引言
全球气候变化是人类社会在21 世纪面临的最严峻挑战之一，气候变化导致夏季极端高温事件频发，正严重威胁人类的生命与健康安全。已有研究表明，高温可直接或间接诱发某些疾病，如增加心血管、呼吸、循环、肾脏和神经等系统疾病的发病率和死亡率[1]。在全球气候变化加剧的背景下，极端高温事件的影响强度、持续时间、发生频率将进一步增加。高密度城市具有更强的城市热岛效应[2]，与全球气候变化带来的高温热浪相叠加，将导致高密度城市面临更为严峻的热健康风险与挑战。准确评估气候变化影响下的高密度城市热健康风险，识别热健康风险的时空变化特征并提出针对性的适应策略和减缓措施已成为当务之急。
目前，城市热环境研究主要聚焦于高温风险评估、城市热岛效应影响机制以及高温风险应对策略等方面。在高温风险评估方面，联合国政府间气候变化专门委员会（IPCC: Intergovernmental Panel on Climate Change）第五次评估报告构建的基于危害性、暴露度和脆弱性的风险评估框架已得到广泛认可与应用[3-4]，但研究多集中于生态、洪涝、干旱等领域，高温相关灾害风险评估研究较少；且受数据精度的制约，多聚焦于国家或区域尺度[5]，但基于人体健康的热健康风险评估需从更精细的空间分辨率上开展，以协助决策者制定精细化管控策略。城市热岛效应影响机制研究主要包括经济规模、城市规模、人口规模、土地利用、植被覆盖、风环境等对城市热岛效应的影响[6]，但地域差异化研究不足。高温风险应对策略主要包括提高热健康风险认知水平、完善医疗服务设施、构建高温预警体系、绿色建筑设计、优化土地利用等[3,7]，城市设计视角的策略研究则相对较少。基于此，本文以典型高密度城市澳门为例，基于多元数据探讨高时空精度的热健康风险评估体系与技术方法，并基于评估结果从城市设计层面提出高密度城市应对热健康风险的差异化策略，从而为澳门开展热健康风险应对行动提供依据。
1 高密度城市热健康风险与作用机制
1.1 气候变化影响下的高密度城市热健康风险识别
高密度城市热健康风险存在区域和类型差异。在区域差异方面，宏观来看全球高温风险集中分布于中低纬度地区[3]；中微观来看我国近50 年极端高温主要集中分布于江淮、江南大部分地区、四川盆地东部、新疆大部分地区、陕西、宁夏北部等地，体现了地理气候条件对极端高温事件的主导影响作用[8]。同时，不同经济发展水平的地区之间也存在热健康风险差异：经济发达地区风险主要源于城市热岛效应导致的高温胁迫危险性增加，以及高人口密度导致的高温暴露度较高；经济欠发达地区风险主要表现为医疗资源不足，人均可支配收入、防灾认知水平和防灾预警机制等高温脆弱性较高。
在类型差异方面，气候变化对高密度城市热健康的影响主要包括直接影响、自然环境导介影响和社会经济导介影响三种类型[3]（图1）。直接影响指高温形成的热压力直接诱发心脑血管、呼吸系统等慢性非传染性疾病，以及引发高温中暑、脱水等突发性疾病[9]。自然环境导介影响指高温通过影响自然环境进而影响人类健康，如高温可改变蚊虫等病媒分布，进而诱发疟疾等传染性疾病；还可导致高温干旱和冰雪融化，进而诱发火灾和溺水等突发事件[10]。社会经济导介影响指高温通过影响社会经济和人类活动而影响人类健康，如高温导致高密度城市用电用能峰值提高，造成供电设施过载，容易引发能源供应短缺造成的经济意外损害风险，以及突发断电停电事件产生的健康意外损害风险等。
图1 高温对高密度城市热健康的影响路径
资料来源：作者根据参考文献[3]绘制
1.2 高密度城市影响热健康的空间要素和作用路径研判
高密度城市空间要素影响热健康的路径主要包括热源产热、冷源降温、通风散热、空间避热和防灾避险五个方面（表1）。热源产热指居民、交通、工业等形成的人为排热加剧了城市热岛效应；冷源降温指城市绿地、水系等生态空间的降温增湿效应；通风散热指通过优化城区通风廊道、街区通风环境、街道和建筑通风效率，实现城市冷源与建成区之间的空气流通，进而散热降温；空间隔热指从微观尺度增加遮阳隔热设施，减少人群在高温环境中的暴露度，进而降低热健康风险。防灾避险指通过布局多等级避难场所和弹性应急空间，提升城市应灾韧性。高密度城市空间要素对热健康的影响体现在“源（产热与降温）—流（通风）—汇（隔热与避险）”全流程热效应，城市设计应从空间要素的形态、功能、规模、结构、设施等方面优化城市全流程的热环境，降低高温胁迫风险。
表1 高密度城市影响热健康的空间要素和作用路径
资料来源：作者根据参考文献[11-27]绘制
2 热健康风险评估方法
2.1 风险评估框架与指标体系
2014 年，IPCC 第五次评估报告明确了气候变化风险的概念与评估方法，指出气候变化风险是气候灾害与人类系统与自然系统相互作用的结果，由灾害的危险性、承灾体的暴露性和脆弱性决定[3]。基于此，本文构建了包括热危险性、热暴露性和热脆弱性在内的热健康风险评估框架。热危险性指承灾体所处空间发生高温灾害的可能性，表征了人群健康受到高温胁迫的程度。全球气候的自然变异与城市热岛的人为干扰都会影响地区的热危险性，并最终表现为所处地区的温度特征[28-29]。热暴露性指承灾体在可能受到高温胁迫的空间中存在的量[3,30]。本文的研究对象是人的热健康风险，因此仅考虑人群在高温热浪环境中的暴露程度，不考虑财产、农作物、生态系统等其他暴露对象。热脆弱性指承灾体受到高温影响的程度和适应能力[3,31]，本研究特指人群健康受高温影响的敏感性以及城市处理热健康影响并从中恢复的能力。其中，敏感性表现为暴露于高温环境中人群特征，适应能力表现为城市中社会和经济环境的应灾能力。综合考虑澳门城市建设实际以及数据的质量和可获得性，构建澳门热健康风险评估指标体系（表2）。
表2 热健康风险评估框架
注：表中V1、V2 等代表指标编号；+表示正影响性指标，–表示负影响性指标。
2.2 风险评估模型与方法
城市热健康风险是由热危险性、热暴露性和热脆弱性三项指数加权整合而来，目前三项指标的权重尚无统一定论[32]，本文采用等权重乘除法模型计算热健康风险[33]，见公式（1）：
式中，R 表示热健康风险，H、E 和V 分别表示热危险性、热暴露性和热脆弱性。评估指标分别进行定量化计算，并运用极差法[34]对数据进行标准化处理，消除量纲差异，正负影响指标因子分别用公式（2）和公式（3）进行标准化计算。最后利用ArcGIS 进行空间叠置运算，获得城市热健康风险指数。
式中，Yij 表示第i 个（i=1，2，3……m）研究单元第j个指标（j=1，2，3……n）的标准化值，数值范围为[0,1]；Xij 表示真实值，Xmax 表示同类指标真实值中的最大值，Xmin表示同类指标真实值中的最小值。
2.2.1 热危险性评估方法
本文采用遥感卫星影像反演的地表温度来表征澳门热健康危险性。相较于气象站点温度获取方法，该方法具有较高的空间分辨率，可精细化描述中小尺度地区的热健康胁迫空间分异，现已得到广泛应用[35]。综合考虑数据的可获得性、季相和影像质量，以地理空间数据云平台发布的2016 年9月18 日的Landsat 8 影像为数据源，云覆盖量为1.48%，分辨率为30 m。利用ENVI 5.3 对Landsat 8 的多光谱和热红外（第10 波段）波段进行辐射定标、大气校正、影像配准和裁剪等预处理，再采用胡德勇单窗算法反演地表温度[36]，计算公式为：
式中，TS-Hu 为地表温度，单位为（K）；a 为常数1 321.08；T10 为TIRS10 的像元亮度温度（K），通过热红外波段辐射定标获得；Ta 为大气平均作用温度（K），计算公式为Ta=17.976 9+0.917 15＊T0，T0 是从澳门当日气象站获取的平均温度28.2℃；C 和D 是中间变量，C 的计算公式为C=τ＊ε，D 的计算公式为D=(1-τ)＊[1+τ＊(1-ε)]，其中τ为大气透射率，可从NASA 公布的网站查询（http://atmcorr.gsfc.nasa.gov），ε 为地表比辐射率，采用覃志豪[37]的城镇地表比辐射率计算方法来进行计算。
2.2.2 热暴露性评估方法
热暴露性评估的本质是以人口空间分布表征人群暴露度。现有计算方法大致可归纳为人口普查法[38]、大数据描述法[39]和因子反演法[40]三类。人口普查法是以行政单元为单位将统计人口数据转变为具有空间属性的格网数据，具有数据易得、准确度高的优点，但时空分辨率不高。近年来随着无线通信技术、移动定位技术和传感技术的发展，利用手机信令、POI 等大数据定量描述城市人口分布的方法逐步得到应用，具有高时空分辨率的特征[41]，但数据获取成本较高、难度较大。因子反演法是通过提取影响人口空间分布的自然、社会和经济因子，建立相关性回归模型，进而以影响因子反演人口空间分布特征的方法[42]，该方法的准确度尚有待验证。本文综合考虑数据可获得性和准确性，采用人口普查法评估澳门热健康暴露性，人口数据来源于澳门特别行政区政府统计暨普查局的人口统计资料。
2.2.3 热脆弱性评估方法
热脆弱性是自然、社会、经济、制度等多元环境共同作用的结果，影响因子众多，科学合理的指标选取和确权是提高评估准确度的关键。指标确权方法主要有等权重图层叠置法（EWOM: Equal Weighted Overlay Method）[43]、层次分析法（AHP: Analytic Hierarchy Process）[44]、主成分分析法（PCA: Principal Component Analysis）[45]、熵权法（EWM: The Entropy Weight Method）[46]等。等权重图层叠置法指各项指标等权重叠加得到脆弱性空间分布，可操作性强，但无法表征不同指标对热脆弱性的贡献度。层次分析法是由专业人员根据知识与经验判断，对多指标的重要性进行多层次对比排序，进而确定权重，但主观性较强[44]。主成分分析法是基于统计学原理，对大量指标进行数据降维和指标缩减，并对缩减后的指标进行客观确权[45]，该方法能够客观提取关键指标，并明确各指标对脆弱性的贡献程度，但对数据的适用性存在限制。熵权法是基于指标变异性确定权重的方法，是另一种常用的客观确权法，熵值越小，表明指标变异性越高，可提供的信息量越大，对结果的影响也就越大。由于主客观确权方法各有优势与不足，因此本文综合AHP 与EWM 两种方法[47-49]，从专业判断与物理属性两个方面综合判断8 个脆弱性指标权重。首先利用yaahp 软件通过AHP 得出各指标的主观权重
，其次利用Excel 软件通过EWM 得出客观权重
（公式5—7），最后根据最小信息熵原理和拉格朗日函数计算综合权重wj（公式8—10）。相关数据来源于澳门特别行政区政府统计暨普查局的统计资料。
式中，ej 为第j 个指标的信息熵值，当pij=0 时，令pijInpij=0。
为指标j 的层次分析法主观权重值，
为指标j 的熵权法客观权重值，wj为指标j 的综合权重。
3 研究区概况
澳门位于中国东南部沿海珠江入海口西岸，本次研究范围包括澳门半岛、氹仔、路环以及路氹填海区。其属于典型的亚热带季风气候，三面环海，辐射强烈，蒸发旺盛，具有热量丰富、水汽充足、高温多雨的气候特点。2020 年澳门统计年鉴显示，澳门年平均气温为23.3℃，最热月（7 月）平均温度为28.4℃，最高温度达35.8℃，加之湿度较高（年平均相对湿度为82%），体感温度进一步升高，是我国极端高温事件易发区。同时，澳门是世界人口密度最高的城市之一，至2023 年底，澳门总用地面积为33.3 km2，人口密度为20 400 人/ km2，城市热岛效应显著，面临着较高的城市热健康风险。
4 澳门热健康风险评估结果
4.1 热危险性
由地表温度反演结果（图2）可见，澳门地表温差较大（17.21～43.30℃）。对地表温度进行标准化处理，得到30 m 精度的热危险性指数，采用自然间断点分级法划分为5 个等级（图3），各等级的温度范围和面积占比依次为低危险区（17.21～25.29℃，40.76%）＞中低危险区（25.30～30.30℃，21.20%）＞中危险区（30.31～33.47℃，20.35%）＞中高危险区（33.48～36.44℃，12.56%）＞高危险区（36.45～43.30℃，5.13%）。对澳门23 个分区范围内的危险性指数取均值，得到分区精度的热危险性分布图（图4），可见新桥区、荷兰园区、中区与下环区4 个高密度分区热危险性最高。
图2 澳门地表温度空间格局
图3 热危险性等级分区（30 m精度）
图4 热危险性等级分区（分区精度）
为进一步探析澳门地表温度的空间异质性，对地表温度进行空间自相关（Spatial Autocorrelation）分析，全局莫兰指数（Moran’s I）高达0.975，Z 值为356.56，P 值小于0.001，表明澳门地表温度具有极强的空间自相关性。由局部空间自相关指标（Local Indicators of Spatial Association）布局图（P ＜0.001）可以看出，澳门热点区（高—高聚集）主要分布于半岛北部及路氹填海区，空间形态以高密度低层住区、大尺度低层公共建筑、裸石与裸土、开阔低矮草地为主（图5）。冷源区（低—低聚集）主要位于密林与河湖区，体现出树冠与水体较好的降温效应。此外，北安码头（冷源点E）的大型建筑因使用高反照率屋面材质，降温效果亦佳。
图5 地表温度局部空间自相关指标分布图
注：数字代表各指标的网格数，如具有高—高聚集特征的网格共4 442 个；低—高、高—低集聚特征的网格均为0，是因为高值包围低值、低值包围高值的空间相关特征均不显著，即不存在低—高、高—低特征显著的网格。
4.2 热暴露性
对澳门各分区的人口密度进行标准化处理后得到热暴露性指数，运用自然间断点分级法划分为5 个等级（图6）。澳门半岛热暴露性水平总体较高，均为中级及以上水平，其中林茂塘区、新桥区、高士德及雅廉访区、黑沙环及佑汉区的热暴露性等级最高，为人口密度最高的片区。南侧除氹仔中心区外，氹仔、路氹填海区及路环区热暴露性水平普遍较低。
图6 热暴露性等级分区
4.3 热脆弱性
对表2 中的4 项敏感性指标与4 项适应能力指标进行定量化计算与标准化处理，得到各指标的空间分布特征（图7），可见不同指标的空间分布特征存在较大差异。综合AHP 与EWM 两种方法计算得出8 项指标权重（表3），其中5 岁以下人口比例（0.184 6）、65 岁及以上人口比例（0.152 5）、千人医疗设施数量（0.146 9）为热脆弱性核心影响因子。该方法一方面通过AHP 保留了专业判断下关键影响因子的重要性，如老年与儿童占比、医疗水平等被普遍认可的关键因子；另一方面通过EWM考虑了各指标在不同城市中的客观特征，如澳门老年人口及医疗设施在各分区中的分布差异较小，而女性人口、独居户数、失业人口等指标分布差异较大，以此对AHP 的主观权重分配进行修正，以克服单一确权方法存在的片面性和局限性。
表3 热脆弱性指标权重
图7 热脆弱性指标空间分布图
基于综合权重计算热脆弱性，并运用自然间断点分级法划分为5 个等级（图8），其中青洲区与路环区为高脆弱性分区。为明晰不同分区的脆弱类型，本文依据8 项指标的定量化运算结果（图7），对高、中高、中三级脆弱分区的脆弱类型进行识别，以指导各分区制定适配的差异化策略。由表4 可以看出，各分区的脆弱类型存在较大分异。
表4 澳门各分区热脆弱性类型分异
图8 热脆弱性等级分区
4.4 风险评估与等级区划
利用ArcGIS 将分区精度的热危险性（图4）、热暴露性（图6）和热脆弱性（图8）指数进行叠加运算，得到热健康风险指数，并运用自然间断点分级法划分为高、中高、中、中低和低5 个等级（图9）。由图9 可知，澳门热健康高、中高及中等风险区均位于北部半岛，其中新桥区、高士德及雅廉访区、黑沙环及佑汉区为高风险区，台山区、荷兰园区、林茂塘区、沙梨头及大三巴区、下环区为中高风险区，黑沙环新填海区、筷子基区、中区为中风险区。此外，划定南西湾及主教山区、青洲区、凼仔旧城及马场区为潜在风险区，此3 个分区均具有较高的热危险性和脆弱性，但由于人口密度低，暴露性指数低，因此热健康风险水平较低。但若出现人口密度增加的情况，包括因旅游、节庆赛事等带来的短期人口集聚，以及未来因片区更新发展带来的中长期人口增长等情况，都会导致热健康风险激增，因此同样需要制定风险应对策略。
图9 热健康风险等级分区（分区精度）
高、中高、中和潜在4 类风险区是热健康风险应对的重点区域，为探究此4 类风险区的主导致险类型，以制定差异化的风险应对策略，分别统计各分区的热危险性、暴露性和脆弱性指数，识别关键影响要素（图10）。结果显示，高、中高、中3 类风险区中，7 个为热危险性和热暴露性主导，2 个为热暴露性和热脆弱性主导，1 个为综合主导，1 个为热暴露性主导，说明高人口密度和高温是澳门热健康风险区的普遍特征。此外，3 个潜在风险区为热危险性和热脆弱性主导。
图10 热健康风险主导致险类型分类
5 应对热健康风险的城市设计干预策略
尽管城市热环境研究多关注城乡差异，但从本文的研究结果可以看出，城市自身的高温与风险分布差异同样显著。精准识别城市内部的热健康风险分异，对于精细化制定城市设计干预策略、提高城市风险管理能力至关重要。依据前文对“源（产热与降温）—流（通风）—汇（隔热与避险）”全流程热效应影响机制的归纳总结（表1），以及澳门热危险性、暴露性、脆弱性和热健康风险评估结果，分级分类提出干预策略。在分级层面，澳门应重点对高、中高、中和潜在4 类风险区（图10）开展风险应对行动，并依据风险级别高低（高风险区＞中高风险区＞中风险区＞潜在风险区）合理确定行动分期计划和资源配置标准。在分类层面，应基于主导致险类型，从下列策略中选择单项或多项应对策略。
（1）热危险性主导分区应对策略
澳门14 个重点风险区中，11 个存在较高的热危险性。此类分区存在热胁迫压力，应根据各分区的建成环境现状，从“源（产热与降温）—流（通风）”两方面调节城市气温，改善热环境。结合表1 以及澳门冷源和热点区识别结果（图5），在热源产热方面，可通过改善步行与公共交通环境，推动绿色出行，减少交通排热，且不宜在此区域布局高排热性的工业制造业。在冷源降温方面，应基于30 m 精度的热危险性等级分区结果（图3），重点从蓝绿空间规模与布局、屋面与路面材质等方面更新优化高温地块的空间形态，包括提高树冠和水体覆盖率，提高蓝绿空间的整体性与连通性，提高路面透水率，减少高密度低层住区和开阔低矮草地的开发建设量，鼓励大尺度公共建筑改用高反照率的材料、太阳能材料和绿色植被铺设屋面，对近期无建设计划的裸石裸土等荒地采取复绿策略等。在通风散热方面，宏观尺度上，应结合澳门大型蓝绿空间布局特征，顺应夏季盛行的西南风向，布局多等级通风廊道，并通过控制城市冠层粗糙度与孔隙度等策略，优化城市整体通风环境；中微观尺度上，宜降低高温建成区西南风向的迎风面积比，严控建筑密度和阻风效应显著的高层板式裙楼比例，鼓励片区建筑在三维层面上错落布局，片区内部宜利用西南—东北向街道峡谷，形成街区级通风廊道，以改善局部微气候。
（2）热暴露性主导分区应对策略
澳门14 个重点风险区中，11 个存在较高的热暴露性。此类分区具有高人口密度特征，宜从空间隔热角度降低人群在室内外高温环境中的暴露风险。为降低室外高温暴露风险，宜在室外休闲活动区和慢行交通空间增设自然（乔木类植物）和人工两类隔热设施，并充分利用高层建筑的阴影区以及地下、隧道等空间布置小型休憩场所。为降低室内高温暴露风险，宜应用绿色建筑技术，如屋面与墙壁加设保温层、采用新型隔热门窗等策略，被动式提高建筑保温隔热性能。
（3）热脆弱性主导分区应对策略
澳门14 个重点风险区中，6 个存在较高的热脆弱性。对于此类分区，应依据澳门各分区热脆弱性类型分异研究结果（表4），重点从高敏感人群定向救护、医疗资源优化配置、防灾普及宣传以及经济保障等管理层面制定差异化的应对策略，以降低澳门面对高温灾害的敏感性，提高灾害适应能力。在城市设计干预层面：一方面，热健康风险地图的制定有利于提高城市灾时响应速度；另一方面，应通过规划布局防灾避险空间，提高城市应灾能力，包括结合城市公共空间规划城市级—片区级—街区级的分级分类避难场所，在建筑或道路旁划定或预留无功能空间，作为灾时临时避灾和救助空间，以提升城市防灾的灵活性与韧性。
6 结语
城市物质空间对城市热岛效应的影响性已成为学界共识，因此以城市设计手段优化城市热环境、降低城市热健康风险具有重要研究意义与价值。本文综述了高密度城市空间形态对热健康的影响机制，并定量化评估了澳门热危险性、热暴露性、热脆弱性和综合热健康风险，识别了各指标的空间布局特征。基于上述研究成果，从城市设计视角对澳门重点风险区提出了差异化的风险应对策略，可为澳门开展热环境优化行动提供依据。但研究尚存在一定局限性：首先，由于数据获取途径、处理技术还存在壁垒，导致风险评估的时空精度有待提高，未来应提高与环境、卫健等部门的深度合作水平以及跨学科研究能力，以提升数据精度和数据处理技术的信效度；其次，本文提出的城市设计应对策略以定性和理论为主，后续研究将利用软件模拟、相关性分析等方法定量化描述澳门空间要素与热健康风险的关联机制，明确指标阈值，为提出精细化的城市设计策略提供依据。
注：文中未注明资料来源的图表均为作者绘制。
[1] DONG W H,LIU Z,ZHANG L J,et al.Assessing heat health risk for sustainability in Beijing’s urban heat island[J].Sustainability,2014,6(10):7334-7357.
[2] HIEN W N,JUSUF S K,SAMSUDIN R,等.高密度城市中城市规划影响气候的模型：以新加坡商业区为例[J].城市规划学刊,2019(4): 124.
[3] FIELD C B,BARROS V R.Climate change 2014: impacts,adaptation and vulnerability: regional aspects[M].Cambridge: Cambridge University Press,2014.
[4] HU K J,YANG X C,ZHONG J M,et al.Spatially explicit mapping of heat health risk utilizing environmental and socioeconomic data[J].Environmental science &technology,2017,51(3): 1498-1507.
[5] 陈倩,丁明军,杨续超,等.长江三角洲地区高温热浪人群健康风险评价[J].地球信息科学学报,2017,19(11): 1475-1484.
[6] 彭保发,石忆邵,王贺封,等.城市热岛效应的影响机理及其作用规律——以上海市为例[J].地理学报,2013,68(11): 1461-1471.
[7] 黄存瑞,何依伶,马锐,等.高温热浪的健康效应:从影响评估到应对策略[J].山东大学学报(医学版),2018,56(8): 14-20.
[8] 翟建,青姜彤,王艳君.气象灾害风险评估技术指南[M].北京: 气象出版社,2018.
[9] 马文军,刘涛.加强气温变异对人群健康影响的研究，以更好适应气候变化[J].环境与职业医学,2020,37(7): 633-635.
[10] 童世庐.应对气候变化，保障人群健康——“气候变化与人群健康”专栏之序[J].环境与职业医学,2020,37(1): 1-2.
[11] 祁乾龙,孟庆林,董莉莉,等.城市规划与城市热环境研究的结合途径探讨[J].西部人居环境学刊,2021,36(3): 46-56.
[12] STONE B,LANZA K,MALLEN E,et al.Urban heat management in Louisville,Kentucky: a framework for climate adaptation planning[J].Journal of planning education and research,2019: 739456.
[13] STONE B,HESS J J,FRUMKIN H.Urban form and extreme heat events:are sprawling cities more vulnerable to climate change than compact cities?[J].Environ health perspect,2010,118(10): 1425-1428.
[14] 李书严,轩春怡,李伟,等.城市中水体的微气候效应研究[J].大气科学,2008(3): 552-560.
[15] JIAN P,XIE P,LIU Y X,et al.Urban thermal environment dynamics and associated landscape pattern factors: a case study in the Beijing metropolitan region[J].Remote sensing of environment,2016,173: 145-155.
[16] 梁娟,蔺银鼎.城市森林对周边小气候时空格局的影响[J].中国农学通报,2007(7): 379-385.
[17] 金玉芝,王咏薇,程迪.不同冷却屋顶对城市街区热环境的影响模拟[J].气候与环境研究,2021,26(1): 91-105.
[18] STONE B,VARGO J,LIU P,et al.Avoided heat-related mortality through climate adaptation strategies in three US cities[J].PLoS one,2014,9(6):e100852.
[19] 汪俊松,张玉,孟庆林,等.透水路面蒸发降温效应研究综述[J].建筑科学,2017,33(4): 142-149.
[20] PAUL C,LARISSA L.How factors of land use/land cover,building configuration,and adjacent heat sources and sinks explain urban heat islands in Chicago[J].Landscape and urban planning,2014,125: 117-129.
[21] LUO X,YANG J,SUN W,et al.Suitability of human settlements in mountainous areas from the perspective of ventilation: a case study of the main urban area of Chongqing[J].Journal of cleaner production,2021,310:127467.
[22] LI C S,SONG Y,KAZA N,et al.Explaining spatial variations in residential energy usage intensity in Chicago: the role of urban form and geomorphometry[J].Journal of planning education and research,2019:739456.
[23] 郑颖生,史源,任超,等.改善高密度城市区域通风的城市形态优化策略研究——以香港新界大埔墟为例[J].国际城市规划,2016,31(5): 68-75.DOI: 10.22217/upi.2015.230.
[24] 尹杰,詹庆明.基于GIS 和CFD 的城市街道通风廊道研究——以武汉为例[J].中国园林,2019,35(6): 84-88.
[25] CHEN Y J,MATSUOKA R H,LIANG T M.Urban form,building characteristics,and residential electricity consumption: a case study in Tainan City[J].Environment and planning b: urban analytics and city science,2018,45(5): 933-952.
[26] HUANG C R,BARNETT A G,XU Z W,et al.Managing the health effects of temperature in response to climate change: challenges ahead[J].Environmental health perspectives,2013,121(4): 415-419.
[27] 李可欣,李超骕.多维度视角下城市形态与气候韧性的关联[J].城乡规划,2021(3): 20-27.
[28] MATTHEW J H,STEPHAN R S,TAMARA A G,et al.Characterizing urban vulnerability to heat stress using a spatially varying coefficient model[J].Spatial and spatio-temporal epidemiology,2014,8: 23-33.
[29] OLGA V W,MARY H H.Connecting people and place: a new framework for reducing urban vulnerability to extremeheat[J].Environmental research letters,2010,5(1): 014021.
[30] YIN Z E,YIN J,ZHANG X W.Multi-scenario-based hazard analysis of high temperature extremes experienced in China during 1951-2010[J].Journal of geographical sciences,2013,23(3): 436-446.
[31] 李彤玥.基于“暴露—敏感—适应”的城市脆弱性空间研究——以兰州市为例[J].经济地理,2017,37(3): 86-95.
[32] DANIEL P J,AUSTIN S,VIJAY L,et al.Developing an applied extreme heat vulnerability index utilizing socioeconomic and environmental data[J].Applied geography,2012,35(1/2): 23-31.
[33] 谢盼,王仰麟,刘焱序,等.基于社会脆弱性的中国高温灾害人群健康风险评价[J].地理学报,2015,70(7): 1041-1051.
[34] 马骏,李昌晓,魏虹,等.三峡库区生态脆弱性评价[J].生态学报,2015,35(21): 7117-7129.
[35] 杨雯倩,史培军,张钢锋,等.西安高温热害人口暴露量及其受灾指数预估研究[J].自然灾害学报,2022,31(1): 29-39.
[36] 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.
[37] 覃志豪,李文娟,徐斌,等.陆地卫星TM6 波段范围内地表比辐射率的估计[J].国土资源遥感,2004(3): 28-32.
[38] 李欢欢,张明顺.北京市高温热浪健康风险评估框架及应用[J].环境与健康杂志,2020,37(1): 58-65.
[39] 叶脉,张佳琳,张路路,等.手机信令数据在粤港澳大湾区大气环境风险管理中的应用研究——以江门市为例[J].生态学报,2020,40(23):8494-8503.
[40] 江威,何国金,刘慧婵.NPP/VIIRS 和DMSP/OLS 夜光数据模拟社会经济参量对比[J].遥感信息,2016,31(4): 28-34.
[41] 王德,任熙元.日常流动视角下的上海市实有人口分布与流动性构成[J].城市规划学刊,2019(2): 36-43.
[42] 肖荣波,丁琛.城市规划中人口空间分布模拟方法研究[J].中国人口·资源与环境,2011,21(6): 13-18.
[43] CHRISTOPH A,DILEK Ö.Identification of heat risk patterns in the U.S.National Capital Region by integrating heat stress and related vulnerability[J].Environment international,2013,56: 65-77.
[44] 付含聪,邓帆,杨欢,等.基于遥感的长江中下游城市群高温热浪风险评估[J].长江流域资源与环境,2020,29(5): 1174-1182.
[45] CONLON K C,MALLEN E,GRONLUND C J,et al.Mapping human vulnerability to extreme heat: a critical assessment of heat vulnerability indices created using principal components analysis[J].Environmental health perspectives,2020,128(9): 097001.
[46] 陈恺,唐燕.城市高温热浪脆弱性空间识别与规划策略应对——以北京中心城区为例[J].城市规划,2019,43(12): 37-44.
[47] WU J R,CHEN X L,LU J Z.Assessment of long and short-term flood risk using the multi-criteria analysis model with the AHP-Entropy method in Poyang Lake basin[J].International journal of disaster risk reduction,2022,75: 102968.
[48] LIANG J,LI Z J,YANG Q C,et al.Specific vulnerability assessment of nitrate in shallow groundwater with an improved DRSTIC-LE model[J].Ecotoxicology and environmental safety,2019,174: 649-657.
[49] 霍童,张序,周云,等.基于暴露—敏感—适应性模型的生态脆弱性时空变化评价及相关分析——以中国大运河苏州段为例[J].生态学报,2022,42(6): 2281-2293.
