综述：户外热健康研究中的人类热模型：对其灵活性、整合性和预测能力的批判性回顾

《Sustainable Cities and Society》：Human thermal models in outdoor heat-health research: a critical review of their flexibility, integration, and predictive capabilities

　　**摘要**
气候变化和快速城市化加剧了城市中的户外热应激，增加了户外工作者、老年人和其他易受热影响群体的健康风险。准确预测人体的热反应和生理反应对于评估户外热舒适度、发布热健康警告以及适应城市高温环境至关重要。然而，选择合适的模型仍具有挑战性，因为户外暴露是动态的、空间上不均匀的，并且受到个体差异的影响。这篇重要综述从三个角度评估了用于户外热健康研究的人体热模型：模型灵活性、集成能力以及预测生理和健康相关结果的能力。本文比较了七类模型——热平衡模型、多节点模型、有限元模型、生物热模型、热心血管模型、CFD耦合模型和数据驱动模型——在模型结构、户外适用性、预测细节、局限性以及与微气候模型、热标准、可穿戴传感器和机器学习方法的集成潜力方面的表现。该综述还将模型选择与热应激评估、热脆弱性映射、行人暴露分析和实时热监测联系起来。当前模型的主要局限性包括对动态户外条件的表示不足、个体差异的忽略以及对热脆弱群体的忽视，以及缺乏实际验证。未来的研究应重点改进模型耦合、生理个性化、计算效率以及户外验证，以提高热风险预警效果，支持城市气候适应，并促进更健康、更具气候抵御力的城市发展。

**引言**
气候变化和城市化正在增加城市中的户外热应激，从而提高户外工作者、老年人和其他易受热影响群体的健康风险（Harlan & Ruddell, 2011; Kovats & Hajat, 2008; Santamouris et al., 2015; Sherwood & Huber, 2010）。近几十年来，65岁以上人群因热引起的死亡率急剧上升，而2020年代全球热浪暴露的人天数达到了创纪录的水平（Romanello et al., 2024）。在城市地区，热暴露不仅受天气条件影响，还受到城市热岛效应、建筑形态、遮荫、通风和日常活动模式的影响（Jackson, 2003; Parsons, 2014; Shooshtarian et al., 2020）。这些风险分布不均：低收入社区、难以获得降温设施的居民以及户外工作者所承受的暴露风险尤其高（Hsu et al., 2021; Ruane, 2024）。因此，不同地点和时间的户外热健康风险差异很大，需要更好的工具来评估人们在实际户外条件下的反应。人体热模型就是其中之一。通过描述在不同空气温度、湿度、风速和辐射条件下的热交换和体温调节反应，这些模型可用于评估热舒适度、热应激和与热相关的健康风险（Blazejczyk et al., 2012; Epstein & Moran, 2006）。与简单的环境指数相比，它们能够更直接地关联户外暴露与生理反应，使其在户外热健康研究、气候适应和热风险管理中变得越来越有用。人体热模型最初主要为室内环境和发展热舒适度而开发（H?ppe, 1999），后来扩展到户外条件，但由于太阳辐射、风速、湿度的变化以及非均匀暴露，预测变得更加困难（H?ppe, 2002; Ioannou et al., 2019）。随着时间的推移，该领域从简单的热平衡模型发展到多节点模型、有限元模型、循环模型、CFD耦合模型和数据驱动模型，以适应不断变化的户外条件（Fanger, 1970; Gagge, 1971; Morakinyo et al., 2016; Stolwijk, 1971; Werner & Webb, 1993; Xu, Rioux, Friedl, et al., 2023）。尽管许多先前综述讨论了人体热模型的发展，但从户外热健康研究的角度进行评估的研究较少。特别是，关于不同模型家族如何应用于常见的城市热健康任务（如行人热暴露评估、热风险预警、脆弱群体保护以及气候适应性城市设计）的指导仍然有限。一些综述探讨了该领域的重要方面，但其分析重点与本文的应用导向范围不同（表1）。Kati? et al. (2016) 和 Xu et al. (2023) 提供了关于热生理和三维人体热模型的详细技术描述，但主要集中在模型构建和生理表示上，而非户外热健康模型选择。Potchter et al. (2018)、Shooshtarian et al. (2020) 和 Aghamolaei et al. (2023) 审视了户外热舒适度指标、现场研究和城市设计应用，但对基础的人体热模型及其生理或健康相关预测能力关注较少。Zhao et al. (2021) 从更广泛的舒适度建模视角讨论了热舒适度模型，而 Feng et al. (2022) 和 Luo & Chen (2025) 主要关注数据驱动和机器学习方法在热舒适度预测中的应用。这些研究提供了重要基础，但对于如何选择和评估基于过程、耦合和数据驱动的人体热模型以应对户外热健康任务的研究关注不足。因此，表1用于说明先前综述的分析重点，而非对其质量或覆盖范围进行评分。本文的新颖之处不仅在于更广泛的覆盖范围，还在于开发了一个面向应用的户外热健康研究模型选择框架，该框架通过三个维度来评估模型家族：灵活性、集成能力和预测能力。灵活性指的是模型是否能够表示瞬态的、空间上不均匀的以及行为依赖的户外暴露；集成能力指的是模型是否能够与微气候模拟、CFD、可穿戴传感器、城市数据集、数据驱动方法或预警系统结合；预测能力指的是模型是否能够提供与热健康评估相关的输出，包括热指数、皮肤和核心温度、出汗、血流、心血管负荷或热风险结果。这些维度用于将模型假设和证据成熟度与实际应用（如行人暴露评估、职业热管理、脆弱人群保护、实时热预警和气候适应性城市设计）联系起来。

**本文回顾了当前用于预测户外环境中人体热反应的模型，重点关注其基本原理、实际用途、局限性以及在变化户外条件下的城市热健康研究价值。本文不仅包括已实际应用于户外的模型，还包括为未来户外热建模提供基础的模型。第2节描述了回顾方法，包括文献搜索策略、纳入和排除标准以及研究选择过程。第3节介绍了主要类型的人体热模型，并解释了它们与户外应用的相关性。第4节描述了典型的户外环境，确定了影响体温调节的关键环境因素，并讨论了户外建模的主要挑战和需求。第5节探讨了不同方法的应用、优势、局限性和模型选择考虑因素。第6节概述了户外热健康建模的未来研究方向。**