EN中文

热带地理 >

2024 , Vol. 44 >Issue 1: 121 - 142

DOI: https://doi.org/10.13284/j.cnki.rddl.003818

研究论文

城市高温脆弱性预警系统构建与应用

  • 吴朝玮 , 1, 2 ,
  • 税伟 , 1 ,
  • 黄志刚 3, 4 ,
  • 汪春辉 4 ,
  • 乔璐 5 ,
  • 吴叶玲 6
展开
  • 1. 福州大学 环境与安全工程学院, 福州 350108
  • 2. 复旦大学 公共卫生学院, 上海 200032
  • 3. 福建省气象局, 福州 350001
  • 4. 福建省气象服务中心 福州, 350001
  • 5. 湖南大学 经济与贸易学院, 长沙 410006
  • 6. 福建医科大学 附属第一医院, 福州 350005
税伟（1974—），男，四川射洪人，教授，博士生导师，主要从事土地利用/覆被变化与生态环境效应、灾害风险模拟评估等研究，（E-mail）。

吴朝玮（1996—），男，福建三明人，博士研究生，主要从事灾害脆弱性与健康风险评估研究，（E-mail）；

收稿日期: 2022-12-28

  修回日期: 2023-02-07

  网络出版日期: 2024-01-20

基金资助

国家重点研究发展计划项目“城市群生态安全协同联动决策支持系统开发与综合示范”(2016YFC0502905)

收起

Construction and Application of Urban Heat Vulnerability Early Warning System

  • Chaowei Wu , 1, 2 ,
  • Wei Shui , 1 ,
  • Zhigang Huang 3, 4 ,
  • Chunhui Wang 4 ,
  • Lu Qiao 5 ,
  • Yeling Wu 6
Expand
  • 1. College of Environment and Safety Engineering, Fuzhou University, Fuzhou 350108, China
  • 2. College of Public Health, Fudan University, Shanghai 200032, China
  • 3. Fujian Meteorological Bureau, Fuzhou 350001, China
  • 4. Fujian Meteorological Service Center, Fujian Meteorological Bureau, Fuzhou 350001, China
  • 5. School of Economy and Trade, Hunan University, Changsha 410006, China
  • 6. The First Affiliated Hospital of Fujian Medical University, Fuzhou 350005, China

Received date: 2022-12-28

  Revised date: 2023-02-07

  Online published: 2024-01-20

Fold

摘要

基于人与环境耦合系统视角构建了“暴露性-易损性-适应力”的城市高温脆弱性研究框架和预警指标体系，提出了城市高温指数、多元主体适应力耦合技术、多元群体脆弱风险评价标准库等关键预警技术和方法。以城市多元利益主体为服务对象，设计了城市高温脆弱性预警系统，在厦门市试点应用并取得了良好效果。2021年9月“城市高温指数”业务模块在福建省公共气象服务平台——“知天气”App正式上线。基于多尺度脆弱性框架的研究视角和方法为动态精细化表征极端自然灾害的影响提供了有效途径。文章提出的城市高温脆弱性预警系统支持了城市多元利益主体在高温天气下开展生产生活，也有助于地方定制针对性的防灾减灾方案。

关键词： 气候变化; 人与环境耦合系统; 高温脆弱性; 预警系统; 厦门市

本文引用格式

吴朝玮 , 税伟 , 黄志刚 , 汪春辉 , 乔璐 , 吴叶玲 . 城市高温脆弱性预警系统构建与应用[J]. 热带地理, 2024 , 44(1) : 121 -142 . DOI: 10.13284/j.cnki.rddl.003818

Abstract

Extreme heat events caused by climate change have seriously threatened the sustainable human-environment system development. It has become the frontier of integrated geography to scientifically assess the comprehensive impact of heat waves on the urban system and to provide stakeholders with decision support services to cope with extreme heat. This study constructed an "exposure-susceptibility-adaptive capacity" framework for urban heat vulnerability and an early warning index system based on the perspective of the human-environment system. We then proposed key early warning technologies, including an urban heat index model, multi-subject adaptive capacity coupling technology, and a multi-group vulnerability assessment criteria library. Taking urban diversified groups and urban administrators as the service target, we designed the urban heat vulnerability early warning system. The system mainly comprises a mobile application that provides users with an interactive interface, and a dedicated management backend. The mobile application has four main functions: Urban heat index forecast, Crowd heat vulnerability risk warning service, Outdoor work guidance service, and Public facility-assisted adaptation and decision support menu. The layer data and the warning message are mainly handled by the dedicated management backend. The system provides hourly location-based heat vulnerability warnings and targeted healthy living tips for tourists, the elderly, children, and people with heat-sensitive conditions. Additionally, the system can provide a scientific basis for communities to improve their adaptive capacity to heat waves. As a pilot, the system was deployed in Xiamen City to provide personalized support services for healthy living in hot weather to residents and communities. In September 2021, the "Urban Heat Index" module was officially launched on the "Zhi Tian Qi" public meteorological service platform of the Fujian Province. The research perspective and methodology, based on a multiscale vulnerability framework, provide an effective method to dynamically and finely characterize the impacts of extreme natural hazards. The research results support urban multi-stakeholders in managing production and life during hot weather and help authorities develop targeted disaster prevention and mitigation plans for specific areas. Moreover, the findings provide a scientific reference for planning departments to improve and optimize the spatial allocation of emergency resources.

Key words： climate change; human-environment system; heat vulnerability; early warning system; Xiamen City

在全球变暖的背景下，极端高温给国家和地区的经济社会可持续发展带来严重负面影响，几乎可以肯定热天和热夜的数量以及热浪的持续日数、频率和强度将继续增加（Meehl and Tebaldi, 2004; Sun et al., 2014；葛全胜 等，2014；Li et al., 2018; Seneviratne et al., 2021）。2021年北半球经历了罕见高温，加拿大、美国、欧洲多地因高温死亡数百人（央视网，2021）。2022年中国报告了气象观测史上最热的夏天，上海、福州、长沙等多个城市高温日数超过60 d（中国气象爱好者，2022）。极端高温一方面加剧了城市热岛效应（Oleson et al., 2018; Zhao et al., 2018），破坏陆地交通基础设施（Chinowsky and Arndt, 2012; Chinowsky et al., 2019），影响航空（Zhou et al., 2018）和能源运输（Craig et al., 2018; Gao et al., 2018a），造成农作物减产甚至歉收（Tesfaye et al., 2017; Vogel et al., 2019），还影响人们开展户外运动（Heaney et al., 2019）、举办体育赛事（Smith et al., 2018），威胁着户外高温作业人员的安全和效率（Orlov et al., 2019）。在高温天气期间，人们中暑（俞龑韬 等，2018）、高温敏感相关疾病发生率（Yin and Wang, 2017）、住院率（Goldie et al., 2017）甚至死亡率（Han et al., 2017; Mora et al., 2017）均显著上升。在中国（He et al., 2021）和西班牙（Diaz et al., 2019）开展的研究模拟预测了极端高温对死亡风险和死亡率的影响还将不断增长。极端高温已成为当前和未来人类生产、生活和健康面临的重大挑战。
国内外学者在极端高温和高温灾害影响领域开展了大量研究。国外学者侧重于医学视角（Haines et al., 2006; Hu et al., 2008；薛倩 等，2020），关注高温热浪对人体健康的影响（Curriero et al., 2002; Basu and Ostro, 2008; Luber and Mcgeehin, 2008）。国内侧重于气象学视角（扈海波 等，2015；赵颜创 等，2016；王芳 等，2021），关注气象数据时间序列反映的高温变化趋势（林荣惠 等，2020）和高温灾害风险的空间格局（彭建 等，2014；王芳 等，2021），注重揭示高温天气的成因、机制等（彭保发 等，2013；薛倩 等，2020；王太然 等，2020），也对高温引发的健康风险进行了研究和评估（谢盼 等，2015a；罗晓玲 等，2016；赵颜创 等，2016；陈倩 等，2017；李欢欢 等，2020）。然而，目前仍不确定区域内哪些人类活动在遭受高温威胁时更容易受损或表现敏感脆弱，也不清楚个体状况或经济社会条件哪些变化会扩大或减少区域高温的负面影响。仅仅通过历史气象数据已无法准确评估极端高温事件给人类社会带来的综合影响，因而无法采取针对性的预防和应急措施来减少高温灾害造成的损失。
Turner等（2003）将人类与其繁衍生息的自然系统视为一个整体——人与环境耦合系统，认为其是一个统一的地理单元。在过去几十年中，相关领域学者已由传统的“灾害-风险”视角转向人与环境耦合系统视角开展高温灾害影响研究（Eakin and Luers, 2006）。Cutter（1996）提出建立地方灾害脆弱性模型（Hazards-of-Place of Vulnerability）的工作具有前瞻性，是人与环境耦合系统研究框架指导下的经典成果，该模型综合了地方尺度的自然环境和社会经济状况，对地方开展防灾减灾决策具有实践指导作用。目前，基于人与环境耦合系统视角构建的脆弱性模型能对遭受高温胁迫的承灾体（人口、道路交通、农业等）在多重经济社会扰动下的暴露性和敏感性进行刻画（Wolf and Mcgregor, 2013；郑雪梅 等，2016），揭示地区在应对外部压力时表现出的适应力差异（税伟 等，2017；Wu et al., 2022），进而识别高温敏感群体（Reid et al., 2009；黄晓军 等，2021）或绘制高温脆弱地图（陈恺 等，2019；Johnson et al., 2012）。同时，结合研究区实际，在地方层面开展的高温脆弱性评估对当地政府和利益相关者更有实际意义，如优化当地的医疗设施布局和政府的降温政策等，将有助于提高福州市的高温适应能力（税伟 等，2017）。美国国家科学院国家研究理事会的专题报告也强调了在地方尺度开展脆弱性研究的重要性，指出地方尺度耦合系统的跨尺度脆弱性机制将是今后研究的重点，但由于区域地理特征存在差异、缺乏地方数据获取途径和海量数据处理能力低下等问题（National Research Council, 2010），国内基于脆弱性研究框架在地方层面开展的高温灾害影响研究仍然不足，而且，现有城市高温脆弱性的研究框架、指标体系参差不齐，导致地方层面的评估技术方法无法有效推广。
习近平总书记在应急管理体系和能力建设集体学习会议（新华网，2019）曾做出“实施自然灾害监测预警信息化工程，提高多灾种和灾害链综合监测和预报预警能力”的重要指示，为信息时代和“数字中国”建设背景下城市应对极端高温灾害影响提供了数字化解决路径，即在现有灾害应急管理体系上，探索建立多部门协同联动的灾害监测预警与决策支持平台（滕五晓，2019），实现预报预警、信息发布、决策辅助等全流程统筹安排，使上级决策者和应急管理下属各部门及时地协同组织调度各类减灾资源，可以最大限度保障人民生命健康和财产安全。目前，国内外学者已对高温灾害监测预警系统进行了富有成效的探索和工程建设（Ebi and Schmier, 2005; Chau et al., 2009；孙庆华 等，2015）。国外在自然灾害监测预警系统的建设方面开展工作较早，20世纪80年代美国地质局和气象服务中心联合在旧金山湾建立了泥石流灾害预警系统，结合降雨强度、岩土体的渗透能力、含水量以及气候变化等条件综合分析泥石流可能发生的位置和强度，并及时发布预警信息（Garcia et al., 2003）。随后气象领域灾害预警体系与业务逐渐兴起，美国、日本、英国、中国等相继建立了各有特色的气象灾害防御体系（吕明辉 等，2021）。随着研究不断深入，发现针对高温灾害发生强度和位置等的监测预报对减灾储备、决策制定、应急处置等而言缺乏进一步的实践指导意义。于是，90年代末美国在多个城市建立了高温灾害监测与健康风险预警系统，主要通过监测高温对人体健康造成的影响来预警可能导致的人员死亡情况（Toloo et al., 2013; Nitschke et al., 2016）。如美国的酷热天气健康预警系统（HHWS）（杜钧 等，2018）将天气类型划分成“干热”（Dry Tropical）、“湿热”（Moist Tropical）、“极端湿热”（Moist Tropical）等类型，建立不同类型状况下因高温死亡的人数与温度条件之间的定量评估关系，实现高温灾害健康风险的识别与预警。国内学者和相关技术人员也在高温健康风险预警系统研究方面做了大量探索。如谈建国等（2002）通过对比分析天气类型与高温相关死亡率，发现上海地区高温热浪侵袭时出现的“侵入型”气团天气类型可能导致超正常的高温死亡率，研究结果为上海市2001年建成中国首个高温健康风险预警系统——热浪与健康预警系统提供了科学支持。随后，南京（汪庆庆 等，2014）、哈尔滨（兰莉 等，2016）、深圳（方道奎 等，2019）等地也相继开展了高温灾害与健康风险预警系统研发、业务运行与效果评估等工作。2015年，中国建立了多灾种信息统筹监测、预警发布等业务集合的国家突发事件预警信息发布系统（孙健 等，2016），打开了信息技术支持下气象灾害业务服务的新局面。
总体上，国内的高温热浪预警系统多面向政府、气象部门等提供辅助决策服务，缺乏考虑不同用户的个性化需求或群体的特征差异，如在高温天气下出行的普通大众、外卖快递配送员、施工工人等群体仅能知晓气温高低，无法获得预防和应对高温的进一步信息。随着城市高温事件频繁发生，现有高温灾害预警技术的局限性逐渐暴露，包括传统高温预报产品局限于高温灾害自身特质、以行政区为基本单元开展业务运作（袁成松 等，2012；孙庆华 等，2015），可能存在预报位置精度低、预报信息参考性弱、预报期限短等问题。目前也缺少能为普通大众，尤其是脆弱人群提供高温下健康生活服务的产品。鉴于此，本研究将基于人与环境耦合系统视角构建城市高温脆弱性研究框架和预警指标体系，以业务运行为目标开发系列预警关键技术，依托福建省公共气象服务平台——“知天气”设计预警系统架构和功能模块。以福建省厦门市为案例区，开展试点部署和业务运营。以期通过发布预警信号和提供辅助决策信息的方式提高政府和利益相关者政策制定和应急行动的有效性，巩固减缓高温灾害损失的公共投资和成效，最终减少极端高温事件对城市系统，尤其是城市中的老年人、儿童、高温敏感疾病患者等高温脆弱群体的健康风险。

1 城市高温脆弱性研究框架与预警指标体系

1.1　脆弱性与高温脆弱性的概念界定

20世纪60年代末期，脆弱性概念雏形开始出现于自然灾害领域，研究关注灾害发生的可能性、识别灾害影响的范围等（Adger, 2006; Janssen et al., 2006）。在地学领域，Timmerman（1981）较早关注脆弱性并认为“脆弱性是由一个系统所受到的灾难性事件对其的影响程度、对风险灾害的适应性以及从灾害中恢复的能力所构成”。根据李鹤等（2008）对国内外脆弱性内涵定义的系统梳理，一方面，灾害风险和全球变化领域的学者将脆弱性定义为遭受不利影响或损害的可能性或程度（Timmerman, 1981; Turner et al., 2003），强调外界干扰造成的影响或结果；另一方面，社科领域在发展经济学、生计和贫困方面的研究认为，脆弱性是个体或群体在遭受外界不利影响时表现出的应对、适应或恢复的能力（Dow, 1992），侧重揭示脆弱性内部，尤其是人文社会层面的驱动力及其影响作用（Adger and Kelly, 1999）。进入21世纪以来，脆弱性研究对其内涵的界定不仅关注灾害脆弱性中的暴露、风险等概念，更将社会、制度、经济等人文因素也整合进内涵体系（Turner et al., 2003; Young et al., 2006；史培军 等，2006），开始尝试运用多尺度研究框架沿着耦合系统路径探讨脆弱性，把脆弱性看成是一个多要素、多维度和跨学科的概念体系（李鹤 等，2011）。在过去十几年间，相关领域学者已由单纯考虑灾害的风险视角转向综合自然环境、社会经济状况、资源可得性的人与环境耦合系统脆弱性视角，定量表征区域灾害对经济、社会和人类健康的综合影响（Mccarthy et al., 2001; Turner et al., 2003; National Research Council, 2010；税伟 等，2017；Huang et al., 2020）。在全球变化领域，IPCC等国际性研究组织强调科学界和社会应该关注人类活动给全球环境变化带来的影响，以及人类社会对全球变化的响应和适应问题（王黎明 等，2003），该观点受到较为广泛的认同（陈萍 等，2010）。
综合现有文献，本研究认为脆弱性是灾害暴露性、敏感性、易损性、适应能力等多要素的耦合体，既考虑外界多重扰动对系统脆弱性的综合影响，也强调脆弱系统的要素、结构与功能及与外界环境的相互作用及产生的交互效果。因此，人与环境耦合系统视角下的高温脆弱性可定义为：耦合系统遭受高温灾害多重不利影响的可能性及其损失程度，以及人或系统应对其影响的多尺度适应和恢复能力。

1.2　研究框架

作为典型的人与环境耦合系统——城市，其生态稳定性较差，脆弱性较高，表现为容易受自然灾害的影响，遭受外界干扰时（如极端高温）的损失亦较大（Turner et al., 2003； 彭建 等，2014；孙洋 等，2017）。城市系统在极端高温胁迫下的脆弱性可以通过暴露性、敏感性、易损性和适应能力等要素进行表征和评估（Cutter and Finch, 2008; Reid et al., 2009; National Research Council, 2010; Bradford et al., 2015；薛倩 等，2020；黄晓军 等，2021；郭禹慧 等，2021），其中，暴露性是城市系统（承灾体）遭受极端高温不利影响的可能性，包括人类健康、生态系统、基础设施、社会和文化资产可能受到不利影响的地点和影响的最大范围（谢盼 等，2015b；税伟 等，2017；薛倩 等，2020；Huang et al.， 2020）；易损性指人与环境耦合系统受到极端高温不利影响的损失程度，是系统具备的内在属性，包括自然环境和可用于抵御外界干扰的各种资源（Cutter, 1996; Cutter and Finch, 2008； 税伟 等，2017）；适应能力是城市系统主动、被动地减缓或抵御高温影响的能力（谢盼 等，2015b；税伟 等，2017；薛倩 等，2020；黄晓军 等，2021），在本研究包括个体和区域2个层面多尺度的适应能力，其中居民个体的适应力会因其自身生理状况、家庭特征等（职业、健康状况、教育水平、家庭收入、是否拥有降温设备等）的不同呈现差异（Reid et al., 2009；谢盼 等，2015b；Huang et al., 2020；郭禹慧 等，2021）；在区域层面，社区组织或城市的经济状况、福利、基础设施等发展水平往往能减轻人与环境耦合系统遭受高温的损失，成为城市系统高温适应力的重要构成部分（Bradford et al., 2015; Araya-Muñoz et al., 2016；税伟 等，2017）。
综上所述，城市高温脆弱性研究框架应当体现城市系统在多重扰动下遭受到的高温灾害影响，突出系统自然和社会经济属性，并能反映个体、家庭和区域多层级主体应对和适应高温灾害的能力差异。因此，本研究提出由“暴露性-易损性-适应力”三要素构成的城市高温脆弱性研究框架（图1）。
图1 研究框架

Fig.1 Conceptual framework

1.3　预警指标体系

1.3.1　暴露性

暴露性与承灾体和灾害体本身均有关联，且暴露性应当包含时间、空间和数量的概念，可用密度、频度等对其进行衡量（程芳芳 等，2016），因此本研究从暴露源、暴露数量和暴露时长3方面衡量城市系统的高温暴露性（表1）。首先，采用温度和湿度共同表征城市系统面临的高温胁迫（灾害体）。尽管目前可通过获取高温持续天数等气象站点监测数据（谢盼 等，2015a；李欢欢 等，2020；Huang et al., 2020；郭禹慧 等，2021），或者基于热红外遥感反演的近地表气温反映城市系统遭受的高温胁迫（赵颜创 等，2016；陈倩 等，2017；税伟 等，2017），但采用环境气温和相对湿度的综合协同效应对高温胁迫进行表征已是气候变化背景下高温灾害和健康风险评估的前沿热点（Gao et al., 2018b; Sylla et al., 2018；陈曦 等，2020；王芳 等，2021），而且综合温度和湿度的指标更能反映城市系统中个体面对的高温挑战，这是因为高温环境伴随着较高的空气湿度，不仅人体流汗散热的能力将会下降，还可能引发中暑等不适症状（范永芬 等，2013）。对于生理状况较差的高龄人群、或患有呼吸、循环系统等相关疾病的个体，长时间暴露于高温可能会促使其疾病发作甚至发生死亡（牛彦麟 等，2022）。其次，人口分布密集区域的高温暴露的可能性较高（Weber et al., 2015；税伟 等，2017），城市系统是本研究中高温灾害的承灾体，因此采用人口密度衡量城市系统的高温暴露数量。最后，城市系统在高温影响范围内的暴露时间越长，暴露风险和损失危害将随之增长（程芳芳 等，2016），加之预警预报业务对结果的时效性要求较高，因此采用实时气象监测数据中的暴露持续日数和当日高温持续时长2个指标表征暴露性中的暴露时长。
表1 城市高温脆弱性预警指标体系

Table 1 Index system of early warning for urban heat vulnerability

目标层 要素层 预警指标层

城

市

高

温

脆

弱

性

暴

露

性

 暴露源 最高温度
相对湿度
暴露数量 人口分布
暴露时长 高温持续日数
当日高温持续时长

易

损

性

 土地覆被
高程
与海岸线的距离（可根据所选研究区不同进行调整）
与河流湖泊的距离

适

应

力

面向

城市

不同

群体

 老年群体
儿童群体
高温敏感疾病患者群体
游客群体
外卖送餐群体
高温户外作业群体

面向城市

治理主体

纳凉设施

医疗卫生设施

1.3.2　易损性

人类活动深刻影响城市土地利用的类型、结构和数量变化（董光 等，2020），而不同土地覆被类型对城市热环境的贡献度存在显著差异（乔治 等，2022），表现为城市系统遭受高温胁迫的潜在受损程度不同（税伟 等，2017）。人类活动的范围还受海拔高度的限制（Chen et al., 2007），海拔越高，人口分布越少，城市系统高温暴露数量也越小。城市的“蓝绿空间”——湖泊、河流、海岸、海湾等区域具有显著的降温效应，这些区域遭受高温损失的可能性较小（Zhou et al., 2019；连欣欣 等，2021）。目前，土地利用/覆被、水体、高程等指标已被广泛用于表征人地耦合系统易受损或高温敏感的程度（Reid et al., 2009; Johnson et al., 2012; Bradford et al., 2015；税伟 等，2017；陈恺 等，2019；黄晓军 等，2021）。因此，为区分城市系统内在脆弱属性的具体特征（程芳芳 等，2016），将不同土地覆被类型、高程、与河流湖泊和海岸线的距离作为易损性要素的评价指标（见表1），有助于综合识别高温胁迫下受损程度高的区域和采取针对性措施降低损失。需要说明的是，当指标体系推广至远离沿海的内陆城市时，可将与海岸线的距离指标移除，或根据地方特征采用与其他大型水体的距离作为评估指标。

1.3.3　适应力

在个体层面，老年人、儿童和高温敏感疾病患者等脆弱人群面临着健康威胁，大量研究已证实老年人、儿童和高温敏感疾病患者等群体由于身体调节机能较弱或生理状况较差等原因，在热环境中暴露后将比同等条件下的普通人承受更大的健康压力，如中暑、多种高温症状的发生率上升，甚至死亡（许明佳 等，2015；谢盼 等，2015a；罗晓玲 等，2016；奚用勇 等，2019；李欢欢 等，2020；牛彦麟 等，2022；Huang et al., 2022）。长时间处于户外的游客、户外作业群体（如外卖送餐员、环卫工人、快递员、建筑工人等）也容易受到高温天气的影响。因此，由于自身健康状况和个体所处外部环境等不同，个体、群体的适应能力存在明显差异。在区域层面，市政基础设施建设水平、医疗救助空间配置水平、高温信息宣传和城市街道洒水等服务的供给水平体现城市系统减缓和适应高温的能力（Reid et al., 2009；谢盼 等，2015a；税伟 等，2017；黄晓军 等，2021；Wu et al., 2022）。
因此，为了面向个体提供脆弱风险预警预报，本研究将“个人生活、旅游出行、户外作业”作为个体层面预警的应用场景，划分“老年人、儿童、高温敏感患者、游客、外卖送餐员、高温户外作业人员”6类群体（见表1）。通过结合由个体健康特征不同造成的高温适应能力差异，使用矩阵判定方法划分耦合个体层面适应力的高温脆弱性等级。同时，这6类群体也是预警系统面向群体服务的主要对象，可由系统依据群体特征提供个性化的健康生活服务。本研究区域层面的高温适应力通过纳凉设施和医疗卫生设施的空间位置、数量表征（见表1），使用观察和经验方法评价耦合区域适应力的城市高温脆弱性水平。具体而言，政府等城市治理者可通过观察降温、医疗资源的空间供给状况，判断区域预防高温灾害和降低经济损失的能力，或对高脆弱水平、适应力不足区域的公共基础设施进行及时补充。设施的空间位置信息还可以为城市居民、游客等在高温天气下寻找纳凉避暑场所提供路径规划等辅助决策支持。

2 城市高温脆弱性预警关键技术

以格网为基本统计单元对预警要素的组成指标进行逐格网的运算得到最终的预警结果，并以图层的形式在终端进行可视化展示。考虑数据处理效率和业务需求，规定格网的地理分辨率为500 m×500 m。

2.1　城市高温指数

2.1.1　城市高温指数模型

为突出夏季高温的影响，提出基于“暴露性-易损性”构建城市高温指数模型与城市高温指数（Heat Index, HI），即HI由暴露性指数（Exposure Index, EI）和易损性指数（Susceptibility Index, SI）构成。采用乘除法（式1）对评估模型进行多维数据融合。目前乘除法受到多数学者的认同，应用较为广泛，能有效反映指标要素之间的协同关系（谢盼 等，2015a；黄晓军 等，2021）以及外部高温胁迫和内在易损属性协同作用对城市系统的综合影响程度。模型构建前均需使用线性函数归一化方法（式2）对各代理指标进行标准化处理。模型建构方法为：
H I = E I × S I
X * = X - X m i n X m a x - X m i n    ( 正向 指标 ) X m a x - X X m a x - X m i n    ( 负向 指标 )
式中： X *代表各指标的归一化值； X、 X m i n和 X m a x分别代表各指标的原值、最小值和最大值。
E I和 S I均采用加权求和法进行综合。具体如下：
Z i = ∑ j = 1 m a i j × X i j *
式中： Z i为第 i个要素的综合加权值； a i j为第 i个要素第 j个指标的权重系数； X i j *为第 i个要素第 j个指标的归一化值； m为构成第 i个要素的指标数量。

2.1.2　模型中要素与数据的处理方法

1）暴露性指数。暴露源由温度和相对湿度2个代理指标组合表征。中国气象局和各级气象部门实际业务运用的温湿指数（Temperature Humidity Index, THI）可有效反映气温和相对湿度的协同效应。国家标准（中国气象局，2011）、地方标准（海南气候中心，2018）和相关研究（孔锋，2020；蔚丹丹 等，2021）也已将THI广泛用于反映城市热环境可能造成的风险威胁。THI计算公式为：
T H I = T i - 0.55 1 - R h i T i - 14.4
式中： T i为第 i个格网的最高气温（℃）； R h i为第 i个格网的相对湿度（%）。
THI的计算规则为：根据中国气象局定义日最高气温≥35℃的天气现象为高温天气（中国气象局，2008），规定格网最高气温≥35℃时才开始计算该格网的THI，否则将该格网的 E I直接置为0。
暴露源所需的气象要素数据通过设计应用程序接口（Application Programming Interface, API）至福建省气象服务中心服务器获取FZ-MOS系统生产的细格网气象要素预报数据产品。MOS是采用统计方法通过将历史中相同或相似的资料数据建立模型开展气象要素数值预报的系统。目前福建省气象局研发的FZ-MOS系统是全国领先的MOS预报系统（刘会军 等，2018）。FZ-MOS系统每日北京时间T 08:00和20:00发布2次预报，预报时效为0~240 h，其中0~72 h预报时段内时间分辨率为3 h，72~240 h预报时段内时间分辨率为6 h。FZ-MOS系统生产的气温和相对湿度等数据产品的空间分辨率为0.025°×0.025°（地理距离约为2.5 km）。本研究拟开展小时级别与未来6天的城市高温指数预警预报，选用的产品为：1）对于小时级别的短时预警预报：采用每日北京时间T 08：00发布的时间分辨率为1 h的温度和相对湿度动态细格网气象要素产品对当日T 09:00—20:00的HI进行逐时预警预报；2）对于未来6天的长时预警预报：采用每日北京时间T 20:00发布的时间分辨率为24 h的温度和相对湿度动态细格网气象要素产品对次日平均HI进行预警预报；采用每日北京时间T 08:00发布的24 h产品对未来第3至第7天的平均HI进行预警预报，并使用每日T 20:00发布的24 h产品对其进行一次更新。
衡量暴露数量的人口分布指标采用Stevens等（2015）的研究产品，通过南安普敦大学WorldPOP研究计划团队的官方途径 1获取未经行政边界调整的人口空间分布数据产品，地理分辨率为100 m×100 m。本研究使用的人口空间分布模拟产品结合了遥感技术和大数据技术优势，不仅能突破行政边界的限制，还通过耦合夜间灯光、道路网数据、居民点数据、高程等自然和社会经济驱动因子将产品的模拟精度提高到90%。
暴露时长由高温持续日数和当日高温持续时长2个指标衡量。考虑到上述2项指标在系统中均需动态更新，因此通过设计程序接口逐格网获取和匹配高温持续日数和当日高温持续时长的数值。两者的计算原理和规则为：
①高温持续日数。夏季高温天气持续不仅造成人体感不适，还会增加心理压力（俞国良 等，2020）。在城市层面，持续高温天气下城市生产、能源等各部门运转负荷都将增大。但随着高温持续日数的增加，城市系统能通过自身的调节机制逐渐过渡到新的状态（Alwang et al., 2001; IPCC, 2007），而高温的持续影响也将上升到趋于稳定。因此，通过式5反映系统随高温持续日数增加的暴露状态变化：
w i = 1 1 + e - n i ;   n i = d i - 1
式中： w i是反映格网 i高温持续日数； n i为格网 i系数； d i是格网 i累计≥35℃的高温日数。本研究规定若当日格网 i预报温度首次≥35℃，则 d i置为1，开始计算 w i，否则 w i置为0；若格网 i次日更新的预报温度再次≥35℃，则 d i置为2；只要格网 i再次的预报温度≥35℃，则 d i一直累加，直到格网 i下一日更新的预报温度＜35℃，则下一日的 w i自动归0，待系统再次监测到预报温度≥35℃时才重新计算。
②当日高温持续时长。获取北京时间T 08:00发布的1 h分辨率温度要素产品数值至各格网，累加各格网≥35℃的时数，把累加时数作为各格网当日的高温持续时长。
2）易损性指数。对不同土地覆被类型与人口分布建立多元线性回归模型（王珂靖 等，2016），反映不同土地覆被类型的人与环境耦合系统遭受高温影响的受损程度。土地覆被数据采用刘良云团队研发的1985—2020年全球30 m精细地表覆盖动态监测产品（GLC_FCS30-1985_2020）（Zhang et al., 2021）。首先，将研究区内各街道/乡镇的常住人口作为预测变量，并统计各街道/乡镇范围内所有土地覆被类型的面积作为解释变量；其次，采用IBM SPSS 21.0进行线性回归建模，筛选影响人口分布的主要土地覆被类型，并将主要类型作为解释变量与人口建立多元线性回归模型，取线性趋势拟合值R²最大的模型为最优模型。最后，将最优模型中各类型土地覆被预测人口分布的重要性值作为权重，表征各土地覆被类型的潜在受损程度。
结合数字高程模型（Digital Elevation Model, DEM）研究海拔与人口分布的关系，反映不同海拔的人与环境耦合系统高温易损属性的差异。使用ArcGIS栅格统计模块Quantize方法将研究区域的DEM数据根据实际情况等间距分割，并进行重分类；随后利用Spatial Analyst工具统计各高程等级中的平均人口密度，再采用线性函数、幂函数、指数函数、二次项函数等对各高程区间对应的平均人口密度进行拟合，取拟合优度高的函数模型衡量不同海拔人与环境耦合系统的潜在受损程度。
运用缓冲区分析工具建立河流湖泊和海岸线缓冲区（缓冲区距离需根据地方实际情况设置），反映在河流湖泊和海岸线缓冲距离内人与环境耦合系统潜在的高温受损程度差异。当在内陆等无海岸的地区进行预警应用，同样需要对湖泊、河流以及其他大型水体进行缓冲区处理。
3）模型构成指标的权重
考虑模型的推广需求和相关研究（税伟 等，2017），各指标的权重系数采用层次分析法和德尔菲法相结合的专家群决策方法确定。在选定的试点应用区域，通过向来自相关领域、气候研究机构、规划咨询单位和政府研究室的20位专家发放问卷咨询，最终得到各指标权重：THI 0.345 2、人口分布0.123 2、高温持续日数0.253 4、当日高温持续时长0.278 2；土地覆被0.508 2、高程0.111 6、与海岸线的距离0.169 2、与河流湖泊的距离0.211 1。经过调整不满足一致性的判断矩阵和补全残缺矩阵，所有专家的决策结果最终均满足一致性＜0.1，即判断矩阵确定的权重适合用于城市高温指数模型的构建。为满足系统的迭代更新需求，在系统核心算法设计阶段已将各指数内部指标的权重置为弹性变量，当在自然和社会经济条件特征不同的城市开展推广应用时，可组织专家对上述指标权重进行重新评价。

2.1.3　指数等级划分方法

参考《全国气象灾害风险评估技术规范（高温）》（中国气象局，2021），采用标准差法对反映城市高温灾害综合影响程度的城市高温指数进行分级（表2）。城市高温指数分级的基准参数为过去5 a同期的城市高温指数平均值和标准差。
表2 城市高温指数等级

Table 2 Urban heat index warning scales

指数等级 标记颜色 分级方法 说明
Ⅰ级 蓝色（RGB：R：117；G：213；B：255） HI＜平均值-σ 低影响
Ⅱ级 黄色（RGB：R：255；G：210；B：61） 平均值-σ≤HI≤平均值 中等影响
Ⅲ级 橙色（RGB：R：255；G：100；B：0） 平均值＜HI≤平均值+σ 较高影响
Ⅳ级 红色（RGB：R：255；G：12；B：3） HI＞平均值+σ 高影响

注：平均值为区域内非0格网的平均值；σ为区域内非0格网值的标准差。

2.2　多元主体适应力耦合技术

通过设计与用户进行交互的终端界面，将城市系统中个体和区域层面的高温适应力与城市高温指数进行动态耦合，实现对城市高温脆弱性的预警。同时，个体和区域层面的不同主体（6类群体和城市治理者）也是预警系统的服务对象，根据应用场景（个人生活、旅游出行、户外作业、城市治理）提供差异化的高温辅助决策支持服务。
具体方法为：1）对于属于6类人群的终端用户，在其选择不同的角色后，程序结合用户设定的地理位置的城市高温指数等级检索“多元群体脆弱风险评价标准库”中对应的矩阵评判标准，对该用户在设定地理位置的高温脆弱风险进行评级，并提供对应的健康生活建议，实现耦合个体层面适应力的城市高温脆弱性预警。2）对于政府等城市治理主体，工作人员通过搜索定位或触摸点击定位2种方式查看定位处的城市高温指数信息，再结合区域中已有的景区、纳凉设施和医疗设施的空间分布（设施空间位置在终端进行标识），经验地定性判断定位处耦合区域层面适应力的城市高温脆弱水平，以对现有设施布局的合理性进行评价，或为减灾规划、高温补贴福利政策的制定提供依据，如某一区域的城市高温指数经常性偏高，而其避暑纳凉的场所数量又较少，则可考虑在该区域增加设施数量。
纳凉设施和医疗设施数据来源于高德地图的兴趣点（point of interest, POI）数据集，其中，纳凉设施的POI主要包括地铁站、普通商业中心、公园广场、公共建筑、大型商场和纳凉中心；医疗设施的POI包括药房、乡镇诊所、社区卫生院和综合医院。通过编制Python爬虫程序对POI进行采集、清洗、筛选和地理坐标转换。

2.3　多元群体脆弱风险评价标准库

由于身体素质、健康状况和户外暴露时长等个体生理和物理差异，不同人群在相同HI等级下可能承受不同的脆弱风险。本研究结合游客、老年人、儿童、高温敏感疾病患者、外卖送餐员和高温作业者等城市中具有代表性的群体较为普遍的自身素质和工作性质等特征，提出建立在HI基础上的脆弱风险预警分级标准。根据与福建省气象局的“健康气象”团队和福建医科大学的医师、护士进行访谈和讨论的结果，定制各群体的健康生活提示和建议，形成一套多元群体脆弱风险评价标准库。
1）游客群体
夏季是旅游旺季，也是个人、家庭出游的时节。必要的防晒防暑的措施和预备降暑药品，使得旅游出行的群体能够抵御一定程度的高温影响。根据《避暑旅游气候适宜度评价方法（QX/T 500-2019）》（中国气象局，2019）、《区域性高温天气过程等级划分》（QX/T 228-2014）（中国气象局，2014）对旅游气候舒适度和高温强度的定义，通过将高温强度等级与HI预警等级建立判断矩阵的方式规范游客群体的脆弱风险等级表（附表1）和旅游出行建议（附表2）。
附表1 游客群体脆弱风险等级

Table S1 Vulnerability scale for tourist groups

HI预警等级 高温强度/℃
［35， 37） ［37， 40） ［40， +∞）
Ⅰ级 1不舒适 2很不舒适 4炎热
Ⅱ级 1不舒适 2很不舒适 4炎热
Ⅲ级 1不舒适 3酷热难耐 4炎热
Ⅳ级 2很不舒适 3酷热难耐 4炎热
附表2 旅游出行建议

Table S2 Travel advices

脆弱风险等级 出游建议
Ⅰ级 脆弱风险等级为1级，体感不舒适；温馨提示：出游注意补充水分，并做好防晒措施
Ⅱ级 脆弱风险等级为2级，体感很不舒适；温馨提示：减少户外活动，及时补充水分，做好防晒防暑准备
Ⅲ级 脆弱风险等级为3级，酷热难耐；温馨提示：避免户外活动，建议居家开启降温设备，若身体出现不适请及时就医
Ⅳ级 脆弱风险等级为4级，十分炎热；温馨提示：调整出游计划，开启降温设备，时刻关注健康状况和高温天气信息
2）老年和儿童群体
在夏季高温时期，老年群体和儿童群体较普通人的身体调节机能等表现弱势，但青少年的生理恢复调节能力较老年人更强，因此老年人可能承担着更大的脆弱风险（谈建国 等，2002；许遐祯 等，2011）。已有研究证实夏季气温与中暑、死亡发生具有显著的正相关关系（俞龑韬 等，2018；Kim and Kim, 2017），当外界温度超过人体表温度（33~34℃）时，中暑的症状开始在人群中出现；日最高气温达到35℃时更加容易发生中暑症状，且当日最高气温达到36~37℃时，中暑症状将可能更为严重，个体死亡现象开始频繁出现（陈正洪 等，2002；陈辉 等，2009；俞龑韬 等，2018）。根据上述资料，提出老年群体和儿童群体的脆弱风险分级方法及其相应的健康生活提示（附表3至6）。
附表3 老年群体脆弱风险等级

Table S3 Vulnerability scale for elderly groups

HI预警等级 高温强度/℃
［35， 36） ［36， 37） ［37， +∞）
Ⅰ级 1较易中暑 2易中暑 4极易威胁健康
Ⅱ级 1较易中暑 2易中暑 4极易威胁健康
Ⅲ级 2易中暑 3易威胁健康 4极易威胁健康
Ⅳ级 2易中暑 3易威胁健康 4极易威胁健康
3）高温敏感疾病患者群体
已有研究指出，当日最高气温每升高1℃，对高温敏感疾病患者带来的健康负面影响随之增加，如疾病复发甚至死亡（Hu et al., 2008；王佳佳 等，2009）；当日最高气温上升4.7℃时，心脑血管疾病患者的死亡率显著上升（Basu and Ostro, 2008）；且目前高温热浪对呼吸和循环系统疾病患者的附加效应高度显著（Chen et al., 2015; Dong et al., 2016），在国内272个城市的研究（Yin et al., 2018）显示，对上述疾病的影响达到14%和13%。结合老年人和儿童群体的高温脆弱性等级，划分该群体的脆弱风险分级表和生活提示（附表7和8）。
附表4 老年群体健康生活提示

Table S4 Tips for healthy lifestyles in elderly groups

脆弱风险等级 健康生活提示
Ⅰ级 脆弱风险等级为1级，较易中暑；温馨提示：注意清淡饮食和及时补充水分
Ⅱ级 脆弱风险等级为2级，易中暑；温馨提示：避免外出，居家开启降温设备，做好防暑降温措施
Ⅲ级 脆弱风险等级为3级，易出现健康威胁；温馨提示：居家开启降温设备，关注健康状态，注意保持阶段性通风
Ⅳ级 脆弱风险等级为4级，极易出现健康威胁；温馨提示：时刻关注健康状况，若身体出现不适请及时就医
附表5 儿童群体脆弱风险等级

Table 5 Vulnerability scale for kid groups

HI预警等级 高温强度/℃
［35， 36） ［36， 37） ［37， +∞）
Ⅰ级 1较易中暑 2易中暑 3易威胁健康
Ⅱ级 1较易中暑 2易中暑 3易威胁健康
Ⅲ级 1较易中暑 2易中暑 4极易威胁健康
Ⅳ级 2易中暑 3易威胁健康 4极易威胁健康
附表6 儿童群体健康生活提示

Table S6 Vulnerability lifestyles in kids groups

脆弱风险等级 健康生活提示
Ⅰ级 脆弱风险等级为1级，较易中暑；温馨提示：注意清淡饮食，注意补充水分
Ⅱ级 脆弱风险等级为2级，容易中暑；温馨提示：避免在阳光下玩耍，及时补充水分，预防中暑，开启降温设备
Ⅲ级 脆弱风险等级为3级，易出现健康威胁；温馨提示：时刻关注儿童健康状态，若出现身体不适时请及时就医
Ⅳ级 脆弱风险等级为4级，极易出现健康威胁；温馨提示：居家开启降温设备，时刻关注健康状况和高温天气信息
附表7 高温敏感疾病患者群体脆弱风险等级

Table S7 Vulnerability scale for groups of patients with heat-sensitive diseases

HI预警等级 高温强度/℃
［35， 36） ［36， 39.7） ［39.7， +∞）
Ⅰ级 1可能引发症状 2较易引发症状 3易引发症状
Ⅱ级 1可能引发症状 2较易引发症状 4极易引发症状
Ⅲ级 1可能引发症状 3易引发症状 4极易引发症状
Ⅳ级 2较易引发症状 3易引发症状 4极易引发症状
4）户外高温作业群体
外卖送餐员、建筑工人、高压电网维修员等夏季高温依旧坚守岗位的群体应该得到更多的社会关注。已有研究指出，中暑症状在从事体力活动、劳动强度较大的男性群体更易出现（许明佳 等，2015；陈振龙 等，2015；付文娟 等，2020），且发现中暑甚至死亡的病例大多与经历了持续的高温影响有关（Chen et al., 2015; Lee et al., 2016）。因此，采用高温持续的天数与HI预警等级建立判断矩阵设定该群体的脆弱风险等级（附表9）。外卖送餐员和高温作业群体共同使用一套脆弱风险等级表，但需要据行业性质分别制定两者的作业建议（附表10和11）。
附表8 高温敏感疾病患者群体健康生活提示

Table S8 Tips for healthy lifestyles for groups of groups with heat-sensitive diseases

脆弱风险等级 健康生活提示
Ⅰ级 脆弱风险等级为1级，可能出现症状；温馨提示：避免外出活动，居家做好防暑降温措施
Ⅱ级 脆弱风险等级为2级，较易出现症状；温馨提示：及时开启降温设备，备好防暑药物和常用症状缓解药物
Ⅲ级 脆弱风险等级为3级，易出现症状；温馨提示：时刻关注健康状态，防止高温引起症状加重
Ⅳ级 脆弱风险等级为4级，极易出现症状；温馨提示：注意休息，时刻关注身体健康状况并准备医疗救护设备
附表9 户外高温作业群体脆弱风险等级

Table S9 Vulnerability scale for outdoor work groups in hot weather

HI预警等级 高温持续天数/d
2 3 ＞3
Ⅰ级 1可能中暑 2较易中暑 3易中暑
Ⅱ级 1可能中暑 2较易中暑 4极易中暑
Ⅲ级 1可能中暑 3易中暑 4极易中暑
Ⅳ级 2较易中暑 3易中暑 4极易中暑
附表 10 外卖送餐员高温健康作业建议

Table S10 Tips for delivery workers working in hot weather

脆弱风险等级 健康生活提示
Ⅰ级 当前送餐区域高温风险等级为1级，可能中暑；温馨提示：工作时注意补充水分和防止晒伤
Ⅱ级 当前送餐区域高温风险等级为2级，较易中暑；温馨提示：工作请做好防晒防暑准备，及时饮水和寻找纳凉点
Ⅲ级 当前送餐区域高温风险等级为3级，易中暑；温馨提示：减少在高温时段的送餐活动，可到集中休息点享受空调
Ⅳ级 当前送餐区域高温风险等级为4级，极易中暑；温馨提示：当前送餐区域十分炎热，建议调整区域送餐计划
附表11 高温作业群体健康生活提示

Table S11 Tips for outdoor work groups working in hot weather

脆弱风险等级 健康生活提示
Ⅰ级 当前作业区域高温风险等级为1级，可能中暑；温馨提示：作业时注意补充水分和防止晒伤
Ⅱ级 当前作业区域高温风险等级为2级，较易中暑；温馨提示：作业请做好防晒防暑准备，及时饮水和寻找荫蔽处
Ⅲ级 当前作业区域高温风险等级为3级，易中暑；温馨提示：减少在高温时段作业，增加作业休息补水时间间隔
Ⅳ级 当前作业区域高温风险等级为4级，极易中暑；温馨提示：十分炎热，建议适当调整区域作业计划

3 城市高温脆弱性预警系统设计与应用

3.1　技术架构和功能模块

基于高德地图JavaScript API和高德地图组件API等，依托福建省气象局公共气象服务平台——“知天气”设计城市高温脆弱性预警系统的技术架构（图2）。
图2 城市高温脆弱性预警系统架构

Fig.2 System framework of early warning for urban heat vulnerability

城市高温脆弱性预警系统以“城市高温指数”为名作为“知天气”平台的重要模块，系统主要包括为用户提供交互式操作界面的移动应用程序模块和处理应用功能数据的专用管理后台，其中移动应用程序模块包括4大功能模块：城市高温指数预报模块、人群高温脆弱风险预警服务模块、户外工作指导服务模块、公共设施辅助适应与决策支持菜单模块；专用管理后台包括2大功能模块：图层数据管理模块和提示语数据管理模块（图3）。
图3 城市高温脆弱性预警系统功能模块

Fig.3 System function modules of early warning for urban heat vulnerability

3.2　试点应用

3.2.1 试点概况 厦门市（24°26′46″ N、118°04′04″ E）隶属于福建省，是中国东南沿海的经济特区，也是海峡西岸经济区重要的中心城市和旅游目的地，目前全市拥有近516万常住人口，辖区总面积为1 700.61 km2，其中厦门岛的陆地面积为157.98 km2（包括鼓浪屿），海域面积为390 km2（厦门市人民政府，2021）。资料显示，20世纪80年代以来，尤其是进入21世纪，厦门市的近地表监测气温不断上升，且城市极端高温事件的发生频率越来越频繁（李文勇，2008）。《2020年厦门市气候年报》（厦门市气象局，2021）显示，厦门岛内外年平均气温自20世纪90年代中期以来，一直处于偏高状态，近几年气候变暖趋势愈加明显。2020年厦门岛内外平均气温分别为22.2 ℃和22.7 ℃，分别比常年高1.5 ℃和1.3 ℃，均为异常偏高，其中岛内创1953年有气象观测来历史最高纪录。

3.2.2　应用情况

通过与福建省气象局、福建省气象服务中心合作，2021年9月，城市高温脆弱性预警系统——“城市高温指数”模块在厦门市正式上线运营（图4）。以厦门市同安区西柯镇的古龙酱文化公园和厦门市思明区的中山路步行街为例示范“城市高温指数”模块的应用情况。
图4 “城市高温指数”用户界面

Fig.4 User interface of the "Urban Heat Index"

1）城市高温指数预警预报
用户通过搜索框查询“古龙酱文化园”，结果以标记打点在地图上显示（图5）。“智慧高温卡片”立即更新该点位的详细地址、指数等级、高温发生时段和温馨提示。通过播放条可查看该位置未来6天的指数空间格局。
图5 厦门市西柯镇古龙文化公园的高温指数预报

Fig.5 Forecast of HI in Gurung Cultural Park, Xike Town, Xiamen

2）人群脆弱风险预警与信息提示、户外工作指导
在古龙酱文化园高温指数预报等级为3级时，游客的脆弱风险为2级，儿童为2级，老年人为2级，高温敏感患者风险为1级。当日在古龙酱文化园周边配送外卖和户外高温作业的人员的脆弱风险均为3级。同时，卡片分别对属于不同人群和两大行业群体的用户提供次日脆弱风险预警信息和防暑降温建议（图6）。
图6 古龙酱文化园的游客群体和外卖送餐群体的脆弱风险等级和提示

Fig.6 Vulnerability scale and tips for tourist groups and delivery workers in Gurung Cultural Park, Xike Town, Xiamen

3）公共设施辅助适应与决策支持
以古龙酱文化公园和中山路附近的纳凉设施（地铁站、公园、商场超市、公共建筑）、医疗设施（卫生服务、综合医院）和景区为例，对比2个区域的城市高温脆弱性水平。相比中山路步行街（图7），古龙酱文化公园附近的景区、纳凉和医疗设施数量都较为有限，且当日中山路步行街并未出现指数等级预警。由此，决策者可初步判定当日古龙酱文化公园及附近的城市高温脆弱性较中山路步行街更高。结合相关部门的应急预案处理流程，古龙酱文化公园附近的社区组织可加强防暑降温宣传，开放更多的纳凉场所和临时医疗点，市政部门可开展街道洒水作业等。若该区域长期出现高温指数等级较高的情况，还可通过增加植被覆盖率，或增加人造水体等提高区域适应和减缓高温的能力。同时，普通大众可在前往古龙酱文化园附近区域前，查看各类降温和医疗设施的分布情况，充分发挥个人的主观能动性，提前规划出行路线，降低高温可能带来的健康和财产损失。

4 结论与展望

本文基于人与环境耦合系统视角综合运用地理学、大数据科学和计算机科学等理论和方法，对城市高温脆弱性及其预警方法进行了研究，建构了“暴露性-易损性-适应力”的城市高温脆弱性研究框架与预警指标体系，提出了城市高温指数、多元主体适应力耦合技术和多元群体脆弱风险评价标准库等系列预警关键技术，设计开发了城市高温脆弱性预警系统——“城市高温指数”，并在厦门市试点部署，应用期间得到了厦门市民的良好反馈。2021年9月，系统依托福建省公共气象服务平台——“知天气”正式上线业务化运营。综合示范成果于2021年12月通过科技部国家重点研发计划项目验收，验收评价为优秀。城市高温脆弱性预警系统为居民和有关部门提供了高温天气下生产生活的辅助决策支持服务，为今后省内（如福州市）和省外其他高温城市的推广奠定了良好基础。
尽管多元群体脆弱风险等级的划定建立在广泛的团队讨论和气象局业务经验基础上，但其设计仍存在不足，尤其是不同群体受高温环境影响的健康阈值，还需进一步开展针对性的实证研究来科学划定。目前，研发团队已考虑设计由城市高温指数和个体基本生理健康要素构成（性别、年龄、慢性疾病史等）的综合模型，定量表征个体在空间上特定位置的脆弱风险，为用户提供更加准确的风险信息和针对性的健康建议。此外，当前研究中区域层面的高温脆弱性水平仅能通过结合使用者当前位置的指数等级和周边资源位置与数量的方式进行主观判定，因此，区域层面适应力的耦合技术还有待进一步深入挖掘，如引入资源的自动可达性分析功能对区域的高温适应力进行分区分级，探索将区域高温适应力动态地与高温指数进行耦合，计算耦合区域层面高温适应力的城市高温脆弱性指数，从而政府可根据指数等级高低和已有的应急处置预案对特定区域定制针对性的防灾减灾方案，也有助于规划部门识别降温和医疗资源短缺的地区，在市政规划中完善优化应对极端高温资源的空间配置。
图7 古龙酱文化园和中山路步行街周边的纳凉和医疗设施空间分布

Fig.7 Spatial distribution of cooling and medical facilities around the Gurungjam Cultural Park and Amoy YatSen Road

脚注

1 https://www.worldpop.org/

税 伟：负责研究框架设计、研究进展和综合指导；

吴朝玮：负责研究执行、核心算法设计与编写，并完成了本文的撰写与修改；

黄志刚、汪春辉：负责项目模块的综合开发和数据处理；

乔 璐：指导和参与完成了模型搭建和权重设定；

吴叶玲：指导和参与完成了人群健康脆弱风险标准库的建设。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Adger W N and Kelly P M. 1999. Social Vulnerability to Climate Change and the Architecture of Entitlements. Mitigation and Adaptation Strategies for Global Change, 4(3): 253-266.

Adger W N. 2006. Vulnerability. Global Environmental Change, 16(3): 268-281.

Alwang J, Siegel P B, and Jorgensen S L. 2001. Vulnerability: A View from Different Disciplines. Washington D C: The World Bank.

Araya-Muñoz D, Metzger M J, Stuart N, Wilson A M W, and Alvarez L. 2016. Assessing Urban Adaptive Capacity to Climate Change. Journal of Environmental Management, 183: 314-324.

Basu R and Ostro B D. 2008. A Multicounty Analysis Identifying the Populations Vulnerable to Mortality Associated with High Ambient Temperature in California. American Journal of Epidemiology, 168(6): 632-637.

Bradford K, Abrahams L, Hegglin M, and Klima K. 2015. A Heat Vulnerability Index and Adaptation Solutions for Pittsburgh, Pennsylvania. Environmental Science & Technology, 49(19): 11303-11311.

Chau P H, Chan K C, and Woo J. 2009. Hot Weather Warning Might Help to Reduce Elderly Mortality in Hong Kong. International Journal of Biometeorology, 53(5): 461.

Chen M, Xu C G, and Wang R S. 2007. Key Natural Impacting Factors of China's Human Population Distribution. Population and Environment, 28(3): 187-200.

Chen K, Bi J, Chen J, Chen X, Huang L, and Zhou L. 2015. Influence of Heat Wave Definitions to the Added Effect of Heat Waves on Daily Mortality in Nanjing, China. Science of The Total Environment, 506/507: 18-25.

Chinowsky P and Arndt C. 2012. Climate Change and Roads: A Dynamic Stressor-Response Model. Review of Development Economics, 16(3): 448-462.

Chinowsky P, Helman J, Gulati S, Neumann J, and Martinich J. 2019. Impacts of Climate Change On Operation of the Us Rail Network. Transport Policy, 75: 183-191.

Craig M T, Cohen S, Macknick J, Draxl C, Guerra O J, Sengupta M, Haupt S E, Hodge B, and Brancucci C. 2018. A Review of the Potential Impacts of Climate Change On Bulk Power System Planning and Operations in the United States. Renewable and Sustainable Energy Reviews, 98: 255-267.

Curriero F C, Heiner K S, Samet J M, Zeger S L, Strug L, and Patz J A. 2002. Temperature and Mortality in 11 Cities of the Eastern United States. American Journal of Epidemiology, 155(1): 80-87.

Cutter S L. 1996. Social Vulnerability to Environmental Hazards. Progress in Human Geography, 20(4): 529-539.

Cutter S L and Finch C. 2008. Temporal and Spatial Changes in Social Vulnerability to Natural Hazards. Proceedings of the National Academy of Sciences, 105(7): 2301-2306.

陈辉，黄卓，田华，吴昊. 2009. 高温中暑气象等级评定方法. 应用气象学报，20（4）：451-457.

Chen Hui, Huang Zhuo, Tian Hua, and Wu Hao. 2009. An Evaluation Method of Heatstroke Grade with Meteorological Approaches. Journal of Applied Meteorological Science, 20(4): 451-457.

陈恺，唐燕. 2019. 城市高温热浪脆弱性空间识别与规划策略应对——以北京中心城区为例. 城市规划，43（12）：37-44.

Chen Kai and Tang Yan. 2019. Identification of Urban Areas Vulnerable to Heat Waves and Coping Strategies: A Case Study of Beijing Central City. City Planning Review, 43(12): 37-44.

陈萍，陈晓玲. 2010. 全球环境变化下人-环境耦合系统的脆弱性研究综述. 地理科学进展，29（4）：454-462.

Chen Pin and Chen Xiaoling. 2010. Summary on Research of Coupled Human-Environment System Vulnerability under Global Environmental Change. Progress in Geography, 29(4): 454-462.

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

Chen Qian, Ding Mingjun, Yang Xuchao, and Hu Kejia. 2017. Spatially Explicit Assessment of Heat Health Risks Using Multi-Source Data: A Case Study of the Yangtze River Delta Region, China. Journal of Geo-Information Science, 19(11): 1475-1484.

陈曦，李宁，黄承芳，刘佳伟，张正涛. 2020. 综合湿度和温度影响的中国未来热浪预估. 地理科学进展，39（1）：36-44.

Chen Yi, Li Ning, Huang Chengfan, Liu Jiawei, and Zhang Zhengtao. 2020. Projection of Heatwaves by the Combined Impact of Humidity and Temperature in China. Progress in Geography, 39(1): 36-44.

陈振龙，乔子虹，王冬明，李济超，张玲. 2015. 2009至2013年武汉市高温中暑情况分析. 中华劳动卫生职业病杂志，33（4）：260-262.

Chen Zhenlong, Qiao Zihong, Wang Dongming, Li Jichao, and Zhang Ling. 2015. An Analysis of Heat Stroke in Wuhan from 2009 to 2013. Chinese Journal of Industrial Hygiene and Occupational Diseases, 33(4): 260-262.

陈正洪，王祖承，杨宏青，陈安珞，刘建安. 2002. 城市暑热危险度统计预报模型. 气象科技，（2）：98-101.

Chen Zhenghong, Wang Zucheng, Yang Hongqing, Chen An'luo and Liu Jian'an. 2002. Statistical Forecasting Model for Urban Hot Weather Risk. Meteorological Science and Technology, (2): 98-101.

程芳芳，常杪，陈青. 2016. 城镇环境事件脆弱性评估方法研究. 中国人口·资源与环境，26（S2）：48-52.

Chen Fanfan, Chang Miao, and Chen Qing. 2016. A Methodology to Assess Vulnerability of Environmental Incidents in Cities and Towns. China Population, Resources and Environment, 26(S2): 48-52.

Diaz J, Saez M, Carmona R, Miron I J, Barcelo M A, Luna M Y, and Linares C. 2019. Mortality Attributable to High Temperatures Over the 2021-2050 and 2051-2100 Time Horizons in Spain: Adaptation and Economic Estimate. Environmental Research, 172: 475-485.

Dong W, Zeng Q, Ma Y, Li G, and Pan X. 2016. Impact of Heat Wave Definitions On the Added Effect of Heat Waves On Cardiovascular Mortality in Beijing, China. International Journal of Environmental Research and Public Health, 13(9): 933.

Dow K. 1992. Exploring Differences in Our Common Future(S): The Meaning of Vulnerability to Global Environmental Change. Geoforum, 23(3): 417-436.

董光，何兰，王艺积，熊瑞东，程武学. 2020. 1990—2017年河北省易县土地利用时空格局动态变化. 中国农业资源与区划，41（1）：242-249.

Dong Guang, He Lan, Wang Yiji, Xiong Ruidong, and Chen Wuxue. 2020. Study on Spatio-Temporal Pattren of Land Use Change in Yi County, Hebei Province from 1990 To 2017. Chinese Journal of Agricultural Resources and Regional Planning, 41(1): 242-249.

杜钧，薛明. 2018. 研发中的美国强天气（龙卷、大冰雹和局地强降水）预报系统FACETs. 气象科技进展，8（2）：6-7.

Du Jun and Xue Ming. 2018. FACETs, A Prediction System for Severe Weather (Tornado, Large Hail, and Local Heavy Precipitation) in the United States, Under Development. Advances in Meteorological Science and Technology, 8(2): 6-7.

Eakin H and Luers A L. 2006. Assessing the Vulnerability of Social-Environmental Systems. Annual Review of Environment and Resources, 31: 365-394.

Ebi K L and Schmier J K. 2005. A Stitch in Time: Improving Public Health Early Warning Systems for Extreme Weather Events. Epidemiologic Reviews, 27: 115-121.

范永芬，高爱凤. 2013. 重症中暑32例的集束化治疗与护理. 中国乡村医药，20（9）：43-44.

Fan Yongfen and Gao Aifeng. 2013. Clustering Treatment and Care of 32 Cases of Severe Heat Stroke. Chinese Journal of Rural Medicine and Pharmacy, 20(9): 43-44.

方道奎，周国宏，冯锦姝，季佳佳，余淑苑. 2019. 深圳市高温热浪健康风险指数的建立和应用评估. 环境卫生学杂志，9（1）：14-18.

Fan Daokui, Zhou Guohong, Feng Jinzhu, Ji Jiajia, and Yu Shuyuan. 2019. Establishment and Evaluation on Health Risk Index of Heat Wave in Shenzhen. Journal of Environmental Hygiene, 9(1): 14-18.

付文娟，郭冬梅，王瑛，易桂林. 2020. 2009—2017年武汉市中暑流行病学特征及气象影响. 职业与健康，36（8）：1087-1090.

Fu Wenjuan, Guo Dongmei, Wang Ying, and Yi Guilin. 2020. Epidemiological Characteristics and Meteorological Effects of Heatstroke in Wuhan City from 2009 to 2017. Occupation and Health, 36(8): 1087-1090.

Gao X, Schlosser C A, and Morgan E R. 2018a. Potential Impacts of Climate Warming and Increased Summer Heat Stress On the Electric Grid: A Case Study for a Large Power Transformer (Lpt) in the Northeast United States. Climatic Change, 147(1): 107-118.

Gao X J, Wu J, Shi Y, Wu J, Han Z Y, Zhang D F, Tong Y, Li R K, Xu Y, and Giorgi F. 2018b. Future Changes in Thermal Comfort Conditions Over China Based On Multi-Regcm4 Simulations. Atmospheric and Oceanic Science Letters, 11(4): 291-299.

Garcia R, Calantone R, and Levine R. 2003. The Role of Knowledge in Resource Allocation to Exploration Versus Exploitation in Technologically Oriented Organizations. Decision Sciences, 34(2): 323-349.

Goldie J, Alexander L, Lewis S C, and Sherwood S. 2017. Comparative Evaluation of Human Heat Stress Indices On Selected Hospital Admissions in Sydney, Australia. Australian and New Zealand Journal of Public Health, 41(4): 381-387.

葛全胜，郑景云，郝志新，张学珍，方修琦，王欢，闫军辉. 2014. 过去2000年中国气候变化研究的新进展. 地理学报，69（9）：1248-1258.

Ge Quansheng, Zheng Jingyun, Hao Zhixin, Zhang Xuezhen, Fang Xiuqi, Wang Huan, and Yan Junhui. 2014. State-of-the-Arts in the Study of Climate Changes over China for the Past 2000 Years. Acta Geographica Sinica, 69(9): 1248-1258.

郭禹慧，黄晓军，郑殿元，李艳雨. 2021. 极端高温胁迫下中国城市脆弱性格局与影响因素. 热带地理，41（3）：596-608.

Guo Yuhui, Huang Xiaojun, Zheng Dianyuan, and Li Yanyu. 2021. Urban Vulnerability Pattern and Influencing Factors under Extreme Heat Stress in China. Tropical Geography, 41(3): 596-608.

Haines A, Kovats R S, Campbell-Lendrum D, and Corvalan C. 2006. Climate Change and Human Health: Impacts, Vulnerability, and Mitigation. The Lancet, 367(9528): 2101-2109.

Han J, Liu S, Zhang J, Zhou L, Fang Q, Zhang J, and Zhang Y. 2017. The Impact of Temperature Extremes On Mortality: A Time-Series Study in Jinan, China. BMJ Open, 7(4): e14741.

He G H, Xu Y J, Hou Z L, Ren Z P, Zhou M G, Chen Y, Zhou C L, Xiao Y Z, Yu M, Huang B A, Xu X J, Lin L F, Liu T, Xiao J P, Gong W W, Hu R Y, Li J H, Jin D H, Qin M F, Zhao Q L, Yin P, Xu Y Q, Hu J X, Zeng W L, Li X, Chen S Q, Guo L, Huang C R, Yang X F, and Ma W J. 2021. The Assessment of Current Mortality Burden and Future Mortality Risk Attributable to Compound Hot Extremes in China. Science of The Total Environment, 777: 146219.

Heaney A K, Carrión D, Burkart K, Lesk C, and Jack D. 2019. Climate Change and Physical Activity: Estimated Impacts of Ambient Temperatures On Bikeshare Usage in New York City. Environmental Health Perspectives, 127(3): 37002.

Hu W, Kerrie M, Anthony M, and Shilu T. 2008. Temperature, Air Pollution and Total Mortality During Summers in Sydney, 1994-2004. International Journal of Biometeorology, 52(7): 689-696.

Huang X, Wang B, Liu M, Guo Y and Li Y. 2020. Characteristics of Urban Extreme Heat and Assessment of Social Vulnerability in China. Geographical Research, 39(7): 1534-1547.

Huang Y, Yang J, Chen J, Shi H, and Lu X. 2022. Association between Ambient Temperature and Age-Specific Mortality From the Elderly: Epidemiological Evidence From the Chinese Prefecture with Most Serious Aging. Environmental Research, 211: 113103.

海南气候中心. 2018. 海南省地方标准：旅游气候舒适度评价（DB46/T 461-2018）. 海口：海南省市场监督管理局.

Hainan Climate Center. 2018. Local Standards of Hainan Province: Evaluation on Climate Comfort Degree of Tourism(DB46/T 461-2018). Haikou: Market Supervision Administration of Hainan Province.

扈海波，熊亚军. 2015. 城市极端高温灾害研究综述. 气象科技进展，5（1）：18-22.

Hu Haibo and Xiong Yajun. 2015. A Research Summary of Extreme Heat Wave. Advances in Meteorological Science and Technology, 5(1): 18-22.

黄晓军，祁明月，赵凯旭，郑殿元，刘萌萌. 2021. 高温影响下西安市人口脆弱性评估及其空间分异. 地理研究，40（6）：1684-1700.

Huang Xiaojun, Qi Mingyue, Zhao Kaixu, Zheng Dianyuan, and Liu Mengmeng. 2021. Assessment of Population Vulnerability to Heat Stress and Spatial Differentiation in Xi'an. Geographical Research, 40(6): 1684-1700.

IPCC. 2007. Impacts, Adaptation & Vulnerability, IPCC Working Group-Ii, IPCC 4Th Assessment Report. Cambridge&New York: Cambridge University Press.

Janssen M A, Schoon M L, Ke W, and Börner K. 2006. Scholarly Networks On Resilience, Vulnerability and Adaptation within the Human Dimensions of Global Environmental Change. Global Environmental Change, 16(3): 240-252.

Johnson D P, Stanforth A, Lulla V and Luber G. 2012. Developing an Applied Extreme Heat Vulnerability Index Utilizing Socioeconomic and Environmental Data. Applied Geography, 35(1): 23-31.

Kim E and Kim H. 2017. Effect Modification of Individual- And Regional-Scale Characteristics On Heat Wave-Related Mortality Rates between 2009 and 2012 in Seoul, South Korea. Science of The Total Environment, 595: 141-148.

孔锋. 2020. 中国人居环境气候舒适度的多时相尺度评价及区域差异研究. 干旱区资源与环境，34（3）：102-111.

Kong Feng. 2020. Multi-Temporal Scale Assessment of Climate Comfort of Habitat Environment and Spatial Differences in China. Journal of Arid Land Resources and Environment, 34(3): 102-111.

Lee W K, Lee H A, Lim Y H, and Park H. 2016. Added Effect of Heat Wave On Mortality in Seoul, Korea. International Journal of Biometeorology, 60(5): 719-726.

Li D, Zhou T, Zou L, Zhang W, and Zhang L. 2018. Extreme High-Temperature Events Over East Asia in 1.5°C and 2°C Warmer Futures: Analysis of Ncar Cesm Low-Warming Experiments. Geophysical Research Letters, 45(3): 1541-1550.

Luber G and Mcgeehin M. 2008. Climate Change and Extreme Heat Events. American Journal of Preventive Medicine, 35(5): 429-435.

兰莉，林琳，杨超，梁巍. 2016. 哈尔滨市高温热浪健康风险早期预警系统运行效果评估. 中国公共卫生管理，32（4）：441-443.

Lan Li, Lin Lin, Yang Chao, and Liang Wei. 2016. Assessment on Heat Wave and Health Risks Early Warning System in Harbin. Chinese Journal of Public Health Management, 32(4): 441-443.

李鹤，张平宇，程叶青. 2008. 脆弱性的概念及其评价方法. 地理科学进展，27（2）：18-25.

Li He, Zhang Pinyu, and Chen Yeqing. 2008. Concepts and Assessment Methods of Vulnerability. Progress in Geography, 27(2): 18-25.

李鹤，张平宇. 2011. 全球变化背景下脆弱性研究进展与应用展望. 地理科学进展，30（7）：920-929.

Li He and Zhang Pinyu. 2011. Research Progress and Prospective Applications of Vulnerability Approach under Global Change. Progress in Geography, 30(7): 920-929.

李欢欢，张明顺. 2020. 北京市高温热浪健康风险评估框架及应用. 环境与健康杂志，37（1）：58-65.

Li Huanghuan and Zhang Mingshun. 2020. Framework and Application of Health Risk Assessment for Heat Wave in Beijing. Journal of Environment and Health, 37(1): 58-65.

李文勇. 2008. 近三十年来厦门市气候的变化. 亚热带农业研究，4（1）：50-53.

Li Wenyong. 2008. Climate Change of Xiamen City in Recent 30 Years. Subtropical Agriculture Research, 4(1): 50-53.

连欣欣，刘兴诏，李倩，林赛男，陈玥忻. 2021. 城市“蓝绿空间”的降温效应研究进展. 南方林业科学，49（2）：68-72.

Lian Xinxin, Liu Xingzhao, Li Qian, Lin Sainan, and Chen Yuexin. 2021. Research Advances on the Cooling Effect of"Urban Blue-Green Space". South China Forestry Science, 49(2): 68-72.

林荣惠，庄毅斌，李丽容. 2020. 近50年漳州市高温热浪特征研究. 福建热作科技，45（4）：23-25.

Lin Ronghui, Zhuang Yibin, and Li Lirong. 2020. Study on the High Temperature Character at Zhangzhou in Recent 50 Years. Fujian Science & Technology of Tropical Crops, 45(4): 23-25.

刘会军，危国飞，吴启树. 2018. FZ-MOS预报系统24 h高低温预报的偏差订正研究//中国气象学会. 第35届中国气象学会年会论文集. 合肥：中国气象学会，1033-1035.

Liu Huijun, Wei Guofei, and Wu Qishu. 2018. Study on the Deviation Revision of 24h High and Low Temperature Forecast by FZ-MOS Forecasting System. In: Chinese Meteorological Society. Collection of Papers of the 35th Annual Meeting of the Chinese Meteorological Society. Hefei: Chinese Meteorological Society, 1033-1035.

罗晓玲，杜尧东，郑璟. 2016. 广东高温热浪致人体健康风险区划. 气候变化研究进展，12（2）：139-146.

Luo Xiaolin, Du Yaodong, and Zheng Jing. 2016. Risk Regionalization of Human Health Caused by High Temperature & Heat Wave in Guangdong Province. Climate Change Research, 12(2): 139-146.

吕明辉，李焕连，成秀虎，姚秀萍. 2021. 气象灾害预警与评估的研究及实践. 气象科技进展，11（4）：183-185.

Lv Minghui, Li Huanlian, Cheng Xiuhu, and Yao Xiupin. 2021. Research and Practice of Meteorological Disaster Early Warning Assessment. Advances in Meteorological Science and Technology, 11(4): 183-185.

Mccarthy J J, Canziani O F, Leary N A, Dokken D J, and White K S. 2001. Climate Change 2001: Impacts, Adaptation, and Vulnerability: Contribution of Working Group Ii to the Third Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge&New York: Cambridge University Press.

Meehl G A and Tebaldi C. 2004. More Intense, More Frequent, and Longer Lasting Heat Waves in the 21St Century. Science, 305(5686): 994-997.

Mora C, Dousset B, Caldwell I R, Powell F E, Geronimo R C, Bielecki C R, Counsell C W W, Dietrich B S, Johnston E T, Louis L V, Lucas M P, Mckenzie M M, Shea A G, Tseng H, Giambelluca T W, Leon L R, Hawkins E, and Trauernicht C. 2017. Global Risk of Deadly Heat. Nature Climate Change, 7(7): 501-506.

National Research Council. 2010. Understanding the Changing Planet: Strategic Directions for the Geographical Sciences. Washington D C: The National Academies Press.

Nitschke M, Tucker G, Hansen A, Williams S, Zhang Y, and Bi P. 2016. Evaluation of a Heat Warning System in Adelaide, South Australia, Using Case-Series Analysis. BMJ Open, 6(7): e12125.

牛彦麟，杨军，林华亮，薛涛，高源，李文，王君，刘起勇. 2022. 高温热浪对北京市居民死亡影响附加效应. 中国公共卫生，38（3）：344-350.

Niu Yanlin, Yang Jun, Lin Hualiang, Xue Tao, Gao Yuan, Li Wen, Wang Jun, and Liu Qiyong. 2022. Added Effect of Heat Waves on Mortality in Residents of Beijing, 2007-2013. Chinese Journal of Public Health, 38(3): 344-350.

Oleson K W, Anderson G B, Jones B, Mcginnis S A, and Sanderson B. 2018. Avoided Climate Impacts of Urban and Rural Heat and Cold Waves Over the U.S. Using Large Climate Model Ensembles for Rcp8.5 and Rcp4.5. Climatic Change, 146(3): 377-392.

Orlov A, Sillmann J, Aaheim A, Aunan K, and de Bruin K. 2019. Economic Losses of Heat-Induced Reductions in Outdoor Worker Productivity: A Case Study of Europe. Economics of Disasters and Climate Change, 3(3): 191-211.

彭保发，石忆邵，王贺封，王亚力. 2013. 城市热岛效应的影响机理及其作用规律——以上海市为例. 地理学报，68（11）：1461-1471.

Pen Baofa, Shi Yishao, Wang Hefeng, and Wang Yali. 2013. The Impacting Mechanism and Laws of Function of Urban Heat Islands Effect: A Case Study of Shanghai. Acta Geographica Sinica, 68(11): 1461-1471.

彭建，刘焱序，潘雅婧，赵志强，宋治清，王仰麟. 2014. 基于景观格局—过程的城市自然灾害生态风险研究：回顾与展望. 地球科学进展，29（10）：1186-1196.

Pen Jian, Liu Yanxu, Pan Yajing, Zhao Zhiqiang, Song Zhiqing, and Wang Yanglin. 2014. Study on the Correlation between Ecological Risk due to Natural Disaster and Landscape Pattern-Process: Review and Prospect. Advances in Earth Science, 29(10): 1186-1196.

乔治，贺曈，卢应爽，孙宗耀，徐新良，杨俊. 2022. 全球气候变化背景下基于土地利用的人类活动对城市热环境变化归因分析——以京津冀城市群为例. 地理研究，41（7）：1932-1947.

Qiao Zhi, He Tong, Lu Yingshuang, Sun Zongyao, Xu Xinliang, and Yang Jun. 2022. Quantifying the Contribution of Land Use Change Based on the Effects of Global Climate Change and Human Activities on Urban Thermal Environment in the Beijing-Tianjin-Hebei Urban Agglomeration. Geographical Research, 41(7): 1932-1947.

Reid C E, O'Neill M S, Gronlund C J, Brines S J, Brown D G, Diez-Roux A V, and Schwartz J. 2009. Mapping Community Determinants of Heat Vulnerability. Environmental Health Perspectives, 117(11): 1730-1736.

Seneviratne S I, Zhang X, Adnan M, Badi W, Dereczynski C, Luca A D, Ghosh S, Iskandar I, Kossin J, Lewis S, Otto F, Pinto I, Satoh M, Vicente-Serrano S M, Wehner M, and Zhou B. 2021. Weather and Climate Extreme Events in a Changing Climate. In: Masson-Delmotte V, Zhai P, Pirani A, Connors S L, Péan C, Berger S, Caud N, Chen Y, Goldfarb L, Gomis M I, Huang M, Leitzell K, Lonnoy E, Matthews J B R, Maycock T K, Waterfield T, Yelekçi O, Yu R, and Zhou B. Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge&New York: Cambridge University Press.

Smith M T, Reid M, Kovalchik S, Woods T O, and Duffield R. 2018. Heat Stress Incident Prevalence and Tennis Matchplay Performance at the Australian Open. Journal of Science and Medicine in Sport, 21(5): 467-472.

Stevens F R, Gaughan A E, Linard C, and Tatem A J. 2015. Disaggregating Census Data for Population Mapping Using Random Forests with Remotely-Sensed and Ancillary Data. PLoS One, 10(2): e107042.

Sun Y, Zhang X, Zwiers F W, Song L, Wan H, Hu T, Yin H, and Ren G. 2014. Rapid Increase in the Risk of Extreme Summer Heat in Eastern China. Nature Climate Change, 4(12): 1082-1085.

Sylla M B, Faye A, Giorgi F, Diedhiou A, and Kunstmann H. 2018. Projected Heat Stress Under 1.5°C and 2°C Global Warming Scenarios Creates Unprecedented Discomfort for Humans in West Africa. Earth's Future, 6(7): 1029-1044.

史培军，王静爱，陈婧，叶涛，周洪建. 2006. 当代地理学之人地相互作用研究的趋向——全球变化人类行为计划（IHDP）第六届开放会议透视. 地理学报，61（2）：115-126.

Shi Peijun, Wang Jing'ai, Chen Jing, Ye Tao, and Zhou Hongjian. 2006. The Future of Human-Environment Interaction Research in Geography: Lessons from the 6th Open Meeting of IHDP. Acta Geographica Sinica, 61(2): 115-126.

税伟，陈志淳，邓捷铭，李雅婧，王前锋，王武林，陈毅萍. 2017. 耦合适应力的福州市高温脆弱性评估. 地理学报，72（5）：830-849.

Shui Wei, Chen Zhichun, Deng Jieming, Li Yajing, Wang Qianfeng, Wang Wulin, and Chen Yipin. 2017. Evaluation of Urban High Temperature Vulnerability of Coupling Adaptability in Fuzhou, China. Acta Geographica Sinica, 72(5): 830-849.

孙健，白静玉. 2016. 国家突发事件预警信息发布系统的建设与应用. 中国应急管理，（6）：77-79.

Sun Jian and Bai Jingyu. 2016. Construction and Application of National Emergency Warning Information Dissemination System. China Emergency Management, (6): 77-79.

孙庆华，班婕，陈晨，李湉湉. 2015. 高温热浪健康风险预警系统研究进展. 环境与健康杂志，32（11）：1026-1030.

Sun Qinghua, Ban Jie, Chen Chen, and Li Tiantian. 2015. Heat Waves Health Risk Early Warning System: A Review of Recent Studies. Journal of Environment and Health, 32(11): 1026-1030.

孙洋，卢毅，熊先明，吴敏. 2017. 四川省21市州城市自然灾害脆弱性评估研究. 自然灾害学报，26（4）：116-124.

Sun Yang, Lu Yi, Xiong Xianming, and Wu Min. 2017. Study of Urban Natural Disaster Vulnerability Assessment on the 21 Cities of Sichuan Province. Journal of Natural Disasters, 26(4): 116-124.

Tesfaye K, Zaidi P H, Gbegbelegbe S, Boeber C, Rahut D B, Getaneh F, Seetharam K, Erenstein O, and Stirling C. 2017. Climate Change Impacts and Potential Benefits of Heat-Tolerant Maize in South Asia. Theoretical and Applied Climatology, 130(3): 959-970.

Timmerman P. 1981. Vulnerability, Resilience and the Collapse of Society: A Review of Models and Possible Climatic Applications. Toronto: Institute for Environmental Studies, University of Toronto.

Toloo G S, Fitzgerald G, Aitken P, Verrall K, and Tong S. 2013. Are Heat Warning Systems Effective? Environmental Health, 12(1): 27.

Turner B L, Matson P A, Mccarthy J J, Corell R W, Christensen L, Eckley N, Hovelsrud-Broda G K, Kasperson J X, Kasperson R E, Luers A, Martello M L, Mathiesen S, Naylor R, Polsky C, Pulsipher A, Schiller A, Selin H, and Tyler N. 2003. Illustrating the Coupled Human-Environment System for Vulnerability Analysis: Three Case Studies. Proceedings of the National Academy of Sciences, 100(14): 8080-8085.

谈建国，殷鹤宝，林松柏，Kalkstein L S，黄家鑫，邵德民. 2002. 上海热浪与健康监测预警系统. 应用气象学报，（3）：356-363.

Tan Jianguo, Yin Hebao, Lin Songbai, Kalkstein L S, Huang Jiaxin, and Shao Demin. 2002. Shanghai Heat Wave/Health Warning System. Journal of Applied Meteorological Science, (3): 356-363.

滕五晓. 2019. 新时代国家应急管理体制：机遇、挑战与创新. 人民论坛·学术前沿，（5）：36-43.

Ten Wuxiao. 2019. The Innovation and Development of National Emergency Management System in the New Era. Renming Luntan·Xueshu Qianyan, (5): 36-43.

Vogel E, Donat M G, Alexander L V, Meinshausen M, Ray D K, Karoly D, Meinshausen N, and Frieler K. 2019. The Effects of Climate Extremes On Global Agricultural Yields. Environmental Research Letters, 14(5): 54010.

Weber S, Sadoff N, Zell E, and de Sherbinin A. 2015. Policy-Relevant Indicators for Mapping the Vulnerability of Urban Populations to Extreme Heat Events: A Case Study of Philadelphia. Applied Geography, 63: 231-243.

Wolf T and Mcgregor G. 2013. The Development of a Heat Wave Vulnerability Index for London, United Kingdom. Weather and Climate Extremes, 1: 59-68.

Wu C, Shui W, Yang H, Ma M, Zhu S, Liu Y, Li H, Wu F, Wu K, and Sun X. 2022. Heat Adaptive Capacity: What Causes the Differences Between Residents of Xiamen Island and Other Areas? Frontiers in Public Health, 10: 799365.

汪庆庆，李永红，丁震，周连，陈晓东，金银龙. 2014. 南京市高温热浪与健康风险早期预警系统试运行效果评估. 环境与健康杂志，31（5）：382-384.

Wang Qingqing, Li Yonghong, Ding Zhen, Zhou Lian, Chen Xiaodong, and Jin Yinlong. 2014. Assessment on Heat-Wave and Health Risks Early Warning System in Nanjing. Journal of Environment and Health, 31(5): 382-384.

王芳，张晋韬，葛全胜，郝志新. 2021. “一带一路”沿线区域21世纪极端高温热浪风险预估. 科学通报，66（23）：3045-3058.

Wang Fan, Zhang Jintao, Ge Quansheng, and Hao Zhixin. 2021. Projected Changes in Risk of Heat Waves Throughout Belt and Road Region in the 21st Century. Chinese Science Bulletin, 66(23): 3045-3058.

王佳佳，郭玉明，李国星，E Wichmann H，潘小川. 2009. 日最高气温与医院心脑血管疾病急诊人次关系的病例交叉研究. 环境与健康杂志，26（12）：1073-1076.

Wang Jiajia, Guo Yuming, Li Guoxing, E Wichmann H, and Pan Xiaochuang. 2009. Association of Maximum Temperature between Daily Hospital Emergency Visits for Cardiovascular and Cerebrovascular Diseases: A Case-Crossover Study. Journal of Environment and Health, 26(12): 1073-1076.

王珂靖，蔡红艳，杨小唤. 2016. 多元统计回归及地理加权回归方法在多尺度人口空间化研究中的应用. 地理科学进展，35（12）：1494-1505.

Wang Kejing, Cai Hongyan, and Yang Xiaohuan. 2016. Multiple Scale Spatialization of Demographic Data with Multi-Factor Linear Regression and Geographically Weighted Regression Models. Progress in Geography, 35(12): 1494-1505.

王黎明，关庆锋，冯仁国，郑景云. 2003. 全球变化视角下人地系统研究面临的几个问题探讨. 地理科学，23（4）：391-397.

Wang Liming, Guan Qingfeng, Feng Renguo, and Zheng Jingyun. 2003. Problems of Man-Land Relationship System Theory under Global Change. Scientia Geographica Sinica, 23(4): 391-397.

王太然，蔡柠泽，吴晗. 2020. 2018年夏季吉林省持续异常高温天气及副热带高压异常维持的成因分析. 气象灾害防御，27（2）：5-8.

Wang Tairan, Cai Ningze, and Wu Han. 2020. Analysis of the Causes of Persistent Abnormal High Temperature Weather and Abnormal Maintenance of Subtropical High Pressure in Jilin Province in Summer 2018. Meteorological Disaster Prevention, 27(2): 5-8.

蔚丹丹，李山，张粮锋，罗轶，史正燕. 2021. 旅游气候舒适性评价：模型优化与中国案例. 旅游学刊，36（5）：14-28.

Wei Dandan, Li Shan, Zhang Liangfeng, Luo Yi, and Shi Zhengyan. 2021. Evaluate Tourism Climate Using Modified Holiday Climate Index in China. Tourism Tribune, 36(5): 14-28.

厦门市气象局. 2021. 2020年厦门市气候年报. （2021-12-13） [2024-01-05]. [Xiamen Meteorological Bureau. 2021. Xiamen Climate Annual Report 2020. (2021-12-13) [2024-01-05]. http://fj.cma.gov.cn/xmsqxj/qxfw/qhfw/202112/P0202112135665462157 17.pdf.

厦门市人民政府. 2021. 厦门概况. （2021-05-10） [2022-03-20]. [People's Government of Xiamen City. 2021. Xiamen Overview. (2021-05-10) [2022-03-20]. https://www.xm.gov.cn/zjxm/.

奚用勇，杨敏娟，王文朋，黄云彪，赵宜静. 2019. 2013—2017年上海浦东新区高温中暑死亡病例流行病学特征. 环境与健康杂志，36（1）：61-64.

Xi Yongyong, Yang Minjuan, Wang Wenpeng, Huang Yunbiao, and Zhao Yijing. 2019. Epidemiological Characteristics of Heat Stroke Deaths in Pudong New Area, Shanghai, 2013-2017. Journal of Environment and Health, 36(1): 61-64.

谢盼，王仰麟，刘焱序，彭建. 2015a. 基于社会脆弱性的中国高温灾害人群健康风险评价. 地理学报，70（7）：1041-1051.

Xie Pan, Wang Yanglin, Liu Yuanxu, and Pen Jian. 2015a. Incorporating Social Vulnerability to Assess Population Health Risk due to Heat Stress in China. Acta Geographica Sinica, 70(7): 1041-1051.

谢盼，王仰麟，彭建，刘焱序. 2015b. 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. 地理科学进展，34（2）：165-174.

Xie Pan, Wang Yanglin, Pen Jian, and Liu Yuanxu. 2015b. Health Related Urban Heat Wave Vulnerability Assessment: Research Progress and Framework. Progress in Geography, 34(2): 165-174.

新华网. 2019. 习近平在中央政治局第十九次集体学习时强调充分发挥我国应急管理体系特色和优势积极推进我国应急管理体系和能力现代化. （2019-11-30） [2024-01-05]. [Xinhua Net. 2019. At the 19th Collective Study of the Political Bureau of the Central Committee, Xi Jinping Stressed that the Characteristics and Advantages of China's Emergency Management System Should Be Fully Exploited to Actively Promote the Upgrading of China's Emergency Management System and Capabilities. (2019-11-30) [2024-01-05]. https://www.mem.gov.cn/xw/ztzl/xxzl/201911/t20191130_341797.shtml.

许明佳，程薇. 2015. 2010—2014年上海市金山区高温中暑流行特征及其与气温的关系. 职业与健康，31（19）：2657-2659.

Xu Mingjia and Chen Wei. 2015. Epidemiological Features of Heat Stroke and Relationship with Temperature in Jinshan District of Shanghai from 2010-2014. Occupation and Health, 31(19): 2657-2659.

许遐祯，郑有飞，尹继福，吴荣军. 2011. 南京市高温热浪特征及其对人体健康的影响. 生态学杂志，30（12）：2815-2820.

Xu Xiazhen, Zheng Youfei, Yin Jifu, and Wu Rongjun. 2011. Characteristics of High Temperature and Heat Wave in Nanjing City and Their Impacts on Human Health. Chinese Journal of Ecology, 30(12): 2815-2820.

薛倩，谢苗苗，郭强，王亚男，武蓉蓉，刘琦. 2020. 地理学视角下城市高温热浪脆弱性评估研究进展. 地理科学进展，39（4）：685-694.

Xue Qing, Xie Miaomiao, Guo Qiang, Wang Yanan, Wu Rongrong, and Liu Qi. 2020. Research Progress on Urban Heat Wave Vulnerability Assessment: A Geographical Perspective. Progress in Geography, 39(4): 685-694.

Yin P, Chen R, Wang L, Liu C, Niu Y, Wang W, Jiang Y, Liu Y, Liu J, Qi J, You J, Zhou M, and Kan H. 2018. The Added Effects of Heatwaves On Cause-Specific Mortality: A Nationwide Analysis in 272 Chinese Cities. Environment International, 121: 898-905.

Yin Q and Wang J. 2017. The Association Between Consecutive Days' Heat Wave and Cardiovascular Disease Mortality in Beijing, China. BMC Public Health, 17(1): 223.

Young O R, Berkhout F, Gallopin G C, Janssen M A, Ostrom E, and van der Leeuw S. 2006. The Globalization of Socio-Ecological Systems: An Agenda for Scientific Research. Global Environmental Change, 16(3): 304-316.

央视网. 2021. 专家解读：北半球多地为何会出现罕见高温? （2021-07-06）[2022-09-17]. [CCTV. 2021. Experts Explain: Why There Were Rare High Temperatures in Many Parts of the Northern Hemisphere? (2021-07-06) [2022-09-17]. http://tv.cctv.com/2021/07/06/VIDEftYrFMjHFgpJdjNmQHiO210706.shtml.

俞国良，陈婷婷，赵凤青. 2020. 气温与气温变化对心理健康的影响. 心理科学进展，28（8）：1282-1292.

Yu Guoliang, Chen Tingting, and Zhao Fengqing. 2020. The Influence of Air Temperature and Temperature Variability on Mental Health. Advances in Psychological Science, 28(8): 1282-1292.

俞龑韬，孙中兴，蒋元强，江松，盛峰松. 2018. 2011—2017年上海市松江区夏季高温天气特点和居民中暑发病的关系. 上海预防医学，30（10）：856-860.

Yu Yantao, Sun Zhongxing, Jiang Yuanqiang, Jiang Song, and Sheng Fengsong. 2018. Relationship between Characteristics of High Temperature in Summer and Incidence of Heat Stroke in Residents in Songjiang District of Shanghai, 2011-2017. Shanghai Journal of Preventive Medicine, 30(10): 856-860.

袁成松，严明良，王秋云，包云轩. 2012. 沪宁高速公路高温预警指标及预报模型的研究. 气象科学，32（2）：210-218.

Yuan Chengsong, Yan Mingliang, Wang Qiuyun, and Bao Yunxuan. 2012. Study on Forewarning Indexes and Forecasting Models of the High Temperature Weathers on the Shanghai-Nanjing Expressway. Journal of the Meteorological Sciences, 32(2): 210-218.

Zhang X, Liu L Y, Chen X D, Gao Y, Xie S, and Mi J. 2021. Glc_Fcs30: Global Land-Cover Product with Fine Classification System at 30 m Using Time-Series Landsat Imagery. Earth System Science Data, 13(6): 2753-2776.

Zhao L, Oppenheimer M, Zhu Q, Baldwin J W, Ebi K L, Bou-Zeid E, Guan K, and Liu X. 2018. Interactions between Urban Heat Islands and Heat Waves. Environmental Research Letters, 13(3): 34003.

Zhou T, Ren L, Liu H, and Lu J. 2018. Impact of 1.5°C and 2.0°C Global Warming on Aircraft Takeoff Performance in China. Science Bulletin, 63(11): 700-707.

Zhou Y, Guan H, Huang C, Fan L, Gharib S, Batelaan O, and Simmons C. 2019. Sea Breeze Cooling Capacity and its Influencing Factors in a Coastal City. Building and Environment, 166: 106408.

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

Zhao Yanchuang, Zhao Xiaofeng, and Liu Lele. 2016. Spatial Pattern Analysis on Human Health Risk of Heatwave in Xiamen City. Journal of Geo-Information Science, 18(8): 1094-1102.

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

Zheng Xuemei, Wang Yi, Wu Xiaoying, Qi Xi and Qi Xinhua. 2016. Comparison of Heat Wave Vulnerability between Coastal and Inland Cities of Fujian Province in the Past 20 Years. Progress in Geography, 35(10): 1197-1205.

中国气象爱好者. 2022. 今年为什么热成这样？2022超强高温的底层逻辑. （2022-08-19）[2022-09-17]. [Chinese Weather Enthusiasts. 2022. Why Is It So Hot This Year? The Underlying Logic of 2022 Super High Temperature. (2022-08-19) [2022-09-17]. https://baijiahao.baidu.com/s?id=1741599692181321063&wfr=spider&for=pc.

中国气象局. 2008. 中国气象局第16号令《气象灾害预警信号发布与传播办法》. （2008-06-12）[2022-09-19]. [China Meteorological Administration. 2008. China Meteorological Administration Order No. 16 "Measures for Issuing and Disseminating Meteorological Disaster Warning Signals. (2008-06-12) [2022-09-19]. http://www.cma.gov.cn/2011zwxx/2011zflfg/2011zbmgz/201110/t20111027135190.html.

中国气象局. 2011. 中华人民共和国国家标准：人居环境气候舒适度评价（GB/T 27963-2011）. 北京：中华人民共和国国家质量监督检验检验总局，中国国家标准化管理委员会.

China Meteorological Bureau. 2011. National Standards of the People's Republic of China: Climatic Suitability Evaluating on Human Settlement(GB/T 27963-2011). Beijing: General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China.

中国气象局. 2014. 中华人民共和国气象行业标准：区域性高温天气过程等级划分（QX/T 228-2014）. 北京：中国气象局.

China Meteorological Bureau. 2014. Meteorological Industry Standard of the People's Republic of China: Classification of Regional High Temperature Weather Process(QX/T 228-2014). Beijing: China Meteorological Bureau.

中国气象局. 2019. 中华人民共和国气象行业标准：避暑旅游气候适宜度评价方法（QX/T 500-2019）. 北京：中国气象局.

China Meteorological Bureau. 2019. Meteorological Industry Standard of the People's Republic of China: Evaluation Method of Climate Suitability for the Cool Summer Tourism(QX/T 500-2019). Beijing: China Meteorological Bureau.

中国气象局. 2021. 第一次全国自然灾害综合风险普查技术规范: 全国气象灾害风险评估技术规范-高温（FXPC/QX P-06）. 北京：国务院第一次全国自然灾害综合风险普查领导小组办公室.

China Meteorological Bureau. 2021. Technical Specifications for the First Comprehensive National Natural Disaster Risk Survey: .National Technical Specification for Meteorological Disaster Risk Assessment-High Temperature(FXPC/QX P-06). Beijing: The Office of the Leading Group for the First National Comprehensive Natural Disaster Risk Census under the State Council.

Options
文章导航

/

〈 〉