



本研究以重庆为典型山区城市案例,基于GeoAI构建的LST降尺度模型(LSTdm - CUE v1.0),探究工业区对城市热岛(IUHI)的贡献及驱动机制。
研究背景:全球变暖加剧城市热环境恶化,城市内热岛(IUHI)在复杂地形城市(如重庆)中表现更显著,但现有LST降尺度模型难以捕捉地形影响,且对工业区等关键热源的作用解析不足。
方法:基于Google Earth Engine平台,融合Landsat 8、Sentinel - 2A与MODIS数据,采用空间残差机器学习技术将30米分辨率LST降尺度至10米(验证R² = 0.86),结合XGBoost - SHAP框架与OPGD模型,分析2015 - 2024年(重点2024年夏季)环境(植被NDVI、蒸发量)、地形(海拔、坡向)及社会经济因素对LST的非线性影响及交互作用。
结果:① 2024年夏季LST达10年最高(41.39℃),城市比郊区高4.81℃,热岛热点呈多中心集群分布,工业区贡献率达48.21%(占热点区域主导);② 低洼地区工业区(如平原谷地)LST显著高于高山工业区,地形对热岛空间分异起关键作用——高海拔区受自然因素(植被、高度)主导,低洼区受人为热源与地形限制(热积累)影响更显著;③ 驱动机制上,LST变化是环境(植被、蒸发量)、地形(海拔、坡向)与社会经济的非线性交互结果,海拔每升高温度降低,低海拔区温度更高,工业区内部热点集中于低洼与过渡地形。
结论:工业区是重庆热岛主因(温度较非工业区高约5℃),其贡献受地形与人为活动共同驱动;建议通过精准改造工业区布局、优化新工业区选址及建立区域冷气循环系统调控热岛,为山区城市高温缓解提供科学支撑。创新点在于提出适用于复杂地形的LST降尺度模型及多因素交互分析方法。
#热点 #sci辅导 #科研 #遥感 #区域与城市规划 #带你一起读论文 #后工业时代 #创新与发展
研究背景:全球变暖加剧城市热环境恶化,城市内热岛(IUHI)在复杂地形城市(如重庆)中表现更显著,但现有LST降尺度模型难以捕捉地形影响,且对工业区等关键热源的作用解析不足。
方法:基于Google Earth Engine平台,融合Landsat 8、Sentinel - 2A与MODIS数据,采用空间残差机器学习技术将30米分辨率LST降尺度至10米(验证R² = 0.86),结合XGBoost - SHAP框架与OPGD模型,分析2015 - 2024年(重点2024年夏季)环境(植被NDVI、蒸发量)、地形(海拔、坡向)及社会经济因素对LST的非线性影响及交互作用。
结果:① 2024年夏季LST达10年最高(41.39℃),城市比郊区高4.81℃,热岛热点呈多中心集群分布,工业区贡献率达48.21%(占热点区域主导);② 低洼地区工业区(如平原谷地)LST显著高于高山工业区,地形对热岛空间分异起关键作用——高海拔区受自然因素(植被、高度)主导,低洼区受人为热源与地形限制(热积累)影响更显著;③ 驱动机制上,LST变化是环境(植被、蒸发量)、地形(海拔、坡向)与社会经济的非线性交互结果,海拔每升高温度降低,低海拔区温度更高,工业区内部热点集中于低洼与过渡地形。
结论:工业区是重庆热岛主因(温度较非工业区高约5℃),其贡献受地形与人为活动共同驱动;建议通过精准改造工业区布局、优化新工业区选址及建立区域冷气循环系统调控热岛,为山区城市高温缓解提供科学支撑。创新点在于提出适用于复杂地形的LST降尺度模型及多因素交互分析方法。
#热点 #sci辅导 #科研 #遥感 #区域与城市规划 #带你一起读论文 #后工业时代 #创新与发展


