新闻与事件

​设计学报·技术 | 利用社交媒体数据评估并解释大都市湿热暴露，助力气候适应性城市建设

背景

全球​气候变化与快速城市化叠加背景下，湿热暴露（HHE）已成为威胁公共健康与城市可持续性的重要问题。传统评估模型依赖静态人口数据，忽视居民动态访问行为对暴露风险的累积效应，导致风险低估和成因解释不足。此外对于湿热暴露的缓解，以往案例反映了两种不同的治理理念：一种侧重于技术环境解决方案，另一种强调社会行为适应。这种二分法也反映在学术辩论中。核心问题是：对于极端高温事件，城市应该优先考虑改变建筑环境还是重塑人类行为？“环境改造学派”主张通过优化建筑材料反照率和增加水体和绿地来减少热辐射。相比之下，“行为调节学派”认为，高密度城市应该更多地关注优化活动模式（例如交错可访问时间），以减少湿热暴露对人类的影响。因此，当务之急是确定不同城市区域湿热暴露的主要驱动因素，以便制定符合建筑环境特征和人类活动模式的特定环境湿热缓解和适应策略，从而提高城市可持续性。

​以上海为代表的特大城市人口流动性高、城市结构复杂，亟需更精准的评估工具和差异化干预策略。该研究创新提出“概率－程度－访问频次（PIV）湿热暴露评估模型”，通过融合来自社交媒体的访问数据与多源环境数据，破解了传统评估方法在动态暴露量化、驱动机制解析和评估精准性三大领域的核心瓶颈，为高密度城市应对极端湿热气候提供了创新解决方案。

 从静态评估到动态行为与湿热环境的耦合

1. 理论模型创新——重构湿热暴露评估范式

• 打破传统框架局限性：突破“热应力－社会脆弱性－暴露”静态模型的局限，首次将居民时空行为动态性（POI访问频次）与环境累积效应（湿热概率×程度）耦合，构建PIV三维评估体系，使暴露评估更加准确；

• 突破数据方法论：创新运用社交媒体POI访问数据（大众点评2018—2024年250亿条评论）替代传统人口普查数据，首次实现“访问目的可解释性”（商业/公共服务/休闲访问分类），解决了移动信令数据“有轨迹无意图”的痛点。

2. 机制解析创新——揭示行为与环境非线性交互规律

• 发现“双主导路径”：通过随机森林与Bootstrap中介分析，首次量化商业访问贡献率超40%（图5），证明在中心城区人类行为驱动＞湿热环境驱动，而郊区反之，颠覆了“环境决定论”认知；

• 识别关键阈值效应：采用限制性立方样条（RCS）发现：绿地面积占比（G-PLAND）＜11.75时反而加剧暴露（城市中心区常见），而水体面积（B-PLAND）＞2.99后湿度效应抵消降温收益（图8）。此外，POI质量提升存在拐点（边际效益递减定律），为设施优化提供量化依据。

3. 规划应用创新——提出“风险－行为－设施”三级干预体系

• 风险分级管控：将上海214个街道划分为8类风险区（HHH、HLL等），并提出“双高区”（13.99%街道）需行为疏导+环境改造双重干预（如外滩商圈在湿热缓解的同时可以实行动态定价等疏导策略）；

• 设施供需匹配算法：使用供需不匹配指数发现部分郊区降温设施缺口大于城市中心，这提示了城市中心“风险－弹性”共存的现象；而居民对人工的偏好率达85.07%，提示大都市的湿热适应方案并不应该局限于自然设施。

提出了一种用于评估湿热暴露的累积、可归因模型。

比较了环境和访问对湿热暴露的贡献。

确定了访问点和景观指数对暴露的影响机制。

量化了居民偏好设施的供需匹配水平。

A cumulative, attributable model for assessing hot-humid exposure has been proposed.

Contributions of environments and visitation to exposure were compared.

Identified impact mechanisms of visiting points and landscape indices on exposure.

Quantified the supply-demand matching level of resident-preferred facilities.

快速的城市化和气候变化加剧了湿热暴露 （HHE），威胁着上海的公共卫生和环境可持续性。访问是指城市居民到达特定区域。使用静态数据的传统暴露评估忽略了重复访问模式，从而低估了暴露风险。本研究利用来自社交媒体的 POI 访问数据提出了一种新的概率－程度－访问频次（PIV）模型，将累积的气候影响与访问相结合，以评估暴露并制定缓解和适应策略，解决三个关键限制：累积影响、主观偏差和可解释性。本研究使用随机森林、限制性样条曲线 （RCS）和 Bootstrap 重采样，探讨了影响因子与 HHE 之间的贡献、影响路径和关系。结果显示，城市中心出现了两个极端高风险区，而郊区的中等风险区正在扩大。访问对 HHE 的贡献超过 40%，超过了湿热环境指标，其中生活商业类访问是最重要的驱动因素。此外，景观模式指数通过湿热环境和访问双重途径影响暴露水平，显示出非线性效应和阈值回应。来自问卷的调查显示，85.07%的人更喜欢人工纳凉设施，在郊区、农村和新开发地区这些设施表现出了更多的供需不匹配。该研究利用来自广泛使用的社交媒体（大众点评）的数据来支持 HHE 评估，提出了通过优化访问点和景观规划（例如，高峰热时段的动态定价，以及考虑绿地密度和边缘配置）来缓解 HHE 的策略，以及通过补充设施来适应 HHE，为北亚热带季风气候的可持续发展提供可行的指导。

关键字：气候变化；湿热暴露；人类行为；可访问点格局指数；景观格局指数；供需匹配

Rapid urbanization and climate change have intensified hot-humid exposure (HHE), threatening public health and environmental sustainability in Shanghai. Visitation refers to the arrival of urban residents in a specific area. Traditional exposure assessments using static data underestimate risks by ignoring repeated visitation pattern. This study leverages POI visitation data from social media to propose a novel Probability-Intensity-Visitation (PIV) model, integrating cumulative impacts of climates with visitation to assess exposure and develop mitigation and adaptation strategies, addressing three critical limitations: cumulative impacts, subjective biases and interpretability. Using Random Forest, Restricted Cubic Spline (RCS) curves, and Bootstrap resampling, this study explores the contribution, pathways and relationships between impact factors and HHE. Results reveal that two extreme high-risk zones in the urban center and medium-risk zones expanding in suburban areas. Visitation contributes over 40% to HHE exceeding environmental conditions with lifestyle and commercial visitation being the most significant drivers. Landscape pattern indices also influence exposure levels through both environmental and visitation pathways, showing nonlinear effects and threshold responses. Surveys indicate 85.07% preference for artificial cooling facilities, highlighting a supply-demand mismatch, particularly in suburban, rural, and newly developed areas. The study utilizes data from a widely used social media (Dianping) to support HHE assessment, proposes strategies for mitigating HHE through optimized visiting points and landscape planning (e.g., dynamic pricing during peak heat hours, along with considerations for green space density and edge configuration), as well as adapting to HHE by supplementing facilities, offering actionable guidance for sustainable development in the Northern Subtropical Monsoon Climate.

Keywords: Climate change; Hot-humid exposure; Human visitation; Visiting points pattern indices; Landscape pattern indices; Supply-demand matching、

图 1. 按照城乡梯度和LCZ聚类划分的研究区域及上海市行政区划

图 2. 研究框架

图 3. 湿热概率、湿热程度、访问和湿热暴露的空间分布

图 4. 上海市街道湿热暴露风险级别的空间分布

图 5.  PIV 模型的3个指标和3种访问类别对湿热暴露的相对贡献

图 6.  潜在影响因子对湿热暴露的相对贡献

图 7. 潜在影响因子对湿热暴露影响的中介效应检验结果

图 8. 潜在影响因子和湿热暴露之间的限制性样条曲线

图 9.  湿热暴露适应设施供给水平的空间分布

图 10. 湿热暴露适应设施供需匹配水平的空间分布

引用格式：

Guo, Y., Shen, X., Qin, Y., Che, S., Wei, M., & Wang, L. (2025). Mitigating and adapting to extreme climate: Developing a novel assessment model for unexplained hot-humid exposure in metropolitan areas. Sustainable Cities and Society, 127, 106432. https://doi.org/10.1016/j.scs.2025.106432