从风险强度到风险不平等:解析高密度城市中的热健康风险空间差异及其成因

《Sustainable Cities and Society》:From risk intensity to risk inequality: Unraveling the spatial inequality and drivers of urban heat health risk in high-density cities

【字体: 大 中 小 】 时间:2026年07月02日 来源:Sustainable Cities and Society 13.3

编辑推荐:

  辛阳刘|思远王|志莉江 中国北京林业大学景观建筑学院,北京100083 **摘要** 热健康风险已成为影响城市福祉与长期社会可持续性的重要挑战。尽管人们越来越关注其空间分布及公平性问题,但关于风险强度与分布不平等之间关系的研究仍有进一步探索的空间。本研究将分析扩展到

  辛阳刘|思远王|志莉江
中国北京林业大学景观建筑学院,北京100083

**摘要**
热健康风险已成为影响城市福祉与长期社会可持续性的重要挑战。尽管人们越来越关注其空间分布及公平性问题,但关于风险强度与分布不平等之间关系的研究仍有进一步探索的空间。本研究将分析扩展到社区尺度,对风险分布结构进行诊断,并为北京的高密度区域构建了以环境正义为导向的空间诊断框架。首先,运用自组织映射技术以数据驱动的方式对建成环境进行分类,识别出八种空间类型。其次,采用HEVA评估框架量化热健康风险,同时结合局部基尼系数来描述社区尺度的风险分布特征。最后,运用CatBoost–SHAP模型识别解释变量间的非线性阈值效应。研究结果表明:(1)热健康风险存在显著的空间差异,密集的建成区面临更高的风险;(2)热健康风险的不平等主要源于空间形态的差异,风险强度与分布不平等之间存在明显的空间错配——高风险核心区域的贫富差距相对较小,而城市过渡区则存在明显的空间不平等;(3)青年人口比例和城市热岛效应是重要的影响因素,表明社会人口结构与热危害是决定热健康风险的关键因素,其次是CS(13.5%)、RD(12.7%)和MF(9.6%),反映出城市基础设施分布对缓解或加剧热健康风险差异的重要作用。本研究为高密度城市中热健康风险强度与局部不平等之间的空间错配提供了实证依据,同时也证明了局部基尼系数作为社区尺度诊断工具在识别风险分布不均衡方面的有效性。这些发现有助于识别那些可能被传统风险热点分析忽视的空间不平等区域,为基于环境正义的热适应规划提供决策支持。

**引言**
在全球气候变化与快速城市化的共同作用下,极端高温事件愈发频繁、剧烈且持续时间更长(Hess, 2023; Ye et al., 2025)。在人口密集的城市地区,人类活动的集中、建筑物的高密度以及地表特性的改变进一步加剧了城市热岛效应(Xu et al., 2024a)。大量研究表明,极端高温不仅会损害人体的体温调节能力,增加呼吸系统与心血管疾病的死亡率,从而对公共健康构成严重威胁(Dhainaut et al., 2003; Estoque et al., 2020a; Liu et al., 2022),还会通过社会经济不平等以及公共资源分配不均,加剧健康风险的时空差异(Fan et al., 2022)。世界卫生组织的报告及流行病学分析显示,过去二十年间,全球65岁及以上人群因高温导致的死亡人数增长了约85%(Romanello et al., 2023)。联合国减灾办公室也预测,如果当前气候趋势持续,2001年至2030年间极端温度事件的年发生次数可能会增加两倍(Reduction, 2022)。因此,在人口密集的城市中,对热相关健康风险进行严谨评估并采取有效缓解措施,已成为城市气候适应与环境正义研究中的重要课题。

早期关于热健康风险的研究主要聚焦于热危害或直接的热暴露,通常以地表温度或热指数作为主要分析指标(Chen et al., 2023)。虽然这种方法有助于识别热点区域,但往往忽视了社会脆弱性与适应能力的综合影响。近年来,针对热健康风险的研究不断拓展,日益复杂。源自克林顿风险三角模型的“危害-暴露-脆弱性”框架被政府间气候变化专门委员会采纳为全面评估热健康风险的核心概念模型(IPCC, 2023;BONGAARTS, 2024)。该模型强调了灾害强度、暴露程度与脆弱性特征之间的相互作用,从而弥补了单一热暴露分析的一些局限性。然而,在气候变化的背景下,风险不仅取决于危害、暴露与脆弱性的综合效应,还受不同社会群体在资源获取能力与空间应对能力上的差异影响(Guo et al., 2024a;O’Neill et al., 2005)。诸如医疗保健可及性、绿地资源以及公共降温设施等适应性资源,在极端高温事件中对于城市系统的缓冲与恢复能力起着关键作用(Chen et al., 2025;Wolch et al., 2020)。若忽视热适应这一维度,风险评估可能仅局限于环境强度层面,无法充分体现城市系统对极端高温的响应能力与韧性。为克服这一局限,吴等人(2019)提出了“危害-暴露-脆弱性-适应”多维度评估框架,用以分析城市系统及其人口对极端高温事件的抵御能力。

然而,不同的空间环境会深刻影响热健康风险的平均水平与聚集模式。杨等人(2025)发现,低层至中层建筑密集的区域对较高的热健康风险更为敏感,这类区域通常生态空间有限。马等人(2023a)指出,那些人口低收入、降温设施不足且难以获得优质医疗服务的老旧社区,往往既极其脆弱,又缺乏足够的适应能力。将环境与社会经济因素与城市空间形态相结合,能够更精准地识别出物理景观与社会结构相互交织的风险区域。因此,合适的空间划分对于建立将风险特征与治理措施相联系的分析框架至关重要。目前,许多研究采用Stewart和Oke提出的局部气候区划框架作为热环境分析的标准方法(Stewart et al., 2012)。该框架通过将城市区域划分为不同的建成面与自然面类型,为热环境研究提供了统一的尺度与结构,因此在城市热岛研究中得到广泛应用(Aslam & Rana, 2022;Zhou et al., 2023)。不过,局部气候区划通常依赖预定义的类别与规则匹配流程,导致分类体系相对僵化,难以完全反映特定城市建成环境的复杂多变特性(Ma et al., 2023a)。相比之下,无监督学习方法无需依赖预定义的类别结构,即可对多维度的建成环境指标进行全面分类(Liu et al., 2026)。这些方法通过数据驱动的过程识别空间单元之间的内在相似性与差异性,从而生成更能反映研究区域形态特征的空间类型,揭示不同城市形态之间的风险差异。

随着环境正义理念日益融入城市气候研究,与热健康风险相关的公平性问题也受到更多关注。现有研究为理解城市热健康公平性奠定了重要基础,主要通过识别高风险区域或比较不同社会群体及城市形态背景下的风险差异来实现(Petrovi? et al., 2021;Wu et al., 2024)。例如,郭等人(2025)对中国北方沿海城市进行了研究,探讨了城市空间形态与热健康风险之间的强度关系,发现了不同建成环境条件下风险强度的空间差异。尽管这种基于风险强度的方法有助于识别高风险区域,但它假设给定空间单元及其周边区域内的风险分布是均匀的。因此,需要进一步的分析来探究风险在相邻空间单元之间的分配过程,以及局部层面的潜在不平等现象。实际上,人口统计特征、社会经济状况及资源禀赋的差异不仅决定了风险的水平,还影响了风险的空间分配,进而导致热健康风险的不平等。由于居民对公平性的感知通常是通过与周围环境的比较形成的,因此风险不平等呈现出明显的社区参照结构,可被视为一种“社区参照”机制(Dickinson & Morrison, 2021)。虽然有一些研究探讨了不同地区群体是否面临不平等的热危害暴露,但其分析方法往往依赖于全局基尼系数或简单的均值比较(Wu et al., 2023)。尽管这些方法能够在宏观层面捕捉数值上的不平等,但却掩盖了局部层面的空间错配与风险分布不均,难以准确识别出不平等现象的核心所在。因此,关于热健康风险的研究应从衡量风险的数值大小转向分析空间分布的不平等。此外,以往大多数研究在探讨热健康风险分布不均的驱动因素时,多集中在解释风险水平的差异,而对产生风险不平等的机制关注不足。从方法论角度来看,传统的线性回归模型往往难以捕捉复杂的非线性关系与潜在的阈值效应,从而降低了规划策略的准确性(Zheng et al., 2023)。近年来,可解释机器学习方法,如随机森林(Zhang et al., 2025)和XGBoost模型(Wang et al., 2025),逐渐被应用于城市环境研究。这些方法能够有效处理高维多源数据,并建模非线性关系。同时,它们还能通过可解释的框架识别变量的相对重要性与局部依赖模式,从而确定降低高温风险不平等的关键指标阈值,为制定针对性的干预政策提供可靠的定量依据。

为弥补以往研究中的不足,本研究将无监督学习、多维度风险评估、局部基尼系数以及可解释机器学习整合为一个以环境正义为导向的热健康治理综合分析框架。本研究的主要贡献可归纳为两个方面:(1)基于形态识别、风险评估、不平等度量及政策相关阈值转换的空间诊断框架,本研究实证揭示了北京高密度城市区域中风险强度与不平等之间的空间错配,从而超越了传统热点管理的局限,将分析焦点从识别风险强度转向诊断风险分布的结构;(2)通过引入局部基尼系数,本研究从社区视角量化了热健康风险分布的局部差异,从而更细致地描述了不同空间单元之间的潜在分布失衡现象。本研究系统地揭示了高密度城市中热适应治理的底层机制,并为基于环境正义的城市热适应规划提供了定量依据。

**研究区域**
北京位于华北平原北部(北纬39°28′–41°02′,东经115°25′–117°30′),属于温带大陆性季风气候,夏季炎热潮湿,冬季寒冷干燥。作为中国的首都及典型的超大城市,北京面临着人口集中、城市快速发展以及热环境压力等多重因素带来的持续挑战(Wu et al., 2025)。第五环路以内的区域构成了本研究的主要分析范围。

**方法**
本研究共包含四个主要步骤,如图2所示。首先,利用基于多维度建筑与空间特征指标的无监督学习方法,对研究区域内的空间单元进行分类,从而为后续的热健康风险分析奠定空间结构基础。其次,构建了一个涵盖四个维度的热健康风险评估框架,以全面描述不同城市区域内的风险空间变化特征。

**城市空间类型的分类结果与分布特征**
依据建成环境形态指标,本研究运用自组织映射技术对研究区域内的空间单元进行分类,最终识别出八种具有代表性的城市形态类型:高层密集区、中层密集区、低层密集区、开放中高层区、开放中低层区、大型建筑区、稀疏建筑区以及蓝绿生态区。表4详细列出了各类型的定义。整体分类的准确率达到了……

**城市空间形态与热健康风险的空间差异化特征**
在全球变暖与快速城市化的背景下,热健康风险已从单纯的环境问题演变为复杂的社空间挑战(He, 2023)。本研究采用综合多方法分析框架,旨在揭示风险强度与局部分布不平等之间的空间关联及其背后的机制。本研究探讨了在城市形态特征、社会属性等多重因素共同作用下形成的高心率区的空间分布模式。以北京五环内的高密度城区为案例,该研究构建了一个综合评估框架,不仅能量化不同空间形态下的高心率区强度,还能揭示风险分布的空间不平等现象及其非线性驱动机制。主要研究结果如下:(1)北京五环内的不同建筑环境类型具有不同程度的高心率现象,DLZ和DMZ区域的表现尤为显著。

CRediT作者贡献说明:
刘新阳:写作——审稿与编辑,写作——初稿撰写,软件使用,方法论,数据收集,可视化处理,验证分析,形式化分析,概念构建。
王思远:写作——审稿与编辑,项目监督,资源协调,方法论,项目管理,资金筹措,概念构建。
蒋志丽:写作——审稿与编辑,数据收集,验证分析,可视化处理。

未引用的参考文献:
李等人,2025年;林和曾,2026年;刘和杭,2025年;刘等人,2026年;刘等人,2026年;王和张,2025年;吴等人,2024年;吴等人,2024年;徐林等人,2019年;熊和何,2024年。

CRediT作者贡献说明:
刘新阳:写作——审稿与编辑,写作——初稿撰写,可视化处理,验证分析,软件使用,方法论,数据收集,形式化分析,概念构建。王思远:写作——审稿与编辑,项目监督,资源协调,方法论,项目管理,资金筹措,概念构建。蒋志丽:写作——审稿与编辑,可视化处理,验证分析,数据收集。

利益冲突声明:
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢:
本研究得到了中国国家自然科学基金(521083038)的支持。同时,也感谢编辑和审稿人提出的宝贵意见与建议。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号