EN中文

Journal of Geo-information Science >

2019 , Vol. 21 >Issue 7: 1029 - 1039

DOI: https://doi.org/10.12082/dqxxkx.2019.180544

Orginal Article

Risk Assessment of Heat Waves: A Review

  • WU Xilin , 1, 2 ,
  • LIU Qingsheng , 1, * ,
  • LIU Gaohuan 1 ,
  • HUANG Chong 1 ,
  • LI He 1
Expand
  • 1. State Key Lab of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author: LIU Qingsheng, E-mail:

Received date: 2018-10-24

  Request revised date: 2019-03-24

  Online published: 2019-07-25

Supported by

Supported by the Strategic Priority Research Program of Chinese Academy of Sciences, No.XDA 20030302

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Affected by global warming, extreme heat has become a serious climate disaster in the recent years. Human health, ecological environment, and socioeconomic development have all been affected by heat waves to varying degrees. This study describes the selection of risk factors for heat wave risk assessment and the method of model construction in the recent years. According to the existing literature, we sorted out the basic steps of risk identification and assessment of heat waves. Then we discussed the framework of heat wave risk assessment. The spatial assessment system, which can be used to construct heat wave risk in the future, was proposed. This space system was based on remote sensing technology. The exposure of hazard-bearing body,the hazard of disaster, the vulnerability of pregnant environment and the comprehensive prevention capability of the region should be combined to build a comprehensive evaluation system. Moreover, the selection of evaluation factors was discussed. Based on the literature, we compared various methods for determining the weight of each indicator, such as the graph stacking method, subjective weighting methods, objective weighting methods, and subjective-objective combined weighting methods. We discussed the merits and demerits of each approach. Through comparing the methods, stacking method combined with H-AHP, stood out with its simple addition and subtraction or the multiplication and division, and can be used in the construction of comprehensive evaluation models. And the TOPSIS method, which determines the relative merits of the object based on the distance between the evaluation object and the ideal target,will be the optimal choice for multi-city heat wave risk rating in the future.We provided a reference for constructing a reasonable heat wave disaster risk assessment system in the future. This paper was intended to serve as a basis for further understanding the heat wave hazard and establishing the monitoring, evaluation, and reporting system, as well as for further fostering the establishment of a heat wave disaster warning system in the future.

Key words： heat waves; risk assessment; vulnerability; index weight; model construction; China

Cite this article

WU Xilin , LIU Qingsheng , LIU Gaohuan , HUANG Chong , LI He . Risk Assessment of Heat Waves: A Review[J]. Journal of Geo-information Science, 2019 , 21(7) : 1029 -1039 . DOI: 10.12082/dqxxkx.2019.180544

1 引言

IPPC第五次综述报告中指出由于受到人类对气候系统的影响,近年来人为温室气体排放达到了历史最高值。如今,气候变化已经成为影响人类与自然系统的主要因素之一。1850年至今,地表温度升高的速度以10年为单位递增。结合海洋和地表的全球温度资料,利用线性趋势计算得出1880-2012年内,部分北半球地区升温高达0.65 ~1.06 ℃[1]。极端气候的不断增多让人们逐渐意识到,气候变暖是人类近年来面对的最严峻的气候挑战之一,生态系统九成以上的变化都是全球变暖所导致的[2]。极端高温造成的不适环境不仅会到导致城市资源紧张、城市交通事故增多、工作效率降低,还会影响人体健康,增加热相关疾病的发生率、导致年均死亡人数的增多,此外,高温热浪对生态方面的影响也不容忽视,例如：持续高温导致的干旱气候会阻碍植物生长,水体氧气饱和度降低可能导致蓝藻大面积爆发,农林牧业的相关产品质量及产量会因此受到影响,且干旱少雨的天气也会导致森林及草原火灾的发生率升高[3,4,5]。在所有极端事件中,高温热浪的影响也在全球范围内日益扩大,其发生强度、频率及范围的增强使其成为近年来众多学者研究的重点[6]。
2000年至今,学术界开始涌现大量与高温热浪相关的研究。已有大量学者分别从高温热浪特点、影响、风险评估等角度出发,对城市高温灾害进行了研究[6,7,8]。早在2003年,Dousset等[9]就进行了巴黎高温热浪风险评估并构建logistic 风险评估模型。Krüger等[10]基于城市结构、人口分布及热特性等建立热敏感指标对德国的德累斯顿市进行了高温风险评估。Inostroza等[11]基于敏感性、暴露性、适应性建立了风险评估模型,预测圣地亚哥市的城市高温风险,这也是少有的基于地理信息系统、遥感及统计数据进行高温热浪风险评估的研究。前人研究表明,在全球变暖导致的极端气候得到有效控制之前,东南亚地区将是全球范围内受气候变化影响最为严重的地区。至21世纪末,如果仍无法找到应对气候变暖的有效措施,那么极端气候事件不仅会导致的粮食减产、迫使数百万人失去家园、大量的人与动植物死于疟疾、登革热等疾病,其所带来的经济损失将至少达到部分东南亚国家国内生产总值之和的6%[12]。Kaustubh等[13]通过观测构建了全球变暖模拟系统,向我们展示了厄尔尼诺/南方涛动（ENSO）现象和长期变暖对东南亚区域极端气候的综合影响。近年来,国内外学者研究观察到在泰国,由高温热浪引发的死亡率在逐年攀升[14,15]。Huang等[16]量化了热浪对泰国死亡率的急性和累积影响,并对热浪引发的死亡率展开评估。Phung等[17]完成了对越南湄公河三角洲地区多个地区与热有关的发病率的空间变异性的研究。目前中国国内关于高温热浪的研究大多数为借助气象数据对高温热浪机理与特征的研究[18]。气候变化将放大对自然和人类系统的现有风险并产生新的风险。因此为推动高温热浪的深入研究,更好的监测、预防灾害的发生、减少灾害发生后带来的严重后果,如何精准的评估风险、如何有效的规避风险就成为了我们必须深入研究的课题。
传统的气象站点数据有限,不但无法完全覆盖全部区域,也无法精细反映高温气候分布的空间差异,更无法将高温热浪与景观空间格局、人口分布情况等结合起来。而遥感数据覆盖范围广、时效性强、具有综合可对比的特性,在获取空间信息上具有独特优势,为高温热浪灾害研究提供了新的思路。因此,结合多源遥感数据及相关社会经济、自然生态数据,提取高温热浪危险性评估因子、脆弱性评估因子以及适应性评估因子等,综合系统地进行高温热浪风险评估,成为近年来高温热浪深入研究的热点。因此,有必要总结国内外高温热浪的研究进展,为高温热浪风险评估框架的制定、评估因子的选择与量化、综合评价模型的构建、以及高温热浪风险等级的划分等提供科学参考。

2 高温热浪的定义及标准

高温热浪是指通常情况下,气温高、湿度大且持续时间较长,使人体感觉不舒适,并可能威胁公众健康和生命安全、增加能源消耗、影响社会生产活动的天气过程[19]。高温热浪受地理、社会和经济等多种因素的影响,世界各国和地区研究高温热浪所采用的标准有很大的差异。

2.1 国际标准

目前国际上各组织还没有定义高温热浪、建立评价高温热浪等级的统一标准。世界气象组织（WMO）提出将日最高气温大于32 ℃,且持续时间高达3 d及以上的过程定义为高温热浪;荷兰皇家气象研究所则提出将日最高气温大于25 ℃,且持续时间大于5 d,这5 d之中至少有3 d以上日最高气温高达30 ℃的天气过程定义为高温热浪。
综合考虑温度与相对湿度的影响,部分欧美国家如加拿大、美国、以色列等国家气象部门根据显温发布高温热浪预警,其评价标准为：连续2 d白日热指数温度>40.5 ℃且持续时间大于等于3 h,或预计热指数在任意时间温度> 46.5 ℃[3]。

2.2 国内标准

中国气象局规定日最高气温≥35℃为高温日,连续3 d以上的高温天气称为高温热浪。鉴于中国占地面积广阔,地理位置差异导致气候差异巨大,中国气象局规定各省市区可根据当地气候特点,自行划定界限温度值。例如甘肃省气象局规定,河西地区日最高气温≥34 ℃,河东地区日最高气温 ≥32 ℃即定为一个高温日[4]。
目前针对高温热浪划分标准的多样性,不同学者在实际运用中使用的标准也各不相同,张可慧等[20]在研究高温热浪时空分布时采用了中国气象局规定了标准,即最高气温≥35 ℃,连续时间超过3 d作为划分高温热浪的标准,并进一步按持续天数3、4及5 d以上将高温热浪划分为轻度、中度及重度3个等级。宋晨阳[21]等也按照最高气温≥35 ℃,持续3 d以上的标准定义了高温热浪,并根据温度将高温热浪划分为较弱、中等、较强、强及极强5个等级。Heo等[22]利用温度及相对湿度构建了计算热指数的公式,用于划分高温热浪等级。Aubrecht 等[23]定义持续日期超过3 d,日最高温度≥30 ℃的天气过程为高温热浪。不同地区对于温度的适应程度不同,同一气温在不同地区所产生的影响可能相差甚远,这也是现有的评价体系尚未针对这一极端气候特点,建立统一的划分标准的重要原因之一。

2.3 高温热浪指数

相关研究表明,当相对湿度较低时,表观温度实际上可以低于空气温度。国际上的热指数,也被称为表观温度,是相对湿度与空气温度结合时人体感觉的温度。其计算公式如下：
HI = - 42.379 + 2.04901523 T + 10.14333127 R - 0.2247554 TR - 6.83783 e - 3 T 2 - 5.481717 e - 2 R 2 + 1.2287 e - 3 T 2 R + 8.5282 e - 4 T R 2 - 1.99 e - 6 T 2 R 2 (1)
式中：HI为热指数;TI为炎热指数;T为气温（F）;R为相对湿度/%[24]。
与此同时,中国根据高温热浪指数HI的大小,其指数计算公式如式（1）所示,将高温热浪分为3个不同等级,分为轻度热浪（2.8≤HI<6.5）、中度热浪（6.5≤HI<10.5）和重度热浪（HI≥10.5）。其中TI炎热指数计算公式如下：
TI = 1.8 × T max - 0.05 × 1.8 × T max - 26 × 1 - 0.6 + 32 (2) 当 RH ≤ 60 % 时 ,
TI = 1.8 × T max - 0.05 × 1.8 × T max - 26 × 1 - RH + 32 (3) 当 RH > 60 % 时 ,
TI = 1.2 × TI - TI ' + 0.35 ∑ i = 1 T = 1 1 / n d i T I i - TI ' + 0.15 ∑ i = 1 N = 1 1 n d i + 1 （4）
式中：Tmax代表日最高气温/℃;RH代表日平均相对湿度/%[25]。

3 风险评估体系的构建

应对和防范气候变化所提出的各种科学决策均需要充分的事实依据[26],IPPC第三次评估报告发表以来,相关学者在气候变化的影响、适应性和脆弱性评估等领域的研究逐渐增多。IPPC第四次评估报告中指出,除传统的气候变化影响评估、适应性评估、脆弱性评估和综合评估之外,风险管理也成为了应对气候变化的一个新的研究主流[27]。气候变化风险主要包含2个基本因素：系统受到气候变化不利影响造成的危害程度,即损害发生的可能性及造成不利影响的程度。因此我们将气候变化风险定义为,由于气候变化影响超过某一阈值所引起的社会经济或资源环境的可能损失[28]。根据以往学者经验,基于风险指数模型进行高温热浪风险评估的基本思路为：探究高温热浪灾害破坏社会、经济及生态环境稳定带来损失的原因;识别造成风险的要素;定义评估风险的指数因子;结合气候变化背景,综合不同要素量化评估风险。一个完整的风险评估体系通常包含3个步骤,即风险评估指数因子的确定、各评估因子量化评价方法的确定、综合评价模型/指标融合模型的构建。

3.1 风险评估框架

通常,综合识别与评估高温热浪风险,首先要完成区域气候的脆弱性评价,气候变化风险产生必要的条件就是气候体系的脆弱性。脆弱性是指由于系统（子系统、系统组分）对系统内外扰动的敏感性以及缺乏应对能力从而使系统的结构和功能容易发生改变的一种属性[29]。从气候变化脆弱性定义出发,可将城市高温热浪脆弱性定义为综合描述高温热浪对城市系统的危害程度、城市系统对天气变化的敏感程度和适应能力的函数[30]。遵从广义脆弱性的定义,初期对高温热浪脆弱性的评价主要围绕自然环境因素及社会人文因素展开。张明顺等[31]指出,城市人口自身特征及健康情况,城市获取信息、资源及援助的能力以及人口流动带来的城市结构变化都会影响孕灾环境的脆弱性,因此高温热浪对人类健康的损害及影响成为了评价高温热浪风险的重点。后来,随着经济的发展,人们开始意识到经济环境也可以影响人类在应对高温热浪灾害时的脆弱程度,因此在构建高温热浪脆弱性研究框架时开始考虑综合社会经济因素。部分学者开始使用生产总值反映经济可能遭受高温热浪影响的程度,其值越大,经济脆弱性越高[21]。Aubrecht等[32]利用人口数据、社会经济数据、气象点插值数据及土地利用类型数据,对华盛顿地区高温热浪脆弱性进行了定量评价。
上述这些研究在评价高温热浪脆弱性时都忽略了不同地区在应对灾害时的区域综合防范能力,即不同地区应对灾害的适应性。IPPC第四次会议首次指出适应能力在应对气候变化及评价气候变化脆弱性过程中的重要性,并且第五次会议进一步强调了其存在的必要[1,27]。Adger等[33]认为适应能力是首先认识到调整的必要性。适应性是指一个地区或国家,在灾害发生时应对灾害的适应程度,其适应程度越高,灾害对当地所带来的不利影响越小。但仅仅考虑脆弱性与适应性无法完成高温热浪灾害风险性的综合评估,因其二者只考虑了灾害发生后产生的影响,并没有考虑灾害发生的可能性及危害程度。高温热浪的危害程度指来自系统外部的、对系统造成威胁的因素,取决于高温灾害发生的强度、频率及范围。而孕灾系统的暴露度则是指系统暴露在气候异常变动之下的程度及自然属性[34]。气候条件的变迁和极端气候事件发生的可能性就是对极端气候风险性进行研究时决定其大小的主要因素[35]。
因此,有学者开始将敏感性、适应性及暴露度作为评价高温热浪气候变化脆弱性的3个指标,通过构建数学模型将这三者整合为一体,并进一步探索定量化评估气候变化脆弱性的方法[36,37,38]。相反,也有部分研究者将高温热浪风险性定义为高温热浪灾害的危害程度、研究区对气候变化的敏感程度和区域应灾适应能力相关的函数[39]。还有部分学者未考虑暴露性与危险性,Reid等[40]综合考虑教育程度、种族、经济收入等人口特征、人体疾病空间分布及空调使用情况等多种人文因素,完成了美国高温热浪灾害脆弱性相关图件的绘制;Maier等[41]改进了Reid提出的模型,利用美国佐治亚州的土地利用、疾病、人口数据,对当地高温热浪灾害的脆弱性进行评估。相比而言,国内学者以往研究主要侧重于包含敏感性与适应性的经济脆弱性分析,在自然灾害发生风险的空间化评价方面尚有欠缺,且目前针对高温热浪风险评估还未建立统一的评价体系,日后的研究可以将表示高温热浪危害程度及灾害发生可能性的暴露度、危险性,与系统脆弱性及适应性结合,建立合理统一的空间风险评估系统,以便综合全面的识别与评估极端高温带来的风险性。

3.2 评估因子的选择

3.2.1 脆弱性评估因子
不同地区经济水平一定程度上决定了灾害发生时该地区的应对能力,相关研究表明,极端高温灾害发生时对当地经济的影响程度可通过生产总值来反映,生产总值越大,该地区经济脆弱性就越高[21]。除经济影响外,受极端高温灾害影响最大的主体为人类本身,不同人群受灾程度也有所不同,例如,暴露在室外的工作者比室内工作者更加易遭受高温热浪侵害。相对于年轻人,65岁及以上的老年人由于身体调节功能衰弱等原因,也更易受到高温热浪的影响[42]。而城市低收入人口则会由于无法享受更优质的资源,在应对热浪灾害时的敏感性更高。因此,我们将上述人群其定义为高危人口,其比例越高,城市在应对高温热浪灾害时可能受到的危害就越严重。同时,对城市居民来说,城市热岛效应也会在高温期间提供额外的风险。
高温灾害的相关研究表明,空调的普遍使用能够一定程度的减少高温热浪灾害所导致的死亡率[43],而空调的大量使用无疑会导致工业用电量的大幅增加。温度是工业用电系统当中反映和影响供电系统负荷的重要因素之一[20],工业用电量增大会导致地区电力供应紧张,导致该地区在高温热浪来袭时的适应能力变差。此外,城市中部分人为热源（主要包括机动车辆和空调的使用等）所排放的热量也加剧了髙温热浪的危害程度[30]。
因此,可选取生产总值、高危人口（这里的高危人口分别为老人、室外工作者、低收入人群）比重,作为评价高温热浪孕灾环境脆弱性的重要指标因子;选取工业用电量、空调拥有率、汽车使用率等作为次要因子。
3.2.2 适应性评估因子
在加速经济发展和城市化建设的同时,积极完善医疗卫生与基础设施、加大科技教育投入、注重城市绿化空间规划,都在防御和减缓高温热浪带来的影响中有重要的地位及意义[44]。对100位相关专家的调查表明,适应能力在经济领域不仅仅与区域收入相关,还在一定程度上取决于当地收入的分配情况。同时,Shevky等[45]指出,在空间分布上距离越近的个体或群体,其社会关系会由于其更加频繁的接触和联系距离更近,而这种社会关系的远近会影响一个群体应对灾害时的适应能力。人口在空间的分布情况可由人口聚集度反映,人口集聚是指源于期望获得的各种经济、环境、社会、心理效应,不同年龄、性别、职业的人在某个特定地理区域内不断汇聚的现象及过程,是人口在空间上从分散到集中,从稀疏到密集的一种社会经济现象[46,47,48]。
不同地区应对高温热浪风险的适应性一定程度上取决于当地政府在灾害发生时的应急处理能力、当地的经济水平及科技水平,对其进行综合准确的评估十分复杂。因此,可以选取城市绿地覆盖度、医疗机构的分布、卫生技术人员数量、公共财务支出情况、空间人口分布聚集度等作为评价高温热浪风险适应性因子。
3.2.3 危险性评估因子
危险性指对系统造成严重威胁的非系统内部因子,高温热浪致灾环境危险性主要由其发生的频率、强度及范围决定,气温和大气降水量则是划分其发生强度的重要指标。多项研究表明气温与遥感反演的地表温度之间存在线性相关关系[49,50]。而地表温度（Land Surface Temperature,LST）则是监测资源环境动态变化的重要因素,是评价区域及全球尺度地表物理过程的重要因子[51]。周洋等[52]利用MODIS地表温度数据分析了南京市高温热浪时空分布特征。同时,降水异常变化也常常伴随着高温热浪、低温寒潮、洪涝、干旱等灾害的发生,因此,降水量也成为影响人类社会和自然系统最主要、最直接的两个气候要素之一[49]。相关研究表明,降水量与地表温度存在线性相关关系,且其相关性在夏季表现最强[50]。地表温度、大地可降水量数据作为反映高温热浪强度的基础因子,在研究过程中可参考国际标准划分高温强度,并根据高温热浪持续天数与区域判断其发生频率与范围。
3.2.4 暴露度评估因子
暴露度是指暴露在致灾因子影响范围之内的承灾体（如人口、房屋、道路、室内财产等）数量或价值,是灾害风险存在的必要条件。持续高温期间,城市热岛效应是加剧高温热浪灾害对城市系统影响不可忽略的原因,导致城市热岛效应最主要的影响因素就是以人工建筑为主的城市下垫面[53]。刘鹏等[54]在东亚下垫面热力异常与南海夏季风爆发早晚和强弱的关系一文中指出,冬、春季下垫面热力异常引发的海陆热力差异的变化对季风爆发的早晚和强弱有着重要的影响。下垫面对于大气的影响,主要体现在对气温与大气水分的影响上,气象条件相同时,不同类型下垫面的表面温度差异巨大[55],下垫面绿化程度能够一定程度改善局部地区微气候。有学者曾指出,城市绿地的分布能够一定程度地改善城市热环境导致的相应问题[56];城市不透水面积与地表温度之间存在正相关关系[57,58]。人类作为受到高温热浪灾害影响的主要载体之一,是决定灾害影响强度的主要因素,因此研究其空间分布情况对有效评估高温热浪风险有不可取代的重要性。因此,可选取下垫面因子与人口密度因子作为评估高温热浪承载体暴露度的指标因子。
在空间化评价体系之中,部分数据如高危人口比重、空调拥有量、汽车使用率以及公共财物支出等数据的获取具有一定难度,如何找到获取这类空间化数据的有效途径或找到能够合理替代这些数据的其他空间化数据源也将成为未来研究中的重难点之一。

3.3 评估因子量化与综合评价模型构建

评估指标权重的确定及评估模型的构建是高温热浪风险定量评估过程中关键步骤,目前量化评估因子权重与模型构建的方法多种多样,根据原始数据来源及种类的不同,基本可分为以下4种：图层叠置法、主观赋权法、客观赋权法及组合赋权法。
图层叠置法是进行空间化评估最常用的方法,该方法借助GIS,进行图层的直接叠加得到脆弱性空间分布情况,叠加时假设各评估因子指标权重相等[43]。张雷等[59]借助GIS技术,对雷灾脆弱性构成要素进行图层叠置,完成了莆田市雷灾脆弱性分布图的绘制;Aubrecht等[60]构建高温脆弱性指数,对各指标高温热浪灾害的脆弱性进行评估。这种方法主要用于空间数据,优点是数据处理简单、易于进行空间分析、可以更好的识别高温热浪风险的区域性分布,但使用该方法处理数据时只是对不同数据层进行了单一的叠加计算,无法明确不同指标对高温热浪风险影响的差异性,所得到的结果精度及可信度都不高。
主观赋权法是最早出现、研究较全面的一种方法,该方法通过让专家主观判定各指标的重要程度,并根据以往经验确定各指标权重。常见的包括专家调查法（Delphi 法）、层次分析法（Analytic Hierarchy Process,AHP）、二项系数法、环比评分法等。其中最常用为层次分析法,奥布力·塔力普[61]运用AHP法,通过构建涉及经济、社会及政治方面22个不同指标的多指标体系,分别测定了2005、2010、2015年巴基斯坦的国家风险。Ghimire等[62]使用AHP估算影响尼泊尔地区使用可再生能源的因素,并对各因素的影响程度进行排序。该方法通过邀请专家打分、再对各层次不同因素进行两两比较的方法,采用定性与定量相结合的方式实现分析,但该方法存在专家打分过程主观性过强的弊端。为了解决这种弊端,学者们又提出了客观赋权法。客观赋权法使用的数据由决策过程中的实际数据确定,各指标权重由不同属性数据在评价中的属性差异值确定。常见的客观赋权法主要包括主成分分析法、熵值法、离差及均方差法等,其中主成分分析法常常被用于风险性评估。Reid等[40]借助主成分分析法完成了美国高温热浪灾害脆弱性分布的制图,并确认了影响高温热浪灾害脆弱性的4个主成分。Johnson等[63]建立了极端高温脆弱性模型（Extreme Heat Vulnerability Index, EHVI）,并根据主成分分析法确认了该模型中各影响因素的权重。总体来看,这种方法虽然可以较高程度地消除主观性的误差、更加清晰地表示各指标之间的关系及其在评价中的贡献,但这种方法的精确程度主要依赖于指标的选取,而评价高温热浪风险性是一个综合的过程,涉及社会经济、自然等多重因素,指标选取的正确性就成为了一个有待商榷和深入研究的课题。
综合分析了主、客观赋权法各自的优缺点后,为了让评价过程既可以及满足决策者对于属性的偏好,又能有效消除主观性带来的误差,得到精确度、可信度更高的评价体系,学者又提出了主客观综合赋权法。主客观赋权法目前包括折衷系数综合权重法、线性加权单目标最优化法、熵系数综合集成法、组合赋权法、Frank-Wolfe法等。其中线性加权单目标最优化法是一种将层次分析法与数据包络法结合起来的方法,数据包络分析法不需要进行权重假设,大大减少了由于主观性造成的误差,但对参与评价的数据要求较高。这种主客观综合赋权法在数理方面的理论基础近乎完美,但由于其算法普遍复杂,实用性并不高。相比以上方式,朱斌基于传统的层次分析模型引入犹豫偏好的概念,用概率分布描述犹豫偏好,并将其运用到层次分析法中,提出犹豫层次分析法 (Hesitate Analytic Hierarchy Process,H-AHP）[64]。这种方法降低了决策者由于犹豫导致的误差,提高了整体评价的精确度,但至今没有学者将其运用到空间数据的评价之中,其在空间评估中的可行性及准确性有待验证。
在确认了各指标权重的基础上,如何建立综合评价模型成为了研究的点睛之笔。就指标综合模型建立的方法而言,目前的各种研究中主要使用的方法有加减法及乘除法2种。El-Zein等[65]使用暴露度与敏感性乘积除以适应能力来构建脆弱性评价模型;Frazier等[66]则将自然灾害脆弱性定量表征为“暴露+敏感性–适应能力”。对于高温热浪风险评估空间模型的建立而言,不同指标层的分层标准不同,不同图层在进行加减或乘除的叠加时数据所处区间范围并不一致,这将严重影响结果的精确性及可信性,利用离差标准化对各数据层进行标准化处理使数据落入统一的区间范围,恰好可以有效解决该问题。因此,采用H-AHP方法计算不同指标层的权重、对数据进行标准化处理使其落入统一区间、再选择合适的计算方法对各指标层进行叠加,就可以得到评估高温热浪风险性的模型。单纯的加减乘除由于其在空间化评估中更便于实现,已被学者广泛应用,也有学者提出在不考虑各指标层权重的基础上,图层间进行乘除叠置的精度要明显高于加减叠置,但在各图层并非等权叠加时,如何选择精度更高的方法完成评估模型的构建则成为了未来研究的重点。

3.4 高温热浪风险等级的划分

在以往构建高温热浪风险评估体系的等级划分方法中,使用率较高的方法包括自然间断点分类法[67]、等比例分类法[68]等常见于GIS系统中提供的方法,但这些划分方法的精度与原理的适用性依然有待验证。TOPSIS方法是一种通过计算某方案与正、负理想解间的加权欧式距离,利用计算得出的所提及方案与正理想解的接近程度作为评价方案优劣程度的依据,这是一种逼近理想解的排序法,是多目标决策分析中常用的有效方法[21]。在进行多地区高温热浪风险的综合评定时,该方法可以提供更精准的划分标准,所得到的结果是通过综合对比现有的研究范围内不同地区的高温热浪风险情况,进行的不同等级风险的划分,而不是主观性的决定风险的高低。但这种方法只适用于多地区同时划分风险的情况,在针对单一地区划分高温热浪风险时,能否也找到一种客观、精准的划分方法,也是未来有待研究的课题。
以往对于高温热浪风险的相关研究,多数都是基于传统气象、社会经济数据对脆弱性单方面进行评价,还鲜有人利用便于实时采集的空间数据建立全面综合的动态评价体系。而高温热浪风险评估是一个涉及社会、经济、气候等多指标、多层次的决策问题,未来的研究可以主要集中在评估因子的选择以及如何将部分传统评估要素空间化的研究上,并进一步探究采用H-AHP与TOPSIS相结合的思想和方式利用空间数据进行风险评估的可行性与适用性。探讨如何根据不同地区不同评价因子的动态变化,建立综合动态的评价模型,并尽可能提高评估的精度与可信度也成为未来可供研究的课题之一。

4 结论与展望

本文从高温热浪的定义与标准、高温热浪风险评估框架的制定、评估因子的选择与量化、综合评价模型的构建、高温热浪风险等级的划分等几个方面综述和分析了国内外关于高温热浪风险评估的研究,形成如下几点主要结论：
（1）高温热浪是目前全球重大气象灾害之一,现阶段尚未建立高温热浪的风险评估的统一体系,对不同评估方法的精确程度尚处于探索阶段。全面综述高温热浪风险评估框架的构建、各指标权重的确定、综合评估模型建立以及高温热浪等级划分不同方法的优缺点,为后续相关研究提供了有益借鉴。
（2）高温热浪风险评估体系包括孕灾环境的脆弱性、不同地区应对灾害的适应性、极端灾害危险性以及承灾体暴露度在内的不同指标层,选择适用于空间评价体系建立的相关指标,评价不同指标的重要程度及可获取性,对于高温热浪风险评估至关重要。
（3）对比分析图层叠置法、主观赋权法、客观赋权法及组合赋权法的优缺点,提出未来可采取H-AHP与图层叠置相结合的方法构建空间风险评估体系,在综合评定多地区高温热浪风险等级时,可引入TOPSIS模型,完成等级的划分。
（4）目前高温热浪风险空间评估体系的构建还处于初期阶段,空间评估指标因子的选择有待探讨,遥感数据在风险评估中的适用性有待商榷,传统的风险评估体系与空间评估体系的联系与区别有待验证,建立综合高温热浪灾害风险评估体系,提高空间评估体系的评估精度,对进一步了解高温热浪危害,建立高温热浪动态监测、评估、报告制度,进一步完善建立高温热浪灾害预警体系有重要意义。
（5）除提高全民风险意识、提高高温热浪适应能力认知外,如何应对高温热浪事件、如何有效降低高温热浪风险都成为未来有待深入研究的课题,如进一步探究绿地覆盖程度在减少高温热浪风险中起到的作用、城市热岛效应对高温热浪的影响、何种城市布局可以更有效的降低高温灾害发生时的风险等。
（6）针对高温热浪风险评估中指标因子的可用性进行探究,如地表温度是否可以准确替代传统的气象站点数据、如何提高各统计数据在空间化过程中的精度、是否应该针对不同地区的不同气候特点选取特殊的评价因子等等,还有待进一步深入研究。
高温热浪的研究已开展数几十年,仍有许多问题未得到令人信服的结论。进一步的探究高温热浪的形成机制和原因;进一步构建高温热浪风险识别的体系;进一步完善减灾技术,提出合理的防灾减灾措施;进一步提高高温热浪风险评估精度与预测水平等工作仍是今后研究的重点。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
IPCC.Climate change 2014: Impacts, adaptation, and vulnerability. Working group II contribution to the fifth assessment report of the Intergovernmental Panel on Climate Change[R]. Cambridge, UK and New York, USA: Cambridge University Press, 2014.

[2]
秦大河.气候变暖中国经济面临严峻挑战[R].中国气象报,2007-03-18.

[ Qin D H. Climate warming China's economy faces severe challenges[R]. China Meteorological News, 2007-03-18. ]

[3]
谭建国,陆晨,陈正洪.高温热浪与人体健康[M].北京:气象出版社, 2009.

[ Tan J G, Lu C, Chen Z H.Heat waves and human health[M]. Beijing: Meteorological Publishing House, 2009. ]

[4]
张书余,等.干旱气象学[M].北京:气象出版社,2008.

[ Zhang S Y, et al.Drought meteorology[M]. Beijing: Meteorological Publishing House, 2008. ]

[5]
谭建国,黄家鑫.热浪对人体健康的影响及其研究方法[J].气候与环境研究,2004,19(4):680-686.

[ Tan J G, Huang J X.The effect of heat waves on human health and its research methods[J]. Climate and environmental research, 2004,19(4):680-686. ]

[6]
Russo S, Dosio A, Graversen R G, et al.Magnitude of extreme heat waves in present climate and their projection in a warming world[J]. Journal of Geophysical Research Atmospheres, 2014,19(22):12500-12512.

[7]
Zampieri M, Melania Michettiauthorcmcc I.Globai assessment of heat wave magnitudes from 1901 to 2010 and implications for the river discharge of the Alps[J]. Science of the Total Environment, 2016,571:1330-1339.

DOI

[8]
Semenza J C, Rubin C H, Falter K H, et al.Heat-related deaths during the July 1995 heat wave in Chicago[J]. New England Journal of Medicine, 1996,335(2):84-90.

DOI

[9]
Dousset B, Gourmelon F.Satellite multi-sensor data analysis of urban surface temperatures and land cover[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2003,58(1-2):43-54.

DOI

[10]
A new heat sensitivity index for settlement areas[J]. Urban Climate, 2013,6:63-81.

DOI

[11]
Inostroza L, Palme M, Barrera F D L. A heat vulnerability Index: Spatial patterns of exposure, sensitivity and adaptive capacity for Santiago de chile[J]. PLoS ONE, 2016,11(9):e0162464.

DOI

[12]
东南亚若推迟采取应对气候变化的行动,将自食恶果[J].国际融资,2009(6):67-67.

[ If Southeast Asia delays taking action to address climate change, it will suffer from self-defense[J]. International financing, 2009(6):67-67. ]

[13]
Thirumalai K, Dinezio P N, Okumura Y, et al.Extreme temperatures in southeast asia caused by el niño and worsened by global warming[J]. Nature Communications, 2017,8:15531.

[14]
Guo Y, Punnasiri K,Tong S.Effects of temperature on mortality in Chiang Mai city, Thailand: A time series study[J]. Environmental Health, 2012,11(1):36.

DOI

[15]
Guo Y, Gasparrini A, Armstrong B G, et al.Heat Wave and Mortality: A multicountry, multicommunity study[J]. Environmental Health Perspectives, 2017,125(8).

[16]
Cunrui H, Jian C, Dung P, et al.Mortality burden attributable to heatwaves in Thailand: A systematic assessment incorporating evidence-based lag structure[J]. Environment International, 2018,121(1):41-45.

DOI

[17]
Dung P, Cordia C, Dang N T, et al.Spatial variation of heat-related morbidity: A hierarchical bayesian analysis in multiple districts of the Mekong Delta Region[J]. Science of the Total Environment, 2018(637-638):1559-1565.

[18]
胡峰,卢振礼. 1951-2000年山东省高温气象灾害的变化趋势和风险特征分析[J].中国农学通报,2010,26(19):354-358.<p>摘要 利用山东省1951-2000年50年的高温气象资料，选取惠民站、济南站、潍坊站以及兖州站进行分析，发现山东省惠民、济南、潍坊三站1951-2000年平均最高气温年际变化趋势基本呈现先降低后升高的变化特征，在1950年左右，其最高气温的平均值约为19.3℃；在1965年左右，最高气温的平均值将为18.5℃左右；1965-1985年近20年的时间内，最高气温都在18.5℃左右震荡。1985年以后，最高气温开始缓慢回升，到达19.0℃左右。而兖州站的变化特征较为平缓。四站中济南站的高温日数最多，共有约781站，其一级高温、二级高温和三级高温的日数分别为584天、185天和12天，其可能与山东省会热岛效应有关。兖州站的一级高温虽然较多，但二、三级均为最少。高温气象灾害的风险济南站排在首位，风险最大；山东潍坊和山东兖州排序为第二，风险适中，山东惠民站风险略小。</p>

[ Hu F, Lv Z L.Analysis on the change trend and risk characteristics of high temperature meteorological disasters in Shandong Province from 1951 to 2000[J]. Chinese Agricultural Science Bulletin, 2010,26(19):354-358. ]

[19]
中国国家标准化管理委员会.中华人民共和国国家标准高温热浪等级[Z].2012-12-31.

[ China National Standardization Administration Committee. National Standard High Temperature Heat Wave Rating of the People's Republic of China[Z].2012-12-31. ]

[20]
张可慧,李正涛,刘剑锋,等.河北地区高温热浪时空特征及其对工业、交通的影响研究[J].地理与地理信息科学,2011,27(6):90-95.

[ Zhang K H, Li Z T, Liu J F, et al.Temporal and spatial characteristics of high temperature heat waves in Hebei Province and their impacts on industry and transportation[J]. Geography and Geo-information Science, 2011,27(6):90-95. ]

[21]
宋晨阳,王锋,张韧等.气候变化背景下我国城市高温热浪的风险分析与评估[J].灾害学,2016,31(1):201-206.

[ Song C Y, Wang F, Zhang R, et al.Risk analysis and evaluation of high temperature heat waves in Chinese cities under the background of climate change[J]. Disaster science, 2016,31(1):201-206. ]

[22]
Heo S, Bell M L, Lee J T.Comparison of health risks by heat wave definition: Applicability of wet-bulb globe temperature for heat wave criteria[J]. Environmental Research, 2018,32(9):158-170.

[23]
Aubrecht C, Dzceylan, et al. Identification of heat risk patterns in the U.S. National Capital Region by integrating heat stress and related vulnerability[J]. Environment International, 2013,56:65-77.

DOI

[24]
Amarillo, T X.What is the heat index?[DB/OL]. .

[25]
中国国家标准化管理委员会.中华人民共和国国家标准高温热浪等级[Z].2012-12-31.

[ China National Standardization Administration Committee. National Standard High Temperature Heat Wave Rating of the People's Republic of China[Z].2012-12-31. ]

[26]
Prudhomme C, Crooks S, Kay A L, et al.Climate change and river flooding: Part 1 classifying the sensitivity of British catchments[J]. Climatic Change, 2013,119(3):933-948.

DOI

[27]
IPCC.Contribution of working groupⅡto the fourth assessment report of the Intergovernmental Panel on Climate Change[R]. Cambridge: Cambridge University Press. 2007.

[28]
吴绍洪,潘韬,贺山峰.气候变化风险研究的初步探讨[J].气候变化研究进展,2011,7(5):363-368.讨论了气候变化风险的基本内涵，指出敏感性、暴露程度及可能性是气候变化风险的三个基本组成要素。气候变化风险具有不确定性、未来事件、损害性以及相对性等特征。风险评估与风险管理是气候变化风险研究的两个主要环节，以风险评估为手段，以风险管理为最终目标，是应对气候变化行动的基本思路。提出了气候变化风险研究的初步框架和主要方法。并给出未来气候变化下中国洪涝灾害风险研究的实际案例。最后指出，气候变化风险研究要从风险集合预测、定量风险损失评估、风险区划与制图以及风险管理等多个方面展开。

[ Wu S G, Pan T, He S F.Preliminary discussion on climate change risk research[J]. Progress in climate change research, 2011,7(5):363-368. ]

[29]
李鹤,张平宇,程叶青.脆弱性的概念及其评价方法[J].地理科学进展,2008,27(2):18-25.<p>脆弱性研究是全球变化及可持续性科学领域关注的热点问题和重要的分析工具， 随着脆弱性研究受到越 来越多的关注， 对脆弱性的概念和评价方法的研究日益深入。对国内外相关研究中出现的脆弱性概念进行了归纳 总结， 并深入讨论了不同学者就脆弱性概念初步达成的共识及存在的分歧， 在此基础上明确了脆弱性概念的内涵。 依据脆弱性评价的思路， 将国内外脆弱性研究中出现脆弱性评价方法分为五大类， 分析了各种评价方法的优缺点， 指出了脆弱性评价中应遵循的基本原则。最后， 结合脆弱性研究的发展趋势， 指出面向多重扰动的脆弱性评价、耦 合系统的脆弱性评价、复杂系统的不确定问题、脆弱性评价的尺度问题等是目前脆弱性评价研究中亟待开展的研 究内容。</p>

DOI

[ Li H, Zhang P Y, Cheng Y Q.The concept of vulnerability and its evaluation method[J]. Progress in geography, 2008,27(2):18-25. ]

[30]
杨红龙,许吟隆,陶生才,等.髙温热浪脆弱性与适应性研究进展[J].科技导报,2010(19):98-102.

[ Yang H L, Xu Y L,Tao C S, et al.Advances in research on vulnerability and adaptability of warm heat waves[J], Science and technology guide, 2010(19):98-102. ]

[31]
张明顺,冯利利,黎学琴,等.欧盟城市适应气候变化的机遇和挑战[M].北京:中国环境出版社,2011,26-27.

[ Zhang M S, Feng L L, Li X Q, et al.Opportunities and challenges for E U cities to adapt to climate change[M]. Beijing: China Environment Press, 2011,26-27. ]

[32]
Aubrecht C, Özceylan D.Identification of heat risk patterns in the US National Capital Region by integrating heat stress and related vulnerability[J]. Environment International, 2013,56:65-77.

DOI

[33]
Adger N Brooks N, Bentham G, et al. New indicators of vulnerability and adaptive capacity[R]. Tyndall Centre for Climate Change Research, 2004.

[34]
IPPC,Climate change 2007: Impacts' adaptation and valnerablility, contribution of working Group II to the fourth assessment report of the intergovernmental panel on Climate Change[C]. Cambridge, UK and New York, USA: Cambridge University Press, 2007: 869-883.

[35]
Swart R J, Fons W, Geertsema, et al. Urban vulner ability Indicators: A joint report of ETC-CCA and ETC-SIA[J]. ETC-CCA and ETC-SIA Technical Report, 2012:29-33.

[36]
Wolf T, Mc Gregor G.The development of a heat wave vulnerability index for London, United Kingdom[J]. Weather and Climate Extremes, 2013,1:59-68.

DOI

[37]
Zhu Q, Liu T, Lin H, et al.The spatial distribution of health vulnerability to heat waves in Guangdong Province, China[J]. Global Health Action, 2014,7(1):25051.

DOI

[38]
El-Zein A,Tonmoy F N.Assessment of vulnerability to climate change using a multi-criteria outranking approach with application to heat stress in Sydney[J]. Ecological Indicators, 2015,48:207-217.

DOI

[39]
Solomon S, Qin D,Manning M, et al.Climate change 2007: The physical science basis[M]//Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge. New York: Cambridge University Press, 2007:996.

[40]
Reid C E, O’Neill M S, Gronlund C J, et al. Mapping community determinants of heat vulnerability[J]. Environmental Health Perspectives, 2009,117(11):1730-1736.

DOI

[41]
Maier G, Grundstein A, Jang W, et al.Assessing the performance of a vulnerability index during oppressive heat across Georgia, United States[J]. Weather, Climate, and Society, 2014,6(2):253-263.

DOI

[42]
郑山,王敏珍,尚可政,等.高温热浪对北京3所医院循环系统疾病日急诊人数影响的病例-交叉研究[J].卫生研究,2016,45(2):246-251.

[ Zheng S, Wang M Z, Shang K Z, et al.Case-crossover study of the effects of high temperature heat waves on the number of emergency patients in circulatory diseases in 3 hospitals in Beijing[J]. Health research, 2016,45(2):246-251. ]

[43]
谢盼,王仰麟,彭建,等.基于居民健康的城市高温热浪灾害脆弱性评价:研究进展与框架[J].地理科学进展,2015,34(2):165-174.随着全球气候变化和城市热岛效应增强,近年来城市高温热浪灾害在世界各地频繁发生,给城市居民健康和社会经济带来了极大的负面影响。目前,国内已有的高温热浪灾害研究大多关注热浪强度、发生频率、持续时间等灾害特征,以城市居民健康作为承灾体的城市高温热浪灾害脆弱性研究尚不多见,相关的评价框架和方法亟待梳理和完善。本文从高温热浪灾害脆弱性的研究主题、脆弱性框架和定量化方法三个方面系统梳理了高温热浪灾害脆弱性国内外研究进展;在广义脆弱性概念框架的基础上完善了基于&#x0201c;暴露&#x02014;敏感&#x02014;适应能力&#x0201d;的高温热浪灾害脆弱性评价概念框架,并梳理了相应的指标体系;强调通过自然环境、社会经济、居民感知等多角度的定性、定量数据综合表征城市居民高温热浪灾害脆弱性,以期为高温热浪灾害脆弱性评价提供理论与方法支持,并为规避高温热浪灾害风险、响应高温热浪紧急事件及适应气候变化等提供科学指引。

DOI

[ Xie P, Wang Y L, Peng J, et al.Vulnerability assessment of urban high temperature heat wave disaster based on residents' health: Research progress and framework[J]. Progress in Geography, 2015,34(2):165-174. ]

[44]
郑雪梅,王怡,吴小影,等.近20年福建省沿海与内陆城市高温热浪脆弱性比较[J].地理科学进展,2016,35(10):1197-1205.

[ Zheng X M, Wang Y, Wu X Y, et al.Comparison of vulnerability of high temperature heat waves in coastal and inland cities of Fujian Province in recent 20 years[J]. Progress in Geography, 2016,35(10):1197-1205. ]

[45]
Shevky E, Bell W.Social area analysis[M]. Standford, CA: Standford University Press, 1955:28-53.

[46]
雷定安,金平.论人口的聚集效应[J].西北人口,2003,24(4):10-12.

[ Lei D A, Jin P.On the aggregation effect of population[J]. Northwest Population, 2003,24(4):10-12. ]

[47]
李静,罗灵军,钱文进,等.基于GIS的重庆市人口空间分布研究[J].地理空间信息,2013,11(2):42-46.

[ Li J, Luo L J, Qian W J, et al.Research on spatial distribution of population in Chongqing based on GIS[J]. Geospatial Information, 2013,11(2):42-46. ]

[48]
李青阳. 陕西省人口空间结构与人口集聚格局分析[D].西安:西北大学, 2009.

[ Li Q Y.Analysis of population spatial structure and population agglomeration pattern in Shaanxi Province [D]. Xi'an:Northwest University, 2009. ]

[49]
韩秀珍,李三妹,窦芳丽.气象卫星遥感地表温度推算近地表气温方法研究[J].气象学报,2012,70(5): 1107-1118.气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数。多年来气温数据以离散的常规气象站点观测为主，连续分布的格点气温数据则以站点资料插值而得到，分辨率低，无法反映地形等下垫面因素对局地气温的影响，在农业气候区划等研究中具有一定的局限性。随着卫星遥感地表温度算法的日趋成熟，为探讨卫星遥感地表温度数据在气温观测中的可能性和可行性，利用全中国2340个站点1998—2007年的逐旬平均最高气温数据，以及相应时段的NOAA/AVHRR旬最高地表温度数据，以线性回归及拟合模型为主，通过考虑植被指数、土地覆盖类型、季节、风速、气压、降水等各类影响因子，建立了旬最高地表温度与旬平均最高气温间的推算模型，并利用未参与建模的2002—2003年的常规气象站点气温数据，同时与推算气温和插值气温结果进行对比分析。结果表明，利用卫星遥感地表温度数据推算的旬值气温数据可取得较高的精度，尤其在地形复杂地区以及站点稀疏地区精度明显高于插值气温结果。

DOI

[ Han X Z, Li S M, Dou F L.Study on method of calculating near-surface air temperature by meteorological satellite remote sensing surface temperature[J]. Journal of Meteorology, 2012,70(5):1107-1118. ]

[50]
刘勇洪,权维俊.北京城市高温遥感指标初探与时空格局分析[J].气候与环境研究,2014,19(3):332-342.

[ Liu H Y, Quan W J.Preliminary study on high temperature remote sensing index and analysis of spatiotemporal pattern in Beijing[J]. Climate and environmental research, 2014,19(3):332-342. ]

[51]
Dash P.Land surface temperature and emissivity estimation from passive sensor data: Theory and practicecurrent trends[J]. International Journal of Remote Sensing, 2002,23(13):2563-2594.

DOI

[52]
周洋,祝善友,华俊玮,等.南京市高温热浪时空分布研究[J].地球信息科学学报,2018,20(11):1613-1621.

[ Zhou Y,Zhu S Y, Hua J W, et al.Spatio-temporal distribution of high temperature heat wave in Nanjing[J]. Journal of Geo-information Science, 2018,20(11):1613-1621.

[53]
季崇萍,刘伟东,轩春怡.北京城市化进程对城市热岛的影响研究[J].地球物理学报,2006,49(1):69-77.利用1971～2000年北京20个气象观测站逐日４个时次（02:00、08:00、14:00、20:00）的温度资料，选取具有代表性的城区和郊区多个站点的平均值对北京城市化进程对城市热岛效应的影响、城市热岛强度的日变化和长期变化进行了研究.分析结果指出：（1）北京城市热岛强度和总人口对数呈线性相关关系，其长期变化相关系数为076；（2）北京城市建成区的范围与城市热岛影响范围呈同步变化趋势；(3)不同时次城市热岛强度的长期变化指出，北京城市热岛强度以平均每10年022℃的速率加剧，其中1999年北京热岛强度达113℃（夜间，02:00）；(4)夜间热岛强度明显大于日间.就10年平均而言, 20世纪80年代和90年代夜戒热岛强度均超过05℃；(5)一天4个时次热岛强度的季节变化趋势基本一致，均表现为冬季强、夏季弱.并且，夜间02:00时热岛最强，中午14:00时热岛最弱.

[ Ji C P, Liu W D, Xuan C Y.Study on the influence of Beijing urbanization process on urban heat island[J]. Chinese Journal of Geophysics, 2006,49(1):69-77. ]

[54]
刘鹏,钱永甫,严蜜.东亚下垫面热力异常与南海夏季风爆发早晚和强弱的关系[J].热带气象学报,2011,27(2):209-218.

[ Liu P, Qian Y P, Yan M.The relationship between the thermal abnormality of the underlying surface of east Asia and the late and late eruption of the South China Sea summer monsoon[J]. Journal of Tropical Meteorology, 2011,27(2):209-218. ]

[55]
帅晨,沙晋明,林金煌,等.不同下垫面遥感指数与地温关系的空间差异性研究[J].地球信息科学学报,2018,20(11):1657-1666.

[ Shuai C, Sha J M, Lin J H, et al.Spatial difference of the relationship between remote sensing index and land surface temperature under different underlying surfaces[J]. Journal of Geo-information Science, 2018,20(11):1657-1666. ]

[56]
栾庆祖,叶彩华,刘勇洪,等.城市绿地对周边热环境影响遥感研究——以北京为例[J].生态环境学报,2015,23(2):252-261.

[ Luan Q Z, Ye C H, Liu Y H, et al.Remote sensing study on the impact of urban green space on the surrounding thermal environment-taking Beijing as an example[J]. Journal of Eco-Environment, 2015,23(2):252-261. ]

[57]
买买提江∙买提尼亚孜,阿里木江∙卡斯木.干旱区典型城市下垫面特征及其与地表热环境的关系研究[J].生态环境学报,2015,24(11):1865-1871.

[ Mai M T J, A L M J.Characteristics of underlying surface of typical cities in arid areas and their relationship with surface thermal environment[J]. Journal of Eco-environment, 2015,24(11):1865-1871. ]

[58]
徐永明,刘勇洪.基于TM 影像的北京市热环境及其与不透水面的关系研究[J].生态环境学报,2013,22(4):639-643.

[ Xu Y M, Liu Y H.Study on thermal environment of Beijing based on TM image and its relationship with impervious surface[J]. Journal of Eco-environment, 2013,22(4):639-643. ]

[59]
张雷,涂慰云,孙蔡亮,等.基于GIS图层叠置法的莆田市雷灾脆弱性研究[J].海峡科学,2017(12):84-86,97.

[ Zhang L, Tu W Y, Sun C L, et al.Vulnerability of mine disaster in Putian City based on GIS map stacking method[J]. Strait Science, 2017(12):84-86,97. ]

[60]
Aubrecht C, zceylan, Dilek. Identification of heat risk patterns in the U.S. National Capital Region by integrating heat stress and related vulnerability[J]. Environment International, 2013,56:65-77.

DOI

[61]
奥布力·塔力普,马海霞,赛福丁·哈迪尔.基于层次分析法的巴基斯坦国家风险演变研究[J/OL].中国经贸导刊(理论版),2018(26):25-28[2018-10-09]. , 56:65-77.

[ O'Brien Talip, Ma H X, Saifuddin Hadir. Research on the Evolution of Pakistan's National Risk Based on Analytic Hierarchy Process [J/OL].China Economic and Trade Guide (Theoretical Edition), 2018(26):25-28[2018-10-09]. ,56:65-77. ]

[62]
Prasad G L, Yoenbae K.An analysis on barriers to renewable energy development in the context of Nepal using AHP[J]. Renewable Energy, 2018:S0960148118306414.

[63]
Johnson D P, Stanforth A, Lulla V, et al.Developing an applied extreme heat vulnerability index utilizing socioeconomic and environmental data[J]. Applied Geography, 2012,35(1):23-31.

DOI

[64]
朱斌. 基于偏好关系决策方法及应用研究[D].南京:东南大学,2014.

[ Zhu B.Decision-making method based on preference relationship and its application[D]. Nanjing: Southeast University, 2014. ]

[65]
El-Zein A, Tonmoy F N.Assessment of vulnerability to climate change using a multi-criteria outranking approach with application to heat stress in Sydney[J]. Ecological Indicators, 2015,48:207-217.

DOI

[66]
Frazier T G, Thompson C M, Dezzani R J.A framework for the development of the SERV model: A Spatially Explicit Resilience-Vulnerability Model[J]. Applied Geography, 2014,51:158-172.

DOI

[67]
Gary J, Dakota C, et al.Urban heat wave hazard and risk assessment[J]. Results in Physics, 2017,7:4294-4295.

DOI

[68]
何苗,徐永明,等.基于遥感的北京城市高温热浪风险评估[J].生态环境学报,2017,26(4):635-642.

[ He M, Xu Y M, et al.Assessing heat wave risk in Beijing by remote sensing[J]. Ecology and Environmental Sciences, 2017,26(4):635-642. ]

Options
Outlines

/

〈 〉