1. 引言
1.1. 研究背景
众多气候研究表明，由于气候变化周期、温室效应等原因，全球气候变暖趋势不可忽略，在2023年3月IPCC第六次评估报告中指出，在2021年至2040年期间，全球升温预计将达到1.5℃，预示着极端高温事件将频繁发生。四川省成都市大邑县，地处成都平原向川西北高原的过渡地带，但随着城市化进程加快，大邑县又位于四川盆地西部，易形成热岛效应，故近年来饱受高温灾害的侵扰，对当地农业、电力、水利资源和人体健康等多个方面造成严重影响。
随着社会经济建设的持续进步和灾害科学研究的不断深化，从风险角度出发对自然灾害的潜在危害进行科学的评估与分析，是实现高效灾害管理和减灾策略优化的重要步骤。
1.2. 研究现状
目前国内外学者在高温灾害风险评估方面有了诸多研究成果。国外在高温气象灾害方面的研究涵盖了多个领域，包括极端高温事件的监测与分析、气候变化与高温热浪的关联研究、高温灾害风险评估与区划以及应对策略与适应性研究。Luis et al. (2016)的研究以智利圣地亚哥为例，开发了一个热脆弱性指数，这个指数综合考虑了暴露程度、敏感性和适应能力，特别适用于评估城市在高温热浪事件中的脆弱性[1]。Li et al. (2009)该研究利用信息扩散理论和聚类方法，对黑龙江省的低温、寒害、干旱和洪涝气象灾害进行了综合风险评估和区域划分[2]。Nan et al. (2022)的研究中，通过加权综合评价方法、层次分析法以及ArcGIS空间分析，对山东省干热风灾害进行了空间区划，识别出高风险区域主要集中在山东省的北中部地区，这一研究为理解高温热浪灾害的空间分布提供了有价值的参考[3]。
对于国内研究，针对所研究的具体地区，学者们通常结合当地的气候特点、地形地貌、社会经济状况等因素进行深入研究。在风险评估方面，国内学者采用了多种方法，如基于GIS技术的空间分析、模糊综合评价法、灰色关联分析等，对研究地区的高温灾害风险进行了定量评估。这些研究不仅考虑了致灾因子的危险性，还综合考虑了孕灾环境的敏感性和承灾体的易损性。此外，国内文献还关注了高温灾害对社会经济、人体健康、生态环境等方面的影响。总体来说，主要可分为包括时空分布特征、风险评估与区划，以及灾害指标和数据集研究。
部分学者研究了高温灾害的时空分布与特征分析，蔡元刚等(2018)利用REOF方法对四川省高温热浪的时空分布特征进行了分析，揭示了该省高温热浪的主要分布模式和变化趋势[4]。张平等(2018)研究了两广地区1960~2015年夏季高温热浪的变化特征，为理解和预测该地区高温灾害提供了重要依据[5]。周洋等(2018)专注于南京市高温热浪的时空分布，其研究有助于了解城市高温灾害的特点和规律[6]。郑治斌等(2020)对湖北省高温灾害的特征及其影响进行了深入分析，为地方防灾减灾提供了有价值的参考[7]。其次，一些学者对高温灾害风险评估与区划进行深入研究，马进(2012)应用皮尔逊III型概率密度模型，结合洛阳市的地理信息和土地利用数据，对该市高温灾害风险进行了区划[8]。陈楠等(2016)在GIS技术的支持下，对菏泽市高温灾害的风险进行了评估和区划，为地方政府制定应对措施提供了科学依据[9]。侯奇奇等(2021)以四川广元旺苍县为例，基于GIS技术对水稻气象灾害风险进行了评估，其中包括高温灾害对水稻生产的影响[10]。邵步粉(2013)对福建省高温灾害进行了风险评估与区划，为福建省的高温灾害预防和管理提供了重要信息[11]。张书娟等(2011)使用GIS技术对华东地区高温灾害的危险性进行了分析，为区域防灾减灾规划提供了关键数据和见解[12]。还有一些学者对于高温灾害指标与数据集研究做出了贡献，黄卓等(2011)对高温热浪指标进行了研究，提出了新的评估方法，以更有效地监测和预警高温灾害[13]。董弟文等(2021)编制了1961~2019年新疆高温热浪数据集，为研究该地区高温灾害的长期变化提供了宝贵资料[14]。这些研究不仅提升了我们对高温灾害的科学认识，还为各地制定防灾减灾策略提供了重要支持。通过综合应用不同的研究方法和技术手段，我们可以更全面地了解和应对高温灾害带来的影响。
1.3. 研究意义
综上所述，由于不同地区的自然和社会经济条件存在差异，其承载灾害的能力也各不相同。四川省成都市大邑县，一个地理人文环境独特的县级区划，对其进行高温热浪灾害区划研究具有重要的现实意义。目前，对大邑县高温灾害风险区划的研究尚未见报道，而现有的灾害风险评估多以省域为尺度，以省市作为基本评价单元，缺乏更精细的区域性研究。因此，希望通过深入研究大邑县的高温灾害风险，特别是结合其独特的雨热同期气候和丰富的旅游资源，对各乡镇的高温风险程度进行精确划分。进一步来说，对大邑县进行高温热浪灾害风险区划，还有助于将气象防灾减灾工作深入基层，实现网格化管理，为未来灾害防控提供科学的依据和技术支持，以期能够更加精准地预防和应对高温热浪灾害，确保人民群众的生命财产安全。
本文根据大邑县的高温特点，结合加权综合评价法、层次分析法、自然断点法等，在分析大邑县高温灾害发生的严重性、孕灾环境的敏感性、承载体的易损性以及防灾减灾能力的基础上建立了大邑县高温热浪灾害风险区划模型，划分风险等级，分析风险程度的地区差异以及可能机理，为有关部门进行乡镇建设、灾害管理等方面提供科学决策依据，助力大邑县乃至整个成都市构建更加安全、稳定、和谐的社会环境。
2. 资料和方法
2.1. 研究区域概况
大邑县位于四川盆地西部，地处成都平原向川西北高原的过渡地带，与邛崃山脉接壤，县域总面积广阔，拥有丰富的自然资源和人文景观。大邑县地势西北高，东南低，呈阶梯状渐次降低，依次出现山区、丘陵和平原三大地形区。其中，山区和丘陵占比较大，平原地区相对较少。
在自然资源方面，大邑县拥有得天独厚的优势，旅游资源丰富，拥有“三山一泉两古镇”(西岭雪山、鹤鸣山、雾中山、花水湾温泉、安仁古镇、新场古镇)等旅游品牌，加之位于成都半小时经济圈内，区位优势突出。
在气候方面，大邑县属于亚热带湿润季风气候区，具有四季分明、雨热同期的特点。夏季的平均气温大约在20.0℃~28.0℃之间，但由于地形地貌的复杂性，大邑县的气候在不同区域呈现出一定的差异性。山区气候较为凉爽，而平原和丘陵地区则相对炎热。特别是根据海拔的不同，低山、中山、亚高山以及高山区域的气温有着显著的差异，从低山区的年均气温7.5℃~12℃到高山区的0℃以下，体现了大邑县气候的垂直变化特点。
2.2. 资料概况
本文采用了大邑县21个气象站点2013~2023年逐日气温观测资料、大邑县基础地理数据以及社会经济资料，旨在全面分析大邑县的地域特征和经济发展水平。其中选用的2019年常驻人口、国民生产总值(GDP)、耕地面积、乡镇面积等数据来源于大邑县统计年鉴；此外，水系数据(1:50,000)来源于四川省测绘局；2019年大邑县的DEM、归一化植被指数(NDVI)、综合医院数量等数据来源于地球资源数据云(http://gis5g.com)。但由于资料来源有限，以及气象站点分布不均匀，所以本文采用反距离插值、克里金插值、自然邻域法等统计方法进行数据处理，通过交叉验证等方法来评估插值结果的准确性。
2.3. 研究方法
中国气象局规定，日最高温度35℃以上的天气为高温，持续3天以上的高温天气被称为热浪。这种天气状况不仅能够对人体健康产生威胁，还可能对动植物生态系统造成破坏，导致农作物减产，水资源短缺，以及生态环境退化等问题。
本研究主要从四个方面对大邑县的高温灾害进行风险评估与区划，综合了致灾因子的危险性(高温指标选取高温日数和年极端最高气温)、孕灾环境敏感性、承灾体易损性以及防灾减灾能力，采用层次分析法(AHP法)、高温灾害风险指数法以及加权综合评分法等，通过ArcGIS的空间叠加分析功能从空间上对大邑县高温灾害进行风险区划，以确保评估结果的准确性和可靠性。
2.3.1. 层次分析法
层次分析法(Analytic Hierarchy Process，简称AHP)是一种常用的决策分析方法，它通过将决策问题分解为不同的层次和元素，并基于定性和定量的方式进行比较和评估，以帮助决策者做出最佳选择。这种方法特别适合处理具有分层交错评价指标的目标系统，尤其是当目标值难以定量描述时。在层次分析法中，首先将问题划分为目标层、准则层、子准则层和方案层等不同的层次结构。接着，通过对不同层次中的元素进行两两比较，建立判断矩阵。然后，利用数学方法，如计算判断矩阵的特征向量，来确定各元素的权重。这些权重反映了各元素在决策过程中的相对重要性。
本文通过AHP法，采用致灾因子危险性、孕灾环境敏感性、承灾体易损性以及防灾减灾能力4个因子分层建立高温灾害风险评估体系(见图1)。通过对每个因子下的指标进行详细的分级，并基于两两比较的方法对评价指标进行评分，最终确定各影响因子的权重。
Figure 1. Disaster risk assessment system of high temperature and heat wave
图1. 高温热浪灾害风险评价体系
致灾因子危险性主要是从高温日数以及年极端高温综合考虑；孕灾环境敏感性主要从地形高程以及河网密度来考虑，地形高程会影响热量和水分的蒸发，从而影响高温的发展和传播；河网密度则与水资源的分布有关，河流水体的蒸发和流动状态会对周边地区的热量和水分产生影响，进而影响高温灾害的发生和发展；承灾体易损性体现在人均GDP、人口密度以及耕地面积上，人均GDP较高和人口密集的区域往往经济发展水平较高，对高温灾害的承受能力相对较弱，同样，耕地面积的多少也会影响到粮食生产对高温灾害的敏感程度；防灾减灾能力则考虑人均GDP、医院数量以及归一化植被指数，人均GDP高的地区可能有更多的资源用于防灾减灾，医院数量的多少直接关系到应急医疗服务的能力，归一化植被指数则反映了城市绿化水平，可以在一定程度上缓解高温带来的压力。
根据风险评估体系，采用专家打分法，将三层因子列成判断矩阵，用成对比较法和1~9标度法，对上述10个因子进行成对的重要性比较判断。专家打分法规则是1为同等重要，3为稍微重要，5为明显重要，7为极其重要，9为强烈重要；2，4，6和8为中间过渡，完成判断矩阵后需要检查其一致性。
由层次分析法原理，通过计算一致性检验指标，见公式(1)：
(1)
其中为
判断矩阵的最大特征根，n为判断矩阵元素个数。
计算得到一致性比例均小于0.1，判断矩阵通过了一致性检验，说明各因子的权重分配是合理的。进而确定各影响因子对应于目标层的权向量，见公式(2)：
(2)
其中各影响因子
均为归一化以后的值。
2.3.2. 归一化法
归一化法是一种简化计算的方式，它将有量纲的表达式经过变换，化为无量纲的表达式，从而方便进行进一步的计算和分析。这种方法主要用于归纳统一样本的统计分布性。
本文中社会经济资料采用归一化方法，利用ArcGIS中线性函数表达式(3)将各个量归一化为0~1之间的值。
(3)
式中
和
分别是转换前和转换后的值，
和
分别为样本的最大值和最小值。
3. 大邑县高温灾害风险区划和分析
3.1. 高温灾害风险区划模型的建立
根据大邑县实际情况，给出大邑县高温灾害风险区划模型：
高温热浪灾害风险区划 = f (致灾因子危险性，孕灾环境敏感性，承灾体易损性，防灾减灾能力)。
3.2. 致灾因子危险性区划和分析
高温天气是指日最高气温达到35℃以上的天气。大邑县位于成都市西部，受副热带高压影响，可能导致大邑县长时间内持续晴朗无雨，使得地面温度不断升高，导致极端高温现象的出现；此外，青藏高原冰雪融化的变化可能影响到大邑县的气候模式，尤其是在全球变暖的背景下，这种影响可能会变得更加显著；最后，大邑县地形多样，山地、丘陵和平原交织，这可能会影响气流在大邑县的分布，从而影响气温的分布模式，为极端高温的发生创造条件。
Figure 2. Inter-annual change of high temperature days in Dayi County
图2. 大邑县高温日数年际变化
Figure 3. Average number of years of high temperature days in Dayi County Meteorological Observation Station
图3. 大邑县气象观测站多年平均高温日数
Figure 4. Annual extreme high temperature change in Dayi County
图4. 大邑县年极端高温变化
由图2分析，大邑县高温日数较多的年份为2022年(30天)，且高温日数随年代的增加呈增加趋势；由图3分析大邑县各气象观测站多年平均高温日数，其中悦来和平、西岭花石、西岭、花水湾、鹤鸣同源、大邑国家站、出江香桂、出江三元场多年平均日数均小于10天，高温日数较多的气象站点为沙渠凤冠、晋原、安仁等。再结合图4分析，年极端高温是指某一年内某一个地区的最高温度达到了该地区历史上的最高纪录，是反映高温灾害的重要指标之一。它直接体现了高温灾害的强度和范围，对于评估高温灾害的影响和风险具有重要意义。在大邑县各站点极端高温的年际变化图可以看出，大邑县年极端最高气温呈现显著升高趋势，最高气温可达到42℃ (2022年沙渠凤冠)，且2020年以来最高气温均在40℃以上。
Figure 5. Spatial distribution of average high temperature days in Dayi County
图5. 大邑县平均高温日数空间分布
Figure 6. Spatial distribution of extreme high temperature in Dayi County
图6. 大邑县极端高温空间分布
作为高温灾害的2个致灾因子，高温日数(见图5)和年极端最高气温(见图6)在空间分布上呈现出基本相一致的分布趋势，且能够反映出高温灾害危险性的分布情况。需综合两者共同影响，利用ArcGIS软件进行反距离加权插值，将观测点数据插值成栅格数据，对得到的数据归一化处理，之后将AHP法得到的高温日数和日最高气温权重系数(分别为0.5、0.5)在ArcGIS中进行栅格叠加计算，并利用自然断点分级法得到高温致灾因子危险性等级分布图(见图7)。
Figure 7. Risk level distribution of heat-induced disaster factors in Dayi County
图7. 大邑县高温致灾因子危险性等级分布图
分析可见，大邑县东部地区的沙渠镇、苏家镇等危险指数为高等，说明这些地区最容易发生高温灾害，分析认为大邑县的东部则主要由平原、台地和部分低山丘陵组成，海拔一般在750米左右，尽管如此，与西部相比，东部的地形相对平坦。此外，低洼地区的气流循环可能不如高海拔地区顺畅，这也会影响散热效果，使得高温危险性相对较高。而过渡到西部山丘部分地区包括出江镇、花水湾镇等为中等危险区，其中西岭镇、雾山乡部分为低等危险区，可能是由于山地和森林的覆盖使得地面吸收和存储的太阳辐射相对较少，从而能够减缓高温的上升；同时，高海拔地区的气温本身也会相对较低，这进一步降低了高温危险性(图8)。
3.3. 孕灾环境敏感性区划和分析
Figure 8. Distribution of water system in Dayi County
图8. 大邑县水系分布图
Figure 9. Density distribution of river network in Dayi County
图9. 大邑县河网密度分布图
高温危险性区划反映了高温可能产生的空间危害程度，而实际造成的高温灾害风险的程度还与孕灾环境有关。本文主要考虑地形和水系对高温热浪灾害的作用，分别采用河网密度(见图9)和高程标准差(见图10)表示。
河网密度对于大邑县高温灾害的影响是多方面的。河网密度高的地区通常意味着地表水资源丰富同时水体蒸发量大，有助于增加空气湿度，降低地表温度。在炎热的夏季，这些水体可以提供一定的凉爽效应，减轻高温对居民生活和农业生产的影响。在大邑县地形高程标准差图中，可提取出地形的各种参数，如坡度、坡向、地形起伏度等，进而分析地形的空间分布特征和变化规律。坡度较大的地区，地表水分容易流失，植被覆盖较差，容易导致土壤干燥，进而加剧高温灾害的影响；而坡向则会影响阳光的照射程度和地表温度分布，从而影响高温灾害的风险。
Figure 10. DEM map of Dayi County
图10. 大邑县DEM图
通过将高程标准差和河网密度数据归一化后，分别赋予0.5、0.5的权重，叠加计算后得到高温灾害孕灾环境敏感性评价指标，在ArcGIS中用自然断点法将敏感性等级划分为低等、中等、较高和高等四个等级。
由图11分析可见，大邑县东南部三岔镇、安仁镇、上安镇等，高温灾害敏感性最高，王泗镇、花水湾以及鹤鸣乡部分地区等级较高，晋原镇、斜源镇大部分以及西岭镇部分地区为中等，其余北部乡镇雾山乡、金星乡等为低敏感性。
Figure 11. Distribution of disaster-induced environmental sensitivity in Dayi County
图11. 大邑县孕灾环境敏感性等级分布图
综上所述，大邑县的孕灾环境敏感性呈现出明显的地域差异，总体趋势呈现南高北低。东南部地区由于海拔低、水源不足等因素，高温敏感性较高；而北部地区虽然河网密度较低，但山脉的阻挡作用使得其孕灾环境敏感性相对较低。
3.4. 承灾体易损性区划和分析
气象灾害承灾体易损性是指承灾体(包括各类构、建筑物、人群等)在遭受自然灾害(如地震、高温、洪涝等)时，其结构或功能受到损害或破坏的可能性以及敏感程度。对于大邑县高温热浪灾害承灾体易损性主要考虑耕地比重(见图12)、人均GDP (见图13)以及人口密度(见图14)，通过将耕地比重、人口密度站点数据插值成栅格数据，进行反距离插值以及归一化处理，将人均GDP栅格数据转换成点数据再进行反距离插值以及归一化处理，进一步由AHP得到比重取为0.6、0.2、0.2。
大邑县耕地比重为东大西小，大值区位于三岔镇以东，西岭的耕地比重最小；大邑县人口密度自东向西逐渐递减，安仁镇人口密度最大，密度大于1000人/km2，且西部地区除斜源镇外，西岭镇、花水湾镇等分布较小。
Figure 12. Spatial distribution of specific gravity of cultivated land in Dayi County
图12. 大邑县耕地比重空间分布图
Figure 13. Spatial distribution of per capita GDP in Dayi County
图13. 大邑县人均GDP空间分布图
Figure 14. Spatial distribution of population density in Dayi County
图14. 大邑县人口密度空间分布图
Figure 15. Classification distribution of carrier vulnerability in Dayi County
图15. 大邑县承载体易损性等级分布图
将大邑县承载体易损性区划分为4个等级，由图15可见，斜源镇、上安镇、沙渠镇等地被划分为高易损区，中部地区的鹤鸣乡、悦来镇等被划分为次低易损区，西岭镇、花水湾镇等地被划分为低易损区，其中低易损地区可能人口密度相对较低，耕地比重适中，使得在灾害发生时能够较快地进行疏散和救援工作，减少灾害损失；而东部高易损区，人均GDP、人口密度以及耕地比重均较高，遇到高温灾害时经济损失更严重。
3.5. 防灾减灾能力区划和分析
防灾减灾能力是某地区在遭受高温灾害袭击时以及灾后的抵御和恢复能力，考虑实际情况，本文主要考虑人均GDP、归一化植被指数以及综合医院作为评价指标，并通过加权综合法得出了大邑县防灾减灾能力的综合评价结果。在权重分配上，充分考虑到各指标对于防灾减灾能力的影响程度。人均GDP (见图13)作为衡量地区经济发展水平和居民生活水平的重要指标，其权重设定为0.2098；归一化植被指数(见图16)能够反映地区的植被覆盖情况和生态环境质量，对于防灾减灾具有重要意义，其权重设定为0.5499；综合医院(见图17)则代表了地区的医疗资源配置和应急救治能力，其权重为0.2402。通过加权综合法的计算，得到了大邑县各乡镇的防灾减灾能力得分。利用GIS自然断点法，绘制了大邑县高温热浪灾害防灾减灾能力区划图(见图18)。
Figure 16. Spatial distribution of vegetation in Dayi County
图16. 大邑县植被空间分布图
Figure 17. Spatial distribution of Dayi County General Hospital
图17. 大邑县综合医院空间分布图
从图18中可以看出，大邑县防灾减灾能力的分布呈现出一定的空间差异。总体而言，县境东部和中部的防灾减灾能力普遍较强，而西部地区的防灾减灾能力相对较弱。具体来说，高等防灾减灾能力区主要集中在蔡场镇、上安镇、雾山乡等地。这些地区在人均GDP、归一化植被指数以及综合医院等方面均表现出色，以及政府在防灾减灾工作方面投入较大，建立了完善的灾害预警和应急救援体系，能够有效应对高温热浪等自然灾害。而抗灾能力较低的地区，如王泗镇和花水湾镇等。这些地区在经济发展水平、生态环境以及医疗资源等方面相对较弱，因此在防灾减灾方面存在一定的短板。
Figure 18. Level distribution of disaster prevention and reduction capability in Dayi County
图18. 大邑县防灾减灾能力等级分布图
3.6. 高温热浪灾害风险区划
Figure 19. Distribution of high temperature disaster risk index in Dayi County
图19. 大邑县高温灾害风险指数分布图
Figure 20. Risk level distribution of high temperature disaster in Dayi County
图20. 大邑县高温灾害风险等级分布图
根据AHP法得到的致灾因子危险性、孕灾环境敏感性、承灾体易损性以及防灾减灾能力，综合考虑高温风险的影响因素，运用ArcGIS对其赋予权重分别为0.3333、0.1667、0.3333以及0.1667，进行空间叠加，得到大邑县高温灾害的风险指数(见图19)，用自然断点法将其分为低等、次低、中等、次高以及高等五个等级，得到高温灾害风险等级分布图(见图20)。
总体而言，从大邑县高温热浪灾害风险等级区划图(见图20)中可以看出，总体风险等级从东往西逐渐降低。最高风险区位于晋原镇、苏家镇、三岔镇东部及其以东的县境地区。苏家镇西南部以及三岔镇以东部分地区发生高温的危险性很高，主要由于海拔较低，夏季7、8月份散热性较差，高温致灾因子占主要因素；晋原镇只有中部为高风险区则由于人均GDP较高、植被覆盖率较低等，防灾减灾能力较弱；而蔡场镇、韩场镇部分地区致灾因子危险性尽管一般但河网密度较低以及耕地比重和人口密度较高，孕灾环境敏感性和易损性高，因此高温风险高。
次高风险区位于新场镇、王泗镇、晋原以及三岔镇部分地区，致灾因子危险性较高，孕灾环境敏感性一般，尤其对于晋原镇来说，尽管易损性较低，但大部分地区防灾减灾能力较低，故高温灾害风险等级较高。
中等风险区主要位于悦来镇、鹤鸣乡、斜源镇、出江镇等大邑县中部地区，这是因为中部地区处于西部山陵向东部的过渡地带，河网密度较高，植被覆盖率较大也因此抗灾能力足够抵御高温致灾因子危险性。
低等风险区主要为县境以西的山区以及北部地区，包括西岭镇、花水湾镇、雾山乡和金星乡，以及零星地区等。西岭镇面积最大且风险最低，主要由于西岭雪山海拔原因以及滑雪场等旅游区的原因，西岭雪山作为自然保护区，动植物资源丰富，且注重自然保护，雪山地区附近自身作为冷源高温危险性极低且有相关部门保护，抗灾能力大大提高，因此风险等级低。而北部雾山乡、金星乡，主要由于地处丘陵地区，地势相对较高，有利于空气流通，同时有河流和溪流等水源，能够吸收和储存太阳辐射的热量，因此为高温灾害风险低等区。
4. 结论与展望
4.1. 结论
本文详细分析了大邑县20个乡镇近10年的地面气象观测站高温数据，通过多维度的评价体系，对大邑县的高温热浪灾害风险进行了深入的探讨，借助GIS空间叠加分析和加权综合评价方法等，对大邑县的高温灾害风险进行了初步区划。
研究结果表明，大邑县的高温热浪灾害风险在总体上呈现出自东向西逐渐降低的趋势，东部苏家镇以东地区属最高风险等级，而县境西部地区(西岭雪山附近地区)高温风险等级最低。分析受到多种因素的共同影响，包括地形海拔、河网分布、人均GDP以及耕地比重等。本文与以往以省市为基本研究单元的风险区划相比，本研究将焦点缩小至乡镇级别，显著提高了气象风险区划的精细化程度。
4.2. 存在的问题与展望
结合实际情况，本研究也存在不足。首先，由于高温灾害的成因具有相当的复杂性，本研究在精细化到乡镇级别时遇到了数据获取的挑战。具体来说，针对大邑县各乡镇的详细气象数据(如空气相对湿度等)相对缺乏，同时影响高温的社会经济数据也不够全面，这在一定程度上限制了灾害风险分析的准确性和深度。由于这些数据的限制，要实现完全定量的灾害风险分析存在较大的难度。
其次，本研究在利用地理信息系统ArcGIS软件进行空间分析时，遇到了显示比例的限制问题。而且，由于大邑县高温灾害风险区划研究的区域面积相对较小，气象数据大多来源于分布不均匀的乡镇自动气象站。为了克服这一问题，研究中多次采用了各种插值方法，但这无疑增加了GIS技术区划的难度。
综上所述，虽然本研究在大邑县高温热浪灾害风险区划方面取得了一定的成果，但仍存在诸多不足之处。未来，需要致力于进一步完善数据获取渠道，提高数据的全面性和准确性，同时探索更为先进的分析方法和技术手段，以提升大邑县高温灾害风险区划模型的精确度和实用性。
基金项目
高原大气与环境四川省重点实验室开放课题(项目批准号：PAEKL-2024-K09)。