文章信息：High-resolution urban microclimate modeling reveals hyperlocal cycling heat stress disparities in New York City（高分辨率城市微气候建模揭示纽约骑行热压力的超局地差异），发表于npj Environmental Social Sciences（2026）。第一作者为宾夕法尼亚大学城市与区域规划系的Shengao Yi。

现有研究空白：既有主动出行热风险研究更多关注步行者或总体骑行量变化，常用30m地表温度等粗尺度指标，难以反映骑行路径上街道阴影、绿地、水体和城市形态造成的街区级热差异；同时，共享单车用户的个体行程、时段和使用类型如何共同塑造累积热负担仍不清楚。

研究目标：以纽约Citi Bike为对象，构建高时空分辨率的骑行热暴露评估框架，识别不同用户类型、性别、年龄、工作日/周末和行为模式下的累积热压力差异，为共享单车系统的遮阴、降温设施和热风险提示提供依据。

研究方法：整合2018年8月纽约767个站点约119万次日间骑行记录，与1m分辨率、逐小时UTCI热舒适图叠加；利用SOLWEIG模拟平均辐射温度，经Google Directions API重建站点间骑行路径，提取路线平均UTCI，并以“路线平均UTCI×骑行时长”计算累积热压力；采用非参数检验、Gamma广义线性模型和K-means聚类分析群体差异。

重要结论：纽约骑行热压力在空间上高度不均，内陆建成区、布鲁克林、皇后区和曼哈顿上城更热，中央公园及滨水区较低；短期用户累积热压力显著高于年度会员（约660 vs. 361℃·min），周末高于工作日，主要原因是骑行时间更长，路线热强度也有贡献。性别和年龄差异存在，但更应解释为出行行为与暴露时长差异，而非单纯生理脆弱性。聚类识别出高负担长时骑行、低负担日常骑行和标准工作日骑行三类画像。
#城市设计 #共享单车 #数据分析 #气候变化