摘要
由于历史数据具有“样本量小、维度高”的特点，分析中观尺度城市形态类型的长期演变受到限制，这降低了传统数据驱动方法的稳健性与可解释性，也制约了形态学证据在数字城市分析与城市环境治理中的应用。为解决这一问题，我们提出了一种基于理论的模块化主成分分析框架（TG-MPCA），用于应对样本受限的形态学研究。该框架通过将领域知识融入降维过程，提取出既具有形态学可解释性，又在所选样本集中保持内在稳定性的简洁低维形态指标。通过无监督层次聚类、演化谱系分析以及过渡节点识别，将该框架应用于哈尔滨的代表性区域后，发现形态模块之间存在“分层响应模式”，形态类型与历史时期之间存在不对称对应关系，1946年左右存在一个结构转折点，与战后西方城市的重组趋势相似，而在过渡时期，类型演化会出现异常减速和过早收敛现象。这些研究发现为理解中国城市的空间变迁以及东北老工业基地的发展挑战提供了中观尺度的形态学视角，同时也体现了在样本受限的情况下，基于理论的定量分析能够将零散的历史空间信息转化为可解释的形态学证据的重要性。
