中国县域高温人口暴露风险及其影响因素研究

郑殿元，黄晓军,2

(1.西北大学 城市与环境学院，西安 710127； 2.陕西省地表系统与环境承载力重点实验室，西安 710127)

0 引言

自1995年芝加哥高温热浪死亡事件发生以来，极端高温灾害进入人类视野并引发关注[1]。随后在全球范围内又陆续发生了规模较大的2003年欧洲高温热浪死亡事件[2]、2013年中国高温热浪事件，致使全球各地高温纪录屡创新高[3]。近年来，随着全球气候变暖加剧，极端天气事件强度和频率持续增加，对人类生存发展构成了巨大威胁[4]。但与规模大、时间短、破坏性强的台风、暴雨、霜冻等灾害相比，高温热浪显得更为缓慢而隐秘，却给人类健康和社会经济发展造成了严重影响[5-7]。因此，如何缓解高温人口暴露风险对提升人类福祉、促进气候适应型城市建设有重要的现实意义。

伴随城市化进程的不断加快，土地利用变化引发了下垫面属性的改变，城市绿地面积减少，不透水面增加，大量人为热源排放，都加剧了城市热岛效应[8-9]。同时，全球气候变暖，城市人口快速增长和老龄化，致使高温人口暴露风险增加[10]。目前，国内外学者多关注高温热浪空间分布和灾害事件本身[11-13]以及高温热浪对超额死亡率和发病率的影响[6]，期望通过灾害风险时空分布和气象因素分析，揭示灾害发生的原因，但相对忽视了灾害发生的社会因素[14-15]。随着研究的深入，相关研究发现灾害发生不仅与极端事件有关，更是社会脆弱性的结果，为此进行了高温热浪的社会脆弱性评价[16-18]。相对而言，国外关于极端高温研究成果较为丰富，研究尺度较为全面，且研究视角和学科呈现多元性特征[19]。而国内研究则起步相对较晚，多关注极端高温气象成因和对人体健康的影响，且多以单一要素进行高温热浪表征，缺乏高温人口暴露风险的综合研究[20-21]。为此，如何全面理解极端高温灾害，合理表征高温热浪，耦合人类和社会因素，探究高温人口暴露风险及其影响因素，对灾害预警和风险防范以及提高极端高温灾害认知至关重要[22]。

通常所选尺度越大，区域内高温人口暴露风险存在“被平均”的现象越严重，越不利于灾害风险的空间量化和适应策略制定。中国县域作为国家治理的基本单元，可以较好地刻画高温人口暴露风险的空间异质性。因此，本研究阐释了极端高温灾害系统，综合考虑极端高温的渐发性和累积效应特征，以中国县域为研究单元，基于长时间序列气象监测数据，耦合人类社会要素对高温人口暴露风险及其影响因素进行探讨，以期为缓解灾害风险、提升城市韧性提供理论参考和实践指导。

1 研究区域、数据来源和研究方法

1.1 研究区概况

中国地域辽阔，气候类型复杂多样，东部为季风气候，西北部为温带大陆性气候，青藏高原属高寒气候，地势西高东低，地形地貌类型复杂，人类社会因素的地域差异性显著，区域高温热浪强度、频次和持续时间分异明显。考虑研究数据的可获得性，以中国2 845个县级行政单位作为研究单元进行高温人口暴露风险及影响因素研究，本研究不包括中国澳门、香港和台湾地区。

1.2 数据来源

气象数据来源于中国科学院资源环境科学数据中心的中国气象要素站点观测逐日数据集，该数据集包括全国2 400个气象站点自建站以来的多个气象要素的日值观测数据。通过对数据筛选整理，剔除观测时序缺失较长、建站较晚和部分难以利用的数据，最终确定了1960—2018年中国县域内的1 815个气象站点的气象数据(图1)。2018年度植被指数(NDVI)[23]、地区生产总值[24]、250 m数字高程(DEM)模型数据集均来源于中国科学院资源环境科学数据中心，通过ArcGIS软件以2 845个县域单元分区统计获得。其中，地形起伏度利用ArcGIS软件提取海拔数据，通过县域单元内海拔的最大值与最小值之差获得[25]。人口数据来源于《中国人口与就业统计年鉴(2019)》，用县域户籍人口表征。住房条件、非农人口、0～14岁儿童占比、65岁及以上老年人口占比、初中及以上受教育程度、独居户占比等数据均来源于2010年中国人口普查分县数据集。

图1 中国气象站点分布

1.3 研究方法

1.3.1极端高温灾害系统。极端高温灾害作为区域灾害的一种，其结构体系由孕灾环境(environment)、致灾因子(hazard)与承灾体(exposure)三者相互作用组成[26]。在区域极端高温灾害形成过程中，致灾因子为高温热浪，受其频次、强度和持续时间等影响；孕灾环境则由地形地貌、植被水文、气象气候等自然环境和居住条件、经济发展、交通线路等社会环境构成，这些要素之间的相互作用加剧了孕灾环境的不稳定性[27]。承灾体主要以人类自身为核心，包括与人类生产生活相关的社会经济、粮食生产等。

在高温热浪期间，虽然不同人群承受能力和适应行为存在差异性，但承灾体面临的高温热浪超过其阈值时，就会对人体健康、城市安全造成影响，甚至破坏城市系统，产生灾害损失。在此过程中，人类通过采取适应行为缓解自身敏感性和暴露度，以期降低脆弱性[28]，或以提升城市系统韧性为目标，改善孕灾环境，增强城市系统应对气候变化的适应性，缓解高温人口暴露风险[29-30]。高温热浪作为一种极端天气事件，会在较长时期内伴随人类社会发展，尤其随着人类活动加剧，孕灾环境改变，高温热浪强度和频次增加，发生极端高温灾害的可能性增大。因此，对极端高温灾害的认知经历了从“天灾—人祸”向“共生”的转变，通过人类适应行为的调整和干预措施降低社会脆弱性，提升恢复力，从而进行灾害风险防范。

1.3.2高温暴露度评价。目前，高温热浪的定义尚缺乏统一标准，相关学者利用绝对阈值法、百分位法对高温热浪进行识别[19]。通常认为气温大于等于35 ℃便会对人体健康产生影响，因此，采用中国气象局界定标准，将日最高气温大于等于35 ℃作为高温日，出现连续3天及以上的高温天气作为高温热浪[20]。而高温暴露度是地域系统在面临极端高温事件时所承受的潜在风险和程度，单一用高温日数等因子难以表征和反映。因此，选取1960—2018年59年间累计的高温日数、热浪频次、热浪持续时间、热浪强度等指标进行标准化处理后，运用熵权法测算权重，采用综合评价法按照权重进行累加得出各气象站点的高温暴露度，在此基础上利用ArcGIS 10.1软件中的克里格空间插值方法得到全国的高温暴露度，通过分区统计得到中国县域高温暴露度(表1)。

表1 中国高温暴露度评价指标

1.3.3高温人口暴露风险评价。高温人口暴露风险是以高温热浪为致灾因子，以人类为承灾体，考虑高温热浪强度、频次、持续时间的综合影响下对人类产生的潜在风险。区域致灾因子风险性越高，暴露于该区域内的人口发生极端高温灾害的可能性越大，高温人口暴露风险程度的大小取决于高温暴露度和暴露于高温热浪下的人口数量。高温人口暴露风险公式为：高温人口暴露风险=高温暴露度×人口数量。

1.3.4地理加权回归。地理加权回归(geographically weighted regression，GWR)模型是一种定量研究空间非平稳性的方法，其中心思想是将数据地理位置引入回归参数中，通过相邻观测值的子样本数据信息对局部进行回归估计，从而反映变量间关系的局部特性[31]。相对于普通最小二乘法(OLS)等传统回归模型的“全局”或“平均”意义估计，在处理空间数据时能够较好地反映空间的局部情况，探索变量之间的空间异质性[32]。因此，本研究通过ArcGIS 10.1软件对模型的参数估计进行空间表达，采用CV(交叉验证)法确定带宽，并进一步构建GWR模型探索变量之间的空间异质性[33]。

2 结果分析

2.1 高温暴露度

利用综合评价法得出中国高温暴露度值，并采用自然间断点法进行分级(图2)。通过对中国县域高温暴露度空间自相关分析，得出Moran’sI值为0.988 3，在0.01显著性水平下，Z得分(统计指标)为89.821 2，表明中国县域高温暴露度呈高值集聚现象。西北地区的较高和高值区主要分布在新疆维吾尔自治区吐鲁番市的高昌区、鄯善县和托克逊县等。东南地区则多分布在重庆、湖南、江西、福建、浙江等省份的大部分县域。总体上以西北和东南地区为高值中心，向四周呈圈层递减趋势，形成以东北和西南地区为主的低值带。除此之外，华北平原的部分县域都处于高温暴露度的中值区，如河北省南部地区。

图2 1960—2018年累积高温暴露度

2.2 高温人口暴露风险

通过高温人口暴露风险公式计算得出中国县域高温人口暴露风险。为了直观表述其空间格局，采用自然间断点法进行分级(图3)。通过对中国高温人口暴露风险空间自相关分析，得出Moran’sI指数值为0.805 3，在0.01显著性水平下，Z得分为72.736 9，表明中国高温人口暴露风险也呈现出高值集聚现象。相对县域高温暴露度的多高值中心模式而言，高温人口暴露高值区则主要分布在东南地区，如重庆、湖南、江西、浙江等省份的县域。其中，高风险区有36个，主要有湖南省耒阳县、衡南县、衡阳县、常宁县、祁东县，江西省丰城市、袁州区、临川区、鄱阳县、广丰区、余干县、上饶县、南昌县，重庆市万州区、渝北区、江津区、合川区、涪陵区、开县、云阳县，浙江省绍兴、诸暨、萧山区等县域；较高风险区有150个，多分布在重庆、湖南、江西等省份的大部分地区，云南、广西、广东、福建、湖北、河南、安徽等省份的部分地区。此外，河北省和北京市南部以及新疆的部分县域已成为中等风险区域。

图3 中国高温人口暴露风险

2.3 影响因素分析

根据前述极端高温灾害系统，考虑气象因子的不可控性和人类社会系统的可管理性，以高温人口暴露风险为因变量，以孕灾环境和承灾体视角选取影响因子进行分析，其中，孕灾环境主要与区域地形地貌、社会经济发展、基础设施状况相关。选取归一化植被指数X1(NDVI)反映地域单元植被覆盖度，地形起伏度X2反映区域地形地貌特征，地区生产总值X3表征各县域经济发展水平，人均居住面积X4和拥有洗澡设施家庭占比X5表征居住条件，非农人口占比X6反映城镇化发展水平。

承灾体的脆弱性与地域单元人群的敏感性和适应能力有关，选取少儿化占比X7和老龄化占比X8表征人群的敏感性，独居户占比X9表征独居人群中可能存在的社会隔离，受教育程度(初中及以上学历)X10反映居民的高温热浪认知程度。

2.3.1全局回归分析。通过OLS(普通最小二乘法)模型回归分析(表2)可知，各因子均通过了显著性检验，且VIF值(方差膨胀系数)均小于3.5，表明各因子之间多重共线性问题较弱或不存在共线性问题。通过比较回归系数发现，除了X2和X6与高温人口暴露风险呈负相关性，其余因子均呈正相关，各因子影响力从大到小依次为X7，X10，X4，X6，X5，X9，X2，X1，X3，X8。

表2 OLS模型估计结果

2.3.2局部回归分析。运用ArcGIS 10.1软件中的GWR工具实现模型构建。与OLS模型相比，GWR模型的参数估计和统计检验均更显著，其中调整的R2由34.11%提升到62.76%，AICc(赤池信息准则)由6 921.647 5下降到5 411.658 4。GWR模型较OLS模型的估计结果更好，能较好地反映空间单元的局部变化。

(1)孕灾环境因子(图4)。由图4a可知，县域NDVI与高温人口暴露风险整体呈负相关，说明全国大部分县域植被覆盖增加对高温热浪具有一定缓解作用。但在四川、云南东部和重庆、贵州、广西的西部以及山东西南部等地区的县域，由于高温热浪强度和频率较高，人口密度较大，随着植被覆盖增加而高温人口暴露风险仍然较高。图4b的地形起伏度的回归系数在重庆、贵州、湖南三省份交界处的县域，广东和广西两省份交界处的县域，福建和江苏南部等地区的县域形成多个正中心，该类区域多为山地，可能出现焚风效应，随着地势起伏度增加高温人口暴露风险增加。局部地区出现负中心，如华北平原和四川等地区的县域，由于平原与盆地散热较差，随着地势起伏度减小而高温人口暴露风险增加。图4c的地区生产总值的回归系数在重庆、四川、贵州等省份的县域形成负中心，表明该区域生产总值增加对高温人口暴露风险具有一定缓解作用。而在新疆等地区的县域形成正中心，说明社会经济发展相对落后的县域高温人口暴露风险较高。在图4d中，人均住房面积的回归系数在新疆东部与甘肃和青海交界处的县域，重庆、四川东部和贵州西部的县域形成负中心，表明该区域随着人均住房面积的增加对高温人口暴露风险具有缓解作用。而在湖南、江西、广东三省接壤的县域形成正中心，说明随着高温热浪强度和人口密度增加，即使人均住房面积得到改善，但高温人口暴露风险仍然较高。图4e中拥有洗澡设施家庭占比的回归系数空间上波动较大，在安徽、江西、福建、广东等省份的县域形成负中心，表明局部地区随着住房设施条件改善而灾害风险降低，但整体呈现由东南向西北交替递增的现象，在中部和西北地区，如山西、陕西、湖北、重庆、贵州、新疆等省份的县域形成多个正中心，说明由于东中西部地区社会经济和地域生活习惯的差异性，拥有洗澡设施家庭占比对高温人口暴露风险的影响具有不稳定性。图4f中，县域非农人口占比的回归系数与高温人口暴露风险呈负相关，表明不同县域劳动和就业方式的差异导致其所面临的高温人口暴露风险不同，农业人口较多的县域面临的高温人口暴露风险较大。

图4 孕灾环境因子

(2)承灾体因子(图5)。图5a中，少儿化占比与高温人口暴露风险总体呈正相关，尤其在山东南部与河南相邻的县域，陕西南部与四川相邻的县域，湖南南部与广东和广西三省份接壤的县域，海南、浙江等省份的县域形成多个正中心，表明随着少儿化占比增加而承灾体脆弱性增高，导致县域高温人口暴露风险增加。图5b中老龄化整体也与高温人口暴露风险呈正相关，在重庆、贵州和湖南接壤的县域形成正中心，说明全国大部分县域随着人口老龄化程度增加，高温人口暴露风险提升。但在环渤海地区和安徽、江苏、浙江、上海、广东等省份的县域出现老龄化程度增加高温人口暴露风险降低的现象，且回归系数较小，表明老龄化不是该区域高温人口暴露风险增加的主要原因。在图5c中，全国大部分县域的独居户占比的回归系数均为正，说明随着县域独居人口的增加，高温人口暴露风险提升，尤其是重庆、四川东部、湖北西部、安徽北部等地区的县域，高温人口暴露风险提升受独居户占比影响较大。图5d中，大部分县域随着居民受教育程度增加，高温人口暴露风险并未得到缓解，反而出现增加，在重庆、湖南、广西、浙江等省份的部分县域形成正中心。这可能与大部分人群在高温热浪期间存在低估或忽视其危害和风险的问题，无法及时采取有效的适应行为，从而增加了人群的高温人口暴露风险。

图5 承灾体因子

3 结论、讨论和建议

3.1 结论

(1)高温暴露度在空间上形成以新疆东部和江西、浙江、福建等省份的县域为高值中心的空间集聚特征，而高温人口暴露高风险区则主要分布在重庆、湖南、江西、浙江等省份的县域。

(2)从全局回归看，除地形起伏度和非农人口占比与高温人口暴露风险呈负相关外，其余因子均为正相关性，各因子影响力从大到小依次为少儿化占比、受教育程度、人均居住面积、非农人口占比、拥有洗澡设施家庭占比、独居户占比、地形起伏度、归一化植被指数、地区生产总值、老龄化占比。由局部回归可知，孕灾环境中的归一化植被指数和非农人口占比与高温人口暴露风险整体呈负相关，其余因子在空间上波动较大，承灾体中各因子整体均呈现出正相关性。

(3)由于不同地域单元在不同自然条件、资源禀赋、地理区位等因素影响下，地区社会文化、经济结构、人类群体等孕灾环境和承灾体因子存在地域差异性，致使高温人口暴露风险呈现出明显的空间异质性特征。

3.2 讨论

(1)从高温暴露度和高温人口暴露风险空间分布可知，高值区最北端已出现在河北省和北京市南部地区，为此需要关注中国北方地区的高温人口暴露风险。在孕灾环境因子中，地势起伏度较小的平原或盆地、地势起伏度较大的山地，可能存在盆地聚热、焚风效应等现象，在一定程度上加剧了地域单元高温热浪的累积效应。非农人口占比因子则反映出地域单元劳动和就业方式的差异性导致其所面临的灾害风险不同，农业生产等户外工作者在高温热浪期间面临着较高的灾害风险。同时，社会经济发展相对落后的西北地区，由于人居环境提升和城市安全的关注度和资金投入较少，城市系统抵御外界扰动的适应性较弱，人口与经济活动均处于较高的暴露风险中。

(2)选用第六次人口普查的分县数据进行分析，可能存在一定误差，但随着社会经济发展，少儿化、老龄化、独居户占比整体会呈上升趋势，即承灾体脆弱性可能会更高。承灾体因子对高温人口暴露风险影响较大，其中大部分地区出现随受教育程度增加而灾害风险提升的现象，这可能与居民对极端高温灾害风险感知较低有关。如在西安市实地调研发现，许多城市居民在高温热浪期间普遍存在低估或忽视高温热浪的现象，未能及时采取风险防范和适应行动。

3.3 建议

(1)承灾体适应能力方面，应做好防灾教育和风险防范工作，针对不同脆弱人群利用社区和基层组织通过宣讲、座谈等，提升人群对高温热浪风险感知和认知能力，形成具有灾害风险防范意识的地域社会成员行动规范。提供高温热浪信息，引导人群采取有效适应行动，如在高温热浪期间改变出行方式和时间、调整饮食和着装、利用空调和风扇等设施达到降温效果。关注户外工作群体，通过发放高温补贴、定时监测工作环境温度和湿度状况、适度增加休息时间或补充水分等必需物品缓解高温人口暴露风险。

(2)对于城市系统适应性而言，应以高温热浪监测预警和加强城市韧性、构建气候适应型城市为主。在区域社会经济发展中更加注重生态环境和城市安全，增加城市绿地，合理布局水体，改善住房设施条件，优化城市空间布局，构建生态廊道和通风廊道，增强城市建成环境中的空气流通性。同时，也要加强城市水、电、路、网等生命线和交通系统的韧性建设，保障其在高温热浪下的正常运转及城市紧急系统正常运行。