关键词：
居民情感
二/三维景观格局
社交媒体大数据
机器学习
摘要：
量化居民情感并揭示景观格局和社会经济因素对居民情感的影响,对于提升人类福祉和促进城市可持续发展至关重要。但是,当前的研究多采用线性关系和单一的空间尺度进行分析,忽视了居民情感与影响因素之间可能存在的非线性关系以及尺度效应的影响。因此,有必要整合线性和非线性分析,从多尺度视角开展居民情感时空格局及其影响因素分析,以深化对人地系统耦合机理的认识,为构建绿色宜居的可持续城市社区提供科学依据和决策支持。
考虑到疫情封控期间居民的日常活动模式和心理状态等更易受到外部环境的影响,选取经历该时期的典型城市作为研究区,可以为开展居民情感时空格局及其影响因素分析提供理想实验室。基于此,本研究以疫情封锁时期的上海市为研究区,利用社交媒体微博大数据量化居民情感,选取街道/乡镇尺度与像元尺度（1 km、1.5 km、2 km）等多尺度,揭示居民情感的时空格局,进而采用Pearson相关性分析、多元逐步线性回归分析、地理加权回归和随机森林回归分析等多种方法,阐明不同尺度下居民情感与二/三维景观格局和社会经济因素之间的线性和非线性关系,并深入分析其在不同尺度下的变化特征。
本研究的主要发现如下:
（1）时间上,居民情感从3月初至6月底经历了先下降后回升的变化过程。日尺度上,居民情感在4月6日达到最低值（0.34）,此时上海市正处于推行全市范围核酸检测的严格封控时期;随后,居民情感缓慢回升,至6月底稳定在0.7左右,恢复至疫情前水平,与6月上海市宣布解封的政策有关。周尺度上,居民情感在每周二达到峰值,随后逐步下降,并在周末前达到最低点,但周末时情感值有所回升,这可能与疫情期间居民的生活节奏变化和社交活动受限有关。整体来看,居民情感随时间的演变规律及其变化拐点与疫情封控/解封等关键政策的提出密切相关。
（2）空间上,不同尺度下居民情感均呈现市中心高、周围低的分布特征。街道/乡镇尺度上,市中心街道居民情感值较高,例如黄浦区、静安区的街道平均情感值均在0.75以上,而外环以外的郊区（如奉贤区、崇明区）乡镇居民情感值相对较低,平均值低于0.6。像元尺度上,随着尺度从1 km增大到2 km,居民情感分布格局的局部细节逐渐减少,能够更清晰地呈现宏观的情感分布趋势,进一步反映出居民情感空间分布格局的尺度依赖性。
（3）居民情感与二/三维景观格局和社会经济因素间存在显著的非线性关系。与非线性关系相比,居民情感与景观格局和社会经济因素之间的线性关系相对较弱,其Pearson相关系数均小于0.3,同时多元逐步线性回归与地理加权回归决定系数（R2）皆小于0.2。相较之下,随机森林回归分析显示,居民情感与景观格局和社会经济因素之间存在显著的非线性关系（R2>0.35且RMSE<1）。此外,某些因素对居民情感的非线性影响存在明显的阈值效应。例如,在街道/乡镇尺度下,建筑密度与居民情感之间呈现出先增加后下降的趋势。当建筑密度低于0.08（个/m2）时,居民情感随建筑密度的增加而上升。然而,当建筑密度超过0.08（个/m2）后,居民情感开始下降,表明过高的建筑密度可能对情感产生负面影响。此外,GDP与居民情感之间也呈现出先增加后下降的趋势。GDP对居民情感的影响在到达500000元左右出现拐点,说明经济发展对情感的促进作用存在边际递减效应。由此可见,单纯依赖线性分析难以揭示居民情感与其影响因素之间的复杂关系,有必要整合线性和非线性分析以全面理解居民情感的复杂影响机制。
（4）不同空间尺度下居民情感的主要影响因素排序及其强度均存在差异。街道/乡镇尺度上,居民情感与三维景观格局和社会经济因素相关性更强。其中,建筑密度（相关系数=0.41,p<0.01）和GDP（相关系数=0.38,p<0.01）在随机森林模型的重要性排名中分别位列第一和第二。而在像元尺度上,居民情感则与二维景观格局相关性更高,但不同尺度下的主要影响因素及其非线性影响强度存在显著差异。例如,在随机森林模型中,1 km尺度上对应前十位影响因素中二维景观指数占比达80%,而在1.5 km和2 km尺度上分别降至40%和50%,反映出随着尺度变化,主要影响因素的排序发生明显改变。因此,考虑到街道/乡镇尺度上结果的相对合理性以及不同像元尺度上结果的多变性,在进行居民情感影响因素分析时应慎重选择像元尺度。
本研究基于“多方法、多尺度、多指标”的综合分析视角,探讨了景观格局和社会经济因素对居民情感的影响及其空间尺度效应,为理解居民情感时空格局及其影响机制提供了理论支撑和实践参考。在理论研究层面,本研究表明:（1）居民情感的时空分布格局具有显著的动态特征,其时间变化与疫情政策密切相关,空间上呈现出中心高、外围低的异质性特征;（2）单独使用线性方法难以充分揭示居民情感的复杂影响机制,整合线性和非线性分析能够更有效地捕捉情感与多
欢迎来到三峡大学图书馆！
