楊雯倩，史培軍，張鋼鋒，楊勝利

（1.北京師范大學(xué)地理科學(xué)學(xué)部，北京 100875；2.北京師范大學(xué)地表過(guò)程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875；3.應(yīng)急管理部-教育部減災(zāi)與應(yīng)急管理研究院，北京 100875；4.蘭州大學(xué)資源環(huán)境學(xué)院，甘肅蘭州 730000；5.青海師范大學(xué)高原科學(xué)與可持續(xù)發(fā)展研究院，青海西寧 810008）

引言

災(zāi)害風(fēng)險(xiǎn)是指未來(lái)某段時(shí)期內(nèi)某個(gè)區(qū)域?yàn)?zāi)害損失的可能性大小，其核心在于未來(lái)致災(zāi)事件發(fā)生的可能性及由其造成的損失和損害，科學(xué)的災(zāi)害風(fēng)險(xiǎn)評(píng)估與災(zāi)害風(fēng)險(xiǎn)防范是當(dāng)前地理學(xué)、生態(tài)學(xué)、環(huán)境科學(xué)等多學(xué)科極為關(guān)注的前沿問(wèn)題［1］。狹義災(zāi)害風(fēng)險(xiǎn)評(píng)估是對(duì)災(zāi)害系統(tǒng)的致災(zāi)成害關(guān)系的評(píng)估，其中承災(zāi)體脆弱性評(píng)價(jià)指標(biāo)——承災(zāi)體對(duì)致災(zāi)因子的暴露度是重要的評(píng)估指標(biāo)之一［2］。暴露是指處在致災(zāi)因子影響范圍內(nèi)的承災(zāi)體（如人口、財(cái)產(chǎn)等）的數(shù)量或價(jià)值，是災(zāi)害風(fēng)險(xiǎn)存在的必要條件［3］。本研究定義高溫暴露人口為高溫設(shè)防條件下受到其影響、傷害的人口總量。

已有研究的預(yù)測(cè)結(jié)果表明，到21世紀(jì)末為止，世界范圍內(nèi)大部分陸地區(qū)域的高溫頻率和強(qiáng)度很可能呈增加趨勢(shì)［4］。2019年《中國(guó)氣候公報(bào)》指出，我國(guó)極端高溫事件偏多，2019年平均氣溫10.34℃，較常年偏高0.79℃，為1951年來(lái)的第5個(gè)暖年［5］。全球氣候變暖與快速城市化相互疊加，導(dǎo)致人口密集的主城區(qū)人口、經(jīng)濟(jì)更易受到高溫?zé)岷Φ拿{迫，也加劇了人口的暴露程度，進(jìn)一步增加了城市居民高溫健康風(fēng)險(xiǎn)［6，7］。因此，準(zhǔn)確合理評(píng)估人口高溫?zé)岷Ρ┞抖?，?duì)預(yù)估未來(lái)人口高溫?zé)岷︼L(fēng)險(xiǎn)有重要意義。

目前為止，對(duì)高溫?zé)岷Φ难芯恐饕杏谥聻?zāi)危險(xiǎn)性的時(shí)空分布特征、人口暴露度的預(yù)估，人群健康風(fēng)險(xiǎn)分析等［8，9，10，11］，且有關(guān)人口對(duì)高溫等極端天氣暴露度的研究較少考慮設(shè)防的因素［12，13，14，15］，因此，本文以西安市為例，構(gòu)建了在設(shè)防條件下定量評(píng)估高溫人口暴露及預(yù)測(cè)未來(lái)暴露人口變化的模型，在此基礎(chǔ)上，分析了西安市高溫人口暴露的時(shí)空變化特征，以期為高溫?zé)岷θ丝陲L(fēng)險(xiǎn)評(píng)估提供重要科學(xué)與理論依據(jù)。

1 數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)域

西安市位于渭河流域中部關(guān)中盆地，介于107.40°-109.49°E，33.42°-34.45°N之間，北瀕渭河、南鄰秦嶺。西安境內(nèi)海拔高度差異懸殊，地貌以山地與平原為主體。當(dāng)?shù)貙倥瘻貛О霛駶?rùn)大陸性季風(fēng)氣候，冷暖干濕四季分明。氣象災(zāi)害有暴雨、洪澇、干旱、干熱風(fēng)、高溫等［16，17］。

西安全市轄未央、新城、碑林、蓮湖、灞橋、雁塔、閻良、臨潼、長(zhǎng)安、高陵、鄠邑11個(gè)區(qū)及藍(lán)田、周至2個(gè)縣，占地約10 752 km2。2019年末全市常住人口達(dá)1 020.35萬(wàn)人，其中城鎮(zhèn)人口761.28萬(wàn)人，占常住人口比重74.61%，人口城鎮(zhèn)化明顯。

1.2 數(shù)據(jù)來(lái)源

本文的研究時(shí)段為2005-2019年，氣溫?cái)?shù)據(jù)來(lái)自國(guó)家氣象信息中心提供的中國(guó)國(guó)家級(jí)地面氣象站基本氣象要素日值數(shù)據(jù)集。包括2005-2019年西安市日最高氣溫、日平均氣溫等基本氣溫?cái)?shù)據(jù)。選取西安市氣象局下屬的6個(gè)氣象基本站（周至、戶縣、長(zhǎng)安、高陵、臨潼、藍(lán)田）、1個(gè)氣象基準(zhǔn)站（涇河）的氣象數(shù)據(jù)進(jìn)行分析。

利用Matlab篩選出7個(gè)站點(diǎn)的日最高氣溫，并對(duì)其求均值，以求得的平均日最高氣溫代表西安市的高溫狀況，分析西安市2005-2019年日最高氣溫的時(shí)間變化特征。

遙感影像數(shù)據(jù)來(lái)自地理空間數(shù)據(jù)云網(wǎng)站下載的Landsat8OLI_TIRS系列遙感影像，成像日期分別為2016年6月10日和17日，2018年7月18日和25日，2019年7月5日和8月13日，這六期數(shù)據(jù)含云量較低，可見(jiàn)度高，影像成像質(zhì)量較好，可用于地表溫度反演。由于西安市有3景影像覆蓋（以2016年影像為例），框線內(nèi)左圖左側(cè)的影像為第1、2景，右邊為第3景（圖1），兩期影像獲取日期相近，同屬高溫日且溫差較小，且95%以上區(qū)域都在第1、2景影像下，因此可將二期影像當(dāng)作同期數(shù)據(jù)處理，并默認(rèn)處理結(jié)果為1、2景影像當(dāng)天的地表溫度。

圖1 西安市遙感影像圖（2016年6月10日）Fig.1 Remote sensing image of Xi′an（10th June，2016）

本文的人口數(shù)據(jù)來(lái)自西安市2005-2019統(tǒng)計(jì)年鑒中的人口普查數(shù)據(jù)，主要選取西安市常住人口，主要年份人口變動(dòng)情況，全市及各區(qū)縣人口數(shù)和戶數(shù)，全市居民家庭每百戶年末耐用品（空調(diào)）擁有情況。

1.3 高溫指標(biāo)計(jì)算方法

本文的城市高溫人口熱害按照中國(guó)氣象局（CMA）標(biāo)準(zhǔn)，將城市中日最高氣溫大于等于35℃的天氣定義為高溫日。通過(guò)極端高溫日數(shù)、高溫有效積溫，分析西安市15年間高溫的時(shí)間變化特征（2005年西安站改為涇河站，統(tǒng)一使用2005年后的數(shù)據(jù)避免遷站前后的差別）。高溫日數(shù)是該區(qū)域內(nèi)當(dāng)年日最高氣溫Tmax≥35℃的累計(jì)高溫天數(shù)；高溫有效積溫（EAHT）指該站點(diǎn)一年內(nèi)所有的日最高氣溫Tmax超過(guò)高溫閾值（日最高氣溫大于等于35℃）的累積溫度［18］。

由于站點(diǎn)數(shù)據(jù)插值得到的面數(shù)據(jù)，無(wú)法精細(xì)準(zhǔn)確地反映地表溫度的變化情況。因此，本研究借助ENVI軟件對(duì)地表溫度進(jìn)行遙感反演，有研究表明輻射傳輸方程法［19，20，21］精度較高，可反映地表溫度變化情況，由此本研究采取輻射傳輸方程法對(duì)溫度進(jìn)行反演（圖2），得到3幅西安市地表溫度分布圖，并對(duì)溫度精度進(jìn)行驗(yàn)證。

圖2 遙感數(shù)據(jù)處理流程圖Fig.2 The flow chart of remote sensing data analyses

根據(jù)中國(guó)氣象局日值數(shù)據(jù)中的0 cm地表溫度數(shù)據(jù)，各年西安市0 cm地表溫度反演精度如表1。地表遙感反演溫度高值和低值都比實(shí)際溫度低，這是因?yàn)榉囱葸^(guò)程中選取的大氣剖面數(shù)據(jù)為衛(wèi)星過(guò)境的時(shí)間（凌晨3點(diǎn)左右），此時(shí)地表溫度偏低，同時(shí)由于2018年7月25日的該景影像云量為10.96%，對(duì)低值的反演有影響，使反演的低值誤差較大，但總體來(lái)說(shuō)，遙感反演的溫度可表示西安市地表溫度。

表1 地表遙感反演溫度精度驗(yàn)證表Table 1 Verification of surface temperature accuracy

1.4 高溫?zé)岷θ丝诒┞队?jì)算方法

（1）西安市個(gè)人空調(diào)擁有率計(jì)算

選取西安市統(tǒng)計(jì)年鑒中城鎮(zhèn)與農(nóng)村的家庭年末每百戶耐用品-空調(diào)擁有情況、每戶常住人口等數(shù)據(jù)進(jìn)行計(jì)算（表2），因2014年統(tǒng)計(jì)標(biāo)準(zhǔn)改變，空調(diào)擁有量數(shù)據(jù)突變，為消除因統(tǒng)計(jì)標(biāo)準(zhǔn)改變?cè)斐傻恼`差，以2014-2019年為基準(zhǔn)時(shí)期，利用灰色模型對(duì)2019年之后的數(shù)據(jù)進(jìn)行預(yù)測(cè)，有研究表明，灰色模型在小樣本數(shù)據(jù)預(yù)測(cè)中的應(yīng)用較多［22，23，24］。

表2 西安常住人口及家庭每百戶年末空調(diào)擁有情況Table 2 The permanent population and the air condition ownership of each hundred households of Xi′an

具體方法步驟如下：

2）構(gòu)建GM（1，1）模型，對(duì)生成數(shù)列建立一階微分方程：

3）用最小二乘法求解灰參數(shù)a和u。

4）根據(jù)公式還原序列得到模擬值與預(yù)測(cè)值，利用模型進(jìn)行預(yù)測(cè)：

當(dāng)k≤n時(shí)為模型擬合值，當(dāng)k＞n時(shí)為模型預(yù)測(cè)值。

5）對(duì)建立的灰色模型進(jìn)行精度檢驗(yàn)。

根據(jù)公式（4）～（6）計(jì)算可得西安市居民個(gè)人空調(diào)擁有率，結(jié)果如表（3）。

其中R U為城鎮(zhèn)居民個(gè)人空調(diào)擁有率，R R為農(nóng)村居民個(gè)人空調(diào)擁有率，A U為城鎮(zhèn)空調(diào)擁有量，A R為農(nóng)村空調(diào)擁有量為城鎮(zhèn)平均每戶常住人口，P R農(nóng)村平均每戶常住人口，R為全市居民個(gè)人空調(diào)擁有率，PU為城鎮(zhèn)常住人口，PR為農(nóng)村常住人口，P為全市常住人口。

由于統(tǒng)計(jì)數(shù)據(jù)標(biāo)準(zhǔn)發(fā)生改變，2014年西安市空調(diào)數(shù)量突降，為消除因統(tǒng)計(jì)數(shù)據(jù)突變導(dǎo)致的誤差，并弱化原始序列數(shù)據(jù)的隨機(jī)性和波動(dòng)性，采用2014-2019年的數(shù)據(jù)計(jì)算得到的個(gè)人空調(diào)擁有率進(jìn)行下一步計(jì)算。

（2）高溫暴露人口總量及人口受災(zāi)指數(shù)計(jì)算

受災(zāi)人口是暴露在高溫下的人口總量，此處定義為不受空調(diào)防護(hù)的人口，因此，可根據(jù)以下公式（7）（8）計(jì)算得到人口受災(zāi)指數(shù)和暴露人口（表3）。

表3 西安市個(gè)人空調(diào)擁有率及高溫?zé)岷Ρ┞度丝谑転?zāi)指數(shù)Table 3 Owning rate of air conditioning and the index of exposed population in Xi′an

其中I為人口受災(zāi)指數(shù)，R為全市村居民個(gè)人空調(diào)擁有率，E t為暴露人口總量，P為全市常住人口。

（3）高溫人口暴露脆弱性曲線構(gòu)建

高溫危險(xiǎn)性為當(dāng)年高溫有效積溫（X）（℃），暴露度（Y）為人口受災(zāi)指數(shù)，對(duì)X取對(duì)數(shù)處理L N（X），并去除極值影響，擬合后LN（X）與（Y）的公式呈對(duì)數(shù)曲線，由于受數(shù)據(jù)精度和時(shí)間長(zhǎng)度限制，其顯著性水平較低（P=0.196）。部分外國(guó)學(xué)者認(rèn)為P值小于0.2時(shí)，這個(gè)因素顯著，在此認(rèn)為此結(jié)果有顯著性。

西安市高溫人口受災(zāi)指數(shù)與LN（高溫有效積溫曲線）呈線性形式（圖3），即隨著LN（X）的增大，Y逐漸降低，這是由于夏季來(lái)臨氣溫升高時(shí)，人群主動(dòng)采取防護(hù)措施如使用空調(diào)等制冷設(shè)施減少高溫脅迫，因此人口受災(zāi)指數(shù)逐漸降低，但受空調(diào)數(shù)量限制，始終存在沒(méi)有空調(diào)的居民，因此實(shí)際人口受災(zāi)指數(shù)將首先減小，繼而趨于平緩。

圖3 西安高溫?zé)岷θ丝诒┞洞嗳跣郧€Fig.3 Vulnerability curves of population exposure to high temperature in Xi′an

1.5 西安市未來(lái)高溫?zé)岷Ρ┞度丝诳偭考叭丝谑転?zāi)指數(shù)預(yù)測(cè)

根據(jù)統(tǒng)計(jì)年鑒整理分析統(tǒng)計(jì)人口變化情況時(shí)，會(huì)出現(xiàn)因行政區(qū)劃調(diào)整導(dǎo)致的某城市人口在某一年間發(fā)生劇增或劇減的現(xiàn)象［25，26］。2017年西咸新區(qū)劃歸西安代管，咸陽(yáng)所轄4縣區(qū)的常住人口納入西安，戶籍轉(zhuǎn)移人口約60.5萬(wàn)人。因此將2010-2016年的咸陽(yáng)所轄人口納入西安市常住人口，以調(diào)整基數(shù)后的人口數(shù)據(jù)進(jìn)行預(yù)估（表6）。

表4 調(diào)整基數(shù)后的2010-2019年西安市常住人口Table 4 Permanent resident population of Xi′an after base adjustment from 2010 to 2019

將2010-2019年定為基準(zhǔn)時(shí)期，以2010-2019年常住人口數(shù)據(jù)建立灰色模型，計(jì)算得到后驗(yàn)差比值C=0.018 8，小誤差概率P=1，與實(shí)際人口（表5）和預(yù)測(cè)精度等級(jí)表（表6）進(jìn)行對(duì)比，P與C都達(dá)到好的等級(jí)，且預(yù)測(cè)人口的相對(duì)殘差不超過(guò)±2%，該模型的預(yù)測(cè)精確度較高，可用來(lái)預(yù)測(cè)未來(lái)常住人口，由此得到西安市2020～2050年預(yù)測(cè)常住人口。

表5 西安市實(shí)際人口與預(yù)測(cè)人口精度驗(yàn)證表Table 5 Precision validation of actual population and predicted population

表6 預(yù)測(cè)精度等級(jí)表Table 6 Prediction accuracy class

同時(shí)根據(jù)2014-2019年人口受災(zāi)指數(shù)數(shù)據(jù)建立灰色模型，計(jì)算得到C=0.022，P=1，P與C都達(dá)到好的等級(jí)，且預(yù)測(cè)值與實(shí)際值的相對(duì)殘差不超過(guò)3%（表7），同樣可用于預(yù)測(cè)人口受災(zāi)指數(shù)，得到西安市2020-2050年的預(yù)測(cè)人口受災(zāi)指數(shù)。

表7 西安市實(shí)際人口受災(zāi)指數(shù)與預(yù)測(cè)人口受災(zāi)指數(shù)精度驗(yàn)證表Table 7 Precision validation of actual disaster index and predicted disaster index

根據(jù)公式（9）計(jì)算得到未來(lái)暴露人口。

其中E F為未來(lái)暴露人口，P F為未來(lái)人口，I為人口受災(zāi)指數(shù)。

2 結(jié)果與分析

2.1 西安市高溫?zé)岷r(shí)空變化格局

西安市2005-2019年間（15年）高溫日數(shù)共計(jì)360天，年均24天。峰值出現(xiàn)在2017年，高溫日數(shù)高達(dá)40天/年，日最高氣溫大多處于一般高溫日等級(jí)，15年間僅有4年日最高氣溫超過(guò)40℃，其中2017年日最高氣溫高于40℃的天數(shù)為10天，是近年高溫?zé)岷θ諗?shù)最多、強(qiáng)度最大的一年。西安市年平均高溫有效積溫為43.31℃，2008年高溫有效積溫最低為14.16℃，峰值出現(xiàn)在2017年，高達(dá)110.93℃。總體來(lái)看，西安市高溫日數(shù)與高溫有效積溫都呈多年波動(dòng)變化趨勢(shì)。

圖4 西安高溫?zé)岷θ占案邷責(zé)岷τ行Хe溫分布情況Fig.4 The distribution of high temperature days and EATH of Xi′an

西安市高溫集中在每年的6、7、8三月，高溫日最早出現(xiàn)在4月末（2006.4.30），最晚結(jié)束于9月中旬（2013.9.16），15年間4-9月高溫日數(shù)分別為1、16、126、144、72、1天?？傮w來(lái)看，近年來(lái)高溫?zé)岷θ諗?shù)趨于增多。

西安市地表溫度空間分布呈北高南低的特征，與當(dāng)?shù)睾０斡袠O大關(guān)系，南部秦嶺山地最高峰海拔3 867 m，中北部渭河平原最低點(diǎn)海拔345 m，兩者高差懸殊界限分明，溫度跨度極大。南部秦嶺山地日平均地表溫度最低達(dá)到15℃以下，以周至縣、鄠邑區(qū)、長(zhǎng)安區(qū)、藍(lán)田縣的南部地區(qū)為主，而中心主城區(qū)及其以北地區(qū)則為高溫地帶，以臨潼區(qū)、高陵區(qū)、閻良區(qū)為主，日平均地表溫度最高溫度可達(dá)50℃以上。

圖5 西安市地表日平均溫度空間分布（℃）Fig.5 Distribution of surface temperature of Xi′an

2.2 西安市高溫?zé)岷Ρ┞度丝诳偭繒r(shí)空變化分析

在考慮了將空調(diào)擁有量作為高溫?zé)岷υO(shè)防護(hù)水平指標(biāo)后，可以發(fā)現(xiàn)，隨著個(gè)人空調(diào)擁有率的上升，人口受災(zāi)指數(shù)逐年下降，由2010年的0.644到2019年下降至0.459，高溫?zé)岷Ρ┞度丝谥鹉隃p少，由2010年的545.94萬(wàn)人下降至2019年的467.96萬(wàn)人，年平均減少率為1.798%，同時(shí)高溫?zé)岷Ρ┞度丝谶h(yuǎn)少于總?cè)丝凇?/p>

從不同年份各區(qū)縣高溫?zé)岷Ρ┞度丝趤?lái)看，雁塔區(qū)、長(zhǎng)安區(qū)、未央?yún)^(qū)的暴露人口出現(xiàn)大于50萬(wàn)人的情況，是人口暴露高值區(qū)，主要原因是該地處于主城區(qū)，人口基數(shù)大，且人口城市化現(xiàn)象明顯，因此暴露人口總量高；而藍(lán)田縣、周至縣、鄠邑區(qū)、高陵區(qū)、閻良區(qū)等區(qū)縣暴露人口近年來(lái)低于30萬(wàn)人，是人口暴露低值區(qū)，這是由于該地原本的人口基數(shù)小，且近年人口不斷向城市遷移，因此暴露人口總量進(jìn)一步減少。

圖6 不同年份西安市各區(qū)縣高溫?zé)岷Ρ┞度丝诳偭縁ig.6 Total population exposed to high temperature in different districts and counties in Xi′an

2.3 西安市未來(lái)高溫?zé)岷θ丝谑転?zāi)率及其暴露人口預(yù)測(cè)

根據(jù)前述預(yù)測(cè)模型，2020-2050年，西安市人口數(shù)量逐年增長(zhǎng)，預(yù)計(jì)到2050年常住人口數(shù)量達(dá)到1 593萬(wàn)人（表8），比2020年增加576萬(wàn)人，30年間年平均增長(zhǎng)率為1.507%。

表8 西安未來(lái)高溫?zé)岷Ρ┞度丝陬A(yù)估Table 8 Prediction of future population exposed to higher temperature in Xi′an

相較于2005-2019年的年平均增長(zhǎng)率1.691%下降了0.184%，未來(lái)人口呈現(xiàn)緩慢平穩(wěn)增長(zhǎng)的趨勢(shì)，平均每年約增長(zhǎng)19.2萬(wàn)人。

西安市2020-2050年高溫?zé)岷θ丝谑転?zāi)指數(shù)逐年下降，由2020年的0.43下降至2050年的0.08，25年間一共下降了0.35。暴露人口由2020年的440.16萬(wàn)人減少至124.09萬(wàn)人，25年間共減少316.07萬(wàn)人，年平均減少率為4.133%。

3 結(jié)論與討論

3.1 結(jié)論

本文利用2005-2019年西安市氣象站的氣溫日值數(shù)據(jù)，計(jì)算了西安市高溫日數(shù)，高溫有效積溫，結(jié)合統(tǒng)計(jì)年鑒資料中的常住人口和家庭年末每百戶耐用品-空調(diào)擁有情況，定義了高溫暴露人口為不受空調(diào)保護(hù)的人口，定量分析了2010-2019年高溫?zé)岷θ丝诒┞犊偭考叭丝谑転?zāi)指數(shù)，并對(duì)西安市2020-2050年的高溫?zé)岷Ρ┞度丝诩捌涫転?zāi)指數(shù)進(jìn)行預(yù)估，主要結(jié)論如下：

時(shí)間上，西安市高溫集中在每年的6，7，8三個(gè)月，2005-2019年間15年高溫日數(shù)共計(jì)360天，年均24天，年平均高溫?zé)岷τ行Хe溫為43.31℃。高溫?zé)岷τ行Хe溫與高溫日數(shù)變化特征相似，都呈多年波動(dòng)變化特征?？臻g上，研究區(qū)內(nèi)地表溫度區(qū)域分異顯著，與當(dāng)?shù)啬细弑钡偷牡貏?shì)有明顯聯(lián)系，南部秦嶺山地地表日平均最低溫度低于15℃，而中部主城區(qū)及其以北地區(qū)地表日平均最高溫度可高于50℃。

在研究時(shí)段內(nèi)，西安市常住人口總量逐年上升，2005-2019年間增長(zhǎng)172.94萬(wàn)人，年平均增長(zhǎng)率為2.084%，主城區(qū)人口增長(zhǎng)量高于郊區(qū)，人口城市化趨勢(shì)明顯。同時(shí)個(gè)人空調(diào)擁有率也逐年增長(zhǎng)，由2010年的0.356臺(tái)/人增長(zhǎng)至2019年的0.541臺(tái)/人，年平均增長(zhǎng)率為4.776%?？照{(diào)年平均增長(zhǎng)率高于人口年平均增長(zhǎng)率，因此暴露人口總量呈明顯的下降趨勢(shì)，由2010年的545.94萬(wàn)人下降至2019年的467.96萬(wàn)人，將空調(diào)擁有量作為高溫?zé)岷υO(shè)防水平指標(biāo)時(shí)，高溫?zé)岷Ρ┞度丝谶h(yuǎn)少于總?cè)丝冢抑鞒菂^(qū)高溫?zé)岷Ρ┞度丝诳偭窟h(yuǎn)大于郊區(qū)高溫?zé)岷Ρ┞度丝诳偭俊?/p>

根據(jù)歷史高溫事件構(gòu)建脆弱性曲線，西安市高溫?zé)岷θ丝谑転?zāi)指數(shù)與LN（高溫有效積溫）呈線性函數(shù)，即隨著LN（高溫有效積溫）的增大，人口受災(zāi)指數(shù)逐漸減小，說(shuō)明夏季來(lái)臨時(shí)，隨高溫強(qiáng)度增大，人們普遍使用空調(diào)以減少高溫脅迫，但受空調(diào)數(shù)量限制，始終存在沒(méi)有空調(diào)的居民，因此實(shí)際人口受災(zāi)指數(shù)將首先減小，繼而趨于平緩。

根據(jù)灰色模型預(yù)測(cè)，2020-2050年，西安市常住人口數(shù)量逐年增長(zhǎng)，預(yù)計(jì)到2050年常住人口數(shù)量達(dá)到1 593萬(wàn)人，年平均增長(zhǎng)率為1.507%，未來(lái)人口呈現(xiàn)緩慢平穩(wěn)增長(zhǎng)的趨勢(shì)。高溫?zé)岷θ丝谑転?zāi)指數(shù)逐年下降，由2020年0.43下降至2050年的0.08，30年間共下降0.35，至2050年高溫?zé)岷Ρ┞度丝跍p少至124.09萬(wàn)人；雖然高溫?zé)岷Ρ┞度丝陔S著空調(diào)擁有率的增加而減少，但人群對(duì)于空調(diào)等耐用品的擁有情況存在不均衡現(xiàn)象，無(wú)法完全消除高溫?zé)岷Φ挠绊?，并且未?lái)仍有大量人口面對(duì)高溫脅迫，因此更應(yīng)提高該地高溫?zé)岷υO(shè)防能力、提高人群災(zāi)害風(fēng)險(xiǎn)防范意識(shí)，以降低災(zāi)害風(fēng)險(xiǎn)。

3.2 討論

本研究利用歷史資料構(gòu)建了高溫?zé)岷θ丝诒┞洞嗳跣郧€，將個(gè)人空調(diào)擁有率作為高溫?zé)岷υO(shè)防指標(biāo)，定量分析了西安市高溫人口受災(zāi)指數(shù)，提高了高溫?zé)岷θ丝诒┞犊偭款A(yù)估的準(zhǔn)確性。在研究未來(lái)高溫?zé)岷Ρ┞度丝跁r(shí)，可利用灰色模型對(duì)未來(lái)高溫?zé)岷Ρ┞度丝谶M(jìn)行定量預(yù)估。

但研究存在一定的不足之處：根據(jù)統(tǒng)計(jì)年鑒中的家庭年末每百戶空調(diào)擁有情況，以灰色模型對(duì)個(gè)人空調(diào)擁有率進(jìn)行預(yù)估，雖然模型精度良好，但預(yù)測(cè)值普遍偏高，需考慮家庭空調(diào)擁有數(shù)量分布不均的現(xiàn)象，可能存在一戶家庭擁有一個(gè)或多個(gè)空調(diào)的情況。其次，受到數(shù)據(jù)精度限制，在計(jì)算各區(qū)縣暴露人口時(shí)，采用了全市的空調(diào)擁有率來(lái)計(jì)算各區(qū)縣人口暴露量，而實(shí)際中會(huì)存在城區(qū)空調(diào)率高，郊區(qū)空調(diào)率低的情況。在未來(lái)研究中應(yīng)進(jìn)一步深入，如通過(guò)實(shí)地調(diào)研獲得各區(qū)縣的空調(diào)數(shù)據(jù)，即可進(jìn)一步計(jì)算暴露人口，增加結(jié)果的準(zhǔn)確性。因此獲得精度更高的數(shù)據(jù)，深入探討高溫?zé)岷Ρ┞度丝诳偭颗c個(gè)人空調(diào)擁有率及家庭空調(diào)擁有率的關(guān)系是進(jìn)一步提高本研究高溫?zé)岷Ρ┞度丝跍?zhǔn)確性、科學(xué)性的重要方向。

對(duì)未來(lái)人口進(jìn)行預(yù)估時(shí)采取了灰色模型，此模型對(duì)預(yù)測(cè)近期或短期的數(shù)據(jù)準(zhǔn)確度較高，因此本研究只對(duì)未來(lái)30年的暴露人口進(jìn)行預(yù)測(cè)，未來(lái)需充分考慮當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)發(fā)展，環(huán)境變化對(duì)人口的影響，采取更準(zhǔn)確的模型對(duì)人口進(jìn)行預(yù)估。其次對(duì)于高溫?zé)岷Ρ┞度丝诘念A(yù)估，只考慮了將現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)中的空調(diào)擁有量作為設(shè)防指標(biāo)，未考慮個(gè)人職業(yè)狀況，如夏日長(zhǎng)時(shí)間暴露在外的戶外工作人員，即使擁有空調(diào)，其工作時(shí)間也是暴露在高溫下的，屬于高溫?zé)岷Ρ┞度丝?。因此在高溫?zé)岷θ丝诒┞讹L(fēng)險(xiǎn)預(yù)估中，需考慮根據(jù)職業(yè)狀況將戶外工作人口剔除，以其余人口作為基數(shù)計(jì)算暴露人口，增加結(jié)果的準(zhǔn)確性。