《Remote Sensing of Environment》：A parameterization-based framework for quantifying the cooling effects of urban blue–green spaces: Comparative evaluation with buffer and Gaussian models
編輯推薦：
城市藍綠空間降溫評估中，現有方法存在兼容性、泛化性和可解釋性不足的問題。本研究提出基于溫度梯度和散度的LSTPM方法，通過物理過程解析降溫影響范圍，計算冷卻強度（CI）、距離（CD）、效率和梯度（CG）四個指標。對比北京第六環路的208個樣本發現：BM最寬松（有效降溫識別率>60%），GMM最保守且穩定性差，LSTPM在CD和CE上差異顯著，且通過負控制實驗驗證其區分能力最強。方法敏感性分析表明LSTPM數據質量依賴度較高（CI變化達71.5%），而BM抗噪性更強（CI相對變化<18%）。該方法為高精度數據下的城市熱環境管理提供新工具，BM適合一般應用，GMM適用于小樣本探索。
胡中原|李凱新|曾慧
北京大學城市規劃與設計學院，中國深圳518055
摘要
針對現有方法在評估城市藍綠空間（BGS）降溫效果方面的兼容性、普遍性和可解釋性方面的局限性，本研究提出了一種地表溫度參數化方法（LSTPM）。該方法基于局部溫度梯度和散度，從物理角度表征了BGS的主要降溫作用，并據此推導出四個指標：降溫強度（CI）、降溫距離（CD）、降溫效率（CE）和降溫梯度（CG）。利用北京六環路內的208個BGS樣本以及多時相Landsat影像，我們將LSTPM與緩沖區方法（BM）和高斯模型方法（GMM）進行了比較。研究結果表明：（1）BM方法最為寬松，在所有季節中超過60%的樣本中都能識別出有效的降溫效果，而GMM方法則最為保守且結果不穩定；（2）在數值上，LSTPM和BM在降溫強度（CI）方面具有較強的一致性（夏季相關性r=0.68），但在降溫距離（CD）方面存在顯著差異（相關性r=0.17），這凸顯了LSTPM在空間劃分方面的獨特能力；（3）使用建成區作為負對照進行的有效性測試表明，LSTPM的區分能力最強，而BM方法經常將建成區誤判為降溫源；（4）敏感性分析顯示，盡管BM方法在0.3σ噪聲范圍內具有較高的穩健性（CI相對變化小于18%），但LSTPM對數據質量更為敏感（CI變化幅度可達71.5%）。因此，LSTPM適用于高質量數據的精確解釋性分析，BM方法適用于通用且穩健的應用，而GMM方法適用于小樣本的探索性建模。本研究基于物理過程，為城市熱管理提供了更科學的方法選擇。
引言
城市藍綠空間（BGS）具有較高的熱容量和較強的蒸散作用，能夠與周圍環境進行大量熱交換，從而產生降溫效果；它們是緩解城市熱島效應（UHI）的重要手段（Gunawardena等人，2017；Jones等人，2024）。然而，這些降溫效果的強度不僅取決于BGS的物理存在，還受到其多維特性（如空間布局和景觀模式）的影響（Amjad等人，2025；Das等人，2025）。為了量化這些效果，文獻中提出了降溫強度（CI）、降溫距離（CD）、降溫效率（CE）和降溫梯度（CG）等指標（Yang等人，2024；Zhou等人，2025）。這些指標通常是基于地表溫度（LST）反演得出的，其核心前提是合理劃分“降溫影響區域”。
現有的基于LST的降溫區域識別方法包括緩沖區方法（BM）、高斯模型方法（GMM）和流域方法（Lu等人，2019；Zhou等人，2022；Zhou等人，2025）。最新研究對這些方法進行了批判性評估，發現它們在復雜城市環境中存在顯著局限性。BM方法通過從BGS邊界向外構建同心緩沖區來根據距離-溫度關系推斷降溫范圍（Peng等人，2021；Yao等人，2022）。盡管這種方法直觀且應用廣泛，但它依賴于各向同性的緩沖區，無法捕捉降溫流的方向性差異（Xiao等人，2023a）。此外，緩沖區閾值的選擇（例如固定半徑與第一拐點）具有高度主觀性，導致不同研究之間的結果不一致（Du等人，2017；Masoudi和Tan，2019；Peng等人，2020）。GMM方法通過使用二維高斯函數擬合LST表面來過濾局部擾動，從而在數學上進行了改進（Anniballe等人，2014；Lai等人，2021），但它假設了一個理論上的單峰分布，這在熱島或冷島不規則或多中心的城市景觀中往往不成立（Gao等人，2022）。流域方法試圖解決空間不規則性問題，但依賴于“虛擬流域”來定義影響范圍，這缺乏明確的物理熱力學解釋（Lin等人，2015；Zhou等人，2025）。
盡管在這些方法上有所進步，但仍存在一個關鍵的研究空白：現有方法主要測量靜態溫度差的幅度，而非表征主導影響的實際范圍。大多數方法僅因為某個像素的溫度低于背景閾值就將其標記為“降溫區域”（Bai等人，2024；Zhou等人，2022）。它們往往無法區分低溫度像素是由于BGS的降溫作用（通過熱傳導和對流）還是僅僅處于較冷的背景環境中（Iungman等人，2023；Jiang等人，2026）。這種依賴幾何統計而非物理過程參數化的做法限制了結果的可解釋性，阻礙了降溫機制的可靠量化（Hu和Zeng，2025a；Shi等人，2020；Xiao等人，2023a）。
為了解決這一問題，本研究提出了一種地表溫度參數化方法（LSTPM），該方法將研究范式從幾何緩沖轉向物理場分析。該方法的亮點在于它基于矢量微積分理論。通過利用溫度梯度（指示熱流方向）和散度（識別熱源/熱匯）的物理含義，LSTPM能夠確定熱流的方向及其對周邊像素的統計顯著性（Ord和Getis，1995）。這有助于物理上劃分出BGS對局部溫度起主導控制作用的實際范圍，從而克服了傳統方法的主觀性和各向異性限制。在此基礎上，我們計算了CI、CD、CE和CG。為了系統評估這些方法的性能，我們在北京六環路內選取了208個BGS樣本進行測試，該地區以快速城市化和顯著的城市熱島效應為特征（Meng等人，2018）。我們構建了一個比較框架，包括BM和GMM，以檢驗它們的數值一致性、有效性、敏感性和穩健性。最后，基于這些分析，我們討論了這三種方法的優點、局限性和適用場景。
本研究的主要貢獻有四點：（1）我們從物理過程的角度介紹了LSTPM，利用溫度場的局部結構來描述降溫主導性，從而提高了結果的可解釋性和降溫區域識別的準確性；（2）在統一的指標體系下，我們對LSTPM、BM和GMM進行了多維度比較，明確了它們之間的一致性和差異，并為方法選擇提供了實用指導；（3）通過負對照樣本和擾動實驗，驗證了這些方法的區分能力和數據穩健性，為大規模和多時相應用界定了適用條件；（4）面向規劃實踐，我們總結了這些方法在不同數據質量和研究目標下的適用性，為優化BGS配置和管理城市熱環境提供了方法論支持。
研究區域
本研究以北京六環路內的區域作為研究范圍（圖1），用于提取BGS樣本和驗證樣本。北京位于北緯39°26′–41°03′、東經115°25′–117°30′，總面積為16,410.54平方公里。截至2020年，其常住人口為2189.3萬。作為中國的首都，北京也是政治、文化和國際交流的中心。由于地處內陸，該城市冬季寒冷干燥，夏季炎熱多雨。
降溫效果的比較分析
盡管三種方法都捕捉到了類似的季節性趨勢——夏季降溫效果最明顯，冬季降溫效果最弱——但它們的定量結果存在顯著差異（圖5和補充材料S2）。BM方法最為寬松，在所有四個季節中超過60%的BGS樣本中都能識別出有效的降溫效果。LSTPM方法的寬松性居中，CI的估計值也較為合理，但在CD和CE方面的結果相對保守。相比之下，GMM方法最為保守，經常
方法之間的計算邏輯差異
三種方法在計算邏輯上的根本差異在圖3中得到了直觀展示。BM方法（圖3a）采用剛性的各向同性幾何結構（同心圓環），隱含了所有方向上降溫傳播均勻的假設。GMM方法（圖3c）采用理論上的平滑處理方式，通過擬合理想化的橢圓表面來簡化復雜的城市異質景觀。而LSTPM方法（圖3b）則捕捉到了微氣候的各向異性特征
結論
本研究解決了物理解釋城市藍綠空間降溫效果的關鍵問題。通過超越傳統的基于幾何的統計方法，我們提出了LSTPM方法，該方法利用局部溫度梯度和散度來識別“主導”降溫區域。通過對北京208個BGS樣本的系統比較，本研究得出了以下關鍵見解：
（1）方法論范式轉變：LSTPM表明，通過整合矢量分析可以更準確地識別降溫區域CRediT作者貢獻聲明
胡中原：撰寫原始稿件、可視化處理、數據調查、概念構建。李凱新：撰寫原始稿件、可視化處理、驗證工作、軟件開發、方法論設計、數據整理、概念構建。曾慧：項目監督、資金申請。
資金支持
本研究得到了深圳市基礎研究計劃（項目編號：GXWD20201231165807007-20200812142216001）和流域人類居住區與災害預防和減災跨學科博士創新基金（項目編號：2025JCXK-07）的資助。
利益沖突聲明
作者聲明沒有已知的財務利益沖突或個人關系可能影響本文的研究結果。
致謝
本研究得到了深圳市基礎研究計劃（項目編號：GXWD20201231165807007-20200812142216001）的資助。
