基于遙感的寧夏地區(qū)高溫?zé)崂孙L(fēng)險評估

趙志欣， 霍艾迪， 張 丹， 易 秀， 陳思名，陳四賓， 陳 建

（1.長安大學(xué)水利與環(huán)境學(xué)院，陜西 西安 710054；2.長安大學(xué)旱區(qū)地下水文與生態(tài)效應(yīng)教育部重點實驗室，陜西 西安 710054；3.中國科學(xué)院地理科學(xué)與資源研究所，北京 100101）

IPCC 第五次評估報告用海量的事實證明全球氣候變暖是無可爭辯的［1］。世界衛(wèi)生組織指出，如果變暖情況得不到減緩，預(yù)計到2030 年，全世界因氣候變暖而死亡的人數(shù)將從10×104人·a-1增至30×104人·a-1［2］。氣候變暖與城市化的疊加效應(yīng)進一步加劇了高溫?zé)崂耸录姆秶蛷姸龋?］。高溫?zé)崂颂鞖獠粌H直接造成人類死亡，還會導(dǎo)致呼吸系統(tǒng)、心腦血管等疾病的發(fā)病人數(shù)激增［4-5］，嚴(yán)重影響了居民的健康及正常生活。同時，高溫?zé)崂藢まr(nóng)業(yè)生產(chǎn)、旅游、交通的生態(tài)服務(wù)功能等帶來重大影響［6-7］。因此，高溫?zé)崂嗽絹碓绞艿秸蛯W(xué)術(shù)界的共同關(guān)注。

國內(nèi)外學(xué)者在高溫?zé)崂水a(chǎn)生機理［8］、特點［9］、影響［10］、風(fēng)險評估［11］、流行病學(xué)［12］以及高溫災(zāi)害預(yù)測［13］等方面已取得了不錯的成果。如Phung 等［14］通過研究2010—2013 年期間湄公河三角洲地區(qū)132 個地區(qū)熱相關(guān)的發(fā)病率發(fā)現(xiàn)，平均氣溫每升高5 ℃，區(qū)域內(nèi)的住院人數(shù)就會增加6.1%。Kuglitsch等［15］選取高溫?zé)崂藦姸取㈤L度和頻次指標(biāo)，分析了地中海東部高溫?zé)崂粟厔?。Inostroza等［16］通過建立高溫?zé)崂孙L(fēng)險評估模型，對圣地亞哥的高溫風(fēng)險進行了分析和預(yù)測。Gertrud等［17］評估了4種熱浪影響包括日發(fā)病率、電力需求和消費以及供水對高溫的相互影響。張曉艷等［18］分析了洞庭湖流域內(nèi)1960—2013 年高溫?zé)崂孙L(fēng)險的時空變化規(guī)律及其特征。

近年來，在全球氣候變暖的大背景下，寧夏高溫天氣出現(xiàn)的次數(shù)和強度都有所增加［19］。楊建玲等［20］結(jié)合相關(guān)氣象數(shù)據(jù)對寧夏地區(qū)高溫日數(shù)空間分布進行評估；孫藝杰等［21］通過計算黃土塬區(qū)近57 a 熱浪指數(shù)，分析了熱浪的時空變化特征；劉學(xué)智等［22］利用1962—2015 年相關(guān)氣象數(shù)據(jù)資料對寧夏地區(qū)氣溫變化周期進行了分析；楊寶玲等［23］對西北地區(qū)大氣環(huán)流異常方面進行了研究。以上研究均能清晰地反應(yīng)地區(qū)的高溫風(fēng)險狀況，為預(yù)防高溫減災(zāi)行動提出了有效的方案，但是這些研究多偏重于通過氣象數(shù)據(jù)來分析高溫?zé)崂说膹姸扰c頻次，對社會經(jīng)濟統(tǒng)計數(shù)據(jù)關(guān)注較少，且由于所用氣象數(shù)據(jù)位置與數(shù)量的限制，精細化程度還有待進一步提高。鑒于此，本文基于多源遙感數(shù)據(jù)和社會經(jīng)濟統(tǒng)計數(shù)據(jù)，在提取了寧夏高溫危險性因子、社會經(jīng)濟脆弱性因子和高溫?zé)崂孙L(fēng)險適應(yīng)性因子的基礎(chǔ)上，利用層次分析法（Analytic hierarchy process，AHP），對寧夏2014—2019 年7—8 月進行公里級尺度高溫?zé)崂孙L(fēng)險評估，建立高溫?zé)崂孙L(fēng)險評估模型，探究研究區(qū)高溫?zé)崂说目臻g分布特征，以期為城市高溫災(zāi)害的預(yù)防以及應(yīng)對高溫?zé)崂颂峁┛茖W(xué)支撐。

1 研究區(qū)及數(shù)據(jù)

1.1 研究區(qū)概況

寧夏地處我國西北部的黃河中上游地區(qū)，東鄰陜西，西、北接內(nèi)蒙古，南連甘肅（圖1），地理位置介于35°14′～39°23′N、104°17′～107°39′E 之間，總面積為6.64×104km2。寧夏屬溫帶大陸性干旱、半干旱氣候，四季分明，最熱月為7 月，年均氣溫在16.9～24.7 ℃之間，年均降水量166.9～647.3 mm［24-25］，北少南多，差異明顯。隨著城市水平不斷提高，城市用地不斷擴張、人口持續(xù)增長，城市熱島效應(yīng)加重［26］，城市和人群面臨的高溫風(fēng)險持續(xù)增加［27］。

圖1 研究區(qū)概況Fig.1 Location and elevation of the study area

1.2 數(shù)據(jù)來源及預(yù)處理

選用的數(shù)據(jù)有地表溫度（Land surface temperature，LST）、氣溫、氣壓、風(fēng)速、降水量、歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）、DMSP/OLS 夜間燈光以及寧夏各區(qū)縣的常住人口、14 歲以下65 歲及以上人口占比、人均GDP、建筑施工人員、城鎮(zhèn)居民每百戶空調(diào)擁有率、衛(wèi)生機構(gòu)床位數(shù)、醫(yī)療衛(wèi)生技術(shù)人員等社會統(tǒng)計數(shù)據(jù)，具體來源見表1。

表1 數(shù)據(jù)詳細說明Tab.1 Detailed description of the data

為了方便柵格計算，需要對所選的數(shù)據(jù)進行投影、重采樣至1 km 后歸一化處理。同時，為了減少噪聲干擾，最大限度保證數(shù)據(jù)的質(zhì)量，需要通過公式（1）獲得多時相MODIS NDVI 的年內(nèi)合成最大值［28］，其可以較好地反應(yīng)當(dāng)年植被長勢最好季節(jié)的植被覆蓋情況［29］。

式中：NDVImax為一年MODIS 16 d 最大值合成；NDVI1,NDVI2,…,NDVI23為一年中每16 d 1 次的合成產(chǎn)品。

2 研究方法

參考美國國家環(huán)保局（U.S Environmental Protection Agency,EPA）生態(tài)風(fēng)險評估導(dǎo)則［30］以及IPCC第五次評估報告［1］，結(jié)合前人研究，綜合考慮高溫?zé)崂孙L(fēng)險組成要素及特征，構(gòu)建基于“高溫危險性-社會經(jīng)濟脆弱性-高溫?zé)崂孙L(fēng)險適應(yīng)性”的寧夏高溫?zé)崂孙L(fēng)險評估框架（圖2）。

圖2 高溫?zé)崂孙L(fēng)險評估框架Fig.2 Frame of heat wave risk assessment

2.1 高溫危險性因子

高溫危險性是指外部因素對系統(tǒng)內(nèi)部產(chǎn)生了威脅，其發(fā)生的重要指標(biāo)是氣溫和降水量［31］。考慮到數(shù)據(jù)的獲取性，本文將氣溫、降水量、風(fēng)速與氣壓作為寧夏高溫危險性評價的遙感指標(biāo)。獲取氣溫的方法主要是通過當(dāng)?shù)貧庀笳荆珰庀笳緮?shù)目偏少、位置有限，導(dǎo)致大尺度的空間分析精度不高。作為監(jiān)測資源環(huán)境動態(tài)變化的重要因素，遙感反演的地表溫度與氣溫之間存在顯著的線性關(guān)系已被多項研究證實［32］，因而可以將其共同作為寧夏高溫危險性評價的指標(biāo)。

2.2 社會經(jīng)濟脆弱性因子

脆弱性因子指城市內(nèi)部承災(zāi)體承受風(fēng)險的能力，選擇人居指數(shù)作為主要的脆弱性評估指標(biāo)。輔以建筑施工人員、14歲以下和65歲以上人口占比以及常住人口作為次要脆弱性評估指標(biāo)。

2.2.1人居指數(shù)因子 為了提高人口狀況空間分布的精度，本文參考Lu等［33］的研究，融合了DMSP/OLS夜間燈光、NDVI和DEM，利用以下公式構(gòu)建人居指數(shù)（Human settlement index，HSI）：

式中：NDVImaxi為i年MODIS 16 d 最 大 值 合成；DMSPnori為標(biāo)準(zhǔn)化后的i年夜間燈光指數(shù)（0～1）；DEM為高程數(shù)據(jù)。

2.2.2其他脆弱性因子 災(zāi)害發(fā)生時該地區(qū)的受災(zāi)程度與經(jīng)濟水平和不同特征的人群有關(guān)。相關(guān)研究表明，當(dāng)?shù)厝司a(chǎn)總值越大，該地區(qū)經(jīng)濟脆弱性就越高［31］。敏感人群例如嬰幼兒、老人以及暴露在烈日下的工作者相比其他人群更易受到高溫的侵害［34］。由于建筑施工人員、14歲以下和65歲以上人口占比以及常住人口數(shù)據(jù)缺乏合理有效的空間化方法，假設(shè)各個市區(qū)內(nèi)數(shù)值相同，再基于ArcGIS對矢量數(shù)據(jù)進行柵格化處理。

2.3 高溫?zé)崂孙L(fēng)險適應(yīng)性因子

適應(yīng)性因子是指人群為適應(yīng)或應(yīng)對高溫災(zāi)害而做出的反應(yīng)，主要體現(xiàn)在外部資源分配的多少。生活環(huán)境良好和醫(yī)療衛(wèi)生先進的城市在應(yīng)對高溫?zé)崂藭r，受到的社會經(jīng)濟威脅相對減弱［35］。選取人均GDP、每百戶居民空調(diào)擁有率、城鎮(zhèn)衛(wèi)生機構(gòu)床位數(shù)和醫(yī)療衛(wèi)生技術(shù)人員作為適應(yīng)性評價指標(biāo)。由于以上數(shù)據(jù)缺乏合理有效的空間化方法，采用與脆弱性數(shù)據(jù)相同的處理方法獲得柵格數(shù)據(jù)。

2.4 高溫?zé)崂孙L(fēng)險評估模型

2.4.1層次分析法 首先根據(jù)高溫?zé)崂孙L(fēng)險的組成要素劃分出相應(yīng)的目標(biāo)層（A）、準(zhǔn)則層（B）和指標(biāo)層（C）；其次對指標(biāo)進行兩兩比較，根據(jù)其相對重要程度構(gòu)造判斷矩陣，通過一致性檢驗后，可得出各指標(biāo)所占權(quán)重（表2），以上算法均通過Matlab 實現(xiàn)。同時，為了使各項數(shù)據(jù)具有可加性，需要對指標(biāo)層中各數(shù)據(jù)進行歸一化處理，值域范圍統(tǒng)一到［0,1］。

表2 高溫?zé)崂孙L(fēng)險評估指標(biāo)體系及權(quán)重Tab.2 Evaluation indexes and weight values of heat waves risk

2.4.2圖層疊置法 利用ArcGIS 10.3 空間疊加工具，計算準(zhǔn)則層指標(biāo)，公式如下

式中：Bi為準(zhǔn)則層指標(biāo)；Ci為指標(biāo)層各因子；αi為各指標(biāo)層因子所占的權(quán)重。計算出準(zhǔn)則層指標(biāo)后，利用ArcGIS 10.3 空間疊加工具，通過公式（4）計算得到寧夏高溫?zé)崂孙L(fēng)險指數(shù)A：

式中：B1為高溫?zé)崂宋ｋU性指標(biāo)；B2為社會經(jīng)濟脆弱性指標(biāo)；B3為高溫?zé)崂孙L(fēng)險適應(yīng)性指標(biāo)。

3 結(jié)果與分析

3.1 高溫?zé)崂宋ｋU性評估

基于表2 可知高溫?zé)崂宋ｋU性所選取的指標(biāo)C1、C2、C3、C4、C5，將所選指標(biāo)柵格化后加載到Arc-GIS 10.3中，利用ArcGIS 10.3空間疊加工具，加權(quán)計算準(zhǔn)則層指標(biāo)B1，得到2014、2017年和2019年7—8月的高溫危險性空間分布圖（圖3），其中高溫?zé)崂宋ｋU性高和較高的區(qū)域主要分布在石嘴山市，銀川市、吳忠市的西部以及中衛(wèi)市的北部，這些地區(qū)人口壓力大、城鎮(zhèn)建筑物密集、裸地以及耕地面積大；而危險性低與較低的區(qū)域主要分布在固原市。原因主要有：固原市的海拔較高，溫度隨著海拔的增高而減低，且建筑總地比重小，熱島效應(yīng)相對較小。

圖3 高溫?zé)崂宋ｋU性空間分布Fig.3 Spatial distributions of hazard factors of heat wave

3.2 社會經(jīng)濟脆弱性評估

基于表2 可知社會經(jīng)濟脆弱性所選取的指標(biāo)C6、C7、C8、C9，將所選指標(biāo)柵格化后加載到ArcGIS 10.3 中，利用ArcGIS 10.3 空間疊加工具，加權(quán)計算準(zhǔn)則層指標(biāo)B2，得到2014、2017年和2019年7—8月的脆弱性空間分布（圖4），其中脆弱性等級高和較高的區(qū)域主要分布在吳忠市西部、中衛(wèi)市以及固原市西北部，主要原因是這些區(qū)域人口相對周邊較為聚集。2014 年和2017 年銀川市和石嘴山市有部分區(qū)域脆弱性處于較高風(fēng)險，主要原因是有更多的建筑施工以及外業(yè)人員加快城市化發(fā)展。銀川市南部以及石嘴山四周風(fēng)險等級較低，主要為農(nóng)用地以及一部分裸地，人口密度小，脆弱性相對較低。

圖4 社會經(jīng)濟脆弱性空間分布Fig.4 Spatial distributions of vulnerability factors of heat wave

3.3 高溫?zé)崂孙L(fēng)險適應(yīng)性評估

基于表2可知高溫?zé)崂孙L(fēng)險適應(yīng)性所選取的指標(biāo)C10、C11、C12、C13，將所選指標(biāo)柵格化后加載到Arc-GIS 10.3中，利用ArcGIS 10.3空間疊加工具，加權(quán)計算準(zhǔn)則層指標(biāo)B3，得到2014、2017年和2019年7—8月的高溫?zé)崂孙L(fēng)險適應(yīng)性空間分布圖（圖5），其中風(fēng)險適應(yīng)性高的區(qū)域主要分布在銀川市中部，更好的醫(yī)療水平和空調(diào)覆蓋率使該區(qū)域的適應(yīng)性指數(shù)更高。由于社會經(jīng)濟發(fā)展水平不斷提高，寧夏地區(qū)平均風(fēng)險適應(yīng)性在2014—2019年中增加了64%。

圖5 高溫?zé)崂孙L(fēng)險適應(yīng)性空間分布Fig.5 Spatial distributions of adaptation factors of heat wave

3.4 風(fēng)險性評估及空間分析

根據(jù)圖2 的高溫?zé)崂嗽u估體系，基于層次分析法將各因子進行空間疊置得到寧夏高溫?zé)崂孙L(fēng)險指數(shù)，并采用自然斷點法將風(fēng)險等級劃分為5級（圖6），其風(fēng)險等級閾值為0.037～0.273、0.273～0.350、0.350～0.405、0.405～0.465、0.465～0.737，分別為低風(fēng)險區(qū)、較低風(fēng)險區(qū)、中風(fēng)險區(qū)、較高風(fēng)險區(qū)以及高風(fēng)險區(qū)。由圖6 可知，寧夏地區(qū)高溫?zé)崂孙L(fēng)險性整體表現(xiàn)出由東北向西南遞增的空間分布特征，其中較高和高風(fēng)險地區(qū)面積占比從2014 年39.52%增長至2019 年62.65%。高風(fēng)險地區(qū)主要集中在寧夏中部以及北部市縣，大多位于海拔相對較低的地區(qū)。這部分地區(qū)人口密度大，建筑總地比重高，城市熱島效應(yīng)強烈，故風(fēng)險性高。較高風(fēng)險地區(qū)大都存在于高風(fēng)險地區(qū)周圍，這些地區(qū)植被覆蓋率較低，土壤多以灰鈣土為主［36］，熱容量較小，因長日照、強輻射導(dǎo)致溫度快速升高，從而使高溫危險性增加。同時，這些地區(qū)人均生產(chǎn)總值相對落后，高溫脆弱性較高，因此面臨著較高的高溫風(fēng)險。風(fēng)險最低的區(qū)域主要集中在寧夏南部以及中北部市縣，南部地區(qū)受地理緯度和地形的影響，年降水量相對較多，濕度較大，植被覆蓋度高，因此高溫危險性和脆弱性較小；中北部市縣因其經(jīng)濟發(fā)展水平較高，居住環(huán)境和醫(yī)療水平較高，從而對高溫的適應(yīng)性較高，因此高溫?zé)崂孙L(fēng)險較小。

圖6 風(fēng)險性空間分布Fig.6 Spatial distributions of the heat wave risk of Ningxia

以紅寺堡區(qū)人民政府為中心，統(tǒng)計南北、東西方向沿線的風(fēng)險等級（圖7）。寧夏中部的風(fēng)險遠高于其他地區(qū)，北部風(fēng)險總體高于南部，北部最高風(fēng)險比南部最高風(fēng)險多年平均高13.27%，該現(xiàn)象主要從南向北因緯度的增加，年降水量遞減，而蒸發(fā)量遞增，南部海拔高，植被覆蓋度較高，所以高溫危險性比較低；西部最高風(fēng)險比東部最高風(fēng)險高12.30%，東西部均處于中部干旱帶，多旱少雨，土壤以灰鈣土和風(fēng)沙土為主，植被覆蓋度不高［37］，又因西部人口比東部密集，故而西部總體風(fēng)險略高于東部。西部剖面線波動范圍較小，表明西部風(fēng)險強度的空間差異較小。

圖7 不同方向高溫風(fēng)險指數(shù)變化曲線Fig.7 Variations of heat risk index in different directions

寧夏地區(qū)各市縣高溫?zé)崂孙L(fēng)險空間分布差異較為顯著。寧夏各市高溫風(fēng)險等級所占的面積比例如圖8所示。由圖8a可以看出，銀川市的高溫風(fēng)險性最高，高風(fēng)險面積與較高風(fēng)險面積占比達62.04%，其次是中衛(wèi)市和吳忠市，高風(fēng)險面積與較高風(fēng)險面積占比分別為60.25%和36.68%，石嘴山市和固原市的高溫危險性相對較低，高風(fēng)險面積與較高風(fēng)險面積占比均在30%以下。由圖8b可以看出，中衛(wèi)市的高溫風(fēng)險性最高，高風(fēng)險面積與較高風(fēng)險面積占比高達74.58%，高于其他各市，其次是石嘴山市和吳忠市，高風(fēng)險面積與較高風(fēng)險面積占比分別為52.68%和33.66%，銀川市和固原市的高溫危險性相對較低，高風(fēng)險面積與較高風(fēng)險面積占比均在20%以下。由圖8c可以看出，中衛(wèi)市的高溫風(fēng)險性最高，高風(fēng)險面積與較高風(fēng)險面積占比高達92.16%，遠高于其他各市，其次是石嘴山市和吳忠市，高風(fēng)險面積與較高風(fēng)險面積占比均在60%以上，銀川市和固原市的高溫危險性相對較低，高風(fēng)險面積與較高風(fēng)險面積占比在50%以下。

圖8 寧夏各市高溫風(fēng)險等級面積比例Fig.8 Area proportions of different heat risk levels of each district in Ningxia

4 討論與結(jié)論

4.1 討論

本文根據(jù)寧夏地區(qū)的氣候特征及高溫風(fēng)險成因選取了13 個指標(biāo)來評估寧夏地區(qū)的高溫?zé)崂藶?zāi)害風(fēng)險。結(jié)果表明，寧夏地區(qū)高溫?zé)崂孙L(fēng)險性逐年上升，這與中國區(qū)域性熱浪時間規(guī)模的風(fēng)險迅速上升［38］，以及西北區(qū)域的高溫日數(shù)和熱浪次數(shù)是明顯增加的［39］研究相符。此外，相關(guān)研究表明寧夏中部［40］、北部地區(qū)［21］是升溫最快的區(qū)域，分別以0.42 ℃·（10a）-1、0.36 ℃·（10a）-1的速度增溫［41］，這與本文研究結(jié)果一致。

寧夏地區(qū)高溫的形成受氣候、地形、人為因素共同作用的影響。通過對比楊春白雪［42］、吳洪斌等［43］對寧夏地區(qū)生態(tài)以及高溫的特征分析，由于選取高溫風(fēng)險成因指標(biāo)略有不同，楊春白雪從人居環(huán)境狀況角度出發(fā)，未考慮人口空間分布狀態(tài)和社會經(jīng)濟因素，吳洪斌從風(fēng)險度和敏感度方面分析了寧夏沙坡頭地區(qū)的脆弱性空間分布，發(fā)現(xiàn)受全球氣候變化的影響，生態(tài)系統(tǒng)的脆弱性進一步加劇，這與本文研究結(jié)果一致。通過對比與前人研究，由于人口空間分布狀態(tài)和社會經(jīng)濟因素與寧夏地區(qū)的高溫風(fēng)險息息相關(guān)，本文在評估高溫風(fēng)險的指標(biāo)中增加了這2個因素，進一步完善了評價結(jié)果，使得評價結(jié)果更符合實際。但高溫?zé)崂说陌l(fā)生還受土地利用、城市空氣污染以及居民自身身體狀況等多種因素的影響，這些都需要在今后的研究中進一步考慮。

4.2 結(jié)論

（1）2014—2019年寧夏夏季高溫風(fēng)險范圍有擴張趨勢，其中較高和高風(fēng)險地區(qū)面積占比從2014年39.52%增長至2019年62.65%。

（2）風(fēng)險性區(qū)劃具有明顯的空間差異。北部風(fēng)險高于南部風(fēng)險，差異性最大；西部風(fēng)險高于東部風(fēng)險，差異性較為顯著；中部風(fēng)險最高，區(qū)域差異性不顯著。

（3）寧夏地區(qū)各市縣高溫?zé)崂孙L(fēng)險空間分布差異較為顯著。2014 年較高和高風(fēng)險面積占比呈現(xiàn)銀川市（62.04%）>中衛(wèi)市（60.25%）>吳忠市（36.68%）>石嘴山市（29.78%）>固原市（1.08%）；2017 年較高和高風(fēng)險面積占比呈現(xiàn)中衛(wèi)市（74.58%）>石嘴山市（52.68%）>吳忠市（33.66%）>銀川市（11.65%）>固原市（7.86%）；2019年較高和高風(fēng)險面積占比呈現(xiàn)中衛(wèi)市（92.16%）>石嘴山市（78.06%）>吳忠市（61.56%）>銀川市（47.00%）>固原市（30.16%）。