摘要: 【目的】乡村景观的多源数据蕴含着复杂的景观地方性表征信息，但数据来源、精度、格式的差异性使其定量融合分析具有一定难度，亟待破解多源非结构化数据融合分析的瓶颈，以支撑对乡村景观地方性特征的精准识别及其驱动机制的明确解析，为乡村景观精细化治理提供方法支撑。【方法】以江南水网密集型乡村——上海崇明乡村景观为例，基于对其多源大数据的收集整理，创建集成 K-Means、地理自组织特征映射和空间约束聚类算法的乡村景观地方性特征识别模型，并引入 SHAP（SHapley Additive exPlanations）算法揭示各变量对崇明乡村地方性景观形成的驱动机制。【结果】研究发现：1)构建的新模型融合多源大数据能识别出乡村自然景观、人工环境、人文活力维度各指标的差异性特征；2)无监督机器学习的聚类算法聚合出 12 类具有地方特征的景观类型；3)SHAP 驱动分析出乡村振兴政策、乡村企业数量与景观总特征呈显著正相关，地表温度和空气质量指数表现出明显负向作用，并推导出 12 种驱动类型。【结论】本研究构建的叠合多聚类特征识别与 SHAP 驱动分析框架，丰富了乡村景观研究与多学科交叉融合的方法，为乡村环境高质量发展研究提供新路径。