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，也限制了形态学证据在数字城市分析与建筑环境管理中的应用。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，提取出简洁、低维度的形态学指标，这些指标既具有形态学上的可解释性，又在所选样本集中保持内在稳定性。通过对哈尔滨各代表性区域的无监督层次聚类、演化谱系分析以及过渡节点识别，研究发现形态学模块之间存在“分层响应模式”，形态类型与历史时期之间呈现不对称对应关系，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。这些发现为中观尺度的城市形态分析提供了新视角，有助于理解中国城市的空间变迁以及东北老工业基地的发展困境，同时也体现了在样本受限的情况下，基于理论的定量分析对于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。
