李 瑩，尤佳鑫，譚 誠(chéng)，陳志玲

(黑龍江科技大學(xué)礦業(yè)工程學(xué)院，黑龍江 哈爾濱 150022)

1 概述

全球氣候變暖以及快速的城市化致使熱島效應(yīng)日益明顯，高溫災(zāi)害頻發(fā)。IPCC報(bào)告指出，近百年來(lái)，全球海陸表面平均溫度升高了0.85 ℃[1]，我國(guó)1951年—2018年氣溫持續(xù)上升，最高達(dá)0.671 ℃[2]，高溫災(zāi)害凸顯。高溫?zé)崂送ǔ檫B續(xù)3 d以上的高溫天氣(≥35 ℃)過(guò)程[3]，長(zhǎng)時(shí)間持續(xù)性高溫會(huì)引起高溫災(zāi)害[4-5]，誘發(fā)疾病甚至死亡，極大限制了夏季生產(chǎn)工作[6]。因此，高溫?zé)崂藝?yán)重威脅到人類(lèi)的身體健康和社會(huì)發(fā)展，已成為全球氣候變化研究的熱點(diǎn)問(wèn)題。

近年來(lái)，關(guān)于高溫災(zāi)害與人類(lèi)健康、城市熱島強(qiáng)度與高溫脆弱性關(guān)系以及高溫脆弱性評(píng)估等研究領(lǐng)域都有涉及。Jason等(2020)對(duì)美國(guó)費(fèi)城市高溫?zé)崂舜嗳跣赃M(jìn)行評(píng)估，并針對(duì)當(dāng)?shù)貥O端高溫進(jìn)行規(guī)劃[7]；Maragno等(2020)在鄰里尺度評(píng)估了熱應(yīng)激脆弱性[8]；鄭雪梅等(2016)對(duì)比分析了福建沿海與內(nèi)陸高溫?zé)崂舜嗳跣圆町怺9]；陳愷和唐燕(2019)分析北京市高溫脆弱性并提出應(yīng)對(duì)策略[10]；薛倩(2020)等從地理學(xué)視角下總結(jié)了城市高溫脆弱性評(píng)估研究[11]，發(fā)現(xiàn)隨著科技進(jìn)步，應(yīng)用GIS和RS技術(shù)進(jìn)行脆弱性的空間分布可視化分析以及重點(diǎn)地區(qū)識(shí)別非常有效。

江浙滬地區(qū)城市發(fā)展進(jìn)程快、人口集中、熱島效應(yīng)強(qiáng)烈，高溫?zé)崂擞绊懢用袢粘Ｉa(chǎn)生活，尤其是夏季戶(hù)外工作的人群，也限制了經(jīng)濟(jì)的發(fā)展。因而，本文從暴露性、敏感度、適應(yīng)能力三個(gè)方面構(gòu)建高溫脆弱性指標(biāo)體系，利用GIS技術(shù)和高溫脆弱性模型分析江浙滬地區(qū)城市高溫脆弱性，并應(yīng)用城市高溫脆弱性貢獻(xiàn)度模型量化分析城市高溫?zé)崂舜嗳跣缘闹麓囝?lèi)型，以期為江浙滬地區(qū)城市高溫?zé)崂朔乐握咧贫ㄌ峁﹨⒖肌?/p>

2 研究區(qū)域概況與方法

2.1 研究區(qū)域概況

江浙滬地區(qū)包括江蘇省、浙江省和上海市兩省一市所轄區(qū)域，位于東經(jīng)116°18′～123°10′，北緯27°02′～35°20′，總面積約21.9萬(wàn)km2。江浙滬地區(qū)主要以紡織業(yè)、服務(wù)業(yè)、重工業(yè)、高新技術(shù)產(chǎn)業(yè)為主，尤其是手工業(yè)發(fā)展有悠久的歷史，擁有大量物質(zhì)與非物質(zhì)文化遺產(chǎn)。江浙滬是中國(guó)經(jīng)濟(jì)發(fā)展最活躍、開(kāi)放程度最高、創(chuàng)新能力最強(qiáng)的區(qū)域之一，推動(dòng)江浙滬一體化融合發(fā)展，對(duì)國(guó)家現(xiàn)代化建設(shè)具有重大影響力。

2.2 數(shù)據(jù)來(lái)源與處理

氣溫?cái)?shù)據(jù)：根據(jù)2011年,2014年,2017年,2020年歷史氣溫?cái)?shù)據(jù)來(lái)統(tǒng)計(jì)高溫日數(shù)、熱浪頻數(shù)、熱浪持續(xù)時(shí)間。歷史氣溫?cái)?shù)據(jù)來(lái)源于2345天氣王網(wǎng)的歷史天氣(https://tianqi.2345.com/wea_history/61038.htm)。

社會(huì)經(jīng)濟(jì)數(shù)據(jù)：城市建設(shè)用地、人口密度、建筑業(yè)就業(yè)人數(shù)占比、人均GDP、每萬(wàn)人醫(yī)生數(shù)、每萬(wàn)人病床數(shù)、建成區(qū)綠化覆蓋率、人均供水量、人均可支配收入、科技教育支出占比和65歲以上人口數(shù)據(jù)等數(shù)據(jù)來(lái)源于研究區(qū)25個(gè)城市《城市統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》和第六次人口普查和第七次人口普查數(shù)據(jù)。

2.3 研究方法

2.3.1 城市高溫脆弱性評(píng)價(jià)模型

從高溫暴露性、敏感性與適應(yīng)能力3個(gè)方面構(gòu)建城市高溫脆弱性評(píng)估指標(biāo)體系，如表1所示，體系細(xì)化為目標(biāo)層、準(zhǔn)則層和指標(biāo)層。暴露性準(zhǔn)則層包括高溫強(qiáng)度、高溫日數(shù)、熱浪頻次和城市建設(shè)用地占比4個(gè)指標(biāo)；敏感度準(zhǔn)則層包括人口密度、65歲以上人口占比和建筑業(yè)就業(yè)人數(shù)占比3個(gè)指標(biāo)；適應(yīng)能力準(zhǔn)則層包括人均GDP、每萬(wàn)人醫(yī)生數(shù)、每萬(wàn)人病床數(shù)、建成區(qū)綠化覆蓋率等7個(gè)指標(biāo)。

表1 高溫?zé)崂舜嗳跣栽u(píng)價(jià)指標(biāo)體系

指標(biāo)選取后，由于指標(biāo)間存在量綱等差異，采用極值標(biāo)準(zhǔn)化方法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理。然后，應(yīng)用最小相對(duì)信息熵法，從主、客觀兩方面來(lái)計(jì)算2011年、2014年、2017年、2020年指標(biāo)的權(quán)重，并將4年平均權(quán)重作為最終的指標(biāo)權(quán)重值。最后，應(yīng)用城市高溫脆弱性模型計(jì)算高溫脆弱性，計(jì)算公式如下：

V=(E+S)-A

(1)

其中，V為脆弱性；E為暴露性；S為敏感性；A為適應(yīng)能力。暴露度與敏感性之和表示潛在高溫脆弱性，具有正向作用，適應(yīng)能力表示對(duì)脆弱性的抵消作用。根據(jù)高溫脆弱性計(jì)算結(jié)果，將高溫脆弱程度劃分為低脆弱(0.01～0.24)、較低脆弱 (0.24～0.47)、中度脆弱(0.47～0.70)、較高脆弱(0.70～0.93)、高脆弱(0.93～1.16)等5個(gè)等級(jí)。

2.3.2 脆弱性貢獻(xiàn)程度模型

在計(jì)算暴露性、敏感度和適應(yīng)能力基礎(chǔ)上，構(gòu)建各指數(shù)對(duì)城市高溫脆弱性的貢獻(xiàn)度模型，以量化暴露性、敏感度和適應(yīng)能力對(duì)高溫脆弱性的貢獻(xiàn)程度，計(jì)算公式[12]為：

(2)

其中，Cij為第i個(gè)城市第j個(gè)維度(暴露性、敏感度、適應(yīng)能力)的貢獻(xiàn)度;Wj為暴露度指數(shù)、敏感性指數(shù)和適應(yīng)能力指數(shù)的權(quán)重；Iij為第i個(gè)城市第j個(gè)維度指數(shù)的標(biāo)準(zhǔn)化值。

3 結(jié)果與分析

3.1 高溫?zé)崂舜嗳跣?/h3>

3.1.1 時(shí)序特征

如圖1所示，近10年來(lái)，17個(gè)城市高溫脆弱性指數(shù)整體呈上升趨勢(shì)，8個(gè)城市呈下降趨勢(shì)。2011年—2014年，高溫?zé)崂舜嗳跣韵陆档某鞘杏?7個(gè)，上升的有8個(gè)；2014年—2017年下降的城市有2個(gè)，上升的有23個(gè)；2017年—2020年高溫?zé)崂舜嗳跣韵陆档某鞘杏?2個(gè)，上升的有3個(gè)。其中，溫州的高溫脆弱性逐年升高，2020年較2011年增加25.68%；與之相反，麗水市的高溫脆弱性指數(shù)逐年降低，2020年較2011年降低42.24%。鎮(zhèn)江、常州、南通、嘉興、金華、舟山和上海7個(gè)城市高溫脆弱性均呈現(xiàn)波動(dòng)下降的趨勢(shì)；南京、蘇州和臺(tái)州等16個(gè)城市高溫脆弱性呈現(xiàn)波動(dòng)型上升的趨勢(shì)。

這是由于脆弱性受敏感性、暴露性和適應(yīng)能力三方面影響，城市高溫暴露性與城市高溫日數(shù)、熱浪頻數(shù)、城市建成區(qū)面積等密切相關(guān)；城市高溫敏感性與人口密度、65 歲以上老人人口、建筑施工人員等方面相關(guān)；適應(yīng)能力與城市GDP、綠化以及教育程度密切相關(guān)。江浙滬地區(qū)地表溫度在2017年達(dá)到峰值[13]，且極端高溫易發(fā)生于杭州灣和蘇南地區(qū)一帶[14]；同時(shí)，江浙滬地區(qū)經(jīng)濟(jì)高速發(fā)展、城市化水平不斷提高、熱島效應(yīng)加重。江浙滬地區(qū)人口密集，2014 年人口已經(jīng)達(dá)到1.5億[15]，人口數(shù)量不斷增加。暴露性、敏感度、適應(yīng)能力的權(quán)重分別為0.342 9,0.337 1和0.320 1，多數(shù)城市的暴露性和敏感性共同的作用大于適應(yīng)能力，因而會(huì)出現(xiàn)城市高溫脆弱性呈現(xiàn)上升趨勢(shì)。

3.1.2 空間分布特征

2011年—2020年江浙滬地區(qū)高溫脆弱性空間分布特征如圖2所示，高溫?zé)岽嗳跣哉w呈現(xiàn)中部偏南地區(qū)高，向南北兩個(gè)方向遞減的分布狀態(tài)。整體來(lái)看，10年來(lái)高溫?zé)崂舜嗳跣蕴幱谳^高等級(jí)(0.70～0.93)的城市數(shù)量最多，主要分布在江浙滬中南部地區(qū)；其次是中等級(jí)(0.47～0.70)城市，主要分布于南北兩端；再次是高等級(jí)(0.93-1.16)和較低等級(jí)(0.24～0.47)城市，數(shù)量最少的是低等級(jí)(0.01～0.24)的城市，低脆弱和較低脆弱兩個(gè)等級(jí)的城市皆主要分布在研究區(qū)北部。

2011年高等級(jí)區(qū)域連片分布于研究區(qū)中部偏南地區(qū)以及零星分布在中東地區(qū)，包括上海、杭州和寧波等6個(gè)城市；較高等級(jí)區(qū)域包圍著高等級(jí)區(qū)域，主要分布在中部和南部，兩個(gè)等級(jí)占整個(gè)區(qū)域一半以上；中等級(jí)區(qū)域少量分散分布在中西部和東南區(qū)域；較低等級(jí)區(qū)域少量分布在研究區(qū)的北部和南部；低等級(jí)區(qū)域分布在北部，與較低區(qū)域連接在一起。與2011年相比，2014年高等級(jí)區(qū)域大范圍縮小，轉(zhuǎn)化為較高等級(jí)和中等級(jí)區(qū)域，僅剩西南部的杭州市；較高等級(jí)區(qū)域也有所減少，轉(zhuǎn)化為中等級(jí)區(qū)域；中等級(jí)區(qū)域范圍擴(kuò)大接近研究區(qū)的一半，較低等級(jí)區(qū)域范圍擴(kuò)大；研究區(qū)無(wú)低等級(jí)區(qū)域。這與2014年高溫日數(shù)和熱浪頻次低于其他年份有關(guān)。

到2017年，高等級(jí)區(qū)域范圍擴(kuò)大，包含了2011年高等級(jí)區(qū)域外，還蔓延到中西部地區(qū)的南京；較高等級(jí)區(qū)域主要集中分布在研究區(qū)中部，南部也有零星分布；中等級(jí)城市較少且分散，分布在西北的徐州、東北的鹽城和泰州、南部的麗水市；3個(gè)較低等級(jí)城市連片分布在北部的連云港、宿遷和淮安；與2014年相同無(wú)低等級(jí)城市。2020年與2017年相比，高等級(jí)區(qū)域范圍又開(kāi)始縮減，主要轉(zhuǎn)化為較高等級(jí)和中等級(jí)，分布在中部偏南的杭州和紹興；較高等級(jí)區(qū)域與2011年類(lèi)似，主要分布在中部，范圍比其他年份大；中等級(jí)區(qū)域連片分布在中北部以及零星分散在中部和南部區(qū)域，范圍也比其他年份要大；較低等級(jí)區(qū)域相對(duì)其他年份有減小趨勢(shì)，低等級(jí)區(qū)域相比2017年增加了西北部的宿遷市。

上述空間分布特征，首先，與城市高溫暴露性由北至南遞增趨勢(shì)相關(guān)，而且地表較高溫度集中于上海、無(wú)錫、蘇州、常州以及杭州，低溫度集中于太湖以及山區(qū)[16]；其次，相比浙江和上海，江蘇省的生態(tài)效率水平最高[17]，而上海、南京、蘇州、杭州城鎮(zhèn)化水平較高，城市熱島效應(yīng)更突出；再次，適應(yīng)能力與地區(qū)經(jīng)濟(jì)水平、醫(yī)療、綠化和教育等因素密切相關(guān)，整體上適應(yīng)能力呈現(xiàn)北部和南部高、中間低的狀態(tài)，高適應(yīng)能力城市主要分布在北部地區(qū)，因而研究區(qū)東部沿海地區(qū)和北部地區(qū)城市的脆弱性相對(duì)較低。

3.2 高溫脆弱性致脆類(lèi)型分析

江浙滬地區(qū)致脆類(lèi)型分析結(jié)果如表2所示，整體上，2011年—2020年江浙滬地區(qū)敏感致脆型城市數(shù)量最多，尤其2014年，占總體的76%；多數(shù)年份暴露致脆型城市比適應(yīng)能力不足型城市數(shù)量多，只有2014年與之相反。敏感致脆型、暴露致脆型、適應(yīng)能力不足致脆型的城市在2011年分別有15個(gè)、6個(gè)、4個(gè)；2014年分別有19個(gè)、1個(gè)、5個(gè)；2017年分別有15個(gè)、10個(gè)、0個(gè)；2020年分別為14個(gè)、8個(gè)、3個(gè)。

表2 2011年—2020年江浙滬城市致脆類(lèi)型

敏感致脆型城市數(shù)量在2014年最多，在2020年最少；2011年分布在江浙滬中北部地區(qū)的連云港、淮安、揚(yáng)州等8個(gè)城市以及中部地區(qū)的上海、嘉興和湖州等7個(gè)城市，相較于2011年，2014年分布向南移，除徐州外，都集中分布于中部和南部地區(qū)的江蘇北部城市、上海以及除麗水外的所有浙江城市；2017年向北移，多數(shù)集中分布在研究區(qū)北部的江蘇省和浙江省北部城市，只有舟山和臺(tái)州市位于東南部；2020年相較于2017年，北部城市減少，南部增加，形成南北兩片區(qū)域。

暴露致脆型城市數(shù)量在2017年最多，在2014年最少；2011年主要分布在江浙滬地區(qū)中部的無(wú)錫、蘇州以及連片分布于南部的麗水、金華、衢州和嘉興，到2014年，暴露致脆型城市大范圍縮小，只分布在南部的麗水；到2017年，區(qū)域范圍擴(kuò)大，分布于中部和南部，與2011年相似，但比2011年增加了浙江省的嘉興、寧波、杭州和溫州，將中部和南部連接成片；到2020年暴露致脆型城市減少，如中南部寧波、紹興和麗水，中部城市增加，如上海和常州。

適應(yīng)能力不足致脆型城市數(shù)量在2014年最多，2017年最少。2011年分散位于研究區(qū)北部的徐州、宿遷、徐州和南部地區(qū)的溫州；相較于2011年，2014年連片分布在北部宿遷、連云港和鹽城等5個(gè)城市；到2017年分布范圍顯著縮小，已無(wú)適應(yīng)能力不足致脆型城市；2020年分散于研究區(qū)南北兩端的宿遷、連云港和麗水。

4 結(jié)論

本文從暴露性、敏感性和適應(yīng)能力三方面構(gòu)建了城市高溫脆弱性評(píng)估指標(biāo)體系，以江浙滬地區(qū)2011年—2020年高溫?cái)?shù)據(jù)以及經(jīng)濟(jì)社會(huì)數(shù)據(jù)，應(yīng)用高溫脆弱性模型和脆弱度貢獻(xiàn)模型對(duì)2011年—2020年城市高溫脆弱性變化特征及致脆類(lèi)型進(jìn)行分析。主要結(jié)論如下：

1)10年來(lái)，約70%的城市高溫脆弱性呈上升趨勢(shì)。溫州高溫脆弱性風(fēng)險(xiǎn)不斷增加，麗水不斷降低；其他城市的脆弱性呈波動(dòng)變化。

2)江浙滬地區(qū)高溫脆弱性等級(jí)城市數(shù)量為：較高等級(jí)城市>中等級(jí)城市>高等級(jí)>較低等級(jí)>低等級(jí)城市。高溫?zé)岽嗳跣哉w呈現(xiàn)中部偏南地區(qū)高向南北兩端降低、西部向東部降低的趨勢(shì)。高等級(jí)城市位于中西部，較高等級(jí)城市位于中南部地區(qū)，中等級(jí)位于南北兩端，低和較低等級(jí)分布在北部。

3)敏感致脆型城市數(shù)量最多，除2014年外，暴露致脆型城市比適應(yīng)能力不足型城市多。敏感致脆型城市數(shù)量在2014年最多，在2020年最少；暴露致脆型城市數(shù)量在2017年最多，在2014年最少；適應(yīng)能力不足致脆型城市數(shù)量在2014年最多，2017年最少。