热浪期间城市街区的情绪健康韧性与公平性：基于上海社会感知与可解释机器学习的证据

《Sustainable Cities and Society》：Emotional Health Resilience and Equity in Urban Blocks During Heat Waves: Evidence from Social Sensing and Explainable Machine Learning in Shanghai

　　

摘要
极端高温已成为城市系统的决定性压力源，其影响日益从物理暴露扩展到情感健康、心理社会福祉以及不同街区间不平等的适应能力。然而，现有研究更多地关注热暴露或情感水平，而非情感健康在不同街区间被破坏、缓冲和恢复的韧性过程。利用上海带地理标签的微博数据，本研究开发了一个社会感知和可解释人工智能框架，以考察热浪期间的街区尺度情感健康韧性。通过构建基于事件的热浪窗口、提取每日情感指标、推导五项韧性指标，并通过可解释机器学习将它们与城市环境变量联系起来，本研究通过整合同日测量、社交媒体感知和规划相关的环境分析，为预测性健康地理学做出了贡献。研究得出了几项发现。首先，情感健康韧性呈现出中心 - 外围结构，中心街区通常比外围街区表现出较弱的冲击和较快的恢复。其次，公众情感遵循滞后干扰 - 恢复模式，证实了情感反应是过程性的而非瞬间的。第三，不同持续时间的热浪产生不同的轨迹：更长的事件产生更深的情感抑制和更大的累积损失，但随后也可能出现更强的反弹。第四，韧性依赖基线，也与事件强度和城市背景有关，建成形态、可达性、自然条件和社会经济活力表现出非线性和阈值效应；值得注意的是，通风和绿度可能显示出一种社会 - 生态韧性补偿机制，以应对情感基线较弱的脆弱街区。这些发现为可持续城市系统中面向公平的热适应、情感敏感的热治理和响应微气候的规划提供了证据。

引言
城市处于气候风险的前沿，极端高温已成为对城市宜居性、公共卫生和社会福祉最直接威胁之一（Mi et al., 2019）。这一挑战与可持续发展目标 11 直接相关，该目标要求使城市和人住区“包容、安全、韧性和可持续”（Vaidya & Chatterji, 2020）。随着气候变化加剧，热浪不仅成为环境和健康危害，也成为对日常城市体验、情感福祉和社会功能的干扰。越来越多的证据表明，高温和热浪暴露与不良心理健康结果相关，包括心理困扰增加、情绪恶化、精神和行为障碍风险增加以及福祉降低（Baecker et al., 2025; Thompson et al., 2023）。最近的综述强调，热通过多种途径影响心智，包括睡眠中断、生理压力、认知负担和日常舒适度降低，其影响既可以是即时的，也可以是短期累积的（Cianconi et al., 2020）。重要的是，这些影响并非纯粹临床性的。即使在严重的精神疾病结果出现之前，极端高温也能改变日常情感状态、易怒性、感知不适和公众表达的语气。

文献表明，对热的情感反应是动态的，并随时间演变，而不是保持静态。借鉴韧性曲线和干扰 - 恢复框架，热压力下的情感状态可以被理解为一个涉及稳定、滞后反应、破坏、衰退和恢复的时间轨迹，而不是单一时间点结果（Cutter et al., 2008; Meerow et al., 2016）。最近的工作已经开始将情感视为城市系统的韧性相关维度，表明情感变化可以反映城市如何在压力下吸收冲击和恢复（Dai et al., 2023; Wang et al., 2024）。在热背景下，关于温度、情感和短期滞后影响的现有证据进一步支持了基于事件的情感韧性曲线的合理性，在这种曲线中，情感状态可能暂时保持稳定，在暴露加剧后恶化，达到低点，然后以取决于当地背景的不同速度恢复（Niu et al., 2020）。

同时，最近的工作表明，社交媒体可以作为追踪公众对气候极端和破坏性事件反应的强大社会传感器（Sakaki et al., 2010; Dou et al., 2024）。与调查和传统健康数据相比，带地理标签的社交媒体提供高得多的时间频率和更细的空间粒度，使得捕捉实时情感表达、公众注意力和主观环境体验成为可能（Xu et al., 2025）。国际研究证明了社交媒体在环境和灾害研究中的价值。例如，大规模 Facebook 和 Twitter 数据已被用于考察天气条件如何影响表达的情感（Baylis et al., 2018），而 Twitter 活动已被用于实时检测物理事件并评估大都市区内的灾害相关社会反应（Sakaki et al., 2010）。在热浪背景下，使用 Twitter、Facebook 和微博的研究表明，社交媒体可以揭示公众关注、感知不适阈值以及对极端热浪的空间差异化敏感性（Soomro et al., 2025）。基于这些国际见解，考察此类方法在快速城市化和高风险背景下的表现非常重要。中国代表了一个重要的实证背景，因为其大型、密集且快速城市化的城市日益暴露于严重的热浪风险中。同时，微博等平台的广泛使用提供了高频的地理标签数据，使得对公众情感反应的细粒度观察成为可能。最近的研究也证明了此类数据在识别感知温度阈值和捕捉极端热浪条件下情感变化方面的潜力（Dou et al., 2024; Xu et al., 2025）。

然而，大多数现有基于社交媒体的热浪研究仍然关注公众注意力、热感知或整体情感水平，而不是情感韧性的全过程。例如，中国最近的研究揭示了热浪相关公众反应的空间异质性，并表明极端温度可以显著降低情感强度（Dou et al., 2024）。其他工作考察了居民在热浪期间的情感及其与城市功能区的关联（Wang et al., 2024）。这些研究提供了重要证据，表明热浪情感既是可测量的，也是空间变化的。然而，它们仍然更关注热浪期间情感是否变得更负面，而不是情感破坏如何在整个事件窗口内展开和恢复，导致目前对于极端天气引起的情感波动模式和特征缺乏了解。

第二个局限性涉及空间尺度。现有基于社交媒体的热浪研究主要集中在城市、区域或广阔的城市区域尺度（Wang et al., 2021），这对于识别整体模式很有用，但对于解释为什么城市内部的情感反应不同则不太有效。然而，城市热暴露和日常情感体验都高度局部化，受街道结构、建成形态、功能混合和附近环境条件的影响（Bower et al., 2019）。街区不仅是热单元，也是日常城市生活的体验单元：其形态塑造了感知封闭、遮荫、通风、可步行性、恢复性空间的可达性和社会互动机会，所有这些都可能在热浪事件期间影响压力、舒适度和情感表达（Ewing & Handy, 2009; Mouratidis, 2021）。对于规划和气候适应，证据表明内部异质性非常重要（Chen et al., 2025a）。由实际道路边界定义的街块越来越被认为是城市分析的有意义基本单元，因为它们比任意的栅格单元更好地保留了城市空间的功能和形态完整性（Tang et al., 2025）。因此，街区尺度分析允许研究将城市形态不仅与热暴露联系起来，还与居民感知、承受并从热压力中恢复的特定情感过程联系起来。这使得街区尺度特别适合将热浪情感与细粒度的城市背景联系起来，并生成与规划相关的证据。

第三个局限性涉及对建成环境和社会经济背景如何塑造热压力下的情感韧性了解仍然有限。现有研究表明，邻里环境、城市形态、绿地和本地功能条件可以强烈影响心理健康、情感和感知环境压力，表明它们在热浪期间的影响可能是巨大的（Dong & Qin, 2017; Lauwers et al., 2021）。来自热浪相关情感研究的新兴证据也表明，城市环境特征可能缓解或加剧负面情绪反应（Mouratidis, 2021）。同时，越来越多的城市气候研究采用机器学习方法来考察热结果和城市环境变量之间复杂、非线性和交互的关系，显示出在捕捉阈值效应、异质性反应和高维依赖方面比传统线性模型具有明显优势（Chen et al., 2025a; Feng et al., 2024）。可解释的机器学习工具，如 SHAP（SHapley Additive exPlanations）和相关解释方法，进一步提高了识别变量重要性和揭示城市热研究中隐藏非线性机制的能力，使其特别适合分析不太可能遵循简单线性模式的情感中介韧性过程（Kim, 2026）。然而，在街区尺度上此类证据仍然稀缺，在这里环境异质性最直接地被体验。此外，关于这些机制是否在具有不同基线情感条件的地方有所不同知之甚少，这限制了识别城市干预措施如何更好地支持不同情感条件的街区在热浪事件期间快速情感恢复的能力。此外，韧性研究通常假设基线脆弱性与恢复能力之间存在线性联系，忽视了生态和社会资源如何补偿弱初始条件并重塑恢复轨迹（Meerow et al., 2016; Sharifi & Yamagata, 2016）。因此，情感韧性仍然未被充分理解为一种由基于地方的资源塑造的动态过程，而不仅仅是基线条件。

在此背景下，本研究利用地理位置社交媒体数据和细粒度城市环境指标，调查上海热浪期间城市街区的情感健康韧性和公平性。我们不再将情感视为静态的情感结果，而是将其概念化为一个由热暴露、邻里背景和不相等适应能力塑造的动态情感健康过程。具体而言，我们首先识别热浪事件期间街区尺度情感和韧性相关指标的空间分布。然后，我们比较不同持续时间热浪下的情感反应和恢复轨迹。最后，我们使用基于机器学习的解释来理清事件属性、与微气候相关的建成环境条件和社会经济因素如何共同塑造情感健康韧性。通过整合同日感知、遥感分析和可解释机器学习，本研究开发了一种预测性健康地理学方法，用于诊断热相关情感脆弱性集中在哪里，以及哪些城市环境因素可能支持恢复。

该框架在方法论上可转移，但在实证上依赖于背景。五项韧性指标可以从任何具有空间和 temporally 引用的情感指标中推导出来，而不仅仅是微博数据。然而，由于社交媒体使用、情感表达、人口统计学和热适应的差异，它们的值和空间模式可能在城市间有所不同（Olteanu et al., 2019; Tufekci, 2014）。因此，本研究提供了一个可转移的测量框架，而不是热相关情感韧性的普遍估计。

章节片段
热浪、情感与情感韧性
关于热浪的研究日益认识到，极端高温不仅影响身体健康，还影响情感福祉。环境压力理论表明，长期暴露于令人不适的热条件下会降低福祉并增加心理压力。实证研究将高温与情感困扰、抑郁症状、攻击性行为和其他不良心理健康结果联系起来（Cianconi et al., 2020; Thompson et al., 2018）。这些

材料与方法
图 1 说明了研究框架。首先，基于气象标准识别热浪事件，并为每个热浪构建事件窗口。其次，带地理标签的社交媒体帖子在空间上匹配到街区，并在帖子层面进行分析以提取情感得分；这些帖子层面的结果随后被聚合为街区 - 日情感指标。第三，基于每个热浪窗口内每个街区的情感轨迹，推导一组街区 - 事件

描述性统计
本研究首先评估数据基础的空间特征。核密度分析显示，微博活动在上海外环内呈现出显著的中心 - 外围集聚模式，高密度区集中集中在市中心核心区（图 4a）。图 4a 可视化了带地理标签微博帖子数量的核密度，而非聚合的情感得分；检索期间所有有效的帖子位置均被用于

城市情感韧性的演化逻辑与长期恢复悖论
在全球热浪日益频繁和极端化的背景下（Perkins-Kirkpatrick & Lewis, 2020），城市公共卫生风险评估正从传统的生理热衰竭扩展到深层的心理社会干扰和集体情感损耗（Mullins & White, 2019）。

本研究测量的情绪韧性指标，包括 RL、SM 和 RR，反映了建成环境维持基本社会活动的缓冲能力以及

结论
本研究通过整合地理标记微博数据、基于事件的热浪窗口、细粒度环境指标和可解释机器学习，考察了上海街区层面的社交媒体表达的对热浪的情绪韧性。它将相关公众情绪重构为一个动态的干扰 - 恢复过程，而非静态的情绪结果。使用了五个韧性指标——冲击幅度、响应滞后、恢复时间、恢复率和累积情绪损失——来

作者贡献
陈泽音：概念化，写作 - 原稿，监督，数据整理，调查
李思颖：数据整理，写作 - 审阅和编辑
邹奕轩：数据整理
吴涛：软件，方法论，资源，验证
沈程：写作 - 原稿，监督
吴志强：项目管理，监督

备注
作者声明没有竞争性经济利益。

数据和材料的可用性
数据可根据要求从通讯作者处获得。

资金
本研究由中国科学院科技青年人才博士培养计划资助。

CRediT 作者贡献声明
陈泽音：写作 - 原稿，监督，调查，数据整理，概念化。李思颖：写作 - 审阅和编辑，数据整理。邹奕轩：数据整理。吴涛：验证，软件，资源，方法论。沈程：写作 - 原稿，监督。吴志强：监督，项目管理。

利益冲突声明
作者声明，他们没有已知的竞争性经济利益或个人关系，这些利益或关系可能会被认为影响了本论文报告的工作。

陈泽音 | 李思颖 | 邹奕轩 | 吴涛 | 沈程 | 吴志强
同济大学建筑与城市规划学院，中国上海市四平路 1239 号