现有研究多将老年人作为泛化整体，忽视高密度老旧街区中热暴露的空间耦合格局，且缺乏针对不同老龄化程度街区的精细化归因分析。
多数研究未区分老龄化程度，忽略老年人口在老旧街区的高度集聚及其与热暴露的空间耦合。
传统线性回归难以捕捉建成环境与热暴露之间的非线性关系与阈值效应，且缺乏分类机制解析。
规则网格或行政区划与城市规划管理实践脱节，亟需街区尺度的精细解析。
融合多源数据，构建热暴露指数(HEI)，按老龄化率将街区分为轻/中/重三类，采用随机森林-SHAP量化11项建成环境因子的非线性贡献。
集成Landsat LST、ASPECT老年人口、MSDCW街区及多源建成环境数据，计算SUHII并耦合老年人口规模构建HEI。
遥感反演 空间分析基于65+人口占比，以7%/14%/18%为阈值划分轻/中/重度老龄化街区，确保样本充足性。
分区统计 Kruskal-Wallis分别对三类街区构建随机森林模型，结合SHAP量化特征贡献与边际效应，揭示非线性驱动机制。
随机森林 SHAP4维度11项指标：街区形态(面积、长宽比)、建筑形态(覆盖率、平均高度、天空开阔度)、绿色空间(NDVI、树冠高度、树冠覆盖率)、设施可达性(公园可达性、公园密度、降温设施密度)。
RF在轻/中/重度街区R²分别达0.638/0.653/0.603，优于LR、SVR、MLP等模型，验证了非线性建模的必要性。
热暴露水平随老龄化程度显著递增，建成环境归因呈现梯度分化：轻度街区绿色空间主导，重度街区建筑形态主导。
| 指标 | 轻度街区 | 中度街区 | 重度街区 |
|---|---|---|---|
| NDVI贡献度 | 29.2% (第1) | 28.8% (第1) | 23.1% (第1) |
| 街区面积贡献度 | 23.8% (第2) | 26.4% (第2) | — |
| 平均建筑高度贡献度 | 11.1% | 16.2% (第3) | 21.4% (第2) |
| 绿色空间维度合计 | 36.7% | — | 29.1% |
| 建筑形态维度合计 | 30.6% | 28.7% | 41.4% |
单位降温效益在重度街区更显著，但受整体植被水平偏低所限。
街区面积的正向作用在重度街区减弱，高密度建设削弱了缓冲空间。
建筑覆盖率呈现明显阈值转折，超过一定密度后热暴露急剧上升。
老龄化与热暴露在北京五环内呈显著空间耦合(Moran's I=0.346)，建成环境驱动机制随老龄化程度梯度分异：轻度街区绿色空间主导(36.7%)，重度街区建筑形态主导(41.4%)，相对优势约12%。
研究为精准化热环境治理提供科学支撑，分类建模与RF-SHAP框架为城市热环境归因解析提供新范式。
首次在街区尺度量化老龄化与热暴露的空间耦合格局，识别高-高聚类热点区773个。
揭示建成环境驱动机制随老龄化程度梯度分化，为分类施策提供依据。
集成分类建模与RF-SHAP，突破传统线性回归局限，实现非线性归因与阈值识别。
为老龄友好城市热环境优化提供科学支撑，指导绿色空间与建筑形态的精准调控。
未来可引入行人高度气温、湿度和风速等人体热舒适指标，并拓展至多城市对比。