延误模式反映了机场之间空间交互关系与特征，已有研究大多聚焦于静态或单一机场延误模式探索，忽视了机场延误的复杂非线性动态变化特点。本文提出机场延误模式动态时空异质性分析框架，通过延误网络构建、Gi*统计、Mann-Kendall趋势检测、网络节点影响力测度构建PageRankCube模型，对中国247个机场2021年10月约35万条航班记录捕捉进港延误、离港延误、飞行延误3种延误影响力网络的时空异质性模式。研究发现：(1)机场延误影响力的共性时空模式呈现出“东强西弱”，“南强北弱”，高置信度冷热点多中心聚集，较低置信度冷点分散分布的特点；(2)京津、长三角、珠三角与成都等大中型国际机场形成连续、增强的高延误时空影响力；东北地区、中部西部地区的中小型机场时空上呈现持续较低的延误影响力；(3)相较于离港延误网络，进港延误网络在时空分布上展现了更为显著的异质性特征，飞行延误与进港延误两种网络之间的时空异质性表现出较高的相似性；(4)增强热点型机场不仅具有强大的延误影响力，且易成为引发或传导大面积延误的关键环节；持续冷点型机场呈现出离散边缘化的结构特征，展现出“小世界”的网络特性。本文克服了传统静态延误模式分析的局限性，实现延误模式的动态时空异质性捕捉，为航空管控策略制定提供技术支撑。