth, with UGS expansion accounting for 94.3% of the overall increase in the built-up area during the tournament. This surge in growth is equivalent to an additional area equivalent to 38 Manhattan Central Parks. (2) The World Cup induces a transformation in UGS landscapes, rendering them more complex and fragmented. The degree of change in the landscape index within the built-up area is 35 times greater than those changes observed in the pre-World Cup period. (3) The World Cup brings about a significant enhancement in the minimum level of green exposure for citizens, marking an 8.7-fold increase. This event has proven to be instrumental in propelling Qatar towards multifaceted urban greening, establishing the country as a leading model for regional greening processes. Our study thus confirms the World Cup's role in promoting and reshaping urban green space in Qatar, offering fresh insights into its contribution to urban greening and sustainable urban development.

视图摘要

[1] Alavipanah等人，2018年

S.Alavipanah，J.Schreyer，D.Haase，T.Lakes，S.Qureshi

多维指标对城市热状况的影响

J.清洁。出售品，177（2018），第115-123页，10.1016/j.jclepr.2017.12.187

在ScopusGoogle Scholar中查看PDFView文章视图

[2] Azhdari等人，2018

A.Azhdari，A.Soltani，M.Alidadi

城市形态和景观结构对地表温度的影响&来自半干旱城市设拉子的证据
Sustain. Cities Soc., 41 (2018), pp. 853-864, 10.1016/j.scs.2018.06.034
View PDF View article View in Scopus Google Scholar

[3] Berger et al., 2017
C. Berger, J. Rosentreter, M. Voltersen, C. Baumgart, C. Schmullius, S. Hese
Spatio-temporal analysis of the relationship between 2D/3D urban site characteristics and land surface temperature
Remote Sens. Environ., 193 (2017), pp. 225-243, 10.1016/j.rse.2017.02.020
View PDF View article View in Scopus Google Scholar

[4] Bonsu and Bonin, 2023
K. Bonsu, O. Bonin
Urban growth process in Greater Accra metropolitan area: characterization using fractal analysis
J. Geovisualization Spat. Anal., 7 (2023), p. 21, 10.1007/s41651-023-00149-x
View in Scopus Google Scholar

[5] Bouslihim et al., 2022
Y. Bouslihim, M.H. Kharrou, A. Miftah, T. Attou, L. Bouchaou, A. Chehbouni
Comparing Pan-sharpened Landsat-9 and Sentinel-2 for land-use classification using machine learning classifiers
J. Geovisualization Spat. Anal., 6 (2022), p. 35, 10.1007/s41651-022-00130-0
View in Scopus Google Scholar

[6] C40 Cities, 2021
C40 Cities
For Cities, the Heat Is on [WWW Document]
(2021)
(n.d.). URL https://www.c40.org/what-we-do/scaling-up-climate-action/adaptation-water/the-future-we-dont-want/heat-extremes-and-poverty/
Google Scholar

[7] Chen et al., 2012
L. Chen, E. Ng, X. An, C. Ren, M. Lee, U. Wang, Z. He
Sky view factor analysis of street canyons and its implications for daytime intra-urban air temperature differentials in high-rise, high-density urban areas of Hong Kong: a GIS-based simulation approach
Int. J. Climatol., 32 (2012), pp. 121-136, 10.1002/joc.2243
View in Scopus Google Scholar

[8] Chen et al., 2019
Z. Chen, B. Yu, N. Ta, K. Shi, C. Yang, C. Wang, X. Zhao, S. Deng, J. Wu
Delineating seasonal relationships between Suomi NPP-VIIRS nighttime light and human activity across Shanghai, China
IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., 12 (2019), pp. 4275-4283, 10.1109/JSTARS.2019.2916323
View in Scopus Google Scholar

[9] Chen et al., 2022a
J. Chen, P. Du, S. Jin, H. Ding, C. Chen, Y. Xu, L. Feng, G. Guo, H. Zheng, M. Huang
Unravelling the multilevel and multi-dimensional impacts of building and tree on surface urban heat islands
Energ. Build., 259 (2022), Article 111843, 10.1016/j.enbuild.2022.111843 重试错误原因
View PDF View article View in Scopus Google Scholar

[10] 陈等，2022b

.hen，。han，。u，。i，。i，。iu，。uang，。ai，。ia

地表热环境对2D/3D城市形态的季节差异响应

建造。环境。，214（2022），第108928条，10.1016/j.buildenv.2022.108928

在ScopusGoogle Scholar中查看PDFView文章视图

[11] Chun和Guldmann，2014
B.Chun，J。-M.Guldmann

高密度中心城市热岛的空间统计分析与模拟
Landsc. Urban Plan., 125 (2014), pp. 76-88, 10.1016/j.landurbplan.2014.01.016 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图

[12] Chun和Guldmann，2018
B.Chun，J。-M.Guldmann

绿化对城市热岛的影响：季节变化和缓解策略

计算机。环境。城市。系统。，71（2018），第165-176页，10.1016/j.compenvurbsys.2018.05.006

在ScopusGoogle Scholar中查看PDFView文章视图

[13] 戴等，2018

戴志明，古德曼，胡耀辉

公园和土地利用对北京市中心城市热岛影响的空间回归模型

科学。总环境。，626（2018），第1136-1147页，10.1016/j.scitotenv.2018.01.165

在ScopusGoogle Scholar中查看PDFView文章视图

[14] 邓等，2021

邓，杨伟，陈春春，吴志军，刘燕，向春春

基于百度街景图像的街道太阳辐射制图和模式剖面

苏达斯。城市Soc.，75（2021），103289文章，1016/j.scs.2021.103289

在ScopusGoogle Scholar中查看PDFView文章视图

[15] 杜等，2016

南杜，熊志忠，王永春，郭立林

量化景观组成和结构对地表温度的多级影响

远程桑斯。Environt.，178（2016），pp.84-92，10.1016/j.rse2010.02.02.0263

在ScopusGoogle Scholar中查看PDFView文章视图

[16] Elzeni等人，2022

M.M.Elzeni，A.A.ELMokadem，N.M.Badawy

城市形态对行人的影响：城市方法综述

Cities，129（2022），第103840条，10.1016/j.cities.2022.103840

在ScopusGoogle Scholar中查看PDFView文章视图

[17] 弗里德曼和波佩斯库，2008

J.H.弗里德曼，B.E。波佩斯库

基于规则集成的预测学习

安。应用。Stat.，2（2008），10.1214/07-AOAS148

查看出版商Google Scholar

[18] Friedman等人，2000年

J.Friedman，T.Hastie，R.Tibshirani

加性logistic回归：boosting的统计观点

安。Stat.，28（2000），10.1214/aos/1016218223

查看出版商Google Scholar

[19] 格里戈拉什和乌里茨斯库，2019
G.格里戈拉什，B。乌里塞斯库

罗马尼亚布加勒斯特土地利用/土地覆盖变化动态及其对地表城市热岛的影响

里面的J.应用程序地球观察。Geoinf.，80（2019），第115-126页，10.1016/j.jag.2019.03.009

在ScopusGoogle Scholar中查看PDFView文章视图

[20] 格里蒙德，2007年
S.格里蒙德

城市化与全球环境变化：城市变暖的局部效应

地理。J.，173（2007），pp.83-88，10.1111/j.1475-4959.2007.232_3.x

ScopusGoogle Scholar中的视图

[21] 郭等，2016

郭，周，吴，肖，陈。

广州城市形态异质性对地表温度影响的特征

环境。模型。Softw.，84（2016），第427-439页，10.1016/j.envsoft.2016.06.021

在ScopusGoogle Scholar中查看PDFView文章视图

[22] 韩等，2022

韩，罗，刘，张，杨。

利用局地气候带研究城市区域热环境的时空演变&以西安为例

苏达斯。城市主题：76（2022），103495文章，10.1016/j.scs.2021.103495

在ScopusGoogle Scholar中查看PDFView文章视图

[23] Hernandez et al., 2015
R.R. Hernandez, M.K. Hoffacker, C.B. Field
Efficient use of land to meet sustainable energy needs

纳特。克里姆。Chang.，5（2015），第353-358页，10.1038/nclimate2556
View in Scopus Google Scholar

[24] Hu et al., 2020
Y. Hu, Z. Dai, J.-M. Guldmann
Modeling the impact of 2D/3D urban indicators on the urban heat island over different seasons: a boosted regression tree approach

J.Environ.马纳格。，266（2020），Article110424，10.1016/j.jenvman.2020.110424

在ScopusGoogle Scholar中查看PDFView文章视图

[25] 胡等，2022

D.Hu，Q.Meng，U.Schlink，D.Hertel，W.Liu，M.Zhao，F.Guo

城市形态块如何塑造不同季节地表温度的空间格局？北京市多因素驱动分析

里面的J.应用程序地球观察。Geoinf.，106（2022），第102648条，10.1016/j.jag.2021.102648

在ScopusGoogle Scholar中查看PDFView文章视图

[26] 黄、王，2019
黄，王

利用高分辨率遥感数据研究城市功能区三维城市形态对地表城市热岛效应的影响——以武汉为例

一个PRS.J。摄影。遥感，152（209），第119-131页，10.1016/j.isprsjprs2019.04.010

在ScopusGoogle Scholar中查看PDFView文章视图

[27] 气专委，2021年
气专委

2021年气候变化：决策者摘要

剑桥大学出版社（2021）
谷歌学术

[28] Jaccard和Turrisi，2003年
图里西·贾卡德

多元回归中的交互效应
Sage（2003）
谷歌学术

[29] Kim等人，2022

J.Kim，D.-K.Lee，R.D.Brown，S.Kim，J.-H.Kim，S.Sung

极低天空视野因子对城市居住区地表温度的影响

在ScopusGoogle Scholar中查看PDFView文章视图

[30] Kong et al., 2022
F. Kong, J. Chen, A. Middel, H. Yin, M. Li, T. Sun, N. Zhang, J. Huang, H. Liu, K. Zhou, J. Ma
Impact of 3-D urban landscape patterns on the outdoor thermal environment: a modelling study with SOLWEIG

计算机。环境。城市。系统。，94（2022），第101773条，10.1016/j.compenvurbsys.2022.101773
View PDF View article View in Scopus Google Scholar

[31] Li and Hu, 2022
Z. Li, D. Hu
Exploring the relationship between the 2D/3D architectural morphology and urban land surface temperature based on a boosted regression tree: a case study of Beijing, China

苏达斯。城市主题：78（2022），103392文章，10.1016/j.scs.2021.103392
View PDF View article View in Scopus Google Scholar

[32] Li et al., 2011
J. Li, C. Song, L. Cao, F. Zhu, X. Meng, J. Wu
Impacts of landscape structure on surface urban heat islands: a case study of Shanghai, China

远程桑斯。Environt.，115（2011），pp.3249-3263，10.1016/。rs.2011.07.008
View PDF View article View in Scopus Google Scholar

[33] Li et al., 2021
H. Li, Y. Liu, H. Zhang, B. Xue, W. Li
Urban morphology in China: dataset development and spatial pattern characterization

苏达斯。城市主题：71（2021），102981文章：10.1016/j.scs.2021.102981
View PDF View article View in Scopus Google Scholar

[34] Li et al., 2023
X. Li, L. Song, Q. Liu, Product, et al.
building, and infrastructure material stocks dataset for 337 Chinese cities between 1978 and 2020

科学数据，第10卷（2023年），第10页。228，10.1038/s41597-023-02143-w
Google Scholar

[35] Liu et al., 2017
M. Liu, Y.-M. Hu, C.-L. Li
Landscape metrics for three-dimensional urban building pattern recognition

上诉。第87（2017）号，第66-72页，10.1016/j.apgeog.20177.07.011

查看PDF查看文章谷歌学者

[36] 刘等，2018
刘，彭，王

表征城市地表温度的景观指标的效率
Landsc. Urban Plan., 180 (2018), pp. 36-53, 10.1016/j.landurbplan.2018.08.006 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图

[37] 刘等，2020a

刘日阳，马志军，刘燕，邵燕，赵伟，毕军

2005-2017年中国地面臭氧水平的时空分布：机器学习方法

环境。里面的，第142（2020）条，第105823条，10.1016/j.envint.2020.105823

在ScopusGoogle Scholar中查看PDFView文章视图

[38] 刘等，2020b

刘艳，李庆，杨立林，穆国光，张明，刘军

区域气候条件下不同城市形态的城市热岛效应

滑雪。总环境。，743（2020），Article 140589，10.1016/j.scitotenv.2020.140589

在ScopusGoogle Scholar中查看PDFView文章视图

[39] 刘等，2020c

刘永红，徐玉英，张芳，舒文伟

北京城市空间形态对近地面风速影响的初步研究

Urban Clim.，34（2020），第100703条，10.1016/j.uclim.2020.100703

在ScopusGoogle Scholar中查看PDFView文章视图

[40] Logan等人，2020

T.M.Logan，B.Zaitchik，S.Guikema，A.Nisbet

昼夜：城市特征对遥感地表温度的影响和相对重要性

远程桑斯。Environt.，247（2020），Article 111861，10.1016/。rs.2020.111861

在ScopusGoogle Scholar中查看PDFView文章视图

[41] 陆等，2020

陆，翁庆，肖大，郭海红，李庆，惠伟
Spatiotemporal variation of surface urban Heat Islands in relation to land cover composition and configuration: a multi-scale case study of Xi’an, China
View in Scopus Google Scholar

[42] Lundberg and Lee, 2017
S. Lundberg, S.-I. Lee

解释模式预测的统一方法
(2017)
谷歌学术

[43] Lundberg等人，2018

S.M.Lundberg，G.G.Erion，S-I.Lee

树系综的一致个体化特征属性
(2018)
谷歌学术

[44] Lundberg等人，2020年

S.M.Lundberg，G.Erion，H.Chen，A.DeGrave，J.M.Prutkin，B.Nair，R.Katz，J.Himmelfarb，N.Bansal，S。-I.Lee

用可解释人工智能从局部解释到全局理解
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看

[45] 穆等，2022

H.Mu，X.Li，Y。周，P.Gong，J.Huang，X.Du，J.Guo，W.Cao，Z.Sun，C.Xu，D.Liu

从历史和预测的全球城市范围识别城市制图中的差异区域

All Earth，34（2022），第167-178页，10.1080/27669645.2022.2104990

ScopusGoogle Scholar中的视图

[46] Niemel ä，1999年
J.尼梅莱

有必要建立城市生态学理论吗？

《城市生态系统》，3（1999），第57-65页
谷歌学术

[47] 奥凯，1973年
T.R. Oke

城市规模与城市热岛

TMOS.Nviro.7（1973），769-779页，10.1016/0004-6981（73）90140-6

在ScopusGoogle Scholar中查看PDFView文章视图

[48] Oke等人，2017

T.R.Oke，G.Mills，A.Christen，J.A.Voogt

《城市气候》，剑桥大学出版社（2017）
谷歌学术

[49] Petralli等人，2014年

M.Petralli，L.Massetti，G.Brandani，S.Orlandini

城市规划指标：测量城市化和植被对夏季气温影响的有用工具
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看

[50] Plowright等人，2017年

A.A.Plowright，N.C.Coops，C.M.Chance，S.R.J.Sheppard，N.W.Aven

利用航空遥感多尺度分析城市防渗与树高的关系

在ScopusGoogle Scholar中查看PDFView文章视图

[51] Salvati等人，2019年

A.Salvati，P.Monti，H.Coch Roura，C.Cecere

城市结构的气候性能：地中海城市背景的分析工具

在ScopusGoogle Scholar中查看PDFView文章视图

[52] 沙普利，1952年
L.S.沙普利

N人游戏的一个值

查看出版商Google Scholar

[53] Sheridan等人，2016年

R.P.Sheridan，W.M.Wang，A.Liaw，J.Ma，E.M.Gifford

极值梯度推进法在定量构效关系研究中的应用
View in Scopus Google Scholar

[54] Shi et al., 2021
Y. Shi, S. Liu, W. Yan, S. Zhao, Y. Ning, X. Peng, W. Chen, L. Chen, X. Hu, B. Fu, R. Kennedy, Y. Lv, J. Liao, C. Peng, I.M.D. Rosa, D. Roy, S. Shen, A. Smith, C. Wang, Z. Wang, L. Xiao, J. Xiao, L. Yang, W. Yuan, M. Yi, H. Zhang, M. Zhao, Y. Zhu
Influence of landscape features on urban land surface temperature: scale and neighborhood effects

滑雪。合计环境。，771（2021），Article 145381，10.1016/j.scitotenv.2021.145381
View PDF View article View in Scopus Google Scholar

[55] Štrumbelj and Kononenko, 2014
E. Štrumbelj, I. Kononenko
Explaining prediction models and individual predictions with feature contributions

知道。信息。Syst.，41（2014），pp.647-665，10.1007/s10115-013-0679-x
View in Scopus Google Scholar

[56] Sun et al., 2019
Y. Sun, C. Gao, J. Li, R. Wang, J. Liu
Evaluating urban heat island intensity and its associated determinants of towns and cities continuum in the Yangtze River Delta Urban Agglomerations

苏达斯。城市主题：50。（2019），101659文章：10.1016/j.scs.2019.101659

在ScopusGoogle Scholar中查看PDFView文章视图

[57] Tabassum等人，2023年

A.Tabassum，R.Basak，W.Shao，M.M.Haque，T.A.Chowdhury，H.Dey

探索土地利用、土地覆盖和地表温度之间的关系：孟加拉国的一个案例研究及其对全球南方的政策影响

J.GeoVisualization Spat。肛门，7（2023），p。25，10.1007/s41651-023-00155-z
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看

[58] 王等，2022a

C.Wang，Z.Ren，Y.Dong，P.Zhang，Y.Guo，W.Wang，G.Bao

利用城市绿地缓解不同气候区城市热岛效应的全球城市有效降温

在ScopusGoogle Scholar中查看PDFView文章视图

[59] 王等，2022b

王，李，张春，何伟

不透水地表时空变化对城市热环境的影响&以淮安市中心城区为例

苏达斯。城市主题：79（2022），103710文章：10.1016/j.scs.2022.103710

在ScopusGoogle Scholar中查看PDFView文章视图

[60] 翁等，2004

翁庆、陆大、舒布林

城市热岛研究中地表温度——植被丰度关系的估算

在ScopusGoogle Scholar中查看PDFView文章视图

[61] 吴等，2022

B.吴，C。杨，Z。陈，Q。吴，S.Yu，C。王，Q.Li，J.Wu，B.Yu

城市二维/三维景观格局与夜间光照强度的关系

查看出版商Google Scholar

[62] 肖等，2022

R.肖，曹伟，刘，陆本

景观格局时空变化对地表温度的多尺度影响&以长江三角洲为例
Sci. Total Environ., 821 (2022), Article 153381, 10.1016/j.scitotenv.2022.153381

在ScopusGoogle Scholar中查看PDFView文章视图

[63] 杨等，2019

杨，王，肖，金，夏，李

不同网格尺寸下城市风热环境的空间分异

Urban Clim.，28（2019），第100458条，10.1016/j.uclim.2019.100458

在ScopusGoogle Scholar中查看PDFView文章视图

[64] 杨等，2021a

J.Yang，J.Ren，D.Sun，X.xt，J.J。（张柏芝）夏，C.Jin，X.Li

基于局部气候带的地表温度影响因子研究
Sustain. Cities Soc., 69 (2021), Article 102818, 10.1016/j.scs.2021.102818

在ScopusGoogle Scholar中查看PDFView文章视图

[65] 杨等，2021b

J.杨，Y。王，B。雪，Y。李，X。肖，J。（Ceciliia）夏，B。

城市通风对热环境和城市能源需求的贡献：不同气候背景的观点
Sci. Total Environ., 795 (2021), Article 148791, 10.1016/j.scitotenv.2021.148791

在ScopusGoogle Scholar中查看PDFView文章视图

[66] 姚等，2020
L.姚，李，徐，徐。

城市绿地景观特征如何影响城市街区尺度的季节性地表温度&北京城市热岛研究

城市为。城市绿地。（2020），10.1016/j.ufug.2020.126704

查看出版商Google Scholar

[67] 尹等，2018

尹，袁，陆，黄，刘

基于空间回归模型的城市形态对城市热岛效应的影响

科学。总环境。，634（2018），第696-704页，10.1016/j.scitotenv.2018.03.350

在ScopusGoogle Scholar中查看PDFView文章视图

[68] 于等，2019

余，陈，王，陈，龚，李军

基于遥感数据的建筑物阴影对城市地表温度的季节影响研究

遥感，第11期（2019年），第10页。497，10.3390/rs11050497
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看

[69] 于等，2020

S.Yu，Z.Chen，B.Yu，L.Wang，B.Wu，J.Wu，F.Zhao

基于可解释极值梯度推进树的2D/3D景观格局与地表温度关系研究——以上海市为例
Sci. Total Environ., 725 (2020), Article 138229, 10.1016/j.scitotenv.2020.138229

在ScopusGoogle Scholar中查看PDFView文章视图

[70] 袁等，2021

袁，周，党，孙，胡，穆。

三维建筑特征与城市绿地对地表温度的单独与组合效应
J. Environ. Manag., 295 (2021), Article 113116, 10.1016/j.jenvman.2021.113116

在ScopusGoogle Scholar中查看PDFView文章视图

[71] 袁等，2023

袁，李，周，白，胡，黄，刘，李，郭。

由局部气候带和无缝日地表温度资料揭示的城市间和城市内地表热岛的全球明显变化
ISPRS J. Photogramm. Remote Sens., 204 (2023), pp. 1-14, 10.1016/j.isprsjprs.2023.08.012 重试错误原因

查看PDF查看文章谷歌学者

[72] 曾等，2022

P.Zeng，F.Sun，Y.Liu，T.Tian，J.Wu，Q.Dong，S.Peng，Y.Che

景观格局对城市地表温度的影响随土地组成比例的变化而变化：来自2D/3D建筑/植被度量的启示
Sustain. Cities Soc., 78 (2022), Article 103599, 10.1016/j.scs.2021.103599

在ScopusGoogle Scholar中查看PDFView文章视图

[73] 张等，2022

张，张军，陈伟，苏军

城市功能区特征对城市热岛效应影响的区块变化：以北京为例
Sustain. Cities Soc., 76 (2022), Article 103529, 10.1016/j.scs.2021.103529

在ScopusGoogle Scholar中查看PDFView文章视图

[74] 赵等，2019

W.赵，段世波，李亚，尹广

利用随机森林回归降低地形对地表温度影响的实用方法
Remote Sens. Environ., 221 (2019), pp. 635-649, 10.1016/j.rse.2018.12.008

在ScopusGoogle Scholar中查看PDFView文章视图

[75] 赵等，2020

赵，赵，梁，周，杜，徐，吴

评估城市土地覆盖类型的热贡献
Landsc. Urban Plan., 204 (2020), Article 103927, 10.1016/j.landurbplan.2020.103927 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图

[76] 郑等，2023

Y.郑，C。任，Y。施，S.H.L.Yim，D.Y.F.Lai，Y.Xu，C.Fang，W。

基于局地气候带框架的城市夜间热岛空间分布图

建造。Environ.，234（2023），第110197条，10.1016/j.buildenv.2023.110197

在ScopusGoogle Scholar中查看PDFView文章视图

[77] 周等，2011

周伟，黄刚，卡德纳索

空间配置重要吗？了解城市景观中土地覆盖格局对地表温度的影响
Landsc. Urban Plan., 102 (2011), pp. 54-63, 10.1016/j.landurbplan.2011.03.009 重试错误原因

在ScopusGoogle Scholar中查看PDFView文章视图

[78] 周等，2017

W.周，S.T.A.Pickett，M.L.Cadenasso

城市空间异质性概念的转变及其对可持续性的影响

兰德斯克。Ecol.，32（2017），第15-30页，10.1007/s10980-016-0432-4
View in Scopus
在ScopusGoogle Scholar中的发布者视图中查看

[79] 周等，2022a

周，胡，王，魏，孙，王。

城市景观结构与地表温度的关系：空间层次和相互作用效应
Sustain. Cities Soc., 80 (2022), Article 103795, 10.1016/j.scs.2022.103795

在ScopusGoogle Scholar中查看PDFView文章视图

[80] 周等，2022b

L.周，袁本，胡芳芳，魏春春，党晓霞，孙大东

基于局地气候带的2D/3D城市形态对地表温度的影响

建造。环境。，208（2022），第108578条，10.1016/j.buildenv.2021.108578

在ScopusGoogle Scholar中查看PDFView文章视图

轮廓

引用者（1）

图（7）

表（1）

城市气候

亮点

摘要

1.导言