居民移动模式下的动态绿空间暴露差异：成都案例研究

本研究针对传统静态评估方法难以捕捉个体移动对绿空间暴露影响的问题，通过整合手机信令数据与卫星植被指数，采用K-means++聚类算法识别6类移动特征群体，揭示活动半径（radius of gyration）、外出时长与移动多样性对动态暴露的差异化影响，为促进环境公平与健康城市规划提供数据支撑。

　　

在城市化进程加速的今天，绿空间如同钢筋森林中的"呼吸窗口"，对缓解空气污染、热岛效应和居民心理压力具有不可替代的作用。然而传统研究存在一个致命盲点——它们往往将居民视为静止的"棋子"，仅通过住所周边的绿化率来评估暴露水平，却忽略了现代人日常活动轨迹的高度动态性。这种"刻舟求剑"式的研究方法，导致政策制定者难以精准把握不同人群与自然接触的真实差异，尤其在中国高密度城市中，通勤距离长、活动范围广的居民可能比宅家族获得更多绿空间福利，也可能因职住分离而错失社区公园资源。

针对这一科学难题，重庆自然科学基金（2024NSCQ-MSX1465）和国家自然科学基金（42371421）支持的研究团队，以成都1500万人口为样本，开展了一项突破性研究。研究人员创新性地将581,608个匿名个体的手机信令数据与卫星植被指数（NDVI）耦合，通过K-means++聚类算法，首次从移动行为视角解构了城市居民的动态绿空间暴露图谱。相关成果发表在《Urban Forestry》上，为健康城市设计提供了革命性的评估框架。

研究团队采用三大关键技术：首先利用手机基站定位数据提取居民移动轨迹，计算活动半径（radius of gyration）、外出时长等6项动态指标；其次结合Landsat卫星的归一化植被指数（NDVI）量化500米网格的绿空间质量；最后通过机器学习中的K-means++算法，依据移动特征将人群划分为6个典型群体。这种多源数据融合的方法，克服了传统问卷调查样本量小、GPS追踪存在选择偏差的缺陷。

活动群体分类
聚类分析揭示出6类特征鲜明的群体：Group 1（长距离通勤族）、Group 2（短时办公族）、Group 3（高频活动族）、Group 4（居家型）、Group 5（弹性时间族）和Group 6（局部活动族）。雷达图显示，Group 5因兼具大活动半径（平均8.2km）和灵活作息，其NDVI暴露值比Group 2高出47%。

暴露差异机制
回归分析证实三个关键发现：1）活动半径每增加1km，绿空间暴露提升12.3%；2）单次外出时长超过3小时的群体，其公园到访概率是短时活动者的2.1倍；3）Group 2尽管占人口28.7%，却因"两点一线"的工作模式，成为暴露洼地。

讨论与启示
这项研究颠覆了"就近绿地均等化"的传统规划思路，提出移动友好型绿空间网络新范式：对于Group 1/3/5等高移动群体，需加强轨道交通沿线的带状绿地；针对Group 2等受限群体，应推行"15分钟工作圈绿地计划"。研究同时发现，弹性作息制度能显著提升Group 5的生态福祉，这为后疫情时代的弹性办公政策提供了环境健康佐证。

该成果的突破性在于将环境暴露评估从"静态地理"推向"移动社会"维度，其开发的动态暴露指数（Dynamic Green Exposure Index, DGEI）已被成都公园城市管理局纳入智慧城市监测系统。正如通讯作者Yong Liu强调："当我们在手机地图上规划最短通勤路线时，城市也应该为每个移动模式设计最优的'绿色接触'路径。"这项研究不仅为健康城市设计提供了量化工具，更揭示了隐藏在居民日常移动中的环境不平等密码。