城市动态人口流动与寒潮暴露风险的时空关联研究：基于北京高分辨率气象与人口大数据的实证分析

为解决全球变暖背景下寒潮事件对人类健康的影响评估不足问题，研究人员整合高分辨率动态人口数据与气象监测网络，构建了动态人口加权温度算法（TEMdynamic）和冷暴露健康影响指数（DHEI）。研究发现北京城乡人口昼夜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。该成果发表于《Environment International》，为精准评估极端低温健康风险提供了创新方法学框架。

　　

随着全球变暖加剧，极端天气事件频率显著上升。尽管热浪研究备受关注，但寒潮对健康的威胁仍被低估——寒冷相关死亡率在温带地区持续居高不下，低温可诱发心血管疾病（CVD）、急性肾损伤（AKI）等严重后果。作为典型特大城市，北京面临城乡人口流动与极端低温的双重挑战，但传统静态人口模型难以准确评估实际暴露风险。这项发表于《Environment International》的研究，首次将百度地图实时人口数据（精度100米/小时）与535个气象站点监测结合，揭示了动态人口流动如何重塑寒潮健康风险格局。

研究团队采用三大关键技术：1）基于移动设备大数据的动态人口时空分布重建；2）高分辨率温度场插值与人口加权算法（TEM_static/TEM_dynamic）；3）引入最小死亡率温度（MMT=26.1°C）改进的动态冷暴露指数（DHEI）。通过分析2019年1-2月北京寒潮事件，量化了城乡尺度下人口流动与温度暴露的交互效应。

时空动态特征

温度监测显示北京城区存在显著热岛效应，夜间02:00郊区温度比城区低3-5°C。人口热力图揭示昼夜潮汐式流动：日间工作时段城区人口密度达峰值，而夜间郊区人口激增47%。这种流动使郊区居民夜间暴露于更低温度区间（-10°C至-5°C）。

暴露水平差异

动态加权温度比静态模型低1.8°C，且夜间差异更显著。以八达岭长城（站点8）为例，春节期间14:00游客聚集使DHEI骤升，但夜间温度骤降至-12°C时仍滞留人群面临极高风险。相比之下，南锣鼓巷等城区站点因UHI效应始终维持较高温度缓冲。

健康风险评估

DHEI空间分析显示：1）日间人口向高温区聚集可降低23%冷暴露风险；2）夜间郊区DHEI值比城区高3.2倍；3）春节返乡潮使城乡风险差异缩小15%，印证人口流动的关键调节作用。

讨论指出，北极变暖导致的极地涡旋减弱可能增加中纬度寒潮频率，而城市化进程加速使人口流动成为暴露评估不可忽略的变量。该研究创新性地将MMT引入冷暴露评估，证实动态模型比传统方法灵敏度提升40%。局限在于未考虑室内避寒行为及风速等复合因素。这些发现为制定分时段、分区域的精准公共卫生干预（如夜间郊区供暖强化）提供了科学依据，也为全球特大城市应对气候健康挑战提供了范式。