佳文赏析 | 《Sustainable Cities and Society》：不同环境压力下城市群的聚类效应

不同环境压力下城市群的聚类效应

       城市作为人类活动的热点区域，在全球气候和环境变化中面临着诸多问题和挑战。城市发展造成的如空气污染、热岛效应等环境问题给城市人口的生产和生活带来了直接或间接的危害。同时，气候预测表明诸如热浪、暴雨、台风等极端事件的频率和强度会在未来不断上升。这些环境压力将会进一步影响城市环境质量。城市的可持续发展及规划对于改善城市生态环境质量、提升城市对于极端事件灾害风险的管理能力至关重要。

       现有研究表明，由于背景气候、气象条件和城市规划的不同，相同的气候缓解与适应策略的功效在不同城市也会存在一定差异。如城市树木的降温增湿效应在不同气候区存在较大差异。另一方面，城市的发展与演化受自组织过程的影响，而且城市形态具有统计意义上的自相似性。城市各组分之间内在的相似性使得一些城市，尤其是位于类似气候区或具有类似周边地形的城市，在短期或长期的环境压力下呈现出相似的响应。比如一些城市群的热岛效应会对高温热浪起到放大作用，引起城市间较为相似的增温过程。这些相似与差异表明，在分析城市气候和环境问题、评估城市发展策略时，我们可以将类似城市理解为在不同空间尺度上高度连接的系统、自组织的集群、甚至是复杂网络。

       基于这一理论，我们提出了一种新的框架，以分析当前和未来城市之间在不同环境压力下的相似性和可能的聚类效应。作为例证，我们在最近发表于Sustainable Cities and Society的一篇文章中应用了一种稳健的基于信息传递的聚类算法--仿射传播算法（affinity propagation），并分析了全美481个人口大于50000的城市在极端热浪、空气污染和长期降水条件下的相似性和空间上的聚类效应。在该文中我们引入了考虑环境压力的相似性函数，并通过敏感性分析验证了这一框架的稳健性。

      我们发现在未引入环境压力因子时，单纯基于空间距离的聚类分析结果与现有美国城市群结构极为相似（见图1）：许多城市集群的中心都是现有的区域经济或人口中心，如亚利桑那州的菲尼克斯、明尼苏达州的明尼阿波利斯和圣保罗、德克萨斯州的休斯敦、佐治亚州的亚特兰大等。这表明现有美国城市的空间发展结构并非是随机的，而是多重尺度下自下而上的自组织和自上而下的规划发展逐渐演化的结果。

图1 （a）481个美国城市的空间分布和（b）单纯基于空间距离的聚类分析结果。（a）中不同颜色对应城市面积。（b）中不同颜色表示不同城市集群，黑色圆圈为每个城市集群的中心/样本（详见论文全文）

       我们分析的第一类环境压力是极端高温和热浪。我们选取基于遥感数据的城市地表温度作为热浪条件下城市环境的响应指标。基于全美8天平均日间地表温度，一场发生于2006年7月12日至19日期间的热浪被识别为2000-2017年间最极端的热浪事件。图2展示了该热浪期间基于平均地表温度差异与空间距离的全美城市的聚类关系。热浪条件下城市的聚类关系比单纯基于空间距离的聚类关系更为复杂。我们发现一些相距较远的城市也存在较强的相似性。这种复杂的聚类模式由城市背景气候和局地气候共同引起。值得注意的是，气候分类较为相似的美国西海岸城市被分为了5个集群，表明现有的气候分类在描述城市气候时仍然较为粗糙。

图2 基于空间距离和极端热浪期间城市日间地表温度差异的聚类分析结果

       我们分析的第二类环境压力是空气污染。我们选取基于遥感数据的每日大气气溶胶光学厚度作为城市空气污染的指标。以2017年全年为例，我们分析了城市间气溶胶光学厚度的差异。该指标和空间距离一起决定了长期空气污染条件下全美城市的聚类关系，如图3所示。美国北部一些城市由于云和降雪的影响，没有足够的数据进行分析，故并未包含在图3内。我们发现图3中的单个城市集群规模比图2中的要小一些，而且聚类算法的集群划分与现有基于观测和模拟的结果较为一致。比如位于加利福尼亚州中央山谷的城市，由于地形因素受空气污染影响较大，在聚类分析中被单独划分为一个集群。

图3 基于空间距离和长期空气污染条件下城市气溶胶光学厚度差异的聚类分析结果

       我们分析的第三类环境压力是长期降水。我们在聚类算法中引入了基于观测的30年（1981-2010）平均月降水量，分析了全美城市间长期降水的差异性，如图4所示。我们发现聚类结果与年降水和季节降水的空间分布特征较为一致。如北美季风系统影响下的美国西南部城市被划分成了同一个集群。相比于热浪条件下的集群划分，美国西海岸城市在长期降水条件下的集群划分与气候区的划分更为一致。

图4 基于空间距离和城市长期降水差异的聚类分析结果

       这些分析展现的美国城市的聚类效应是地理分布和多重尺度的陆气相互作用的共同结果。该工作提出的框架并不局限于图2-4的分析。事实上，这一框架具有广阔的应用前景。图5展现了该框架对于空间尺度的适应性。当聚类算法的空间距离阈值从500km降低到300km时，我们观察到了清晰的城市集群上的变化。这一变化与城市的分形和规模法则一致。我们也可以通过设置阈值分析不同空间尺度的环境压力。较大的阈值一般应用于大型天气系统（比如热带气旋），而较小的阈值则适用于诸如核电站泄漏等事故造成的空气污染。

图5 空间距离阈值影响下美国各区域在2006年7月极端热浪期间的聚类分析结果。从左至右空间距离阈值分别为无穷大（不设定阈值）、500km、400km和300km

      集群的基本单位也不一定要局限于单一城市，也可以为城市内的不同区块、城市群、省或州、甚至是国家或地区。例如对于城市内的聚类分析结果会与局地气候分区（local climate zone）较为相似，而基于全球城市的气候聚类分析将会反映出气候遥相关的影响（teleconnection）。

       同时，基于该框架的聚类分析也可以为城市规划策略、尤其是考虑区域城市群协同发展与城市间合作提供指导或参考。例如对于同一集群内的城市，城市绿化的效力应该较为相似。然而对于不同集群的城市，其效力可能会有一定差异。在单一城市实施城市气候缓解与适应策略，也会影响到同一集群内的其他城市。不论是自上而下的区域统筹规划，还是地方政府的发展策略，聚类分析的结果都可以作为重要参考。该框架也可以用以描述其他环境压力甚至是城市之间关于管理和规划的信息传递过程。此外,该框架也可以用于揭示更多复杂和动态的城市集群结构，如城市气象和气候在不同条件下的标度性和同步性。 

作者简介

王琤浩，博士后，斯坦福大学地球系统科学学院，斯坦福长寿中心

研究兴趣：城市气象学与气候学、边界层气象学、城市可持续发展、能源消耗

转载自 复旦城市生态与规划研究中心

经作者授权转载

文章仅代表作者观点，与本公众号无关，版权归原作者所有

原文标题：研究速递|不同环境压力下城市群的聚类效应

排版：朱晏君

责任编辑：李倩

审编：鲁嘉颐

终审： 颜子明   黄宗财   梁龙武

猜你喜欢

扫描二维码，关注我们

都是成年人了，要记得告诉地小联你也“在看”哦~👇