城市人居環境熱脆弱性評估及空間分布特征*
——以成都市主城區為例

顧偉琦 傅 紅 GU Weiqi, FU Hong

0 引 言

目前全球氣候變暖是氣候變化主要特征之一，根據政府間氣候變化委員會（IPCC，即Intergovernmental Panel on Climate Change）第六次評估報告第一小組報告顯示全球正面臨著加速變暖的趨勢，且預計全球氣溫將升高或超過1.5 ℃[1]。其中對于高度聚集的城市來說，由于溫室效應的不斷累積加重了城市熱島效應的產生，并更進一步的威脅城市居民的健康[2]。其一，熱島效應導致城市中大量有害氣體在上空聚集，難以稀釋擴散[3]。同時，有害氣體因高溫及強光照射使其轉化為臭氧，而人體呼吸健康會因城市中臭氧濃度的增高而受損；其二，人體熱舒適空間與人口居住環境具有強相關性。人體熱舒適度受相對濕度、溫度以及風速等多方面影響。人體最舒適的體感溫度為18～23 ℃，超過28 ℃會覺得炎熱難受。而城市因其高密度建設等所導致的熱島效應延長了居民處于高溫環境的時間，極大增加了人類因中暑從而引起并發癥甚至死亡的概率。加之，在高溫環境下，為了維持正常生產生活需求，使用大量電氣設備進行降溫的過程亦同時排放出大量熱量，在一定程度上加劇熱島效應。由此可見，全球氣候增暖及城市熱島效應將使夏季高溫熱浪事件頻發且持續時間增長，未來將進一步危害城市居民健康。如何減緩高溫災害導致的人群健康風險、降低城市脆弱性、建設氣候適應性城市，成為氣候變暖背景下城市人居環境研究的重要議題。

脆弱性這一概念最早在論及自然災害領域時提出，原指系統遭到無法抵抗的破壞和影響的程度[4]，后逐漸應用于氣候、社會經濟等學科中。熱脆弱性指的是在熱島效應與高溫天氣的雙重影響下，城市系統或人群容易遭受或沒有能力應對高溫天氣而產生不利影響的程度[5]。城市人居環境熱脆弱性更傾向于關注人文與自然的耦合作用，通過刻畫社會人口特征、社會經濟特征以及居住環境特征的差異性，分析城市內部人口暴露于高溫天氣的適應能力、敏感度，從而識別出人居環境熱脆弱性的空間分布特征。例如，德彼得里（Depietri）[6]等通過同時考慮社會與生態變量，識別科隆市人居環境熱脆弱性分布。

西方學者較早開始人居環境熱脆弱性研究，同時關注人體健康與高溫環境的關聯性，并涉及區域、城市、社區等不同尺度的健康風險格局研究[7]。例如尤耶居（Uejio）[8]等研究了社會脆弱性、高溫熱浪暴露水平、建筑環境、人口額外死亡率、社區穩定性和疾病發生率之間的關系，指出寡居人口、黑種人、西班牙人等更易受高溫熱浪天氣的影響；雷伊（Rey）[9]等對歐洲夏季高溫法國地區的人口額外死亡率進行研究，指出發展水平較高的城市因受熱島效應與高溫熱浪雙重影響，其城市人口死亡率更高，同時也指出貧困是造成高溫天氣下人口額外死亡率上升的重要因素。與此同時，西方國家在適應高溫氣候的實踐上有著豐富經驗。例如，多倫多通過繪制熱脆弱性地圖，識別了城市地區高溫脆弱性分布特征，并主動通過建立不同級別的納涼點來創建降溫體系[10]。

我國面向高溫熱浪方面的研究主要集中于從災害學角度出發研究高溫災害風險評估[11-15]、時空格局與演化[16-19]等方面，而較少關注高溫天氣對居民健康及生活環境的影響。由于脆弱性評價是適應氣候變化的關鍵，因此近年更多的學者開始關注城市熱脆弱性方面的研究，多集中于從遙感數據和氣象數據進行分析處理，而關注的尺度也多基于城市、區縣尺度[20-23]，因此相應的實踐成果更多地停留在宏觀政策上。相比于國外涉及社區與街道尺度的熱脆弱性評估而言，國內對于更精細尺度的脆弱性研究還較為不足。主要原因在于受多源數據限制，例如國內人口普查數據更新周期長且較難獲取詳細的數據等。城市尺度下的高溫熱浪脆弱性評價雖能夠反映城市的熱脆弱性等級，但較難為綠色降溫資源的精確分配提供依據，同時處于高溫脆弱地區中的脆弱人群亦較難判斷自身處于的風險程度。

基于此，本文嘗試構建街道尺度下的城市人居環境熱脆弱性評價體系并通過探索多源數據以科學量化人居環境熱脆弱性程度，從而更準確地識別夏季城市中易受高溫災害影響的脆弱性街道空間分布特征，并分析高脆弱性街道的主要致脆因子，以期為政府未來面對高溫氣候進行降溫資源分配提供科學依據。

1 研究區概況

成都市位于四川盆地西部，屬亞熱帶濕潤季風氣候，歷史極端高溫達40 ℃。經統計，1980—2021年成都市高溫日平均溫度達36.3 ℃，且近十年來高溫日數呈逐漸上升趨勢。同時，成都市夏季相對濕度平均值達84%（人體感覺舒適的相對濕度低于70%）[24]，且常年多數風向為靜風（靜風頻率達40%）[25]，因此夏季氣候多為悶熱潮濕的“桑拿天”，人體舒適度低，易對人體健康造成威脅。同時，成都市受地形以及快速城市化的影響，城市中多為低反射表面，且常年多霧、多云，云層可將來自大面積硬化表面反射的太陽輻射能量進行散射或折射，導致無法及時疏散成都市主城區內的輻射熱量，從而影響地表溫度的消減，加強城市熱島效應[26]，屬夏季高溫熱浪類型的悶熱型高溫。

本文綜合考慮行政區劃完整性、數據信息可獲取性以及人群聚集性，選擇成都市中心主城區為研究范圍，包括武侯區（含高新區）、錦江區、青羊區、成華區、金牛區，區內總面積約為63 576 hm2，常住人口571萬人，研究單元為成都市主城區內共62個街道（圖1）。

圖1 研究區域示意圖Fig.1 the study area

2 研究方法與數據來源

2.1 分析框架

氣候變化脆弱性評價基本遵循廣義脆弱性評價的基本分析框架，目前脆弱性評價主要可分為關注外部災害脆弱性評價、關注內部社會人口脆弱性評價以及綜合脆弱性評價三種類型[27]。以自然災害為導向的脆弱性分析更傾向于體現外部災害的決定作用，通過分析災害強度對具有敏感特征人群的脅迫程度，以識別災害脆弱區。威斯科維（Vescovi）等[28]將人群敏感程度與高溫災害強度作為準則層，通過整合氣候災害（以高溫熱浪天數衡量）與社會經濟數據（主要選取低收入人口數、獨居率、年齡等指標），以分析繪制高溫災害風險地圖；以社會人口為導向的脆弱性評價強調關注內部人群本身敏感特征，通過分析人群社會經濟、年齡結構、生理結構及健康狀況等，識別可能受影響人群的脆弱性特征及分布。瑞德（Reid）等[29]基于人口普查數據，同時分析高溫致病致死案例，以識別敏感人群特征，并繪制了熱脆弱性地圖?？梢钥闯?，前者強調外部災害因素及內部人口敏感性的共同作用，而缺乏對于人群面對災害事件適應能力的刻畫；后者雖然對人群適應能力及高敏感人口特征進行分析，但一定程度上忽略了外部災害及居住環境的影響。因此，綜合導向脆弱性評價在二者基礎上，將適應能力納入脆弱性評價框架，綜合考量內部及外部、社會經濟及生物物理環境要素。同時該綜合導向思想在政府間氣候變化委員會發布的第五次評估報告中也得到了體現，并提出了氣候變化脆弱性評價的概念框架，即系統脆弱性由系統暴露于氣候脅迫的程度、系統自身受氣候影響的敏感程度以及系統面臨災害事件保持其必要功能的適應能力共同決定[30]。

本文旨在刻畫高溫天氣對于脆弱性的前提作用，將城市人居環境熱脆弱性解釋為城市居民由于自身敏感性與適應能力的不同，使其暴露于熱環境下導致人體在健康方面受到負面影響的程度[31]。以政府間氣候變化委員會提出的脆弱性概念框架為基礎，并梳理相關文獻和研究成果[5,10]，將“暴露—敏感—適應”作為分析框架以構建城市人居環境熱脆弱性評價體系。其中，“暴露度”是指居民接觸到高溫環境的可能性[5,32]，夏季高溫以及城市熱島效應二者疊加作用加強了高溫天氣對人體的影響的程度；“敏感性”代表人體由于高溫產生不良反應的容易程度，相關研究表明因生理結構、年齡構成和健康狀況的不同，人體熱調節功能也存在差異，其中老年人、室外工作群體、慢性病患者、女性更易受到危害；“適應能力”是城市居民通過改變自身行為而適應高溫天氣的能力，其與人口外部資源擁有度、收入水平、認知程度、居住環境等密切相關。

為了通過科學量化的方式分析精細化尺度下城市人居環境熱脆弱性程度，識別其空間分布特征，通過探索多源數據，整合人口數據、遙感影像數據、興趣點（point of interest，POI）、社會經濟數據，并將其以數值的形式量化至各研究單元，選取暴露度、脆弱性以及適應能力為準則層，構建以街道為研究單元的城市人居環境熱脆弱性評價指標體系（表1），并分析各脆弱性街道的致脆主導因子，以期為政府進一步分配綠色降溫資源并緩解人口脆弱性提供更精確化指向。

表1 成都市主城區人居環境熱脆弱性評估指標體系Tab 1 evaluation index system of population heat vulnerability in main urban area of Chengdu

2.2 評價指標體系

2.2.1 暴露度

城市的熱島效應及城市化發展一定程度上增強了高溫持續時間以及居民暴露于高溫環境的可能性。人口密度與歸一化植被指數是衡量城市熱島效應的主要指標[33]；評價城市熱環境最主要的指標之一是氣溫，但因城市氣象站數量有限，且分辨率較低，較難識別精確尺度下熱島區域的差異，而已有研究表明在晴朗無云的天氣條件下地表溫度與氣溫存在強相關性[34]。地表溫度的升降主要取決于地表輻射，不同地表覆蓋類型的土地對太陽輻射的吸收、反射的不同，進而對于熱島效應及城市人居環境熱脆弱性的貢獻存在顯著差別。其中，城市中不透水地表因其對太陽光的反射率低、吸收率大，與地表溫度呈正相關關系[35]，導致位于該類型下墊面的區域熱島效應增強，進而使居民更易暴露在熱環境中，植被覆蓋區反之；對于夏季日間通勤人群，地下通行廊道可有效減少其暴露于熱環境的機率，其中地鐵站點作為當代居民使用頻率最高的地下通廊，具有一定代表性。因此，本文選取地表溫度、人口密度、歸一化植被指數以及地鐵站點面積比例作為衡量暴露度的指標。

2.2.2 敏感性

已有研究表明老年人是熱浪健康影響主要敏感人群[36]，老人因其身體調節能力較差，同時多數患有心血管疾病、肌肉骨骼系統疾病等慢性病，更易因中暑導致其并發癥的產生。女性因生理特征的差異，由高溫造成的超額死亡率高于男性。此外，慢性病患者及室外工作者（如快遞員、環衛工人等）也是易受高溫脅迫的敏感人群。但受數據獲取限制，本文主要采用65歲以上老年人口比例、女性人口比例來反映城市人口夏季受高溫事件影響的程度。

2.2.3 適應能力

本文將內部個人資源與外部社會資源擁有度看作構成適應能力兩大因素。一方面，內部個人收入、認知水平一定程度上決定了個人運用自身資源應對高溫環境的能力，大量有關高溫致病致死案例研究顯示低收入人群在熱環境中死亡風險明顯高于中高收入人群[37]，低收入人群由于收入低下，導致其調動個人資源以適應高溫的能力較低，如低收入人群住房水平普遍較差，相對缺乏足夠的制冷條件。同時，低收入人群普遍無法支付較高的物業管理費，亦導致該群體居住環境較差，所在街道擁有的社會公共資源較少[38]；高中學歷以下人群多缺乏對高溫基礎防護知識，因此該人群的熱相關死亡率更高[39]。另一方面，城市居民對外部社會資源擁有度亦反映了適應高溫環境的能力，公園綠地因其具備產生特定小氣候的復雜表面結構，對于調節該區域微氣候有著顯著功效，成為附近居民夏季早晚主要納涼場所；地鐵站可滿足通勤人員短暫避暑及周圍居民日間納涼的需求；社區衛生服務中心作為社區建設的重要組成部分，具備一定的基礎醫療設備，可為受到高溫危害的人群提供及時就診治療。因此采用受教育程度人口比例、單位面積房租水平來反映個人認知能力以及經濟水平，采用公園綠地、地鐵站點以及社會衛生服務中心10 min步行可達覆蓋比例來衡量人群對社會資源的擁有度情況。

2.3 數據來源與處理

2.3.1 歸一化植被指數計算

歸一化植被指數（Normalized Difference Vegetation Index,即NDVI）是衡量城市植被覆蓋度的常用指標，該指數區間為[-1,1]，其公式表達式為：

式中：NDVI為歸一化植被指數；NIR為近紅外波段反射率值；R為紅波段反射率值

首先，借助遙感圖像處理平臺（The Environment for Visualizing Images，即ENVI），進行數據預處理；其次，利用計算工具輸入公式，得出研究區域NDVI柵格數據并檢驗；最后，利用地理信息分析平臺（Arc Geographic Information System，即ArcGIS）的分區統計工具，以平均值的形式將數據統一至研究單元，并利用自然斷點法進行分類（圖2）。

圖2 NDVI及統一至研究單元后空間分布Fig.2 spatial distribution of NDVI and the research unit after unification

2.3.2 地表溫度反演

地表溫度反演數據來基于地理空間數據云平臺的Landsat8 OLI_TIRS衛星遙感數據。影響數據選取標準為盡可能選擇夏季高溫時段，以反映城市高溫熱浪強度；天氣條件選擇晴朗、云量底的時刻，以保證影響影像精度。經過對影像時間段、云量（≤10%）、分辨率等條件篩選。本文選擇2019年8月11日Landsat8 OLI_TIRS遙感影像作為數據源（空間分辨率為30 m）?；诖髿庑ＵㄟM行地表溫度反演，最終得到成都市主城區的地表溫度，并運用ArcGIS進行分區統計分析，以平均值的形式將數據統一至研究單元（圖3）。

圖3 地表溫度及統一后空間分布Fig.3 spatial distribution of surface temperature and the research unit after unification

2.3.3 人口及社會經濟數據

本文涉及的人口數據均來自各區統計局所發布的《第七次人口普查數據信息——按街道劃分情況》；單位面積房租水平數據來源于《2021年成都市住房市場平均租金水平信息》，通過將四個季度的數據匯總進行平均值的計算，得到街道單元的平均租金水平。

2.3.4 空間位置數據

適應能力指標層中的公園綠地、地鐵站點數據與社區衛生服務中心的位置數據均來自高德地圖公開興趣點。首先，進行POI數據爬取，對采集的數據進行篩選、清洗和坐標轉換，得到研究區內公園綠地共152個、衛生服務中心共142個、地鐵站點163個（圖4）；其次，借助ArcGIS軟件對導入的設施點進行服務區分析，通過對路網進行拓撲處理、阻抗時間設置為10 min等步驟，計算出公園綠地與社區衛生服務中心10 min步行可達范圍；最后，將提取出的可達覆蓋范圍面積與各研究單元面積相除，得出10 min步行可達范圍覆蓋比例。暴露度指標層中地鐵站面積由地鐵出入口空間位置計算而得，其位置數據來自高德地圖公開POI數據，將POI數據進行預處理后，導入ArcGIS軟件以獲得各站點出入口空間位置，并借助由點轉線、從線構面等工具，計算出研究單元內各地鐵站面積比例。

圖4 公園綠地、社區衛生服務中心及地鐵站點空間分布Fig.4 spatial distribution of park green space, community health service center and subway station

3 成都市主城區人居環境熱脆弱性定量評價

城市人居環境熱脆弱性評價主要包括處理數據、確定指標權重以及計算脆弱性指數三個步驟。數據處理是將數據以平均值、比例等形式統一至研究單元范圍內。因本研究選取指標均為定量數據，為保證權重賦值的客觀、準確，所以采用熵值賦權法確定指標權重（表2），主要步驟包括數據標準化、信息熵計算、確定指標權重三個環節。

表2 指標權重Tab. 2 index weight

3.1 評價指標標準化

為保證不同量綱的指標具有可比性，需對各指標進行標準化處理。根據指標含義，將指標分為正向指標或負向指標，采用極差標準化法對其進行去量綱化處理，計算公式如下：

式中：Xij表示第i個研究單元（i=1，2......m）、第j項指標（j=1，2...m）的原始數值，Yij表示標準化數值，取值范圍為[0,1]。

3.2 確定指標權重

利用標準化后數據進行指標信息熵計算，計算公式如下：

式中：Hij為第j項指標的信息熵熵值，其中2......m)，K=1ln（m），Pij≥0且當Pij=0時，PijlnPij=0。

根據所得的指標信息熵熵值，以確定各準則層下所含指標的權重，計算公式如下：

式中：Wj為第j項指標的熵權且其取值范圍為[0,1]，

3.3 準則層綜合評分計算

采用綜合指數法[40]，將所得指標權重與標準化數值相乘并累加至準則層，以計算三項準則層的綜合評分，即確定暴露度、敏感性與適應能力指數，計算公式如下：

式中：Sij為準則層指標綜合評分，Yij為第i個研究單元、第j項指標標準化數值，Wj為第j項指標的權重。

3.4 脆弱性指數計算

根據城市人居環境熱脆弱性分析框架可知，城市人居環境熱脆弱性是暴露度、敏感性及適應能力三者共同作用的結果。參考謝盼[41]等采用的高溫脆弱性評價方法，本文利用所得準則層綜合指標，選擇乘除法[28]計算城市人居環境熱脆弱性指數，公式如下：

式中：Vi為城市人居環境熱脆弱性指數，Ei為暴露度指數，Si為敏感性指數，Ai為適應能力指數。

4 結果分析與規劃策略

4.1 暴露度

由上述計算結果可得，研究區域內暴露度指數總體呈現“內高外低”的數值分布特征（圖5）。城市核心片區及部分西南、中心偏北片區分布較多高、極高暴露度街道，這一區域內人為熱源集中、人口密度大、植被覆蓋度較低且部分街道地鐵站點覆蓋比例極低，進一步增加居民的高溫暴露程度。采用自然斷點法將結果分為7個等級，其中極低暴露區（0.189 6～0.312 7）、低暴露區（0.312 8～0.458 0）、較低暴露區（0.458 1～0.502 8）、中暴露區（0.502 9～0.555 7）、較高暴露區（0.555 8～0.621 2）、高暴露區（0.621 3～0.696 4）及極高暴露區（0.696 5～0.860 7）占比面積分別為25.97%、19.36%、20.66%、7.13%、12.02%、7.24%、7.61%。最高暴露度值分布在武侯區簇錦街道，達到0.860 7；最低暴露度值分布在青羊區康河街道，為0.189 6。

圖5 暴露度指數及空間分布Fig.5 exposure index and its spatial distribution

4.2 敏感性

研究區域內高敏感街道集中分布在城市中心區以及部分西城區，這些街道大多為原住民，且老齡化較嚴重。將敏感性數值以自然斷點法分為7個等級（圖6）。從各等級占比來看，其中極低敏感區（0.006 9～0.120 3）、低敏感區（0.120 3～0.285 0）、較低敏感區（0.285 0～0.393 1）、中敏感區（0.393 1～0.496 2）、較敏感區（0.496 2～0.614 6）、高敏感區（0.614 6～0.749 6）及極高敏感區（0.749 6～0.940 1）占比面積分別為6.83%、19.87%、28.28%、22.87%、6.72%、9.22%、6.21%。敏感性數值在青羊區草堂街道中出現最大值，達到0.940 2；最低敏感性值出現在武侯區金花橋街道，為0.007 0。

圖6 敏感性指數及空間分布Fig.6 sensitivity index and its spatial distribution

4.3 適應能力

研究區二環以內街道適應能力數值普遍較高，二環以外周邊街道因研究單元面積較大而10 min公園綠地步行可達性覆蓋面積較少、地鐵站點覆蓋面積較低、低租金的老舊建筑較多，導致其適應能力極低。其中南部片區各街道數值變化幅度較大，既包含極高適應能力街道，亦出現極低適應能力街道。運用自然斷點法將適應能力數值分成7個等級（圖7）。從各等級占比來看，其中極低適宜能力區（0.049 9～0.158 5）、低適宜能力區（0.158 6～0.229 2）、較低適宜能力區（0.229 3～0.288 0）、中適宜能力區（0.288 1～0.382 3）、較適宜能力區（0.382 4～0.448 7）、高適宜能力區（0.448 8～0.548 4）及極高適宜能力區（0.548 5～0.668 6）占比面積分別為39.09%、15.79%、6.82%、18.82%、8.98%、7.36%、3.15%。最高適應能力街道為錦江區錦官驛街道，達到0.668 6；適應能力數值在成華區白蓮池街道出現最小值，為0.049 9。

圖7 適應能力指數及空間分布Fig.7 adaptability index and its spatial distribution

4.4 脆弱性

脆弱性數值整體呈現“內高外低”及“東北高西南低”的分布特征（圖8，表3）。城市核心區延伸至東北片區內街道多表現為較高及以上脆弱性等級，西南片區距城市中心越遠，脆弱性數值越低。但在研究區西北部邊緣也混有極高脆弱性街道（黃田壩街道），該街道因其適應能力極低、敏感性較高，造成人居環境熱脆弱性的驟增。其中較高到極高級脆弱性街道共27個，面積占比39.35%；中脆弱性街道共13個，面積占比15.41%；極低到低級數值脆弱性街道共22個，面積占比45.25%。脆弱性數值在青羊區黃田壩街道出現最大值，達到2.599 6；武侯區金花橋街道為脆弱性數值最小值分布區域，為0.023 8。

表3 不同脆弱性等級街道數量占比Tab. 3 proportion of streets with different vulnerability levels

圖8 脆弱性指數及空間分布Fig.8 vulnerability index and its spatial distribution

4.5 致脆主導因子分析

為制定更具針對性的高溫適應性措施提供科學依據，參考相關文獻成果，本文通過識別造成高脆弱性街道的主導因素，對成都市主城區脆弱性空間街道類型進行分類。具體方法如下：首先通過上述計算提取出高及極高脆弱性街道作為主導因子分析對象；其次，通過圖層疊加法將各街道暴露度指數、敏感性指數以及適應能力指數進行等級差異比較并進行分類，其中暴露度指數為高和極高等級的街道為高暴露主導區，敏感性數值高于暴露度數值的街道為高敏感主導區，適應能力數值處于較低及以下等級且敏感性指數及暴露度指數均為高等級以下的街道為低適應能力主導區。

通過上述方法對成都市主城區高脆弱性街道進行進一步致脆因子分類并計算各類型單元面積及所占比例。結果顯示，不同導致脆弱性主導因子類型面積占比為低適應脆弱型街道（57.06%）＞高敏感脆弱型街道（25.98%）＞高暴露脆弱型街道（16.69%）。將計算結果可視化（圖9），結果顯示：高暴露主導型街道分布主要集中于城市核心區，這些街道人口密度大、低植被覆蓋的商業區面積占比較多，造成街道高暴露特征顯著；高敏感主導型街道分布較為分散，主要分布在人口老齡化較為嚴重的中心城區以北的老城區中；低適應主導型街道主要于城市邊緣及城北區分布，這些街道發展較緩，公共基礎設施建設較為薄弱，居民大多收入低，難以支付過高的物業管理費，導致居住環境較差，如周邊綠化少、地鐵站點等分布少、建筑老化等，造成人口熱適應能力極低。

圖9 各類型脆弱性空間分布Fig.9 spatial distribution of different types of vulnerability

4.6 城市人居環境熱脆弱性分區規劃策略

在制定熱適應性策略上，應首先將極高和高脆弱性街道作為先行區。為進一步明確具體方案措施方向，通過識別各脆弱性街道主導致脆因子，將其劃分為“高暴露主導型分區”“高敏感主導型分區”及“低適應能力主導型分區”，以便各相關部門優先解決首要問題。第一，針對高暴露主導型街道，脆弱性治理的方式主要是考慮減少市民在高熱環境下暴露的機率。建議充分利用綠色基礎設施，從建筑及街道尺度出發來改善街道暴露度。在建筑尺度，可采用綠色屋頂、垂直綠化等方式對城區內老建筑進行改造，以增強建筑自身散熱能力；在街道尺度上，由于城市土地使用的稀缺，應當充分結合現有環境資源進行差異化設計，如通過增植行道樹以增加道路遮蔭面積、改變植物種植位置以加大建筑通風間隙、改造閑置空地、街角廣場、臨街菜市場等以增加街道內納涼節點以及采用高反射率鋪裝增加地表對太陽輻射能的反射程度等方式。第二，對于高敏感主導型分區，通過分析街道內高敏感人群社會特征、出行方式及行為特征，進而從個人、社區及城市三個層面提出應對策略。對于個人層面，應加強高敏感性人群對應急知識的學習并組織定期健康檢查活動；對于社區層面，可通過電話訪問、建立社區科普角等方式展開高溫應對知識宣傳活動的方式進行社區互助幫扶和社區空間微更新；對于城市層面，可推廣考慮高敏感人群的社會公平性設計，通過組織公眾建議征集進行高敏感人群參與式設計。第三，對于低適應能力主導型分區，建議從降溫資源分配及提升個人認知兩方面進行提升。對于培養居民個人認知，可結合高敏感主導分區相關策略同步進行，增強防范高溫災害意識及行為的宣傳教育；對于降溫資源分配，針對公共建筑類型可適當延長其開放時間[42]，針對地鐵站點類型可在不影響人流通行的情況下設置納涼休息區，為附近人群提供避暑場地。

5 結論與討論

5.1 結論

通過建立城市人居環境熱脆弱性評價指標體系進而測度成都市主城區人居環境熱脆弱性程度，揭示其空間分布特征，并進一步識別脆弱性街道主導致脆因子類型。結論如下：第一，成都市主城區人居環境熱脆弱性呈現“內高外低”及“東北高西南低”的分布特征，中等至極低數值脆弱性面積占比54.75%，大部分街道熱脆弱性程度中等偏低，整體從北至東、以“環狀”形態分布于主城區邊緣地區；相比而言，大部分較高至極高級脆弱性街道呈現聚集“島狀”形態分布于城市中心區，其余位于城市邊緣區域的高脆弱型街道如黃田壩街道、天回鎮街道、白蓮池街道及成龍路街道因其極低適應能力而導致熱脆弱性指數驟增。第二，各類致脆主導類型分區面積占比依次為低適應能力主導型片區（57.06%）＞高敏感主導型片區（25.98%）＞高暴露主導型片區（16.69%），高溫暴露主導型街道主要集中在城市核心區，人口敏感型主導街道無明顯聚集分布特征并主要分布在中心城區以北區域，低適應主導型街道以散點式出現在主城區邊緣。

5.2 討論

目前全球變暖及加速城鎮化的大趨勢加劇了城市熱環境對人群健康的影響，同時也推動了相關研究從單方面評估災害脆弱性水平而忽略內部社會經濟要素或是單一評價社會脆弱性而忽略外部自然因素，轉向基于自然與人文耦合作用的全要素脆弱性評價領域。城市人居環境熱脆弱性評價涉及氣候、社會經濟、城市用地、熱環境、公共基礎設施、人口特征等多方面綜合因素，是一項具有動態性和綜合性的研究主題。因此，本研究仍需進一步完善：第一，評價指標體系優化?，F有評價體系多集中于城市及區縣尺度，本文通過構建街道尺度下人居環境熱脆弱性評價體系，在一定程度上揭示城市中不同地區人居環境熱脆弱性的差異化，但在未來還需挖掘更精確化的多源稠密數據（如熱相關醫療健康數據、小規模社會調查數據等）以提升評價指標的全面性；第二，本文提出的應對行動策略是將高溫作為城市人口脆弱性擾動因子而提出，但如何綜合其他極端天氣對人群影響，從而指導韌性城市的建設還需進一步考量。

圖片來源：

圖1- 9：作者繪制

表1- 3：作者繪制