探究移动网络中居民的复合热暴露情况：以重庆为例

《Sustainable Cities and Society》：Exploring Compound Heat Exposure of Pendulum Residents within Mobility Network: A Case of Chongqing

　　**摘要**
由于固定的通勤路线， pendulum 居民在白天和夜晚都面临着复合热暴露的风险，因为他们被持续的高温环境所困。传统的基于居住地的评估方法常常低估了这一风险，因为这些方法忽略了日常出行的多方向性。本研究通过采用工作-居住地流动性的视角来弥补这一不足，同时考虑了家庭和工作场所的条件，并以重庆为例进行了分析。利用手机信号数据，我们识别出了 pendulum 居民并绘制了他们的多方向流动模式。大多数 pendulum 居民集中在内环路以内的城市中心区域，形成了一个紧密连接的 intra- 和 inter-cluster 流动网络。相比之下，居住在内环路之外的居民则表现出更局部的 intra-cluster 移动模式。我们通过结合每小时平均辐射温度（MRT）和在每个地点的停留时间来模拟和计算热暴露程度。研究结果显示，超过 20% 的 pendulum 居民经历了复合热暴露——白天在工作场所面临高温，晚上在家中同样如此。Logit 回归分析进一步表明，短距离的 intra-cluster 移动以及在边缘区域的移动是导致复合热暴露的关键因素。人口统计因素（如年轻或女性）以及社区特征（如工业区的就业情况和有限的公共交通）也增加了这种暴露的可能性。总体而言，受限的移动性和较高的脆弱性显著增加了这种风险。该研究框架特别适用于具有复杂通勤模式的大型多中心城市，在这些城市中，多方向流动性导致了时间和空间上的不均匀热暴露。这些发现强调了需要制定有针对性的热缓解策略，例如改善移动性选择、提供可获得的冷却设施以及保护弱势群体。

**引言**
2011–2020 年全球平均地表温度比 1850–1900 年高出约 1.11°C，反映了更频繁、更强烈和更持久的热事件趋势（IPCC, 2023; Martinez-Villalobos et al., 2025）。长时间暴露在高温下对人类身心健康构成严重威胁，增加了心血管、呼吸系统和心理疾病的发生率和死亡率（Ebi et al., 2021; Liao et al., 2025）。在人口密集的城市中，许多 pendulum 居民在白天和夜晚都面临着复合热暴露（Ma & Yuan, 2021; Tuholske et al., 2021; Xie et al., 2022）。这与传统的关注白天热暴露的不同。夜间热浪的加剧使得 pendulum 居民几乎没有机会从热应激中恢复，增加了体温调节受损、睡眠质量下降和代谢节奏紊乱等风险（Nie et al., 2024; Wang et al., 2021; J. Wang et al., 2020）。因此，识别经历复合热暴露的居民并理解导致这种脆弱性的因素至关重要（J. Liu et al., 2025; J. Liu et al., 2024）。Pendulum 居民包括那些经常在固定居住地和工作地点之间通勤的人，如机构工作人员、公司员工和工业工人（Qi et al., 2015）。他们的日常移动受到严格限制，几乎没有机会调整日程或避开高温时段和地点（Kumakura et al., 2024; Tian et al., 2024）。结果，他们在工作场所和家中花费的时间较长，从而增加了累积的热暴露，使他们面临更高的风险（Q. Huang et al., 2025）。相比之下，具有更大空间流动性和更灵活工作安排的群体可以更容易地调整日常安排并避免高温，从而降低暴露风险（Derakhshan et al., 2023; Gu et al., 2024）。

**以往研究**
以往的研究主要依赖于基于居住地的方法来识别热脆弱群体，通常使用年龄、性别、种族和收入等人口和社会经济指标（Hsu et al., 2021; Hua et al., 2021; Sun et al., 2022）。这些研究通常将人口普查数据与监测到的空气或地表温度相结合，以评估热暴露并识别高风险群体（Xiang et al., 2022）。研究结果一致表明，老年人、女性、低收入人群和少数民族更容易受到极端高温的影响，突显了社会不平等（Mashhoodi, 2021; Shreevastava et al., 2025; Zhu & Yuan, 2023）。然而，基于居住地的方法忽略了由于工作地和居住地之间的日常移动而导致的暴露差异，限制了识别复合热暴露群体的能力（Zhang & Kwan, 2025）。这一限制在大型城市中尤为重要，因为多方向的工作-居住地流动性常常连接着具有不同热条件的不同就业中心和居住区，从而形成更复杂的热暴露模式（Jin et al., 2026）。基于位置的服务（LBS）数据的最新进展（如手机信号、社交媒体签到和全球定位系统（GPS）轨迹）为克服这一限制提供了新的机会（D. Liu et al., 2024; Liu & Hang, 2025; Liu et al., 2023; Ming et al., 2024）。其中，手机信号数据是一个有价值且广泛使用的数据集，它提供了庞大的用户基础、广泛的空间覆盖范围、最新的时间记录和高的位置精度，使得 pendulum 居民及其日常移动模式的识别更加精确（Dong et al., 2024; Li et al., 2025）。

**高分辨率数值模拟模型**
高分辨率数值模拟模型（如 SOLWEIG (Qin et al., 2025)、ENVI-Met (Ouyang et al., 2022) 和 Weather Research and Forecasting (WRF) (X. J. Huang et al., 2025)）越来越多地被用于模拟热环境，其时空细节优于传统的监测方法。例如，SOLWEIG 可以生成热辐射参数，这些参数在高达 5 米的空间分辨率和每小时的时间分辨率下更好地反映了人类的热感知。这种能力超过了来自分布不均的监测站点的粗略空气温度测量或卫星图像的低频地表温度数据（Hu et al., 2023; Y. Liu et al., 2024; Oukawa et al., 2025）。通过结合大规模的移动位置数据和模拟的温度数据，研究人员可以更有效地识别经历复合热暴露的 pendulum 居民，从而更准确地了解热脆弱性（Wu et al., 2025）。

**现有研究**
现有研究通常使用回归模型来考察影响热暴露的多种因素，包括社区特征。例如，大量的不透水面（如高反射率的屋顶和铺砌的道路）会在人口密集的地区加剧个人的热暴露（Mashhoodi & Unceta, 2024; Uejio et al., 2011; Yi et al., 2025）。缺乏冷却和遮阳设施（如蓝色和绿色空间）降低了居民应对高温的能力（An et al., 2025; Bradford et al., 2015; Liu & Hang, 2025）。然而，只有少数研究探讨了日常移动性在塑造个人热暴露中的作用。例如，Yasumoto 等人（2019）发现，工作-居住地移动的距离和方向在孟加拉国强烈影响了个人遇到的热环境，长距离的城市间旅行使人们暴露在变化较大的热条件下。Wu 等人（2025）发现，在家外的时间较长、活动范围较广以及空间熵较高都会加剧热暴露的差异。尽管有这些发现，但对移动模式对 pendulum 居民影响的关注仍然有限。这一群体大部分时间都在高温的工作场所度过，晚上回到家时环境仍然炎热，导致复合热暴露（Huang et al., 2024; Li et al., 2021）。因此，将工作-居住地流动性因素纳入热暴露模型对于理解 pendulum 居民的累积风险至关重要。

**研究综述**
文献综述揭示了几个研究空白。首先，传统的基于居住地的评估方法往往低估或高估了这些风险，因为它们忽略了日常的工作-居住地移动性（Ellena et al., 2023; Hua et al., 2021; D. Liu et al., 2024）。实际上，许多居民在白天在工作场所面临高温，这意味着这种方法常常低估了实际暴露程度。其次，主流研究主要关注基于人口和社会经济类别的脆弱群体识别，如老年人和低收入人群（Chen et al., 2021; Sun et al., 2022; Xiang et al., 2022; Zhu & Yuan, 2023）。然而，这些研究很少关注 pendulum 居民，他们由于固定的家庭-工作路线而极易受到复合热暴露的影响。识别这一群体需要同时考虑移动模式和精确的暴露条件。第三，许多研究调查了社区层面的热暴露决定因素，但对移动性相关因素（如移动距离或方向）的关注较少（Q. Huang et al., 2025; Liu & Hang, 2025; Zhang et al., 2025）。了解移动模式如何影响累积热暴露对于准确评估 pendulum 居民的风险至关重要。

**研究问题**
为了填补这些空白，本研究重点关注两个关键问题：（1）如何利用移动位置数据有效识别经历复合热暴露的 pendulum 居民？（2）工作-居住地流动性因素如何影响这一群体的复合热暴露？为了回答这些问题，我们重点研究了由多方向工作-居住地流动性塑造的 pendulum 居民的复合热暴露。首先，我们使用手机信号数据识别 pendulum 居民并描述他们的移动模式。然后，我们应用数值模拟模型来估计他们在工作场所和家中的累积热暴露，并识别面临复合风险的群体。最后，我们使用 Logit 回归模型来研究工作-居住地流动性模式、人口特征和社区特征如何影响复合热暴露，以低暴露群体作为参考类别。

**研究区域**
我们选择了中国重庆作为案例研究地点（图 1）。重庆位于长江上游，是中国西部的一个国家中心城市，具有亚热带季风气候，夏季炎热潮湿。频繁且持续时间长的热浪使其被称为中国的“火炉城市”。重庆的山地地形（由平行的山脉和交叉的河流定义）影响了其城市发展。建成区主要集中在平坦区域。

**pendulum 居民的移动模式**
图 5 展示了使用 Louvain 算法识别的 18 个城市群的空间分布。这种划分产生的空间模式与官方空间规划中的边界相似。核心社区（如渝中、观音桥、李家、沙坪坝、大阳石和南坪）形成了连续的模式，对应于传统的密集人口城市中心。相邻的北部和南部社区（包括寸滩、空港、大渡口和李家沱）也紧密相连。

**pendulum 居民的工作-居住地流动性**
研究结果表明，pendulum 居民形成了由重庆多中心城市结构塑造的多方向移动网络——这种模式在中国城市中越来越普遍（Zhou et al., 2024）。跨社区移动占总流动量的 59%，超过了 intra-社区移动，突显了跨社区通勤的主导作用。然而，不同地区的移动模式存在显著差异：边缘地区的 intra-社区流动比例较高，而核心区域的 intra-社区流动较少。

**结论**
本研究结合了大规模手机信号数据和高分辨率 MRT 模拟，识别了重庆 pendulum 居民因多方向工作-居住地流动性而产生的复合热暴露。Louvain 社区方法检测到了连续的核心社区和碎片化的边缘社区，这与城市的多中心结构一致。移动性分析表明，pendulum 居民形成了多方向和多层次的移动网络。

**作者贡献声明**
罗阳金：撰写——原始草稿、可视化、软件、方法论、调查、正式分析、概念化。
刘勇：撰写——审阅与编辑、监督、资源获取、资金筹集。
吴恒：验证、软件、方法论、数据管理。
张光宇：验证、软件、方法论、数据管理。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文的报告内容。

**致谢**
本研究得到了国家自然科学基金（42571316）的支持。