王少谷

摘 要：【目的/意義】氣候變化背景下高溫?zé)崂藶?zāi)害頻發(fā)，城市居民健康風(fēng)險(xiǎn)與社會(huì)經(jīng)濟(jì)損失問(wèn)題凸顯，進(jìn)行城市高溫脆弱性評(píng)估有助于高溫?zé)崂孙L(fēng)險(xiǎn)人群的識(shí)別，為相關(guān)防治政策提供有益借鑒?！痉椒?過(guò)程】基于“暴露性-敏感性-適應(yīng)力”的脆弱性評(píng)估框架，運(yùn)用遙感與GIS技術(shù)，提取并融合漳州市中心城區(qū)溫度、河流、植被、用地、人口、醫(yī)療、住房等空間數(shù)據(jù)，系統(tǒng)評(píng)估漳州市城市高溫脆弱性?！窘Y(jié)果/結(jié)論】結(jié)果表明：漳州市中心城區(qū)高溫脆弱性、暴露性與適應(yīng)力在空間分布上均存在“核心-外圍”結(jié)構(gòu)，易損性總體呈現(xiàn)被水域、山體分割的空間布局;人口、經(jīng)濟(jì)等社會(huì)因素的高度集聚會(huì)增強(qiáng)地區(qū)人群的高溫暴露性、易損性，該類(lèi)地區(qū)公共基礎(chǔ)設(shè)施完善，人群高溫適應(yīng)力相對(duì)較強(qiáng);適應(yīng)力在城市高溫脆弱性評(píng)估中有決定性作用，政府可以推動(dòng)相關(guān)政策優(yōu)化公共醫(yī)療設(shè)施的布局，增加高溫避暑設(shè)施，提高居民的高溫適應(yīng)能力，改善城市高溫脆弱性格局。

關(guān)鍵詞：城市高溫;脆弱性;評(píng)估;漳州市

中圖分類(lèi)號(hào)：P429文獻(xiàn)標(biāo)志碼：A文章編號(hào)：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?zé)崂送ǔＶ改车剡B續(xù)多日日均溫或者最高溫度達(dá)到一定數(shù)值，超過(guò)人體承受范圍的現(xiàn)象[1-2]。伴隨工業(yè)化的普及、城市化進(jìn)程的加快，高溫?zé)崂税l(fā)生頻率與強(qiáng)度在各國(guó)都有上升[3-4]。在我國(guó)，大量建筑、交通及能源排放導(dǎo)致城市環(huán)境不斷惡化，再加上政府應(yīng)對(duì)措施與各種降溫避暑資源入不敷出，部分城市已成為高溫?zé)崂酥貫?zāi)區(qū)[3-5]。

隨著對(duì)高溫災(zāi)害認(rèn)識(shí)的不斷深化，許多學(xué)者開(kāi)始重視人為因素的影響[6-11]，相關(guān)研究由致災(zāi)因子[12-13]、時(shí)空特征[13-14]分析過(guò)渡到承災(zāi)體的脆弱性[10-11]分析上來(lái)，如何在面對(duì)高溫脅迫時(shí)減少承災(zāi)體災(zāi)情損失，成為高溫災(zāi)害研究熱點(diǎn)。脆弱性是一個(gè)由自然、社會(huì)、經(jīng)濟(jì)、環(huán)境共同決定的綜合性詞語(yǔ)，多數(shù)研究者形成一個(gè)基本共識(shí)是：脆弱性與社會(huì)群體的敏感性、災(zāi)害暴露程度及應(yīng)對(duì)災(zāi)害事件的各種能力相關(guān)[10-11，15]。

西方學(xué)者對(duì)高溫?zé)崂讼嚓P(guān)研究一向十分重視并產(chǎn)生了豐碩成果，研究涉及區(qū)域[15]、城市[6-7，16]、社區(qū)[17-18]等單一尺度的健康風(fēng)險(xiǎn)格局[16]、脆弱性指數(shù)模型[6-7，15]及相關(guān)驅(qū)動(dòng)因素[16，18]。然而多數(shù)研究在指標(biāo)選取上無(wú)法從多個(gè)尺度反應(yīng)人群應(yīng)對(duì)高溫?zé)崂说倪m應(yīng)力特征[6，15]，研究結(jié)果中對(duì)各要素的內(nèi)在多重聯(lián)系缺少細(xì)致分析[16-18]。我國(guó)近20年城市化迅猛，但城市高溫?zé)崂藶?zāi)害研究起步較晚，近年來(lái)產(chǎn)生了較多的研究成果，主要集中于高溫?zé)崂说娜巳焊兄猍8-9]、指數(shù)評(píng)估[10-11]、時(shí)空格局與預(yù)測(cè)[13]等方面。多數(shù)研究對(duì)遙感數(shù)據(jù)與GIS數(shù)據(jù)挖掘不足[8-10]，部分學(xué)者雖然考慮到人為適應(yīng)抵御高溫?zé)崂藭r(shí)的作用[11，19-20]，但就相關(guān)指標(biāo)設(shè)立尚未達(dá)成共識(shí)。

本研究在前人研究的基礎(chǔ)上，納入人為應(yīng)對(duì)極端高溫天氣的相關(guān)指標(biāo)，構(gòu)建并完善了耦合適應(yīng)力的高溫脆弱性評(píng)估體系[11]，綜合評(píng)價(jià)漳州市高溫脆弱性，通過(guò)地理空間分析技術(shù)，揭示高溫?zé)崂伺c城市人地復(fù)合系統(tǒng)之間的內(nèi)在多重聯(lián)系，以期為相關(guān)防治政策制定提供有益借鑒。

1 研究區(qū)概況及研究方法

1.1 研究區(qū)概況

漳州市位于福建省東南部，地處東經(jīng)117°～118°、北緯23.8°～25°，市區(qū)面積12607 km2，建成區(qū)面積50.82 km2，全市常住人口505萬(wàn)人。漳州市屬于亞熱帶海洋性季風(fēng)氣候，2006-2015年10年年均高溫日（日最高氣溫≥35℃）天數(shù)48.1天，年均酷暑日（日最高氣溫≥37℃）天數(shù)11.5天，其中2014年經(jīng)歷了64天高溫，為近年來(lái)最多。漳州市作為沿海地區(qū)受高溫災(zāi)害較嚴(yán)重的眾多中小型城市之一，在同等級(jí)城市的高溫脆弱性與適應(yīng)力研究中具有一定代表性。本次研究剔除尚在建設(shè)開(kāi)發(fā)的角美工業(yè)區(qū)、南部未開(kāi)發(fā)區(qū)及西北部農(nóng)林草場(chǎng)，選擇受高溫災(zāi)害影響較嚴(yán)重的薌城區(qū)、龍文區(qū)作為研究區(qū)域。

1.2 城市高溫脆弱性評(píng)估框架與指標(biāo)體系構(gòu)建

傳統(tǒng)的高溫災(zāi)害脆弱性研究經(jīng)歷了從單一研究暴露性等自然環(huán)境要素到綜合考慮暴露性、社會(huì)脆弱性、適應(yīng)力、恢復(fù)力等自然要素和社會(huì)要素的轉(zhuǎn)變。隨著研究要素、方法發(fā)展的多樣化，美國(guó)學(xué)者卡特（Cutter）提出了人地耦合系統(tǒng)視角下的HOP（HazardsOfPlace）模型，該模型以人地耦合系統(tǒng)作為評(píng)價(jià)對(duì)象，實(shí)現(xiàn)了自然環(huán)境、社會(huì)結(jié)構(gòu)在區(qū)域尺度的脆弱性評(píng)估中的耦合表征[21]。人地耦合系統(tǒng)視角下的地方層次城市高溫脆弱性評(píng)價(jià)，將暴露性看作是復(fù)合人地系統(tǒng)易遭遇災(zāi)害威脅的可能性，屬于外部因素;易損性是人地復(fù)合系統(tǒng)的內(nèi)在屬性，代表環(huán)境作用下高溫災(zāi)害受災(zāi)人群的損失程度，反映了城市基礎(chǔ)設(shè)施、空間布局在城市人群遭受高溫威脅時(shí)滿(mǎn)足其降溫避暑需求的能力;適應(yīng)力作為對(duì)人地系統(tǒng)高溫易損性的補(bǔ)充，反映了人群面對(duì)高溫災(zāi)害威脅時(shí)的生理承受能力與為減輕受災(zāi)損失主觀(guān)能動(dòng)的響應(yīng)能力。

借鑒稅偉等[11]在福州市高溫脆弱性評(píng)估中結(jié)合問(wèn)卷調(diào)查法和有序多分類(lèi)Logistic回歸重構(gòu)的城市高溫脆弱性空間評(píng)價(jià)指標(biāo)體系，本研究嘗試通過(guò)夜間燈光數(shù)據(jù)來(lái)反演人口密度，以改善第六次人口普查數(shù)據(jù)在人口表征上均一化、分辨率低、缺乏連續(xù)性的問(wèn)題[22-23];另有學(xué)者指出，城市公園綠地不僅對(duì)周?chē)貐^(qū)有明顯的降溫作用[17，20，24]，同時(shí)可以避暑、納涼，增加人群高溫適應(yīng)力[6，25]，因此本研究將城市公園綠地也納入高溫適應(yīng)力測(cè)度指標(biāo)。由于各項(xiàng)指標(biāo)沒(méi)有公認(rèn)的權(quán)重[6-7，15-16，18]，部分指標(biāo)間存在的自相關(guān)性尚不明確[11]，本研究遵循許多學(xué)者在評(píng)估脆弱性時(shí)采用的等權(quán)法來(lái)分配指標(biāo)權(quán)重[17，26]，從高溫暴露性、易損性與適應(yīng)力3個(gè)方面構(gòu)建城市高溫脆弱性評(píng)估指標(biāo)體系（表1），高溫脆弱性計(jì)算公式如下：

1.3 高溫脆弱性指標(biāo)預(yù)處理

溫度影響系數(shù)利用單窗算法進(jìn)行亮溫反演獲得[27];人口密度引用學(xué)者高義通過(guò)普查人口數(shù)與夜間燈光數(shù)據(jù)得出的回歸函數(shù)[28]，根據(jù)NPPVIIRS傳感器2015年的夜間燈光年平均強(qiáng)度數(shù)據(jù)反演獲得;提取漳州城市中心綠地覆蓋面積，得到植被覆蓋度圖像;通過(guò)建立多層緩沖區(qū)賦值的方式表征地表水體對(duì)周邊環(huán)境的降溫作用[29];對(duì)漳州土地利用類(lèi)型進(jìn)行重分類(lèi)，計(jì)算每一類(lèi)用地類(lèi)型的平均溫度，得到不同用地類(lèi)型易損性權(quán)值;適應(yīng)力方面本研究選擇了4個(gè)可精細(xì)圖層化替代和轉(zhuǎn)換的指標(biāo)，表征漳州市高溫適應(yīng)力空間分布特征的影響因素。利用ENVI對(duì)各指標(biāo)圖層像元亮度進(jìn)行歸一化處理，通過(guò)疊置分析功能得到漳州市中心城區(qū)脆弱性指標(biāo)影響系數(shù)的空間分布。

2 結(jié)果與分析

2.1 高溫暴露性空間特征

漳州市高溫暴露性峰值集中在人口密度大的城區(qū)街道，呈現(xiàn)“外低內(nèi)高”“東拓西進(jìn)”的空間分布特征（表2）。中心區(qū)各街道、外圍區(qū)各鄉(xiāng)鎮(zhèn)高溫暴露性均值分別為0.479、0.348，街道居住區(qū)的人口密度與地表溫度亮斑的分布位置存在明顯的關(guān)聯(lián)性，區(qū)域人口分布越密集，區(qū)域熱源越密集，因此人口密集區(qū)是高溫?zé)釣?zāi)害多發(fā)區(qū);中等暴露性區(qū)域主要分布在城市外圍區(qū);低暴露性區(qū)域主要分布在南部風(fēng)景區(qū)、西北林場(chǎng)、草場(chǎng)與北部濱水未開(kāi)發(fā)區(qū)地帶，在溫度影響系數(shù)分布圖中這里呈現(xiàn)明顯的低溫冷島，并向四周輻射造成周邊地區(qū)溫度下降（文中所有涉及的專(zhuān)題圖在本文結(jié)果中均未展示，若有需要可與作者聯(lián)系）。

2.2 高溫易損性空間特征

高溫易損性的空間分布較為穩(wěn)定，易損性較高的地區(qū)集中在中部東西兩側(cè)，總體呈現(xiàn)被水域、山體分割的空間布局（表3）。漳州市中心城區(qū)南北兩側(cè)為草場(chǎng)與山體，中部為云洞巖風(fēng)景區(qū)，將中心城區(qū)分割成東西兩大易損性較高地區(qū)。結(jié)合零星分布的綠地、公園、水體，居民居住區(qū)分布呈現(xiàn)“大瑣碎，小集中”的特點(diǎn)。高易損性地區(qū)主要分布在中部薌城區(qū)街道居民區(qū)、東部藍(lán)田工業(yè)區(qū)，以及一些單獨(dú)的商業(yè)區(qū)，這些區(qū)域呈塊狀分布，散落在水體與綠地、公園之間，其占城市中心區(qū)面積為44.56%，占城市外圍區(qū)面積為22.75%。低易損性地區(qū)地表被水體、植被占據(jù)，這些區(qū)域限制了建成區(qū)的擴(kuò)張，同時(shí)也對(duì)高脆弱性地區(qū)的蔓延起到了一定的阻礙作用。

2.3 高溫適應(yīng)力空間特征

漳州市中心城區(qū)高溫適應(yīng)力整體呈沿九龍江西溪兩岸、多核心集中分布，局部呈圍繞高適應(yīng)力核心向外衰減的不規(guī)則環(huán)狀分布（表4）。中心城區(qū)代表高適應(yīng)力的亮斑密集，不規(guī)則向外遞減。中心城區(qū)西部與北部普遍適應(yīng)力較低，當(dāng)?shù)囟喾植加修r(nóng)牧草場(chǎng)，公共服務(wù)設(shè)施尚未健全，人口密度低，人均住房面積相對(duì)較少，呈現(xiàn)出較為均一的低適應(yīng)力。中心城區(qū)為老城區(qū)，沿江兩岸集中分布著濱水公園，公共服務(wù)設(shè)施較為完善，醫(yī)療機(jī)構(gòu)較為密集。東部工業(yè)區(qū)與南部待開(kāi)發(fā)區(qū)公共服務(wù)設(shè)施建設(shè)較為薄弱，多呈現(xiàn)中等高溫適應(yīng)力。

2.4 高溫脆弱性空間特征

漳州市中心城區(qū)高溫脆弱性在空間分布上呈現(xiàn)出“核心-外圍”結(jié)構(gòu)，脆弱性在北溪、西溪間的平原地帶達(dá)到峰值，并向中心城區(qū)邊緣遞減（表5）。高脆弱性地區(qū)整體分布在有人類(lèi)活動(dòng)的地方，并被山脈、植被、水體分割，占據(jù)人口密集的居住區(qū)及工業(yè)開(kāi)發(fā)區(qū)，形成高溫脆弱性孤島，而這些孤島恰好也代表了中心城區(qū)社會(huì)經(jīng)濟(jì)資本密集的地方。低脆弱性區(qū)域主要分布在城市邊緣與城郊未開(kāi)發(fā)區(qū)，山體、河流湖泊等非人類(lèi)活動(dòng)地帶則呈現(xiàn)出低暴露、低脆弱、低適應(yīng)力的“三低”狀態(tài)。

2.5 高溫脆弱性分類(lèi)

本研究將漳州市中心城區(qū)依據(jù)各鄉(xiāng)鎮(zhèn)街道脆弱性類(lèi)型分為“高暴露易損-高適應(yīng)平衡型”“低暴露易損-低適應(yīng)未開(kāi)發(fā)型”“低暴露易損-高適應(yīng)宜居型”“高暴露易損-低適應(yīng)脆弱型”4種類(lèi)型：

2.5.1 “高暴露易損-高適應(yīng)平衡型”

該類(lèi)區(qū)域內(nèi)人口密度大，社會(huì)經(jīng)濟(jì)資本集聚，城市居民頻繁暴露在高溫災(zāi)害下，高密度人群帶來(lái)大量交通和生活用電產(chǎn)生的熱排放，熱島效應(yīng)嚴(yán)重。同時(shí)，區(qū)域內(nèi)土地利用類(lèi)型以居住用地和商業(yè)用地為主，存在大量不透水面，植被、水體的生態(tài)功能大大削弱，大大提升了區(qū)域高溫易損性。高度的經(jīng)濟(jì)資本集聚使區(qū)域內(nèi)分布了完善的公共服務(wù)設(shè)施與密集的醫(yī)療機(jī)構(gòu)，大量公園等避暑設(shè)施的建設(shè)增強(qiáng)了人群對(duì)高溫災(zāi)害的適應(yīng)能力。

2.5.2 “低暴露易損-低適應(yīng)未開(kāi)發(fā)型”

該類(lèi)區(qū)域?qū)儆诘捅┞缎?、低脆弱性、低適應(yīng)力的三低區(qū)域。位于由水體、山脈阻擋，交通不便的平原地區(qū)，該類(lèi)土地大多處于待開(kāi)發(fā)狀態(tài)，人口稀少，植被覆蓋度高，自然生態(tài)功能良好，因此具有較低的暴露性與易損性。然而較少的人類(lèi)活動(dòng)與較低的交通通達(dá)性直接導(dǎo)致醫(yī)療服務(wù)行業(yè)的缺失，在這里生活的人們很可能處于城市絕大多數(shù)服務(wù)功能范圍之外，加上信息閉塞，無(wú)法準(zhǔn)確知曉高溫預(yù)警信息，因此對(duì)高溫適應(yīng)能力低下。

2.5.3 “低暴露易損-高適應(yīng)宜居型”

該類(lèi)區(qū)域位于人群不那么密集的中心城市邊緣區(qū)，既避免了人口過(guò)于密集給人地系統(tǒng)造成過(guò)多負(fù)擔(dān)，又在城市各功能服務(wù)范圍之內(nèi)。這類(lèi)地區(qū)往往代表了城市新的發(fā)展方向，政府投資建造了完善的公共設(shè)施，營(yíng)造了良好的人居環(huán)境來(lái)吸引城市人口往這里流動(dòng)，因此這類(lèi)地區(qū)老年人在人口年齡構(gòu)成中比例較少，普遍是對(duì)高溫天氣適應(yīng)較強(qiáng)的年輕人。同時(shí)，相較外來(lái)人口與本地人口混雜的老城區(qū)，新城住戶(hù)較少，這也解釋了人均住房面積為何充裕的問(wèn)題。

2.5.4 “高暴露易損-低適應(yīng)脆弱型”

與“低風(fēng)險(xiǎn)-高適應(yīng)宜居型”相反，這類(lèi)用地反映了城市發(fā)展過(guò)程中慢慢積累起來(lái)的問(wèn)題。危舊房、硬地，大量底層建筑侵占空間，居民居住在房屋結(jié)構(gòu)差、缺乏降溫措施的環(huán)境中，對(duì)高溫災(zāi)害應(yīng)對(duì)手段較少，具有高度的暴露性。同時(shí)，城市空間被大量棚戶(hù)區(qū)、危舊房侵占，道路系統(tǒng)未考慮城市通風(fēng)問(wèn)題，重新改造建設(shè)公園綠地成本投入較大，這些都削弱了城市提高居民高溫適應(yīng)力。

3 結(jié)論與討論

3.1 結(jié)論

漳州市中心城區(qū)高溫脆弱性、暴露性與適應(yīng)力在空間分布上均存在“核心-外圍”結(jié)構(gòu)，脆弱性在北溪、西溪間的平原地帶達(dá)到峰值，并向中心城區(qū)邊緣遞減;暴露性峰值顯著集中在人口密度大的幾個(gè)城區(qū)街道，呈現(xiàn)“外低內(nèi)高”“東拓西進(jìn)”的空間分布特征;易損性分布較為穩(wěn)定，易損性較高的地區(qū)總體呈現(xiàn)被水域、山體分割的空間布局;適應(yīng)力整體呈沿九龍江西溪兩岸、多核心集中分布，局部呈圍繞高適應(yīng)力核心向外衰減的不規(guī)則環(huán)狀分布。

從影響機(jī)制看，高溫脆弱性同人口、經(jīng)濟(jì)等社會(huì)因素的集聚程度有高度相關(guān)性。漳州市中心城區(qū)高溫暴露性、易損性與適應(yīng)力都呈現(xiàn)相近的空間分布模式，社會(huì)集聚越高的地區(qū)由于城市自身特性帶來(lái)的高溫風(fēng)險(xiǎn)越嚴(yán)重，同時(shí)由于公共設(shè)施配套的完善對(duì)高溫災(zāi)害的抵御能力也越強(qiáng)。

高溫脆弱性評(píng)估體現(xiàn)了城市人地系統(tǒng)在自然、社會(huì)各指標(biāo)上的區(qū)域差異，而暴露性與易損性指標(biāo)在空間分布上總體保持一致，體現(xiàn)了當(dāng)代人口、經(jīng)濟(jì)等社會(huì)因素集聚導(dǎo)致生態(tài)環(huán)境破壞的城市發(fā)展模式，在此基礎(chǔ)上，適應(yīng)力是造成區(qū)域人地耦合系統(tǒng)的高溫脆弱性差異的關(guān)鍵。提升適應(yīng)力是城市人地耦合系統(tǒng)能否跳出城市發(fā)展的高溫陷阱，降低居民高溫脆弱性的關(guān)鍵因素。政府可以推動(dòng)相關(guān)政策優(yōu)化公共醫(yī)療設(shè)施的布局，增加高溫避暑設(shè)施，改善城市高溫脆弱性格局。

3.2 討論

與傳統(tǒng)的“暴露-敏感-適應(yīng)能力”框架相比，本研究構(gòu)建的“暴露-易損-適應(yīng)能力”框架，通過(guò)城市空間布局相關(guān)指標(biāo)，評(píng)估了區(qū)域環(huán)境對(duì)人群降溫避暑需求的補(bǔ)償能力，通過(guò)政府、區(qū)域、個(gè)體3個(gè)尺度的社會(huì)指標(biāo)，評(píng)估了城市人群為了減輕受災(zāi)損失主觀(guān)能動(dòng)的響應(yīng)能力，揭示了區(qū)域高溫脆弱性類(lèi)型，為政府以人為本進(jìn)行城市規(guī)劃與開(kāi)展高溫防治工作提供依據(jù)。

高溫脆弱性指標(biāo)權(quán)重的確定方法分為主觀(guān)賦值法（多準(zhǔn)則決策[15]、有序加權(quán)平均[31]）和客觀(guān)賦值法（主成分分析[7，16，18]、熵值法[32]、Logistic回歸分析[11]），各指標(biāo)權(quán)重沒(méi)有公認(rèn)的標(biāo)準(zhǔn)[6-7，15-16，18]，本研究只選取了少數(shù)必要因素參與計(jì)算，采用等權(quán)法構(gòu)建城市高溫脆弱性評(píng)估指標(biāo)體系。

本研究在指標(biāo)選取與測(cè)度中尚存在一些局限性：暴露性指標(biāo)中選用遙感影像反演得到溫度與人口密度，由于Landsat 8遙感衛(wèi)星的重訪(fǎng)周期是16天，無(wú)法觀(guān)察同一區(qū)域地表溫度的動(dòng)態(tài)變化;由于研究區(qū)域尺度較小，地面分布的氣象站數(shù)量不足，本研究采用多期遙感影像反演地表亮度溫度表征晴空下的地表溫度，以降低單一時(shí)期遙感影像噪聲的不確定性或特定日期的偶然性[11]，而反演得到的地表溫度與冠層溫度也有略微差別;人口密度作為地均數(shù)據(jù)，在空間化時(shí)存在著數(shù)據(jù)結(jié)構(gòu)不一致、空間單元不匹配和數(shù)據(jù)均一化等問(wèn)題[23]，第六次人口普查數(shù)據(jù)得到的人口密度數(shù)據(jù)空間分辨率低，數(shù)據(jù)連續(xù)性較差，而基于燈光數(shù)據(jù)反演得到的人口密度具備時(shí)空連續(xù)、獨(dú)立客觀(guān)等優(yōu)勢(shì)，具有良好的表征作用。

在適應(yīng)力方面，空調(diào)作為人為應(yīng)對(duì)高溫?zé)崂说闹饕緩?，同時(shí)也是城市人為熱排放的主要組成部分[33-34]，其擁有量與人均收入也存在一定相關(guān)性，但尚未有學(xué)者單獨(dú)對(duì)空調(diào)與高溫?zé)崂说南嗷ビ绊懽龆垦芯浚虼宋磳⑵浼{入適應(yīng)力指標(biāo)。另外，韋伯等[6]指出植被的蒸發(fā)冷功能與為城市人群提供的遮蔭功能都起到了緩解高溫?zé)崂擞绊懙淖饔?，已有的一些文獻(xiàn)也表明公園綠地能明顯降低城市的高溫致死率[25]，因此本研究中添加公園綠地適應(yīng)力代理指標(biāo)（建立多級(jí)緩沖區(qū)）表征城市公園為其服務(wù)范圍內(nèi)人群提供的遮蔭避暑功能[30]。

參考文獻(xiàn)：

[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]謝盼，王仰麟，彭建，等. 基于居民健康的城市高溫?zé)崂藶?zāi)害脆弱性評(píng)價(jià)——研究進(jìn)展與框架[J]. 地理科學(xué)進(jìn)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]趙顏創(chuàng)，趙小鋒，劉樂(lè)樂(lè). 廈門(mén)市高溫?zé)崂巳巳航】碉L(fēng)險(xiǎn)格局分析[J]. 地球信息科學(xué)學(xué)報(bào)，2016，18（8）：1094-1102.

[9]金星星，祁新華，程煜，等. 流動(dòng)人口對(duì)高溫?zé)崂擞绊懙母兄c適應(yīng)——以福州市為例[J]. 福建師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，32（4）：111-117.

[10]鄭雪梅，王怡，吳小影，等. 近20年福建省沿海與內(nèi)陸城市高溫?zé)崂舜嗳跣员容^[J]. 地理科學(xué)進(jìn)展，2016，35（10）：1197-1205.

[11]稅偉，陳志淳，鄧捷銘，等. 耦合適應(yīng)力的福州市高溫脆弱性評(píng)估[J]. 地理學(xué)報(bào)，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]陳倩，丁明軍，楊續(xù)超，等. 長(zhǎng)江三角洲地區(qū)高溫?zé)崂巳巳航】碉L(fēng)險(xiǎn)評(píng)價(jià)[J]. 地球信息科學(xué)學(xué)報(bào)，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]祁新華，程煜，鄭雪梅，等. 國(guó)內(nèi)高溫?zé)崂搜芯窟M(jìn)展及其人文轉(zhuǎn)向[J]. 亞熱帶資源與環(huán)境學(xué)報(bào)，2017，12（1）：26-31.

[20]袁振，吳相利，臧淑英，等. 基于TM影像的哈爾濱市主城區(qū)綠地降溫作用研究[J]. 地理科學(xué)，2017，37（10）：1600-1608.

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

[22]張志剛，張安明，郭歡歡. 基于DMSP/OLS夜間燈光數(shù)據(jù)的城鄉(xiāng)結(jié)合部空間識(shí)別研究——以重慶市主城區(qū)為例[J]. 地理與地理信息科學(xué)，2016，32（6）：37-42.

[23]李飛，張樹(shù)文，楊久春，等. 社會(huì)經(jīng)濟(jì)數(shù)據(jù)空間化研究進(jìn)展[J]. 地理與地理信息科學(xué)，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(wèi)星影像的反射率和地表溫度反演[J]. 地球物理學(xué)報(bào)，2015，58（3）：741-747.

[28]高義，王輝，王培濤，等. 基于人口普查與多源夜間燈光數(shù)據(jù)的海岸帶人口空間化分析[J]. 資源科學(xué)，2013，35（12）：2517-2523.

[29]岳文澤，徐麗華. 城市典型水域景觀(guān)的熱環(huán)境效應(yīng)[J]. 生態(tài)學(xué)報(bào)，2013，33（6）：1852-1859.

[30]劉常富，李小馬，韓東. 城市公園可達(dá)性研究——方法與關(guān)鍵問(wèn)題[J]. 生態(tài)學(xué)報(bào)，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]熊偉，楊婕，吳文斌，等. 中國(guó)水稻生產(chǎn)對(duì)歷史氣候變化的敏感性和脆弱性[J]. 生態(tài)學(xué)報(bào)，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. 城市空間公共建筑空調(diào)系統(tǒng)大氣排熱時(shí)空規(guī)律研究[D]. 黑龍江：哈爾濱工業(yè)大學(xué)，2016.