背景由于全球氣候變化,1880-2012年期間全球平均溫度升高了 0.85℃,全球幾乎所有地區(qū)都經(jīng)歷了氣候增暖,根據(jù)中國氣象局對我國氣溫監(jiān)測報告,1960-2015年我國氣溫也顯著升高。氣候變化導致的極端熱事件在全世界范圍內頻繁發(fā)生,已有大量研究結果證實了熱對人群健康的影響。而熱對于死亡的影響和風險在不同人群、不同區(qū)域存在差異,這表明不同地區(qū)熱的脆弱性是不同的。所以評估不同區(qū)域的熱脆弱性,了解各區(qū)域對熱的承受和應對能力,識別熱脆弱地區(qū)與脆弱人群,對于適應氣候變化有切實意義。目前,國外有很多國家和地區(qū)開展了熱脆弱性評估的研究,有效的識別了研究地區(qū)內的脆弱性地區(qū)和脆弱人群,而我國也有部分地區(qū)開展了熱脆弱性評估,但是缺乏覆蓋全國大范圍的熱脆弱性評估,對于大部分地區(qū)的熱脆弱性情況還是未知。目的本研究通過對熱脆弱性指標的調研,初步建立我國熱脆弱性指標體系;同時建立全國范圍區(qū)縣尺度的熱脆弱性指數(shù)評估我國熱脆弱性,并分析熱脆弱性空間分布特征;根據(jù)地區(qū)熱脆弱性特點,針對不同地區(qū)和人群提出有針對性的政策建議以及有效防護措施。方法本研究通過查閱相關文獻并歸納總結以往研究中使用的熱脆弱性評估指標,再結合我國... 

【文章來源】：中國疾病預防控制中心北京市

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

圖３熱脆弱性評估研究技術路線圖??第二章方法??

圖５隨機森林模型決策樹數(shù)量圖??隨機森林模型中納入變量的個數(shù)需要通過反復測試來確定，測試結果顯示，??當每次納入模型參數(shù)為１６個時，Ｒ平方達到最大０．８５，均方根誤差（Ｒｏｏｔ?Ｍｅａｎ??Ｓｑｕａｒｅ?Ｅｒｒｏｒ，?ＲＭＳＥ）最小為３６．５６，所以納入模型的變量數(shù)為１６個。??（４）建立預測模型??通過上述步驟確定模型參數(shù)后，建立預測空調數(shù)據(jù)的隨機森林模型，具體模??２８??

空調數(shù)據(jù)進行預測，并將空調預測值與真實值進行比較。為了檢驗模型的穩(wěn)定性，??我們將驗證步驟重復十次，并做空調真實值與預測值的線性回歸和直方圖來驗證??模型的準確性，真實值與預測值線性回歸方程決定系數(shù)（Ｒ２）達到０．８３?（圖６），??同時直方圖（圖７）顯示兩者一一對應結果較好，所以我們可以用該模型進行全??國空調數(shù)據(jù)的預測。??４００－??？?＾??－２００?？?％??？??〇?＾?？?？?＊??０?１００?２００?３００??ｐｒｅｄｉｃｔ??圖６空調真實值與預測值線性回歸方程檢驗圖??２９??

【參考文獻】：
期刊論文
[1]哈爾濱市高溫熱浪健康風險早期預警系統(tǒng)運行效果評估[J]. 蘭莉,林琳,楊超,梁巍.  中國公共衛(wèi)生管理. 2016(04)
[2]北京市高溫熱浪脆弱性評價[J]. 張明順,王義臣.  城市與環(huán)境研究. 2015(01)
[3]基于居民健康的城市高溫熱浪災害脆弱性評價——研究進展與框架[J]. 謝盼,王仰麟,彭建,劉焱序.  地理科學進展. 2015(02)
[4]2013年上海夏季高溫熱浪超額死亡風險評估[J]. 杜宗豪,莫楊,李湉湉.  環(huán)境與健康雜志. 2014(09)
[5]有序加權平均算子權重確定新方法及其應用[J]. 王小楠,徐迎軍,尹世久.  聊城大學學報(自然科學版). 2014(02)
[6]基于脆弱性的高溫熱浪人群健康風險評估研究進展[J]. 李湉湉,杜艷君,莫楊,杜宗豪,黃蕾,程艷麗.  環(huán)境與健康雜志. 2014(06)
[7]空間多準則決策研究概述[J]. 方芳,梁旭,李燦,熊紫倩.  測繪科學. 2014(07)
[8]氣候變化背景下上海市溫度熱效應死亡風險預估[J]. 郭亞菲,李湉湉,程艷麗,葛覃兮,陳晨,劉凡.  中華預防醫(yī)學雜志. 2012 (11)
[9]氣候變化健康脆弱性評估[J]. 朱琦.  華南預防醫(yī)學. 2012(04)
[10]熱浪對人體健康的影響及其研究方法[J]. 談建國,黃家鑫.  氣候與環(huán)境研究. 2004(04)



本文編號：3284486