期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于机器学习和局地气候区类型的西安市最佳热缓解空间形态因子
1
作者 朱瑜 吴春波 +4 位作者 翁睿瑶 陈思唯 王旭辉 寇新园 何金莹 《中国城市林业》 2025年第2期142-150,共9页
【目的】深入剖析城市空间形态因子对地表温度的驱动机制,为精准制定不同城市形态区域热缓解策略提供有力支撑。【方法】基于LCZ框架,集成多源遥感数据与地理大数据,对西安市LST的空间分异规律展开探究,借助机器学习模型与SHAP方法,深... 【目的】深入剖析城市空间形态因子对地表温度的驱动机制,为精准制定不同城市形态区域热缓解策略提供有力支撑。【方法】基于LCZ框架,集成多源遥感数据与地理大数据,对西安市LST的空间分异规律展开探究,借助机器学习模型与SHAP方法,深入解析城市空间形态因子对LST的贡献及其非线性关系。【结果】1)建筑类型LCZ的LST高于自然类型LCZ,LCZC温度最低,LCZ2温度最高;2)随着建筑高度增加,ISF、DEM对地表温度的贡献率逐渐降低,而FVC、MBH的贡献比例则呈上升趋势;3)在城市规划方面,针对建筑类型(LCZ1~7)应采用差异化的植被恢复策略,同时建议控制平均树高小于2.5 m、LCZ2建筑密度小于56%,高层建筑高度大于75 m,低层建筑高度小于9 m。【结论】城市形态因子对LST的贡献度受到LCZ类型的影响,且城市形态因子与LST之间存在明显的非线性阈值效应。未来应通过参数化的气候适宜性城市设计实现热缓解目标。 展开更多
关键词 局地气候区(LCZ) 地表温度(LST) CatBoost模型 SHAP框架 城市热岛效应
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部