融合主客观视角的城市热暴露不平等评估：基于多源数据与机器学习的新框架

针对传统城市热暴露(UHE)评估中主观感知缺失导致的"隐性不平等"问题，本研究创新性地整合遥感LST数据、社交媒体BERT分析和机器学习技术，构建了包含客观(OHE)、主观(SHE)和综合(CHE)的三维评估体系。研究发现北京不同交通分析区(TAZ)存在显著的热暴露空间异质性，揭示社会经济因素对SHE影响率达47.3%，为精准制定热环境治理策略提供了科学依据。

　　

随着全球气候变化加剧，城市热环境恶化正成为威胁人类健康的重大挑战。过去20年间，高温暴露已导致全球约978万人死亡，而快速城市化更显著放大了热岛效应（Urban Heat Island, UHI）。尤其值得关注的是，由于城市功能区划和社会经济差异，热暴露（Urban Heat Exposure, UHE）呈现出明显的空间异质性，这种"热不平等"现象使得弱势群体面临更大的健康风险。传统评估方法主要依赖气象站或遥感地表温度（Land Surface Temperature, LST）等客观指标，却忽视了不同人群对热感知的主观差异，可能导致政策干预的"靶向失灵"。

针对这一科学难题，江苏省高校优势学科建设工程项目（PAPD）资助的研究团队在《Sustainable Cities and Society》发表创新成果。研究人员以北京为案例，首次构建了融合客观物理测量与主观社会感知的三维评估框架。通过整合LST遥感数据、BERT模型驱动的社交媒体文本分析以及机器学习算法，系统比较了客观热暴露（OHE）、主观热暴露（SHE）和综合热暴露（CHE）的空间分布特征，并深入解析了影响热不平等的关键驱动因素。

研究采用三项关键技术：首先基于LST和人口加权模型构建OHE指标；其次运用BERT大型语言模型分析微博文本提取SHE特征；最后通过熵权法集成主客观数据建立CHE评估体系。研究覆盖北京1368个交通分析区（TAZ），结合夜间灯光、POI等多源地理数据，采用地理加权回归（GWR）识别驱动因子。

【城市热暴露强度三视角评估】结果显示：OHE高值区集中在中心城区，而SHE热点呈现"多中心"分布，两者空间匹配率仅61.3%。CHE分析发现约23.7%的TAZ存在主客观评估偏差，证实单一视角可能低估实际热风险。

【热暴露不平等空间格局】社会经济弱势区域的SHE强度比OHE高出1.2-1.5个等级，老年人聚居区的热感知敏感度显著高于商业区。环境正义分析表明，低收入社区承受的热压力是高档住宅区的2.3倍。

【驱动机制差异】GWR模型显示：OHE主要受绿地率（β=-0.42）和建筑密度（β=0.38）影响；SHE则与人口年龄结构（β=0.47）和医疗资源可达性（β=-0.35）显著相关；CHE驱动呈现"双因素耦合"特征，社会经济指标解释力达52.6%。

这项研究突破了传统热环境评估的局限，首次系统论证了主观感知维度对热不平等研究的决定性影响。发现的"感知偏差区"为精准干预提供了新靶点，提出的CHE框架为SDG11（可持续城市）目标实现提供了方法论创新。政策启示包括：热浪应对策略应纳入社会脆弱性评估，城市规划需建立"生理-心理"双维度的热舒适标准，而基于社交媒体的实时感知监测可提升应急响应效能。该成果对全球快速城市化地区的环境正义治理具有普遍参考价值，特别为亚洲高密度城市的气候适应规划提供了科学范式。