理解城市环境对人类感知的影响,对城市合理规划及布局具有重要的人文参考价值。城市环境是一个动态变化的复杂系统,具有空间异质性的特点。由于研究方法的限制,在复杂的城市环境中,以往基于街景图像的城市感知研究难以全面精细地分析环境关键要素对人类感知的影响。本研究以武汉市中心为研究区,首先利用全卷积神经网络将街景图像分割为城市地物类型,耦合感知打分数据和随机森林算法建立6类城市感知模型;然后基于沙普利值方法分解在随机森林模型中各类城市地物对人类感知的影响,并识别城市环境关键要素;最后结合分解结果,探究在非线性模型中沙普利值方法的适用性和优势。结果表明：沙普利值方法能够有效考虑环境异质性,精确地定量表示在不同场景中各类地物对人类感知的影响;城市高楼、天空、绿地空间是对人类感知影响最大的3类地物,且地物的体积和分布与其对人类感知的影响有关,图像占比大、分布连续的地物对人类感知的影响比图像占比小、分布离散的地物对人类感知的影响大;受城市环境空间异质性的影响,主要地物类型对各类感知的影响程度和形式有显著不同;高楼与人类感知为非线性关系,且具有明显的单调递增或递减的形式;绿地空间与积极感知呈非线性关系,与消极感知呈线性递减的关系。基于可解释性方法,本研究主要分析城市环境关键要素对人类感知的影响特点,探究了城市感知模型中的可解释性问题,能够为城市感知相关研究提供方法参考和理论依据,同时也可为城市规划和景观设计提供参考。

极端气温事件发生频率的增加对人群的健康带来了很大的影响,深入理解人群对气温变化的感知特征有助于提高应对极端气温事件的预警、适应和管理水平。针对传统调查数据在样本量和覆盖度等方面的不足,本文使用基于微博的社交媒体数据来研究人群对气温感知的定量特征。研究通过建立气温关注度、敏感性和耐受性等指标,调查了中国2017年31个城市的人群对气温感知的空间格局变化与局部变异性,分析了不同季节和不同群体对气温感知的差异性与影响因素。分析结 果表明：人群对气温的感知表现出显著的纬度梯度规律性,纬度每下降1°,人群平均的热耐受性增强0.42 ^oC,冷耐受性降低0.31 ^oC,冷敏感性增强0.51;人群对气温的感知在不同季节、不同群体之间也表现出显著的差异性,反季的异常气温更易引起人群对于气温变化的关注,青少年与女性群体对冷更为敏感;气温感知特征的区域差异性与气候分区紧密相关,温带地区的人群比热带显示出更强的热耐受性,而热带地区的人群具有更显著的气温敏感性。本文研究结果可以为理解大尺度上人群对气温变化感知的基本特征和分异规律提供新的规律发现与证据支持。