城市热岛效应与全球变暖对热浪风险的共同影响

本研究首次量化了全球1600个大城市在SSP1-2.6情景下全球变暖与城市热岛效应的协同影响，发现联合效应使平均城市升温达2.23±0.03℃，是单独全球变暖升温的124%。夏季2100年超额死亡率风险将升至2.2±0.1%，较2015年增长175%，同时车辆和户外火灾频率分别上升4.9%和5.1%。分析表明全球变暖是99%城市热浪风险的主导因素，而当前气候模型低估了城市热岛效应的放大作用。

　　

林黄|董启昌|宋烨|陶瑶|史龙|赵小青|齐家成|宋子豪|郑忠宇|张国民|Michael Yit Lin Chew|Sujeeva Setunge|涂继元|Bogdan Dlugogoski

中国科学技术大学火灾科学国家重点实验室，安徽省合肥市，230027，中国

摘要

全球变暖加剧了城市热浪的风险。然而，当前的气候预测将城市和农村地区同等对待，忽视了城市热岛（UHI）效应对未来热浪风险的影响。由于现有的UHI强度模型在全球尺度分析中存在局限性，因此全球变暖与UHI效应共同作用下的城市热浪风险仍不清楚。在这里，我们量化了全球1600个城市（每个城市人口超过30万）的热浪风险。我们发现，即使在最理想的可持续发展路径下（即共享社会经济路径1-2.6，SSP1-2.6），分析城市的平均气温仍上升了（2.23 ± 0.03）°C（均值 ± 标准误差），这相当于全球变暖单独引起的温度上升（1.8 ± 0.01）°C的124%。我们估计，这种共同效应将使2100年夏季的超额死亡风险（EMR）提高到（2.2 ± 0.1）%，而2015年夏季的EMR仅为（0.8 ± 0.02）%。分析城市的建筑物火灾、户外火灾和车辆火灾的频率分别变化了（-0.6 ± 0.1）%、（5.1 ± 0.1）%和（4.9 ± 0.1）%。尽管UHI效应在大约81%的城市中提高了气温，但在SSP1-2.6情景下，全球变暖主导了所有分析城市的热浪风险。我们的结果表明，忽视这种共同效应的行动计划和政策可能会在缓解热浪方面产生误导。

引言

2000年至2019年间，全球每年与热浪相关的死亡人数激增至约48.9万人（Zhao, Guo等人，2021年）。极端高温的持续时间定义了热浪（Chen, Zhao等人，2022年），而全球变暖使情况更加恶化（Gasparrini, Guo等人，2015年）。随着快速城市化，由城市热岛效应驱动的气温升高加剧了热浪风险，例如更严重的健康威胁（Manoli, Fatichi等人，2019年；Zhong, Li等人，2024年）和火灾风险（Schug, Bar-Massada等人，2023年）。例如，气温每升高1°C，最大死亡率上升5.7%（Song, Lu等人，2022年），而车辆火灾和户外火灾的频率分别上升2.7%和4.7%（Shi, Wang等人，2025年）。了解热浪风险及其背后的趋势对于制定可行且有效的热浪行动计划和政策至关重要。然而，到目前为止，全球变暖与UHI效应共同作用下的城市热浪风险仍不清楚。

当前的气候模型（GCMs）低估了城市地区的热浪风险（Zhao, Lee等人，2014年；Zhou, Zhao等人，2014年）。它们将城市和农村地区同等对待（Ahmadalipour和Moradkhani 2018年；Gasparrini, Guo等人，2015年；WHO 2014年），因为它们的分辨率（大约1°×1°）超过了典型城市建成区的规模。以北京这样的特大城市为例，当前的GCMs仅通过少数几个网格来表示这座城市（图S2），无法捕捉城市和农村地区之间的温差。然而，在UHI效应下，城市和农村地区的温度差异显著（Zhou, Zhao等人，2014年）。例如，在巴西的朗德里纳，城市气温比周边农村地区高出多达5.1°C（Oukawa, Krecl等人，2022年）。

目前许多关于UHI的研究集中在个别或小范围的城市群上，揭示了关键的影响因素、相应的风险和缓解策略。针对特定城市的案例研究确定了UHI的关键驱动因素，如视野因素和地表覆盖（Oukawa, Krecl等人，2022年；Zhong, Li等人，2024年）。通过更精确地划分不同气候区的UHI，也量化了相关的人类热暴露风险（Ming, Liu等人，2024年）。此外，长江三角洲城市聚集区的一项研究表明，绿色环境并不总是能缓解UHI效应，城市绿色发展规划应强调UHIE缓解措施以实现可持续的城市发展（Liu和Zhang 2025年）。这些地方性案例研究能够详细诊断特定城市地区的UHI特征，但无法揭示全球范围内的系统模式。

实际上，全球所有城市都面临着不同程度的UHI威胁，特别是在炎热的夏季，UHI可能在城市地区引发极端热浪。因此，一些研究开始在全球范围内评估城市热岛强度（UHII）（Yuan, Santamouris等人，2025年）。例如，使用卫星观测的地表温度和现有的全球近地面气温数据集开发了一个全球UHII数据集（Yang, Xu等人，2024年）。然而，由于UHI过程的复杂性和耦合性（Oukawa, Krecl等人，2022年；Xue, Zong等人，2023年），开发一个适用于全球的UHII经验模型以预测未来的UHII仍然是一个重大挑战。

据我们所知，当前的城市热岛强度（UHII）预测模型在全球范围内的适用性尚不存在（Esperon-Rodriguez, Tjoelker等人，2022年）。例如，40年前，数据限制（Karl, Diaz等人，1988年）迫使一个广泛使用的UHII模型的开发者仅基于美国的人口数据（Estrada, Botzen等人，2017年；Zhu, Zhou等人，2021年）。这一假设至今仍然存在，尽管该UHII模型现在被应用于全球范围。然而，UHI分析揭示了一个多维机制，将其与材料反照率（Sen和Khazanovich 2021年）、城市形态（Cui, Wang等人，2025年；Xue, Zong等人，2023年）和人为热排放（Manoli, Fatichi等人，2019年；Zhong, Li等人，2024年）联系起来。据我们所知，仍然缺乏一个全球范围的UHII预测模型，因为当前的UHII预测模型主要依赖于区域数据，难以捕捉潜在机制。

忽视全球变暖和UHI效应的共同作用会误导城市热浪的缓解计划，原因有几点。首先，UHI效应在超过80%的城市中放大了热浪（Yang, Xu等人，2024年）。因此，忽略UHI效应并仅依赖气候预测可能会低估未来城市热浪的风险（Estrada, Botzen等人，2017年）。其次，在这种共同效应下，驱动未来城市热浪风险的主要因素尚不清楚。目前仅依赖全球变暖的策略可能会在长期行动和成本估算上产生误导。

在这项研究中，我们解决了三个主要研究问题：（1）在不同SSP情景下，全球变暖和UHI的共同效应将如何影响未来的城市温度和热浪风险？（2）我们如何为全球城市建立一个有效的UHII预测模型？（3）城市热浪对超额死亡风险和城市火灾频率有何影响？为了回答这些问题，我们首先通过高分辨率遥感图像量化了全球1600个城市（每个城市人口超过30万）的城市和农村地区之间的温差。利用我们的全球UHII数据集、其他辅助数据集（Kii 2021；Li, Cao等人，2023年）和机制分析，我们开发了一个稳健且精确的UHII预测模型，用于全球范围的分析。我们评估了在全球变暖和UHI效应共同作用下的城市温度上升情况，并评估了相关的超额死亡风险和城市火灾频率。我们捕捉了主要由全球变暖或UHI效应驱动的城市热浪风险的空间分布，为政策制定者提供了缓解热浪风险的具体策略。

本文的结构如下。第2节描述了数据集和方法，包括数据收集、UHII估算和预测模型的建立，以及超额死亡风险和火灾频率的评估。第3节介绍了UHII的全球模式、相应的预测模型及其控制因素，以及未来的城市温度上升和相关风险。第4节讨论了我们发现的更广泛影响和政策相关性。第5节总结了主要结论并指出了未来研究的方向。

数据收集

本研究分析的城市来自联合国人口司2015年发布的全球1692个居民超过30万的城市列表。除了部分缺乏城市建成区边界数据的城市外，我们包括了所有列出的城市。最终，我们有1600个城市可供进一步分析。

来自全球气候模型的全球变暖数据集为评估最新IPCC共享社会经济情景下的全球变暖提供了依据

全球变暖和UHI的共同效应

我们发现，在全球变暖和UHI效应的共同作用下（图2d），城市温度的上升幅度显著高于仅基于气候预测的情况（图2b）。在最优的SSP1-2.6情景下，分析城市的平均温度上升了（1.8 ± 0.01）°C（均值 ± 标准误差）；考虑到UHI效应后，这一数字上升到了（2.23 ± 0.03）°C。某些城市的情况更为严重。例如，这种共同效应导致最高温度上升

讨论

我们首次量化了全球变暖和UHI对人口超过30万的城市热浪风险的共同影响。结果表明，在最佳发展路径下，尽管UHI效应提高了大多数城市的气温，但全球变暖是城市热浪风险的主要因素，而非UHI效应。我们的发现还表明，当前的气候策略未能解决这些风险

结论

本研究首次量化了全球变暖和城市热岛（UHI）效应对全球城市热浪风险的共同影响。我们的发现表明，在SSP1-2.6情景下，由于全球变暖和UHI的共同作用，城市平均温度上升了2.23 ± 0.03°C，比仅由全球变暖引起的温度上升（1.8 ± 0.01°C）高出124%。预计城市的超额死亡风险（EMR）将上升至2.2 ± 0.1%

作者贡献

概念化由LH和LS完成。方法论由LH、LS、QD、YS、YT共同开发。调查由LH、LS、QD、YS、YT共同进行。可视化工作由LH、LS、QD、YS、YT共同完成。资金获取由LS负责。项目管理工作由LS负责。原始草稿由LH撰写，QD、YS、YT、LS、XZ、JQ、ZS、ZZ、GZ、MC、SS、JT和BD进行了审阅和编辑。

数据可用性

本研究使用的数据可根据请求提供。

代码可用性

可以联系相应的作者获取进行本研究分析所需的代码。

未引用参考文献

Danabasoglu等人，2020年；Ho等人，2014年；Bi等人，2020年；Boucher等人，2020年；Mauritsen等人，2019年；Seland等人，2020年；Volodin等人，2019年；Yukimoto等人，2019年

CRediT作者贡献声明

林黄：撰写——原始草稿、可视化、方法论、调查、概念化。董启昌：撰写——审阅与编辑、可视化、方法论、调查。宋烨：撰写——审阅与编辑、可视化、方法论、调查。陶瑶：撰写——审阅与编辑、可视化、方法论、调查。史龙：撰写——审阅与编辑、可视化、项目管理、方法论、调查、资金获取。赵小青：撰写——

利益冲突声明

作者声明没有利益冲突。

致谢

本工作得到了中国国家自然科学基金（项目编号52274235）和中央高校基本科研业务费（编号WK2320000056）的支持。