基本信息
标题
Divergence between physical and emotional heat resilience in Chinese cities
中国城市物理热韧性与情绪热韧性的分化
接收时间
2026-08-04
作者
Shiqi Zhou ( 周士奇 ) 1,2,3, Weiyi Jia ( 贾蔚怡 ) 4, Yixuan Zou ( 邹怡轩 ) 4*, Xiaodong Xu ( 徐小东 ) 4, Haowen Xu ( 徐浩文 ) 5, Hui Chen ( 陈卉 ) 6, Mo Wang ( 王墨 ) 7, Cong Guo ( 郭聪 ) 8, Bao-Jie He ( 何宝杰 ) 9, Pan Feng ( 冯攀 ) 2,10, Zhangli Hu ( 胡张莉 ) 2,10, Yongqi Lou ( 娄永琪 ) 1, Fangzheng Li ( 李方正 ) 11*, Jiaping Liu ( 刘加平 ) 2,10* & Zhiqiang Wu ( 吴志强 ) 5*
作者机构
1 同济大学 设计创意学院，中国 上海
2 东南大学 材料科学与工程学院，中国 南京
3 重大基础设施工程材料全国重点实验室，江苏省建筑科学研究院有限公司，中国 南京
4 同济大学 上海自主智能无人系统科学中心，中国 上海
5 同济大学 建筑与城市规划学院，中国 上海
6 福州大学 建筑与城乡规划学院，中国 福州
7 广州大学 建筑与城市规划学院，中国 广州
8 北京工业大学 建筑与城市规划学院，中国 北京
9 重庆大学 前沿交叉学科研究院，中国 重庆
10 重大基础设施工程材料全国重点实验室，江苏苏博特新材料股份有限公司，中国 南京
11 北京林业大学 园林学院，中国 北京
期刊
Nature Climate Change
DOI
10.1038/s41558-026-02732-8
摘要
在城市热浪日益频繁的背景下，公众情绪响应与物理热暴露水平并不总是一致，但二者之间的关系尚不清楚。本研究结合社交媒体与气象数据，量化了 2010–2024 年中国城市物理热暴露与公众情绪响应之间的错配，识别其驱动因素，并预测了不同共享社会经济路径下二者关系的演变。 结果表明， 84.9% 的城市经历了高强度情绪冲击，显著高于面临严重物理热暴露的城市比例（ 52.1% ），其中欠发达地区的情绪恢复过程尤为漫长。 物理韧性主要受社会经济与土地覆盖因素驱动，而情绪韧性对热事件的强度及特征更为敏感。 预测显示， 2025–2050 年情绪响应的下降速度将比物理热暴露快约 26% 。 本研究揭示的错配关系为制定差异化高温行动方案、应对物理与情绪脆弱性提供了科学依据。
导读
该研究基于中国 357 个城市的社交媒体与气象数据，构建物理与情绪双维热韧性框架，发现城市 " 扛得住高温 " 并不等于公众情绪 " 恢复得快 " ：情绪脆弱远比物理脆弱普遍，且情绪韧性衰退更快。研究提出热浪治理应延伸至热峰后 2.7–3.3 天的情绪恢复期。
引言
研究背景
气候变化与快速城市化正在共同推高极端高温的频率、强度和持续时间，热浪对城市居民的影响已不止于生理健康，还包括情绪波动、主观幸福感下降与心理压力累积。温室气体排放驱动大尺度背景增温，城市热岛效应又进一步抬升人口密集区的局地温度，使部分城市逼近人体热耐受阈值。 客观热环境与公众主观情绪之间可能存在显著偏离，这种物理与情绪韧性的分化是理解城市复合热风险的关键切入点。
科学问题与动机
现有热风险研究多聚焦气温、热暴露、死亡率与疾病负担，对公众情绪在热浪期间何时受冲击、何时触底、需要多久恢复，仍缺乏大范围、连续、高时间分辨率的观测。 核心问题在于物理热扰动与情绪响应是否同步、这种关系是否随地区与发展阶段而系统变化，以及未来气候与社会经济演变是否会进一步拉大二者的差距。
现有研究不足
传统韧性框架将灾害风险视为危险性、暴露度与脆弱性的静态叠加，难以刻画城市系统在冲击下的峰值强度、累积负荷与恢复时间。热暴露与情绪反应通常被分开评估，缺乏在同一事件窗口内直接比较的双维框架，社交媒体研究也多停留在情绪均值或正负面比例，较少关注热浪后的滞后响应。 经济能力能否成为极端高温下有效的情绪缓冲，仍是关键的未知。
研究目标与创新
本研究构建了事件对齐的物理与情绪双重热韧性框架， 整合 2010–2024 年中国 357 个城市的高分辨率气象数据与地理定位社交媒体数据，分别建立热韧性指数（ HGI ）与情绪韧性指数（ EGI ）。研究识别两类韧性的空间格局、长期演变与区域错配，量化热暴露对公众情绪的非线性滞后效应，解析社会经济、土地覆盖、城市形态与热事件特征的作用差异，并在 SSP1-2.6 、 SSP2-4.5 和 SSP5-8.5 情景下预测二者的协同演化。
方法
数据来源与类型
情绪数据来自 2010–2024 年约 5500 万条带地理位置的新浪微博，经筛选并与热浪事件窗口匹配后保留 2200 万条；气象数据采用 0.1° 分辨率的 ERA5-Land 逐小时再分析资料，未来温度来自 13 个 CMIP6 模式，并整合人口、 GDP 情景及城市边界、气候区、地形、土地覆盖、 NDVI 与建筑形态等数据，最终覆盖 357 个城市。
核心方法或技术
热浪识别采用 35℃ 绝对阈值与基准期 15 日滑动窗口第 95 百分位相对阈值相结合的自适应方法， 寒冷地区仅用相对阈值。微博文本以 HFL-Chinese-BERT-WWM 模型量化为 −1 至 1 的连续情绪得分， 通过快速傅里叶变换分离趋势与事件异常，从热扰动与情绪扰动曲线中提取峰值强度、恢复时间与累积扰动量，构建 HGI 与 EGI 。
研究过程或实验步骤
首先识别 10863 个热浪事件，将气象与情绪序列对齐到 25 天事件窗口并构建 HGI 与 EGI ；其次采用分布滞后非线性模型（ DLNM ），依据 AIC 在 0–7 天内选择各城市的最佳滞后日；进而利用 LightGBM-SHAP 解析驱动因素的贡献与阈值效应；最后结合 13 个 CMIP6 模式与人口、 GDP 情景预测 2025–2100 年的韧性与暴露变化，并以 Bootstrap 与蒙特卡洛模拟评估不确定性。
方法创新点或亮点
核心创新在于将客观热扰动与公众表达情绪置于同一热浪事件窗口，形成结构一致、可直接比较的双重韧性指标， 同时刻画冲击强度、累积负荷与恢复速度，实现从热暴露制图向物理防御、情绪恢复与社会经济暴露综合评价的拓展。
结果
物理与情绪韧性空间分异显著，长期演变脱钩
357 个城市的 HGI 与 EGI 均呈显著空间异质性，最高与最低十分位差距分别达 101.6% 和 96.4% ， 总体由南向北升高。 2010–2024 年， 19 个城市群的 HGI 与 EGI 明显脱钩， HGI 降幅达 45.1% ， EGI 在 2021 年触底后回升，但仍比 2010 年低 13.4% 。 同期 GDP 的情绪风险暴露增幅（ 51.5% ）高于物理热风险暴露（ 36.1% ）， 说明经济增长并未同步转化为情绪恢复能力，呈现出 " 繁荣惩罚 " 。
情绪脆弱比物理脆弱更普遍，区域错配突出
52.1% 的城市呈现高强度或慢恢复的物理脆弱特征，而 84.9% 的城市经历了高强度情绪冲击， 后者集中于长三角与东部沿海。耦合分析显示， 京津冀和山东半岛超过 55% 的城市 " 物理强而情绪弱 " ，长三角 55.9% 的城市物理与情绪双重脆弱， 长江中游 91.8% 的城市则为双重脆弱或 " 物理弱而情绪相对强 " ，更多依赖情绪适应弥补有限的物理能力。两类韧性并非线性耦合，需要差异化的适应策略。
情绪响应滞后于热峰，自东南沿海向西北内陆递增
公众情绪并不与温度峰值同步，而是在高温之后延迟出现，沿海城市化地区的最佳滞后日平均为 2.7 天，西北内陆与高原地区延长至 3.3 天， 城市地区的滞后短于农村。上海、广州的情绪下滑有限且随气温回落迅速恢复，兰州的情绪低谷则在热峰后约 3.3 天才出现，北京、重庆同样存在延长的滞后。
物理与情绪韧性遵循不同的驱动路径
物理韧性主要由社会经济（ 37.4% ）与土地覆盖（ 32.0% ）驱动， GDP 是最重要的预测变量（ 27.9% ），但经济发展与绿化改善均呈现边际效益递减。 情绪韧性则更受热事件本身影响， 热峰强度、热累积负荷与热恢复时间合计贡献 39.3% 的特征重要性，远超社会经济因素（ 18.7% ）， 热峰强度倾向于延长情绪响应，而经济能力有助于压缩滞后。
情绪韧性衰退更快，恢复失灵与暴露锁定叠加
2025–2050 年三种情景下全国平均 EGI 与 HGI 分别下降 6.3% 和 5.0% ，情绪韧性的衰退速度比物理韧性快约 26% ， 东部沿海与中部高密度城市群最先出现同步下降。 SSP5-8.5 情景下， 物理与情绪恢复时间激增 33.5%–42.7% ，超过峰值强度的增幅，韧性失灵的核心在于恢复机制的瘫痪而非冲击峰值抬高； 到 2100 年 GDP 的物理热风险与情绪风险暴露分别增加 144.0% 和 224.3% ，人口暴露增加 122.2% 和 86.2% 。
结论
城市热适应并非从物理防御到情绪恢复的线性过程
基础设施、经济与生态条件能够提升城市抵御热冲击的物理能力，却未必同步改善公众的情绪恢复， 多数城市承受的情绪冲击范围明显大于物理脆弱范围。热风险评估应将公众表达情绪的冲击、累积与恢复纳入综合韧性框架。
长期结构能力与热事件特征形成不同驱动路径
物理韧性受经济、生态与土地覆盖影响但存在适应饱和，情绪韧性更取决于热浪的峰值、累积负荷与恢复节奏。 经济发展在强化硬性防御的同时，高密度活动、快节奏与抬升的安全预期压缩了情绪修复窗口，形成 " 物理保护增强但情绪恢复不足 " 的繁荣惩罚， 发达城市更需要风险沟通等软性适应能力。
情绪滞后要求热浪治理延伸至热峰之后
负向情绪通常在热峰后 2.7–3.3 天才达到显著水平，高温预警与应急管理不应在气温回落后立即终止。 物理强而情绪弱的城市应加强热浪后的心理支持、社区联结与夜间降温服务；双重脆弱的城市则需同步改善避暑中心、遮阴步道、通风廊道与电网韧性，并定向关照老年人、户外劳动者和低收入群体。
未来风险由韧性衰退与暴露锁定共同塑造
未来热风险不仅来自背景增温，还来自人口与经济持续向高风险区域集聚的暴露锁定效应， 情绪韧性可能先于物理韧性触及软性适应极限。城市规划与公共投资应提前将热风险嵌入土地开发、电力系统与社会支持网络的决策。
局限性与展望
EGI 依赖微博数据，可能高估年轻城市用户、低估老年与农村群体的情绪扰动，也无法区分室内外环境，并可能受公共卫生措施、重大新闻等非气候冲击影响；情绪指标反映公开表达层面的集体变化，不能替代个体心理诊断。未来应整合多平台社交感知、家庭调查、室内热环境监测与人口流动数据，并与 CHARLS 、 CGSS 等纵向调查交叉验证。
重要图表
图 1. 2010 — 2024 年中国 357 座城市物理热韧性指数（ HGI ）与情绪热韧性指数（ EGI ）的空间格局及时间演变。a 、 b ，城市尺度 HGI 与 EGI 空间分布及基于 0.8 °滑动窗口的纬向变化； c ，不同城市化水平和气候区的 HGI 与 EGI 分布； d ， 19 个城市群 HGI 与 EGI 的箱线图比较； e 、 f ， 19 个城市群 HGI 与 EGI 的年度变化轨迹。
图 2. 基于数据驱动五分区类型法的中国城市物理热强度、社会情绪响应、综合韧性耦合与经济规模的交互关系。a 、 c 、 e ，分别展示物理热冲击、情绪波动及 HGI – EGI 耦合的五分区散点图； b 、 d 、 f ，展示相应类型在 19 个城市群中的空间分布。
图 3. 中国热暴露与情绪响应之间滞后效应的空间异质性。a ， 2010 — 2024 年各城市日最高气温与情绪得分之间的平均最佳滞后期（ BL ）； b ，六个代表性城市群 0.1 °网格尺度的 BL 分布； c 、 d ，四类气候区及城乡地区热浪事件前后 25 天的最高气温与情绪变化轨迹； e ，上海、北京、广州、重庆、兰州和鄂尔多斯的事件平均温度—情绪响应轨迹。
图 4. 各特征变量对物理热韧性指数（ HGI ）与情绪热韧性指数（ EGI ）的影响。a 、 d ， HGI 与 EGI 模型中各特征的 SHAP 重要性及局部效应； b 、 e ，各特征对 HGI 与 EGI 的相对贡献； c ， GDP 、高程、 NDVI 和建筑密度对 HGI 的非线性影响； f ， GDP 、热峰值强度、累积热扰动和热恢复时间对 EGI 的非线性影响。
图 5. SSP1-2.6 、 SSP2-4.5 和 SSP5-8.5 情景下热浪韧性与社会经济暴露的未来变化。a 、 b ， SSP1-2.6 、 SSP2-4.5 和 SSP5-8.5 情景下， 2025 — 2100 年多模式集合平均 HGI 与 EGI 的空间分布； c 、 d ， 19 个城市群 HGI 与 EGI 的年代际演变； e 、 f ， 1980 — 2100 年全国物理热风险与情绪风险的人口和 GDP 暴露变化。
扩展数据图 1. 城市热浪事件识别与公众情绪量化的数据处理框架。
扩展数据图 5. LightGBM 模型在 19 个城市群中的性能评估。
扩展数据图 6. 13 个 CMIP6 全球气候模式的模拟性能评估。a 、 b ，日最高气温模拟结果； c 、 d ，日最低气温模拟结果。方位角、径向距离和绿色虚线分别表示相关系数、标准差和中心化均方根误差。
扩展数据图 7. 不同气候变化情景下物理热韧性指数（ HGI ）分解指标的未来预测。a – c ，分别展示 2025 — 2100 年热峰值强度、累积热扰动和热恢复时间的 75 年平均值；各列依次对应 SSP1-2.6 、 SSP2-4.5 和 SSP5-8.5 情景。
扩展数据图 9. 不同气候情景下标准化韧性指数的未来预测（ 2025 — 2100 年）。a – i ，分别展示 SSP1-2.6 、 SSP2-4.5 和 SSP5-8.5 情景下物理热韧性、情绪韧性及其分解指标的堆叠变化；纵轴为标准化指标值。
扩展数据图 10. 气候变化背景下韧性指标的分化性时间演变轨迹。a ，物理—情绪偏差比； b 、 c ， HGI 与 EGI ； d – f ，物理热韧性分解指标； g – i ，情绪韧性分解指标。黑线表示 1980 — 2014 年历史基线，彩色曲线表示三种 SSP 情景，阴影表示 95% 不确定性区间。
免责声明
本文已获作者授权，欢迎分享与转载！
热门跟贴