1、长江三角洲地区高温热浪人群健康风险评价 陈倩 丁明军 杨续超 胡可嘉 江西师范大学地理与环境学院 浙江大学海洋学院 摘 要： 在全球极端气象、气候事件频发的背景下, 获取高分辨的灾害风险信息对于区域防灾减灾决策具有重要的参考价值。而在当前的灾害风险评估中, 基于行政单元的人口和社会经济等承灾体信息与栅格水平上的致灾因子普遍存在空间不匹配的现象。本文通过融合多源遥感数据和人口、社会经济统计数据, 在利用人居指数对高温人口暴露进行空间化的基础上, 获取了 250 m 分辨率的长江三角洲地区高温热浪人群健康风险空间格局。结果表明, 风险等级较高的地区集中在上海、常州、杭州、宁波、无锡、嘉兴、泰州等城
2、市的中心城区, 主要是较高的人口暴露度和城市高温共同作用的结果;而大城市近郊以及各规模较小的城区的风险等级次之;相对欠发达地区虽然人口暴露程度较低, 但较高的高温危险性和社会经济脆弱性指数使得这些地区的高温人群健康风险也不容忽视。识别高风险地区的风险主导因子对于提高人群高温适应能力以及减轻高温健康风险具有重要意义。关键词： 高温热浪; 公共健康; 高温风险; 风险评估; 长江三角洲地区; 作者简介：陈倩 (1993-) , 女, 江西九江人, 硕士生, 研究方向为城市环境遥感。E-mail:作者简介：丁明军 (1979-) , 男, 湖北谷城人, 副教授, 主要从事土地利用/覆被变化及其与气候
3、变化之间的关系研究。E-mail:收稿日期：2017-07-02基金：国家自然科学基金项目 (41371068) Spatially Explicit Assessment of Heat Health Risks Using Multi-source Data: A Case Study of the Yangtze River Delta Region, ChinaCHEN Qian DING Mingjun YANG Xuchao HU Kejia School of Geography and Environment, Jiangxi Normal University; Ocean
4、College, Zhejiang University; Abstract： The increase in the frequency and intensity of extreme heat events (EHEs) , potentially associated with climate change in the near future, highlights the importance of heat health risks assessment, which is an important starting point for the reduction of heat
5、-related mortality and sustainable development. However, there is a spatiotemporal mismatch between hazard data (at pixel-level) and exposure data (at census unit level) in heat health risks assessment. Based on multisensor remote sensing data and demographic and socioeconomic statistical data, we u
6、sed a human settlement index to assess heat exposure. Heat health risks and its driving factors were spatially explicitly assessed and mapped at the 250 m 250 m pixel-level across the Yangtze River Delta region (YRD) . The visual inspection suggests that the high risks areas were mainly distributed
7、in urbanized areas of YRD, including the downtown of Shanghai, Changzhou, Hangzhou, Ningbo, Wuxi, Jiaxing and Taizhou, which was mostly driven by the high human exposure and heat hazard index. In less-urbanized cities and the suburban and rural areas of mega-cities, the heat health risks come second
8、. Even though the human exposure index was low in other less-developed areas, the heat health risks in those areas were high due to the high heat hazard and human vulnerability index. Its of great importance to identify the driving factors of high heat health risks to provide science-based support f
9、or adaptation strategies and emergency planning.Keyword： heat waves; public health; heat health risk; risk assessment; the Yangtze River Delta region; Received： 2017-07-021 引言作为 21 世纪的全球性环境现象之一, 以全球变暖为主要特征的气候变化已成为人类健康面临的最大挑战1-2。高温热浪作为全球最为严重的气象灾害之一, 在气候变化背景下呈现频率增加、强度增大、持续时间增长的趋势3。高温天气不仅是人体心脑血管、呼吸系统等疾
10、病的重要发病诱因之一4, 在极端情况下还可能会直接导致人体死亡5-7。在气候变暖导致的极端事件频发背景下, 气象灾害尤其是极端温度对公共健康的威胁逐渐凸显8, 气候变化适应与灾害风险管理的关系日益密切9。作为高温灾害风险管理的重要组成部分, 在时空尺度上进行人群健康风险评估、识别高危人群, 从而为区域防灾减灾决策提供针对性信息, 是未来应对和适应气候变化背景下高温热浪频发趋势的重要方向之一10。相对而言, 发达国家较早开始探讨高温对人群健康的影响, 由早期侧重高温致灾危险性的病理研究11, 逐渐发展到综合考虑人口脆弱性等因素的高温风险评估12-13。就评估框架而言, 目前较有代表性的为 IPC
11、C 提出的基于“灾害危险性社会脆弱性暴露”的灾害风险评估体系14, 主要通过对各风险因子进行空间叠置来获取高温人群健康风险空间格局。从高温危险性分析来看, 除基于气象数据获取的点状高温热浪信息之外15-16, 遥感反演的地表温度数据17-19也被用于衡量高温对人体健康的胁迫程度。目前不断有研究表明在高温期间城市居民发病率和死亡率显著增加20-22, 城市居民受到更为严重和持续的热胁迫23-24, 这与城市热岛效应的存在, 尤其与其在高温期间大幅提升夜间气温密不可分25, 而以往的高温风险研究中对城市热岛效应的考虑还较少26-27。人口暴露度则通常由基于行政单元的统计人口密度来表征17,28,
12、然而统计数据不仅在数据获取上存在滞后性, 且难以反映承灾体的空间分布特征, 与其他高温风险评价因子存在空间尺度上的不匹配。随着遥感、GIS 等空间信息技术的发展, 融合多源遥感数据和统计数据是当前高温灾害风险评估的趋势29。然而在发展中国家尤其是中国, 对于高温灾害风险的评估起步相对较晚16,17,28,30, 已有的研究多关注高温灾害的频次、强度和持续时间等高温危险信息, 融合社会经济脆弱性和人口暴露的风险评价还相对较少。基于此, 本文在构建高温热浪人群健康风险评估框架的基础上, 以长江三角洲地区为例, 融合遥感植被指数、夜间灯光数据和高程数据对人口暴露进行空间化表征, 结合分别由遥感地表温
13、度数据和人口、社会经济统计数据获取的高温危险性和社会经济脆弱性指数, 在栅格水平上评估了高温热浪人群健康风险并探究了风险的主导因子, 明确其作用机制的空间差异, 以期为区域防灾减灾决策、高温风险科学预警和防范及实施适应性措施提供参考。2 研究区概况长江三角洲地区位于中国大陆东部、长江入海口的沿海冲积平原 (图 1) , 包括上海、杭州、宁波、嘉兴、绍兴、舟山、湖州、台州、南京、苏州、扬州、常州、南通、无锡、镇江和泰州市共 16 个沿海经济发达城市, 经纬度范围为116.78E124.21E, 26.99N34.64N, 行政总面积 112 642 km。该区位于亚热带季风气候区, 四季分明,
14、年平均气温为 1823, 最热月均温大于28, 年平均降水量在 1500 mm 左右。其中夏季由于受西太平洋副热带高压的影响, 高温天气现象十分普遍, 是中国高温热浪袭击的重灾区31-32。在7、8 月常出现 2030 天的高温天气, 最高可达 40 天, 如 2013 年夏季研究区高温区内的各气温指标均突破了历史记录, 创近 50 年新高33。此外, 作为中国目前经济发展速度最快、人口最为密集、城市化水平最高的地区之一, 在过去几十年的人口聚集、城市扩张过程中, 该区城市热岛效应显著增强34, 城市热环境状况及人群健康面临的风险持续增加35-36。3 数据源与研究方法3.1 数据来源及预处理
15、(1) 地表温度数据 (Land Surface Temperature, LST) 来源于 NASA 发布的MODIS 每日地表温度数据集 MOD11A1 和 MYD11A1 (http:/ladsweb.nascom.nasa.gov) , 空间分辨率为 1 km。选取研究区 2013年 8 月 7 日 MOD11A1 白天和 MYD11A1 夜间地表温度数据为代表 (成像时间分别为地方时 10:30 am 和 1:30 am 左右) , 采用 MODIS 重投影工具 MRT 对原始影像进行镶嵌、投影和重采样处理。图 1 研究区概况 Fig.1 Location, elevation an
16、d land cover of the study area 下载原图(2) 增强型植被指数数据 (Enhanced Vegetation Index, EVI) 来源于 NASA 发布的 2013 年 16 d 合成 MOD13Q1 数据集 (http:/ladsweb.nascom.nasa.gov) , 空间分辨率为 250 m。为进一步去除云污染等因素的影响, 根据式 (1) 对多时相 MODIS EVI 进行年内最大值合成:(3) DMSP/OLS 夜间灯光数据来源于美国国家地球物理中心 (NGDC) 发布的 2012年稳定夜间灯光数据集 (http:/ngdc.noaa.gov/e
17、og/download.html) , 影像的灰度值 (DN 值) 范围为 0-63, 由原始数据 (空间分辨率为 1 km) 重采样至250 m 的栅格影像。(4) DEM 高程数据来源于 ASTER GDEM 全球数字高程模型, 空间分辨率为 30 m, 经过投影和重采样, 获取研究区 250 m 分辨率的栅格影像。(5) 研究区县域尺度的人口和社会经济统计数据来源于 2010 年中国第六次人口普查数据和 2013 年浙江省、江苏省和上海市统计年鉴以及各地方的统计年鉴数据。其中人口统计数据包括居民常住人口、各年龄段人口比例和 60 岁及以上独居人口比例, 社会经济数据包括人均 GDP、15
18、 岁及以上人口文盲、半文盲率、居民住房有无洗澡设施比例、每百户居民空调拥有量以及卫生机构床位数。3.2 高温热浪人群健康风险评估方法3.2.1 评价体系构建自然灾害的特征及其影响程度不仅取决于灾害本身, 还取决于承灾体的暴露程度及其社会经济脆弱性, 是以上 3 个因子共同作用的结果。因此本文以 2013 年夏季的一次高温热浪事件为例, 构建了基于“高温危险性-人口暴露度-社会经济脆弱性”的长江三角洲地区高温热浪人群健康风险评估框架。其中, 高温危险性指数由高温热浪期间的白天和夜间地表温度数据进行空间化表征;对于人口暴露度指数, 为与其他风险评价因子在空间尺度上相匹配, 本文融合夜间灯光、植被指
19、数和高程数据计算能够表征人口空间分布的人居指数, 从而获取栅格水平的人口暴露度指数;而社会经济脆弱性指数则通过选取和等权重叠加影响人群社会经济脆弱性的年龄、居住隔离和社会经济状况 3 个综合指标而成。由于在目前的高温风险评估中, 各评价指标权重的确定上还尚未有统一的定论12,37, 同时考虑到根据不同决策方法或决策者不同层面的需求, 均可较为快速地对进行调整18, 本文最终将研究区标准化的高温危险性、人口暴露度和社会经济脆弱性指数按等权重相乘, 获取长江三角洲地区高温热浪人群健康风险空间格局。3.2.2 高温危险性评价高温危险性指的是人群居住或活动的空间内发生高温事件的可能性, 表征了人群所处
20、环境与高温的接近程度38。虽然地表温度不能够直接度量环境感知温度, 但已有许多研究表明两者之间存在较强的相关性, 尤其是在夜间39。因此, 考虑到研究区遥感影像的可获得性、影像质量和云覆盖等情况, 以发生在2013 年 8 月 5 日至 15 日之间的一次典型极端高温热浪事件期间为例, 选取研究区 8 月 7 日白天和夜间 MODIS LST 影像进行高温危险性分析, 影像个别缺失像元由周边 33 像元均值代替。随后, 将 2 幅影像分别标准化至0, 1, 利用Arc GIS 栅格计算工具将影像进行等权累加, 最终再标准化至0, 1从而获取研究区的高温危险性指数。3.2.3 人口暴露度评价基于
21、 DMSP/OLS 夜间灯光数据进行人口空间化是当前获取人口空间分布信息的重要方法之一。然而, 受空间分辨率及像元饱和或溢出等现象的影响40-41, 该方法的应用受到一定限制。本文根据 Yang 等42提出的方法, 通过融合DMSP/OLS 夜间灯光、增强型植被指数以及 DEM 高程数据, 获取了 250 m 分辨率的经过海拔校正的人居指数 (EAH-SI) , 以此来表征研究区高温热浪人口暴露程度。具体方法如下:首先, 根据式 (2) 计算长三角地区的 EAHSI:式中:EVI max为 2013 年 MODIS 16 d 最大值合成 EVI 数据;DEM 为高程数据;OLS nor是经过标
22、准化的 2013 年夜间灯光数据。然后, 将 EAHSI 标准化至0, 1, 并利用自然断点法划分为 5 个等级。3.2.4 人口社会经济脆弱性评价社会经济脆弱性评价需要根据不同灾害类型的特点选取具有代表性的承灾体脆弱性指标。就高温热浪而言, 婴幼儿和老人由于其自身的生理能力及对疾病和高温的抵抗、免疫能力相对较低, 被认为是高温敏感人群43-44, 而独居老人由于在居住空间上处于相对隔离的状态, 在高温灾害来临时难以得到快速有效的帮助与救护11, 脆弱性水平也较高。与此同时, 较高的个体或区域社会经济水平对高温人口脆弱性起到一定的削减作用, 如空调等降温设备的可得性被认为是缓解高温不利影响的重
23、要因子6,11, 人口的受教育水平影响着个体对高温灾害的认知能力和灾害规避行为12, 区域尺度的经济水平及医疗资源、设施也自上而下地约束着人群抵抗和适应高温的平均能力45。因此, 根据高温灾害的特征, 考虑数据的可得性及统计口径一致性等方面, 选取年龄 (包括 5 岁及以下人口和 65 岁及以上人口比例) 、居住隔离 (60 岁及以上独居人口比例) 及社会经济状况 (包括文盲占 15 岁及以上人口比例、有洗澡设施住房比例、每百户居民空调拥有量、卫生机构床位数和人均 GDP) 3 个综合指标对长江三角洲地区人口社会经济脆弱性进行综合评价。首先, 对以上数据进行标准化并与行政边界矢量数据进行空间链
24、接, 年龄、居住隔离和社会经济状况指标由其包含的变量累加并标准化至0, 1, 人口的社会经济脆弱性指数由以上 3 个综合指标等权累加并标准化而成, 最终利用自然断点法将其划分为 5 个等级。4 结果分析4.1 长江三角洲地区高温危险性分析根据 2013 年 8 月 7 日长江三角洲地区地表温度空间分布图可知, 白天 (10:30 am 左右) 研究区 LST 分布空间差异较大 (图 2 (a) ) , 主要高温区沿常州-无锡-苏州-上海-杭州-绍兴-宁波的城市建成区呈“Z”字形分布, LST 在 40以上, 浙江的杭州和宁波市区的高温强度尤为突出 (45) , 最高可达 48;次高温区主要分布
25、在郊区, 林地和水体 (如太湖) 是相对低温的主要分布区 (30) 。夜间 (1:30 am 左右) LST 较白天有所降低、空间差异也缩小 (图2 (b) ) , 然而相对高温面积相比白天有所扩大, 宁绍平原及太湖平原是高温的主要分布区, 城市建成区温度显著高于周边像元, 普遍在 30以上, 城市热岛效应明显;与白天相比, 夜间水体成为次高温像元, 低温区主要分布在植被覆盖高的南部林地。图 3 为融合白天和夜间 LST 而成的研究区高温危险性等级空间分布图。受城市热岛效应的影响, 大部分市县的中心城区均处于高温的胁迫下。高温危险性“高”和“较高”等级区主要集中于研究区中部平原地区, 其中“高
26、”等级主要分布于各地级市市辖区的中心城区, “较高”等级区以“高”等级区为中心向外围圈层式发散;高温危险性程度“低”和“较低”的区域主要位于长江以北平原及西南部山地、丘陵区。图 2 长江三角洲地区 2013 年 8 月 7 日白天和夜间地表温度 Fig.2 Land surface temperature (LST) of daytime and nighttime in the Yangtze River Delta region 下载原图图 3 长江三角洲地区高温危险性指数空间分布图 Fig.3 Map of the heat hazard index of the Yangtze Riv
27、er Delta region 下载原图4.2 长江三角洲地区人口暴露度分析基于各市县行政边界范围内人居指数累计值与统计人口数据的相关分析表明 (图 4) , 融合了夜间灯光、植被指数和高程数据的人居指数与统计人口数据之间存在较强的线性相关 (R=0.8725) , 表明人居指数能够较好地反映长江三角洲地区人口暴露度的空间分布特征。图 4 长江三角洲地区各市县人居指数累计值与统计人口数据相关性分析 Fig.4 Scatterplots of the accumulated EAHSI value and population for counties in the Yangtze River
28、Delta region 下载原图从研究区人口暴露度指数空间分布来看 (图 5) , 人口暴露度等级“较高”和“高”的区域主要分布于南京、常州、苏州、无锡、上海、杭州、宁波市等市辖区的中心城区范围内。“中等”等级区以“高”和“较高”等级区为中心向外围发散, 各个城市规模相对较小的市县是人口暴露度“中等”级别的主要分布区;“低”和“较低”的区域主要位于研究区北部及西南部两端的耕地、林地、水体及其周边地区。4.3 长江三角洲地区人口社会经济脆弱性分析根据研究区各社会经济脆弱性因子的统计信息可知 (表 1) , 研究区各市县社会经济状况差异较大, 其中“人均 GDP”的差异最为突出 (26 7721
29、89 352 元) , “卫生机构床位数”次之 (32661 703 个) , 标准差分别为 33 972 (元) 和14 187 (个) , 均大于其他因子。图 5 长江三角洲地区人口暴露度指数空间分布图 Fig.5 Map of the heat exposure index in the Yangtze River Delta region 下载原图由研究区的人口社会经济脆弱性指数分布图可知 (图 6) , 长江三角洲地区人口脆弱性“高”和“较高”等级区主要分布在研究区北部的宝应县和兴化市、南部的山区及江苏的东南沿海县市, 其中浙江台州市是人口脆弱性指数高值较为集中的地级市, 该市的仙居
30、县、天台县和三门县人口脆弱性指数均较高, 以上地区人口脆弱性指数较高主要是由于社会经济水平和受教育水平较低、婴幼儿比例大所致。此外, 一些经济水平比较发达的地区也存在脆弱性指数较高的现象, 如上海和嘉兴市的郊区, 这主要是由于这些地区老龄人口尤其是独居老人比例较高。人口脆弱性指数的低值区则主要集中在江苏苏州、无锡、南京、扬州、杭州、宁波以及上海的中心城区, 这些区域整体经济发展水平较高、基础设施完善、高温敏感人群 (如婴幼儿、老人、独居老人) 比例相对较低。4.4 长江三角洲地区高温热浪人群健康风险空间分布根据“高温危险性-人口暴露-社会经济脆弱性”的高温热浪风险评估体系, 将各因子进行空间叠
31、置得到研究区高温热浪人群健康风险空间分布 (图 7) 。由图 7 可知, 研究区的风险高值区主要分布于上海市中心城区及近郊、江苏常州、泰州及浙江无锡和嘉兴、宁波慈溪和余姚的中心城区。表 2 列出了研究区高温风险指数最高的 20 个行政单元 (约占总数的 20%) , 上海市的中心城区、宝山区及闵行区的高温风险指数位列所有行政单元的前三位。就省域而言, 上海市和江苏省的高温风险等级较高, 风险指数排名靠前的 20 个行政单元中上海和浙江分别占据 9 个和 6 个。值得注意的是, 在研究区北部市县 (如兴化市、宝应县) 、江苏东部沿海 (如海安县) 以及研究区西南各市县的乡村地区, 虽然高温危险性
32、指数较低、人口密度小、高温人口暴露相对低于大城市, 但由于经济发展水平及自然条件的制约, 再加上高温敏感人群 (如受教育程度低人群和婴幼儿) 聚集, 高温人群健康风险等级也较高。4.5 长江三角洲地区高温风险主导因子分区为在空间上认识各高温风险因子之间的内在作用机制, 将研究区的高温危险性、人口暴露及社会经济脆弱性指数按照自然断点法分为“高”和“低”两个等级, 根据各指数之间的组合关系将长三角地区“中等”及以上高温热浪风险区域划分为 7 个主导因子分区 (如将高温危险性等级高而人口暴露度和脆弱性等级低的地区划分为高温危险性因子主导区, 将高温危险性等级低而人口暴露度和脆弱性等级高的地区划分为人
33、口暴露度与脆弱性主导区) , 其中将三者等级都较高的地区定为综合主导区。表 1 社会经济脆弱性因子统计性描述 Tab.1 Descriptive statistics of the vulnerability variables 下载原表 图 6 长江三角洲地区高温热浪人口社会经济脆弱性等级分布 Fig.6 Map of the heat vulnerability index in the Yangtze River Delta region 下载原图表 2 研究区高温热浪人群健康风险最高的 20 个行政单元 Tab.2 The top 20 counties with heat healt
34、h risks in the Yangtze River Delta region 下载原表 由分析结果可知 (图 8) , 研究区受单一因子主导的区域较少, 约占“中等”及以上高温风险区域的 12.73%;受到高温危险性和人口暴露度因子协同作用的地区主要位于各地级市的城区范围内, 约占 61.01%;而在大城市的近郊及城市规模相对较小的市、县城区范围内则是各个风险因子的综合主导区, 各评价指标的等级均较高;研究区南北两端的经济相对欠发达市县以及海岛县, 则主要受到高温危险性和社会经济脆弱性因子的双重影响。图 7 长江三角洲地区高温热浪人群健康风险区划 Fig.7 Map of the hea
35、t health risk index in the Yangtze River Delta region 下载原图图 8 研究区高温热浪人群健康风险主导因子 Fig.8 Driving factors of heat health risks in the Yangtze River Delta region 下载原图根据研究区的高温风险主导因子分区, 可以有针对性地制定防灾减灾策略, 如在高温危险性和人口暴露度因子主导区以及综合主导区, 尤其是大城市的中心城区, 通过增加植被和绿地面积, 能够在一定程度上缓解局地高温对人群健康的胁迫。同时及时传达高温预警信息, 减少高温期间不必要的外出,
36、能够减轻这些区域的人群健康风险。而对于社会经济脆弱性指数较高的地区, 则需有效的防灾减灾宣传以及降温设备等的普及。5 结论和讨论本文基于“高温危险性-人口暴露-社会经济脆弱性”的高温热浪风险评估框架, 以 2013 年的一次高温热浪事件为例, 通过融合夜间灯光、植被指数及高程数据构建能够代表人口空间分布的人居指数来表征人口暴露度, 利用遥感地表温度数据和相关社会经济数据分别计算高温危险性和人口社会经济脆弱性指数, 获取了高分辨率的长江三角洲地区高温热浪人群健康风险格局和主导因子分区, 获得的主要结论如下:(1) 人群健康风险等级较高的地区集中在上海、江苏常州、浙江杭州、无锡、嘉兴、宁波等大城市
37、的中心城区, 主要是较高的人口暴露度和城市高温共同作用的结果, 体现了在快速城市化背景下, 城市热岛效应加剧及人口暴露度加大导致的城市地区人群健康风险增加。而在上海、嘉兴等大城市的近郊以及城市规模相对较小的地区, 则是各个风险因子的综合主导区。(2) 相对欠发达地区如研究区南部市县的人群健康风险也不容忽视, 这些地区虽然高温危险性等级和人口暴露程度相对较低, 但人口的社会经济脆弱性决定了其也存在较高的高温风险。在当前国内的高温热浪风险评估研究中, 从评价指标选取来看, 多数研究关注高温热浪本身的强度、频次、持续时间等特征46, 对与死亡率密切相关的夜间气温相对关注较少。而研究表明城市热岛效应的
38、存在使得城市地区的夜间最低气温显著高于郊区及乡村47-48, 因而加剧了高温热浪对城市居民健康的威胁27。夜间 LST 由于不受太阳辐射的影响被认为比白天 LST 能更准确地代表城市热岛的空间分布49。本文综合白天和夜间 LST 的高温危险性分析表明, 城市地区白天和夜间 LST 均普遍高于郊区及乡村地区, 城市居民在高温热浪期间更容易受到持续的高温威胁, 这也与以往国外类似研究的结果保持一致25-26,48。此外, 人群作为高温热浪灾害的主要承灾体, 人口密度、人口自身特点以及区域社会经济发展水平存在着显著的空间差异, 获取人口密度的空间分布信息至关重要19,29,50。相比以往基于统计人口数据的研究, 本文基于夜间灯光、植被指数及高程数据获取能够代表人口空间分布的人居指数, 以此来表征人口暴露度, 从而实现与其它风险因子的空间匹配。该方法采用的数据容易获取、适用于大范围的风险评估, 最终获取的栅格水平上的人群健康风险信息为理解高温危险性、人口暴露度和社会经济脆弱性因子之间内在作用机制及其空间差异提供了参考, 有助于有针对性地制定区域高温灾害风险防范策略。
