龙卷风影响与建成环境：综合风险—暴露与空间建模度量指标的开发

《Geographies》：Tornado Impact and the Built Environment: The Development of an Integrated Risk-Exposure and Spatial Modeling Metric Mehmet Burak Kaya, Onur Alisan, Eren Erman Ozguven and Ren Moses

　　

龙卷风对社区与建成环境构成日益增长的威胁，然而，现有研究较少量化建成环境的空间特征如何与社会和经济因素相互作用，并共同影响龙卷风冲击。本文提出一种综合度量指标，将龙卷风风险与暴露相结合，用于评估局地化灾害影响。研究以佛罗里达狭长地带（Florida’s Panhandle）为对象，考察住房密度与可负担性、网络连通性、城市形态效率，以及人口统计与社会经济属性如何在美国人口普查街区组（CBG）尺度上塑造龙卷风影响。为处理空间自相关与空间非平稳性，研究比较了5种统计模型，包括全局与局地空间回归模型。结果表明，多尺度地理加权回归（MGWR）最能有效捕捉龙卷风影响的空间异质性。建成环境与住房可负担性因素显示出明显的空间异质性——智能区位指数（smart location index）和住房成本负担（h_ami）在Tallahassee附近及Pensacola部分区域的CBG中与龙卷风影响呈正相关——这表明，在区位效率较高、暴露高度集中的城市区域中，且住房可负担性压力可能限制防灾准备与灾后恢复时，龙卷风影响会被放大。相较之下，网络密度与关键集聚区的影响呈负相关，这与以下观点一致：更高密度且冗余性更强的道路网络可通过提供应急通行与恢复的替代路径，降低树冠加权中断（canopy-weighted disruption）。总体而言，这些发现有助于深化对建成环境如何影响龙卷风暴露的理解，并为寻求提升社区抗龙卷风能力的规划者与政策制定者提供关键启示。

本文发表于《Geographies》，聚焦龙卷风灾害影响评估中一个长期存在但尚未充分解决的问题：既有研究多分别考察龙卷风危险性、历史发生记录或社会脆弱性，却较少在统一框架下刻画“危险—暴露—建成环境”之间的耦合机制。研究背景在于，近几十年来龙卷风在美国造成持续性人员伤亡、财产损失与社会扰动，而随着人口增长、建成环境扩张以及气候变化相关因素的叠加，未来风险可能进一步升高。尤其值得注意的是，风险不再仅取决于龙卷风气候本身，还越来越取决于人口与住房如何在空间上分布、道路网络如何组织、植被覆盖如何影响次生破坏，以及不同社区的社会经济承压能力如何作用于灾害后果。因此，研究人员开展此项研究，旨在弥补传统龙卷风研究偏重危险性或既往事件、而较少衡量局地暴露与建成环境空间特征综合作用的不足。

在问题层面，论文明确指出三类局限。其一，单纯使用历史龙卷风记录或风险分布，难以解释不同社区为何会承受不同程度的实际影响，因为同等危险下，暴露对象规模与空间组织方式并不相同。其二，全局模型如普通最小二乘法（OLS，ordinary least squares）难以处理空间自相关与空间非平稳性，容易掩盖不同区域变量作用方向与强度的差异。其三，关于建成环境因素——如住房密度、可负担性、城市形态效率、道路网络冗余——如何具体塑造龙卷风影响，现有量化证据不足。基于此，研究人员以佛罗里达狭长地带为案例区，构建综合龙卷风风险、暴露和环境损害潜势的新型影响指标，并借助空间计量模型比较不同方法对龙卷风影响空间异质性的解释能力。

研究的核心工作首先体现在指标构建上。研究人员没有直接以单一危险度或历史损失作为结果变量，而是提出“龙卷风影响”度量：先以核密度估计（KDE，Kernel Density Estimation）计算龙卷风风险分布，再将树冠覆盖度纳入校正，构建树冠加权龙卷风强度（CWTI）；随后再以已入住住房单元数表征暴露，对CWTI进行放大，得到最终的龙卷风影响指标。这一做法的逻辑是，研究区大量龙卷风损害与树木倒伏、碎片阻塞、道路中断等树冠相关破坏有关，因此仅用龙卷风发生概率不足以反映真实冲击；同时，若不纳入住房暴露，也无法体现同样危险度下建成环境承灾规模的差异。由此，论文将危险性、植被相关脆弱性与建成环境暴露整合为一个更贴近局地影响的结果变量。

方法概括：研究以佛罗里达狭长地带人口普查街区组（CBG）为分析单元，整合美国人口普查局TIGER边界、2019年美国社区调查（ACS）、Smart Location Database、住房与交通可负担性指数（H+T Affordability Index）、风暴预报中心（SPC）1980年后龙卷风轨迹数据及2021年树冠覆盖数据。采用核密度估计（KDE）生成龙卷风风险面，利用分区统计计算各CBG平均风险与树冠覆盖，并构建树冠加权龙卷风强度（CWTI）及龙卷风影响指标。变量筛选通过前向选择与方差膨胀因子（VIF）检验完成；模型上比较OLS、空间滞后模型（SLM）、空间误差模型（SEM）、地理加权回归（GWR）和多尺度地理加权回归（MGWR），并以Moran’s I、LM检验、Breusch–Pagan检验、AICc与调整后R²评估模型表现。

研究结果部分围绕若干小标题展开，并逐步论证为何MGWR是最合适的解释框架。

4.1. OLS Results
OLS结果作为全局基线模型使用。该模型中若干解释变量达到统计显著，但诊断结果显示其关键假设并不成立。残差Moran’s I为0.37，且p < 0.001，表明模型残差仍存在显著空间自相关；Breusch–Pagan检验亦显著，说明存在空间异质性或方差非恒定问题。由此可见，单纯全局非空间模型无法充分解释龙卷风影响在研究区内的空间结构，后续必须引入空间回归或局地模型。

4.2. SLM Results
空间滞后模型（SLM）作为全局空间基准模型。其空间滞后参数ρ具有统计显著性，估计值ρ = 0.55，说明相邻CBG之间的龙卷风影响存在明显空间溢出效应，即一个区域的影响水平与邻近区域并非独立。SLM的残差Moran’s I为?0.02，p = 0.24，表明其已较好消除了空间自相关。然而，Breusch–Pagan检验仍显著，说明即便考虑了空间依赖，区域内变量关系仍存在非平稳性，亦即不同地区并不服从同一组固定参数。论文因此指出，SLM虽然优于OLS，但仍不足以刻画研究区复杂的空间异质性。

4.3. MGWR Results
为同时处理空间自相关与空间非平稳性，研究人员采用MGWR作为最终模型。与GWR相比，MGWR允许不同变量具有不同带宽，从而在不同空间尺度上估计其作用。研究发现，若干变量具有明显的局地尺度特征，如SLC Score、network density、h_ami和P_Pop_65；而JPHH、R_PCTLOWWA和P_HH_no_int则更接近全局尺度；P_Pop_nonwhite、P_HH_below_poverty和P_Vacant_house则位于中观尺度。这一结果表明，龙卷风影响的驱动因素并非在整个区域内以单一空间尺度发挥作用，而是呈现多尺度嵌套特征，这也是MGWR优于GWR和全局模型的重要依据。

在显著性分布上，JPHH与P_HH_no_int拥有最高比例的显著局地参数，其后为network density和P_Pop_nonwhite。方向上，SLC Score、h_ami和P_Pop_nonwhite与龙卷风影响呈正相关；JPHH、network density、P_Pop_65、P_HH_no_int和P_Vacant_house则表现为负相关。论文特别强调，不同尺度下这些变量的符号整体保持一致，差异主要体现在作用强度与空间分布，而非关系方向逆转。

4.3.1. Urban Form and Affordability (SLC and h_ami)
在城市形态与可负担性方面，SLC系数在Tallahassee附近以及通向Pensacola的部分CBG中显著为正。这意味着在区位效率较高的城市区域——通常具有更高人口密度、更复杂土地利用和更好的公共交通可达性——龙卷风影响更强。住房可负担性指标h_ami同样在两个邻近城市的空间集聚区中显著为正，显示当家庭承受更高住房成本负担时，龙卷风影响会被放大。研究据此总结，城市形态效率高的地区往往集中了更多暴露对象，而住房成本压力可能进一步削弱家庭在灾前准备和灾后恢复中的能力，因此二者在空间上叠加，会使龙卷风影响在特定城市化区域更加突出。

4.3.2. Transportation Connectivity and Canopy-Weighted Disruption
在交通连通性方面，network density在两个空间集群中表现出显著负系数：一处位于西部狭长地带，包括Escambia及Santa Rosa部分地区；另一处位于内陆更广泛区域，自Bay–Washington及Holmes部分地带向东延伸至Tallahassee周边，包括Leon、Wakulla和Jefferson部分区域。由于研究构建的龙卷风影响指标中已显式纳入平均树冠覆盖作为加权项，因此这种负相关可解释为“树冠加权中断”路径：在树冠较高区域，风致倒木与碎片更易造成道路阻塞和公用设施损坏；若道路网络稀疏、冗余不足，则局地阻断会更易导致隔离、延误应急进入和恢复物流，进而抬升影响。相反，道路网络更密集的区域由于存在替代路线，可降低对少数关键通道的依赖，从而减轻局部中断对整体系统的冲击。论文据此认为，提高道路网络冗余与通达性，尤其是在高CWTI且网络稀疏的内陆集群区，是降低龙卷风影响的重要规划方向。

4.3.3. Digital Access (P_HH_No_Internet) as a Vulnerability Planning Signal
关于数字可达性，P_HH_No_Internet在MGWR中体现为全局尺度变量，且总体上与龙卷风影响呈负相关。论文明确指出，这一结果不能被解释为“缺乏互联网接入具有保护作用”，而更可能反映一种情境代理效应，即无互联网家庭比例与乡村性及暴露结构高度相关。在控制建成环境和社会经济协变量后，其统计方向可能发生变化。研究人员因此将其视为一种规划信号：在这些区域，虽然未表现出密度驱动的高影响，但可能同时面临物理连接与数字连接薄弱的问题，应通过NOAA气象广播与社区外展等替代通信方式提升灾害信息传递和救助可及性。

4.4. Model Comparison
模型比较结果进一步支持MGWR作为最终模型。以调整后R²、AICc和Sigma-Squared MLE衡量，MGWR明显优于SLM和OLS：MGWR的调整后R²为0.70，显著高于SLM的0.32和OLS的0.28；其Sigma-Squared MLE为0.30，也优于SLM的0.51和OLS的0.72。在残差空间独立性方面，SLM和MGWR均优于OLS，二者残差近似随机分布。尽管SLM在残差随机性上略优于MGWR，但由于其仍存在显著空间异质性，因此并未被选为最终模型。论文在此得出关键方法学结论：当研究对象同时存在空间依赖与多尺度非平稳性时，MGWR比传统全局模型更适合解释龙卷风影响的空间格局。

讨论部分的核心在于，龙卷风影响并非仅由气象危险决定，而是由建成环境、交通连通性、住房可负担性、人口社会属性与植被背景共同塑造。研究通过综合指标和多尺度空间回归表明，不同因素在不同区域和不同空间尺度上以不同强度发挥作用，这对于规划实践具有直接意义。首先，靠近Tallahassee和Pensacola的区位效率高、住房压力大的区域，应优先推进抗风改造、经济适用或租赁住房韧性提升，以及避难设施可达性优化。其次，在高树冠覆盖且道路稀疏的内陆地区，道路冗余、关键生命线通道维护、植被管理和应急绕行方案是降低影响的关键。再次，互联网接入不足地区需要强化非宽带依赖的预警与恢复信息渠道。整体而言，论文将龙卷风影响理解为一种空间耦合结果，而不是单一危险暴露的线性投影。

论文也谨慎指出研究局限。由于2010—2022年的损害记录与1980—2022年的历史龙卷风数据在时间上不一致，研究未能将实测损害直接并入所提指标；此外，佛罗里达狭长地带虽历史上龙卷风少于得州和俄克拉何马州等传统高风险区，但东南部龙卷风活动增强的证据提示其风险上升，而该区域仍研究不足。这些限制并未削弱研究的主要发现，反而说明未来应继续在不确定性框架下检验该指标，并拓展至其他龙卷风易发区以比较其可迁移性与适用性。

研究结论部分可概括翻译如下：本文提出了一种结合暴露、危险性与环境损害潜势的新型龙卷风影响指标，从而更完整地表征龙卷风如何影响建成环境。基于该指标，研究人员分析了佛罗里达狭长地带人口统计、社会经济、交通与建成环境特征对龙卷风影响的作用。由于数据存在空间自相关与非平稳性，研究比较了多种空间模型，结果表明MGWR最适合捕捉这些效应。研究发现，空间结构与建成环境条件对龙卷风影响具有显著塑造作用，说明需要采用空间敏感的规划与韧性策略。随着龙卷风风险向人口增长且基础设施老化的地区扩展，应尽早更新建筑标准、优先配置减灾投资并强化社区准备能力；当前加强建成环境韧性，对于降低佛罗里达狭长地带及类似新兴风险区未来的龙卷风影响具有关键意义。