背景由于全球气候变化,1880-2012年期间全球平均温度升高了 0.85℃,全球几乎所有地区都经历了气候增暖,根据中国气象局对我国气温监测报告,1960-2015年我国气温也显著升高。气候变化导致的极端热事件在全世界范围内频繁发生,已有大量研究结果证实了热对人群健康的影响。而热对于死亡的影响和风险在不同人群、不同区域存在差异,这表明不同地区热的脆弱性是不同的。所以评估不同区域的热脆弱性,了解各区域对热的承受和应对能力,识别热脆弱地区与脆弱人群,对于适应气候变化有切实意义。目前,国外有很多国家和地区开展了热脆弱性评估的研究,有效的识别了研究地区内的脆弱性地区和脆弱人群,而我国也有部分地区开展了热脆弱性评估,但是缺乏覆盖全国大范围的热脆弱性评估,对于大部分地区的热脆弱性情况还是未知。目的本研究通过对热脆弱性指标的调研,初步建立我国热脆弱性指标体系;同时建立全国范围区县尺度的热脆弱性指数评估我国热脆弱性,并分析热脆弱性空间分布特征;根据地区热脆弱性特点,针对不同地区和人群提出有针对性的政策建议以及有效防护措施。方法本研究通过查阅相关文献并归纳总结以往研究中使用的热脆弱性评估指标,再结合我国现有的全国范围的区县尺度的指标数据集进行筛选。对于筛选出的热脆弱性指标,我们按照敏感性因素和适应能力因素将指标分类,最后获得适用于我国的热脆弱性指标体系。因为目前我国缺乏全国普查性的统一标准的热脆弱性评估关键性指标“空调拥有量”指标,所以我们利用已收集到的196个区县包含空调指标的数据作为基础数据,建立随机森林预测模型对该指标进行全国区县数据的预测补充。另外,区县的“归一化植被指数(NDVI)”、“绿化面积”、区县的“国内生产总值(GDP)”和土地利用等指标数据格式为空间网格数据,我们利用ArcGIS空间统计功能,计算出各区县的相应数值并与其他数据通过区县编码进行匹配。根据确立的我国热脆弱性指标体系,首先将各指标数据进行标准化处理,再用主成分分析(Principal Component Analysis,PCA)的方法对众多热脆弱性指标进行降维并提取主成分,通过求和计算每个区县的各主成分得分获得对应区县的热脆弱性指数。为了更直观的了解我国热脆弱性指数分布情况,我们将指数结果进行空间可视化展示。利用ArcGIS软件将每个区县归一化后的热脆弱性指数与中国区县边界矢量地图匹配,将指数按照四分位数进行分级并配色。为了了解热脆弱性指数在我国的聚集趋势,利用ArcGIS软件对热脆弱性指数进行热点分析。结果1.通过对我国公开数据集调研,发现2010年我国各项数据比较全面,完整性较好,数据来源包括2010年《中国第六次人口普查数据》、中国科学院资环数据中心和全国地理空间数据云。结合调研的文献中指标最终确立了纳入热脆弱性评估的指标,包括敏感性指标和适应能力指标共计20种。2.空调拥有量预测空间可视化结果显示,大部分地区空调拥有量没有空间聚集的趋势,但是,在我国东南沿海地区具有空调拥有量较高的聚集趋势,中北部地区、西南地区呈现空调拥有量较低的聚集趋势。东北部分沿海地区呈现空调拥有量较高的聚集趋势,西北部分地区呈现空调拥有量较低的聚集趋势。3.根据调整的主成分分析模型的最优结果,最终纳入指标包括区县人口密度、少数民族比例、非农业人口比例、老年人口比例、死亡率、文盲率、人均GDP、人均居住面积、NDVI、空调拥有量共10个指标。提取的主成分包括城市人口因素、民族因素、健康因素、经济因素。四个主成分累积可以解释原始10个变量71%的变异性。4.通过计算每个区县各主成分的得分,获得对应的热脆弱性指数,指数最小值为11,共有67个区县,热脆弱性指数最大值为23,在西藏自治区山南地区错那县;平均值为13.75,中位数为14,标准差为1.48。热脆弱性指数按照四分位数进行分类,25%分位数为13,指数低于13的地区为低脆弱性地区;50%分位数为14,指数为14的地区为中等脆弱性地区;75%分位数15,指数在15-23为高脆弱性地区,共有706个区县。5.热脆弱性指数空间可视化结果显示,我国中东部沿海地区和中西部地区热脆弱性高的区域较多,东北地区、华北地区和华南地区热脆弱性低的地区较多;西南部地区的云南省热脆弱性较低。结论本研究建立了适用于我国的区县尺度热脆弱性指标体系,为我国开展热脆弱性评估建立了基础,对未来进一步开展我国热脆弱性研究提供了依据。我国各地区热脆弱性存在一定差异,呈现中东部沿海地区和中西部地区脆弱性高,东北、华北和华南地区脆弱性低的分布趋势。热天气发生时,应注意加强这些脆弱性较高地区的保护。城市因素、民族因素、健康因素和经济因素是我国热脆弱性的影响因素。老年人群、收入水平较低人群、少数民族人口和低学历人口是我国热脆弱性较高的人群,应加强对这几类人群的保护,并在极端热发生前采取高温预警措施。