基于机器学习的城市公园夏季降温效果及影响因素研究OACHSSCD

公园作为城市绿色基础设施的重要组成部分,在缓解城市热岛效应中发挥着关键作用。以合肥市主城区111个城市公园为研究对象,基于2024年夏季Landsat地表温度等多源数据,构建冷却效率(UPCI)与冷却效率(UPCE)双维度指标体系,并结合RF-SHAP解释框架,从几何形态、土地覆盖与景观格局等多维度系统分析不同类型公园夏季降温效应的差异及其驱动机制。结果表明:(1)城市公园整体以降温效应为主,平均冷却强度为1.46℃,平均冷却效率为0.55,不同类型公园在“强度-效率”维度上呈现清晰分化:综合公园在冷却强度上整体占优,而游园与社区公园在冷却效率上表现相对更高;(2)冷却强度与冷却效率的驱动结构存在系统性差异,前者主要由内部景观要素解释,其中内部水体比例具有最高的相对权重;后者则呈现由几何形态、景观格局与外部环境共同作用的复合驱动特征,并对外部不透水背景与景观多样性指标更为敏感;(3)偏效应分析揭示了明显的非线性与阈值响应特征,冷却强度在公园面积约50hm^(2)及内部水体比例约25%后呈现边际递减趋势,而冷却效率对小尺度形态变化与外部不透水比例更为敏感,在约16%—18%区间出现显著跃迁。研究结果从“强度-效率”双维度深化了对城市公园降温机制的认识,可为城市公园规划设计与景观要素的精细化配置提供定量参考。