揭示城市景观模式对居民福祉影响的非线性和空间变化：通过结合CatBoost-SHAP和GTWR模型的方法

《Sustainable Cities and Society》：Unravelling the non-linearity and spatial variation of the impact of urban landscape patterns on resident well-being: through an integrated CatBoost-SHAP and GTWR model

城市景观格局（ULPs）与居民福祉（RWB）关系研究：基于中国285城市的机器学习与空间计量模型分析，发现ULPs通过SHAPE-AM、CONTAG等指标非线性影响RWB，呈现“外围提升、中心凹陷”空间分布特征，且存在显著阈值效应和空间异质性，为SDG 11目标下的城市治理提供实证依据。

　　

刘姣|刘耀斌|李淑硕|魏国恩|李同宁

南昌大学经济与管理学院，中国南昌330031

摘要

受地形和地貌限制的城市扩张导致了城市景观格局（ULPs）的变化。在全球城市化进程的背景下，调整ULPs以提升居民福祉（RWB）已成为可持续发展目标11（SDG 11）的关键焦点。本研究以快速城市化的中国为案例，评估了2010年至2022年间285个城市居民福祉的情况。通过CatBoost-SHAP机器学习和GTWR模型，揭示了ULPs与RWB之间的非线性关系及时空异质性。研究发现：（1）2010年至2022年间，中国居民福祉的空间分布呈现出“边缘提升、中心下降”的趋势，区域差异从“空间不平衡”转变为“区域协调发展”；（2）在影响居民福祉的因素中，SHAPE-AM和CONTAG的影响最大，贡献率分别为0.8%和0.53%；（3）低CONTAG和高LPI的结合提升了居民福祉，而低LPI和高SHAPE-AM的结合则降低了居民福祉；（4）ULPs对居民福祉的影响具有显著的空间聚集性，形成了“斑块状”分布，不同地形区域的效应相反。在影响强度上，SHAPE-AM的影响最大（约0.25），其次是SHDI（约0.05）。本研究为根据中国不同ULP条件制定提升居民福祉的策略提供了实证依据。

引言

2022年，联合国人类住区规划署强调城市化是一个不可阻挡的趋势，预计到2050年全球68%的人口将居住在城市地区（Castrejon-Esparza等，2025；Zhang等，2024）。与农村空间相比，城市空间是人类社会经济活动的主要枢纽和集中地（Wang等，2025）。全球可持续发展目标（SDGs）致力于推动具有韧性和可持续性的城市与人类住区的发展，这与中国政府“让城市成为美好生活空间载体”的愿景一致（Musa等，2018）。随着城市扩张、城市更新和城市规划的实施，人类生产活动不断改变土地利用类型，从而重塑城市景观格局（ULPs）（Zhou & Chen，2018）。城市扩张推动了ULPs的演变，但也引发了诸如城市热岛效应和空气污染等一系列环境问题，对居民福祉（RWB）和人类健康构成严重威胁（Zhou等，2017；Guo等，2020）。ULPs由多种土地利用和土地覆盖类型构成，包括景观多样性、形态复杂性、聚集程度、分布特征和空间配置等方面，反映了这些要素在城市中受人类活动驱动的相互作用和动态变化（Li等，2018）。土地利用类型的持续转变不断影响城市景观结构，最终塑造城市形态。ULPs与交通可达性、基础设施可用性和绿地可达性密切相关，同时通过资源分配效率影响城市环境和宜居性（Hong等，2022）。因此，明确和描述ULPs对于推进城市空间治理具有重要意义，对实现SDGs具有重大意义。

在城市化进程中提升居民福祉是可持续发展的关键方面（Ma等，2018；Stanislav & Chin，2019）。居民福祉是一个多维概念，涵盖经济、环境、教育、心理等领域的整体生活质量（Wang等，2023a）。作为物理空间和社会活动的相互关联载体，ULPs深刻影响着居民的日常生活体验和福祉水平（Dong等，2019）。从高密度紧凑型社区到低密度分散型郊区，从以公共交通为导向的网格布局到依赖私人车辆的分布结构，不同的城市景观格局不仅影响通勤效率、环境质量及资源分配，还通过社交互动机会、公共服务可及性和心理健康支持等多个维度影响居民福祉（Mouratidis，2018）。一方面，设计合理的ULPs可以提高居民对交通、绿地和其他基础设施的便利性；另一方面，高密度和过于紧凑的景观模式可能影响局部气候（如城市热岛效应、相对湿度），阻碍空气污染物扩散，加剧噪音污染，使居民暴露在不健康的生态环境中，可能导致健康状况恶化和生活 expectancy缩短（Cao等，2021）。

城市作为一个动态的综合性系统，其景观格局的变化受社会经济活动的驱动（Song等，2018）。现有研究主要关注ULPs对空气质量（?owicki，2019）、地表温度（Peng等，2016）和碳排放（Li等，2018）等环境因素的影响。尽管先前研究表明ULPs的变化直接影响交通、生态系统服务、城市韧性和城市热岛效应等关键城市功能和可持续性指标（Feng等，2020），但城市景观格局与人类活动之间的复杂相互作用仍缺乏深入探讨。特别是在ULP研究中，学者们对居民福祉这一最终体现的关注相对较少。为填补这一研究空白，本研究采用新视角探讨ULPs与居民福祉之间的关系，为城市发展的社会和环境影响提供新的见解。同时，受地形、自然环境和功能定位的影响，ULPs与居民福祉之间的关系可能因情境而异（Ettema & Schekkerman，2016）。因此，本研究利用GTWR模型创新性地探索两者之间的时空异质性特征。此外，ULPs与居民福祉之间的相互作用也受到城市发展阶段的制约。为实现可持续城市和社区的SDGs，调整ULPs时必须更加重视居民福祉（Zhu等，2022）。因此，揭示ULPs与居民福祉之间的区域异质性和非线性关系成为紧迫且重要的研究课题。

在新型城市化和城乡融合的战略框架下，中国的城市化进程预计将持续加速。尽管中国国土面积仅占全球的12%，但其平原地区却承载了超过21%的全球人口（Chen等，2008）。与世界其他城市相比，中国城市的人口密度更高，土地资源更加紧张，提升居民福祉的紧迫性更大（Dang等，2020）。土地和空间资源的稀缺导致城市基础设施发展与人口密度之间的严重不匹配，这对实现可持续城市发展和提高城市生活质量构成了重大挑战。自2014年以来，作为从农业国家向城市化国家转型的成功案例（Guan等，2018），中国的城市化进程不仅取得了显著进展，但也暴露出一系列“城市病”，对居民福祉产生了复杂而深远的影响（Ma等，2018）。因此，以中国作为研究区域，探讨ULPs的变化及其对居民福祉的影响，不仅具有高度代表性且具有实际意义，也为其他经历类似城市转型的发展中国家提供了重要的实证和理论启示。此外，中国的城市规划、绿地发展和生态恢复政策大多在市级层面实施。本研究选取285个城市作为研究样本，通过整合GTWR模型和机器学习方法，系统分析ULPs与居民福祉之间的关系。本研究的主要贡献有三个方面：（1）描述了2000年至2022年中国居民福祉的时空演变；（2）分析了ULPs与居民福祉之间的线性关系，并运用CatBoost-SHAP机器学习框架揭示了ULPs对居民福祉的非线性、交互性和阈值效应；（3）利用GTWR模型揭示了ULPs对居民福祉影响的时空异质性，为促进可持续和包容性城市发展提供了区域性的政策建议。

研究片段

与城市景观格局相关的研究

ULPs是社会经济活动的重要空间基础。现有研究主要关注景观格局的测量、驱动因素及其生态和环境效应。在测量方面，学者们常用景观指数来描述景观的组成和空间结构，从而揭示城市空间形态的复杂性（Jia等，2019；Liu等，2017；Aguilera等，2011）

研究区域

本研究以中国285个城市作为研究区域（图1）。作为一个幅员辽阔、资源丰富的发展中国家，中国拥有多样的土地利用类型和复杂的城市结构。自2014年以来，一系列新型城市化政策推动了城市形态的深刻变革，伴随着土地利用模式的持续调整和演变（Zhang等，2019）。中国的主要社会矛盾已转变为人民日益增长的

城市居民福祉的时空演变

图4展示了2010年至2022年中国城市居民福祉的空间格局和时间趋势。总体而言，中国城市的居民福祉空间格局呈现“边缘提升、中心下降”的分布特征。从时间演变来看，居民福祉最初集中在省会和直辖市，逐渐扩展到主要城市聚集区和东部沿海地区。东北地区始终是居民福祉的高价值区域

城市景观格局特征对居民福祉影响机制的分析

人类活动不断影响城市，城市空间中日益活跃的经济和社会活动带来了积极影响（Wang等，2025），但也带来了环境退化和社会不平等加剧等挑战（Peng等，2016）。这些空间结构变化同时影响着居民的生活

结论

本研究探讨了ULPs如何影响中国居民福祉。我们使用AI、SHAPE-AM、LPI、CONTAG、COHESION、SHDI和NP作为自变量，以2010年至2022年中国285个城市的居民福祉作为因变量，通过CatBoost-SHAP和GTWR模型探索ULPs对居民福祉的非线性和时空异质性效应。分析内容包括特征重要性、交互效应和阈值效应等

CRediT作者贡献声明

刘姣：数据可视化、验证、初稿撰写。刘耀斌：概念构思、项目管理、撰写、审稿和编辑。李淑硕：数据整理、方法论、数据分析。魏国恩：资源协调、监督。李同宁：资金获取、调查和软件支持。

数据可用性

作者无权分享数据。

未引用参考文献

Bowicki, 2019; Zhang et al., 2024

CRediT作者贡献声明

刘姣：初稿撰写、数据可视化、验证。刘耀斌：审稿与编辑、项目管理、资金获取、概念构思。李淑硕：方法论、数据分析、数据整理。魏国恩：监督、资源协调。李同宁：软件支持、调查。

利益冲突声明

本手稿的提交不存在利益冲突，所有作者均同意发表。该手稿未曾以全部或部分形式在其他地方发表。所有列出的作者均已批准该手稿的发表。

致谢

本研究得到了国家自然科学基金（42271209）和国家社会科学基金（23&ZD034）的支持。