为弱势群体推进气候正义：优化城市蓝绿基础设施的空间布局以降低热风险，同时运用可解释的机器学习技术

《Sustainable Cities and Society》：Advancing Climate Justice for Vulnerable Groups: Optimizing Spatial Configuration of Urban Blue–Green Infrastructure to Mitigate Heat Risks Leveraging Explainable Machine Learning

本研究以杭州为主，通过复合热风险指数分析，揭示不同脆弱群体热风险的空间异质性，发现UBGI的连通性和面积显著降低风险，但各群体关键影响因子不同。基于此提出差异化的UBGI配置策略，为气候正义导向的城市规划提供科学依据。

　　

刘奇奇|韩天|万明轩|宋永坤

韩国首尔国立大学环境研究研究生院环境设计系

摘要

气候变化和城市化正在加剧热风险，使弱势群体面临更严重的气候不公。然而，对这些群体所面临的复合热风险的认知和应对策略仍然有限。作为关键的气候适应措施和基于自然的解决方案（NbS）的关键组成部分，城市蓝绿基础设施（UBGI）在缓解这些风险方面具有巨大潜力。因此，我们对杭州的主要城区进行了案例研究，以评估弱势群体在危险性、暴露度和脆弱性三个维度上的复合热风险，并进一步探讨了UBGI的空间配置如何调节这些风险。研究结果表明，弱势群体之间的热风险存在明显的空间差异。低收入人群的高热风险区域主要集中在研究区域的西南部，尤其是双浦； migrant workers（外来务工人员）和老年人则在老城区面临高风险（例如长青、朝阳、小营）；儿童的热风险区域则分布在西南边缘和历史城区。从比例上看，低收入人群占高风险区域的最大份额（16.61%），其次是 migrant workers（15.20%）、儿童（12.09%）和老年人（8.72%）。在所有弱势群体中，蓝绿基础设施的可及性和连通性以及绿基础设施的可及性和面积与热风险呈显著负相关。在不同弱势群体中，最具影响力的指标各不相同：儿童关注蓝绿基础设施的连通性，老年人关注其可及性，外来务工人员关注绿基础设施的面积，而低收入人群则关注绿基础设施的集中程度，这些指标表现出不同的响应阈值。基于这些发现，我们建议通过统一的和定制的UBGI空间配置策略实施有针对性的干预措施，以减轻弱势群体的热风险。本研究为差异化的适应策略和以公平为导向的城市规划提供了坚实的科学基础，从而推进气候正义。

引言

气候变化加上快速的城市化加剧了热浪和城市热岛效应，导致城市热暴露增加（Eugenio Pappalardo等人，2023年）。预测显示，在全球变暖1.5°C的情景下，大约13.8%的人口将暴露在极端高温中，而在2°C的情景下这一比例将上升到36.9%（Dosio等人，2018年）。长期暴露在极端高温下会导致热风险增加，表现为疾病发病率和与热相关的死亡率上升，预计到2030年全球每年将有92,207人死亡（Forzieri等人，2017年；Ebi等人，2021年）。因此，迫切需要加强对热风险的理解。

热风险可以理解为危险性、暴露度和脆弱性之间的相互作用，正如Crichton的风险三角框架所概念化的那样（Xiang等人，2024年）。这一框架已被广泛用于评估高温带来的健康风险，并被纳入IPCC的风险评估和适应框架中（Field和Barros，2014年；Wu等人，2024年）。在该框架中，危险性指的是极端热事件的特征，特别是热浪的频率、强度和持续时间，通常使用大气温度指标进行评估（Eugenio Pappalardo等人，2023年）。暴露度表示可能受到高温威胁的人口或生态系统，通常使用遥感图像和人口密度等定量指标进行评估（Liu和Hang，2025年）。脆弱性反映了人口对热的敏感性，通常通过多维度的社会经济和健康相关指标来表征（Wang等人，2023年）。尽管现有研究中广泛评估了热风险，但大多数分析集中在一般人群上，对弱势群体的特征和差异关注不足。由于社会经济地位、健康状况和生活环境的差异，弱势群体在极端热事件中面临更高的不良健康结果和死亡风险（Otto等人，2017年）。因此，仅基于一般人群的分析可能会低估弱势群体实际面临的热风险，从而影响风险评估的准确性和资源分配的公平性（Zhang等人，2023年）。巴黎联合国气候变化大会（COP21）将热风险不平等及其对弱势群体的不成比例影响确定为气候正义的关键问题（Shi等人，2016年）。然而，关于多个弱势群体复合热风险的系统研究仍然有限。

城市蓝绿基础设施（UBGI）已被广泛认为是缓解城市热风险的关键组成部分（Almaaitah等人，2021年）。现有研究表明，UBGI的降温效果与其覆盖面积密切相关，因此强调扩大绿地和水面以增强热缓解效果。然而，在现实的城市土地限制下，大规模扩展UBGI往往不可行。鉴于城市中的UBGI资源分布不均且配置不足，如何在资源有限的条件下通过空间配置优化充分发挥其调节潜力仍是一个重要的科学和实际挑战。因此，越来越多的人关注UBGI空间配置在调节城市热环境中的作用（Yu等人，2017年；Zhou等人，2023年）。同时，不同弱势群体之间的热风险可能存在显著差异，这意味着相同的UBGI空间配置可能对不同人群产生不同的调节效果。随着对气候适应和社会公平的关注不断增加，提高UBGI空间配置的效率和公平性以更好地服务社会弱势群体成为紧迫的挑战。

在UBGI调节机制的定量表征方面，大多数现有研究依赖于传统的线性回归模型，这些模型在捕捉复杂非线性响应和识别潜在阈值效应方面存在局限性（Huang等人，2025年）。最近在可解释机器学习方面的进展为解决这一知识空白提供了新的机会，显示出在捕捉复杂非线性关系的同时提高模型可解释性的强大优势（Liu等人，2025年；Liu和Hang，2026年）。最近的研究开始探索UBGI空间配置与热环境之间的非线性关系（Gu等人，2024年；Y. Zhang等人，2025年）。然而，目前尚不清楚在总体人口层面识别出的非线性关系和规划阈值是否适用于不同的弱势群体。因此，将机器学习与可解释算法相结合，以阐明UBGI空间配置通过哪些群体依赖的调节机制来减轻弱势群体的热风险，对于推进以气候正义为导向的城市适应治理具有巨大潜力。

为了填补这些研究空白，本研究开发了一个综合危险性、暴露度和脆弱性的复合热风险指数，并探讨了UBGI空间配置如何缓解热风险。具体来说，我们解决了三个核心问题：（i）不同弱势群体之间的热风险特征和空间差异是什么；（ii）哪些机制驱动了UBGI空间配置对这些热风险的影响；（iii）可以开发和实施哪些更加公平和精确的缓解策略。这些发现将有助于加深对热风险差异的理解，提高UBGI配置的公平性和有效性，并为城市热管理和以气候正义为导向的适应政策提供信息。

研究区域

杭州（北纬29°11′–30°34′，东经118°20′–120°37′）位于中国东部的长江三角洲地区。主要城区由49个社区组成，总面积为706.38平方公里（图1），关键社区特征在附录A.1中总结。近年来，受全球气候变化和快速城市化的推动，杭州经历了越来越频繁的极端热事件（Yin等人，2024年）。根据中国气象局的数据，

热危害

2022年夏季（JJA），位于研究区域的气象站记录了56个极端热日，并识别出三次热浪事件（图3）。这些热浪事件的持续时间分别为4天、12天和35天。

研究区域内的HHI（高温危害指数）空间分布如图4所示。根据浙江省气象站的数据，西南地区的极端热日数量相对较高

弱势群体中的热风险暴露出城市气候不公

我们的研究结果表明，弱势群体的居住区面临显著的热风险。其中，16.61%的低收入人群居住区位于高热风险区，而 migrant workers（外来务工人员）（15.20%）、儿童（12.09%）和老年人（8.72%）的居住区也位于类似的高风险环境中。从空间分布来看，低收入人群的高热风险主要集中在

结论

以往基于一般人群的热风险评估限制了对弱势群体实际面临的热风险的理解。因此，以杭州主要城区为案例研究，本研究评估了不同弱势群体在危险性、暴露度和脆弱性三个维度上的复合热风险，并进一步探讨了UBGI的空间配置如何缓解这些风险。研究结果揭示了高热风险方面的显著差异

CRediT作者贡献声明

刘奇奇：撰写 – 审稿与编辑，撰写 – 原稿，可视化，软件，方法论，正式分析，概念化。韩天：撰写 – 审稿与编辑，验证，监督，方法论，正式分析，数据管理，概念化。万明轩：撰写 – 审稿与编辑，验证，调查。宋永坤：撰写 – 审稿与编辑，监督，资源管理，项目协调，资金获取，概念化。

利益冲突声明

作者声明没有利益冲突。

致谢

本工作得到了韩国土地、基础设施和运输部（MOLIT）的“智慧城市创新人才教育计划”支持。