中国城市居民气候变化感知的全国性调查：基于机器学习驱动的影响机制解析

本文基于9819份全国城市问卷调查数据，通过构建公众感知指数（PPI）并应用可解释机器学习模型（XGBoost-SHAP），揭示了中国城市居民气候变化感知的非线性驱动机制。研究发现极端天气体验、收入水平与主观幸福感是核心预测因子，而健康状况、年龄与碳排放强度呈现倒U型关系。该研究为制定差异化气候适应政策提供了科学依据。

　　

研究亮点

极端天气体验成为公众气候变化感知（PPI）的最强预测因子，年收入与主观幸福感紧随其后且均呈现正向影响。健康状况与主观幸福感存在交互作用，而年龄和碳排放强度与PPI呈现有趣的倒U型关系。城市规模、城镇化率等城市属性显著影响居民感知，但政治中心地位与气候试点政策的影响微乎其微。

中国不同社会经济群体的气候变化公众感知

图2揭示了城市人口统计学群体间的感知差异。男性对气候变化的认知度略高于女性，这与西方研究结论形成有趣对比。26-35岁人群表现出最高的气候变化感知水平，而25岁以下群体的感知水平显著偏低。健康状况与职业特征同样塑造着感知格局：制造业、交通运输业、建筑业和能源行业从业者展现出更强的气候敏感度，而退休人员与健康状况不佳者则报告了较低的感知分值。

与既往研究的对比

大量研究证实极端天气体验会提升公众对气候变化的关注度，并成为强化政策支持的重要触发因素。我们的全国性调查进一步夯实了这一结论在中国城市语境下的适用性。然而，极端天气体验与气候变化感知及政策支持间的关联在学术领域仍存在争议...

结论与建议

我们得出结论：中国城市居民的气候变化感知由社会经济、健康因素和城市背景因素共同塑造。男性报告的气候变化感知水平略高于女性。从事气候脆弱性行业（如制造业、交通运输、建筑业和能源业）的劳动者表现出更强的气候变化感知。相比之下，退休人员与健康状况不佳个体的感知水平明显偏低，这凸显了制定针对性沟通策略的必要性...