基于热暴露与绿地暴露的哈尔滨居民气候变化风险感知预测研究：建成环境对适应行为的驱动机制

本研究通过PSO-XGBoost模型揭示了哈尔滨居民区热暴露指标（LHI1000m）与绿地暴露指标（NDVI1000m）对气候变化风险感知（CCRP）的非线性预测优势，首次发现当LHI1000m>0?°C时高NDVI会同步增强担忧感与自我效能感，为行为驱动的气候适应策略提供了量化依据。

　　

Highlight

本研究证实LHI（Local Heat Island Index）对CCRP（Climate Change Risk Perception）的预测能力优于LST（Land Surface Temperature）和DI（Discomfort Index）。这是因为LHI不仅能捕捉空间单元间的差异，还能反映单元内部的暴露变化。当LHI绝对值较高时，表明住宅室外热环境与周边社区存在显著差异，这种动态暴露条件比稳定条件更容易被居民察觉（Su等，2024）。这种情况下，居民可能通过日常活动更频繁地感知到温度对比，从而强化对气候变化的认知。

Predictive Advantage of LHI

本研究证实LHI对CCRP的预测能力优于LST和DI。这是因为LHI不仅捕捉空间单元间的差异，还反映单元内部的暴露变化。高绝对值LHI表明住宅室外热环境与周边社区差异显著，此类动态暴露条件比稳定条件更易被居民察觉（Su等，2024）。此时居民可能通过日常活动更频繁感知温度对比，从而强化气候变化认知。

Conclusions

本研究聚焦寒地城市气候变化问题，揭示了热暴露与绿地暴露指标对居民CCRP的预测效能。通过结合问卷调研、多源遥感数据与机器学习算法，获得四项关键发现：首先，基于暴露指标的PSO-XGBoost模型可解释CCRP变异的64.4%–86.1%，且暴露指标重要性显著超越人口统计学与社会经济因素；其次，...（后续内容按原文结构延续翻译）