气候韧性建成环境对寒地城市社区步行性的马太效应：融合还是分化？

本文通过多源数据与机器学习技术，系统揭示了寒地城市社区步行性（CW）的时空分异规律及其驱动机制。研究发现冬季CW呈现显著空间集聚性（Global Moran’s I > 0.6, p < 0.001），并识别出人口密度（阈值13,000人/km2）与地铁可达性（阈值0.8km）等关键因子的非线性效应与交互作用，为核心区与外围区提供了差异化的气候适应性规划策略。

　　

^h核心发现^/h

社区步行性（CW）表现出强烈且显著的空间聚类特征（全局莫兰指数 Global Moran’s I > 0.6，p < 0.001），且冬季的聚集强度显著增强，证实了寒冷条件加剧的“马太效应”。

^h影响因素的特异性^/h

影响CW的因素具有显著的季节性和空间特异性。密度相关要素（如道路密度、人口密度）始终保持重要性，但存在阈值效应——例如人口密度超过13,000人/平方公里或地铁站距离超过0.8公里时，会对冬季步行性产生负面影响。

^h非线性与交互效应^/h

研究揭示了复杂的交互作用：土地利用混合度与道路密度在核心区产生协同效应（Synergistic Effects），而高人口密度与公共交通可达性差则形成拮抗效应（Antagonistic Effects）。

^h核心-边缘分化机制^/h

最重要的发现是步行性驱动因素存在显著的核心-边缘分化现象：城市核心区主要由宏观因素（如地铁可达性、绿地）驱动，而外围区域则对微观社区设计（如内部绿化、冬季设施）更为敏感，这要求采取截然相反的规划干预措施。

^h结论^/h

本研究通过构建寒地社区夏冬两季CW图谱，验证了引言中提出的三个假设。研究表明，步行行为是由客观测量的建成环境特征与行人主观感知共同塑造的。现有研究在主观与客观指标选择方面的缺陷会显著影响社区CW的评估。本研究最终将这些空间模式和非线性机制转化为可操作的、基于实证的策略，用于寒地城市的气候适应性与空间公平性建设。