高温热的主要原因是全世界死亡率。提取热量从城市复杂系统脆弱性信息城市卫生研究是至关重要的。使用热脆弱性指数(构建院系)是最常见的方法对城市规划者定位高脆弱性的干预和保护。先前的研究已经表明,构建院系可以发挥至关重要的作用在决定哪些领域与热有关的死亡的危险。同等重量的方法(EWA)和主成分分析(PCA)是传统方法聚合指标构建院系。然而,很少有研究比较了这两种方法在估计构建院系之间的区别。在本文中,我们评估了2013年在杭州构建院系,用人EWA和主成分分析,评估这两个构建院系使用的精度与热有关的死亡。我们的结果表明,地图显示,构建院系脆弱性高的地区都位于较低的中心区域,而漏洞位于郊区。构建院系之间的比较EWA和构建院系主成分分析显示了空间分布明显不同,它是由各种体重因素EWA和主成分分析。构建院系之间的关系EWA和执行因高温引发的死亡人数比构建院系之间的关系主成分分析和死亡,这意味着EWA可能是一个更好的方法来评估热比PCA的脆弱性。构建院系的EWA可以提供一个空间分布的热量在市内的脆弱性直接热适应能力和应急计划。
极端高温的影响是一个公共卫生问题(
到目前为止,对当前和未来的健康人群日益增长的担忧促使学者和政策制定者评估heat-health风险和制定相应的缓解和适应战略(
此外,大多数研究主要集中于发达国家的主要城市,如芝加哥(
相对以前的热岛研究在杭州可以分为三组根据他们的内容。在第一组,研究集中在评估的热岛强度和时空模式的热岛与高水平的细节,这表明城市核心热岛强度较高,而郊区地区热岛强度越低(
因此,映射健康风险分布在市内的促进因素导致热脆弱性的理解,并提供洞察城市脆弱性缓解和管理。以杭州市内的区域为例,本研究旨在探讨(1)什么是空间格局的LST在杭州,中国吗?(2)的空间格局构建院系使用两种不同的方法?同时,(3)哪个方法更好的可以用来评估脆弱性的热量?本文的其余部分如下:在部分
杭州,浙江省的省会,位于中国东部的长江三角洲(图
研究区域的位置。
我们的目标的基础上,研究区集中在市内的组成的六个中心区域(图
地球资源观测卫星8图像的属性用于这项研究。
| 陆地卫星ID | 收购日期 | 当地时间 | 云量(%) |
|---|---|---|---|
| LC08_L1TP_119039_20130617_20170503_01_T1 | 2013/06/17 | 10:33:32 | 18.93 |
| LC08_L1TP_119039_20130703_20170503_01_T1 | 2013/07/13 | 10:33:33 | 60.32 |
| LC08_L1TP_119039_20130719_20170503_01_T1 | 2013/07/19 | 10:33:33 | 4.45 |
| LC08_L1TP_119039_20130804_20170503_01_T1 | 2013/08/14 | 10:33:35 | 56.54 |
| LC08_L1TP_119039_20130820_20170502_01_T1 | 2013/08/20 | 10:33:36 | 68.33 |
脆弱性是指热倾向不利影响,一般的人或团体所定义的特征和社会经济状态影响预测的能力,抵抗,和从极端高温事件中恢复过来
脆弱变量描述性统计。
| 变量 | 平均值(标准差) | 范围 |
|---|---|---|
| 许多老年人(≥65岁) | 5631 (2640) | 537 - 13124 |
| 许多不健康的老年人 | 69 (37) | 21 - 180 |
| 数量的老年人(≥60岁)独自生活 | 761 (467) | 195 - 2216 |
| 文盲数量(≥15年) | 1433 (1002) | 370 - 5677 |
| 人口不到高中教育 | 30282 (16601) | 10031 - 95302 |
| 可支配收入 | 3009 (1561) | 929 - 8623 |
| 冷却设备 | 35.3 (10.4) | 59 |
| 低水位体系域 | 304.8 (1.73) | 299.6 - -307.1 |
| 缺乏绿色空间 | 0.83 (0.45) | 0 - 1 |
越来越多的时代,社会孤立和第一手成员代表越来越脆弱,而越来越多的可支配收入和冷却设施对脆弱性产生相反的方向。我们使用积极的和消极的标准化规范化这五个值0和1,1代表最高水平的脆弱性热危害。此外,我们假设所有这五个指标的重要性和重量他们同样都是相同的。所有指标都是聚合和归一化热脆弱性指数(构建院系),范围在0和1之间,1代表最高水平的热的脆弱性。
先前的研究通常使用地面空气温度从标准气象站(
为
水(NDVI < 0)被分配一个值为0.9925,城市不透水区域和裸露的土壤(0≤归一化植被指数< 0.15)被分配一个值为0.923,植被(NDVI > 0.727)被分配一个值为0.986 (
为了获得表面发射率,我们使用以下公式计算归一化植被指数:
最后,带状ArcGIS的统计工具被用来为每个分区计算LST的平均值。
处理后的指标部分
PCA通常是采用热脆弱性研究减少指标数量(
为了更好地比较这两种方法产生的构建院系,mean-standard偏差分类方法被用来分配构建院系学位(表
分配值构建院系EWA和主成分分析的结果。
| 范围( |
构建院系分配值 |
|---|---|
|
|
−3 |
|
|
−2 |
|
|
−1 |
|
|
0 |
|
|
1 |
|
|
2 |
|
|
3 |
先前的研究的漏洞评估通常是由定性验证方法(
意味着LST值在像素级别显示,杭州正在经历高表面温度从2013年6月到8月(图
(a)均值LST(6月到8月)在像素级别;(b)均值HHI在分区级别。
区域统计和正常化后,HHI价值观分为五类从0到1使用自然分解法(图
我们这九个指标可视化空间模式和构建院系使用相同的权重组合方法(图
空间分布的热脆弱变量在杭州:(一)≥65岁;(b)年龄≥60岁独自生活;(c)文盲;(d)收入;(e)降温设施;不健康的老年人(f);(g)人口少于高中教育;(h)缺乏绿色空间;(我)LST(图一样
在使用同等重量的方法,结合这些九个变量值构建院系表
(a)的空间分布在杭州使用EWA构建院系在像素级别;(b)的空间分布在构建院系分配值构建院系。
PCA方法分组九脆弱性指标分成三个独立的组件(表
总方差解释PCA方法。
| 组件 | 初始特征值 | 提取的平方载荷 | ||||
|---|---|---|---|---|---|---|
| 总 | 方差% | 累积% | 总 | 方差% | 累积% | |
| 1 | 3.78 | 42.005 | 42.005 | 3.78 | 42.005 | 42.005 |
| 2 | 1.97 | 21.886 | 63.891 | 1.97 | 21.886 | 63.891 |
| 3 | 1.61 | 17.893 | 81.784 | 1.61 | 17.893 | 81.784 |
| 4 | 0.887 | 9.850 | 91.635 | |||
| 5 | 0.339 | 3.767 | 95.402 | |||
| 6 | 0.159 | 1.762 | 97.164 | |||
| 7 | 0.138 | 1.536 | 98.700 | |||
| 8 | 0.103 | 1.142 | 99.842 | |||
| 9 | 0.014 | 0.158 | 100.00 | |||
第一个组件包括教育不到高中,收入、不健康的老年人,老年人独自生活,和文盲。第二个组件可以以老年人口和冷却设备。组件3可以表现为缺乏绿色空间和LST(表
分量矩阵的PCA方法。
| 指标 | 组件 | ||
|---|---|---|---|
| 1 | 2 | 3 | |
| 高中教育不足 |
|
−0.257 | −0.024 |
| 收入 | − |
0.411 | 0.07 |
| 不健康的老年人 |
|
0.251 | −0.401 |
| 老人独自生活 |
|
0.325 | −0.365 |
| 文盲 |
|
−0.531 | 0.054 |
| 老年人(65 +) | 0.346 |
|
−0.137 |
| 冷却设备 | −0.156 |
|
−0.448 |
| 缺乏绿色空间 | 0.373 | 0.39 |
|
| 低水位体系域 | 0.47 | 0.404 |
|
注意:大胆的数字表明,每个组件的特点是指标的相关性大小0.6或更高版本与相应的组件。例如,组件1 =∗教育+ b + c∗∗收入不健康的老年人+ d生活在+ e∗∗老年文盲。
每个组件的空间格局图所示
空间分布的热漏洞利用PCA方法:(一)组件1:教育/收入/不健康的老年人老年人生活在/文盲;(b)组件2:老年人/冷却设施;(c)组件3:缺乏绿色空间/ LST;(d)最后漏洞通过聚合三个组件。
后聚合三个组件到最终构建院系通过不同的重量因素,构建院系的空间分布主成分分析可以发现在图吗
我们比较了不同层次构建院系之间的度EWA和构建院系主成分分析(构建院系EWA-构建院系主成分分析)(图
HRI之间的回归和热死亡在分区级别。
比较这两个结果构建院系的准确性,我们建立了总热死亡和构建院系之间的关系EWA和构建院系主成分分析分别(图
之间的相关性与热有关的死亡和(a)构建院系EWA和(b)构建院系主成分分析。
之前的研究表明,高温区域通常位于不透水表面如居民区和工业区,这主要是由于潜在的表面特征和人为热排放从人体新陈代谢和工业生产和居民生活
我们的研究之间的一个显著差异LST和先前的研究,以往的研究通常选择一个遥感图像代表热量分布(
之前的研究使用荟萃分析的方法探索,城市脆弱性与许多因素有关,如温度水平,人口、年龄、性别、教育、收入、房屋设施,或公共冷却设施(
我们的结果显示热漏洞利用EWA和PCA的实质性差异。构建院系的主成分分析减少了成功的解释总与热有关的死亡,与低相关性模型。此外,构建院系EWA执行一个更好的相关性死亡伴随更高的数量
尽管构建院系的结果EWA和构建院系主成分分析是不同的,有4个地区的共性,包括肖颖,紫阳,望江,Dongxin,构建院系得分最高(3)构建院系价值在这两种情况。然而,这四个分区的主要弱点组件是不同的。例如,肖颖最多的65多岁的老人独自生活,高LST、降温设施,没有绿色保险。紫阳大量的老人独自生活,大量的不健康的老年人,和大量的老人独自生活。望江独居老人的数量最多,最多的不健康的老年人,和LST最高。Dongxin有大量的独居老人,LST高。
虽然每个街道高构建院系的主要组件是不同的,他们大致可以分为三种类型:表面温度高,很多老年人,和缺乏冷却的地方。可以看出,三个四个分区有很高的LST的问题。理论上,分裂和复杂形状的组合区域可以提供一个更减少热岛强度如果总组合区域保持不变(
和许多老年人的分区,社区工作者应该首先采取措施,减少社会孤立和孤独。老年人是有限的问题,如有限的机动性,缓慢知识接待,与亲人的死亡,这将导致社会孤立和孤独,许多老年人死于极端高温事件(
分区缺乏冷却设施,当地政府应该呼吁更多的冷却设施为弱势群体开放。与此同时,它可以为老年人提供一定补贴购买制冷设备减少热量的脆弱性。减轻热漏洞不是一件简单的事,需要自顶向下multiparticipation并为特定区域特定的缓解策略。
有几个局限性与我们的研究相关。首先,一些潜在的相关数据,如空调和建筑特征的数量,不包括在这项研究中,这可能会导致一些构建院系预测结果的不确定性。因高温引发的死亡和评估构建院系之间的相关性不是很高,这也证明了现有的数据不能完全反映构建院系的实际分布。在未来,多源数据的有效收集和应用将进一步提高构建院系评估的准确性。
其次,尽管这项研究已经表明,构建院系使用EWA方法有更高的相关性比构建院系使用PCA与热死亡,这并不表明EWA是最合适的方法来评估构建院系。承认在这项研究中,组件的老年人(65岁以上)与热死,有高度的相关性和缺乏绿色空间的程度可以作为预测LST。因此,这个EWA方法会影响构建院系评估的准确性。在未来,多准则方法应该用于改善分析构建院系。
第三,本研究只关注构建院系的一年。分析在不同的年和预测时间趋势构建院系将允许构建院系评估更可靠。
本研究评估了热量的脆弱性在杭州市区的街道级别使用同等重量的方法(EWA)和主成分分析(PCA)。首先,我们采用一种新颖的方法来检索的平均地表温度(LST)(2013年6月)从谷歌地球引擎(GEE)平台作为一个指示器的热量容易避免cloud-contaminated数据问题。其次,我们收集人口数据,基本的地理数据和社会经济数据。第三,我们建立了两种不同的基于EWA和PCA构建院系,分别。最后,我们应用热死亡数据比较构建院系的准确性EWA和构建院系主成分分析。
特别是,我们得出以下结论:(1)构建院系EWA和构建院系主成分分析显示的高脆弱性在杭州市内的位于城市核心区域,减少趋势从杭州市区中心的边缘。(2)构建院系之间的比较EWA和构建院系主成分分析显示了构建院系主成分分析低估了热脆弱的城市中心,而倾向于高估热郊区的脆弱性。(3)构建院系之间的显著相关性EWA和执行因高温引发的死亡人数比构建院系之间的相关性主成分分析和热死亡,这意味着EWA脆弱性评估可能是一种更好的方法。(4)减少热量的弱点,例如,与高温脆弱性分区的方法可以专注于为经济弱势群体,提供冷却设施或者管理可以提供特殊照顾老年人,尤其是对老年人与社会隔离。
比较两种简单的方法在中国最小的行政单位提供有价值的决策支持指导热漏洞缓解。在街道层面,映射热漏洞可以准确,和热漏洞减灾预案,应急管理目标努力更有效。需要进一步的研究来确定热在多个年,风险评估的变化趋势,可以提供更可靠的热脆弱性地图热脆弱性预警系统和热脆弱性降低。
这项工作可从数据通讯作者。
作者宣称没有利益冲突有关的出版。
第一作者要感谢中国奖学金委员会。这项工作得到了国家自然科学基金(41671533和41671533号),基础研究基金为中央大学,教育部在中国(没有文科和社会科学的基础。20 xjczh009),和高级人才中国海南省自然科学基金项目(没有。2019 rc122)。