西安高溫熱害人口暴露量及其受災指數預估研究

楊雯倩，史培軍，張鋼鋒，楊勝利

（1.北京師范大學地理科學學部，北京 100875；2.北京師范大學地表過程與資源生態國家重點實驗室，北京 100875；3.應急管理部-教育部減災與應急管理研究院，北京 100875；4.蘭州大學資源環境學院，甘肅蘭州 730000；5.青海師范大學高原科學與可持續發展研究院，青海西寧 810008）

引言

災害風險是指未來某段時期內某個區域災害損失的可能性大小，其核心在于未來致災事件發生的可能性及由其造成的損失和損害，科學的災害風險評估與災害風險防范是當前地理學、生態學、環境科學等多學科極為關注的前沿問題［1］。狹義災害風險評估是對災害系統的致災成害關系的評估，其中承災體脆弱性評價指標——承災體對致災因子的暴露度是重要的評估指標之一［2］。暴露是指處在致災因子影響范圍內的承災體（如人口、財產等）的數量或價值，是災害風險存在的必要條件［3］。本研究定義高溫暴露人口為高溫設防條件下受到其影響、傷害的人口總量。

已有研究的預測結果表明，到21世紀末為止，世界范圍內大部分陸地區域的高溫頻率和強度很可能呈增加趨勢［4］。2019年《中國氣候公報》指出，我國極端高溫事件偏多，2019年平均氣溫10.34℃，較常年偏高0.79℃，為1951年來的第5個暖年［5］。全球氣候變暖與快速城市化相互疊加，導致人口密集的主城區人口、經濟更易受到高溫熱害的脅迫，也加劇了人口的暴露程度，進一步增加了城市居民高溫健康風險［6，7］。因此，準確合理評估人口高溫熱害暴露度，對預估未來人口高溫熱害風險有重要意義。

目前為止，對高溫熱害的研究主要集中于致災危險性的時空分布特征、人口暴露度的預估，人群健康風險分析等［8，9，10，11］，且有關人口對高溫等極端天氣暴露度的研究較少考慮設防的因素［12，13，14，15］，因此，本文以西安市為例，構建了在設防條件下定量評估高溫人口暴露及預測未來暴露人口變化的模型，在此基礎上，分析了西安市高溫人口暴露的時空變化特征，以期為高溫熱害人口風險評估提供重要科學與理論依據。

1 數據來源與研究方法

1.1 研究區域

西安市位于渭河流域中部關中盆地，介于107.40°-109.49°E，33.42°-34.45°N之間，北瀕渭河、南鄰秦嶺。西安境內海拔高度差異懸殊，地貌以山地與平原為主體。當地屬暖溫帶半濕潤大陸性季風氣候，冷暖干濕四季分明。氣象災害有暴雨、洪澇、干旱、干熱風、高溫等［16，17］。

西安全市轄未央、新城、碑林、蓮湖、灞橋、雁塔、閻良、臨潼、長安、高陵、鄠邑11個區及藍田、周至2個縣，占地約10 752 km2。2019年末全市常住人口達1 020.35萬人，其中城鎮人口761.28萬人，占常住人口比重74.61%，人口城鎮化明顯。

1.2 數據來源

本文的研究時段為2005-2019年，氣溫數據來自國家氣象信息中心提供的中國國家級地面氣象站基本氣象要素日值數據集。包括2005-2019年西安市日最高氣溫、日平均氣溫等基本氣溫數據。選取西安市氣象局下屬的6個氣象基本站（周至、戶縣、長安、高陵、臨潼、藍田）、1個氣象基準站（涇河）的氣象數據進行分析。

利用Matlab篩選出7個站點的日最高氣溫，并對其求均值，以求得的平均日最高氣溫代表西安市的高溫狀況，分析西安市2005-2019年日最高氣溫的時間變化特征。

遙感影像數據來自地理空間數據云網站下載的Landsat8OLI_TIRS系列遙感影像，成像日期分別為2016年6月10日和17日，2018年7月18日和25日，2019年7月5日和8月13日，這六期數據含云量較低，可見度高，影像成像質量較好，可用于地表溫度反演。由于西安市有3景影像覆蓋（以2016年影像為例），框線內左圖左側的影像為第1、2景，右邊為第3景（圖1），兩期影像獲取日期相近，同屬高溫日且溫差較小，且95%以上區域都在第1、2景影像下，因此可將二期影像當作同期數據處理，并默認處理結果為1、2景影像當天的地表溫度。

圖1 西安市遙感影像圖（2016年6月10日）Fig.1 Remote sensing image of Xi′an（10th June，2016）

本文的人口數據來自西安市2005-2019統計年鑒中的人口普查數據，主要選取西安市常住人口，主要年份人口變動情況，全市及各區縣人口數和戶數，全市居民家庭每百戶年末耐用品（空調）擁有情況。

1.3 高溫指標計算方法

本文的城市高溫人口熱害按照中國氣象局（CMA）標準，將城市中日最高氣溫大于等于35℃的天氣定義為高溫日。通過極端高溫日數、高溫有效積溫，分析西安市15年間高溫的時間變化特征（2005年西安站改為涇河站，統一使用2005年后的數據避免遷站前后的差別）。高溫日數是該區域內當年日最高氣溫Tmax≥35℃的累計高溫天數；高溫有效積溫（EAHT）指該站點一年內所有的日最高氣溫Tmax超過高溫閾值（日最高氣溫大于等于35℃）的累積溫度［18］。

由于站點數據插值得到的面數據，無法精細準確地反映地表溫度的變化情況。因此，本研究借助ENVI軟件對地表溫度進行遙感反演，有研究表明輻射傳輸方程法［19，20，21］精度較高，可反映地表溫度變化情況，由此本研究采取輻射傳輸方程法對溫度進行反演（圖2），得到3幅西安市地表溫度分布圖，并對溫度精度進行驗證。

圖2 遙感數據處理流程圖Fig.2 The flow chart of remote sensing data analyses

根據中國氣象局日值數據中的0 cm地表溫度數據，各年西安市0 cm地表溫度反演精度如表1。地表遙感反演溫度高值和低值都比實際溫度低，這是因為反演過程中選取的大氣剖面數據為衛星過境的時間（凌晨3點左右），此時地表溫度偏低，同時由于2018年7月25日的該景影像云量為10.96%，對低值的反演有影響，使反演的低值誤差較大，但總體來說，遙感反演的溫度可表示西安市地表溫度。

表1 地表遙感反演溫度精度驗證表Table 1 Verification of surface temperature accuracy

1.4 高溫熱害人口暴露計算方法

（1）西安市個人空調擁有率計算

選取西安市統計年鑒中城鎮與農村的家庭年末每百戶耐用品-空調擁有情況、每戶常住人口等數據進行計算（表2），因2014年統計標準改變，空調擁有量數據突變，為消除因統計標準改變造成的誤差，以2014-2019年為基準時期，利用灰色模型對2019年之后的數據進行預測，有研究表明，灰色模型在小樣本數據預測中的應用較多［22，23，24］。

表2 西安常住人口及家庭每百戶年末空調擁有情況Table 2 The permanent population and the air condition ownership of each hundred households of Xi′an

具體方法步驟如下：

2）構建GM（1，1）模型，對生成數列建立一階微分方程：

3）用最小二乘法求解灰參數a和u。

4）根據公式還原序列得到模擬值與預測值，利用模型進行預測：

當k≤n時為模型擬合值，當k＞n時為模型預測值。

5）對建立的灰色模型進行精度檢驗。

根據公式（4）～（6）計算可得西安市居民個人空調擁有率，結果如表（3）。

其中R U為城鎮居民個人空調擁有率，R R為農村居民個人空調擁有率，A U為城鎮空調擁有量，A R為農村空調擁有量為城鎮平均每戶常住人口，P R農村平均每戶常住人口，R為全市居民個人空調擁有率，PU為城鎮常住人口，PR為農村常住人口，P為全市常住人口。

由于統計數據標準發生改變，2014年西安市空調數量突降，為消除因統計數據突變導致的誤差，并弱化原始序列數據的隨機性和波動性，采用2014-2019年的數據計算得到的個人空調擁有率進行下一步計算。

（2）高溫暴露人口總量及人口受災指數計算

受災人口是暴露在高溫下的人口總量，此處定義為不受空調防護的人口，因此，可根據以下公式（7）（8）計算得到人口受災指數和暴露人口（表3）。

表3 西安市個人空調擁有率及高溫熱害暴露人口受災指數Table 3 Owning rate of air conditioning and the index of exposed population in Xi′an

其中I為人口受災指數，R為全市村居民個人空調擁有率，E t為暴露人口總量，P為全市常住人口。

（3）高溫人口暴露脆弱性曲線構建

高溫危險性為當年高溫有效積溫（X）（℃），暴露度（Y）為人口受災指數，對X取對數處理L N（X），并去除極值影響，擬合后LN（X）與（Y）的公式呈對數曲線，由于受數據精度和時間長度限制，其顯著性水平較低（P=0.196）。部分外國學者認為P值小于0.2時，這個因素顯著，在此認為此結果有顯著性。

西安市高溫人口受災指數與LN（高溫有效積溫曲線）呈線性形式（圖3），即隨著LN（X）的增大，Y逐漸降低，這是由于夏季來臨氣溫升高時，人群主動采取防護措施如使用空調等制冷設施減少高溫脅迫，因此人口受災指數逐漸降低，但受空調數量限制，始終存在沒有空調的居民，因此實際人口受災指數將首先減小，繼而趨于平緩。

圖3 西安高溫熱害人口暴露脆弱性曲線Fig.3 Vulnerability curves of population exposure to high temperature in Xi′an

1.5 西安市未來高溫熱害暴露人口總量及人口受災指數預測

根據統計年鑒整理分析統計人口變化情況時，會出現因行政區劃調整導致的某城市人口在某一年間發生劇增或劇減的現象［25，26］。2017年西咸新區劃歸西安代管，咸陽所轄4縣區的常住人口納入西安，戶籍轉移人口約60.5萬人。因此將2010-2016年的咸陽所轄人口納入西安市常住人口，以調整基數后的人口數據進行預估（表6）。

表4 調整基數后的2010-2019年西安市常住人口Table 4 Permanent resident population of Xi′an after base adjustment from 2010 to 2019

將2010-2019年定為基準時期，以2010-2019年常住人口數據建立灰色模型，計算得到后驗差比值C=0.018 8，小誤差概率P=1，與實際人口（表5）和預測精度等級表（表6）進行對比，P與C都達到好的等級，且預測人口的相對殘差不超過±2%，該模型的預測精確度較高，可用來預測未來常住人口，由此得到西安市2020～2050年預測常住人口。

表5 西安市實際人口與預測人口精度驗證表Table 5 Precision validation of actual population and predicted population

表6 預測精度等級表Table 6 Prediction accuracy class

同時根據2014-2019年人口受災指數數據建立灰色模型，計算得到C=0.022，P=1，P與C都達到好的等級，且預測值與實際值的相對殘差不超過3%（表7），同樣可用于預測人口受災指數，得到西安市2020-2050年的預測人口受災指數。

表7 西安市實際人口受災指數與預測人口受災指數精度驗證表Table 7 Precision validation of actual disaster index and predicted disaster index

根據公式（9）計算得到未來暴露人口。

其中E F為未來暴露人口，P F為未來人口，I為人口受災指數。

2 結果與分析

2.1 西安市高溫熱害時空變化格局

西安市2005-2019年間（15年）高溫日數共計360天，年均24天。峰值出現在2017年，高溫日數高達40天/年，日最高氣溫大多處于一般高溫日等級，15年間僅有4年日最高氣溫超過40℃，其中2017年日最高氣溫高于40℃的天數為10天，是近年高溫熱害日數最多、強度最大的一年。西安市年平均高溫有效積溫為43.31℃，2008年高溫有效積溫最低為14.16℃，峰值出現在2017年，高達110.93℃。總體來看，西安市高溫日數與高溫有效積溫都呈多年波動變化趨勢。

圖4 西安高溫熱害日及高溫熱害有效積溫分布情況Fig.4 The distribution of high temperature days and EATH of Xi′an

西安市高溫集中在每年的6、7、8三月，高溫日最早出現在4月末（2006.4.30），最晚結束于9月中旬（2013.9.16），15年間4-9月高溫日數分別為1、16、126、144、72、1天。總體來看，近年來高溫熱害日數趨于增多。

西安市地表溫度空間分布呈北高南低的特征，與當地海拔有極大關系，南部秦嶺山地最高峰海拔3 867 m，中北部渭河平原最低點海拔345 m，兩者高差懸殊界限分明，溫度跨度極大。南部秦嶺山地日平均地表溫度最低達到15℃以下，以周至縣、鄠邑區、長安區、藍田縣的南部地區為主，而中心主城區及其以北地區則為高溫地帶，以臨潼區、高陵區、閻良區為主，日平均地表溫度最高溫度可達50℃以上。

圖5 西安市地表日平均溫度空間分布（℃）Fig.5 Distribution of surface temperature of Xi′an

2.2 西安市高溫熱害暴露人口總量時空變化分析

在考慮了將空調擁有量作為高溫熱害設防護水平指標后，可以發現，隨著個人空調擁有率的上升，人口受災指數逐年下降，由2010年的0.644到2019年下降至0.459，高溫熱害暴露人口逐年減少，由2010年的545.94萬人下降至2019年的467.96萬人，年平均減少率為1.798%，同時高溫熱害暴露人口遠少于總人口。

從不同年份各區縣高溫熱害暴露人口來看，雁塔區、長安區、未央區的暴露人口出現大于50萬人的情況，是人口暴露高值區，主要原因是該地處于主城區，人口基數大，且人口城市化現象明顯，因此暴露人口總量高；而藍田縣、周至縣、鄠邑區、高陵區、閻良區等區縣暴露人口近年來低于30萬人，是人口暴露低值區，這是由于該地原本的人口基數小，且近年人口不斷向城市遷移，因此暴露人口總量進一步減少。

圖6 不同年份西安市各區縣高溫熱害暴露人口總量Fig.6 Total population exposed to high temperature in different districts and counties in Xi′an

2.3 西安市未來高溫熱害人口受災率及其暴露人口預測

根據前述預測模型，2020-2050年，西安市人口數量逐年增長，預計到2050年常住人口數量達到1 593萬人（表8），比2020年增加576萬人，30年間年平均增長率為1.507%。

表8 西安未來高溫熱害暴露人口預估Table 8 Prediction of future population exposed to higher temperature in Xi′an

相較于2005-2019年的年平均增長率1.691%下降了0.184%，未來人口呈現緩慢平穩增長的趨勢，平均每年約增長19.2萬人。

西安市2020-2050年高溫熱害人口受災指數逐年下降，由2020年的0.43下降至2050年的0.08，25年間一共下降了0.35。暴露人口由2020年的440.16萬人減少至124.09萬人，25年間共減少316.07萬人，年平均減少率為4.133%。

3 結論與討論

3.1 結論

本文利用2005-2019年西安市氣象站的氣溫日值數據，計算了西安市高溫日數，高溫有效積溫，結合統計年鑒資料中的常住人口和家庭年末每百戶耐用品-空調擁有情況，定義了高溫暴露人口為不受空調保護的人口，定量分析了2010-2019年高溫熱害人口暴露總量及人口受災指數，并對西安市2020-2050年的高溫熱害暴露人口及其受災指數進行預估，主要結論如下：

時間上，西安市高溫集中在每年的6，7，8三個月，2005-2019年間15年高溫日數共計360天，年均24天，年平均高溫熱害有效積溫為43.31℃。高溫熱害有效積溫與高溫日數變化特征相似，都呈多年波動變化特征。空間上，研究區內地表溫度區域分異顯著，與當地南高北低的地勢有明顯聯系，南部秦嶺山地地表日平均最低溫度低于15℃，而中部主城區及其以北地區地表日平均最高溫度可高于50℃。

在研究時段內，西安市常住人口總量逐年上升，2005-2019年間增長172.94萬人，年平均增長率為2.084%，主城區人口增長量高于郊區，人口城市化趨勢明顯。同時個人空調擁有率也逐年增長，由2010年的0.356臺/人增長至2019年的0.541臺/人，年平均增長率為4.776%。空調年平均增長率高于人口年平均增長率，因此暴露人口總量呈明顯的下降趨勢，由2010年的545.94萬人下降至2019年的467.96萬人，將空調擁有量作為高溫熱害設防水平指標時，高溫熱害暴露人口遠少于總人口，且主城區高溫熱害暴露人口總量遠大于郊區高溫熱害暴露人口總量。

根據歷史高溫事件構建脆弱性曲線，西安市高溫熱害人口受災指數與LN（高溫有效積溫）呈線性函數，即隨著LN（高溫有效積溫）的增大，人口受災指數逐漸減小，說明夏季來臨時，隨高溫強度增大，人們普遍使用空調以減少高溫脅迫，但受空調數量限制，始終存在沒有空調的居民，因此實際人口受災指數將首先減小，繼而趨于平緩。

根據灰色模型預測，2020-2050年，西安市常住人口數量逐年增長，預計到2050年常住人口數量達到1 593萬人，年平均增長率為1.507%，未來人口呈現緩慢平穩增長的趨勢。高溫熱害人口受災指數逐年下降，由2020年0.43下降至2050年的0.08，30年間共下降0.35，至2050年高溫熱害暴露人口減少至124.09萬人；雖然高溫熱害暴露人口隨著空調擁有率的增加而減少，但人群對于空調等耐用品的擁有情況存在不均衡現象，無法完全消除高溫熱害的影響，并且未來仍有大量人口面對高溫脅迫，因此更應提高該地高溫熱害設防能力、提高人群災害風險防范意識，以降低災害風險。

3.2 討論

本研究利用歷史資料構建了高溫熱害人口暴露脆弱性曲線，將個人空調擁有率作為高溫熱害設防指標，定量分析了西安市高溫人口受災指數，提高了高溫熱害人口暴露總量預估的準確性。在研究未來高溫熱害暴露人口時，可利用灰色模型對未來高溫熱害暴露人口進行定量預估。

但研究存在一定的不足之處：根據統計年鑒中的家庭年末每百戶空調擁有情況，以灰色模型對個人空調擁有率進行預估，雖然模型精度良好，但預測值普遍偏高，需考慮家庭空調擁有數量分布不均的現象，可能存在一戶家庭擁有一個或多個空調的情況。其次，受到數據精度限制，在計算各區縣暴露人口時，采用了全市的空調擁有率來計算各區縣人口暴露量，而實際中會存在城區空調率高，郊區空調率低的情況。在未來研究中應進一步深入，如通過實地調研獲得各區縣的空調數據，即可進一步計算暴露人口，增加結果的準確性。因此獲得精度更高的數據，深入探討高溫熱害暴露人口總量與個人空調擁有率及家庭空調擁有率的關系是進一步提高本研究高溫熱害暴露人口準確性、科學性的重要方向。

對未來人口進行預估時采取了灰色模型，此模型對預測近期或短期的數據準確度較高，因此本研究只對未來30年的暴露人口進行預測，未來需充分考慮當地社會經濟發展，環境變化對人口的影響，采取更準確的模型對人口進行預估。其次對于高溫熱害暴露人口的預估，只考慮了將現有統計數據中的空調擁有量作為設防指標，未考慮個人職業狀況，如夏日長時間暴露在外的戶外工作人員，即使擁有空調，其工作時間也是暴露在高溫下的，屬于高溫熱害暴露人口。因此在高溫熱害人口暴露風險預估中，需考慮根據職業狀況將戶外工作人口剔除，以其余人口作為基數計算暴露人口，增加結果的準確性。