王少谷

摘 要：【目的/意义】气候变化背景下高温热浪灾害频发，城市居民健康风险与社会经济损失问题凸显，进行城市高温脆弱性评估有助于高温热浪风险人群的识别，为相关防治政策提供有益借鉴。【方法/过程】基于“暴露性-敏感性-适应力”的脆弱性评估框架，运用遥感与GIS技术，提取并融合漳州市中心城区温度、河流、植被、用地、人口、医疗、住房等空间数据，系统评估漳州市城市高温脆弱性。【结果/结论】结果表明：漳州市中心城区高温脆弱性、暴露性与适应力在空间分布上均存在“核心-外围”结构，易损性总体呈现被水域、山体分割的空间布局;人口、经济等社会因素的高度集聚会增强地区人群的高温暴露性、易损性，该类地区公共基础设施完善，人群高温适应力相对较强;适应力在城市高温脆弱性评估中有决定性作用，政府可以推动相关政策优化公共医疗设施的布局，增加高温避暑设施，提高居民的高温适应能力，改善城市高温脆弱性格局。

关键词：城市高温;脆弱性;评估;漳州市

中图分类号：P429文献标志码：A文章编号：1637-5617（2019）06-0069-07

Abstract： 【Objective/Meaning】Under the background of climate change， the disasters of high temperature and heat wave occurred frequently， and the health risks and social and economic losses of urban residents have become prominent. The vulnerability assessment of high temperature in cities was helpful for the identification of people at risk of high temperature and heat wave， thus to provide useful references for relevant prevention and control policies. 【Methods/Procedures】Based on the vulnerability assessment framework of “exposuresensitivityadaptation”， the remote sensing and GIS technologies were used to extract and integrate the spatial data such as temperature， river， vegetation， land， population， medical treatment and housing in the central city of Zhangzhou to systematically evaluate the vulnerability of high temperature in Zhangzhou City. 【Results/Conclusions】The results showed that： there were “coreperiphery” structures in the spatial distribution of high temperature vulnerability， exposure and adaptability in the central city of Zhangzhou， and the vulnerability presented the spatial layout divided by water area and mountain. The high concentration of population， economy and other social factors would enhance the high temperature exposure and vulnerability of the population in such areas， where the public infrastructures were perfect， and the population was relatively strong in high temperature adaptation. The adaptability played a decisive role in the assessment of urban vulnerability to high temperature. Therefore， the government should promote relevant policies to optimize the layout of public medical facilities， increase hightemperature heat escape facilities， improve residents’ ability to adapt to high temperature， and improve the pattern of urban vulnerability to high temperature.

Key words： urban high temperature; vulnerability; evaluation; Zhangzhou City

高溫热浪通常指某地连续多日日均温或者最高温度达到一定数值，超过人体承受范围的现象[1-2]。伴随工业化的普及、城市化进程的加快，高温热浪发生频率与强度在各国都有上升[3-4]。在我国，大量建筑、交通及能源排放导致城市环境不断恶化，再加上政府应对措施与各种降温避暑资源入不敷出，部分城市已成为高温热浪重灾区[3-5]。

随着对高温灾害认识的不断深化，许多学者开始重视人为因素的影响[6-11]，相关研究由致灾因子[12-13]、时空特征[13-14]分析过渡到承灾体的脆弱性[10-11]分析上来，如何在面对高温胁迫时减少承灾体灾情损失，成为高温灾害研究热点。脆弱性是一个由自然、社会、经济、环境共同决定的综合性词语，多数研究者形成一个基本共识是：脆弱性与社会群体的敏感性、灾害暴露程度及应对灾害事件的各种能力相关[10-11，15]。

西方学者对高温热浪相关研究一向十分重视并产生了丰硕成果，研究涉及区域[15]、城市[6-7，16]、社区[17-18]等单一尺度的健康风险格局[16]、脆弱性指数模型[6-7，15]及相关驱动因素[16，18]。然而多数研究在指标选取上无法从多个尺度反应人群应对高温热浪的适应力特征[6，15]，研究结果中对各要素的内在多重联系缺少细致分析[16-18]。我国近20年城市化迅猛，但城市高温热浪灾害研究起步较晚，近年来产生了较多的研究成果，主要集中于高温热浪的人群感知[8-9]、指数评估[10-11]、时空格局与预测[13]等方面。多数研究对遥感数据与GIS数据挖掘不足[8-10]，部分学者虽然考虑到人为适应抵御高温热浪时的作用[11，19-20]，但就相关指标设立尚未达成共识。

本研究在前人研究的基础上，纳入人为应对极端高温天气的相关指标，构建并完善了耦合适应力的高温脆弱性评估体系[11]，综合评价漳州市高温脆弱性，通过地理空间分析技术，揭示高温热浪与城市人地复合系统之间的内在多重联系，以期为相关防治政策制定提供有益借鉴。

1 研究区概况及研究方法

1.1 研究区概况

漳州市位于福建省东南部，地处东经117°～118°、北纬23.8°～25°，市区面积12607 km2，建成区面积50.82 km2，全市常住人口505万人。漳州市属于亚热带海洋性季风气候，2006-2015年10年年均高温日（日最高气温≥35℃）天数48.1天，年均酷暑日（日最高气温≥37℃）天数11.5天，其中2014年经历了64天高温，为近年来最多。漳州市作为沿海地区受高温灾害较严重的众多中小型城市之一，在同等级城市的高温脆弱性与适应力研究中具有一定代表性。本次研究剔除尚在建设开发的角美工业区、南部未开发区及西北部农林草场，选择受高温灾害影响较严重的芗城区、龙文区作为研究区域。

1.2 城市高温脆弱性评估框架与指标体系构建

传统的高温灾害脆弱性研究经历了从单一研究暴露性等自然环境要素到综合考虑暴露性、社会脆弱性、适应力、恢复力等自然要素和社会要素的转变。随着研究要素、方法发展的多样化，美国学者卡特（Cutter）提出了人地耦合系统视角下的HOP（HazardsOfPlace）模型，该模型以人地耦合系统作为评价对象，实现了自然环境、社会结构在区域尺度的脆弱性评估中的耦合表征[21]。人地耦合系统视角下的地方层次城市高温脆弱性评价，将暴露性看作是复合人地系统易遭遇灾害威胁的可能性，属于外部因素;易损性是人地复合系統的内在属性，代表环境作用下高温灾害受灾人群的损失程度，反映了城市基础设施、空间布局在城市人群遭受高温威胁时满足其降温避暑需求的能力;适应力作为对人地系统高温易损性的补充，反映了人群面对高温灾害威胁时的生理承受能力与为减轻受灾损失主观能动的响应能力。

借鉴税伟等[11]在福州市高温脆弱性评估中结合问卷调查法和有序多分类Logistic回归重构的城市高温脆弱性空间评价指标体系，本研究尝试通过夜间灯光数据来反演人口密度，以改善第六次人口普查数据在人口表征上均一化、分辨率低、缺乏连续性的问题[22-23];另有学者指出，城市公园绿地不仅对周围地区有明显的降温作用[17，20，24]，同时可以避暑、纳凉，增加人群高温适应力[6，25]，因此本研究将城市公园绿地也纳入高温适应力测度指标。由于各项指标没有公认的权重[6-7，15-16，18]，部分指标间存在的自相关性尚不明确[11]，本研究遵循许多学者在评估脆弱性时采用的等权法来分配指标权重[17，26]，从高温暴露性、易损性与适应力3个方面构建城市高温脆弱性评估指标体系（表1），高温脆弱性计算公式如下：

1.3 高温脆弱性指标预处理

温度影响系数利用单窗算法进行亮温反演获得[27];人口密度引用学者高义通过普查人口数与夜间灯光数据得出的回归函数[28]，根据NPPVIIRS传感器2015年的夜间灯光年平均强度数据反演获得;提取漳州城市中心绿地覆盖面积，得到植被覆盖度图像;通过建立多层缓冲区赋值的方式表征地表水体对周边环境的降温作用[29];对漳州土地利用类型进行重分类，计算每一类用地类型的平均温度，得到不同用地类型易损性权值;适应力方面本研究选择了4个可精细图层化替代和转换的指标，表征漳州市高温适应力空间分布特征的影响因素。利用ENVI对各指标图层像元亮度进行归一化处理，通过叠置分析功能得到漳州市中心城区脆弱性指标影响系数的空间分布。

2 结果与分析

2.1 高温暴露性空间特征

漳州市高温暴露性峰值集中在人口密度大的城区街道，呈现“外低内高”“东拓西进”的空间分布特征（表2）。中心区各街道、外围区各乡镇高温暴露性均值分别为0.479、0.348，街道居住区的人口密度与地表温度亮斑的分布位置存在明显的关联性，区域人口分布越密集，区域热源越密集，因此人口密集区是高温热灾害多发区;中等暴露性区域主要分布在城市外围区;低暴露性区域主要分布在南部风景区、西北林场、草场与北部滨水未开发区地带，在温度影响系数分布图中这里呈现明显的低温冷岛，并向四周辐射造成周边地区温度下降（文中所有涉及的专题图在本文结果中均未展示，若有需要可与作者联系）。

2.2 高温易损性空间特征

高温易损性的空间分布较为稳定，易损性较高的地区集中在中部东西两侧，总体呈现被水域、山体分割的空间布局（表3）。漳州市中心城区南北两侧为草场与山体，中部为云洞岩风景区，将中心城区分割成东西两大易损性较高地区。结合零星分布的绿地、公园、水体，居民居住区分布呈现“大琐碎，小集中”的特点。高易损性地区主要分布在中部芗城区街道居民区、东部蓝田工业区，以及一些单独的商业区，这些区域呈块状分布，散落在水体与绿地、公园之间，其占城市中心区面积为44.56%，占城市外围区面积为22.75%。低易损性地区地表被水体、植被占据，这些区域限制了建成区的扩张，同时也对高脆弱性地区的蔓延起到了一定的阻碍作用。

2.3 高温适应力空间特征

漳州市中心城区高温适应力整体呈沿九龙江西溪两岸、多核心集中分布，局部呈围绕高适应力核心向外衰减的不规则环状分布（表4）。中心城区代表高适应力的亮斑密集，不规则向外递减。中心城区西部与北部普遍适应力较低，当地多分布有农牧草场，公共服務设施尚未健全，人口密度低，人均住房面积相对较少，呈现出较为均一的低适应力。中心城区为老城区，沿江两岸集中分布着滨水公园，公共服务设施较为完善，医疗机构较为密集。东部工业区与南部待开发区公共服务设施建设较为薄弱，多呈现中等高温适应力。

2.4 高温脆弱性空间特征

漳州市中心城区高温脆弱性在空间分布上呈现出“核心-外围”结构，脆弱性在北溪、西溪间的平原地带达到峰值，并向中心城区边缘递减（表5）。高脆弱性地区整体分布在有人类活动的地方，并被山脉、植被、水体分割，占据人口密集的居住区及工业开发区，形成高温脆弱性孤岛，而这些孤岛恰好也代表了中心城区社会经济资本密集的地方。低脆弱性区域主要分布在城市边缘与城郊未开发区，山体、河流湖泊等非人类活动地带则呈现出低暴露、低脆弱、低适应力的“三低”状态。

2.5 高温脆弱性分类

本研究将漳州市中心城区依据各乡镇街道脆弱性类型分为“高暴露易损-高适应平衡型”“低暴露易损-低适应未开发型”“低暴露易损-高适应宜居型”“高暴露易损-低适应脆弱型”4种类型：

2.5.1 “高暴露易损-高适应平衡型”

该类区域内人口密度大，社会经济资本集聚，城市居民频繁暴露在高温灾害下，高密度人群带来大量交通和生活用电产生的热排放，热岛效应严重。同时，区域内土地利用类型以居住用地和商业用地为主，存在大量不透水面，植被、水体的生态功能大大削弱，大大提升了区域高温易损性。高度的经济资本集聚使区域内分布了完善的公共服务设施与密集的医疗机构，大量公园等避暑设施的建设增强了人群对高温灾害的适应能力。

2.5.2 “低暴露易损-低适应未开发型”

该类区域属于低暴露性、低脆弱性、低适应力的三低区域。位于由水体、山脉阻挡，交通不便的平原地区，该类土地大多处于待开发状态，人口稀少，植被覆盖度高，自然生态功能良好，因此具有较低的暴露性与易损性。然而较少的人类活动与较低的交通通达性直接导致医疗服务行业的缺失，在这里生活的人们很可能处于城市绝大多数服务功能范围之外，加上信息闭塞，无法准确知晓高温预警信息，因此对高温适应能力低下。

2.5.3 “低暴露易损-高适应宜居型”

该类区域位于人群不那么密集的中心城市边缘区，既避免了人口过于密集给人地系统造成过多负担，又在城市各功能服务范围之内。这类地区往往代表了城市新的发展方向，政府投资建造了完善的公共设施，营造了良好的人居环境来吸引城市人口往这里流动，因此这类地区老年人在人口年龄构成中比例较少，普遍是对高温天气适应较强的年轻人。同时，相较外来人口与本地人口混杂的老城区，新城住户较少，这也解释了人均住房面积为何充裕的问题。

2.5.4 “高暴露易损-低适应脆弱型”

与“低风险-高适应宜居型”相反，这类用地反映了城市发展过程中慢慢积累起来的问题。危旧房、硬地，大量底层建筑侵占空间，居民居住在房屋结构差、缺乏降温措施的环境中，对高温灾害应对手段较少，具有高度的暴露性。同时，城市空间被大量棚户区、危旧房侵占，道路系统未考虑城市通风问题，重新改造建设公园绿地成本投入较大，这些都削弱了城市提高居民高温适应力。

3 结论与讨论

3.1 结论

漳州市中心城区高温脆弱性、暴露性与适应力在空间分布上均存在“核心-外围”结构，脆弱性在北溪、西溪间的平原地带达到峰值，并向中心城区边缘递减;暴露性峰值显著集中在人口密度大的几个城区街道，呈现“外低内高”“东拓西进”的空间分布特征;易损性分布较为稳定，易损性较高的地区总体呈现被水域、山体分割的空间布局;适应力整体呈沿九龙江西溪两岸、多核心集中分布，局部呈围绕高适应力核心向外衰减的不规则环状分布。

从影响机制看，高温脆弱性同人口、经济等社会因素的集聚程度有高度相关性。漳州市中心城区高温暴露性、易损性与适应力都呈现相近的空间分布模式，社会集聚越高的地区由于城市自身特性带来的高温风险越严重，同时由于公共设施配套的完善对高温灾害的抵御能力也越强。

高温脆弱性评估体现了城市人地系统在自然、社会各指标上的区域差异，而暴露性与易损性指标在空间分布上总体保持一致，体现了当代人口、经济等社会因素集聚导致生态环境破坏的城市发展模式，在此基础上，适应力是造成区域人地耦合系统的高温脆弱性差异的关键。提升适应力是城市人地耦合系统能否跳出城市发展的高温陷阱，降低居民高温脆弱性的关键因素。政府可以推动相关政策优化公共医疗设施的布局，增加高温避暑设施，改善城市高温脆弱性格局。

3.2 讨论

与传统的“暴露-敏感-适应能力”框架相比，本研究构建的“暴露-易损-适应能力”框架，通过城市空间布局相关指标，评估了区域环境对人群降温避暑需求的补偿能力，通过政府、区域、个体3个尺度的社会指标，评估了城市人群为了减轻受灾损失主观能动的响应能力，揭示了区域高温脆弱性类型，为政府以人为本进行城市规划与开展高温防治工作提供依据。

高溫脆弱性指标权重的确定方法分为主观赋值法（多准则决策[15]、有序加权平均[31]）和客观赋值法（主成分分析[7，16，18]、熵值法[32]、Logistic回归分析[11]），各指标权重没有公认的标准[6-7，15-16，18]，本研究只选取了少数必要因素参与计算，采用等权法构建城市高温脆弱性评估指标体系。

本研究在指标选取与测度中尚存在一些局限性：暴露性指标中选用遥感影像反演得到温度与人口密度，由于Landsat 8遥感卫星的重访周期是16天，无法观察同一区域地表温度的动态变化;由于研究区域尺度较小，地面分布的气象站数量不足，本研究采用多期遥感影像反演地表亮度温度表征晴空下的地表温度，以降低单一时期遥感影像噪声的不确定性或特定日期的偶然性[11]，而反演得到的地表温度与冠层温度也有略微差别;人口密度作为地均数据，在空间化时存在着数据结构不一致、空间单元不匹配和数据均一化等问题[23]，第六次人口普查数据得到的人口密度数据空间分辨率低，数据连续性较差，而基于灯光数据反演得到的人口密度具备时空连续、独立客观等优势，具有良好的表征作用。

在适应力方面，空调作为人为应对高温热浪的主要途径，同时也是城市人为热排放的主要组成部分[33-34]，其拥有量与人均收入也存在一定相关性，但尚未有学者单独对空调与高温热浪的相互影响做定量研究，因此未将其纳入适应力指标。另外，韦伯等[6]指出植被的蒸发冷功能与为城市人群提供的遮荫功能都起到了缓解高温热浪影响的作用，已有的一些文献也表明公园绿地能明显降低城市的高温致死率[25]，因此本研究中添加公园绿地适应力代理指标（建立多级缓冲区）表征城市公园为其服务范围内人群提供的遮荫避暑功能[30]。

参考文献：

[1]LUBER G， MCGEEHIN M. Climate change and extreme heat events[J]. American Journal of Preventive Medicine， 2008， 35（5）：429-435.

[2]ANDERSON G B， OLESON K W， JONES B， et al. Classifying heatwaves： developing healthbased models to predict highmortality versus moderate United States heatwaves[J]. Climatic Change， 2018， 146（3-4）：439-453.

[3]YOU Q， JIANG Z， KONG L， et al. A comparison of heat wave climatologies and trends in China based on multiple definitions[J]. Climate Dynamics， 2017， 48（11-12）：3975-3989.

[4]ROBINE J M， CHEUNG S L K， ROY S L， et al. Death toll exceeded 70，000 in Europe during the summer of 2003[J]. Comptes Rendus Biologies， 2008， 331（2）： 171-178.

[5]谢盼，王仰麟，彭建，等. 基于居民健康的城市高温热浪灾害脆弱性评价——研究进展与框架[J]. 地理科学进展，2015，34（2）：165-174.

[6]WEBER S， SADOFF N， ZELL E， et al. Policyrelevant indicators for mapping the vulnerability of urban populations to extreme heat events： A case study of Philadelphia[J]. Applied Geography， 2015（63）：231-243.

[7]BRADFORD K， ABRAHAMS L， HEGGLIN M， et al. A Heat Vulnerability Index and Adaptation Solutions for Pittsburgh， Pennsylvania[J]. Environmental Science & Technology， 2015， 49（19）：11303-11311.

[8]赵颜创，赵小锋，刘乐乐. 厦门市高温热浪人群健康风险格局分析[J]. 地球信息科学学报，2016，18（8）：1094-1102.

[9]金星星，祁新华，程煜，等. 流动人口对高温热浪影响的感知与适应——以福州市为例[J]. 福建师范大学学报（自然科学版），2016，32（4）：111-117.

[10]郑雪梅，王怡，吴小影，等. 近20年福建省沿海与内陆城市高温热浪脆弱性比较[J]. 地理科学进展，2016，35（10）：1197-1205.

[11]税伟，陈志淳，邓捷铭，等. 耦合适应力的福州市高温脆弱性评估[J]. 地理学报，2017，72（5）：830-849.

[12]SUN Q， MIAO C， AGHAKOUCHAK A， et al. Unraveling anthropogenic influence on the changing risk of heat waves in China： Anthropogenic influence on heat waves [J]. Geophysical Research Letters， 2017（44）： 5078-5085.

[13]YAO R， WANG L， HUANG X， et al. Temporal trends of surface urban heat islands and associated determinants in major Chinese cities[J]. Science of the Total Environment， 2017（609）： 742-754.

[14]陈倩，丁明军，杨续超，等. 长江三角洲地区高温热浪人群健康风险评价[J]. 地球信息科学学报，2017，19（11）：1475-1484.

[15]EI ZEIN A， TONMOY F N. Assessment of vulnerability to climate change using a multicriteria outranking approach with application to heat stress in Sydney[J]. Ecological Indicators， 2015（48）：207-217.

[16]WOLF T， MCGREGOR G. The development of a heat wave vulnerability index for London， United Kingdom[J]. Weather & Climate Extremes， 2013（1）： 59-68.

[17]BUSCAIL C， UPEGUI E， VIEL J F. Mapping heatwave health risk at the community level for public health action[J]. International Journal of Health Geographics， 2012， 11（1）：38.

[18]REID C E， O’NEILL M， GRONLUND C， et al. Mapping Community Determinants of Heat Vulnerability[J]. Environ Health Perspect， 2009， 117（11）： 1730-1736.

[19]祁新华，程煜，郑雪梅，等. 国内高温热浪研究进展及其人文转向[J]. 亚热带资源与环境学报，2017，12（1）：26-31.

[20]袁振，吴相利，臧淑英，等. 基于TM影像的哈尔滨市主城区绿地降温作用研究[J]. 地理科学，2017，37（10）：1600-1608.

[21] CUTTER S L. Vulnerability to environmental hazards[J]. Progress in Human Geography， 1996， 20（4）： 529-539.

[22]张志刚，张安明，郭欢欢. 基于DMSP/OLS夜间灯光数据的城乡结合部空间识别研究——以重庆市主城区为例[J]. 地理与地理信息科学，2016，32（6）：37-42.

[23]李飞，张树文，杨久春，等. 社会经济数据空间化研究进展[J]. 地理与地理信息科学，2014，30（4）：102-107.

[24]NORTON B A， COUTTS A M， LIVESLEY S J， et al. Planning for cooler cities： A framework to prioritise green infrastructure to mitigate high temperatures in urban landscapes[J]. Landscape & Urban Planning， 2015（134）： 127-138.

[25]TAN J G， ZHENG Y F， SONG G X， et al. Heat wave impacts on mortality in Shanghai， 1998 and 2003[J]. International Journal of Biometeorology， 2007， 51（3）： 193-200.

[26]TOMLINSON C J， CHAPMAN L， THORNES J E， et al. Including the urban heat island in spatial heat health risk assessment strategies： a case study for Birmingham， UK[J]. International Journal of Health Geographics， 2011， 10（1）：1-14.

[27]徐涵秋. 新型Landsat8衛星影像的反射率和地表温度反演[J]. 地球物理学报，2015，58（3）：741-747.

[28]高义，王辉，王培涛，等. 基于人口普查与多源夜间灯光数据的海岸带人口空间化分析[J]. 资源科学，2013，35（12）：2517-2523.

[29]岳文泽，徐丽华. 城市典型水域景观的热环境效应[J]. 生态学报，2013，33（6）：1852-1859.

[30]刘常富，李小马，韩东. 城市公园可达性研究——方法与关键问题[J]. 生态学报，2010，30（19）：5381-5390.

[31]STREUTKER D R. Satellitemeasured growth of the urban heat island of Houston， Texas[J]. Remote Sensing of Environment， 2003， 85（3）：282-289.

[32]熊伟，杨婕，吴文斌，等. 中国水稻生产对历史气候变化的敏感性和脆弱性[J]. 生态学报，2013，33（2）：509-518.

[33]LUNDGREN K， KJELLSTROM T. Sustainability Challenges from Climate Change and Air Conditioning Use in Urban Areas[J]. Sustainability， 2013， 5（7）： 3116-3128.

[34]穆康. 城市空间公共建筑空调系统大气排热时空规律研究[D]. 黑龙江：哈尔滨工业大学，2016.