Building and Environment 275 (2025) 112827

Urban heat health risk inequality and its drivers based on local climate zones: A case study of Qingdao, China

Fei Guo, Guining Fan, Jun Zhao, Hongchi Zhang*, Jing Dong, Hui Ma, Na Li

01  研究背景

极端高温与城市热岛效应的叠加，已成为制约城市可持续发展的重要挑战。长期暴露于极端高温会加重身体热调节系统和循环系统负担，引发中暑、热射病等疾病，甚至加重心血管疾病导致过早死亡。相关研究预测，在不同气候情景下，到2090年中国每年因高温导致的死亡人数可能达到2万至7万人。

然而，城市内部不同区域面临的热健康风险并不均等。这种不平等主要来自三个方面：一是社会资源分配不均，如绿地、医疗设施等公共服务空间在空间分布上存在差异；二是社会经济地位差异，低收入地区对热浪的适应能力往往弱于高收入地区；三是人口结构差异，户外工作者、老年人、儿童等脆弱人群面临的热风险更高。

以往研究多关注城市整体热环境，对街区尺度的热健康风险不平等关注不足。局地气候区（Local Climate Zones, LCZ）分类体系以建筑密度、高度、地表覆盖、绿化等物理属性为基础，为不同城市之间的热环境横向比较提供了统一框架。本研究以北方沿海城市青岛为案例，基于LCZ构建热健康风险评估框架，系统量化城市热健康风险的空间不平等及其驱动机制。

研究重点回答以下三个问题：

• 青岛不同LCZ类型的热健康风险有多大差异？哪些街区风险最高？
• 热健康风险的空间不平等程度如何？主要来源是组内差异还是组间差异？
• 不同风险水平街区的驱动因素有何不同？应如何制定差异化干预策略？

02  研究方法

研究构建了“LCZ识别分类——热健康风险评估——不平等分解与驱动分析——缓解策略”的四步技术路线。

（1）高分辨率LCZ制图

研究选取青岛中心城区作为研究区域，将研究范围划分为1672个街区。青岛地处山东半岛南部、东南濒临黄海，是典型的北方沿海城市。

研究基于建筑密度（BD）、容积率（FAR）、建筑平均高度（BH）、天空开阔度（SVF）、植被指数（EVI）、不透水面指数（NDBI）、反照率（Albedo）、植被平均高度（VH）等特征变量，采用K-means++聚类生成LCZ地图，再通过Stacking集成学习（结合SVM和随机森林）对未标注数据进行分类和校正。

最终共识别出10类建成区LCZ和6类自然表面LCZ。建成区占58.8%，自然表面占41.2%。其中LCZ5-1（开放中层-低植被）占比最高，达11.7%；LCZLVC（低植被覆盖散点绿地）占12.7%。传统WUDAPT方法（基于遥感影像的监督分类）将青岛划分为15类，但结果倾向于低层建筑分类，与实际建筑高度分布存在偏差。本研究的数据驱动分类更贴近实际建筑高度分布，有效弥补了这一不足。

 

（2）热健康风险评估框架（HEVA）

在LCZ分类基础上，研究采用HEVA框架从四个维度评估热健康风险：

热危害（Heat Hazard）：以地表城市热岛强度（SUHII）衡量，反映城市热岛效应的强度。

热暴露（Heat Exposure）：由人口密度、POI密度、道路密度决定，反映居民暴露于热环境的可能性。

热脆弱性（Heat Vulnerability）：由0-15岁和65岁以上人口比例反映，反映人口对热的敏感程度。

热适应性（Heat Adaptability）：综合考虑房价、GDP、医疗设施、降温庇护设施、距海岸线和绿地距离等因素。

（3）不平等分解与驱动分析

为量化热健康风险的空间不平等，研究引入Dagum基尼系数，将不平等分解为组内差异（Gw）、组间差异（Gb）和超变密度（Gt）三部分。同时采用贝叶斯分位数回归（BQR），分析不同风险水平街区的驱动因素差异——这种方法不要求数据正态分布，更适合分析风险分布的非平稳特征。

03  主要结果

（1）热危害与热暴露：紧凑高层与轻型建筑区风险突出

从热危害维度看，高值区主要分布在经济活动密集、人口稠密的市南区、市北区和李沧区南部，以及李沧区北部和崂山区西部的工业区域。工业区域因生产活动产生大量废热，热危害显著高于其他类型。在建成区类型中，LCZ8（轻型建筑）热危害最高，甚至超过了LCZ1（紧凑高层）和LCZ2（紧凑中层）；LCZ6（开放低层）热危害最低。

从热暴露维度看，高值区集中在市南区东部、市北区南部和李沧区南部的高密度居住区。LCZ1（紧凑高层）的热暴露最高，高值和极高值比例超过75%；LCZ6（开放低层）最低。

（2）空间不平等：基尼系数 0.499，组间差异是主要来源

综合四个维度的热健康风险总评显示，青岛城市热健康风险存在显著的空间不平等。整体基尼系数为0.499，已超过0.4的国际警戒线。其中，不同LCZ类型之间的组间差异贡献率高达65.9%，是不平等的主要来源；组内差异仅占6.3%，超变密度占27.8%。

这意味着，热健康风险的不平等主要不是同类型街区之间的差异，而是不同城市形态类型之间的系统性差异——高层紧凑街区和低层开放街区、工业区和居住区，从根本上面临不同等级的热风险。

（3）驱动因素：社会资源在高风险区作用最显著

贝叶斯分位数回归分析揭示了不同风险水平街区的驱动因素差异。在高风险区域（LCZ2：紧凑中层、LCZ4：开放高层、LCZ5-1：开放中层-低植被、LCZ8：轻型建筑），医疗设施密度、GDP水平和降温庇护设施密度发挥着关键调节作用。增加这些社会资源能够显著降低高风险街区的热健康风险。

值得注意的是，在高密度高层和密集植被覆盖的低层区域，驱动因素的影响变得不显著——这是因为这些区域的热健康风险本身已经处于极端水平，社会资源的边际改善作用有限。而在中低风险区域，经济发展水平和公共服务设施的调节作用更为明显。

（4）四种风险街区模式

研究团队将青岛的热健康风险街区归纳为四种模式：

一是相对不平等高风险模式（LCZ8、LCZ9），主要分布在李沧区边缘的工业区域。这类区域的主要风险因子构成中，热危害维度占 37%、热危害与热脆弱性叠加占 16%，工业废热叠加适应性不足，风险超出了城市降温机制的调节能力。

二是平等高风险模式（LCZ1、LCZ2、LCZ4、LCZ5-1、LCZ7），主要分布在高密度居住区，占研究区面积的29.9%。这类区域的居民普遍暴露在较高热风险中，主因是过高的人口密度和密集经济活动放大了城市热岛效应。

三是不平等低风险模式（LCZ6），主要分布在沿海和山区。这类区域建筑以低层分散为主，有利于热量散发，自然条件优越，整体适应性较好。

四是相对平等低风险模式（LCZ3、LCZ5-2），分布在人口密度适中、开放空间和土地资源相对充裕的区域，社会资源分配合理，热风险控制在可接受范围内。

04  研究创新点

• 首次将LCZ框架与Dagum基尼系数结合，系统量化城市热健康风险的空间不平等。不同于以往关注热环境本身的研究，本研究深入到社会资源分配的不平等层面，揭示了不同城市形态类型之间的系统性差异。
• 首次将贝叶斯分位数回归应用于LCZ框架下的热健康风险驱动分析。这种方法不要求数据正态分布，能够揭示不同风险水平街区的驱动因素差异，弥补了传统均值回归的局限。
• 将青岛的热健康风险街区归纳为四种模式，为城市制定精准化、差异化的热适应策略提供了可操作的分类框架。

05 实验所用的具体技术、壁垒与数据来源

（1）具体技术（壁垒门槛和难度）

高分辨率LCZ多源数据融合：基于Google Earth Engine (GEE)平台，整合Landsat 8 OLI/TIRS、MCD43A4、Global Forest Canopy Height等多源遥感数据集，经过时间滤波、云去除和计算处理后，提取建筑密度（BD）、容积率（FAR）、建筑高度（BH）、天空开阔度（SVF）、植被指数（EVI）、不透水面指数（NDBI）、反照率（Albedo）等特征变量。建成区类型（BD≥0.1）与自然表面类型（BD<0.1）采用不同的特征组合进行分类。

K-means++与Stacking集成学习：K-means++通过选择距离较远的初始聚类中心改进传统K-means的性能，k值选择结合SSE肘部法则与专家知识确定。随后采用Stacking集成学习算法（基学习器+元学习器）处理异常数据，提升分类精度与鲁棒性。

HEVA热健康风险综合评估：采用熵权法（EWM）客观赋权，基于信息熵确定各指标权重，避免主观偏差。四个维度（热危害、热暴露、热脆弱性、热适应性）之间采用乘法与除法复合运算，放大多风险叠加效应。

Dagum基尼系数与贝叶斯分位数回归：Dagum基尼系数将不平等分解为组内差异（Gw）、组间差异（Gb）和超变密度（Gt）三部分。贝叶斯分位数回归不要求数据正态分布，能够揭示不同风险水平街区的驱动因素差异，弥补了传统均值回归的局限。

（2）所用数据及平台

遥感数据：基于Google Earth Engine (GEE)平台下载，包括Landsat 8 OLI/TIRS（地表温度、地表反射率）、MCD43A4（植被指数）、Global Forest Canopy Height（植被高度）。数据经时间滤波、云去除等预处理后使用。

LCZ分类：基于上述遥感数据提取的多特征变量，采用K-means++聚类+Stacking集成学习方法生成。

热健康风险评估指标：包括地表城市热岛强度（SUHII）、人口密度、POI密度、道路密度、0-15岁与65岁以上人口比例、房价、GDP、医疗设施密度、降温庇护设施密度、距海岸线距离、距绿地距离等，覆盖热危害、热暴露、热脆弱性、热适应性四个维度。

论文信息

Guo, F., Fan, G., Zhao, J., Zhang, H.,* Dong, J., Ma, H., & Li, N. (2025).

Urban heat health risk inequality and its drivers based on local climate zones: A case study of Qingdao, China.

Building and Environment, 275, 112827.

DOI: 10.1016/j.buildenv.2025.112827