快速城市化以及自然植被覆盖被不透水表面的持续替代，显著改变了城市微气候，最终导致了城市热岛效应（Oke, 1982）。随着全球气候变化导致极端热事件变得更加频繁和强烈，城市热岛效应不仅增加能源消耗、恶化空气质量，还加剧了与热相关的发病率和死亡率（Grimmond, 2007）。因此，缓解城市地区升高的地表热暴露已成为可持续城市规划的主要目标。
然而，地表热暴露在城市景观中的分布很少是公平的。环境正义（EJ）框架指出，社会经济边缘化群体往往不成比例地暴露于环境危害中，包括极端高温。虽然大量文献已记录了北方国家的这一差异——通常将热暴露与历史上的红线划定或种族隔离联系起来（尽管来自洛杉矶的最新证据表明，当今的收入可能超过红线划定的历史遗留问题（Shreevastava et al., 2025）——但来自快速发展的南方城市的实证证据仍然稀缺，在这些城市中，规划遗产往往进一步加剧了热差异。像伊斯坦布尔这样具有跨大陆地理、快速城市更新和尖锐社会经济极化的城市，呈现出一种独特的空间形态，其中高密度聚居区与社会经济脆弱性不可分割地交织在一起。多轮 gecekondu（非正式定居点）正规化和大规模城市转型项目产生了一座空间碎片化的城市，其中热暴露与社会经济劣势在结构上共存——现有研究已经开始记录这一动态（Emino?lu & ?elik, 2026; Yazar et al., 2023），但尚未对其进行严格的非线性机器学习分析。现有关于伊斯坦布尔的研究大多依赖线性空间回归模型（ünsal et al., 2023）或主要是形态学或基于回归的框架（Erdem Okumus, 2025），使得非线性拐点和个人街区尺度的解释在很大程度上尚未被探索。
调查城市热岛效应的决定因素需要分析物理参数（如建成区指数、地形）与社会人口统计变量之间的复杂相互作用。传统的线性方法，如普通最小二乘法（OLS）或地理加权回归，往往无法捕捉复杂城市生态系统中固有的非线性动态（Arnfield, 2003; Deilami et al., 2018）。虽然空间计量经济模型如空间自回归模型（SAR）、空间滞后模型（SLM）和多尺度地理加权回归（MGWR）有效地考虑了空间依赖性，但它们共享一个基本约束：所有模型都在线性或局部线性结构上对预测变量与LST之间的关系施加了参数约束。这些模型无法检测阈值效应——例如，超过临界人口密度后植被降温作用的突然抑制——除非事先指定交互项或多项式展开。近年来，机器学习算法，特别是极端梯度提升（XGBoost），在城市研究中展示了强大的预测能力，因为它们构建了分段常数近似，在数据驱动的最优分割点处划分预测变量空间，从而无需函数形式假设即可实现阈值检测。然而，传统的机器学习应用经常受到两个主要方法学限制的影响：(1) 算法的"黑箱"性质，使得政策制定所需的可解释性变得模糊（Lundberg & Lee, 2017），以及(2) 对空间自相关性的固有忽视（Tobler, 1970）。忽略连续城市街区中的空间溢出效应，通常会导致空间数据泄漏和基于树的模型的特征重要性估计偏差（LeSage & Pace, 2009; Pohjankukka et al., 2017; Roberts et al., 2017）。
为弥补这些实证和方法学差距，本研究提供了实证和方法学扩展：据我们所知，这是伊斯坦布尔首次将区组空间交叉验证——结合十次独立分区的重复留出稳健性检查——SHAP基于统计断点分析的阈值量化（与替代的分段回归和变点估计器进行验证），以及事后SEM残差诊断整合到单一分析框架中。具体而言，该方法使用XGBoost算法，在严格的空间交叉验证设计下进行评估，结合事后空间误差模型（SEM）诊断过滤器评估残差空间自相关性，而不修改XGBoost预测、SHAP值或断点估计。此外，Shapley加性解释（SHAP）和统计断点分析被用于客观提取非线性阈值并解码模型的决策过程。
通过利用多维数据集（融合Landsat 8/9影像、NASA SRTM地形数据和涵盖750个街区的地方政府社会经济记录），本研究旨在回答以下问题：
- i.
在高密度南方特大城市中，绿色基础设施失去其降温效能的非线性密度依赖型过渡点（如人口密度拐点范围）是什么？
- ii.
社会经济地位（SES）及其相关结构因素如何影响伊斯坦布尔各街区的地表热暴露，这种模式是否构成空间系统性的环境正义问题？
最终，本研究旨在提供一个高度可解释的、空间明确的分析框架，以指导高密度城市环境中的公平城市规划和绿色基础设施投资。
