【一等奖】基于intPLUS和XGBoost的武汉市未来城市热岛预测及人口热暴露分析丨城市数据派

点击上图，了解课程

作品编号：B207（2025地理设计组一等奖）

作品名称：基于intPLUS和XGBoost的武汉市未来城市热岛预测及人口热暴露分析

作者单位：中国地质大学（武汉）地理与信息工程学院

小组成员：朱逸文，丁雨薇，孙怡仪

指导老师：梁迅

1.1作品背景

近年来，随着中国城市化加速，城市面积迅速扩张，土地利用结构显著变化，不透水性地表的面积增加使城市热岛效应（UHI）日益加剧。热岛效应不仅降低居民生活质量，研究亦表明极端热暴露对居民健康构成严重威胁。武汉市作为长江经济带核心城市，2000—2020年建成区面积扩大约三倍，夏季平均气温上升1.2℃，中心城区与郊区温差最大达4.5℃。现有研究多聚焦单一尺度，缺乏对“土地利用—热岛效应—人口暴露”的系统探讨。

武汉市作为快速城市化的典型代表，其热岛效应显著且土地利用格局变迁较为剧烈，为本小组研究土地利用变化与热岛效应的相互作用提供了理想案例。本研究通过融合多源数据，首次提出intPLUS模型与XGBoost算法相结合的框架，应用在多尺度城市热岛效应预测上。首先，使用intPLUS模拟未来土地利用变化，并使用XGBoost算法模拟热岛效应发展趋势，最后分析人口热暴露的风险，为制定城市规划政策和缓解热暴露风险提供科学支持。

1.2方法设计

本作品的技术路线如图 1所示，主要分为a、b、c、d四个部分：

图 1 技术路线图

（a）多源数据收集处理：基于土地覆盖数据，利用GeoScene Pro的模型构建器，处理好统一行列号的土地利用数据与驱动因子数据，同时搜集2005和2022年的UHI和NDVI/NDWI数据，供后续分析使用。

（b）热岛模型训练及评估：利用python编写的脚本工具，通过训练热岛模型及评估，并与真实的2022年UHI做指标计算，评估热岛模型的可行性。

（c）预测土地利用：对2005、2022年土地利用提取不同类别的扩张变化，结合驱动因子数据输入intPLUS模型的LEAS模块，得到各土地利用类型的适宜性发展概率，最后基于相互作用网络的随机斑块种子元胞自动机模型（intCARS），得到2040年三种情境下的土地利用空间分布。

（d）热岛及人口热暴露预测：通过上述得到的2040未来土地利用数据以及被证实精度可行的预测模型，利用此模型对2040年多情景下的土地利用进行UHI预测，并利用编写的python脚本与未来人口数据结合进行人口热暴露分析。

1.2.1研究区与数据

本作品以中国湖北省武汉市为研究区域，作为长江经济带的核心城市，武汉市在过去几十年间经历了显著的城市扩张，使得土地利用结构发生显著变化，城市面积的增加使得其热岛效应（UHI）日益严重。研究区域图如图 2所示。

图 2 研究区域图

本作品使用的土地利用数据来源于CLCD（土地利用/土地覆盖）数据集，驱动因子数据涵盖基础建设、社会经济、气候环境等多个方面，包括人口、GDP、到各类道路的距离、高程、土壤分类、年平均气温、年降水量等，如图 3所示。

图 3 武汉市各驱动因子数据

1.2.2未来土地利用预测方法

intPLUS模型（interaction network PLUS）是在PLUS模型基础上的重要升级。它不仅继承了PLUS中优秀的规则挖掘方法（LEAS），融合了过渡分析策略（TAS）和模式分析策略（PAS）的已有优势，还一次性集成了多项创新机制，包括“其他用地的抑制作用”、“权重嵌入”、“对数变化处理”、“相互作用网络”、“一致性分析”、“两步模拟”这些改进为intPLUS带来了全新的建模理念。

目前，PLUS 模型已在土地利用变化模拟领域得到广泛应用，而intPLUS在精度与运行效率方面均明显优于PLUS。因此，intPLUS可以提供更精确的模拟结果和与真实景观更相似的景观度量模式，并可以进一步探索不同用地类型之间的驱动与抑制关系，以确定土地扩张和景观动力学的驱动因素，从而更好地支持规划政策，实现可持续发展。

本作品基于intPLUS模型，预测2022-2040年的武汉市土地利用。将intPLUS运用到城市热岛效应模拟预测的流程中，可以将模型在预测土地利用变化领域的优势迁移到热岛预测上来，从而实现对城市热岛的高精度预测及动态过程剖析。

1.2.3城市热岛效应和人口热暴露预测方法

XGBoost（Extreme Gradient Boosting）是一种基于梯度提升框架的集成学习算法，具有高精度、可处理高维特征和强泛化能力等优点，已广泛应用于回归与分类等预测任务。在本研究中，XGBoost被用于城市热岛效应与人口热暴露的模拟与预测。该方法首先在GeoScene Pro平台上构建多尺度分析框架，利用多尺度滑动窗口（1×1至13×13）提取土地利用特征，并结合NDVI、NDWI、DEM等环境因子生成32维特征集；随后，将特征数据输入XGBoost模型进行热岛强度预测，并通过Spearman相关系数与MAE统计指标进行精度评估；最后，将人口密度数据与热岛强度数据进行叠加分析，并依据均值±标准差进行三级分级，再通过九级风险矩阵（1—9级，数值越大表示风险越高）实现人口热暴露的空间量化。

我们制作的B207(intPLUS+XGB).atbx是一个即插即用的工具箱。用户只需要在GeoScene Pro的环境中加入XGBoost及Scikit-learn库，就可以实现从数据处理到最终预测结果的全流程实现。我们也在每个工具里写了帮助，希望能够降低用户在使用过程中的时间成本，帮助用户快速理解操作步骤。我们希望通过即插即用的工具箱可以大幅降低模型部署于运行的技术门槛，提高科研工作中城市热岛效应及人口热暴露预测的效率与可复用性。

2.1构建intPLUS+XGBoost模型分析框架

本工具箱基于GeoScene Pro平台开发，集成了6个模型构建器工具和6个Python脚本工具，并外接intPLUS V1.3模型，构建形成了完整的“intPLUS+XGBoost”城市热岛与人口热暴露预测分析流程。从基础数据处理（如边界裁剪、DEM计算）、intPLUS驱动因子制作，到多尺度土地利用分析，再到热岛模型训练（XGBoost）与风险预测，最终生成 URI 指数与九级风险分布图。所有工具通过工具箱进行串联，为此类研究提供了一套可复用、可扩展的一体化解决方案。以下是关键的计算模型以及python脚本的算法图。

图 4 工具1.2 土地利用数据处理 计算模型

图 5 工具2.1 各类距离计算 计算模型

图 6 工具3.2生成随机采样点 计算模型

图 7 工具3.1 土地利用的多尺度化 算法流程图

图 8 工具3.3 热岛模型拟合及预测 算法流程图

图 9 工具3.6 人口热暴露风险分析 算法流程图

2.2 intPLUS及XGBoost的模型评估

我们使用intPLUS中的intCARS_calibration板块，得到2002年的模拟图，通过intPLUS中的Validation板块，验证得到精度评估指标FoM=0.233，比PLUS提高约30%。通过XGBoost模型，基于实际土地利用数据模拟城市热岛效应，计算得到的Spearman相关系数均大于0.8，MAE均小于0.11。评估结果表明，该“intPLUS+XGBoost”模型框架具备很强的地理建模能力，能够在土地利用模拟与热岛效应预测中保持较高的精度与可靠性，为后续情景模拟阶段奠定了坚实基础。

2.3 未来多情景土地利用模拟

通过intPLUS的intCARS_prediction板块，结合直接给出的三种情景下的未来土地利用需求数量（三种情景：BD持续发展情景；EP生态保护情景；ED经济发展情景）。我们模拟得到了2040年的土地利用图，如图 10所示。我们对比发现：ED（经济发展）情景下，城市密度达到最高水平，且周边地区的卫星城呈现出较快的发展趋势；EP（生态保护）情景下，城市的发展仍在继续，不过保留了城市中的一部分绿地和水域。

图 10  2040年不同情景下的土地利用图

2.4 未来多情景热岛强度模拟

我们通过使用前面训练好的模型，预测得到了2040年三种情景下的城市热岛强度图，如图 11所示。然后我们使用平均UHI以及URI指数进行评估后发现：三种情景的热岛强度均明显高于2022年，并且EP情景将会是未来发展的最优情景。

最重要的是：我们首次在模拟过程中发现了武汉市热岛的外扩现象，峰值热岛强度的区域逐步从城市中心向城市外围转移。这一现象在ED和BD情景中最为明显。我们对这种现象的解释是2022到2040年间武汉市的逆城市化，部分经济中心向外围转移。

图 11  2040年不同情景下的城市热岛强度图

2.5 未来多情景人口热暴露风险预测

我们将BD/EP/ED三种情景与SSP2/SSP1/SSP5分别进行对应，并使用工具3.6实现未来人口热暴露风险的预测。结果如图 12所示，我们发现：EP和BD情景下，中心城区中/高温暴露区域面积显著缩减，人口热暴露风险降低约50%。这是由于EP和BD情景均将生态价值纳入考虑，这体现了生态导向政策在缓解城市热岛影响方面的显著成效。

图 12  2040年不同情景下人口热暴露分析数据

3.1 作品创新性

本作品首创intPLUS与XGBoost的耦合框架，并将其应用于城市热岛预测及未来人口热暴露预测领域。我们在使用intPLUS模拟未来武汉市土地利用分布变化的基础上，使用XGBoost动态预测城市热岛效应及人口热暴露风险的空间变化趋势，展现了城市快速发展背景下热环境的时空演变过程与潜在风险格局，实现了快速发展城市热岛效应和人口热暴露风险的高精度预测及动态过程剖析。

3.2 可迁移性与可复用性

本研究的框架具有较高的可迁移性，可以应用于不同地区、不同尺度的热岛效应预测与调控研究中。通过合理规划土地利用结构，能够有效地缓解城市热岛效应，并进一步提升居民生活品质，为可持续发展提供科学支持。与此同时，本作品中构建的工具箱是一个即插即用的便捷工具，可以显著降低使用者的学习成本。其算法模块化程度高、输入输出格式标准化，支持快速替换研究区数据与参数配置即可运行分析流程。具备良好的跨区域复用性与长期扩展潜力。

3.3 现实应用性

本研究提出的分析方法可应用于城市规划建设等多个领域中，有助于相关部门通过合理规划土地利用结构，有效缓解城市热岛效应并降低居民热暴露风险，推动提升居民生活品质，促进塑造宜居、可持续和具有韧性的城市环境，具有重要的现实应用价值。

本研究以武汉市为例，通过使用intPLUS与XGBoost耦合框架，系统分析了土地利用变化与城市热岛效应的相互作用，并预测了未来人口热暴露风险。主要结论如下：

（1）高精度地理建模过程：本研究构建的“intPLUS+XGBoost”框架在土地利用与热岛效应预测中均表现出较高精度。土地利用模拟中，FoM 值达到 0.233，能够有效还原 2005—2022 年土地利用变化过程；热岛效应预测中，Spearman 相关系数均大于 0.8，MAE 均小于 0.11，显著优于传统方法。这一结果表明模型在地理建模与预测精度方面具有较强的可靠性，为多情景模拟奠定了坚实基础。

（2）热岛峰值区域外扩：模型分析显示，武汉市热岛效应具有明显的空间分异特征，呈现“中心低、周边高”的环状分布格局。与历史时期相比，未来情景预测中高温峰值区域有向外扩张趋势，尤其在经济发展情景（ED）下，外围新兴城区和卫星城的热强度显著增加。这一空间迁移特征提示热风险正在由中心城区向更广范围扩散，对区域热环境管理提出了新的挑战，也为深入理解城市热环境的空间分异特征提供了全新视角。

（3）生态政策调控效果显著：情景预测结果表明，生态保护情景（EP）在缓解热岛效应与降低人口热暴露方面效果最为突出。2022年，武汉市约有239万人暴露于高温高风险环境；到2040年，EP情景下该数字预计下降至120万人，降幅达50%。这一变化与绿地保护、湿地恢复及不透水地表控制等政策措施密切相关，显示出生态导向规划在改善城市热环境与优化空间布局方面的巨大潜力。

未来研究将在已有研究的基础上进一步优化模型参数，引入intPLUS的土地竞争图概念以及SHAP工具，进一步提高模型的可解释性，并加深对于城市热岛效应形成及变化机理的研究。同时，我们也计划将该框架推广至全国尺度乃至全球尺度，为国家可持续发展提供更全面的科学支持。

原文始发于微信公众号（城市数据派）：【一等奖】基于intPLUS和XGBoost的武汉市未来城市热岛预测及人口热暴露分析丨城市数据派