气候敏感的城市人体热应激指数优选决策支持框架：整合模糊德尔菲法、FAHP与热感知——以伊朗阿巴丹、伊斯法罕和戈尔甘为例

《Environmental and Sustainability Indicators》：A climate-sensitive decision-support framework for prioritizing human heat stress indices: Integrating fuzzy Delphi, FAHP, and thermal perception in Abadan, Isfahan, and Gorgan, Iran

　　

为城市区域选择合适的人体热应激指数至关重要，但由于这些指数具有气候特异性，这一任务并非易事。本研究通过整合模糊德尔菲法（Fuzzy Delphi Method）、模糊层次分析法（FAHP）、敏感性分析和基于现场的热感知数据，开发了一个气候敏感的热应激指数选择框架。研究初步评估了20个人体热应激指数，研究对象为伊朗三个气候条件各异的城市（阿巴丹：湿热；伊斯法罕：干热；戈尔甘：温湿），时间跨度为2025年4月至9月。经模糊德尔菲法筛选后，研究人员利用FAHP对10个指数进行优先级排序。生理相关性（Physiological Relevance）成为最重要的评价准则（归一化权重=0.370）。FAHP排序与基于300名参与者热感觉投票（TSV）的排序之间观察到强一致性（0.79≤ρ≤0.82）。结果表明，热应激指数的适宜性强烈依赖于区域气候：WBGT在阿巴丹（湿热）表现最佳，UTCI在伊斯法罕（干热）表现最佳，PET在戈尔甘（温湿）表现最佳。敏感性分析确认了优先级排序的稳定性（0.88≤ρ≤0.97）。生理性指数总体排名高于经验性指数。研究得出结论：城市区域不存在普遍适用的热应激指数。所提出的框架提供了一种可转移的决策支持工具，可帮助不同国家的研究人员和实践者选择合适的热应激指数并设计气候适应策略。

本文解读论文《气候敏感的城市人体热应激指数优选决策支持框架：整合模糊德尔菲法、FAHP与热感知——以伊朗阿巴丹、伊斯法罕和戈尔甘为例》。当前，热应激（heat stress）是城市环境中影响人类健康、安全和生产力的关键环境危害之一。全球气候变暖使极端高温事件频发，城市热岛效应进一步加剧了暴露风险。为评估热应激暴露，已有大量指数（如Heat Index、Humidex、WBGT、PET、UTCI等）被开发，但不同指数在描述人体热负荷时各有侧重，且性能与气候条件密切相关。既往研究表明，同一气象条件下不同指数可能给出不同热应激等级，没有一种指数可普遍适用于所有气候。然而，以往城市气候和职业健康研究在选择指数时多依赖默认选项或数据驱动方法，缺乏系统的决策依据。为此，本研究旨在开发一种整合专家共识、多准则决策和现场热感知验证的气候敏感框架，以在异质城市气候条件下科学筛选和排序人体热应激指数。

研究人员于2025年4月至9月在伊朗三个典型城市开展调查：阿巴丹（湿热）、伊斯法罕（干热）、戈尔甘（温湿）。研究综合了专家知识和现场观测数据，主要涉及以下技术方法：首先，通过系统文献检索建立20个候选热应激指数池；其次，邀请26名跨学科专家（环境健康、生物气象学、职业卫生、城市气候和建筑领域）采用模糊德尔菲法（Fuzzy Delphi）筛选指标，保留10个指数；随后，利用模糊层次分析法（FAHP）基于五项评价准则（生理相关性、气候敏感性、室外适用性、数据需求、科学验证支持）进行气候特异性优先级排序；通过单向敏感性分析（权重扰动±10%至±30%）检验排序稳健性；最后，采用现场气象测量和热感觉投票（TSV）问卷进行验证。样本队列包括300名成年人（每城市100人），通过分层便利抽样招募，覆盖常见户外活动（行走、站立、轻劳动）和不同城市功能区。

研究结果如下：3.1 基于专家的热应激指数筛选。模糊德尔菲法从20个指数中筛出10个。具有生理或能量平衡基础的指数（如WBGT、PHS、UTCI、PET）获得最高去模糊化得分和共识水平（>88%），经验性指数共识较低。3.2 FAHP权重与气候特异性排序。五项准则中，生理相关性权重最高（0.370），科学验证支持（0.229）和气候敏感性（0.210）次之。在三城市中，优先级排序因气候而异：阿巴丹排名第一为WBGT（权重0.178），伊斯法罕为UTCI（0.171），戈尔甘为PET（0.166）。经验性指数（如HI、Humidex）排名普遍靠后。3.3 敏感性分析。对准则权重进行扰动后，各城市首位指数保持不变，排序与基准间的Spearman相关系数在0.88~0.97之间，表明FAHP排序具有较高的稳健性。3.4 参与者特征与TSV描述。300名参与者中，阿巴丹的平均热感觉投票最高（+2.10），伊斯法罕为+1.52，戈尔甘为+0.84，反映三个城市存在明显不同的室外热感知环境。3.5 单个指数与TSV的相关性。在阿巴丹，WBGT（ρ=0.79）和PHS（ρ=0.74）与TSV相关性最强；在伊斯法罕，UTCI（ρ=0.76）和PET（ρ=0.73）最强；在戈尔甘，PET（ρ=0.72）、UTCI（ρ=0.69）和SET（ρ=0.67）最强。3.6 FAHP排序与TSV排序的一致性。基于专家判断的FAHP排序与基于TSV相关性的排序之间Spearman ρ为0.79~0.82，呈强到极强一致，平均秩误差为0.40~0.60。3.7 顶级指数的区分能力。在TSV等级≤+1、+2、+3三组中，各城市排名前三的指数均值均单调递增，说明这些指数能有效区分不同水平的主观热应激。3.8 指数类别比较。生理性指数的平均相关系数（ρ=0.70）和平均FAHP排名（3.2）最优；热舒适指数次之（ρ=0.68，排名3.8）；经验性指数最差（ρ=0.49，排名7.9）。

讨论部分指出，热应激指数性能高度依赖气候：湿热环境中，高湿度限制蒸发散热，WBGT和PHS能更好反映代谢储热与蒸发限制；干热环境中，辐射和风速是主要驱动因素，UTCI、PET和mPET等能量平衡指数更优；温湿环境中，PET、UTCI和SET等同时考虑物理能量平衡与感知的指数表现最佳。敏感性分析和现场验证证明了框架的稳健性。局限性包括专家地域背景以伊朗及中东为主、便利抽样限制推广性、仅覆盖三个城市和暖季、未纳入城市形态变量等。未来研究应扩展季节、引入城市微观形态参数、验证动态或混合指数，并考虑与实时监测和预警系统集成。

研究结论可翻译为：本研究表明，人体热应激指数的性能和适宜性强烈依赖于气候，不应通过通用选择或仅基于模型的比较来确定最佳指数。通过整合模糊德尔菲筛选、FAHP加权、敏感性分析和现场热感觉投票（TSV）验证，所提出的框架为在对比性城市气候条件下选择热应激指数提供了稳健且注重实践的方法。研究中出现了明确的气候特异性差异：WBGT和PHS在湿热型阿巴丹表现最佳；UTCI和PET（连同mPET）最适合干热型伊斯法罕；PET、UTCI和SET在温湿型戈尔甘排名最高。FAHP排序与TSV排序之间的强一致性，以及敏感性分析下排序的高稳定性，确认了该框架能支持真实世界城市热评估中的可靠指数选择。这些发现对城市气候监测、热健康预警系统和地方适应规划具有直接实际意义：城市应根据自身气候背景选择热应激指数，而非依赖单一标准指标。总体上，研究提供了一个可转移的决策支持框架，可帮助城市规划者、公共卫生当局和气候研究人员改进特定情境下的热风险评估，并设计更有效的城市热适应策略。