郑州市高温热浪风险评估及其空间特征分析
顾盼盼 缑少伟
(江西理工大学 土木与测绘工程学院, 江西 赣州, 341400)
摘要：夏日持续性高温热浪频繁发生,严重影响了人类的生产和生活,为挖掘精细空间尺度高温热浪风险机制,本文基于遥感影像(Landsat 8)、夜间灯光遥感(DMSP/OLS)、人口密度、社会统计、气象站数据等多源数据,以郑州市2019年7月23日的一次高温热浪事件为例,利用层次分析法(AHP)在30 m空间分辨率精细尺度上构建基于“高温危险性—脆弱性—暴露性—适应性”的高温热浪风险评估体系,对城市高温热浪风险进行评估,结果表明:高温热浪风险高值区主要分布在城市中心区域,由市中心向外围扩散,高温热浪风险逐渐降低;研究区西部和西南部高温热浪风险最为严重,由西部向东部发展,高温热浪等级逐渐降低,扩展到中牟县热浪等级降为最低。
0 引言
政府间气候变化专门委员会(IPCC)第6次评估报告预测在2021—2040年所有地区的气候变化都将加剧,全球温升预计将达到或超过1.5℃。当全球温升1.5℃时,热浪将增加,暖季将延长,人类和自然系统将面临更多严重的风险,世界将不可避免地面临多重气候灾害,有些影响甚至不可逆转[1]。
目前国际上尚无高温热浪的统一定义标准[2],中国气象局规定日最高气温≥38℃且连续3 d以上的高温天气称为高温热浪,而每个省市亦可根据当地气候特点,自行划分界限温度值。Inostroza等[6]基于敏感性、暴露性、适应性建立了风险评估模型,预测圣地亚哥市的城市高温风险。国内对高温热浪的研究主要基于气象站点数据对城市高温热浪风险进行评估,但传统的气象站点数据有限,无法精细地反映高温气候分布的空间差异[7],而遥感数据覆盖范围广、时效性强、具有综合可对比的特性,在获取空间信息上具有独特优势。
基于此,本文基于遥感影像数据(Landsat 8)、气象站点数据,将高温热浪危险性、暴露度与脆弱性及适应性结合,利用层次分析法(analytic hierarchy process,AHP),在精细尺度构建高温热浪风险模型,深入挖掘高温热浪风险机制,对郑州市高温热浪风险进行评估,揭示郑州市高温热浪风险的空间分布特征,为有效预防城市高温灾害以及高温热浪风险提供科学参考。
1 研究区与数据来源
1.1 研究区概况
郑州市地处河南省中北部,黄河中、下游分界处。位于东经112°42′～114°14′,北纬34°16′～34°58′。郑州市地形比较复杂,总趋势是西南高、东北低。温带大陆性季风气候,其特点是四季分明,春季干燥少雨,夏季比较炎热,降水集中,主要集中在8月,年平均气温14.7℃,1月平均气温0.5℃,极端最低气温-16.3℃;7月平均气温27.1℃,极端最高气温41.5℃,夏季高温旱灾现象普遍。
1.2 数据源及数据预处理
Landsat 8数据来源于地理空间数据云,多光谱分辨率为30 m,热红外分辨率为100 m,成像时间为2019年7月23日;美国军事气象卫星计划(defense meteorological satellite program, DMSP)线性扫描业务系统(operational linescan system, OLS)夜间灯光数据,来源于国家青藏高原科学数据中心,空间分辨率为100 m;数字高程模型(digital elevation model,DEM)来源于地理空间数据云,空间分辨率为30 m;气象站数据来源于中国气象数据网,时间为2019年1月到12月;人口密度数据来源于全球人口密度数据网站,空间分辨率为100 m;社会统计数据包括14岁以下65岁以上人口数据、生产总值(GDP)数据、居民人均可支配收入、卫生机构床位数、卫生技术人员数、一般公共预算支出,以上所有数据均来源于2020年河南省统计年鉴。
2 研究方法
2.1 高温热浪风险评估体系
高温危险性是指来自城市外部的、对城市系统造成高温威胁的因素[8]。研究表明城市气温与遥感反演的地表温度(land surface temperature, LST)呈线性关系;而地表反演的温度不能完全反映人类生活所感受到的温度,因而将遥感反演的地表温度与热指数(HI)一起作为高温热浪危险性评价指标。热指数,也被称为表观温度,是相对湿度与空气温度结合时人体感觉的温度。其计算公式为
HI=-42.379+2.049 015 23T+10.143 331 27R-0.224 755 4TR
-6.837 83e-3T2-5.481 717e-2R2+1.228 7e-3T2R+8.528 2e-4TR2-1.99e-6T2R2
(1)
式中,T为气温(F);R为相对湿度。
脆弱性指城市内部承载体承受风险的能力,即人口社会经济脆弱性[11]。其中,经济脆弱性会随着GDP的增加而变高[12]。而人口的空间分布差异信息对高温热浪脆弱性评价具有重要作用,本文通过DMSP/OLS数据、归一化植被指数(NDVI)、DEM数据,参考Lu等的研究,构建研究区人居指数(human settlement index,HSI),来表征研究区的人口分布[13]。同时,在高温热浪期间,老人和小孩更容易受到高温热浪的影响,选取研究区年龄在14岁以下小孩和年龄在65岁以上老人作为高温热浪社会经济脆弱性因子。
(2)
式中,Imax为NDVI数据最大值;Pnor为标准化后的夜间灯光指数(0～1);M为高程数据。
暴露度是指特定区域某一时间内高温热浪的严重程度,一般用温度和暴露人口来衡量[14]。选取人口密度作为最主要的暴露性评估指标,同时,鉴于下垫面与地表温度密切相关,本文将归一化植被指数(normalized difference vegetation index,NDVI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)作为次要暴露性评估指标[15]。适应性是指区域调节自身内部结构以减缓高温热浪影响的能力,与高温热浪风险呈负相关。主要体现在居住环境、医疗水平等方面。本文选取居民人均可支配收入、一般公共预算支出、城镇卫生机构床位数以及城镇医疗卫生技术人员作为研究区高温热浪适应性指标。
2.2 层次分析法
本文采用AHP层次分析法计算高温热浪风险评估模型各指标权重。得出各指标所占权重(表1)。高温热浪风险为目标层,高温热浪危险性、脆弱性、暴露性、适应性4个因子作为准则层,构成各个准则层指标的因子为指标层。
表1 高温热浪风险评估指标体系及权重
在对郑州市高温热浪风险进行评估前,对所有评估因子进行归一化处理。高温热浪危险性、脆弱性、暴露性的各个因子与高温热浪风险正相关,构成适应性的各个因子与高温热浪风险负相关,得到高温热浪危险性指数A,公式为
A=0.54B1+0.2B2+0.15B3-0.11B4
(3)
式中,B1为高温热浪危险性指数;B2为高温热浪脆弱性指数;B3为高温热浪暴露性指数;B4为高温热浪适应性指数。
3 结果与分析
3.1 高温热浪危险性分析
郑州市2019年7月23日地表温度分布情况见图1(e),郑州市各区县LST空间分布差异较大,极端高温区主要分布在登封市中部、巩义市北部和西部以及新密市中部,这些地区有一个共同特点:在市中心,由于热岛效应,地表温度普遍达到43℃,同时,在远离城市中心的乡村,农用地比较丰富,高温热浪极为突出,温度最高可达55℃。高温区主要分布在郑州市、新郑市、新密市东部、中牟县西部等区域,温度高达40℃,在市、县中心区域高温强度尤其突出,普遍在42℃左右。远离城市中心的郊区、乡村等温度相对较低,普遍在38℃以下,在林地、水域等区域,地表温度最低,普遍在36℃以下。
将基于气象站点温度、湿度数据得到的HI值进行空间插值,与LST进行空间叠加,得到高温热浪危险性空间分布图,利用自然断点法,将高温热浪危险性分为5个等级,如图1(a)所示。郑州市50%的区域都处于危险性“高”和“较高”的范围,主要分布在各个城市市中心以及周边区县等区域。在远离市中心的郊区、乡村等区域主要为“中等危险区”,只有极少部分区域处于“低风险区”“较低风险区”,这些区域主要分布在远离市中心的林地、水域等地。
审图号:GS(2019)1822号
图1 高温热浪风险空间分布图
3.2 高温热浪脆弱性与暴露性分析
将人居指数、GDP、14岁以下60岁以上人口比例三个因子进行空间叠加,得到郑州市高温热浪脆弱性空间分布,见图1(b),利用自然断点法,将高温热浪脆弱性分为5个等级,等级“较高”和“高”的区域主要是郑州市、登封市、新密市、巩义市这几个市区,其中,郑州市脆弱性强度最高;以郑州市为中心向周围边缘扩散,脆弱性等级逐渐降低;各个城市市中心脆弱性最严重,以中心城区为中心,向外扩散,脆弱性等级逐渐降低,尤其中牟县脆弱性等级最低。郑州市作为河南省的省会城市,GDP最高,城市化速度最快,从而带来的人口压力也最为严重,因此,高温热浪脆弱性也最强;而城市外围乡村、中牟县等经济发展较慢的区域,环境条件优秀,人口压力小,人居指数较低,高温脆弱性从而较低。
利用Landsat 8遥感影像通过ENVI平台计算得到NDVI、MNDWI,将人口密度、NDVI、MNDWI三个因子进行加权叠加,得到高温热浪暴露性空间分布图,其中NDVI与高温热浪暴露性负相关,因为NDVI值越高,暴露在太阳下的面积越小。由图1(c)可知,在市级尺度上,高温热浪暴露性,呈现了由“中心—外围”的分布特征:“极高暴露性”和“高暴露性”主要分布在郑州市市中心区域以及郑州市北部的水域;由郑州市市中心向四周的市、县扩散,暴露性逐渐降低,主要为“中暴露性”“低暴露性”。在县级尺度上,也呈现了“中心—外围”的分布特征,在各个市、县中心城区区域主要为“高暴露性”“中暴露性”,从各个市、县中心城区区域向外围扩散,到郊区、乡村、林地等区域,暴露性逐渐降低,主要为“低暴露性”“极低暴露性”。
3.3 高温热浪适应性与风险评估分析
将居民人均可支配收入、城镇卫生机构床位数、城镇医疗卫生技术人员、一般公共预算支出,进行空间化、加权叠加,得到高温热浪适应性空间分布图,可以看到,郑州市市区的适应性最强,这是由于郑州市的经济发展最好,居民收入和市公共预算都比其他市、县区高,因此,社会医疗发展更好,高温热浪适应性最强。
将高温热浪危险性、脆弱性、暴露性、适应性进行归一化,根据各个指标层的权重,进行加权叠加,得到高温热浪风险空间分布图,利用自然断点法将高温热浪风险划分为5个等级,由图1(d)可知,郑州市西部和西南部城市高温热浪风险最严重,大部分区域处于“极高风险区”“高风险区”,郑州市东部、东南部高温热浪风险较轻,大部分区域处于“中风险区”“低风险区”;登封市、新密市、巩义市、荥阳市市中心区域,高温热浪风险最为严重,属于“极高风险区”,新郑市、中牟县高温热浪风险程度最低,大部分区域处于“低风险区”。
4 结束语
结合Landsat 8遥感影像数据、DMSP/OLS遥感夜间灯光数据、DEM数据、人口密度数据等多源空间数据、社会统计数据,以2019年7月23日的一次高温热浪事件为例,通过层析分析法构建高温热浪风险评估模型,对郑州市城市高温热浪风险进行评估,得到以下结论:
(1)高温热浪风险等级高的区域主要分布在郑州市西部与西南部的登封市、巩义市以及新密市;从西部向东部发展高温热浪等级逐渐降低,中牟县区域高温热浪风险等级最低。
(2)在市级尺度上,郑州市高温热浪风险呈现了各个市、县高温热浪风险由“中心-外围”等级逐渐降低的分布特征,市中心的高温热浪风险等级高于乡村和郊区,体现了明显的热岛效应。
(3)高温热浪风险与气候、人类活动、地形等息息相关;特别是如今外卖、建筑行业的从业人员逐渐增多,提升了高温脆弱性的强度;同时,城市的发展与建设追求人口、资源、环境可持续发展,本文还缺乏在实际应用中高温热浪与资源、环境的研究。随着街景地图的广泛应用,可结合街景地图深入探究高温热浪风险评估在城市发展与建设中的应用。
参考文献
[1] 匡舒雅, 周泽宇, 梁媚聪,等. IPCC第六次评估报告第二工作组报告解读 [J]. 环境保护, 2022, 50(9): 71-75.
[2] GAO J H, SUN Y Z, LIU Q Y,et al.Impact of extreme high temperature on mortality and regional level definition of heat wave: a multi-city study in china[J].Science of the Total Environment,2015,505:535-544.
[3] HEO S, BELL M L, LEE J T. Comparison of health risks by heat wave definition: Applicability of wet-bulb globe temperature for heat wave criteria [J]. Environmental Research, 2019, 168:158-170.
[4] MCELROY S, SCHWARZ L, GREEN H, et al. Defining heat waves and extreme heat events using sub-regional meteorological data to maximize benefits of early warning systems to population health [J]. Science of the Total Environment, 2020, 721:137678. https://doi.org/10.1016/j.scitotenv.2020.137678.
[5] 张尚印,张海东,徐祥德,等.我国东部三市夏季高温气候特征及原因分析[J].高原气象, 2005 (5): 829-835.
[6] 何苗,徐永明,李宁,等.基于遥感的北京城市高温热浪风险评估[J].生态环境学报, 2017, 26(4): 635-642.
[7] 薛倩,谢苗苗,郭强,等.地理学视角下城市高温热浪脆弱性评估研究进展[J].地理科学进展, 2020, 39(4): 685-694.
[8] 武夕琳, 刘庆生, 刘高焕,等. 高温热浪风险评估研究综述 [J]. 地球信息科学学报, 2019, 21(7): 1029-1039.
[9] 胡德勇, 乔琨, 王兴玲,等. 单窗算法结合Landsat8热红外数据反演地表温度 [J]. 遥感学报, 2015, 19(6): 964-976.
[10] 刘勇洪, 权维俊. 北京城市高温遥感指标初探与时空格局分析 [J]. 气候与环境研究, 2014, 19(3): 332-342.
[11] 王丹舟, 张强, 朱秀迪,等. 基于多源数据的上海市高温热浪风险评估 [J]. 北京师范大学学报(自然科学版), 2021, 57(5): 613-623.
[12] 宋晨阳, 王锋, 张韧,等. 气候变化背景下我国城市高温热浪的风险分析与评估 [J]. 灾害学, 2016, 31(1): 201-206.
[13] LU D S, TIAN H Q, ZHOU G M,et al.Regional mapping of human settlements in southeastern china with multisensor remotely sensed data[J].Remote Sensing of Environment,2008,112(9):3668-3679.
[14] 谢铖, 黄波, 刘晓倩,等. 基于手机定位数据的深圳市热浪人口暴露度分析 [J]. 地理科学进展, 2020, 39(2): 231-242.
[15] 代欣, 刘庆生, 武夕琳, 等. 印尼雅万高铁沿线区域高温热浪风险 [J]. 热带地理, 2021, 41(1): 147-158.
引文格式：顾盼盼,缑少伟.郑州市高温热浪风险评估及其空间特征分析[J].北京测绘,2023,37(4):542-546.
作者简介：顾盼盼(1997—),女,河南周口人,硕士在读,研究方向为地理信息系统。
E-mail：1586112171@qq.com
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
