编辑推荐：
本研究对比成都金磊与张家口补子两个历史街区北方和南方老年慢性疾病患者的冬季户外热舒适度，通过微气象测量与问卷收集1512份样本，利用随机森林模型揭示风速、湿度和温度耦合作用机制，提出热舒适基准值与优化策略。
雷莉|龙江|小艺舍|建航何|孟武|孟珍|凯南|明张
河北建筑大学建筑与艺术学院，中国河北省张家口市075000
摘要
随着人口老龄化，改善历史城区患有慢性疾病的老年人的冬季户外热舒适度对于他们的健康和可持续的城市更新至关重要。我们选取了两个具有代表性的地点——成都的金利（夏季炎热、冬季寒冷）和张家口的布兹利（冬季寒冷），结合微气象测量和问卷调查，获得了1,512份有效的老年人样本数据。使用生理等效温度（PET）来评估冬季的热感知，并应用机器学习模型识别关键影响因素。研究结果表明，北方组的生理等效温度（NPET）为7.4℃，热可接受范围（TAR）为1.90–14.66℃；而南方组的NPET为12.3℃，TAR为8.93–18.51℃。随机森林模型在预测热感觉评分（TSV）方面表现最佳（北方R2 = 0.804，南方R2 = 0.867）。Shapley加性解释（SHAP）将定性方向转化为指示性区间：当风速V?超过约2.0 m/s时，TSV显著偏向“更冷”；而将近地风速V?控制在1–1.5 m/s范围内可以降低风险；在南方，当相对湿度（RH）达到约80%或更高且空气温度T?超过约12℃时，温度升高的边际效应减弱，这表明应优先考虑除湿和适度升温。PM2.5和PM10与北方地区的热舒适度评分（TCV）呈负相关。本研究提供了冬季热舒适度的基准，并将温度-风速/湿度耦合的敏感性量化为实际应用中的指示性区间，从而提高了历史城区患有慢性疾病的老年人的健康水平。
引言
全球人口老龄化正在加速。世界卫生组织预测，到2050年，60岁及以上的人口将达到21亿，其中近80%将生活在低收入和中等收入国家[1]。作为人口最多的发展中国家，中国面临着尤为突出的趋势：2023年，老年人口达到2.97亿，占总人口的21.1%[2]，这凸显了改善老年人健康和热舒适度的紧迫性。
室外热舒适度（OTC）被ASHRAE定义为“对热环境感到满意的心理状态”，它与健康、活动参与度和社会福祉密切相关[3]。对于老年人来说，热舒适度尤为重要：新陈代谢率降低和体温调节能力减弱使他们在寒冷或炎热的环境中更加脆弱[4][5]。适当的热条件可以降低疾病风险，增加户外活动频率和心理健康[6][7]。
在城市开放空间中，历史城区结合了文化遗产和社区生活，成为老年人日常活动和社会互动的重要场所。然而，这些区域通常保留了传统的城市形态——狭窄的街道、有限的通风以及有限的阳光照射——并且缺乏现代供暖设施。这导致冬季形成冷空气滞留的微气候[8]，给热舒适度带来了挑战。尽管在公园、广场和校园等地已经对OTC进行了研究[9][10]，但针对历史城区老年人的系统冬季研究仍然很少。
先前的研究表明，热感知存在明显的气候调节差异。在寒冷地区（例如哈尔滨），金等人报告称老年人在冬季的热感觉显著降低，心血管风险增加。在夏季炎热/冬季寒冷的地区（例如黄山），王等人发现老年人对夏季热量的敏感度更高，而冬季的耐受性更强。在夏季炎热/冬季温暖的地区（例如香港），Yung等人发现高湿度加剧了老年人的热应激，其中新陈代谢率降低是一个关键因素。跨区域研究进一步证实了气候效应：Nikolopoulou和Lykoudis观察到欧洲不同地区的气候依赖性季节性耐受性差异，Kenawy等人将热感知差异与气候背景联系起来。老年人的OTC还受到生理和社会文化因素的影响：体温调节能力下降增加了对极端温度的敏感性[4]，而教育、陪伴和相关社会变量也会影响感知[11]。
然而，大多数现有研究仅关注单一地区，缺乏在功能相似的空间（例如历史城区）内进行的气候比较分析。传统的舒适度模型（例如PMV–PPD）主要基于年轻人群体，可能无法捕捉老年人在复杂户外环境中的反应。近年来，机器学习在热舒适度预测方面显示出优势[12]，因为它能够处理多变量结构和非线性交互作用。研究人员应用了随机森林、神经网络和逻辑回归等算法来模拟老年人在不同环境下的热感知和舒适度。例如，在温暖条件下，金等人结合了XGBoost和人体能量分析来评估老年人的热舒适度，并提出了一个预测户外热暴露后恢复时间的框架[13]。在中国东北部，通过实地测试、问卷调查、CFD建模和参数计算开发了适用于老年人的UTCI，并使用BP神经网络预测户外舒适度[14]。在中国中部（例如西安和关中地区）的研究考察了老年人在护理机构和农村住宅中的舒适度，丰富了对中国不同气候条件的理解[15][16]。
基于此背景，本研究选择了中国北方和南方的两个典型历史城区——成都的金利（夏季炎热、冬季寒冷）和张家口的布兹利（冬季寒冷），进行了冬季微气象测量和问卷调查，以收集患有慢性疾病的老年人的热感知、行为特征和微气候参数。研究目标包括：（1）比较北方和南方老年人的冬季热感知差异和行为调节；（2）比较不同气候下的中性生理等效温度（NPET）和热可接受范围（TAR）；（3）使用机器学习模型识别热感知的关键驱动因素和交互机制。研究结果旨在为历史城区的冬季微气候优化提供依据，从而提高患有慢性疾病的老年人的健康水平。
研究地点
本研究选择了中国北方和南方的两个具有代表性的历史城区作为对比案例：北方的张家口布兹利（40°49′N, 114°53′E）和南方的成都金利（30°39′N, 104°04′E）。根据中国的建筑气候分区，张家口属于寒冷地区，冬季干燥寒冷（平均冬季气温-5.75℃，最低气温-24.9℃）；而成都属于夏季炎热/冬季寒冷地区，冬季潮湿寒冷（平均冬季气温
受访者特征
我们获得了1,512份有效的老年人反馈，其中北方地区744份，南方地区768份。北方地区女性占40.9%，男性占59.1%；年龄分布为65.8%（60–70岁）、22.1%（70–80岁）和12.1%（80–90岁）。南方地区女性占61.3%，男性占38.7%；年龄分布为72.6%（60–70岁）、18.3%（70–80岁）和9.1%（80–90岁）。大多数受访者在调查前20分钟内活动强度较低（北方64.8%，南方70.5%）。
区域气候和行为调节机制
中国北方和南方的生活方式和社会习俗差异进一步影响了老年人在历史城区中的热适应行为。两个地点观察到的服装保温（Clo）和活动水平的统计效应与先前关于老年人服装调整和代谢能力下降的研究结果一致[32]。这种下降与最近的证据相符，即老年人的热敏感度降低，反应延迟结论
基于对中国北方（张家口）和南方（成都）历史城区1,512名患有慢性疾病的老年人的问卷调查和现场环境测量数据，本研究考察了冬季户外热舒适度的区域差异，并使用机器学习模型识别了关键驱动因素。我们分析了气候、行为和微环境因素的作用。主要结论如下：
1)北方和南方历史城区中患有慢性疾病的老年人
作者贡献声明
雷莉：撰写 – 审稿与编辑、可视化、项目管理、方法论、数据管理、概念化。龙江：撰写 – 初稿撰写、可视化、监督、资源协调、调查、数据管理、概念化。小艺舍：撰写 – 审稿与编辑、验证、监督、项目管理。建航何：资源协调、调查、正式分析。孟武：可视化、验证、调查。孟珍：撰写 – 审稿与编辑、资源协调
资助
河北省教育厅高等教育机构科学研究项目（项目编号：QN2025873）。西安交通大学2025年的第二批校企合作教育项目（项目编号：25CXHZ031）。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
作者感谢所有参与本研究的学生、教师和研究人员提供的宝贵帮助。
