城市形态

城市形态与建筑立面设计参数如何协同影响建筑能耗、日光照明和室外热舒适？基于可解释机器学习的方法

耦合中尺度模型与大涡模拟推进城市大气建模：博洛尼亚热浪案例研究

研究首次将PALM与MOLOCH耦合系统用于意大利博洛尼亚，模拟2023年8月热浪期间的城市微尺度大气过程。结果显示，PALM采用10米分辨率时兼顾精度与计算效率；天空可视因子和风速对昼夜气温的影响不同，凸显城市设计对热舒适的重要作用。

机器学习算法分析干旱城市城市形态对地表温度的影响——以伊朗伊斯法罕为例

利用大型语言模型生成合成道路网络：迭代校准框架

文章提出一种利用大型语言模型生成合成城市的新方法：模型直接生成高层级合成道路结构，并通过工具提供的结构反馈进行迭代校准。该框架将自然语言要求转化为量化规格，并依据目标指标验证生成网络，可用于构建适应性强、语义明确的合成城市，以支持模拟和情景分析。

评估安第斯中等城市热环境适应型步行性的可复现多尺度工作流程：以厄瓜多尔洛哈为例

研究构建可复现的开放数据工作流程，分析厄瓜多尔安第斯中等城市洛哈的步行潜力与地表热压力之间的空间关系。结果显示，步行潜力、基于地表温度的热强度及二者平衡均呈空间结构；250米网格在局部细节与空间稳定性之间最为平衡。该框架可用于识别后续实地核查和绿化规划的重点区域。

功能是否与扩张相匹配？比较中国35座主要城市的形态与功能同心性，重新审视城市蔓延

针对传统城市蔓延指标难以识别中国紧凑扩张但功能利用不足的现象，研究将城市蔓延重新界定为城乡梯度上城市形态与功能的空间累积性脱耦，并比较中国35座主要城市的形态与功能同心性。结果显示，功能同心性强于形态同心性，二者错配在多数城市向外围逐渐加剧，但建筑使用效率并未沿城乡梯度呈现稳定下降。

融合地方气候区、景观指标与遥感，理解卡塔尔干旱大都市当代城市热动态

研究融合多季节遥感与城市形态分析，考察卡塔尔多哈都市区城市热环境的时空变化。结果显示地表温度季节差异显著，城市内部热岛强度在高峰期超过10°C；裸地和大型低层建筑占主导，植被覆盖有限。基于地方气候区的分析比单独考察植被更能区分不同城市形态的热环境。

从空间异质性视角建模建成环境对创新导向型生产力的影响

研究构建空间分析框架，将企业层面的新质生产力与精细尺度城市空间结构联系起来，并以厦漳泉城市群89家A股上市公司为例。研究结合熵权指数、核密度估计、递归特征消除和多尺度地理加权回归，识别生态适应、结构协调和边界激活三种作用机制，为差异化、创新导向的城市更新提供依据。

环境压力下致命交通事故风险的空间不平等：澳大利亚墨尔本的证据

研究分析墨尔本43,075起严重交通事故，考察降雨、路面湿润和照明条件对致命事故风险的影响如何因地而异。结果显示，湿路面的风险会随基础设施形态和街道几何特征由保护性转为危险；内城高密度核心区及邻近海岸走廊对能见度下降和潮湿更敏感，新兴工业外围地区则呈现更强的风险补偿效应。

形态导向规范作为传统分区的替代方案：以色列一项社区城市更新规划案例的启示

研究以以色列佩塔提克瓦拉马特韦伯社区获批的城市更新规划为案例，探讨形态导向规范（FBC）能否及如何应用于层级化、集中式规划体系。研究结合规划分析、FBC概念模拟和专家咨询。模拟显示，规划目标可转化为更有效、可操作的条款，而法定规划在愿景与实施之间弱化了目标。实施障碍包括法律与制度约束、社会和专业规范，以及管理协调需求。

层级式形态类型分类：面向大尺度建成形态分析的理论驱动框架

PC-GAN：一种融入空间约束、旨在提升热韧性的城市形态自动化设计深度学习框架

基于机器学习的城市形态影响建筑能耗的中介效应分析：来自韩国首尔的证据

城市形态与风对无人机飞行风险的影响：基于计算流体力学的风险制图框架

基于LSTM反事实分析与结构方程模型的半球尺度城市形态对NO₂动态影响评估

边缘带疏离的政治经济学：地中海港口城市的标志性品牌重塑与形态代价

研究提出边缘带关键评估框架（FB-CA），结合康泽恩城市形态学与批判政治经济学，量化边缘带疏离造成的形态断裂。以土耳其梅尔辛棉花厂改建为Mertim Tower综合体为例，分析指出，资本回路转换、立法扩大租差、规划程序性让步吸纳反对意见及标志性品牌重塑共同推动了疏离。

城市形态特征对冠层城市热岛相对重要性的日变化与季节变化

没有情感的正义？野生动物情感导向型城市设计的主张

文章提出野生动物情感导向型城市设计（WAUD）框架，探讨城市形态如何通过恐惧、好奇、依恋、烦扰与回避等情感塑造人和野生动物的相遇，并影响伤害风险。文章主张共存并非从接触到共情的线性过程，设计应组织差异化的接近程度、边界与责任，并将情感公平理解为减少多物种城市生活中的系统性伤害、排斥和未获承认的负担。

山地城市形态对住宅建筑微气候与能耗的影响：以中国重庆为例

基于自动化机器学习优化局地气候区制图，揭示热浪期间的热环境差异

研究提出由自动化机器学习驱动的局地气候区（LCZ）分类方法，以生成本地优化地图，并在大曼彻斯特检验其对极端高温下城市气候模拟的影响。该方法的分类精度持续优于WUDAPT；地图差异对模拟的影响随尺度而变，在亚季节尺度最显著。本地优化地图提升了模拟精度，并揭示热浪期间人口热暴露的空间差异。