《Sustainable Futures》：Hot and powerless: Identifying vulnerable population clusters under hypothetical concurrent heatwave and loss-of-electricity conditions in Australia
编辑推荐：
极端高温是澳大利亚最致命的自然灾害，在2012-13年至2021-22年间，80%的极端天气相关住院病例由极端高温导致，并造成293人死亡。随着气候变化使热浪变得更长、更严重，这些风险预计将加剧。当高温与电力供应丧失（LOS）同时发生时，由于冷却、通讯和一些健
极端高温是澳大利亚最致命的自然灾害，在2012-13年至2021-22年间，80%的极端天气相关住院病例由极端高温导致，并造成293人死亡。随着气候变化使热浪变得更长、更严重，这些风险预计将加剧。当高温与电力供应丧失（LOS）同时发生时，由于冷却、通讯和一些健康相关支持依赖于电力，健康影响可能升级。本研究评估了在假想的并发高温和LOS条件下澳大利亚的人口脆弱性。研究不估计停电概率；而是考察在极端高温期间发生广泛LOS时，哪些人口群体和地区可能最脆弱。评估使用基于统计一级区域（SA1）的暴露-敏感性-适应能力（ESA）框架。18个指标捕捉了在电力依赖型缓解措施受限时的热暴露、社会人口敏感性和适应能力。研究在最脆弱的10%区域中识别出三个集群：（1）热暴露高且服务可及性有限的偏远地区；（2）教育水平较低且适应资源受限的社区；（3）老年居民比例高且英语水平有限的郊区人口。这些不同的特征突出了统一干预措施的局限性。由此产生的集群类型学为有针对性的适应和准备提供了证据基础，包括加强系统韧性、优先恢复规划、健康检查和量身定制的风险沟通。分析还指出了可改进未来评估的数据缺口。总体而言，本研究推进了对复合气候-健康脆弱性的理解，并提供了一个可扩展的框架，用于识别在电力依赖型适应能力被破坏时最容易受热应激影响的人口。
极端高温是澳大利亚最致命的自然灾害，但电力供应丧失（LOS）会显著加剧热浪期间的健康风险，因为冷却、通讯和医疗支持依赖于电力。现有研究多聚焦于单独的热脆弱性或停电影响，缺乏对并发热浪与LOS条件下人口脆弱性空间差异的评估。研究人员针对这一知识空白，开展了一项基于假想并发热浪与LOS条件的澳大利亚全国范围脆弱性评估。研究识别出三类最脆弱人口集群，并揭示了其不同的驱动因素，为差异化干预提供了证据基础。该研究提出了一个可扩展的框架，支持应急准备、系统韧性强化和资源优先分配，成果发表在《Sustainable Futures》。
研究人员采用的关键技术方法包括：基于暴露-敏感性-适应能力（ESA）框架，从热暴露、社会人口敏感性和适应能力三个维度选取18个指标；数据来源为澳大利亚统计局（ABS）2021年人口普查的统计一级区域（SA1）数据以及哥白尼气候数据集中的超额热因子（EHF）；通过主成分分析（PCA）降维后，结合K-means聚类算法对最脆弱的10% SA1区域进行聚类分析。样本队列覆盖澳大利亚全部约61,800个SA1区域。
研究结果部分包括以下内容：
**最脆弱区域的集群（Clusters for the most vulnerable regions）**：通过主成分分析（PCA）双标图和盒须图分析，研究人员识别出三个明显不同的脆弱性集群。集群1（红色）主要由偏远地区组成，驱动因素是极高的热暴露和有限的医疗服务可及性，但适应能力相对较高。集群2（绿色）的特征是较低的教育水平和有限的适应资源，敏感性较低但适应能力也较低。集群3（紫色）位于大都市郊区，老龄化比例高、英语水平有限，敏感性高但适应能力也相对较高，形成独特的脆弱性路径。
**ESA因素的选择与可争议因素（Selection of ESA factors and debatable factors）**：这部分讨论了多个指标的选择逻辑和局限性。超额热因子（EHF）作为热暴露代理，虽常用但简化了湿度、城市热岛等复合因素。收入与适应能力的关系在LOS条件下复杂化，高收入群体可能因高度依赖电力冷却而更脆弱。太阳能系统虽提升热适应能力，但仅少数可离网运行。建筑能效数据缺乏全国一致性，且高能效建筑在断电时可能成为“温室”。人口流动性数据缺失，限制了动态评估。生命支持设备用户数据虽重要但敏感，未纳入模型。
**分析的运作化与研究结果（Operationalisation of the analysis and research outcomes）**：研究讨论了ESA模型在战略、战术和操作层面的应用。战略层面可结合气候预测和网络可靠性数据指导基础设施投资。战术层面可映射脆弱性层到电网元件，支持恢复优先级和实时决策。操作层面提出了针对各集群的差异化干预策略：集群1需加强早期预警和偏远地区备用电源；集群2需提供易理解的教育材料和社区支持网络；集群3需建立脆弱人群登记系统、健康检查计划和针对性电池冷却设备分发。
讨论部分总结了数据缺口（如建筑能效、空调普及率、备用发电、人口流动性、生命支持设备、网络可靠性数据），并指出LOS条件下的脆弱性不是简单加性函数，而是取决于对电力缓解措施的依赖模式。研究人员建议未来采用动态建模（如基于代理的建模）以模拟异质性行为反应和职业暴露模式。
研究结论部分翻译如下：本研究通过考虑假想的并发极端高温和LOS条件下的人口脆弱性，填补了热脆弱性研究中的一个空白。虽然许多研究已经绘制了热脆弱性图，但研究人员的方法的新颖之处在于具体考虑了电力依赖型适应能力的中断如何可能加剧不同人口群体的热风险。本研究不估计LOS发生的概率；而是识别一旦此类条件发生，哪些人口可能最脆弱。研究人员对ESA模型的修改和应用可以支持战略、战术和操作层面的决策，以指导规划、针对性干预和应急响应。这种多层次方法可以更有效地准备和管理潜在的复合热和LOS事件，减少脆弱人群的健康影响。虽然模型提供了有价值的见解，但必须承认若干局限性。建筑能效、空调普及率、备用发电、人口流动性、生命支持设备使用和电力网络可靠性数据将显著增强模型，但目前尚未在一致的全国SA1分辨率下可用。使用ABS人口普查数据提供了稳健的空间粒度，但代表了静态人口快照，并未捕捉昼夜、季节或事件驱动的行为反应。未来研究应侧重于整合这些额外数据源，量化建筑热性能与停电期间脆弱性之间的具体关系，并为每个脆弱性集群制定标准化干预协议。能源供应商、健康服务和应急管理机构之间的合作努力对于有效运作化这些发现是必要的。在战略层面，脆弱性层可以叠加澳大利亚能源市场运营商（AEMO）和网络可靠性指标、停电历史和气候预测。在战术层面，它们可以用于在广泛LOS事件期间指导恢复优先级、针对性沟通和福利检查。纳入停电持续时间、恢复优先级和电力网络可靠性数据也将使未来研究能够开发更具操作特异性的脆弱性评估。此外，研究结果强化了LOS条件下的脆弱性不是热暴露和电力中断的简单加性函数。相反，它取决于对电力缓解措施的依赖模式和基线暴露背景。户外工作者、居住在自然通风住宅中的人群以及具有既定行为热适应习惯的人群可能经历与高度电气化室内人群不同的LOS边际影响。这种异质性应在未来研究中更明确地建模。一种方法是动态建模（例如，基于代理的建模），模拟复合热-LOS情景下的异质性行为反应、职业暴露模式、建筑性能和电力依赖。这种方法将允许区分室内和室外人群，纳入活动模式，并明确建模条件性风险放大，而不是假设跨人口群体的统一效应。总之，本研究提供了一个框架，用于识别和解决假想的并发极端高温和LOS条件下的复合脆弱性。该框架旨在通过识别如果LOS与极端高温同时发生最脆弱的人群，来支持准备和响应规划，而不是预测此类事件的可能性。通过了解脆弱人口集群的独特特征，决策者可以实施针对性干预，以最大化资源效率并最小化复合极端高温和LOS事件期间的健康影响。
