2024-The emergence of urban heat traps and human mobility in 20 US cities


住在更热的普查区,日常访问会不会仍落在热区里?

论文名片|Xinke Huang、Yuqin Jiang、Ali Mostafavi,The emergence of urban heat traps and human mobility in 20 US cities,npj Urban Sustainability,2024,4:6,2024年2月1日在线发表。DOI:10.1038/s42949-024-00142-3。收稿2023年6月1日,接收2024年1月16日。本文依据这一正式版。

设想二月里仍按平时出门的人,家落在这座城市地表更热的一片普查区。若热会把人推向更凉的地方,从这些家出发的访问,终点应更多出现在低热区。位置记录里反复出现的却是另一种搭配:家在高热区,访问地也在高热区。

这项研究要量的就是这种搭配在20个美国都市区里有多普遍。数据是2020年2月、疫情管控大规模改变出行之前的匿名位置,聚合到家普查区与访问普查区;热用的是全年平均地表城市热岛。它记录的是地点之间的访问结构,作者也写明,这不能直接换成一个人在户外待了多久,或气温计读到的体感。

先说结论

  • 表2的20个都市区合计16,900个普查区。高热、低热是每个都市区内部切开的相对分组。洛杉矶高热区占1,462/2,788,低热区只占351/2,788;分组后的份额并不是各三分之一。
  • 地图上的颜色是行程比例,分母是从该家普查区出发的全部行程。洛杉矶高热区之间的访问,图例最高一档是[0.76, 0.93)。中心一带,一个家的行程有七成多到九成落在其他高热区。
  • 表2的百分数是另一套分母:有这类行程的普查区,占高热区或低热区的个数。洛杉矶1,179/1,462的高热区有高热到高热的行程,表中印为0.81。这是“有没有”,不是“81%的行程被困在热区”。
  • 明尼阿波利斯170/306、达拉斯282/575的高热区有通向低热区的行程,比例图例的深色也只到大约0.14和0.17。被称为逃离的城市,单个家分给低热区的行程仍然薄。
  • 高到高与高到低两列计数在多数城市相同,因为两类行程可以来自同一批高热起点。这两列本身比不出哪一类行程更多。摘要把波士顿与洛杉矶、芝加哥并列为特别明显的热陷阱;表2里波士顿是133/343,印成0.37,结果正文把它放在低陷阱一组。

只给每块地一个热指数,会漏掉人把热带到哪里

既有热研究多半给每个地点算一个指数。人一旦从家走到别处,暴露就会离开那个地点。Fan等人曾把出行网络和空气污染叠在一起,看到移动会把污染接触延伸到热点之外。Yin等人做了随移动变化的城市热暴露指数,能把人经过的热累加起来,还没有单独抽出网络上的三种方向:高热区访问高热区、高热区访问低热区、低热区访问高热区。

这篇论文把这三种方向叫作热陷阱(heat trap)、热逃离(heat escape)和热升温(heat escalate)。后文分别称陷阱、逃离和升温。它们是家与访问地的热分组如何搭配,不是已经证明居民为了躲热而改道。

热是全年地表差,行程是二月的县内访问

地表城市热岛(surface urban heat island,SUHI)在这里取城市地表温度相对同一乡村参照的差。数据来自美国地表城市热岛数据库:遥感得到的陆表温度等资料覆盖55,871个普查区、497个城市化地区,大约对应美国78%的人口。本研究用所选都市区的年均SUHI,再用分位数间断在每个都市区内部切成低、中、高三组。分析只保留低组和高组。

图上的SUHI可以是负数。芝加哥低组的图例落到[−6.07, −0.02),表示这组地表不比乡村参照更热。图例没有印出单位,正文也不把色标直接读成个人暴露了多少度。作者写明,地表温度与气温在白天可以关系很弱,风、湿度和地表材料都会插手,所以SUHI不宜直接换算成人体感受到的热。

出行来自Spectus(原Cuebiq)的汇总位置。平台在美国约有1,500万日活跃用户;这个数是平台规模,正文没有给出20个都市区各自纳入了多少设备或多少次行程。家普查区按停留时长认定,再把一个月内从家到访问普查区的访问次数连成网络。节点是普查区,连线权重是观察到的行程数。

这套数据不含跨县行程。一个都市区通常跨多个县,县与县之间的上班、购物不会进入网络。留下来的是县内的家到访问地联系。作者选2020年2月,是因为这是疫情大规模改变出行之前的一个月,用来代表平时的移动;这个选择本身没有证明二月的访问等于夏季最热那几天的行为。

三个名字,对应的是家和终点各属哪一组

每个家普查区先数三类行程,再除以从该家出发的全部行程。家在低热区时,升温比例等于前往高热区的行程除以该家全部行程。家在高热区时,逃离比例等于前往低热区的行程除以该家全部行程,陷阱比例等于前往其他高热区的行程除以同一分母。中热区不进入这三类的分子;终点若落在中热区,行程仍留在分母里,所以三类比例加起来不必等于1。

城市标签的写法是:某一类行程若超过该城市行程的一半,就把城市标成相应类型。表2实际印刷的百分数,分母却是普查区个数。后文会看到,最后一列标签也不能用“超过一半”从这些百分数里唯一复原。

完整原论文图1

图 1|家和访问地的热分组怎样配出三种方向?

无字母子图。示意把普查区画成六边形,颜色从高热、中热、低热到没有城市热。升温是低热的家前往高热访问地,逃离是高热的家前往低热访问地,陷阱是高热的家前往另一块高热访问地。这张图是概念示意,四档颜色并不等于后面地图所用的三组数据切分。来源:原论文 Fig. 1。

洛杉矶和芝加哥:高热家的行程大量仍指向高热区

洛杉矶2,788个普查区中,高热区1,462个,表中印为0.52;低热区351个,印为0.13,主要在北侧和东侧。图2A的三档SUHI是[−6.29, 0.22)、[0.22, 2.96)、[2.96, 5.78)。深色连成大片,浅色贴着北缘和东缘。

图2B只给低热起点上低到高的比例。北侧较深,正文写到0.22至0.35;图例最深一档是[0.22, 0.36)。图2C给高热起点上高到高的比例,图例从[0.30, 0.54)画到[0.76, 0.93)。1,179/1,462的高热区有这类行程,表中为0.81。中心的深色意味着,对这些家来说,全部行程的七成多到九成终点仍在高热区。图2D的高到低比例整体落在0到0.11,西北和西南相对高的一截是0.05到0.11,图例最深只到[0.05, 0.12)。逃离在这张图上是薄薄一层,陷阱才是大份额。

完整原论文图2

图 2|洛杉矶的高热区之间,访问比例能有多高?

(A)年均SUHI分三档,深色为高组。(B)低热家前往高热区的行程比例,颜色越深比例越高,最深一档[0.22, 0.36)。(C)高热家前往高热区的比例,最深一档[0.76, 0.93),集中在中部。(D)高热家前往低热区的比例,最深一档[0.05, 0.12)。未着色的普查区不在该面板的起点范围内。区间左闭右开。来源:原论文 Fig. 2。

芝加哥1,923个普查区中,高热区945个(0.49),低热区301个(0.16)。图3A的高组从2.65画到5.68,沿密歇根湖一侧堆在一起;低组可以低于乡村参照。图3B的低到高比例,湖岸一侧正文记为0.17至0.24,图例最深一档是[0.17, 0.25)。图例第二档印成[−0.09, 0.13),与第一档重叠,浅色几档不宜当成一条干净的递增刻度。

图3C的高到高比例从0.44画到0.92,最深一档[0.79, 0.92)在中部;西侧也聚成一团。739/945的高热区有这类行程,印为0.78。图3D的高到低比例正文写0到0.13,东侧较高的一截是0.08到0.13,图例最深到[0.08, 0.14)。芝加哥的高比例陷阱比洛杉矶更收成一块,两座城市的共同点是:高热家的行程份额主要留在高热区,而不是改去低热区。

完整原论文图3

图 3|芝加哥的陷阱是连片的,还是只在市中心?

(A)SUHI三档,高组沿湖聚集,低组图例含负值。(B)低到高比例,最深一档[0.17, 0.25);第二档与第一档在图例上重叠。(C)高到高比例,最深一档[0.79, 0.92),中部最深,西侧成片。(D)高到低比例,最深一档[0.08, 0.14)。来源:原论文 Fig. 3。

波士顿和亚特兰大:有陷阱行程的高热区更少

波士顿947个普查区中,低热区264个(0.28),高热区343个(0.36)。图4的图注写成高热区占38%,与表2的343/947不一致,下面用表2。高热区主要聚在中部。低到高比例在图上是0.04到0.19,图例画到[0.12, 0.20),而且只有10/264的低热区出现这类行程。

高到高比例的图例从[0.30, 0.48)到[0.77, 0.91)。一旦某个高热家被涂上颜色,它自己的行程仍有不少落在高热区。城市之间的差别在于有多普遍:高到高的普查区是133个,高到低是128个,表中两个百分比都印成0.37。133/343远低于洛杉矶的1,179/1,462和芝加哥的739/945。高到低的图例很扁,最深只到[0.01, 0.03),还有上下端相同的档,色阶几乎没有拉开。正文把波士顿和亚特兰大写成低陷阱;摘要又把波士顿和洛杉矶、芝加哥并列。就“多少高热区出现了高到高行程”这个表2指标,波士顿站在低的一端。

完整原论文图4

图 4|波士顿是陷阱不普遍,还是行程比例也低?

(A)SUHI三档,高组集中在中部;图注写高热区占38%,表2为343/947。(B)低到高比例,四档都低,最深[0.12, 0.20)。(C)高到高比例仍可到[0.77, 0.91),但只有约三分之一的高热区进入统计。(D)高到低比例最深仅[0.01, 0.03),部分档的两端相同。来源:原论文 Fig. 4。

亚特兰大885个普查区中,低热区280个(0.32),高热区186个(0.21),是六座详图城市里高热区份额最低的一座。低到高比例为0.01到0.16,出现在37/280的低热区。高到高比例为0.37到0.87,图例最深[0.71, 0.88),75/186的高热区有这类行程,印成0.40。高到低比例为0.01到0.12,图例最深[0.08, 0.13),比波士顿厚一些,仍远小于这些家留在高热区的份额。

完整原论文图5

图 5|亚特兰大的高热区更少之后,访问有没有散出去?

(A)SUHI三档,高组占186/885。(B)低到高比例最深[0.10, 0.17),只覆盖13%的低热区。(C)高到高比例最深[0.71, 0.88),有这类行程的高热区占75/186。(D)高到低比例最深[0.08, 0.13)。来源:原论文 Fig. 5。

被称为逃离的城市,低热访问仍只占该家行程的一小截

明尼阿波利斯683个普查区中,低热区120个(0.18),高热区306个(0.45)。低到高比例为0.03到0.34,出现在31/120的低热区。高到高比例正文记为0.41到0.86,图例最深一档到[0.74, 0.87)。高到低比例为0.01到0.13,图例最深[0.08, 0.14),出现在170/306的高热区。56%这个数的分母是高热普查区:过半数高热区至少有一些去低热区的行程。对单个家,这截行程只占大约一成或更少。

完整原论文图6

图 6|明尼阿波利斯的逃离,是行程的一半还是普查区的一半?

(A)SUHI三档,高组占306/683。(B)低到高比例最深[0.26, 0.35)。(C)高到高比例,正文范围为0.41到0.86,图例最深到0.87。(D)高到低比例最深[0.08, 0.14),有这类行程的高热区为170/306。来源:原论文 Fig. 6。

达拉斯1,122个普查区中,低热区110个(0.10),高热区575个。正文写高热区约占50%,图注和表2为0.51,575/1,122。高热区分成多团。低到高比例为0.07到0.28,出现在42/110的低热区,图例最深[0.21, 0.29)。高到高比例为0.39到0.82,图例收到[0.71, 0.83)。高到低比例为0.00到0.16,图例最深[0.08, 0.17),出现在282/575的高热区。

正文拿明尼阿波利斯、达拉斯去比波士顿的37%和亚特兰大的24%。波士顿的0.37可以对应表2的高热区比例;亚特兰大的24%在表2里对不上0.21、0.32或0.40。下面不把24%当作结果。两座城市能够稳住的读法是:大约一半高热区出现了去低热区的行程,单家比例的上限仍在0.16附近。

完整原论文图7

图 7|达拉斯有更多高热区连向低热区,份额是否因此变大?

(A)SUHI三档,高组分散成多团,占575/1,122。(B)低到高比例最深[0.21, 0.29)。(C)高到高比例从[0.39, 0.52)到[0.71, 0.83)。(D)高到低比例最深[0.08, 0.17),有这类行程的高热区为282/575。来源:原论文 Fig. 7。

二十座城市放进同一张表时,百分数在数普查区

下表按论文表2抄录。高热、低热的百分比,分母是该都市区全部普查区。低到高的百分比,分母是低热区个数。高到低、高到高的百分比,分母是高热区个数。百分数是表中印出的舍入值,计数是表中的分子。波士顿两列分子为128和133,百分比都印成0.37;匹兹堡为168和169,都印成0.88。罗切斯特的高热区百分比在表中印作.0.50,对应102/206。

都市区 普查区 高热区 低热区 低热区中有低到高行程 高热区中有高到低 / 高到高 表中分类
Atlanta, GA 885 186(0.21) 280(0.32) 37(0.13) 75 / 75(0.40) trap
Boston, MA 947 343(0.36) 264(0.28) 10(0.04) 128 / 133(0.37) trap
Chicago, IL 1,923 945(0.49) 301(0.16) 168(0.56) 739 / 739(0.78) trap
Columbus, OH 340 155(0.46) 67(0.20) 21(0.31) 155 / 155(1) escalate & trap
Dallas, TX 1,122 575(0.51) 110(0.10) 42(0.38) 282 / 282(0.49) trap & escape
DC 179 56(0.31) 49(0.27) 49(1) 56 / 56(1) escalate & trap
Denver, CO 581 218(0.38) 98(0.17) 5(0.05) 96 / 96(0.44) escape
Detroit, MI 1,158 658(0.57) 183(0.16) 31(0.17) 408 / 408(0.62) trap
Houston, TX 908 434(0.48) 130(0.14) 86(0.66) 402 / 402(0.93) trap
Los Angeles, CA 2,788 1,462(0.52) 351(0.13) 284(0.81) 1,179 / 1,179(0.81) escalate & trap
Memphis, TN 221 93(0.42) 51(0.23) 50(0.98) 93 / 93(1) escalate & trap
Miami, FL 1,206 514(0.43) 232(0.19) 97(0.42) 291 / 291(0.57) escalate & trap
Minneapolis, MN 683 306(0.45) 120(0.18) 31(0.26) 170 / 170(0.56) escape
Orlando, FL 299 99(0.33) 58(0.19) 26(0.45) 88 / 88(0.89) escalate & trap
Philadelphia, PA 968 279(0.29) 274(0.28) 20(0.07) 238 / 238(0.85) trap
Phoenix, AZ 893 327(0.37) 165(0.18) 157(0.95) 326 / 326(1) escalate & trap
Pittsburgh, PA 599 190(0.32) 203(0.34) 99(0.49) 168 / 169(0.88) escalate & trap
Portland, OR 334 178(0.53) 58(0.17) 25(0.43) 106 / 106(0.6) escalate & trap
Rochester, NY 206 102(0.50) 17(0.08) 12(0.71) 102 / 102(1) escalate & trap
Seattle, WA 660 200(0.3) 155(0.23) 97(0.63) 120 / 120(0.6) escalate & trap

16,900个普查区里,高热区合计7,320个,低热区合计3,166个,两组之外还剩6,414个。最后这6,414个对应未进入三类行程分子的中热区。因为高低组是各城市自己的相对名次,把20城的高热区个数加总,只说明有多少普查区被标进本组,不说明它们共享同一条温度线。

休斯敦的低到高是86/130,印成0.66,分类只写trap。迈阿密的低到高是97/232,印成0.42,分类却是escalate & trap。明尼阿波利斯的高到高同样是0.56,分类只写escape。达拉斯两列都是0.49,低于方法里说的一半,分类写成trap & escape。讨论把逃离主要举在明尼阿波利斯、把升温主要举在洛杉矶,又说没有多少城市出现逃离或升温。表2的分类列比这两句话宽得多。读城市类型时,以能回算的普查区计数和地图上的行程比例为准,分类词只当作作者给出的标签。

正文还说,补充表里空间结构、设施分布、收入和种族隔离与热陷阱没有统计上的显著关系,并由此把热陷阱看成不能归因于设施中心性或人口构成的涌现现象,推测人们更常去熟悉的地方。正文没有列出这些检验的统计量。涌现和熟悉地点是作者的解释,不是行程比例本身。

这些数停在什么地方

行程比例与普查区热分组是一起出现的结构,研究没有安排一组人改变目的地,所以不能把它读成“热导致了路径选择”,也不能读成“路径选择制造了地表热”。二月的访问叠在全年平均热岛上,回答的是冬天的终点落在全年哪一档;作者自己也提醒,芝加哥这类城市在冬天可能更愿意去相对暖的地方,而冬季白天的SUHI不在本次分析里。

跨普查区的移动还不等于站在户外。人可以进入更热的普查区,同时待在有空调的室内。空调拥有率没有进入计算。目的地没有停留时间,通勤、办事和短暂经过会被收成同一种访问。手机样本里,儿童、青少年、老年人和未贡献位置的较低收入者更少出现;作者用Spectus既有研究里的代表性作部分回应,正文没有给出这20城重新加权后的人群构成。县内网络还会漏掉都市区内部的跨县通勤。中热区被留在分母里,高低两组的对比也不是全部行程的分割。

一句话总结

日常访问有没有把高热区居民送出热区?在这20个都市区的县内行程里,更站得住的证据是高热家的访问仍大份额落在高热区;被称为逃离的地方,主要是更多高热普查区出现了一小截去往低热区的行程。

核心来源

  • npj Urban Sustainability正式版,核对题目、作者、2024年2月1日在线发表信息与表2。图1至图7均出自该版。
  • 美国地表城市热岛数据库论文,Chakraborty等对SUHI、普查区覆盖和人口比例的说明。Spectus行程需向数据方申请,代码向通讯作者索取;正文没有公开20城的设备数或行程总数。
  • 2023年预印本题为 Emergence of Urban Heat Traps from the Intersection of Human Mobility and Heat Hazard Exposure in Cities。预印本只用来核对作者当时自署的身份,数值和图以正式版为准。

作者介绍

三位作者在正式论文中均署名为德州农工大学Zachry土木与环境工程系。贡献说明来自论文,身份以正式署名和可核对的机构页面为准。

  • Xinke Huang:参与概念、方法、结果分析和撰稿。预印本自署为该系博士生,正式版未列头衔。
  • Yuqin Jiang:通讯作者,参与方法、结果分析和撰稿。正式论文的通讯邮箱为yuqinjiang@txstate.edu。夏威夷大学马诺阿分校地理与环境系页面列她为助理教授,研究用空间大数据理解人类移动和人地互动,并写明2022至2023年在德州农工大学该系做博士后。
  • Ali Mostafavi:参与概念、方法、撰稿和指导。德州农工大学工程学院页面列他为土木与环境工程系教授,研究方向包括城市韧性、网络与复杂系统、城市计算和灾害信息学。

延伸思考

以下是 AI 基于论文结果所作的延伸,不属于原论文结论。

若把高热从“本市前排”改成一条固定的热岛温差,20个标签可能会重排。现在亚特兰大的高组只占186/885,底特律的高组占658/1,158,两组都叫高热,地表差的起点却各自不同。规划若直接移植城市标签,会把相对名次当成同一种热危险。值得先把SUHI按同一数值门槛再切一次,看洛杉矶中部那种0.76以上的行程比例还留在哪些城市。

另一个算法是给普查区按行程份额排序,而不是按“有没有这类行程”贴城市标签。洛杉矶中心色阶里,一个家的行程有76%到93%落在高热区;明尼阿波利斯被标成逃离,单家高到低的深色也停在0.14附近。用后一个标签去决定哪里该增加凉地点、哪里已经在自我缓解,会把“少数行程碰到低热区”当成“热暴露已经卸掉”。

同一张二月网络还可以改接到夏季白天的地表热岛,并与各普查区的空调拥有率对照。冬天落在全年高热区的终点,很多可能是工作地,人一进入室内,终点的热岛就不再是停留剂量。没有停留时长以前,深色陷阱标出的是访问的目的地结构;它提示该去哪些常访热区看荫凉、公交和室内制冷,还不是该地居民已经多承受了多少热。


文章作者: 猴猴猴
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 猴猴猴 !
  目录