BAE|武汉大学|复杂的城市地表可以减轻城市内部热效应对植被物候的影响

Jianhua He, Limin Jiao 

期刊：Building and Environment

近年来，城市热岛（Urban Heat Island, UHI）对植被物候（Vegetation Phenology）的影响已成为城市生态研究的重要方向。已有研究普遍认为，城市升温通常会促进春季提前萌发、延迟秋季落叶，从而延长植物生长季。然而，大多数研究主要关注城乡差异（Urban–Rural Gradient），往往把整个城市视为一个均质系统，而忽略了城市内部由于建筑密度、高度、街区形态以及绿地配置不同所形成的微气候差异（Microclimate Heterogeneity）。

事实上，同一座城市内部，不同街区可能具有截然不同的热环境。高层高密度建筑形成的阴影、街谷结构和空气流动变化，与低层开放式城区相比，会导致植被经历完全不同的温度、光照和湿度环境。因此，仅依靠平均温度解释植被物候变化，已经难以揭示城市生态过程背后的真实机制。

针对这一问题，本文以成都为研究区，引入近年来城市气候研究中广泛采用的Local Climate Zones（LCZ）框架，将城市划分为不同三维形态单元，并结合Sentinel-2、Landsat遥感数据以及SHAP可解释机器学习模型，系统分析了不同LCZ类型下植被物候差异及其驱动机制。论文进一步提出，建筑阴影能够缓冲高温胁迫，使复杂城市空间成为城市植被抵御极端高温的重要"微气候避难所（Microclimatic Refuge）"，突破了传统"城市越热、植被越早萌发"的线性认知，为城市绿地规划提供了新的理论依据。

城市植被物候不仅决定着城市碳循环效率，也直接影响城市热环境调节、生物多样性维持以及居民生态福利。随着全球城市化快速推进，大规模建筑开发改变了地表能量平衡、空气流动及地表覆盖类型，使城市形成明显区别于自然区域的热环境。然而，目前关于城市植被物候的大量研究仍主要建立在"城市整体升温"这一宏观尺度认识之上，而缺乏对城市内部复杂空间结构作用机制的深入探讨。

已有研究发现，城市植被通常表现为春季提前萌发、秋季推迟衰老、生长季延长，但这些结论多数来源于城乡梯度分析或行政区尺度比较。这类方法虽然能够揭示城市总体效应，却难以描述高楼林立的中心城区、开放低层住宅区、公园绿地以及郊区森林之间截然不同的微气候环境。因此，越来越多研究开始关注城市内部空间异质性（Intra-urban Spatial Heterogeneity）。

近年来，Local Climate Zones（LCZ）逐渐成为描述城市空间异质性的标准框架。LCZ综合考虑建筑高度、建筑密度、地表覆盖和植被状况，将城市划分为多个具有相似热环境特征的类型，为研究城市微气候提供了统一尺度。然而，目前绝大多数LCZ研究仅停留在不同LCZ类型之间的统计比较，很少进一步分析紧凑型（Compact）与开放型（Open）城市形态之间是否具有不同的植被响应机制，也缺乏关于建筑三维结构如何通过遮阴作用影响热环境及植被物候的系统研究。

此外，已有研究普遍默认温度越高，植物萌发越早，但植物物候实际上受到冬季低温积累（Chilling Requirement）和春季增温共同控制。在亚热带城市，冬季持续升温是否可能因为冷量不足（Chilling Deficit）反而推迟春季萌发，目前仍缺乏充分证据。因此，本文试图从城市三维结构、热环境和植物生理机制三个层面，重新解释城市植被物候形成机制。

🌍研究目标与研究区

本文以四川省成都市作为研究对象。成都位于中国西南四川盆地，属于典型亚热带季风湿润气候，年均气温约16℃，降水约1300 mm，城市快速扩张、高层建筑密集，同时保留大量城市绿地、公园及郊区森林，是研究城市空间异质性影响植被物候的理想区域。

研究主要围绕三个核心目标展开：

第一，构建成都Local Climate Zones（LCZ）空间分布体系，刻画城市不同建筑形态和土地覆盖类型的空间格局。研究首先利用全球LCZ数据建立100 m分辨率城市空间分类体系，识别紧凑高层、开放低层、工业区、森林及低矮植被等不同类型，并分析各类型在成都的空间分布特征。

第二，定量分析不同LCZ类型下植被物候差异。利用Sentinel-2遥感时间序列提取SOS（Start of Season）、EOS（End of Season）和LGS（Length of Growing Season），比较不同城市空间类型之间植被生长开始时间、生长结束时间以及生长季长度的变化规律。

第三，揭示不同城市形态下植被物候驱动机制。研究进一步采用ThunderGBM与SHAP解释模型，分析地表温度（LST）、建筑高度、建筑体积、人口密度以及景观格局等因素的重要性，并重点讨论建筑遮阴如何调节高温胁迫，从而影响植被物候响应，为城市生态规划提供理论支持。

🌍 研究方法

研究构建了一套融合遥感数据、多源城市空间数据、机器学习和可解释人工智能的分析框架。

首先，研究采用Sentinel-2 MSI影像构建2019–2021年植被时间序列，计算增强植被指数（EVI），并通过动态阈值法提取植被物候参数，包括春季开始时间（SOS）、秋季结束时间（EOS）以及生长季长度（LGS）。为了降低年际波动影响，对连续三年的物候结果进行了平均处理。

与此同时，研究利用Landsat 8反演同期地表温度（LST），并结合Global Human Settlement Layer（GHSL）获取建筑高度、建筑体积和建筑覆盖率等三维城市结构参数；采用LCZ数据集描述城市形态，并通过Google Earth随机抽样验证分类精度，整体准确率达到83%，保证了空间分析可靠性。

在驱动机制分析方面，作者建立包含12个解释变量的机器学习模型，包括地表温度、人口密度、建筑高度、建筑体积、建筑面积以及景观指数等，采用ThunderGBM梯度提升树模型预测植被物候，并利用SHAP（SHapley Additive Explanations）量化各变量的重要性及作用方向。同时，通过SHAP交互分析和三维响应曲面，进一步研究建筑遮阴与地表温度之间的非线性交互关系，识别不同遮阴条件下植被对高温响应的阈值特征，深入揭示三维城市结构调节微气候的机制。

🌍 研究结果

研究首先发现，成都不同LCZ类型之间存在显著的植被物候差异。紧凑高层城区（LCZ1–3）植被春季萌发明显晚于开放低层城区（LCZ4–6），二者SOS相差接近四周；开放低层区域不仅春季更早萌发，而且秋季衰老更晚，因此整体生长季长度超过230天，而紧凑高层区域不足220天，不同LCZ之间生长季差异超过40天。这说明城市内部空间结构能够显著塑造植被季节变化规律，而不仅仅是城市整体热岛效应。

SHAP分析进一步表明，地表温度（LST）、人口密度和建筑高度是影响植被物候最重要的驱动因子。不同物候指标的主导因素存在差异：SOS主要受LST和人口密度控制；EOS则同时受到建筑高度和温度共同影响；LGS主要受LST负向影响，而人口密度表现为正向促进作用。相比之下，景观格局指数（如SHDI、CONTAG）影响较弱，仅起辅助调节作用。

不同城市形态具有完全不同的控制机制。在紧凑型城区（LCZ1–3），建筑高度成为最主要驱动因素，高层建筑通过改变光照和空气流动，对植被物候影响甚至超过温度本身；而在开放型城区（LCZ4–6），LST重新成为主导变量，说明建筑物较少时，植被更多直接受到热环境控制。这意味着城市形态决定了植被物候的控制机制，并非所有城区都遵循相同规律。

论文最重要的发现来自建筑遮阴与温度的交互分析。研究识别出约23–25℃的关键温度阈值。当温度低于这一范围时，适度升温能够促进植被生长；当温度继续升高时，植被开始受到热胁迫，SOS推迟、EOS提前、生长季缩短。然而，在高建筑遮阴区域，即使温度持续升高，植被生长季仍保持相对稳定，说明建筑阴影能够有效缓冲极端高温影响，为城市植被提供"微气候避难所"，减轻热应激造成的物候退化。

🖼️ 图 1. 成都市土地利用和建成区空间格局，并列举建成区典型实例。

🖼️ 图 2. 局部气候区方案。改编自 Stewart 和 Oke [ 20 ]，并作了修改。

🖼️ 图 3. 基于LCZ 的城市植被物候分析的分析工作流程。该图展示了完整的分析过程，包括数据采集和预处理、空间协调和物候提取、基于 LCZ 的分层以及后续应用 ThunderGBM 和 SHAP 进行模型解释。

🧩 讨论部分

本文最大的理论贡献在于突破了传统"城市升温促进植被提前萌发"的经典观点。作者发现，在成都这样的亚热带城市，高LST反而对应更晚的SOS。这一现象并非遥感误差，而是植物生理机制所导致。研究提出，高温冬季会减少植物满足休眠解除所需的冷量积累（Chilling Requirement），形成所谓冷量不足（Chilling Deficit），导致春季虽然气温升高，但植物仍无法及时解除休眠，因此萌发反而推迟。这一解释将植物生理学与城市热环境联系起来，为理解亚热带城市植被物候提供了新的理论框架。

另一方面，论文重新认识了高层建筑在城市生态中的作用。传统观点通常认为高密度建筑会加剧热岛效应，不利于植被生长；然而本文指出，建筑遮阴并不仅仅降低光照，同时能够减少太阳辐射、保持空气湿度，并缓解极端高温造成的热胁迫。因此，在高温背景下，高层建筑反而可能成为植被的重要保护因素。这一发现说明，城市规划不能简单追求低密度开发，而应综合考虑建筑高度、街区布局及遮阴效应，实现热环境调控与生态保护之间的平衡。

作者同时指出，本研究仍存在一定局限。例如，遥感物候反映的是混合像元整体响应，尚无法区分不同树种之间的物候差异；建筑材料、灌溉管理和养护措施等人为因素尚未纳入模型；LCZ分类边界仍存在一定误差。未来应结合高光谱遥感、地面物候观测网络以及跨城市比较研究，进一步验证"冷量不足"和"建筑遮阴缓冲"机制在不同气候区的普适性。

🧩 结论部分

本研究超越了对城市密度效应的描述性分析，深入探索了城市植被物候学背后的非线性及物种介导机制。通过运用局部气候区（LCZ）框架和机器学习方法，我们的研究结果表明，城市内部物候异质性可能比以往认为的更大，反映了不同城市形态所对应的独特微气候模式。在人口密集区域观察到的春季延迟可能反映了优势落叶树种对冬季低温不足的生理响应，这挑战了通常假设的线性升温-提前模式。

此外，研究结果表明，三维建筑结构可通过构建局部微气候避难所来缓冲植被免受极端高温胁迫的影响。这些发现凸显了在基于生命周期分区（LCZ）的规划和旨在增强植被在气候变化下适应能力的气候敏感型城市绿化策略中考虑城市形态结构的重要性。未来的研究应进一步评估这些机制在不同城市和气候背景下的普遍性。

🛰️🌆GeoAI 星球 · 洞见时刻

真正决定城市植被物候的，不只是温度，而是城市三维空间塑造出的"微气候"。

过去，人们往往将城市热岛理解为一种均匀增温效应，认为"城市越热，植物越早生长"。而本文揭示，城市实际上由大量不同尺度的微气候单元组成：高层建筑形成阴影、开放街区增加辐射、不同建筑高度改变风场和湿度，这些因素共同决定了植物实际感受到的热环境。因此，未来城市生态研究应从二维土地覆盖转向三维城市形态（3D Urban Morphology），从关注平均温度转向关注建筑—热环境—植被之间的耦合关系。

对于GeoAI而言，这项研究同样具有重要启示。LCZ不仅是城市分类工具，更是连接遥感、机器学习和城市生态过程的重要桥梁。未来结合高分辨率遥感、数字孪生城市、三维建筑模型以及大模型驱动的GeoAI分析框架，可以进一步构建城市植被物候预测系统，实现"城市形态—微气候—生态响应"的智能模拟，为城市绿化布局、热岛缓解和气候适应型城市建设提供更加精准的科学支撑。

📢 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。