《Remote Sensing》:Multi-Scale Assessment of Nighttime Heat Health Risk and Dominant Factors Using MODIS and SDGSAT-1 Observations
编辑推荐:
气候变化正在加剧高温相关的健康风险,使得热健康风险(Heat Health Risk, HHR)评估对可持续城市发展愈发重要。然而现有研究仍面临三方面不足:(1)宏观尺度与精细尺度评估联系薄弱;(2)夜间热健康风险(Nighttime Heat Health
气候变化正在加剧高温相关的健康风险,使得热健康风险(Heat Health Risk, HHR)评估对可持续城市发展愈发重要。然而现有研究仍面临三方面不足:(1)宏观尺度与精细尺度评估联系薄弱;(2)夜间热健康风险(Nighttime Heat Health Risk, NHHR)受关注有限;(3)主导因子(Dominant Factor)识别不足,尤其在局地气候分区(Local Climate Zone, LCZ)框架下。为弥补上述缺口,研究人员在中国山东省构建了基于灾害–暴露–脆弱性(Hazard–Exposure–Vulnerability, H–E–V)模型的夜间热健康风险多尺度评估框架。宏观尺度上,利用MODIS夜间地表温度(Land Surface Temperature, LST,1 km)表征热灾害(Hazard, H),结合社会经济统计数据评估区县级风险,并应用热点分析(Getis–Ord Gi*statistic)识别高风险集聚区以遴选精细评估城市。精细尺度上,利用可持续发展科学卫星一号(SDGSAT-1)热红外波段(Thermal Infrared Sensor, TIS,30 m)反演夜间LST表征市内热灾害,结合社会经济、人口及城市基础设施数据评估街区级热健康风险指数(Heat Health Risk Index, HHRI),并对各空间单元识别主导风险因子。结果表明:(1)宏观尺度上,山东省夜间热健康高风险区县集中分布于鲁南及主要城市核心区;(2)精细尺度上,内陆城市整体风险高于沿海城市,且内陆城市间空间模式相似;(3)区县与街区两个尺度均显示,风险等级越高,主导因子组合越复杂(多因子耦合);(4)紧凑中高层及高层建筑区(LCZ 1–2)以多主导因子(H–E–V)为主,开敞低层/稀疏建成区(LCZ 6/9)多无主导因子。该框架可通过识别夜间热健康风险集聚区及其主导成分,支持差异化的跨尺度适应措施;高分辨率SDGSAT-1夜间观测提升了市内热健康风险及主导因子的精细识别能力。
论文解读:《Remote Sensing》刊载论文——基于MODIS与SDGSAT-1观测的夜间热健康风险及其主导因子的多尺度评估
一、研究背景与立项依据
极端高温是全球变暖背景下城市社会面临的最严峻气候威胁之一。除白天高温外,城市夜间温度升高及热夜(Hot Night)事件频发且持续时间延长,夜间热胁迫会干扰人体体温调节与休息恢复,显著提升心血管负荷乃至死亡率,夜间热相关死亡风险较非热夜可增加约30%–50%。热健康风险评估通常基于IPCC风险三角形——热灾害(Hazard, H)、热暴露(Exposure, E)与热脆弱性(Vulnerability, V)——构建热健康风险指数(Heat Health Risk Index, HHRI)。现有研究存在三点不足:第一,区域(省/市)宏观评估与城市内部(街区/地块)精细评估相互割裂,缺乏从大尺度筛查到小尺度诊断的连续框架;第二,已有成果多聚焦白天高温,专门针对夜间热健康风险(Nighttime Heat Health Risk, NHHR)者较少,且夜间热红外遥感空间分辨率不足以支撑街区尺度分析;第三,局地气候分区(Local Climate Zone, LCZ)多用于比较不同城市形态下的风险水平差异,少有研究辨析在不同LCZ类型下究竟是H、E、V或其组合主导热健康风险,限制了差异化适应策略制定。为此,研究人员以中国山东省为研究区,发展并应用一套耦合MODIS(宏观)与SDGSAT-1(精细)的多尺度夜间热健康风险评估及主导因子诊断框架,并结合LCZ分类探讨城市形态与风险驱动结构的关系。
二、主要技术方法概述
研究人员选取山东省各区县(宏观尺度)及经热点分析筛选出的三个高风险城市典型建成区街区(精细尺度)为对象。宏观尺度采用MODIS 8天合成夜间LST产品(1 km)表征H,区县级总人口与VIIRS/DNB夜间灯光强度(Nighttime Light Intensity, NLI)表征E,老年及少儿人口比、受教育程度、住房条件等统计指标表征V;精细尺度采用SDGSAT-1 TIS双通道(波段2、3)基于分裂窗算法(Split-Window Algorithm, SWA)反演30 m分辨率夜间LST表征H,WorldPop人口密度与SDGSAT-1微光成像仪(Glimmer Imager)NLI表征E,高龄/低龄敏感人口比、距最近医疗机构距离(负指标)、NDVI(负指标)、修正归一化水体指数(Modified Normalized Difference Water Index, MNDWI,负指标)、建筑年代等表征V。H、E、V分量经0.1–0.9极差标准化后等权相乘得HHRI。宏观尺度以Getis–Ord Gi*统计量识别HHRI显著高值聚类(热点),据此遴选济南市、青岛市、菏泽市进行街区级精细评估。HHRI及三分量用Jenks自然断点法分为五級(极低、低、中、高、极高),将分量达高或极高者定义为"主导",依H/E/V主导与否划分无主导、单主导(H/E/V)、双主导(H–E/H–V/E–V)及三主导(H–E–V)类型。街区尺度同步匹配World Urban Database and Access Portal Tools(WUDAPT)生成的建成类LCZ(LCZ 1–9),统计各LCZ类型内主导因子类别占比。
三、研究结果
(1)Macro-Scale Assessment of Heat Health Risk Index and Its Components(宏观尺度热健康风险指数及各分量评估结果)
通过MODIS夜间LST计算得到热灾害呈北中南偏高、中部沿黄河走廊形成热廊道;热暴露高值离散分布于各地级市建成区;热脆弱性高值集中于鲁南菏泽、济宁—临沂—枣庄交界带。综合HHRI显示:极高及高风险区县占约25.7%,集中分布于鲁南及各地级市主城区,其中西南部菏泽全市、济南—泰安一带、青岛及周边形成99%或95%置信水平的热点区,半岛烟台—威海为冷点区。表明山东省夜间热健康风险呈"南高北低、城市核心突出"的空间异质性。
(2)Fine-Scale Assessment of Heat Health Risk Index and Its Components(精细尺度热健康风险指数及各分量评估结果)
对济南、青岛、菏泽街区尺度分析显示:①热灾害——济南高热害街区占比最高(62.31%),呈大明湖周边及西客站附近连片分布;青岛呈近港口及市北—市南多中心碎片分布(45.49%);菏泽市中心昭明湖—菏泽站间具局部高值簇(41.21%)。②热暴露——菏泽高/极高暴露街区占比最高(27.35%),呈明显核心—边缘递减;济南(22.96%)高暴露集中于老城西南;青岛(15.72%)呈多中心散布,沿海及山体为低暴露。③热脆弱性——菏泽(33.57%)、济南(32.15%)略高于青岛(28.73%),高脆弱性多在老城核心及医疗可达性差的区域。④HHRI——济南极高/高风险街区占比最高(35.93%),老城大明湖西侧最集中;菏泽次之(33.57%)呈核心—外围梯度;青岛较低(26.82%)呈多中心分散格局,中风险占比最大。总体内陆城市(济南、菏泽)整体夜间热健康风险高于沿海城市(青岛)。
(3)Dominant Factor of Heat Health Risk(热健康风险主导因子分析)
宏观尺度:主导因子类型具区域分异——黄河沿线、三角洲及鲁西南多为含热灾害型(H、H–E、H–V、H–E–V),半岛多为不含H之E/V主导型。风险等级越高,多因子(尤H–E–V)主导比例越大:极高风险区县中H–E–V占86.7%,高风险占85.0%;随风险降低,单/双因子增多,极低风险区多无主导因子。
精细尺度结合LCZ:三城市中心密集建成区内多主导因子(尤H–E–V)集中,外围或低密度街区多为单主导或无主导。LCZ类型关联明显——紧凑高层(LCZ 1)与紧凑中层(LCZ 2)区块H–E–V主导比例最高(济南LCZ 1达80.2%,LCZ 2超70%;菏泽LCZ 2超80%);开敞低层(LCZ 6)及稀疏建成(LCZ 9)多无主导因子(济南LCZ 6中>70%,青岛LCZ 6中>90%);LCZ 3/5/8主导配置较混杂,含E–V型占一定比例。证实城市形态(高度、密度)与主导风险驱动结构密切相关,高密度高层建筑区需综合干预,开敞低密区风险驱动较单纯或无单一强驱动。
四、讨论与结论翻译(Conclusions)
讨论部分指出:SDGSAT-1(30 m TIS + 10 m 微光)相较传统公里级产品能更好刻画市内LST细部差异及夜间人类活动强度,利于精细分区;框架可揭示发展中中小城市(如菏泽)同样存在不容忽视的夜间热健康风险及适应能力不足的不匹配问题;主导因子诊断超越单纯HHRI制图,可依H/E/V耦合情形指导差异化治理——含H之配置优先纳入热预警与降温措施,含E/V者侧重人群服务与医疗可达性提升,LCZ提供建成环境干预情境参考。局限性含人口数据为2020年普查、缺实测健康结局验证、H–E–V等权假设及LST不完美代表体感热胁迫等,未来宜引入手机信令动态人口、生理等效温度(Physiological Equivalent Temperature, PET)等指标及情景模拟。
研究结论翻译如下:
(1) 省级尺度上,山东省夜间热健康风险呈明显空间异质性,高风险区集中分布于鲁南及各地级市主城核心区。
(2) 精细尺度上,内陆城市整体夜间热健康风险高于沿海城市,两内陆案例城市具相似空间风险格局。
(3) 区县与街区两尺度均显示,风险等级与主导因子复杂度正相关,更高风险单元通常涉及更多主导分量耦合。
(4) LCZ类型关联特定主导因子模式:同等密实度下较高建筑区块多主导因子更普遍,同等高度下开敞区块多无主导因子。该多尺度框架适用于其他面临热相关健康风险的区域(尤利于识别欠发达高风险中小城市),可为宏观政策制定与微观干预提供依据,助力更公平、韧性及可持续的城市发展(呼应SDG 11)。