熊瑶|张家豪|杨金涛|叶宝健|朱志鹏
福建理工大学建筑与城市规划学院，福州350118，中国
**摘要**
尽管许多研究探讨了城市影响因素如何影响地表温度（LST），但基于城市功能区（UFZs）的分析相对较少，尤其是那些研究和对比昼夜条件之间驱动机制的研究。此外，许多研究使用可解释的机器学习方法来分析这种驱动机制，这些方法通常依赖于标准的SHAP框架，然而这种方法忽略了固有的空间依赖性。在我们的研究中，整合了来自SDGSAT-1的高分辨率昼夜热红外数据和中国福州的多源城市数据集。应用了一个可解释的集成XGBoost-GeoShapley框架，全面研究了六个主要UFZs在夏季昼夜LST的决定因素。结果表明，昼夜热驱动因素存在根本性的差异：建成环境指数决定了白天的感热积累，而生态因素则主导了夜间的潜热冷却。同时，建筑密度在白天是严重的热源，但在密集的商业核心区域由于城市峡谷的相互遮挡效应，在夜间则相对冷却。此外，生态冷却表现出一个生物阈值。重要的是，GeoShapley分析揭示了夜间空间交互效应显著更强，占综合效应的38.2%，住宅区达到33.6%。这项研究建立了一个空间明确的分析框架，以揭示塑造城市热环境的多因素影响，并提供了科学证据，支持制定空间和时间上适应性的城市热缓解和规划策略。
**引言**
全球气候变化与快速城市化的交织正在以前所未有的强度重塑城市环境，其中最突出的挑战之一是城市热岛（UHI）效应（Ward等人，2016年）。这种现象表现为城市中心与其周边农村地区之间的显著温度差异（Voogt & Oke，2003年），不仅加剧了能源消耗和提高了大气污染水平，还直接威胁到城市居民的热舒适度和整体福祉（Agarwal & Tandon，2010年；Santamouris，2020年；Jenerette等人，2016年；Li等人，2023年；Li等人，2019年）。因此，理解UHI的时空异质性对于提供更有效的缓解策略至关重要。
准确描述UHI是理解其时空异质性和制定有效缓解策略的关键。现有的测量UHI效应的方法主要依赖于地面空气温度数据或卫星衍生的地表温度（LST）。虽然地面数据更准确且与人类舒适度相关，但其稀疏的站点覆盖范围往往无法捕捉城市影响；相反，LST在平静条件下与空气温度有很强的相关性，已成为UHI研究的关键数据来源（Bonacquisti等人，2006年；Stewart，2011年）。然而，以往的研究主要集中在白天的UHI效应上，而对夜间UHI现象的关注较少。此外，必须认识到UHI在白天和夜间都持续存在，由于太阳角度、蒸散率和人为因素的时间变化，城市特征影响LST的过程在这两个时期有显著差异（Mathew等人，2018年；Peng等人，2012年；Qiao等人，2013年）。因此，仅关注白天的热岛而忽视夜间的热岛可能会导致对城市过热动态及其影响的理解不完整，可能导致不充分甚至误导性的缓解策略。因此，全面研究白天和夜间城市热环境的特征和因果机制至关重要。
尽管遥感技术已成为UHI研究的关键方法，但这些研究常常受到遥感数据固有限制的阻碍，特别是在时空覆盖范围和空间分辨率方面。例如，Landsat系列卫星是LST检索的主要数据来源（Weng等人，2014年；Parastatidis等人，2017年），但由于夜间数据有限，其在夜间LST监测中的应用受到限制。此外，虽然ECOSTRESS可以提供白天和夜间的观测数据，但其空间分辨率仅为70米（Fisher等人，2020年），这通常不足以捕捉高度异质的城市结构中的细尺度热模式。这导致了严重的混合像素问题，从而掩盖了城市内部的关键温度变化。可持续发展科学卫星1号（SDGSAT-1）通过其热红外光谱仪克服了这些限制，提供了高空间分辨率（30米）和专门的夜间成像能力（Guo等人，2023年）。这使得能够准确获取白天和夜间的LST数据，减轻了混合像素问题，并允许更精确地描述细尺度的城市热环境（Han等人，2025年）。因此，SDGSAT-1数据成为监测白天和夜间UHI效应的宝贵数据来源。
目前，关于UHI的研究逐渐从宏观城市尺度转向城市内的更细小空间单元。为了更深入地了解城市热景观的空间差异，研究人员采用了两种分类系统：局部气候区（LCZ）和城市功能区（UFZs）（Yang等人，2021年；Cilek & Cilek，2021年；Chen等人，2022年；Chen等人，2024年）。尽管LCZ框架已被广泛采用，根据表面结构和覆盖材料对城市气候进行研究（Stewart & Oke，2012年），但它经常忽略了人类社会经济活动等因素（Ji等人，2023年）。这些由功能驱动的机制无法通过纯形态学分类方法完全捕捉。相比之下，UFZs方法提供了更大的潜力，可以整合社会经济协变量，从而更全面地分析热环境差异。通过将城市形态与社会经济动态相结合，UFZs更直接地对应于城市规划和管理中使用的单元。然而，对不同UFZs中UHI效应的昼夜变化特征的理解仍然有限。现有研究主要受到静态统计模型或可解释性框架的阻碍，这些框架忽略了地理效应（Li等人，2020年；Bai等人，2024年），因此无法充分量化地理位置与城市影响因素之间的协同作用。这一限制严重限制了对城市热岛时空异质性的深入理解。因此，引入空间明确的可解释机器学习方法至关重要，以系统地分析不同UFZs中白天和夜间热环境的演变特征和潜在机制，从而促进制定时间和空间上针对性的精确热缓解策略。
大量研究一致表明，UHI效应是一个复杂的现象，归因于自然变量和人为活动的共同作用（Oke，1982年；Arnfield，2003年）。为了阐明各种驱动因素对LST的机制作用，现有研究广泛采用了各种机器学习方法。在各种算法中，极端梯度提升（XGBoost）表现出了出色的性能（He等人，2024年；Ma等人，2024年）。然而，尽管XGBoost在捕捉复杂模式方面表现出色，但其“黑箱”性质阻碍了在地理空间背景下的机制解释。引入shapley加性解释（SHAP）值部分解决了这一限制，使得可以全局和局部分析特征贡献（Li，2022年）。然而，标准SHAP框架假设观测值是独立的，这对于具有固有空间依赖性的城市热环境研究来说尤其不充分（Li等人，2010年）。为了解决这一根本问题，Li（2024年）改进了SHAP并提出了GeoShapley算法。这种创新方法将地理位置本身纳入合作博弈论框架，能够同时量化三种不同的效应：特征的主要效应、可归因于地理位置的内在空间效应以及特征和位置之间的空间交互效应（Chen等人，2025年）。因此，XGBoost-GeoShapley模型建立了一个分析范式，结合了预测性能和地理可解释性，显著优于传统方法，从而揭示了传统分析框架难以捕捉的空间异质性驱动机制模式。
总之，尽管在理解城市因素与LST之间的关系方面取得了实质性进展，但仍存在关键的知识空白，特别是在整合白天和夜间热差异、UFZs异质性和非线性相互作用方面。
（1）当前研究主要关注高峰温度时期的白天热条件，对不同UFZs中白天和夜间热环境的时空差异探索有限。这种时间不对称性限制了我们对UFZs内昼夜不同热行为和驱动机制的理解。
（2）以往的研究主要依赖于ECOSTRESS和Landsat等卫星数据源。然而，这些数据集在夜间成像能力和细尺度白天和夜间LST捕捉方面存在局限性。Landsat系列缺乏夜间热能力，而ECOSTRESS虽然提供白天和夜间的观测数据，但其中等分辨率不足以捕捉复杂城市表面下的细尺度热动态，阻碍了对城市内部热异质性的详细评估。相比之下，SDGSAT-1图像可以捕捉更详细的白天和夜间热环境特征。
（3）许多分析框架使用基于博弈论的SHAP方法来分析建成环境与城市热岛效应之间的非线性关系。然而，标准SHAP方法未能考虑空间显性效应的潜在影响。相比之下，新兴的GeoShapley算法可以对建成环境因素与空间背景之间的交互作用进行地理加权，有助于更深入地理解控制白天和夜间热变化的空间异质机制。
为了解决上述问题，本研究整合了来自SDGSAT-1的高分辨率昼夜热红外数据与多源城市数据集。基于这种整合，构建了一个综合研究框架，将UFZs、多维城市影响因素以及典型夏季极端热浪和晴朗天空条件下的白天和夜间LST变化联系起来。此外，使用了一个可解释的集成XGBoost–GeoShapley机器学习模型来实现以下核心目标：
（1）阐明福州不同UFZs中白天和夜间LST的时空变化模式；
（2）量化城市影响因素对不同UFZs中白天和夜间LST的直接影响和空间协同作用；
（3）使用GeoShapley算法研究每个因素的空间变化驱动机制，并分析已识别主要因素对LST的非线性影响模式和阈值效应。这些发现有望为城市规划和可持续发展建立理论基础，从而为制定城市热缓解策略提供实际见解。
**研究区域**
研究区域位于中国东南沿海地区的福建省福州市（118°08′–120°31′E，25°15′–26°39′N）。福州市被归类为中国“四大炉城”之一（Wang & Li，2014年），具有亚热带季风气候，年平均降水量为900–2100毫米，年平均温度在20–25°C之间（Yang等人，2022年）。截至2024年底，福州市的常住人口为850万，城市化率为...
**方法**
为了研究多方面城市形态对不同UFZs夏季白天和夜间LST的影响，本研究构建了一个综合分析框架（图2）。该框架包括三个主要步骤。首先，根据道路网络数据和POI数据对UFZs进行分类。其次，从SDGSAT-1 TIS数据中检索LST，并计算多维城市影响因素。然后将计算出的值分配给不同UFZs内的每个单元。
**夏季白天和夜间LST的空间分布**
夏季白天和夜间LST存在显著的空间异质性（图4）。白天LST范围为27.95°C至50.16°C，而夜间LST范围为25.33°C至37.66°C，表明白天和夜间存在显著的热差异。在夏季白天（图4a），LST较高的区域主要集中在商业区、工业区和高密度住宅区。相反，LST较低的区域与...
**白天和夜间热环境的差异及关键驱动因素：差异机制和物理解释**
在夏季白天，商业区、工业区和高密度住宅区的表面温度较高。这些区域的特点是建筑密度高且不透水面比例大，促进了热量积累并阻碍了快速散热，导致白天LST显著升高（Shi等人，2023年）。相反，绿地和水体区域的表面温度较低。水和植被的冷却效果尤为显著。基于高分辨率遥感数据以及集成的XGBoost-GeoShapley建模框架，本研究系统地分析了福州三环路区域内不同城市功能区（UFZs）夏季高温热浪期间白天和夜间的地表温度（LST）的时空差异特征，以及这些特征与多维城市影响因素之间的关系。本研究的主要结论如下：（1）城市热环境表现出明显的……（未引用参考文献）陈等人，2024年；郭等人，2023年；Kim和Brown，2021年；刘等人，2024年；刘等人，2021年；宋等人，2025年；张和杜，2015年；张等人，2017年。CRediT作者贡献声明：熊瑶：撰写——初稿、可视化、软件、方法论、资金获取、概念化；张家豪：撰写——初稿、可视化、验证、软件、数据管理；杨金涛：验证、软件、方法论；叶宝健：撰写——审稿与编辑、软件、数据管理；朱志鹏：撰写——审稿与编辑、验证、软件。利益冲突声明：作者声明没有已知的财务利益冲突或可能影响本文研究的个人关系。致谢：本研究得到了国家自然科学基金（项目编号32301647）的财政支持。研究结果属于SDGSAT-1开放科学计划的一部分，该计划由可持续发展目标大数据国际研究中心（CBAS）实施。本研究使用的数据来源于SDGSAT-1，并由CBAS提供。
