景观结构对全球南方特大城市气候调节生态系统服务的影响

《Urban Forestry & Urban Greening》：Landscape structure effects on climate regulation ecosystem service in a global south megacity

　　阿图尔·卢皮内蒂-库尼亚（Artur Lupinetti-Cunha）|西蒙娜·罗德里格斯·德弗雷塔斯（Simone Rodrigues de Freitas）|卢西亚娜·施万德纳·费雷拉（Luciana Schwandner Ferreira）|让-保罗·梅茨格（Jean Paul Metzger）
圣保罗大学生物科学研究所生态学系，Do Mat?o街14号，电视塔，圣保罗，圣保罗05508-090，巴西

**摘要**
城市化的加剧加剧了城市热岛效应，可能增加了能源消耗，并对热舒适度和人类健康构成风险。城市植被在缓解极端热事件和减少城市表面热岛效应方面具有巨大潜力。然而，有效的城市规划需要考虑植被与建筑结构之间的相互作用，而不仅仅是关注绿色覆盖参数。考虑到这种相互作用和三维指标，我们采用了一种空间显式方法和线性混合模型来评估景观结构如何影响巴西圣保罗（南半球最大的大都市）的气候调节生态系统服务供给链。虽然组成指标，特别是总植被覆盖面积，是解释局部气候调节服务供给的主要因素，但配置指标也显著影响这一服务。具体而言，植被边缘密度对服务供给有积极影响，而建筑边缘密度则具有负面影响。此外，树木体积以及植被区和建筑区之间的界面有助于降低地表温度，这表明绿地不仅应该丰富，还应该战略性地分布在碎片化的区域中，以最大化与建筑表面的接触并增强城市降温效果。此外，我们的分析揭示了服务供给与需求之间的空间不匹配，识别出在极端事件期间气候调节不足可能加剧健康脆弱性的高风险区域。这些发现为城市规划者提供了重要见解，强调了扩大绿地并将其整合到建筑环境中的必要性，特别是在供给无法满足当地需求的地方，以提高对热量的适应能力。

**1. 引言**
城市化的加剧对自然生态系统及其为人类提供的服务产生了深远影响（Vidal等人，2025年）。城市化的一个显著后果是城市热岛现象的出现，即城市比周边农村地区经历更高的温度（Tsoka等人，2020年）。这主要是由于人类活动释放的人为热量以及城市材料低反照率导致大量太阳辐射被吸收（Voogt和Oke，1998年；Jin等人，2020年）。城市表面热岛可以通过基于卫星的热传感器检测到（Li等人，2013年），这些传感器可以捕捉地表温度（LST），这是影响城市能量平衡的关键因素，进而影响能源消耗、热舒适度和人类健康（Voogt & Oke，2003年）。升高的LST增加了中暑和热衰竭等与热相关的疾病风险，尤其是在儿童和老年人等脆弱人群中（Kovats & Hajat，2008年）。尽管大多数与热相关的死亡事件发生在北半球，但南半球（特别是热带地区）面临独特的挑战，因为持续的高温会放大城市热岛效应，导致几乎全年都处于热应激状态（Giridharan & Emmanuel，2018年）。此外，快速城市化地区的有限热缓解基础设施和较弱的医疗系统会进一步增加这些地区人口的风险（Zhang等人，2023年）。

在气候变化的背景下，减轻全球温度上升的负面影响的关注度日益增加（Giridharan & Emmanuel，2018年）。在缓解或预防极端热事件和减轻城市表面热岛效应方面，城市植被具有巨大潜力。多种因素调节这种局部气候调节服务的强度（即城市植被通过何种方式缓解LST）。城市中绿地数量（即景观组成）的影响已经得到充分证实，较高的绿色覆盖面积与较低的LST相关（例如Howe等人，2017年；Ouyang等人，2020年）。植被配置也影响LST：聚集的植被斑块通过促进植被区和建筑区之间的能量交换来增强降温效果（Zhibin等人，2015年），而更大、更连贯的斑块通过蒸散作用增强降温效果（Moss等人，2019年）。绿地的降温潜力还取决于其形状；形状不规则的公园往往能在更远的距离内降温，而更紧凑的公园则提供更高的降温强度（Feyisa等人，2014年）。植被的破碎化和边缘效应对LST的降低具有依赖性，对局部气候调节服务既有正面也有负面影响。这些效应取决于研究地点、规模和绿色覆盖面积等因素，这可能导致遮荫和蒸散冷却的贡献不同。虽然更多的边缘可能会增加树木提供的遮荫，但也可能表明斑块更加破碎化，从而降低蒸散冷却效率（Srivanit & Iamtrakul，2019年）。此外，植被的高度和体积通过提供更多的遮荫和扩大冷却效应范围来降低LST（Helletsgruber等人，2020年）。

然而，这种生态系统服务的提供不仅受植被覆盖和配置的影响，还受建筑结构及其与植被的空间相互作用的影响（Nguyen，2020年）。因此，城市的整体空间配置（即建筑聚集和与植被区的接近程度）也会影响温度，即使在建筑密集的地区也是如此（Estoque等人，2017年）。建筑物的位置和特征，如高度和表面积，可以增加遮荫并改变气流模式（Ferreira和Duarte，2019年；Mansouri和Zarghami，2025年）。由于自然和建筑特征都会影响LST，因此量化它们的相互作用对于更好地规划有韧性的城市至关重要（Fu等人，2022年；Wu等人，2024年）。此外，关于位于全球南方的发展中城市的研究很少，这些城市的城市化进程迅速且往往缺乏监管，不同社区之间的绿地可及性存在明显差异。这些因素导致城市景观与全球北方的景观有显著不同（Rigolon等人，2018年）。因此，了解这些城市中气候调节服务的调节机制不仅具有功能重要性，对于设计适应气候变化的战略也至关重要（Derdouri等人，2025年）。

鉴于城市化的加剧以及随之而来的城市温度升高挑战，本研究旨在深入理解景观结构如何影响局部气候调节服务，特别关注配置效应，这些效应在不同研究领域仍存在争议（Fu等人，2022年）。我们关注巴西的圣保罗，这是一个社会不平等严重、土地利用模式多样且植被覆盖面积显著但不均匀分布的全球南方大都市，使其成为研究复杂条件下城市气候调节的代表性案例（Silva等人，2023年）。我们超越了仅研究植被效应的传统研究，考察了植被区和建筑区之间的相互作用，考虑了它们的空间排列和并置。我们预计，虽然组成仍然是影响局部气候调节的主要因素，但绿色和建筑区的配置也在提供这种生态系统服务方面发挥着重要作用。聚集且不那么破碎化的植被预计会有积极影响，而建筑配置则相反。此外，自然区和建筑区之间的相互作用将影响生态系统服务的提供强度并调节它们各自的效果。例如，植被可能部分抵消建筑相关的升温，而建筑物可能会减少植被驱动的降温效果。最后，我们的目标是识别局部气候调节服务的供给与需求之间的不匹配区域，这些不匹配主要源于城市绿地和建筑区的相互作用以及更高人口密度产生的需求（Wang等人，2024年）。通过确定这些不匹配，该研究不仅提供了见解，还通过指导干预措施的优先级来积极支持城市规划。

**2. 材料与方法**
**2.1. 研究区域**
圣保罗2022年的人口估计为11,451,245人，是南半球最大的大都市，面积为1,521平方公里（巴西地理统计局 - IBGE，2023年）。尽管其景观主要以城市为主，但该市仍保留了48%的植被覆盖面积，其中21%被归类为自然植被（SVMA，2020年）。该市具有湿润的亚热带气候（根据K?ppen分类为Cfa），特点是夏季温暖潮湿，冬季凉爽干燥，年平均降雨量为1,356毫米。根据靠近海洋、地形或靠近大型森林群等因素，圣保罗可以进一步划分为不同的自然中气候区（图A.1 - Tarifa & Armani，2000年）。全年温度通常在11至31摄氏度之间，但极端寒冷和炎热事件在该地区变得更加频繁（Valverde & Rosa，2023年）。该市记录的最高温度现在达到了38摄氏度（比炎热季节的平均最高温度高出10摄氏度）。

该市自然和建筑环境的复杂混合，加上多样的土地利用模式，为研究植被覆盖、建筑结构和地表温度之间的复杂相互作用提供了理想的环境（Ribeiro等人，2023年）。像世界上许多其他大都市一样，圣保罗拥有广泛的不透水表面覆盖，这通过限制自然冷却过程（如蒸发和热量散发）加剧了城市热岛效应。此外，圣保罗的特定特征，如广阔的非正式定居点、低植被密度、密集的高层建筑核心以及绿地分布不均，也加剧了城市热岛效应，从而对居民的健康产生不利影响（Ikefuti等人，2018年）。这突显了迫切需要研究和实施措施来缓解与气候相关的威胁，如极端热事件、降低热舒适度以及增加的冷却能源需求。

**2.2. 局部气候调节生态系统服务评估**
评估生态系统服务取决于理解其供给链的三个组成部分：服务供给、需求和流动（Villamagna等人，2013年）。供给代表生态系统（这里是城市景观）生成特定服务（如局部气候调节）的潜力。需求代表社会对特定生态系统服务的需求或愿望，而流动则包括连接供给区和需求区的生物或非生物过程，有效地提供与生态系统服务相关的效益（Villamagna等人，2013年）。

为了表征局部气候调节服务的供给，我们使用了美国地质调查局提供的Landsat 8卫星图像（空间分辨率为30米）。使用Google Earth Engine平台，我们利用Ermida等人（2020年）开发的脚本检索了地表温度（LST）。该脚本使用红光（B4）、近红外（B5）和热波段（B10）以及大气参数的一系列方程，将卫星捕获的辐射转换为LST。我们选择了三张图像（2015年9月23日；2017年11月15日；2019年1月21日），这些图像基于云量低、无降雨以及拍摄于春季或夏季。选择这些季节是因为这些时期的温度较高，使得分析局部气候调节服务的变化更加容易。选定的图像能够在不同条件下表征服务供给，包括季节性变化、不同的植被覆盖状态和城市活动。例如，春季图像可能捕捉到冬季植被活力较低后的过渡状态，而夏季图像则反映了植被茂盛和城市高温条件。通过使用多个时期的数据，我们降低了过度依赖单一时间数据集的风险，因为该数据集可能受到非典型气候异常的影响（见图A2-A4中的LST地图和每张图像拍摄当天的天气信息）。所有图像都是在上午10点（BRT）拍摄的。

我们采用了分辨率为100米（1公顷）的网格系统作为采样单元，将城市划分为137,604个单元格，这些单元格被视为后续分析的不同景观。选择100米网格与Landsat热波段的原始空间分辨率一致，同时提高了计算效率，并保留了城市分析的有意义的空间细节。每个单元格进一步根据其中气候区进行分类（Tarifa & Armani，2000年）。然后，提取了每个采样单元内Landsat像素的平均LST值（LSTi），并计算了每个单元“i”与同一中气候区域内温度最高的单元（LSTmax）之间的LST差异（ΔLSTi）（公式1）。鉴于同一中气候区域内的单元受到更大尺度自然变量的影响相似，这些单元内的LST差异主要源于景观结构和人类活动的变化，以及地形的方向和朝向，尽管这种影响的强度稍小，主要是因为城市化通常选择较为平坦的地形（Peng等人，2020年）。因此，ΔLST可以作为量化每个单元中城市景观提供的局部气候调节生态系统服务的代理指标。（1）ΔLSTi = LSTmax – LSTi）。ΔLST值较低的区域温度较高，反映了这些区域在气候调节方面的潜力有限。相反，ΔLST值较高的区域表明其具有更大的缓解热量的能力。

气候调节需求的估计基于每个单元内的人口数量，考虑了能够从较低地表温度中受益的个体数量（Norton等人，2015年）。我们认为地表温度对人类福祉有局部影响（Zhang等人，2017年），因此这项服务在每个100米单元内具有局部流动性。我们还评估了两种额外情景下的需求，以考虑某些人群对极端温度的更高脆弱性：（1）四岁以下的儿童和60岁及以上的成年人；（2）收入低于最低工资两倍的D或E经济阶层的个体。我们假设脆弱年龄组由于调节体温的生理能力较弱，面临更高的风险，使他们更容易受到与热相关的疾病和死亡的影响（Kovats & Hajat，2008年）。社会经济脆弱性加剧了这些风险，因为低收入家庭往往缺乏空调、隔热或耐热住房等热缓解措施（Harlan等人，2006年；Chow等人，2011年）。因此，这些人群不成比例地暴露在热应激中，这突显了公平的气候调节服务在减少健康差异方面的重要性。

为了获取人口信息，我们使用了2022年最新的人口普查数据（IBGE，2024年）。然而，由于2022年的人口普查数据尚未公布，我们依赖于2010年的人口普查数据。我们假设普查区域内的人口分布在这12年间相对稳定，因此通过应用2010年普查数据计算出的低收入居民比例来估计2022年的低收入人数。这种方法可以在承认可能发生的变化的同时，合理地近似社会经济脆弱性。由于普查数据是在部门（普查区域）层面汇总的，我们采用了Ribeiro等人（2019年）提出的面积加权方法，将人口分解到100米网格上。对于每个网格单元，我们根据每个重叠普查区域的面积比例及其人口密度来估计人口数量。然后将所有重叠普查区域的人口相加，得到每个单元的总人口。

随后，为了识别供需之间的空间不匹配，我们使用Jenks优化方法将这两个变量（包括总人口和脆弱群体人口）分为三个等级——低、中、高。这种方法非常适合识别数据中的自然分组，能够清晰地区分不同水平的供需。然后，我们使用R包“biscale”（Prener等人，2022年）创建了一个双变量地图，可以可视化供需水平不同的区域，例如供需水平高的区域，这表明存在关键的服务短缺。这种方法特别有效，因为需求（人口）和供应（ΔLST）变量是在不同的尺度和单位上测量的，需要一种能够无缝整合和比较的方法，因为直接减法或基于比率的比较是不合适的。我们还根据圣保罗市的总体规划，仅考虑城市区域重复了分析，以测试供需关系模式是否受到城市边缘大型森林地块的影响。根据圣保罗的当地气候区划（Ferreira & Duarte 2019年），主要由水域组成的单元被从分析中移除。

2.3. 景观结构对局部气候调节生态系统服务供应的影响

为了分析不同景观参数如何影响局部气候调节的供应，我们测量了组成和配置变量。景观组成数据来自2017年手动分类的圣保罗市正射影像，分辨率为0.12米（SVMA - 圣保罗市绿色与环境秘书处2020年），可在GeoSampa门户网站（www.geosampa.prefeitura.sp.gov.br）上获取。我们考虑了三种土地利用和土地覆盖类型：植被（分为乔木植被和总植被，后者包括草本和灌木植被）、建筑物和水体。

景观配置基于四个指标进行测量，这些指标使用FRAGSTATS 4.2软件（McGarigal & Marks，1995年）为乔木植被和建筑物类别计算：（1）边缘密度，（2）平均邻近指数，（3）标准化景观形状指数，以及（4）树木和建筑物之间的边缘接触（即乔木植被和建筑物之间的共享边缘长度）（表A.1）。每个样本单元被视为一个独立的景观进行分析。此外，为了纳入关于圣保罗市景观结构的三维（3D）信息，还包括了建筑物和植被的高度。这些高度数据来自2017年收集的LiDAR数据，精度为10厘米，平均点密度为每平方米10个点。Gomes（2022年）提供了分辨率为50厘米的建筑物和植被高度的栅格格式模型，每个像素代表相对于交叉LiDAR数据集中最大值的地表高度（米）。提取了每个样本单元的平均乔木植被高度和平均建筑物高度，并通过叠加高度和面积层计算了建筑物和乔木植被的总体积。所有地理空间处理均使用QGIS 3.28进行。

2.3.4. 统计分析

为了评估景观结构（包括建筑和植被区域的组成和配置）以及这两个因素在局部气候调节生态系统服务供应中的相互作用的影响，我们使用R环境和以下软件包拟合了线性混合模型（LMMs）：（1）bbmle（Bolker，2022年），（2）numDeriv（Gilbert & Varadhan，2019年），（3）foreign（R Core Team，2022年），以及（4）lme4（Bates等人，2015年）。选择LMMs是为了考虑数据中的残差空间变异和层次结构，从而在控制中气候区域未测量变异性的同时，估计景观结构如何影响局部气候调节。在所有模型中，ΔLST（即服务供应）作为响应变量，而17个景观指标被用作预测变量，每个单元的中气候区域被作为随机截距。此外，通过组合皮尔逊相关性低于|0.60|的景观变量对来生成模型，以减少预测变量之间的共线性（图A.5）。在这些情况下，我们包括了两个变量之间的交互作用，以研究一个预测变量如何影响另一个变量对响应变量的影响。所有变量在纳入模型之前都进行了标准化（z分数）（详见表S2中的生成模型列表）。

最佳模型的选择基于赤池信息量准则（AIC），该准则平衡了模型复杂性和拟合优度（Burnham & Anderson，2002年）。AIC值最低的模型被认为是最佳拟合模型。然而，与最低AIC值相差不到2个AIC单位的模型（ΔAIC < 2）也被认为是同样合理的（Burnham & Anderson，2002年）。还检查了AIC权重（wAIC），以提供支持比较集中每个模型的证据强度的相对度量。此外，还包括了一个仅包含随机截距的零模型（~1），以确保所选模型的一致性。

通过模型选择程序，我们测试了两组模型：1）考虑所有变量，包括已知对LST有较强影响的组成指标；2）排除组成变量，仅保留配置和高度/体积指标，以更好地理解它们对局部气候调节生态系统服务的影响。此外，为了评估所选模型的一致性，所有分析都使用了三张图像的ΔLST值进行了重复，共进行了六轮模型比较（两组模型×三张图像）。这种方法旨在评估所选模型中包含的景观变量是否在不同时间段内表现出一致的关系。由于景观数据仅适用于2017年，因此假设2015年至2019年间没有发生显著的景观变化。

3. 结果

圣保罗市的平均局部气候调节服务在7到8摄氏度之间变化（2015年为ΔLST= 7.17 ± 3.20摄氏度，2017年为8.13 ± 3.88摄氏度，2019年为7.35 ± 3.34摄氏度；图A.2 – A.4）。ΔLST在不同中气候区域之间有所差异，表明根据位置的不同而具有不同的幅度（图A.1）。景观异质性较高的中气候区域（结合了密集建筑覆盖和公园/城市绿地的混合用途区域）倾向于显示出较大的ΔLST范围。另一方面，主要由植被覆盖的区域（例如圣保罗北部和南部的密集森林）显示出较小的ΔLST范围（图A.1）。

解释三年分析中气候调节服务变化的最佳模型相似，所有最佳模型中选择的预测变量完全相同（表1）。考虑到所有景观变量，观察到植被覆盖百分比对ΔLST有持续的正面影响。2015年，总植被覆盖增加10%与ΔLST平均增加0.58摄氏度相关；2017年为0.83摄氏度；2019年为0.76摄氏度（表1）。2015年的最佳模型包括了建筑物空间分解的非显著正面效应（NLSI），以及总植被覆盖和植被边缘密度之间的正面加性效应和正面交互作用（ED）。2017年和2019年的图像共享了相同的最佳模型，总植被覆盖、植被和建筑物之间的边缘接触以及建筑物分解（2017年不显著）具有正面效应，而后两个变量之间的负面交互作用（表1）。

表1. 每年选定的最佳模型，考虑或不考虑组成景观变量。AIC是赤池信息量准则。系数是模型中包含的每个变量的效应大小的估计值，以及其标准误差（SDT）和p值。由于每个模型集只选了一个模型，因此所有显示模型的ΔAIC为0，它们的wAIC为1，因此未在表中显示。“:”表示两个变量之间的交互作用，表示一个景观指标对ΔLST的影响如何取决于同一模型中另一个指标的水平。

模型选择基于赤池信息量准则（AIC），该准则平衡了模型复杂性和拟合优度（Burnham & Anderson，2002年）。AIC值最低的模型被认为是最佳拟合模型。然而，与最低AIC相差不到2个AIC单位的模型（ΔAIC < 2）也被认为是同样合理的（Burnham & Anderson，2002年）。还检查了AIC权重（wAIC），以提供支持比较集中每个模型的证据强度的相对度量。此外，还包括了一个仅包含随机截距的零模型（~1），以确保所选模型的一致性。

通过模型选择程序，我们测试了两组模型：1）考虑所有变量，包括已知对LST有较强影响的组成指标；2）排除组成变量，仅保留配置和高度/体积指标，以更好地理解它们对局部气候调节生态系统服务的影响。此外，为了评估所选模型的一致性，所有分析都使用了三张图像的ΔLST值进行了重复，共进行了六轮模型比较（两组模型×三张图像）。这种方法旨在评估所选模型中包含的景观变量是否在不同时间段内表现出一致的关系。由于景观数据仅适用于2017年，因此假设2015年至2019年间没有发生显著的景观变化。2019年的最佳模型考虑了植被边缘密度与植被体积之间的相互作用，这种相互作用具有负面影响。根据2017年的模型，植被边缘密度每增加1000米/公顷，ΔLST会增加1.3摄氏度（2015年为1.1摄氏度，2019年为1.3摄氏度）。对于建筑物的边缘密度，每增加1000米/公顷，ΔLST在2015年和2017年平均减少0.1摄氏度，在2019年减少1.0摄氏度。下载：下载高分辨率图像（471KB）下载：下载全尺寸图像图1. 圣保罗市的位置和植被覆盖情况。左侧显示了该市相对于圣保罗州和南美洲的位置。右侧将植被覆盖分为三类。下载：下载高分辨率图像（341KB）下载：下载全尺寸图像图2. 2017年观察到的本地气候调节服务供应（ΔLST）与景观结构参数（组成和配置）之间主要关系的图表。上方的图表（a-b）表示考虑了组成和配置变量的最佳模型，而下方的图表（c-d）表示不考虑组成变量的最佳模型。分析本地气候调节生态系统服务的供需交集发现这两个参数之间存在显著差异（图3a-h）。总体而言，圣保罗市中心的地区缺乏足够的本地气候调节供应，而外围地区虽然供应充足，但需求很少或没有需求。无论分析范围是整个城市还是仅限于城市化区域，这种空间不匹配模式都是一致的（图A.8）。下载：下载高分辨率图像（899KB）下载：下载全尺寸图像图3. 圣保罗市本地气候调节供应（即ΔLST）（a）、基于总人口的需求（b）、低收入人口的需求（c）以及脆弱年龄组（儿童和老年人）的需求（d）及其相应的供需平衡（f、g和h）的空间分布。图（e）显示了圣保罗市本地气候调节供应和需求的散点图，每个点代表一个100米的网格单元，垂直和水平虚线根据Jenks自然分界方法将变量分为低、中、高三个类别。此外，供需不匹配的空间分布因所考虑的人口群体而异（图3f-h）。当考虑总人口需求时（图3b），人口密集的外围地区显示出明显的不匹配，其特征是需求高但供应不足，特别是在植被覆盖最少的地区。这种差异在考察低收入人口时更为明显（图3c），地图上突出显示了外围地区的脆弱社区——这些社区通常居住在非正式定居点/贫民窟或绿地有限的密集社区中，这些地区是供需严重不匹配的区域（图3g）。当考虑基于年龄的脆弱人口时，城市中心区域的需求更高（图3d），然而供需平衡的空间模式与总人口的情况相似，中心和外围地区都表现出高需求和低供应（图3h）。市中心地区由于老年人和年轻人的集中，显示出高需求和中等到高供应的重叠。这表明，虽然城市的某些部分受益于本地气候调节服务，但其他高风险地区仍然服务不足。最后，圣保罗市约有35%的地区存在明显的不平衡，即气候调节服务的供应很高，但需求很低，尤其是在城市北部和南部的大型森林残余区。4. 讨论组成指标，特别是总植被覆盖面积，被确定为解释本地气候调节服务供应的主要预测因子。然而，除了这种预期的效应外，我们的分析还发现配置指标也对这一服务有显著影响。植被边缘密度，即单位面积内与其它土地利用类型接触的树木植被范围，是增强气候调节服务的一个重要且积极的因素。这一指标不仅反映了植被的破碎化程度，还反映了树木与建筑物之间的接触程度，表明这种相互作用增强了局部降温效果。另一方面，建筑物的边缘密度对这一服务有负面影响，这意味着建筑区域的破碎化布局减少了本地气候调节服务的供应。植被与建筑物之间的相互作用也被发现可以调节这些景观特征对服务供应的影响。总体而言，不同年份选出的相似模型和变量作为本地气候调节生态系统服务供应的最佳预测因子，表明景观结构对这一服务的影响具有持续性。总植被覆盖面积在所有考虑组成的模型中都一致出现，表明所有植被类型——不仅仅是树木或自然植被——都对本地气候调节有贡献。这一结果扩展了旨在缓解城市热岛效应的城市绿地策略的可能性，指出城市农业和草地也可以在降低LST和增强城市区域降温能力方面发挥重要作用（Gál等人，2021年）。然而，植被体积也被认为是一个额外的贡献因素，支持树木比其他类型的植被更有效地进行本地气候调节的观点（Schwaab等人，2021年）。此外，当地气候条件可能会影响植被对气候调节的效果。例如，在较干燥的气候条件下，草本植被的扩展可能在温度缓解方面的效益有限，因为其效果取决于较高的土壤湿度（Gomez-Casanovas等人，2021年）。除了组成效应外，树木植被边缘密度在所有选定的模型中都得到了一致考虑。边缘密度的增加通常意味着植被斑块的破碎化，和/或斑块边界更加不规则。更多的植被边缘意味着景观中树木的聚集减少，以及对各种其他表面类型（特别是不透水表面）的遮荫增加。这种遮荫是有益的，因为它可以保护相邻区域免受直射阳光的照射，从而降低地表温度（Ng等人，2012年；Speak等人，2020年）。然而，除了直接的遮荫效应外，植被破碎化还通过微气候相互作用影响温度，特别是通过植被微风现象（Cochrane & Laurance，2008年）。在白天，开放城市上空的暖空气上升，形成一个局部低压系统，从周围的植被斑块中吸入较冷的、含湿的空气。这种空气混合有助于缓解建成区域和植被空间之间的极端温度梯度，从而促进局部降温（Arroyo-Rodríguez等人，2017年；Tuff等人，2016年）。这种效应在破碎的城市景观中尤为重要，因为多个植被斑块的存在增加了植被和建成环境之间的冷却相互作用潜力。尽管这种机制通常讨论的是空气温度，但它也可能通过调节近地表的热交换间接影响LST的空间模式。此外，我们的结果表明，当总植被覆盖面积较高时，植被边缘密度的降温效果更强，这通过它们的正相关关系得到了证实。这表明，结合较大的植被区域（节约土地）与更加分散和破碎化的植被分布（共享土地）可能会最大化本地气候调节的效益，强调了在城市区域内整合这两种空间策略的重要性（Lin & Fuller，2013年）。这种混合配置通常通过线性公园、植被走廊或河岸缓冲带实现，这些区域保持了大量的植被，同时增加了与建成区域的边缘接触，从而增强了降温效果。建筑物的边缘密度也与树木植被边缘密度一起被纳入模型中。建筑物通常具有较低的反照率，吸收热量并导致温度上升，从而可能对本地气候调节服务的供应产生不利影响。此外，较高的建筑物边缘密度与暴露在直射阳光下的建筑表面积增加相关，进一步加剧了地表温度（Connors等人，2013年；Jamei等人，2019年）。此外，建筑物表面温度的升高会通过辐射热量对周围环境产生负面影响，影响人类健康，并增加室内冷却的能源消耗（Simpson，2002年；Voogt和Oke，2003年）。选定的模型还强调了植被与建筑物之间的相互作用，这些相互作用影响了它们对本地气候调节供应的影响。树木与建筑物之间的边缘接触对本地气候调节服务的供应有积极影响，这种影响受到建筑物分散程度的调节。当建筑物更加聚集时，白天的气候调节服务供应更高，可能是因为聚集减少了直接暴露在阳光下的不透水面积（Berry等人，2013年）。此外，聚集的建筑物创造了相互遮荫的机会，一栋建筑物可以为另一栋建筑物提供遮荫，从而减少热量积累。鉴于建筑物高度也可能通过影响城市景观中的遮荫模式来调节地表温度（LST），较高的建筑物可以投下更长的阴影，保护附近的非透水表面（如道路和人行道）免受直射阳光的照射。这种遮荫效应减少了这些表面的热量吸收，有助于白天的局部降温（Yang等人，2021年）。这与树木破碎化的情况相反，破碎的植被边缘通常会增强降温效果。然而，破碎的建筑物对其他表面（如植被或水体）的遮荫不太可能对服务供应产生类似显著的影响。另一个发现的相互作用是建筑物边缘密度与植被体积之间的相互作用，其中增加的植被体积减少了建筑物边缘密度对气候调节的负面影响。较高的建筑物边缘密度导致更多的建筑表面暴露在太阳辐射下，从而提高温度。然而，较高的植被（从较高的植被体积推断）增强了建筑物墙面的遮荫，减少了热量吸收并改善了降温效果（图4），这突显了在表面温度分析中纳入三维指标（如植被高度和建筑物高度）的重要性（Lyu等人，2023年）。尽管LST是生态系统服务评估中广泛使用的代理指标，但它并不能完全捕捉城市微气候的三维组成部分，如空气循环和垂直混合，这些可以通过空气温度更好地表示。尽管如此，LST直接受到表面遮荫的影响，而表面遮荫又受到植被高度和建筑物形式等三维特征的影响，使其能够部分反映空间配置的热效应。下载：下载高分辨率图像（176KB）下载：下载全尺寸图像图4. 示意图展示了树木植被体积和建筑物边缘密度对地表温度调节相互作用的可能机制。即使在二维视角（上视图）中建筑物边缘相同，不同的树木植被体积和高度也会对不透水表面产生不同的遮荫量，这只有在考虑三维景观时才能观察到，从而以不同的强度降低地表温度。对全市供需关系的评估揭示了一些空间模式。例如，需求高而供应低的地区，如高密度社区和低收入区域，包括城市边缘和非正式定居点（贫民窟），其特点是植被覆盖极少，主要是低矮且密集排列的建筑物，这些建筑物提供的遮荫有限，加剧了城市热岛效应（Arantes等人，2021年）。这些地区面临严重的气候调节服务供应短缺。然而，根据社会人口群体（总人口、低收入居民和基于年龄的脆弱群体）分解需求后发现，不匹配的严重程度因分析的人口群体而异。这种差异化的方法表明，尽管人口密度可以提供热应力暴露的一般代理指标，但脆弱性的分布并不均匀（Mu?oz等人，2025年）。例如，市中心地区的老年人口面临高需求，但并不总是在供应低的地区，这为有针对性的、细致的干预措施提供了机会。此外，仅仅识别城市热岛是不够的，不足以进行有效的气候适应规划。虽然绘制高表面温度区域可以提供有关空间热模式的宝贵见解，但它没有考虑到受影响人群的社会和人口特征。如果不了解谁受到影响以及他们位于何处，缓解策略可能会偏离目标或未能解决最需要帮助的社区。相反，供应高而需求低的地区主要位于城市的大型森林残余区，特别是在南部和北部地区。这些地区通常被指定为保护区或河岸走廊，拥有丰富的植被，提供了重要的气候调节服务。尽管由于人口密度低，这些地区的直接受益者较少，但它们的生态价值远远超出了局部气候调节的作用。保护区和河岸植被发挥着关键作用，包括生物多样性保护、碳封存和水循环调节（Watson等人，2018年）。因此，必须保护这些地区免受城市扩张或开发的影响，确保它们继续为城市的整体生态稳定性和韧性做出贡献。另一方面，人口密度较高且植被覆盖率中等到高的地区（无论是以住宅区为主还是以高楼大厦和其间树木为特征）反映了土地共享的配置（Linn & Fuller，2013年），并表现出最高的局部气候调节能力，这得益于植被覆盖以及建成空间与绿色空间之间的紧密联系。重要的是，这些中高到高水平的组合（即高需求与中高供应）可以被视为理想的城市化模式，因为它们表明，在植被充足且与建成环境良好融合的情况下，相对较高的人口密度可以与有意义的局部降温共存。然而，供需都较高的地区在图中用黑色或深紫色标出，这类地区相对较少。

有趣的是，某些城市区域内绿色空间的稀缺与土地节约模式相对应（Lin & Fuller 2013年）：这些地区人口密度高，主要由不透水表面组成，并且邻近大面积的绿地。在局部气候调节的背景下，考虑到效益是在局部范围内产生的（分辨率为100米），土地节约方法似乎由于供需的空间分离而优势有限。例如，在圣保罗，这些土地节约区域也是因心血管疾病住院风险较高的地区（Cirino等人，2022年），这可能与较高的温度和较低的气候调节能力有关（Michelozzi等人，2009年）。

识别出供需不匹配的地区以及不同地区中存在的对比模式进一步强调了需要采取有针对性的政策干预（Weber等人，2015年）。例如，富裕的Jardins区，其街道植被茂盛，低层建筑分散，代表了高供应与相对低需求的案例（图5a）。相比之下，Paraisópolis是一个人口密集的非正式定居点，植被稀少，显示出高需求与供应不足的严重不匹配（图5b）。第三种互补的模式是那些需求高但供应也中等到高的地区，如Moema区（图5c），这表明当植被得到保留并融入城市结构时，紧凑的城市形态可以与局部气候调节相兼容。总体而言，建筑密度高的地方，尤其是那些以低层建筑为主且建筑物之间没有植被的地方，通常存在较高的社会经济脆弱性（空调负担不起，房屋使用非节能材料建造）以及缺乏局部气候调节服务（Ferreira & Duarte，2019年）。

下载：下载高分辨率图片（728KB）
下载：下载全尺寸图片

图5. 圣保罗市中局部气候调节生态系统服务供需不匹配的例子。a) Jardins区，以其丰富的街道绿化和分散的低层建筑为特征，代表了供应水平高而需求低的地区。b) Paraisópolis，一个缺乏绿地的贫民区，代表了需求远超可用供应的地区。c) Moema区，以高层建筑和其间植被为特征，代表了供需都相对较高的地区。

为了减少城市在局部气候调节方面的不平等，决策者应优先制定旨在缓解这些地区城市热岛效应的公共政策。鉴于我们的模型表明，植被更多且绿色空间与建成空间接口更大的地区在调节温度方面更有效，实施基于自然的解决方案（如植树、绿色屋顶）是一种有前景的干预策略（Bowler等人，2010年；Morecroft等人，2019年），特别是在缺乏足够开放空间用于大型公园的社区中。此外，让这些服务不足地区的居民积极参与绿化项目至关重要，因为社区参与不仅增强了归属感，还提高了这些举措的效率（Pincetl，2013年）。

这些发现强调了在处理局部气候调节服务的复杂动态时考虑景观配置的重要性。扩大植被应伴随着对新绿地分布和城市景观中街道植树的战略规划。特别需要注意优化碎片化并促进与建筑物的接触，认识到植被区和建成区之间的相互作用。在这方面，中高到高水平的地区可以作为“如何密集化”的规划参考：它们结合了相对较高的人口密度与降温供应，表明保持植被覆盖并最大化绿色-建成空间接口有助于实现密集化目标与热舒适度的平衡。本质上，那些建筑物分散且缺乏附近植被区域的情景在缓解城市热岛效应方面面临最大的挑战。此外，认识到树木植被量对局部气候调节供应的积极影响有助于选择适合城市植树的物种，并决定树木的最佳种植位置以最大化降温效果。通过考虑之前概述的配置对生态系统服务提供的影响，城市规划者可以在城市建筑密集区域提高服务交付，这些地区增加绿地数量具有挑战性。

5. 结论

通过分析景观结构如何影响局部气候调节，我们揭示了植被配置及其与建筑物相互作用在调节这一服务中的重要性，其影响超出了单纯的景观组成效应。增加植被覆盖的策略应与建筑形式规划协调，以最大化绿色-建成空间的接口并在整个城市中分布植被。扩大阴凉区域将有助于减少暴露在直射阳光下的不透水表面。景观的三维配置，尤其是在植被量方面，对于增加局部气候调节服务的供应也非常重要。此外，识别出某些地区的供需不匹配突显了需要采取有针对性的干预措施，例如在植被有限的建筑密集社区实施基于自然的解决方案。基于景观组成和配置效应的城市规划应创造出更有效的城市景观，以应对随着全球气候变化而变得更加频繁和强烈的城市热浪挑战。我们的发现不仅提供了一种可扩展的分析方法，还为城市气候适应提供了可行的见解。通过识别景观结构未能满足脆弱人群需求的领域，我们展示了城市如何为需求最大的地区制定战略性的干预措施。这种综合视角应增强城市景观调节温度的功能能力以及社区抵御气候相关压力的社会能力，支持发展更具韧性和公平性的城市。

关于手稿准备过程中使用AI辅助技术的声明

在准备这项工作时，作者使用了ChatGPT 5.4来审查英文内容。使用该工具后，作者根据需要对内容进行了审查和编辑，并对发表文章的内容负全责。

未引用的参考文献（Chen等人，2022年；IBGE - 巴西地理统计局，2012年；Metzger等人，2021年；Oke，1976年；Patro和Sahu，2015年；R Core Team，2013年；S?o，2002年；Wang等人，2018年；Xue等人，2022年）

CRediT作者贡献声明

Luciana Schwandner Ferreira：写作——审阅与编辑；Jean Paul Metzger：写作——审阅与编辑、监督、方法论、概念化；Artur Lupinetti-Cunha：写作——审阅与编辑、原始草稿撰写、方法论、调查、数据分析、概念化；Simone Rodrigues de Freitas：写作——审阅与编辑、监督。