城市土地利用多维度特征与能源使用的非线性关系解析——基于可解释机器学习模型的实证研究

这篇研究通过可解释机器学习模型（Explainable ML），系统揭示了285个中国城市土地利用特征（比例、规模、混合度、强度）与能源消耗/效率的非线性关系及交互效应。研究发现：土地利用规模与能耗呈U型曲线（阈值141.03-474.48 km2），高强度开发可降耗但可能损害效率（最优强度218-512.34人/km2），为可持续城市规划和双碳目标提供了量化依据。

　　

Highlight

城市土地利用与能源使用的复杂关系解析：基于多维特征框架与机器学习

研究区域

本研究以中国为研究对象（图1）。作为全球最大能源消费国（Chen等，2022a），中国2017年贡献了全球29.3%的二氧化碳排放量（Magazzino等，2021）。基于数据可得性，研究涵盖2012-2017年中国大陆285个城市数据。

能源消耗与效率的空间分布

图2(a)显示样本城市能耗均值水平，高能耗城市集中在中国北部和东部，西部能耗较低。而高能效城市主要分布在北方，西部和东部能效相对较低（图2(b)）。

变量的相对重要性

表4展示了...

政策启示

城市需要在经济增长同时提升能效并降低能耗。通过GDP或人口调控能源不切实际，气候要素更不可控，因此土地利用规划成为关键抓手。尽管数据截至2017年，但本研究为未来土地政策制定提供了科学依据。

结论

通过可解释机器学习模型，本研究揭示了中国285个城市土地利用多维度特征对能耗和能效的非线性与交互效应：

1. 居住用地比例对能耗影响最大，工业用地比例则显著影响能效；

2. 土地利用规模与能耗呈U型曲线，141.03-474.48 km²区间呈现负向贡献；

3. 土地利用强度存在"双刃剑"效应，218-512.34人/km²为最优平衡区间。

作者贡献声明

Zhuoxu Qi：综述撰写/初稿/可视化/软件/研究设计；Hangying Su：审校/验证/监督/项目管理/方法论；Kai Hou：数据整理/资源获取。

利益声明

作者声明无潜在利益冲突。

致谢

感谢匿名审稿人和编辑的宝贵意见。