Measuring the relationship between morphological spatial pattern of green space and urban heat island using machine learning methods
https://doi.org/10.1016/j.buildenv.2022.109910
土地利用格局可以极大地塑造城市热环境。尽管以往的研究表明城市热岛（UHI）强度很容易受到绿地景观格局的影响，但绿地形态空间格局与UHI强度之间的关系仍有待探索。与景观格局相比，形态空间格局分析（MSPA）可以揭示更具体的土地利用配置和组成细节。因此，本研究旨在利用机器学习方法探讨土地利用形态空间格局是否对城市热岛影响。首先，基于MSPA分析绿地形态特征。其次，根据相关系数测量城市热岛强度与一组潜在影响因素（包括形态特征）之间的线性关联。最后，基于随机森林量化了形态因素对城市热岛强度的非线性贡献。快速城市化城市的实证案例研究揭示了在考虑基准因素的情况下形态特征对城市热岛强度的巨大影响。城市热岛强度与绿地核心、穿孔、环路呈负相关，与小岛呈正相关。因此，在绿地总量一定的情况下，少数大的核心区会比大量的小岛更好。此外，应将零散的绿地斑块进行整合或连接，以增强降温能力。我们的研究结果可以为城市热岛减缓和土地利用规划提供一些见解，特别是当绿地面积无法无限增加时。
地表温度（LST）产品：本研究利用国家青藏高原数据中心发布的高精度地表温度产品来揭示城市热岛强度的空间特征。
数字高程模型（DEM）和交通网络数据：这些数据来自中国国家地球系统科学数据中心，用于分析地形和交通网络的影响。
土地利用数据：这些数据由清华大学提供，包含了不同土地利用类型的信息，如农田、森林、灌木地、草地、湿地、水域、建设区和裸地。
归一化植被指数（NDVI）数据：这些数据来自中国国家生态系统科学数据中心，用于评估植被覆盖的影响。
人口信息数据：人口信息数据来自World Pop计划，提供了有关深圳不同区域的人口分布和密度信息。
建筑信息数据：这些数据由AutoNavi Map提供，包含建筑的位置和形态信息。
|| 检索LST以及UHI
由于研究区域夏季时UHI效应最为严重，因此选择夏季的数据进行分析。仅选取六天的数据，这六天具备晴朗无云的条件，分别为2017年7月24日、8月11日、8月13日、8月29日、9月22日和9月27日。计算选取的六个日期的LST数据的平均值，以减小时间变化的影响。
使用以下方程计算UHI效应的强度
其中LSTGrid表示每个网格内的平均地表温度，而LSTRural表示农村地区的平均地表温度。
|| 形态空间格局分析
在本研究中，研究区域内的土地利用（即绿地）像素被视为前景，而其他像素被视为背景。输入栅格图像的前景将根据其形态特征分为七种形态学类别（核心、边缘、孔洞、桥梁、环路、分支和小岛）。特别是，核心自然栖息地（核心）和线性生态走廊（桥梁和环路）可以在MSPA的支持下轻松区分出来。
核心 能为物种提供理想栖息地的大型斑块。
边缘 核心区与其他斑块之间的外部过渡区域。
孔洞 核心区与其他斑块之间的内部过渡区域。
桥梁 连接不同核心区的走廊。
环路 连接同一核心区的环状走廊。
分支 只有一端与核心相连的狭窄区域。
小岛 孤立的小型斑块
||量化UHI强度与形态因素之间的关系
将相关性分析和随机森林分析相结合，以提供更详细和全面的解释。每个潜在因素都将被赋予贡献分数，即使它与UHI强度没有显著关联。
| 城市热岛强度的潜在影响因素选择
土地利用 建筑密度 、绿地密度、 水域密度 、裸地密度
自然条件 NDVI、海拔
人类活动 人口密度
建筑环境 道路密度、建筑物平均高度 (MBH) 、天空视域因子 (SVF)
在这项研究中，制定了两组实验来找出哪些潜在的影响因素可以更好地解释城市热岛强度。
基准实验是一种传统方法，仅考虑潜在影响因素（基准模型），而另一种是本文提出的方法，考虑了形态类别和潜在影响因素（建议模型）。
图 6 各潜在影响因素对城市热岛强度的贡献（基准模型）
图 7. 每个潜在影响因素对城市热岛强度的贡献（建议模型）
1、城市热岛效应的缓解可以极大地提高人们日常生活的质量和舒适度。土地利用规划者和决策者应充分认识城市热岛强度的影响因素，通过合适的土地利用设计妥善处理这一问题。
2、城市热岛强度与绿地的形态特征密切相关，其影响甚至比基准因素对地表温度的影响更大。具体来说，随机森林模型指出，核心绿地的密度在减轻热岛效应方面可以有显著贡献，其次是孔洞和环路的密度。与小岛相比，一些大型核心区域在总绿地面积固定的情况下效果更好。
3、绿地关键形态类别的合理配置和组合可以增强其调节通风、湿度和蒸散的能力，最终缓解城市热岛效应。这一关于驱动城市热岛强度变化因素的新发现可能为绿地规划和设计提供实用指导。
研究局限性
研究和方法上的一些不足仍需要在未来的研究中加强。
首先，不同城市的绿色空间形态空间格局与城市热岛强度之间的关系可能有所不同。未来的研究有必要检验其他地区是否会得出类似的结论。
其次，当未来获得长期高分辨率和高精度的土地利用数据时，应该发现这种关系的时间动态。
第三，本研究没有使用地面监测站的气象数据，因为研究区域的地面监测站数量非常有限，相关的空间插值结果可能不可靠。
第四，如果有更详细的数据，我们可以进一步区分不同类型的绿地。
第五，可以利用更先进的机器学习技术进一步发现城市热岛强度的影响因素。
