1 引 言
沙尘天气是指风卷起地面尘土与沙粒，导致空气浑浊、能见度降低的一种天气现象［1］。作为一种突发性强、强度高且持续时间短的天气事件，沙尘已经成为当今国际社会面临的生态—社会—经济问题之一［2］。沙尘的频繁发生不仅对农业［3］、经济［4］、交通［5］和环境［6］造成显著影响，同时，全世界每天约3.3亿人暴露于沙尘环境中，由此引发的呼吸系统疾病及相关公共卫生等人类健康问题日益突出［7］。2024年联合国防治荒漠化公约（United Nations Convention to Combat Desertification，UNCCD）年度报告显示，全球约1/3的陆地面临沙尘威胁，年均沙尘排放量高达20亿t。其中，55%的沙尘源自撒哈拉沙漠，20%来自中亚和中东，15%源于澳大利亚和美洲，这些地区也是沙尘发生频率最高的地区［8］。然而，不同地区的人群面临沙尘的威胁强度不同，针对性的沙尘预警和资源调配等空间管控措施可以将预期风险降到最低。中国北方由于区域气候条件的差异，沙尘灾害人群健康风险分布呈现明显的空间异质性［9］。因此，准确识别沙尘强度并科学评估沙尘人口暴露风险对于制定针对性的沙尘治理和防灾减灾措施具有重要意义［10］。
中国北方沙尘灾害的研究主要集中在时空分布特征［11］、驱动因素［12］和传输机制［13］等方面。有研究基于地基观测方法对中国北方沙尘进行了识别［14］。也有研究基于统计分析和历史文献分析等手段［15］，对沙尘长时间时空演化特征进行了探究，证实了中国北方沙尘天气呈现波动下降趋势，其中新疆塔里木盆地与内蒙古阿拉善地区始终是沙尘高发区；在驱动因素方面，黄忠伟等［16］基于地理探测器方法揭示了影响沙尘灾害的主要驱动因子，指出植被覆盖度、降水、大风日数和温度在沙尘的生成和传播中起关键作用；李佳宸等［17］对比研究了2021年和2023年2次典型沙尘暴对兰州市与北京市的影响差异；Yin等［18］综合运用HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory Model）轨迹模型与CMIP6（Coupled Model Intercomparison Project Phase 6）模型成功溯源了2023年3·12特大沙尘暴的源区与气象成因，这些研究为定性和定量研究中国北方沙尘灾害提供了坚实基础。沙尘的形成与气象因素、植被情况和大气环境等因素密切相关，人类活动的影响相对有限。然而，以往沙尘研究多依赖于地面气象站点记录的沙尘天气资料和遥感影像获取的气溶胶数据［19］，忽略了温度［20］、降水［21］以及风速［22］等地理环境因素在沙尘生成和传播过程中的作用。为弥补这一不足，提升沙尘研究的全面性，基于地理学的环境相似性理论被引入沙尘研究中。该理论认为区域间地理环境的差异性是驱动沙尘强度变化的关键因素，而环境相似的区域通常表现出相近的沙尘特征［23］。通过系统分析地理环境对沙尘的影响，可以更加有效地理解沙尘形成机制。
以往关于沙尘风险评估的研究大多关注沙尘对于农作物、环境空气质量以及社会经济的影响［24］。其中，有研究表明，2021年中国北方沙尘覆盖农田降低光合作用，导致4×105 km2的农田受损，威胁到中国粮食安全［25］；同时，2022年撒哈拉沙尘通过改变土壤水分和冰川反照率加速阿尔卑斯山冰川融化和海洋酸化，影响全球碳循环［26］；在中东，每年因沙尘造成航空和能源设施的损失超过130亿美元［27］。沙尘对健康的影响研究则主要侧重于病理方面，例如沙尘损伤外部器官，并导致呼吸系统、心血管、中枢神经系统和免疫系统疾病［28］。近年来，这种研究趋势逐渐从探讨沙尘对个人健康的影响机理，转向关注不同人群在面对沙尘灾害时表现出的差异性健康风险。例如不同人群由于年龄、性别、疾病状态以及社会经济特征的差异对于沙尘灾害的抵抗能力也不同［29］，从而面临不同的健康风险。因此，探究沙尘对不同人群健康效应的区域差异并量化其健康风险研究至关重要。
综上所述，现有研究存在2个局限：第一，中国北方作为全球沙尘活动最频繁的区域之一，不同地区的人面临的沙尘灾害强度不同，但少有研究系统量化这种区域差异；第二，在风险评估方面，较少有研究考虑将人口暴露纳入到沙尘风险评估中，缺乏在宏观层面对中国北方地区沙尘人口暴露风险时空格局的定量对比研究，导致难以准确评估人群健康风险，这在一定程度上限制了区域差异化防控策略的制定。鉴于此，本文以中国北方为研究区，综合沙尘站点数据和多环境因子数据，基于地理学的环境相似性理论，利用随机森林模型进行长时序的沙尘强度高精度空间分布制图，结合人口格网数据，构建沙尘人口暴露风险指数模型。通过空间自相关分析法和土地转移矩阵方法，揭示中国北方地区2000—2020年沙尘时空分布特征和人口暴露风险的时空变化规律，研究结果可为卫生健康风险措施的制定和生态文明建设提供理论依据和数据支撑。
2 研究数据与方法
2.1 研究区概况
中国北方（73°50′~135°08′E，53°56′~31°60′N）在行政区划上涵盖北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、陕西、甘肃、青海、宁夏和新疆共13个省、自治区和直辖市，总面积约为5.3×106 km2（图1）。研究区内人口分布不均，居民大多集中在平原和绿洲地带，经济活动相较于其他地区发展水平较低。由于长期受到大陆性气候的影响，北方地区年降水量较少，成为亚洲最为干旱的地区之一［30］。当蒙古气旋或冷锋过境时，近地面气压梯度力增大，产生强风将地表松散颗粒物卷扬至空中形成沙尘天气。这一过程常伴随冷锋后部的干冷空气输送，使沙尘能够长距离扩散，几乎可以覆盖整个北方地区。以2025年春季特大沙尘事件为例，在极端大风的作用下，沙尘气团沿北路径向南扩散，影响范围达4.3×106 km2，最远传输至海南北部。此次沙尘天气导致能见度降低，空气质量恶化，对交通运输和人体健康造成不利影响。
2.2 数据来源
本文采用的数据包括：①沙尘站点数据来源于美国气象局的全球天气数据（https：//www.ncei.noaa.gov/data/global-hourly/）。该数据集详细记录了浮尘、扬尘和沙尘暴3种类型的沙尘天气事件。其中浮尘、扬尘和沙尘暴日定义为：当某一天浮尘、扬尘和沙尘暴天气出现2次或以上时，按1个出现日计算。为了确保数据的有效性和代表性，将年平均沙尘天气频率低于1天的站点剔除，最终确定175个气象站点，并统计分析浮尘、扬尘和沙尘暴的年发生日数构建沙尘强度指标。②中国北方人口密度数据来源于WorldPop（https：//www.worldpop.org/），空间分辨率为1 km。③沙尘环境影响因子数据：沙尘的形成和传输是强风、沙源和热力作用共同作用的结果［31］。研究表明，气温升高导致蒸散量增加，长期干旱条件下植被覆盖度降低，地表裸露程度增大，这种脆弱的地表为沙尘天气提供了丰富的沙源［32］。在强风作用下，加剧了沙尘的形成和发展［33］。而充足的降水可以维持植被的生长和覆盖，保持土壤的稳定性，从而有效抑制沙尘的发生。综上所述，本文根据研究区的地质环境特征和前人已有研究成果［34］，选取风速、降水量、气温、蒸散量、干旱指数、大气湿度、土地利用类型、土壤含水量以及归一化植被指数（Normalized Difference Vegetation Index， NDVI）共9个影响因子，构建沙尘环境因子指标体系（表1），并对所选指标进行多元共线性诊断。结果表明所有因子的方差膨胀因子（Variance Inflation Factor，VIF）均小于10，表明各环境因子之间不存在显著的共线性问题。
表1 环境因子数据Table 1 Environmental factor data |
| 类型 | 分辨率 | 年份 | 来源 |
|---|---|---|---|
| 风速 | 1 km | 2000—2020年 | 美国国家环境信息中心（https://www.ncei.noaa.gov/） |
| 降水 | 1 km | 2000—2020年 | 美国国家海洋和大气管理局（https://www.noaa.gov/） |
| 气温 | 1 km | 2000—2020年 | 国家地球系统科学数据中心（https://www.geodata.cn/） |
| 归一化植被指数（NDVI） | 1 km | 2000—2020年 | 美国国家航空航天局（https://www.nasa.gov/） |
| 蒸散量 | 1 km | 2000—2020年 | 国家青藏高原科学数据中心（https://doi.org/10.11866/db.loess.2021.001） |
| 大气湿度 | 1 km | 2000—2020年 | 国家青藏高原科学数据中心（https://doi.org/10.1038/s41597-024-03230-2） |
| 干旱指数 | 30 m | 2000—2020年 | 欧洲—地中海气候变化中心（https://doi.org/10.57760/sciencedb.nbsdc.00086） |
| 土壤含水量 | 1 km | 2000—2020年 | 国家青藏高原科学数据中心（https://doi.org/10.11888/RemoteSen.tpdc.272760） |
| 土地利用分类 | 30 m | 2000—2020年 | 中国土地覆盖数据集（CLCD）（https://doi.org/10.5194/essd-2021-7） |
2.3 研究方法
（1）沙尘强度：采用综合评估指标DI（Dust Intensity）对沙尘强度进行量化［35］。该指数通过标准化处理消除地域和季节差异，使不同气候区、不同时段的沙尘事件具有可比性，准确反映沙尘强度演的演变特征。研究区域涵盖新疆、甘肃、宁夏和内蒙古等典型干旱半干旱区，这些地区年均沙尘日数超过20天，具有显著的区域代表性。DI指数的应用为研究2000—2020年中国北方地区沙尘活动的时空分布规律提供了可靠的量化工具，跨区域和跨时段的适用性使其在长期沙尘强度变化研究中具有较强的实用性。其公式为：
式中：DI为沙尘强度，FD为年浮尘发生日数（d），BD为年扬尘发生日数（d），DS为年沙尘暴发生日数（d）。为显示沙尘强度之间的差异，本文根据Jenks自然断点法［36］将沙尘强度分为7个等级：2~7为极低强度，8~14为低强度，15~21为较低强度，22~35为中等强度，36~49为较高强度，50~70为高强度，71~138为极高强度。
--引用第三方内容--
（2）随机森林模型：随机森林利用Bootstap重抽样对每个样本进行决策树建模，然后组合多棵决策树得出最终预测结果。该算法因结构简单、训练速度快等特点，成为应用最广泛的监督性机器学习算法之一［37］。沙尘本质上是一种区域性空间行为，其强度受地理环境的显著影响。本文选取9个环境因子指标为自变量，沙尘强度为因变量，采用焦点统计方法将各环境因子数据提取至沙尘站点坐标位置，并统一所有指标空间分辨率为1 km，构建随机森林沙尘强度模拟模型，通过独立年建模策略分析年际沙尘强度差异。在建立随机森林模型的过程中，由于沙尘站点有限，剔除沙尘强度异常值与缺失值，共得到175条样本数据。将预处理后的数据分为80%的训练集和20%的测试集。设置500棵决策树，对于每棵决策树，由2/3的样本作为训练样本，其余的1/3作为OOB（Out-Of-Bag）验证样本，进行不同环境因子重要性排序。随后，在测试集上对建立好的模型进行留一交叉验证评估模型精度，模拟结果采用决定系数（R 2）、平均绝对误差（Mean Absolute Error，MAE）和均方根误差（Root Mean Square Error，RMSE）评估。其中，R 2代表沙尘强度模拟值与实测值之间的拟合程度，R 2越接近1代表模型的模拟精度越高，反之则越低。MAE和RMSE值越小代表模型的精度越好。
（3）沙尘人口暴露风险指数：目前，关于自然灾害的人口暴露评估已有较多研究，如PM2.5、高温和洪水，这些模型通常采用人口密度与灾害强度的乘积来评估绝对暴露水平。然而，尚未有研究提出针对沙尘灾害人口暴露风险的评估方法。由于沙尘灾害具有空间异质性高、影响范围广等特点，传统人口暴露模型难以直接适用于沙尘人口暴露风险的相对评估。为此，本文首次提出沙尘人口暴露风险指数，该指数不仅考虑局部格网的人口数量与沙尘强度，还可以直接区分某空间子单元内沙尘人口暴露相对于空间单元整体的严重程度，便于不同区域和时间的横向对比。公式如下：
式中：Ri 为格网i的沙尘人口暴露风险指数，POPi 为格网i的人口数，DIi 为格网i内的沙尘强度，n为研究区域的格网数量。Ri 越大，代表中国北方沙尘人口暴露风险越高，反之则越低。为了便于分析，将人口暴露的极高、高和较高风险统一为高风险，极低、低和较低风险统一为低风险。
（4）沙尘强度转移矩阵：本文采用沙尘强度转移矩阵方法定量分析研究区各强度沙尘面积变化特征。通过分别叠加每5年沙尘强度分布数据，构建n×n转移矩阵。基于该矩阵，计算了转移量和各类强度沙尘的净变化量，系统揭示了各类沙尘利用变化的数量特征与空间去向［38］。公式如下：
式中：s代表各强度沙尘区域面积，n代表转移前后的沙尘强度类型数，sij 表示转移前的i类强度沙尘转换成转移后的j类强度沙尘的面积，i、j（i，j=1，2，…，n）分别代表转移前与转移后的沙尘类型。矩阵中的每一行元素代表转移前的 类强度沙尘向转移后的各强度沙尘的流向信息，矩阵中的每一列元素代表转移后的j类强度沙尘面积从转移前的各强度沙尘的来源信息。
3 结果分析
3.1 沙尘强度空间模拟精度检验
为实现中国北方地区沙尘强度的精确模拟，本研究基于环境相似性理论，综合选取了包括气象条件、植被覆盖和土壤特性在内的9个环境因子，构建随机森林模型模拟2000—2020年中国北方地区的沙尘强度空间分布与变化趋势。模拟结果表明：以5年为间隔，模型的R 2分别为0.63、0.63、0.64、0.62和0.60，所有结果的统计显著性水平（p）均小于0.01（图2），显示出模型在长时序模拟中的稳定性。此外，模型的MAE和RMSE两项精度指标均低于0.1，显示出较高的模拟精度。尽管决定系数未达到较高水平，但较低的MAE和RMSE误差指标表明该模型在沙尘强度模拟中具有较高的可靠性和适用性。通过分析各环境因子对随机森林模型的贡献度，发现干旱指数具有最强的解释力，且与沙尘强度呈显著正相关，即干旱程度加剧时，沙尘强度随之增加。其次，风速和NDVI分别位列贡献度的第二和第三位。其中，风速作为影响沙尘形成、传输、扩散及沉降的关键动力因子，其重要性在模型中得到充分验证，特别是在高风速条件下，沙尘的扩散能力显著增强。此外，NDVI反映的植被覆盖对沙尘强度的抑制作用也在模型中得到体现，植被覆盖度较高的区域通常表现出较低的沙尘强度。
3.2 沙尘强度时空分异格局
3.2.1 沙尘强度空间分布特征
2000—2020年中国北方沙尘强度整体呈西高东低的空间格局，区域差异明显（图3）。2000年中国北方43%的地区受极高、高和较高强度沙尘的影响。其中，极高强度沙尘区域主要集中在新疆塔克拉玛干沙漠地区，新疆中部、内蒙古西部、甘肃河西走廊以及宁夏北部地区主要受高强度沙尘的影响，青海西北部和新疆北部主要受较高强度沙尘的影响。此外，极低、低和较低强度沙尘面积达2.5×106 km2，主要分布在青海南部、华北以及东北地区。随着“三北”防护林第4期工程的推进，沙尘强度分布格局发生显著变化。其中，新疆中部1.9×105 km2的高强度沙尘区域转化为极高强度，内蒙古西部、甘肃河西走廊以及宁夏北部4.2×105 km2的高强度沙尘区域逐渐减少并转化为较高和中等强度沙尘区域。2020年“三北”工程森林覆盖率提升至13.84%，沙漠化面积减少1.81×104 km2［39］，研究区年均沙尘强度显著下降至14.17。极高、高和较高强度沙尘区域面积缩减至5.3×105 km2，主要分布在新疆塔克拉玛干沙漠邻近地区，其余5.1×106 km2区域主要以极低、低和较低强度沙尘为主。
3.2.2 沙尘强度时间变化趋势
2000—2020年中国北方地区的沙尘强度总体呈现先升后降的趋势。2005—2015年，沙尘强度呈现波动上升趋势，2010年达到峰值30.03，随后下降至2015年的24.07，年均增速为1.9%。2020年沙尘强度进一步下降至14.17。从空间分布格局来看，沙尘强度极高值区主要集中于新疆南部地区，其峰值由2010年的181.3显著降低到2020年的93.2。为系统揭示2000—2020年沙尘土地的变化特征，本文基于极低、低、较低、中等、较高、高和极高7种沙尘强度类型，分析了其面积变化趋势和空间转换规律（图4）。结果表明，受国家生态工程实施的影响，研究区沙尘强度空间格局发生显著转变。具体表现为较高、高和极高强度沙尘区域面积显著缩减，极低、低强度沙尘区域面积明显增加。2020年极低和低强度沙尘面积累计增加183%，占区域总面积的72%；中等强度沙尘面积稳定在10%左右；较高强度沙尘面积由21%锐减至4%；高强度沙尘面积缩减最为显著，累计减少7.67×105 km2；作为面积占比最小的等级，极高强度沙尘面积由4%降至3%，共计减少3.3×104 km2；值得注意的是，较低强度沙尘区域在本次演变中呈现过渡性特征，其面积缩减达5.73×105 km2，反映出沙尘强度梯度变化的中间过程。
将沙尘区域转入和转出的地块数据进行空间分析，发现极高、高和较高强度沙尘区域向较低、低和极低强度沙尘区域进行大规模转换（图4）。其中，2000—2005年，极高强度沙尘区域分别转换为1.5×104 km2低强度和1.3×104 km2较低强度沙尘区域；高强度沙尘区域分别转换为1.1%的极低、25.1%的低和12.7%的较低强度沙尘区域；较高强度沙尘区域累计转换为1.5×106 km2的极低、低和较低强度沙尘区域。2005—2010年极高、高以及较高强度沙尘分别转出极低、低和较低强度沙尘的面积为0.4×104 km2、1.7×105 km2和1.4×105 km2。2010—2015年，转出比例分别为91%、64%和79%。2015—2020年，转出比例进一步增至63%、98.7%和98.6%。
3.3 人口暴露风险时空格局
3.3.1 人口暴露风险空间分布
2000—2020年，中国北方地区沙尘人口暴露风险的空间分布格局具有高度相似性（图6）。研究区年均沙尘人口暴露指数为47.52，其中高暴露风险区表现出明显的空间集聚特征，分布在人口密集的城市和沙尘强度高的地区。具体而言，高风险区主要聚集在5个区域： 京津冀地区［图5（d）］和陕晋南部地区［图5（e）］呈现片状分布特征，其沙尘人口暴露指数分别为7 546.8和5 666.4。值得注意的是，尽管上述区域沙尘强度相对较低，但由于人口密度较高，暴露于沙尘环境的人口基数显著高于西部地区，因此潜在灾害损失风险较大。 新疆南部地区存在3个带状分布的高风险区，包括喀什地区的喀什市、阿图什市、疏附县和疏勒县［图5（a）］，和田地区的和田市、墨玉县、洛浦县、和田县［图5（b）］以及和田地区泽普县、莎车县、叶城县［图5（c）］，其沙尘人口暴露指数分别为2 387.72、1 857.04和841.97，这些区域的高风险主要源于较高的沙尘强度。相比之下，东北地区、内蒙古、甘肃以及新疆北部等地由于人口密度相对较小且沙尘强度较弱，沙尘人口暴露风险较低。
图5 2000—2020年中国北方沙尘人口暴露风险等级图（a） 喀什市、阿图什市、疏附县和疏勒县；（b） 和田市、墨玉县、洛浦县和和田县；（c） 泽普县、莎车县和叶城县；（d） 京津冀地区；（e） 陕西和山西南部地区。 Fig. 5 Population exposure risk level of sand and dust in northern China from 2000 to 2020 （a） Kashgar City， Artush City， Shufu County， Shule County； （b） Hotan City， Moyu County， Luopu County， Hotan County； （c） Zepu County， Yache County， Yecheng County； （d） Beijing-Tianjin-Hebei region； （e） Shaanxi and the southern region of Shanxi. |
本文采用空间探索性分析方法，对2000—2020年中国北方地区沙尘人口暴露风险指数进行了全局和局部空间自相关分析（图6）。结果表明：在研究时段内，各时间截面沙尘人口暴露风险的局部空间相关类型存在一致性。中国北方沙尘人口暴露风险空间关联类型主要为“高—高”和“低—低”，这表明研究区沙尘人口暴露风险存在显著的局部正相关性。从空间分布特征来看，“高—高”聚集区在空间上呈现点状和片状共存的分布格局。其中，点状区域主要出现在城市地区，而片状区域主要集中在新疆西南部、陕晋南部以及京津冀地区。进一步分析发现，这些高风险聚集区与沙尘活动强度高值区和人口密集区空间重叠，表明沙尘强度和人口密度是影响区域暴露风险的关键因素。另一方面，“低—低”聚集区广泛分布于新疆中部、青海、内蒙古以及东北北部地区，这些区域普遍具有沙尘活动较弱或人口密度较低的特征。
3.3.2 人口暴露风险时间变化趋势
2000—2020年，中国北方地区沙尘人口暴露风险呈现显著的波动和下降趋势，区域平均沙尘人口暴露指数从2000年的926.9下降至452.8，降幅达51.1%，表明区域沙尘人口暴露风险得到有效缓解。其中，京津冀地区作为中国北方人口密度最高的区域，其沙尘人口暴露风险最为严重，2000年达到峰值11 863.1。2000—2010年，该地区的沙尘人口暴露指数从11 863.1降至9 854.8，降幅为16.9%；2010—2020年下降至4 283.8，这一变化可能与京津风沙源治理工程的实施相关。关中平原地势平坦，人口密度较大，沙尘人口暴露风险位居第二，2000—2020年快速下降至4 283.8。新疆南部作为中国北方沙尘强度最高的地区，喀什和和田南部地区表现出较高的沙尘人口暴露风险。2000—2020年，喀什南部、和田西南部以及和田东南部的沙尘人口暴露指数分别下降49.2%、53.3%和51.8%，这一显著下降趋势与塔克拉玛干沙漠阻击战等生态治理工程的实施具有显著相关性，表明区域防沙治沙措施取得了预期成效。
中国北方地区沙尘人口暴露风险整体呈现下降趋势，但不同区域和不同强度沙尘的暴露人口变化情况仍需进一步分析。从各沙尘强度暴露人口占比图（图7）中可以看出，高强度沙尘暴露人口显著减少，而低强度暴露人口相应增加。具体而言，2000年中国北方有7.6×107人生活在极高、高和较高强度沙尘环境中，56.7%的人口生活在极低、低和较低强度沙尘环境中。2010年，生活在极高、高和较高强度沙尘环境中的人口减少到1.8×107人，其中，生活在较高强度的人口数量占比降低到2.3%，6.1×106人生活在极高强度的沙尘中。2020年，北方地区的沙尘环境得到改善，暴露在各高强度沙尘环境的人口急剧减少，3.06×106人暴露在极高、高以及较高强度的沙尘中；相反，4.12×108人生活在极低、低和较低强度的沙尘环境当中。这一分布特征表明，中国北方地区绝大多数人口所受沙尘影响程度较低，仅少数人口持续暴露于高强度沙尘环境中，该结果与沙尘强度空间分布格局具有一致性。
图7 2000—2020年高风险区年均沙尘人口暴露指数图地区a：喀什市、阿图什市、疏附县和疏勒县；地区b：和田市、墨玉县、洛浦县和和田县；地区c：泽普县、莎车县和叶城县；地区d：京津冀地区；地区e：陕西和山西南部地区。Region a： Kashgar City， Artush City， Shufu County， Shule County； Region b： Hotan City， Moyu County， Luopu County， Hotan County； Region c： Zepu County， Yache County， Yecheng County； Region d： Beijing-Tianjin-Hebei region； Region e： Shaanxi and the southern region of Shanxi. Fig. 7 Annual average population exposure index of sand and dust in high-risk areas from 2000 to 2020 |
4 讨 论
本文在已有沙尘空间分布特征及环境危害研究的基础上［40］，创新构建了融合人口暴露维度的沙尘人口暴露风险评价指标体系，并基于此开展高风险区域识别研究。研究结果表明，沙尘人口暴露高风险区呈现显著空间分异特征，主要集中于京津冀与新疆和田—喀什两大典型区域，其风险形成机制存在本质性差异。京津冀地区2000年呈现较高沙尘强度等级，为应对生态安全挑战，该区域自2000年启动实施京津风沙源治理工程，通过构建多层级生态屏障体系，取得显著成效：年沙尘暴日数由治理前的15天降至0.4天，森林覆盖率提升83.7%，有效遏制了土地沙化扩展趋势。值得注意的是，在生态环境明显改善的同时，该区域人口数量呈现增长态势，从2000年的0.9亿增长至2020年的1.17亿，人口密度高达415人/km2，这是该区域沙尘人口暴露风险高的核心原因。与之形成对比的是，新疆和田—喀什地区尽管人口密度仅为28人/km2，且通过实施塔克拉玛干沙漠锁边工程建成3.04×103 km防护林带，累计造林4.7×104 km2，使沙漠扩张速率降低。但由于其紧邻塔克拉玛干沙漠，受局地环流与地表覆盖特征影响，区域沙尘强度持续维持在极高水平，这种极高强度的沙尘胁迫导致该区域沙尘人暴露风险较高。
在全球气候变化加剧、人类活动日益显著以及生态文明深入推进的背景下，中国北方沙尘暴露问题依旧十分严峻。因此，针对不同沙尘人口暴露高风险区应实施差异化防治措施。对于京津冀等人口密集地区，应完善沙尘预警发布机制，建立覆盖社区、学校和医院的预警信息网络。在沙尘高发季节，对老年人、儿童以及呼吸系统疾病患者等脆弱群体实施重点防护。同时，优化城市绿地空间布局，建设具有防风降尘功能的生态屏障［41］。相比之下，针对塔克拉玛干沙漠周边等高强度沙尘区域，应强化塔克拉玛干沙漠锁边生态工程的实施效果，增强生态系统防风固沙功能。
5 结 论
本文系统评估了地理环境对沙尘的影响，结合人口密度数据，深入分析了中国北方沙尘人口暴露风险的时空分布特征，重点聚焦于人口密集的京津冀地区及沙尘强度较高的新疆和田和喀什地区。主要结论如下：
（1）本文基于环境相似性理论，筛选9种无显著共线性的环境因子，利用随机森林模型构建中国北方沙尘强度模拟模型。2000—2020年模拟结果的R 2均高于0.6（p<0.01），表明模型精度可以支持研究区沙尘强度的研究。对模型贡献度最高的环境因子为干旱指数，其次为风速和NDVI。
（2）中国北方地区沙尘强度的空间分布总体呈现“西高东低”的格局，其中，极高、高和较高强度的沙尘主要集中于新疆、内蒙古西部、甘肃河西走廊及宁夏北部，极低、低和较低强度的沙尘广泛分布于华北平原及东北地区。沙尘强度显著下降53%，2020年累计1.9×106 km2的极高、高和较高强度沙尘区域转换为极低、低和较低沙尘区域，沙尘强度空间格局发生显著转变。
（3）中国北方沙尘人口高暴露风险区集中分布在人口密度大的京津冀、陕晋南部以及沙尘强度高的新疆和田与喀什地区。研究区沙尘人口暴露指数下降51%，其中，高风险区域沙尘人口暴露指数下降尤为显著，表明沙尘人口暴露风险在区域尺度上得到有效缓解。整体而言，暴露于高强度沙尘环境的人口大幅减少95%。与此同时，受极低、低和较低强度沙尘影响的人口比例显著上升，增幅达42.5%。
甘公网安备62010202000687
