《Journal of Environmental Management》:Machine learning early warning for urban heat risk with CMIP6 projections
编辑推荐:
Zecheng Li|Chng Saun Fong|Siti Hafizah Ab Hamid|Nasrin Aghamohammadi|Nik Meriam Sulaiman|Xue-Li Chen|Malin Song马来西亚吉隆坡马来亚大学高级研究学院,邮编50603摘要极
Zecheng Li|Chng Saun Fong|Siti Hafizah Ab Hamid|Nasrin Aghamohammadi|Nik Meriam Sulaiman|Xue-Li Chen|Malin Song
马来西亚吉隆坡马来亚大学高级研究学院,邮编50603
摘要
极端高温对城市韧性构成了日益严重的威胁,尤其是在快速城市化的干旱地区,那里的环境压力与社会脆弱性相互叠加。尽管与高温相关的风险正在上升,但现有的预警方法往往无法同时考虑社会人口脆弱性、空气污染等环境因素以及延迟暴露效应。本研究通过以亚利桑那州为试点,开发并验证了一种可迁移的城市高温预警框架,以弥补这一不足。我们整合了2010-2020年的多种高温脆弱性指数构建方法,结合温度、空气质量指标以及二氧化碳浓度,根据CMIP6 SSP1.2.6和SSP5.8.5情景,预测2025-2035年的高温相关死亡风险。通过时间序列分割和交叉验证,评估了多种统计模型和机器学习模型。结果表明,基于因子分析的高温脆弱性指数具有最稳定的预测性能,最终选定的岭回归模型的外部验证R2值为0.5288,时间序列交叉验证的平均R2值为0.5230。预测结果显示,在这两种情景下,死亡风险都会持续上升,且预测结果仍受未来高温脆弱性指数和空气质量指数走势假设的影响。为提升政策的实用性,我们将模型输出转化为可操作的重大高温风险等级工具。该框架注重计算效率、使用开源数据、采用考虑滞后效应的共暴露建模方法,并明确评估不确定性,为城市规划者和决策者设计针对性的高温适应策略提供了可扩展且基于证据的解决方案。
引言
在气候变化背景下,极端高温已成为一个日益严重的全球性问题,同时也对公共卫生构成更大威胁。2000年至2019年间,极端高温事件在全球范围内造成了沉重的死亡负担(Coates等人,2014年)。与1990年代相比,脆弱人群,尤其是老年人的死亡人数显著增加(Romanello等人,2024年)。这些趋势表明,无法用统一的分析方法来应对全球范围内的极端高温问题。需要建立以特定地区为基准的框架,以便了解当地资源、城市形态以及发展不平衡状况如何影响高温风险。在气候干燥且城市环境多样的情况下,高温导致的死亡人数不断增加,这使得该地区成为分析全球性危机的理想场所和试点区域(Smith等人,2024年;Qi等人,2025年)。
在此背景下,大量研究利用高温脆弱性指数来分析极端高温事件中高度脆弱人群的分布情况,研究发现老年人、独居者以及低收入群体尤其容易受到影响(Harlan等人,2006年;Reid等人,2009年)。同时,先前的流行病学研究也揭示了极端高温事件在短时间内发生的动态变化,以及温度与死亡率之间的显著关联(Gasparrini等人,2015年;Hajat等人,2007年)。然而,目前尚未开展针对高温风险的评估工作,以往的研究更多侧重于脆弱性分析,且依赖静态的社会经济特征。而暴露-响应模型通常只关注气象数据,其他潜在的影响因素,如空气污染,可能被单独考虑或未能得到充分重视(Orellano等人,2020年)。这样一来,综合后的高温风险被低估,不同城市发展水平、建筑物基础脆弱性以及气候类型条件下的高温风险判定也存在局限(Ebi等人,2021年),而且难以同时体现基础脆弱性和随时间变化的环境共暴露因素(Zafeiratou等人,2024年;Ding等人,2025年)。关于户外热舒适度和空气质量暴露的研究也表明,需要同时考虑热因素和大气因素(Salameh和Touqan,2025年),近期还有研究强调了使用轻量级系统进行空气质量预测的优势(Jayapradha等人,2025年;Drygval等人,2025年)。
高温风险预警系统应能够为多个地区提供预警信息,而不仅仅是某个特定区域。虽然近期有研究通过纳入事件持续时间和周边天气状况来完善极端高温的定义(Muhammad等人,2024年;Sa'adi等人,2024年),但实际的决策支持仍然依赖于将各种不同的决定因素整合到一个连贯且易于理解的框架之中。本研究提出的可迁移方法应做到:(1)将传统的脆弱性信息与常见的环境共暴露因素相结合;(2)降低模型复杂性,以提高其稳健性和可重复性,便于政策应用。具体而言,该框架应基于易于获取的公共数据集,计算量足够小以便实际应用,同时在预测未来风险时能明确体现不确定性。这种开发轻量级但功能完备的模型的方法,符合当前环境监测领域注重可扩展计算方法的总体趋势(Wang等人,2024年)。
为弥补这些不足,我们开发了一种可迁移的分析框架,该框架在传统高温脆弱性指数的基础上,加入了与空气质量相关的因素,通过统一的建模流程来量化高温健康风险。我们利用开源数据,以死亡率为健康结果指标,对比了多种统计模型和机器学习模型的性能,最终选择经过岭回归正则化处理后的线性模型,因其具有最高的稳健性和较好的泛化能力。根据不同的区域发展路径,即SSP1.2.6和SSP5.8.5情景,我们对高温风险进行了预测,并将预测结果划分为不同的风险等级,以便用于预警和准备工作的规划。
具体而言,我们的研究内容包括:(1)比较不同形式的高温脆弱性指数在高温健康风险预测中的应用效果;(2)通过时间序列分割和交叉验证方法,评估统计模型和机器学习模型的适用性;(3)判断变量滞后设计与等滞后设计哪种更为稳健;(4)通过急性高温替代指标的敏感性分析,确定月度建模方法的适用性;(5)将预测出的风险转化为分级的预警等级,以便及时传达,并为其他数据条件相似的炎热干旱地区提供参考。
章节节选
研究区域
亚利桑那州之所以能成为理想的自然实验室,主要有以下三个原因。该州总人口为7,151,502人,人口密度为每平方公里24人,其中65岁及以上的老年人口超过1,349,934人,且这一数字还在不断增长。在极端高温天气条件下,这些老年人往往是高温相关死亡病例的主要群体。该州涵盖15个县和4个柯本气候区,不仅气候逐渐变暖
指标总结
极端高温事件的加剧主要体现在美国不同地区的日常生活中的各类因素上。如图3所示,每月的死亡人数与最高气温以及高温脆弱性指数之间存在强烈的正相关关系,这体现了该威胁的复合性质,其中每月死亡人数与高温脆弱性指数的相关性最强(r=0.83,p<0.001)。
如图4所示,这些指标的时间趋势显示出十年间的显著变化。具体来说,我们观察到整体上呈现下降趋势
讨论
我们提出的简约型多因素预警系统整合了过去的气象数据、多尺度空气质量信息以及综合社会经济因素构成的高温脆弱性指数。该框架所需的开源数据可从GHCN、CDC WONDER、EPA和ACS等机构获取,因此便于快速应用于全球其他炎热干旱地区。该框架是一种轻量级且可重复使用的分析流程,而非仅适用于亚利桑那州的固定系数模型
结论
本研究建立了一个基于证据的高温健康预警系统框架,该框架充分考虑了社会人口脆弱性、具有滞后效应的环境暴露因素以及CMIP6模型下的气候预测结果。通过对不同高温脆弱性指数配置的比较,发现基于因子分析得出的高温脆弱性指数表现更为稳定。最终选用的模型为岭回归模型,该模型在保留现有暴露因素的同时,还加入了选定的滞后项,其外部验证R2值为0.5288,平均
资金支持
本研究得到了马来亚大学可持续发展中心(UM-SDC)在马来亚大学Living Labs @ UMSDC项目资助下的支持(项目编号:LL2024JNZ015)。作者Siti Hafizah Ab Hamid还获得了UM-SDC的研究资助。
CRediT作者贡献说明
Zecheng Li:数据整理、正式分析、方法设计、初稿撰写。Chng Saun Fong:方法设计、软件应用、初稿撰写。Siti Hafizah Ab Hamid:方法设计、指导监督、审稿与编辑。Nasrin Aghamohammadi:概念构建、研究调查、审稿与编辑。Nik Meriam Sulaiman:指导监督、可视化处理、初稿撰写及审稿与编辑。Xue-Li Chen:方法设计、可视化处理、审稿与编辑。Malin Song:
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。