← 健康风险 · 代表性研究
RESEARCH · 2024 · APPLIED GEOGRAPHY

给城市建成环境,找“健康阈值”

用深度学习 + 地理探测器,在非线性的环境–健康关系里,识别可写进规划的临界点

Wenyao Sun, Lan Wang (王兰)通讯, Arthi Rao, Steve Yim, Haidong Kan, Yue Gao, Surong Zhang, Catherine Ross, Bao Pingping Applied Geography · 171 (2024) 103399 · DOI ↗
环境属性 安全 ← 阈值 → 风险 解释力 PD 不透水面 阈值 > 95% 8.7% 建筑覆盖率 阈值 > 25% 21.2% 最强解释力 绿地覆盖率 阈值 < 15%(反向) 8.1% 人口密度 阈值 > 1万/km² 8.8% 绿色=安全区,红色=风险区;竖线为临界阈值。

四个可干预阈值:不透水面、建筑覆盖率、人口密度“超过”、绿地“低于”临界值时,肺癌发病显著上升;建筑覆盖率解释力最强。(基于原文 Geo-Detector 结果重绘)

4
个可干预健康阈值
21.2%
建筑覆盖率解释力(最强)
2004–2013
逐年建成环境 · 深度学习
78
上海中心城街道 · 5495 病例

建成环境影响健康,往往不是“越多越差”的直线,而是过了某个临界点才急剧恶化。可“临界点到底在哪”——一直缺一个严谨、能写进规划导则的数字。这项研究把这个数字找了出来,而且不止一个。

研究问题

建成环境与健康的关系大多是非线性、且多因素交织的;同时城市在不断更新,把建成环境当作“一张静态快照”会漏掉它逐年的累积影响。我们想回答:能不能在动态、非线性的关系里,稳健地识别出一组可干预的阈值?

数据与方法

主要发现

① 四个可干预阈值(超过、绿地为低于,肺癌发病显著上升):不透水面 > 95%、建筑覆盖率 > 25%、绿地覆盖率 < 15%、人口密度 > 1 万人/km²。其中建筑覆盖率的解释力最强(PD 21.2%),远高于其余三者(8–9%)。

② 交互效应不容忽视:“高建筑覆盖 + 低绿地”、以及“低绿地 + 高人口密度”的区域,肺癌发病最高。这意味着——同时“降覆盖 + 增绿”往往比单一措施收益更大。

③ 城市更新会“移动”风险:研究期内中心城肺癌发病率从 26.6 升到 47.6/10 万,建成环境的逐年变化与健康结果的变化方向显著相关,也重塑着健康不平等的空间分布。

规划启示

方法上的贡献同样重要:把“非线性回归 + 地理探测器”组合成一套可推广的“找阈值”流程——能在更广的环境健康研究中,把模糊的“拐点”变成可验证、可写进政策的数字。

引用本文

Sun, W., Wang, L., Rao, A., Yim, S., Kan, H., Gao, Y., Zhang, S., Ross, C., Bao, P. (2024). Detecting thresholds in the health impact of the urban built environment. Applied Geography, 171, 103399.

https://doi.org/10.1016/j.apgeog.2024.103399 ↗
← 上一篇:建成环境密度与呼吸健康 返回健康风险