动态人口流动视角下北京寒潮期间冷暴露风险评估：基于高分辨率气象与人口大数据的研究

本研究针对全球变暖背景下寒潮事件对城市公共健康的威胁，创新性地整合高分辨率动态人口数据与气象监测网络，构建了TEMdynamic动态加权温度模型和DHEI健康风险指数。研究发现北京城乡人口双向流动显著加剧夜间冷暴露风险，而城市热岛效应(UHI)可部分缓解日间风险，为精准化公共卫生干预提供了科学依据。

　　

随着全球变暖加剧极端天气事件频发，寒潮对人类健康的威胁长期被低估。尽管IPCC报告显示全球极端寒冷事件减少，但中国中纬度地区仍频繁遭遇强寒潮袭击。冷暴露可导致低体温症、心血管疾病(CVD)急性发作和呼吸道感染风险激增，相关死亡率甚至高于高温影响。北京作为人口超2100万的超大城市，其复杂的城乡人口流动模式与城市热岛效应(UHI)交织，使得传统静态人口模型难以准确评估冷暴露风险。

为破解这一难题，Bu Yaqin团队在《Environment International》发表研究，首次将百度地图LBS动态人口数据（精度100m，时间分辨率1h）与北京535个气象站点观测数据融合。通过开发TEM_dynamic动态加权温度算法和改良版DHEI（Dynamic Heat Exposure Index）指数，构建了时空双维度的风险评估框架。研究选取2019年1月30日-2月8日寒潮事件，重点分析春节前后城乡人口迁移特征。

主要技术方法

1. 1.

   基于移动设备大数据的动态人口追踪（百度地图LBS，覆盖1.2亿月活设备）

2. 2.

   高密度气象监测网络（535个站点2m气温数据）

3. 3.

   空间插值技术（500m网格化处理）

4. 4.

   静态(TEM_static)与动态(TEM_dynamic)人口加权温度对比模型

5. 5.

   引入MMT（26.1°C）参数的DHEI健康风险指数

研究结果

3.1 动态人口与温度的时空特征

• •

  北京城区夜间02:00温度比郊区高3-5°C，证实UHI效应

• •

  人口分布呈现"日聚夜散"模式，08:00-14:00中心城区人口密度达峰值

3.2 人口流动特征

• •

  春节前每日约200万人口进行城乡双向通勤

• •

  郊区在-10°C至-5°C低温区间的人口暴露量比城区高37%

3.3 寒潮期间的动态暴露水平

• •

  TEM_dynamic比TEM_static高1.2-2.4°C，差异峰值出现在20:00

• •

  八达岭长城景区(DHEI=4.7)成为冷暴露高风险区，较城区高210%

讨论与结论

该研究突破性地揭示：1）北京夜间人口回流郊区导致冷暴露风险激增，TEM_dynamic与TEM_mean差异最大达3.1°C；2）UHI效应使城区日间风险降低12-15%，但加剧了"钟摆式"人口流动带来的暴露差异；3）改良DHEI指数显示，旅游景点和交通枢纽是风险防控盲区。这些发现为建立基于实时人口迁移的寒潮预警系统提供了理论支撑，推动公共卫生策略从"静态防控"向"动态精准干预"转型。研究建议未来应整合风速、湿度等气象要素，并加强老年群体等脆弱人群的暴露评估。