Song, J., Gasparrini, A., Wei, D., Lu, Y., Hu, K., Fischer, T. B., & Nieuwenhuijsen, M. (2024). Do greenspaces really reduce heat health impacts? Evidence for different vegetation types and distance-based greenspace exposure. Environment International, 191, 108950.
https://doi.org/10.1016/j.envint.2024.108950.
文章速览
研究背景与目的
背景：虽然植被类型、人口密度和与绿地的距离与人类健康有关，但哪种绿地类型和位置最重要仍不清楚。在这种情况下，对于以投资为导向的指标存在疑问。
目的：确定哪种植被类型对改变高温与死亡的关联最为重要，以及与降低高温与死亡风险相关的总体和特定类型的绿地暴露的最佳缓冲距离是多少。
研究方法
使用香港 286 个国土规划单位 (TPU) 的每日死亡率数据和夏季 (2005-2018) 的 1 × 1 公里网格气温数据进行了小区域分析。
使用案例时间序列设计，研究了总绿地和特定类型绿地的效应修饰（Effect modification），以及不同缓冲距离 (200-4000 米) 的人口加权暴露。
通过比较每个绿地暴露指标的最低和最高四分位数之间的相对风险 (RR) 来检验效应修饰的显著性；并通过计算 RR 比率来探索效应修正的强度。
研究结果
与草地不同，树林在热-死亡关联中显示出显著的效应修饰作用。对于树林暴露指标的最低和最高四分位数，相对风险（RRs）从0.98（95%CI: 0.92, 1.05）上升至1.06（95%CI: 1.03, 1.10），p值为0.037。与最显著效果相关的最佳暴露距离约为1公里，其中NDVI的RR比值为1.424（95%CI: 1.038, 1.954），总绿地为1.191（95%CI: 1.004, 1.413），树林为1.227（95%CI: 1.024, 1.470）。在极端高温条件下，总绿地和树林的基于区域暴露与最佳距离暴露之间存在显著差异（p值 < 0.05）。
讨论
绿地，特别是附近的树林，可以显著减轻与高温有关的死亡风险。
内容精选
一、研究背景
1. 极端高温对健康的威胁和绿地的缓解作用
由于全球气候变化，极端高温事件变得越来越频繁、强烈和持续时间越来越长，对城市环境和人口健康产生了许多影响。与高温有关的死亡率和发病率是极端高温最直接和最严重的后果之一。这促使人们采取行动应对城市极端高温。基于自然的解决方案，例如城市森林、公园、街道树木、草坪、灌木和花园，统称为“绿地”，已显示出缓解气候驱动的极端事件、促进适应和恢复力以及在城市定居点背景下促进人类健康和福祉的巨大潜力。
2. 绿地降低与高温相关死亡风险的争议与理解绿地在小尺度单元中的具体作用的重要性
虽然目前有相对完善的证据表明绿地具有在全球和区域范围内降低与高温相关的死亡风险的潜力，但在当地研究中，其保护作用仍无定论。虽然一些城市内部研究表明，居住在绿化较多的地区有可能降低与高温有关的健康和死亡风险，但一些研究也报告称，居住绿地并没有降低与高温相关的死亡风险。这种变化可能取决于高分辨率数据的可用性以及统计和计算方法的设计。虽然过去的研究主要依赖于在更广泛的空间尺度上汇总的相关数据，可能忽略了精细尺度单元之间死亡风险和潜在修正因素的空间对比，但小区域分析通常具有较低的统计功效（statistical power）。重要的是，尽管城市绿化在某些城市历史悠久，但它与缓解高温策略的联系并不总是很清楚。由于后者被认为在本地制定时最有效，因此了解绿地在精细尺度单元中的确切影响对于能够在两者之间架起桥梁至关重要。
3. 益于健康的绿化推广需更多实证和可操作指导
尽管城市绿化被认为是限制极端高温对健康产生负面影响的有效策略，但关于如何最好地推广和实施这一策略仍有许多需要学习的地方。对现有流行病学研究的回顾通常得出结论，仅通过绿化城市就可以减轻高温对健康的影响。然而，城市规划者、政治家和其他参与城市绿化的人员通常需要确凿的证据来证明绿地根据特定途径对健康有益和可操作的信息，如投资风格指标。
4. 现有研究回顾和局限性总结
就现有的专业文献而言，迄今为止，大多数作者仅关注对绿地的单一简单测量，例如归一化差异植被指数 (NDVI)或绿地比例。虽然这些措施可以有效评估一个区域的整体绿地水平，但仅靠这些措施无法捕捉到绿地的全部范围，也没有考虑到可能影响与热相关的健康风险的其他因素。早期研究表明，植被类型、人口密度和与绿地的距离对公众健康有显著影响。然而，它们的具体影响尚不清楚，似乎取决于特定途径（即缓解热量）。例如，由于不同植被类型调节温度的能力不同（即树木与草地），相关的缓解热量的潜力可能会有所不同。然而，目前人们对不同类型的植被如何以及在多大程度上缓解热量对公众健康的影响还不太了解。此外，一些研究考虑使用人口加权绿地暴露或计算当地居民周围特定缓冲区大小内的平均 NDVI 或树木覆盖率百分比来更准确地评估绿地暴露。最近的一项研究还表明，街道绿化可能具有更高的抗热健康益处。更明显的效应修饰可能是因为街道绿化可以更好地代表当地居民对可访问的附近绿地的日常暴露。然而，仍在确定附近的绿地，或者更具体地说，哪种缓冲区大小最能代表将绿地与热健康风险降低联系起来的途径，以及在考虑人口分布时它究竟如何发挥作用。这些缺失的环节削弱了证据对决策者和制定对健康有积极益处的绿地政策产生影响的可能性。
5. 概述研究内容与目标
本文使用高分辨率数据和案例时间序列设计，报告了香港最小规划单位（即领土规划单位，TPU）中绿地暴露对高温死亡率关联的影响修改。作者旨在通过研究哪些植被类型对修改高温死亡率关联最重要，以及与降低高温死亡率风险相关的总体和特定类型绿地暴露的最佳缓冲距离是什么来扩展现有知识。
二、材料与方法
1. 研究设计
我们将 2005 年至 2018 年期间香港 286 个 TPU 在夏季（6 月至 10 月）的每日死亡记录与从 1 × 1 公里网格气温数据集得出的 TPU 特定每日气温联系起来。
然后拟合了一个扩展案例时间序列 (CTS) 模型，以探索区域层面的总绿地和特定类型绿地暴露对高温死亡关联的影响修正。
为了确定最佳缓冲距离，计算了距离住宅区不同缓冲距离内的人口加权绿地暴露和相关的高温死亡风险增加（考虑人口分布）。
此外，通过调查区域层面的绿地与最佳缓冲距离内的暴露人员之间的差异，比较了两组绿地暴露指标的影响修正。
2. 数据和暴露评估
1）每日死亡率、天气和空气污染数据
个人死亡数据（死亡日期、根本原因以及居住地） —— 香港政府统计处（2005-2018，6-10月）。* 为了保留足够的病例数并最大限度地提高分析的统计能力，本研究未按死因进一步分层，而是包括研究期间已知所有死亡病例的全因死亡率。
经合并整理的286 个TPU单元
每日气温和相对湿度 —— 香港总部 (HKO) 站
臭氧（O3）和可吸入悬浮颗粒物的小时浓度数据，计算日平均值 —— 香港11个监测站。
2）气温与人口网格数据集
香港每日网格气温数据，通过最高最低取平均—— 高分辨率长期 (HLRT) 每日网格数据集，1km*1km
人口密度WorldPop。平均每日温度数据通过bilinear algorithm重采样到100m，以匹配人口密度，然后通过计算与 TPU 边界相交的所有网格单元值的人口加权平均值来得出相应的 TPU 特定每日温度系列。
3）绿地暴露评估
2005-2018 所有无云30m*30m Landsat计算NDVI, 使用最大值合成 (MVC) 技术计算年度 NDVI 合成值，估计研究期间每个网格单元的平均 NDVI。通过对 TPU 边界内所有网格单元的值取平均值，可以生成长期 TPU 特定的 NDVI，用作区域级绿地暴露的代理。
2010 GlobeLand30 数据集，量化 30 米分辨率下三种绿地类型的总量和份额，包括森林、灌木和草地。* 由于香港的灌木丛很少，本研究主要关注两种特定的植被类型：森林和草地。
计算每个 TPU 中 200 米至 4 公里范围内各种缓冲距离内的人口加权暴露指标。对于基于 NDVI 的暴露指标，首先将原始的 30 米年度 NDVI 合成图重新采样为 100 米分辨率，以匹配 2005 年至 2018 年的年度 WorldPop 数据。然后，按照公式计算每个 TPU 不同缓冲区大小内的年度人口加权基于 NDVI 的暴露。在研究期间对得到的年度暴露指标取平均值，以表示特定于 TPU 的基于 NDVI 的暴露。对于基于土地覆盖图的暴露指标，首先从 2010 年的 GlobeLand30 中提取三种绿地的总数，然后提取其分项。然后在 100 × 100 米的网格上重新采样数据，以匹配同一年相应的人口数据。
4）统计分析
采用病例时间序列设计（Case Time Series, CTS）模型，适用于小范围流行病学研究。
通过条件泊松回归模型评估每日死亡与区域温度之间的关联，结合双维样条分布滞后非线性模型（DLNM），同时考虑温度-滞后关联和非线性关系。
通过引入绿地暴露指标与温度的交互项，评估绿地对高温死亡关联的效应修饰作用。
使用最低与最高四分位数的相对风险（RRs）进行对比，并通过Wald检验计算效应修饰显著性。 利用RRs比值（Ratio of RRs）量化效应修饰强度，高比值表明更强的效应修饰。通过Wald检验确定效应修饰的显著性 采用 Spearman 相关性分析，根据社会经济地位 (SES) 和蓝色空间暴露与绿地暴露指标的相关性，识别它们的潜在混杂效应。选择了年龄、教育、收入和距海岸距离等一组变量作为 SES 和蓝色空间暴露的代理变量。然后通过将每个 SES 变量和蓝色空间暴露变量作为潜在修饰符纳入单变量交互模型，并在 0-1 滞后天数包括每日相对湿度、O3 和 PM10 的每日浓度来控制其他时变变量的混杂效应，进行敏感性分析。
三、结果
1. 研究区特征
图 1. 2005年（上）和 2018 年（下）的平均人口加权夏季气温（°C），以 100 m × 100 m 网格为单位，覆盖 286 个 TPU 的边界。
表 1. TPU级别的 NDVI 和总绿地、林地和草地比例的统计摘要。
2. 不同区域绿地暴露指标对高温-死亡关联的影响
图 2 .整个夏季温度期间各区域绿地暴露指标最低四分位数与最高四分位数之间的相对风险 (RR) (上图) 和 RR 比率 (下图)，置信区间为 95%。区域绿地暴露通过 a) NDVI 的平均值以及每个 TPU 的 b) 总绿地、c) 林地、d) 草地的比例来评估。红色虚线表示极端高温 (第 99 个温度百分位数，31.2°C) 下的 RR 和 RR 比率。
3. 不同缓冲距离的人口加权绿地暴露对热-死亡关联的影响
图 3.极端高温（第 99 个温度百分位数为 31.2 °C）下，缓冲距离为 200 米至 4000 米范围内每个人口加权绿地暴露指标的最低四分位数与最高四分位数之间的相对风险 (RR) 和 RR 比率，置信区间为 95%。绿地暴露是根据人口加权指标评估的，具体包括：a) NDVI；b) 总绿地面积；c) 林地；d) 草地。
5. 相关性和敏感性分析结果
图 A4 .区域级绿地暴露指数与社会经济变量以及蓝色空间暴露变量之间的 Spearman 相关系数。
图 A5 .整个夏季温度范围内社会经济地位 (SES) 变量和接触水变量的最低四分位数与最高四分位数之间的相对风险 (RR) (上图) 和 RR 比率 (下图)，置信区间为 95%。SES 变量包括：a) 老年人 (>65 岁) 百分比；b) 受教育程度低百分比；c) 每个 TPU 的低收入百分比；d) 距离海岸 (m)。红色点划线表示极端高温 (第 99 个温度百分位数，31.2 °C) 下的 RR 和 RR 比率。
表 A2
与社会经济地位 (SES) 的每个变量和蓝色空间暴露变量的最低和最高四分位数相关的死亡率的相对风险 (RR) (95% CI)、似然检验的 p 值以及两个四分位数之间的 RR 比率 (95% CI)。
图 A61 滞后天数，置信区间为 95%。区域级绿地暴露通过 a) NDVI 的平均值以及每个 TPU 的 b) 总绿地、c) 林地、d) 草地的比例来评估。红色虚线表示极端高温（第 99 个温度百分位数，31.2 °C）下的 RR 和 RR 比率。
图 A71 滞后天数，置信区间为 95%。绿地暴露情况根据人口加权指标进行评估，具体包括：a) NDVI；b) 总绿地面积；c) 林地；d) 草地。
表 A3 .在控制 0-1 个滞后天数的每日相对湿度、O 3和 PM 10浓度的影响后，极端高温条件下区域层面和最佳暴露距离内各对绿地暴露指标最低四分位数与最高四分位数之间的相对风险 (RR) 比率，以及各对绿地暴露指标之间 RR 比率差异的 p 值。
