项目代码与报告:https://github.com/yicongl1/Dunkerque-Heatwave-Sensitivity

城市热岛不是一个可以直接测量的图层。UR06 这个项目的做法,是把它拆成三个可以计算的连续场——建筑致热、植被降温、水体降温——再合成一张敏感性地图。这篇记录方法链,以及几个容易做错的地方。

先把投影统一

所有数据先落到 RGF93 / Lambert 93(EPSG:2154)。这一步不是形式主义:如果图层混着经纬度和投影坐标,面积、距离、缓冲半径都会算错,后面的核密度也没有意义。

让每个对象只贡献一次

建筑和植被都是面。直接对面做核密度,大建筑会因为“面积大、像元多”被重复计数。所以先:

Union → Feature To Point → 以自身面积作为权重

每栋建筑、每块绿地只变成一个点,权重是它的面积。这样“一栋 200 m² 的房”和“一栋 20,000 m² 的厂房”贡献不同,但都只贡献一次。

为什么要做两次核密度

核密度本质上是一个“钟形”:中心强、四周衰减。但真实的降温/致热不是钟形:

  • 贴着绿地的位置效果最强;
  • 往远处走,效果应该持续衰减,而不是很快归零;
  • 单一搜索半径要么太尖,要么太糊。

项目用了两次核密度(小半径 + 大半径)再组合:小半径负责“贴身处强”,大半径负责“远处弱但仍在”,叠加后才得到随距离衰减的梯度。

这也是我在报告里标注的一个不确定点:搜索半径和核函数参数没有被保存下来,现在文档里的数值是重建的,不是原始值。

掩膜、归一化、取反

三幅梯度图先裁剪到市镇边界,再各自归一化到 0–1。然后是最关键的一步——取反:

S = 0.50 · B* + 0.33 · (1 - V*) + 0.17 · (1 - E*)
  • B* 是建筑致热,越高越敏感,直接用;
  • V* 是植被降温,越高越不敏感,所以用 1 - V*;
  • E* 是水体降温,同理用 1 - E*。

如果忘了取反,植被越多算出的敏感性反而越高——这是多准则分析里最经典的符号错误,而且结果看起来“有图有数”,很容易蒙混过去。

结果说明了什么

三幅栅格的统计(读自 .aux.xml):

栅格最大值平均值
建筑热效应0.06190.00754
植被降温0.01900.00438
水体降温0.00110.00015

建筑的最大效应是植被的 3.3 倍、水体的 55 倍。敦刻尔克 78% 的地表已经人工化,其中 39% 是工业与交通用地——这解释了为什么“建筑主导”。

合成图里最值得看的不是红色区域本身,而是没有补偿的区域:建筑效应高、植被又低的地方同时吃到两个惩罚项。这些才是规划上应该优先处理的地方。

一个真实的缺陷

三幅栅格的像元大小并不一致:

建筑 35.5 m · 植被 33.5 m · 水体 44.4 m

直接相加会触发隐式重采样:软件会悄悄把其中两幅重采样到第三幅的网格,重采样方法、对齐方式都没有被记录。结果能用,但严格来说,这一步应该在合成前显式做,并把参数写进方法。

这也是我在报告“批判性分析”里主动写出来的问题——与其等评审问,不如自己先说清楚。

如果重做

  • 合成前统一到同一网格,并记录重采样方法;
  • 保存核密度的搜索半径、核函数、像元对齐参数;
  • 用人口或建筑年代做一次叠加,回答“谁暴露在高温里”,而不只是“哪里热”;
  • 找一天真实气象数据做一次定性验证,哪怕只是几个站点的对比。

仓库:https://github.com/yicongl1/Dunkerque-Heatwave-Sensitivity