《Ecological Frontiers》：Built-environment and socioeconomic influences on unequal exposure to compound heat–flood risks across age groups
编辑推荐：
摘要受城市化和气候变化加剧影响，复合热—涝风险对全球特大城市构成日益严重的威胁。然而，暴露不平等的年龄特异性差异机制仍不明确。本研究通过整合基尼系数分析、XGBoost–SHAP和偏依赖分析，定量评估北京四环以内复合热—涝风险及其年龄特异性暴露不平等，解构社会经济与建成环境因
摘要
受城市化和气候变化加剧影响，复合热—涝风险对全球特大城市构成日益严重的威胁。然而，暴露不平等的年龄特异性差异机制仍不明确。本研究通过整合基尼系数分析、XGBoost–SHAP和偏依赖分析，定量评估北京四环以内复合热—涝风险及其年龄特异性暴露不平等，解构社会经济与建成环境因素的贡献。结果表明，不同年龄组之间暴露不平等存在显著差异（儿童 > 老年人 > 劳动年龄人口），且呈现明显的空间结构特征：儿童集中于二环区域，老年人聚集于南部地区，劳动年龄人口则表现为多中心、分散型的高不平等模式。XGBoost–SHAP分析进一步揭示了暴露不平等驱动因素的年龄特异性模式差异。儿童受建成环境和社会经济因素共同影响，且前者作用更强；劳动年龄人口主要受建成环境因素驱动；老年人则受两者共同影响，但社会经济因素作用更为突出。偏依赖分析表明，复合热—涝暴露不平等对社会经济和建成环境因素的响应模式差异显著。社会经济因素主要在各年龄组中放大暴露差异，而建成环境因素主要通过局部阈值效应推动不平等快速变化，对整体组间不平等的影响相对较弱。本研究强调了制定面向不同年龄群体的城市规划与治理策略的必要性，需充分考虑建成环境与社会经济条件如何共同塑造复合气候风险下的暴露不平等。
引言
城市化深刻重塑了社会、经济与环境系统的结构及其相互作用关系[1], [2], [3]。特别是在特大城市中，快速城市化与全球变暖的叠加效应改变了大气热力学、动力学和化学过程[4], [5]。这些变化共同影响城市热岛效应和降水格局，放大了复合热—涝风险[6], [7]。与此同时，城市化过程中人口年龄结构重组和城市基础设施空间配置不均进一步加剧了不同年龄群体之间的风险暴露差异，为公平的城市治理带来新挑战[8], [9], [10]。因此，识别复合热—涝风险下暴露不平等的年龄分化特征及其社会经济环境驱动因素，对于优化资源配置、推进可持续发展目标11所强调的包容性与公平性城市至关重要[11]。
然而，现有灾害空间异质性研究主要关注灾害强度、空间热点或总体暴露水平，而对复合热—涝风险下暴露不平等的年龄分化机制缺乏系统理解[12], [13]。本质上，这种年龄相关的暴露不平等源于复合风险空间分布不均与不同年龄群体空间组织差异之间的耦合[14], [15]。已有证据表明，复合热—涝风险在特大城市核心区域最为显著[16]。过去十年间，这些区域的风险增加了四倍，预测显示未来近期内还将进一步上升[17], [18], [19]。这些趋势归因于大面积不透水面、密集高层建筑以及有限的蓝绿空间[20], [21]。这些条件降低了入渗和降温能力，同时强化了极端高温与强降水之间的反馈作用[22], [23]。然而，城市化的影响在空间上并非均质的。不同区域之间建筑密度、城市形态和生态资源的差异进一步塑造了复合风险的异质性分布[24], [25]。同时，城市化不仅重塑了城市的物理结构，还从根本上改变了人口与资源的空间分布格局[26], [27]。此前研究表明，城市发展将产业和基础设施集中于特定区域，导致功能分区的显著模式[28], [29]。这一过程加剧了区域社会经济差异，并进一步重组了不同年龄群体的空间分布[30], [31]。例如，幼儿倾向于聚集在教育资源丰富、生活便利的区域[32]；老年人更可能居住在老旧住房集中的成熟社区[33]；而劳动年龄人口的居住选择则受到就业机会、住房成本及其他社会经济因素的约束[34]。因此，不同年龄群体在复合热—涝风险暴露及其社会经济环境驱动因素方面可能存在显著差异[35]。识别这些差异及其形成机制对于推进公平导向的城市风险治理和可持续城市发展至关重要。
此外，以往研究主要利用暴露差异来衡量群体间不平等，侧重于各组之间暴露水平的数值差异，而非暴露分布的整体失衡程度[36]。同时，传统回归模型依赖于预设函数形式，限制了其表征建成环境和社会经济因素对暴露不平等非线性效应及潜在阈值响应的能力。相比之下，基尼系数和洛伦兹曲线提供了基于分布的度量指标，能够直接刻画暴露在各年龄组间的空间集中度，从而量化暴露配置的不平等程度[37], [38]。XGBoost-SHAP框架能够在不预设函数假设的情况下识别变量与暴露不平等之间的复杂非线性关系，并量化其相对贡献[39], [40]。结合偏依赖分析（PDP），可进一步揭示关键驱动因素的响应模式[23], [41]。这一整合方法学框架为系统考察复合风险暴露中年龄分化不平等的形成机制提供了稳健途径。
因此，本研究整合多源数据与方法，聚焦北京四环路以内区域，探讨三个核心问题：(1) 热—涝复合风险是否表现出年龄特异性的暴露不平等？(2) 哪些建成环境和社会经济因素对年龄特异性暴露的影响最为显著？(3) 不同年龄群体的暴露不平等如何响应不同的驱动因素？回答这些问题将为促进城市韧性和公平规划提供关键洞见。
章节摘要
研究区域
北京（39°54′N, 116°23′E），中国首都，属温带季风气候，夏季高温多雨（图1）。近年来，城市热岛和暴雨内涝等风险日益严重。例如，2020年8月12日，北京遭遇特大暴雨袭击，造成人员伤亡和巨大经济损失。同年，北京有23天日最高气温超过35°C，极端高温事件频率增加了207.8%
复合热—涝风险的空间分布
为量化复合热—涝风险的空间分布，我们首先分析了北京四环以内城市热风险（UHR）和城市涝灾风险（UFR）的空间格局。热风险呈现局部聚集特征，高值区主要集中在二环、南三环至南四环之间以及北三环附近（图3a）。相比之下，涝灾风险表现出更为分散的空间格局，高值区主要分布在南
城市复合热—涝风险年龄分层暴露的机制：空间格局、驱动因素与响应特征
当前研究对复合热—涝风险暴露年龄分化不平等的理解仍然有限[51], [52]。本研究采用基尼系数量化不平等程度，并将XGBoost–SHAP框架与偏依赖图（PDP）相结合，评估社会经济和建成环境因素对不同年龄群体暴露不平等贡献的大小与特征。该框架能够识别空间
结论
本研究聚焦北京四环路以内区域，综合运用基尼系数、SHAP归因分析和偏依赖分析，量化了复合热—涝风险暴露及其在不同年龄群体间的关联不平等。结果表明，暴露不平等存在显著的年龄分化模式，儿童中不平等程度最高，其次为老年人，劳动年龄人口最低。在空间上，这种
CRediT作者贡献声明
王开平： 撰写——初稿，可视化，软件，方法论，资金获取，形式分析，数据整理，概念化。刘鑫： 撰写——审阅与编辑，撰写——初稿，可视化，软件，方法论，概念化。刘琛辉： 撰写——初稿，可视化，软件，形式分析。张云路： 撰写——审阅与编辑，可视化，验证，项目管理，资金获取，概念化。郑立夫：
利益冲突声明
作者声明不存在可能影响本手稿所述研究的利益冲突或人际关系。
致谢
本研究得到以下项目的资助：中国中央级公益性科研院所基本科研业务费专项资金（资助号QNTD202503）；国家林业和草原局项目（资助号2025132052）；以及中国科学技术协会青年人才支持计划博士研究生奖学金（资助号STID:156-0-220-0000231-4）。
Kaiping Wang|Xin Liu|Chenhui Liu|Yunlu Zhang|Lifu Zheng
