利用以公平为导向的地理人工智能技术映射热敏感的多重疾病问题与适应措施之间的不匹配：一项针对可持续城市气候-健康治理的双尺度分析

《Sustainable Cities and Society》：Mapping Heat-Sensitive Multimorbidity and Adaptation Mismatch with Equity-Oriented GeoAI Techniques: A Dual-Scale Analysis for Sustainable Urban Climate-Health Governance

　　**摘要**
极端高温是一种日益重要的、对气候敏感的公共健康威胁，也是可持续城市适应面临的主要挑战。然而，人们对城市社区中多种对热敏感的慢性疾病如何相互叠加，以及当地适应能力是否足以应对这些复合的健康负担关注较少。本研究采用了一种以公平为导向的地理人工智能（GeoAI）分析框架，对美国马里兰州1,385个普查区域中的热敏感多重疾病及其适应不匹配情况进行研究，涵盖了八种慢性健康结果。通过构建三种互补的结果指标：多重疾病数量、多重疾病水平和多重疾病特征，并结合空间映射、k-means聚类、XGBoost多类模型、SHAP解释和基于特征的适应不匹配识别方法，本研究揭示了马里兰州在热敏感多重疾病方面的显著空间异质性。高负担普查区域不仅集中在巴尔的摩市，还分布在马里兰州西部、东海岸和南部地区。XGBoost和SHAP的结果表明，高负担主要由老年人比例、教育劣势、贫困、没有空调的家庭、最高气温和道路网络范围等因素预测，其中一些因素表现出非线性阈值效应。对巴尔的摩市的深入分析显示，复杂的多重疾病负担特征在不同社区的适应能力约束类型和程度上存在差异。这些发现为将城市热适应资源与社区健康负担的强度和组成相匹配提供了基于社区的证据。此外，本研究还展示了如何利用可解释的GeoAI将多重疾病负担特征转化为适应优先事项，并为以公平为导向的热健康治理提供了基于普查区域的证据。

**引言**
极端高温日益被视为对公共健康的主要气候敏感威胁，也是可持续城市适应面临的紧迫挑战。随着气候变化，热浪变得更加频繁、强烈且持续时间更长，给城市和区域适应带来了日益严重的挑战（Habeeb等人，2015年；IPCC，2022年；Meehl & Tebaldi，2004年）。城市热研究进一步指出，我们现在正处于一个“热危机时刻”，这是一个关键转折点，必须通过热缓解、热管理和热治理迅速应对这一问题，以保护公共健康和生计（Keith & Meerow，2026年）。热对健康的后果不仅限于急性热病或死亡率。极端高温会加剧心血管负担、加重呼吸系统症状、扰乱新陈代谢调节、增加肾脏压力，并恶化心理健康状况。因此，在高温暴露期间，已有慢性疾病负担的社区可能会遭受不成比例的健康影响。这一点尤为重要，因为慢性疾病并不是在空间上孤立发生的；心血管、呼吸、代谢、肾脏和心理健康负担可能在同一社区内相互叠加，从而产生对热的双重健康脆弱性。现有的热健康研究提供了大量关于热相关死亡率、住院率、急诊就诊率和单一疾病脆弱性的证据（Curriero等人，2002年；Liu等人，2022年；Medina-Ramón等人，2006年；Singh等人，2024年）。相关研究还开发了热脆弱性和热健康风险指数，以识别环境暴露和社会脆弱性重叠的区域（Harlan等人，2006年；Johnson等人，2012年；Peng等人，2024年；Reid等人，2009年）。这些方法有助于识别和传达热相关风险高的地区。然而，大多数研究仅通过单一的急性健康结果、针对特定疾病的模型或综合脆弱性得分来表示健康状况。因此，它们在多方面提供的证据有限，例如无法确定同一社区内是否同时集中了多种对热敏感的慢性疾病负担，或者具有相似总体负担水平的社区是否具有不同的疾病构成。这一局限性也限制了将热健康证据转化为适应治理的途径。综合风险分类可以识别优先区域，但它们不一定能揭示当地需求是由复杂的健康负担、家庭制冷不足、环境制冷有限、服务可及性差还是适应缺陷共同造成的。然而，热韧性不仅需要识别风险集中的地方，还需要确定适合不同健康和适应特征的社区的治理、管理及缓解措施（Keith & Meerow，2026年）。例如，一个以心脏病和肾脏疾病为主的社区可能需要不同于以呼吸系统和心理健康问题为主的社区的不同干预措施。同样，相同的热暴露水平可能因空调可及性、绿地可用性、社会经济劣势和社会隔离程度等因素而产生不同的适应优先事项。因此，需要一个更加细致的框架来描述社区健康负担的强度和构成，并确定这些负担是否与当地适应能力相匹配。为了解决这一差距，本研究开发了一个以公平为导向的地理人工智能（GeoAI）框架，整合了三种对热敏感的多重疾病表示方法：多重疾病数量、多重疾病负担水平和多重疾病特征。该框架结合空间分析、极端梯度提升（XGBoost）和SHapley加性解释（SHAP），以识别空间异质性、建模非线性和交互决定因素，并解释与不同负担结果相关的因素（Chen & Guestrin，2016年；Lundberg & Lee，2017年）。最后，将多重疾病特征与家庭、环境和基础设施相关的适应资源进行比较，以识别特定特征下的适应不匹配情况。其目标不仅仅是提高预测准确性，而是将可解释的健康负担特征转化为差异化的、以公平为导向的适应优先事项。

**具体研究内容**
本研究提出了三个研究问题：首先，熱敏感的多重疾病数量、负担水平和负担特征在马里兰州各普查区域中的空间分布情况如何？其次，哪些环境、社会、人口统计、建成环境和适应能力因素会预测高多重疾病负担，它们的影响在不同社区中如何呈现非线性变化？第三，高或复杂的多重疾病负担与适应能力不足在哪些地方重叠，这些不匹配情况如何为以特征为导向的热适应策略提供参考？

分析分为三个连续阶段：首先，绘制热敏感多重疾病的地理分布图，并根据负担数量、负担水平和疾病特征对社区进行分类；其次，使用XGBoost和SHAP预测高多重疾病负担，并确定其主要决定因素的方向、幅度、非线性和阈值；最后，将多重疾病特征与适应能力指标相结合，以区分那些存在重大或复杂健康需求的社区，这些需求与家庭制冷不足、环境制冷不足或基础设施支持不足相叠加的区域。这一分析过程从识别多重疾病集中区域，到解释特定负担模式出现的原因，最终确定哪些适应不匹配需要优先干预。

通过这种方式，本研究也与更广泛的可持续发展议程相呼应，在这一议程中，气候适应、公共健康和城市公平日益相互依赖。就可持续发展目标3（良好健康与福祉）而言，识别多种热敏感慢性疾病的空间重叠有助于揭示气候相关健康脆弱性集中的社区，而不是将热健康风险视为单一疾病问题。就可持续发展目标11（可持续城市和社区）而言，将多重疾病负担与热暴露、土地覆盖条件和适应能力联系起来，为更具包容性和空间针对性的适应规划提供了证据。从这个角度来看，热适应不仅仅是基础设施或环境设计问题，而是一个需要综合考虑健康脆弱性、环境暴露和分配不均的适应资源的以公平为导向的治理挑战，这也与可持续发展目标10（减少国家内部的不平等）相一致（联合国，2015年）。

**研究区域与数据来源**
马里兰州被选为研究区域，因为它提供了一个紧凑但高度异质的城市-区域环境，适合研究热敏感的多重疾病及其适应策略。该州位于美国中大西洋地区，包含多样化的地理和居住环境，从高度城市化的巴尔的摩-华盛顿走廊到郊区县、切萨皮克湾和东海岸的沿海社区，以及周边农村地区。

**结果与讨论**
研究结果表明，社区热健康脆弱性不能仅通过热暴露、单一疾病结果或综合脆弱性得分完全反映。具有相似总体负担水平的普查区域在心血管、呼吸、代谢、肾脏和心理健康负担的构成上可能存在差异。当将疾病特征与家庭和社区适应能力结合起来时，这些差异就具有政策相关性。

**结论**
本研究表明，城市热健康脆弱性不仅受热暴露强度的影响，还受现有慢性健康负担的空间集中程度和构成以及适应资源分布不均的影响。在整个马里兰州，热敏感的健康负担表现出显著的区域差异；而巴尔的摩市的分析显示，复杂疾病负担特征可能与家庭制冷不足和基础设施支持不足相叠加。

**作者贡献**
BP：数据收集、处理、调查、分析和写作——初稿；FL：监督、概念化、写作——审核与编辑。所有作者都已阅读并同意发表的手稿版本。

**利益声明**
作者声明没有可能影响本文研究的财务利益或个人关系。

**致谢**
本研究得到了中国国家自然科学基金的支持，资助编号为72404125（授予彭斌斌博士）和42501371（授予李飞博士）。同时，我们也衷心感谢编辑和匿名审稿人对本研究的早期草稿提出的有益意见和建议。

**联系方式**
彭斌斌 | 李飞
南京大学政府学院，社会风险与公共危机管理研究中心
中国江苏省南京市栖霞区仙林大道163号