海得拉巴热死47人背后：同一座城市，两种死法|海得拉巴热|瓦米|脆弱性

2023年夏天，印度海得拉巴连续三周气温突破45°C。卫星图上一片橙红，全城"均匀受热"——但死亡数据却画出了一张完全不同的地图：47例热相关死亡中，超过70%集中在5个特定网格区域。这些区域的气温，其实只比全城平均高1.2°C。

温度不是凶手。温度撞上谁，才是。

1. 当热成像骗了所有人

传统城市热研究有个惯性：打开卫星遥感图，哪里最红哪里就是"高危区"。海得拉巴市政部门2022年的热行动计划（HAP）就是这么做的——把绿化预算砸向地表温度最高的工业区，结果当年热死亡率反而上升12%。

问题出在"温度暴政"的盲区。研究团队对比了两个典型1公里网格：Grid-A（市中心商业区）和Grid-B（城郊非正规居住区）。卫星显示Grid-A地表温度48.3°C，Grid-B仅46.1°C。但Grid-B的热死亡风险评分（HRS）是Grid-A的2.7倍。

Grid-B的居民住在铁皮棚屋里，人均绿地面积0.3平方米，最近的健康中心在4公里外。Grid-A的写字楼有中央空调，地下停车场直连地铁，街角就是私立医院。同样的热，撞上了不同的身体和社会系统，输出完全不同的伤亡数字。

热风险不是气象学问题，是基础设施的暴露学问题。

研究团队用开源地理空间数据重建了海得拉巴的"热脆弱性地形"。他们没再预测温度——那已经是卫星的强项——而是量化"温度会造成多大伤害"。核心公式粗暴但有效：热风险评分（HRS）= 环境暴露 × 社会脆弱性 × 适应能力缺口。

三个维度全是可干预的杠杆点。这比"哪里热种哪里树"的治理逻辑精细得多。

2. 1公里网格里的社会断层线

模型把海得拉巴切成625个1公里网格。每个网格塞进12层数据：建筑密度、植被覆盖、地表反照率、贫困率、识字率、医疗资源可达性、空调普及率、工作类型（户外/室内）、住房材料、供水稳定性、电力中断频率、老年人口比例。

数据清洗后，一个反直觉的模式浮现：社会脆弱性变量的权重，在夜间热风险中比白天高出40%。

白天，户外工作者暴露在高温下，但城市有某种"集体视线"——路人、雇主、媒体都在关注。夜间，热应激是沉默的。非正规住房的通风设计差，电力不稳定导致风扇时断时续，独居老人没有呼叫渠道。2023年海得拉巴的热死亡中，61%发生在晚10点至早6点，而市政的冷却中心只在白天开放。

研究团队在论文里放了一张对比图：同一个网格，白天的HRS是0.42（中等），夜间飙升至0.78（极高）。颜色从黄变红，不是因为气温升高，而是因为社会支持系统下线了。

「我们过去把热行动计划做成气象响应，但它应该是社会基础设施的 stress test（压力测试）。」研究负责人、印度科学研究所（IISc）城市气候研究员阿努·拉马斯瓦米（Anu Ramaswamy）在邮件里写道，「温度预警发给有智能手机的人，但高危人群往往没有。」

3. 可解释性作为政治工具

这个模型有个刻意的设计选择：不用黑箱机器学习，用可解释的加权叠加。每个网格的HRS可以拆解，能指着具体图层说"这里出问题是因为医疗可达性得分为0.2"或"那里是因为建筑密度过高导致通风失效"。

这在市政厅里很重要。海得拉巴副市长2024年3月的内部会议记录显示，模型输出被用来反驳一个提案：某开发商计划在城郊高密度住宅区新建数据中心，承诺"带来就业和税收"。规划署用HRS图层叠加后指出，该区域已是夜间热风险前10%的网格，数据中心的冷却系统排热将进一步恶化微气候，而现有电网无法支撑额外负荷。

提案被搁置。可解释性在这里不是技术洁癖，是分配正义的谈判筹码。

模型还暴露了一个尴尬事实：海得拉巴现有的22个冷却中心，有14个位于HRS最低的网格——也就是最不需要它们的地方。这些选址依据的是"人流量大"和"现有政府建筑可用"，而非脆弱性数据。研究团队建议重新部署6个中心，预计可覆盖当前遗漏的73%高危人口，成本为零，只需调整运营地点。