【GeoAI文献日读|69】|南京林业大学|LUP|在树荫下骑行:揭示夏季高温期间建筑物和植被遮荫对无桩共享单车使用情况的时空异质性

📘论文基本信息

在高温愈发频繁的背景下，城市如何通过“低成本、可持续”的方式改善出行舒适度，已成为城市规划与交通研究的核心议题之一。本研究以“在树荫下骑行”为切入点，聚焦城市遮荫这一长期被忽视却高度现实的微环境因素，系统分析了建筑遮荫与植被遮荫在夏季高温条件下，对无桩共享单车使用行为的影响机制。文章不仅关注骑行“多不多”，还进一步拆解为骑行频率、距离、时长与速度四个维度，完整刻画了遮荫对骑行行为的多维调节效应。

研究最大的亮点在于方法创新。作者构建了一套三维、动态、可时段分解的城市遮荫模拟框架，将太阳高度角、方位角、地形坡度、建筑高度与树冠高度统一纳入计算体系，精细刻画城市道路在不同时段的真实遮荫格局。在此基础上，研究引入解释型机器学习（XGBoost–SHAP），不仅识别遮荫的平均效应，更深入揭示了其与道路密度、人口密度、公共交通可达性等建成环境因素之间的非线性与阈值效应。

整体而言，这是一篇将城市气候、交通行为、GIS 模拟与 GeoAI 方法深度融合的高质量实证研究，为理解高温情境下的低碳出行行为提供了新的分析范式，也为“以人为本”的城市遮荫规划提供了明确的量化证据。

在全球变暖与城市热岛效应叠加的背景下，夏季高温已成为限制户外活动、削弱主动出行意愿的重要环境约束。既有研究已充分证明，遮荫可以降低热应激、提升热舒适度，并在一定程度上促进步行等户外行为。然而，相较于行人，骑行行为对遮荫的响应机制更为复杂：骑行速度更快、路径选择更灵活、停留时间更短，这使得遮荫是否仍能显著影响骑行决策，成为一个尚未被充分验证的问题。

与此同时，无桩共享单车作为解决“最后一公里”问题的重要交通方式，其使用高度依赖建成环境条件。已有研究多集中于道路密度、公共交通站点、人口分布、地形坡度等因素，但城市遮荫往往被简化为绿量或 NDVI 的替代指标，难以反映真实的空间与时间差异。尤其是在高密度城市中，建筑物所形成的大尺度遮荫，与街道绿化所提供的局地遮荫，在空间分布、持续时间与心理感知上存在显著差异，但这种差异长期未被系统区分和量化。

因此，本文正是立足于这一现实缺口，尝试回答一个核心问题：在夏季高温条件下，建筑遮荫与植被遮荫是否以不同方式影响共享单车使用？这种影响是否随时间段与建成环境条件而变化？

🌍研究目标与研究区

📌研究目标

围绕上述背景，研究明确提出三项目标：第一，构建一套可操作、可复制的三维城市遮荫动态模拟框架，分别量化建筑遮荫指数（BSI）与植被遮荫指数（VSI）；第二，系统分析两类遮荫对共享单车骑行频率、距离、时长与速度的差异化影响，并揭示其在早晚高峰与非高峰时段的变化特征；第三，进一步探讨遮荫与道路网络、公共交通、人口密度、地形坡度等建成环境因素之间的交互与阈值效应。

📌研究区

研究区选取中国深圳市。作为高密度、快节奏、夏季高温显著的超大城市，深圳在空间形态上同时具备高层建筑集聚区与道路绿化程度较高的街道系统，为区分建筑遮荫与植被遮荫提供了理想实验场。研究使用了超过 260 万条无桩共享单车出行记录，并区分工作日与周末，同时对早高峰、晚高峰、非高峰和全天进行分时分析，确保结论具有充分的时空代表性。

🖼️ 图 1. 研究区域地图和 DBS 使用分布。

🌍 研究方法

· 数据与方法体系

在方法上，本文构建了一个清晰而完整的分析流程。首先，研究基于高分辨率建筑高度数据与植被冠层高度数据，结合太阳轨迹模型，对城市道路在不同时段的遮荫状况进行三维模拟。通过引入太阳高度角、方位角与地形坡度修正，分别计算建筑与植被在地表与骑行路径上的遮挡效应，最终形成建筑遮荫指数（BSI）与植被遮荫指数（VSI）。这一过程显著超越了传统二维或静态遮荫估计方式，使遮荫真正成为一个“随时间变化的环境变量”。

在行为建模层面，研究将共享单车出行数据聚合至 500 米网格尺度，分别计算骑行频率、平均距离、平均时长与平均速度，并按时间段进行拆分。在统计分析方面，作者先通过相关分析与 OLS 回归，识别遮荫与骑行行为之间的总体关联关系；随后引入 XGBoost 回归模型，并结合 SHAP 值与交互 SHAP 分析，系统揭示遮荫与建成环境因素之间的非线性作用路径与阈值区间。

🌍 研究结果

研究结果首先揭示了共享单车使用的显著时空差异。骑行频率在工作日呈现明显的“早晚双峰”结构，高峰主要集中于就业密集区与轨道交通枢纽周边；而骑行距离与时长则在部分外围城区表现更高，反映出不同出行目的的空间分异特征。骑行速度在整体上相对稳定，但在不同遮荫环境下呈现出系统性差异。

🖼️ 图 3. 2021年 7 月 9 日 DBS 指标的空间分布，包括：(a) 骑行频率 (CTF)；(b) 骑行距离 (CTD)；(c) 骑行时长 (CTL)；(d) 骑行速度 (CTS)。(e) 不同时间段 DBS 指标的分布。(f) 2021 年 7 月 9 日 DBS 的动态数据。

在遮荫效应方面，研究发现建筑遮荫与植被遮荫对骑行行为的影响方向并不一致。建筑遮荫在早晚高峰时段与骑行频率、距离和时长呈显著正相关，说明建筑阴影在通勤情境下显著提升了骑行舒适度，从而促进共享单车使用。同时，建筑遮荫还与更高的骑行速度相关，这表明在高密度建成区，建筑遮荫往往与效率导向的通勤行为相伴随。

🖼️ 图 4. 不同时段 DBS 使用情况、城市遮荫和 BEF 之间的相关关系。注：骑行频率 (CTF)、距离 (CTD)、持续时间 (CTL) 和速度 (CTS)。*** p < 0.001，** p < 0.01，* p < 0.05。

相比之下，植被遮荫对骑行速度呈现稳定的负向影响，即树荫越强，骑行速度越慢。但与此同时，植被遮荫显著提升了骑行频率、距离与时长，尤其在非高峰时段和周末更为明显。这一结果表明，植被遮荫更容易诱发舒适型、休闲型骑行行为，而非效率优先的通勤骑行。

🖼️ 图 5. 工作日普通最小二乘法 (OLS) 回归结果。注：GPD：人口密度；GTD：交通站点密度；NDVI：归一化植被指数；GAS：平均坡度；GRD：道路密度；GBD：建筑物密度；LSR：地表辐射；LST：地表温度。* p < 0.05，** p < 0.01，*** p < 0.001。

进一步的机器学习分析显示，遮荫效应具有明显的非线性特征。当植被遮荫指数超过某一阈值后，骑行频率会在高道路密度、高人口密度和高公共交通可达性区域显著提升；而建筑遮荫则在地形坡度较大的区域表现出更强的正向调节作用。这说明遮荫并非孤立发挥作用，而是嵌入于复杂的建成环境系统之中。

🖼️ 图 6. BSI和VSI对白天 DBS 使用模式的交互作用结果。

🖼️ 图 7. 交互作用效应分析结果（因变量：骑行频率）。注：（1）a. 白天；b. 早高峰；c. 晚高峰；d. 非高峰时段。（2）1. VSI × BSI × BEFs；2. VSI × BSI × c( BEFs )。

🧩 讨论部分

从理论层面看，研究揭示了城市遮荫作为一种“隐性基础设施”，在塑造骑行决策中的核心作用。建筑遮荫更像是一种通勤效率的加速器，其稳定、连续的阴影结构降低了热暴露，使骑行者在高温条件下仍愿意保持较高速度完成通勤任务；而植被遮荫则更接近一种情绪与体验调节器，通过改善视觉景观与微气候条件，引导骑行者放慢节奏、延长停留时间。

从规划实践角度，研究提出了一种以 BSI 与 VSI 为核心的骑行导向型遮荫分区策略，将城市道路划分为遮荫不足区、优化区与维护区。在遮荫不足但骑行需求高的区域，应优先引入街道绿化或轻量化人工遮荫设施；在中等遮荫区域，通过优化植被配置提升遮荫连续性；而在高遮荫区域，则应以维持现状为主，避免过度干预。

更重要的是，研究强调植被遮荫在安全性与可持续性方面的综合优势。相比建筑改造，植被遮荫成本更低、协同效益更强，不仅可以提升骑行舒适度，还能改善空气质量、缓解热岛效应，并在一定程度上降低骑行速度，从而提升整体交通安全水平。

🧩 研究结论

本研究以深圳为例，基于动态遮荫模拟和机器学习方法，探讨了建筑遮荫、植被遮荫、建成环境因素（BEFs）与自行车出行模式之间的复杂关系。回归结果表明，城市遮荫与自行车出行（DBS）的使用呈正相关，体现在骑行频率和距离两方面。建筑遮荫与更快的骑行速度和更长的骑行距离相关，而植被遮荫则与更慢的骑行速度相关。此外，本研究还揭示了建筑遮荫和植被遮荫对自行车出行使用的影响存在时间异质性。总体而言，建筑遮荫在高峰时段对自行车出行使用的影响更为显著，而植被遮荫在非高峰时段的影响更大。

此外，我们的研究结果表明，城市遮荫与自行车骑行（DBS）使用之间的关系在不同的建成环境中存在显著差异，表现出明显的阈值效应和时间异质性。当白天植被遮荫指数（ VSI ）超过80时，交通站点、人口和道路密度较高的区域的骑行频率显著增加。在高峰时段，尤其是在建筑遮荫指数（ BSI）超过100（或晚高峰时段超过150）时，骑行频率也呈现显著上升趋势。此外，在平均坡度较陡的区域，骑行频率与建筑遮荫之间的关系更为密切。相比之下，植被遮荫对周末骑行频率的影响更为显著。我们还发现，建筑/植被遮荫与骑行速度之间的关系通常呈“S”形曲线。敏感性分析结果表明，与建筑遮荫相比，植被遮荫在非高峰时段促进骑行频率和降低骑行速度方面表现出更强的稳健性。

基于我们的研究结果，我们提出了一种以自行车出行为导向的遮阳规划和管理系统。该系统能够识别遮阳不足的区域，并根据现有的自行车专用道（DBS）使用分布情况，通过有针对性的遮阳措施最大限度地提高DBS的使用率。最后，我们提倡采用基于植被的遮阳解决方案，并强调其在提升交通可持续性、安全性、经济性和气候适应性方面的潜力。我们的研究为理解建成环境与出行行为之间的关系提供了宝贵的见解，并为促进低碳城市交通提供了可持续的解决方案。

🛰️🌆GeoAI 星球 · 洞见时刻

当我们谈论城市骑行时，真正改变行为的，往往不是宏大的基础设施，而是那些“看不见却能感受到”的微环境细节。遮荫，正是其中最被低估的一种。这项研究告诉我们：在高温城市中，骑行是否发生、如何发生，很大程度上取决于你是否“骑在阴影里”。

🔖 引用文献格式

Xia, T., Cheng, Y., Wei, X., Zhang, J., Yin, Y., Qiu, M., ... & Zhang, J. (2026). Cycling in the shade: Uncovering the spatiotemporal heterogeneity of building and vegetation shading on dockless bike-sharing usage during hot summer days. Landscape and Urban Planning, 267, 105538.

📢 声明

本文内容基于作者对论文的个人阅读与理解，难免存在疏漏或不当之处，仅供学习交流使用，不构成任何学术结论或商业性引用。若文中对原文理解不准确，或涉及版权问题，欢迎及时联系指正，我将第一时间进行修改或删除。感谢理解与支持！

🛰️ 未来本账号将持续更新 GIS、遥感、城市研究相关的数据、工具与教程。如果你对某类数据、某种研究主题或某项技术分享感兴趣，欢迎在评论区留言或私信告诉我们。