摘要 明確暴露度的概念定義、指出關(guān)于暴露度的不同分類和研究暴露度的原因。通過分析指出：國外暴露度的研究內(nèi)容主要為暴露度的空間分布模式和變化原因；國內(nèi)對暴露度的研究主要集中在災(zāi)害和極端氣溫、降水下的經(jīng)濟、人口暴露度等；還有對居民通勤、城市邊緣區(qū)、山區(qū)農(nóng)業(yè)和生態(tài)領(lǐng)域開展暴露度研究；學(xué)者從傳統(tǒng)城市暴露度研究轉(zhuǎn)向社會生態(tài)系統(tǒng)、人地耦合系統(tǒng)暴露度等研究范疇；最后對未來暴露度的研究提出了展望。

關(guān)鍵詞 暴露度；城市；氣候變化；綜述

中圖分類號：R122.21 文獻標(biāo)識碼：B 文章編號：2095–3305（2023）02–0169–04

暴露度是系統(tǒng)經(jīng)歷外界壓力或沖擊的程度，反映受干擾或脅迫程度的參數(shù)[1]。也是指暴露在致災(zāi)因子影響范圍之內(nèi)的承災(zāi)體（如人口、房屋、道路、室內(nèi)財產(chǎn)等）數(shù)量或價值，是災(zāi)害風(fēng)險存在的必要條件[2]。IPCC《管理極端事件和災(zāi)害風(fēng)險，推進氣候變化適應(yīng)》特別報告（SREX）將暴露度定義為“人員、生計、環(huán)境服務(wù)和各種資源、基礎(chǔ)設(shè)施以及經(jīng)濟、社會或文化資產(chǎn)處在有可能受到不利影響的位置”[3]。關(guān)于暴露度的分類，主要有人口暴露度、經(jīng)濟暴露度、農(nóng)作物暴露度和耕地暴露度等[4-6]。近年來，還有對極端降水、極端高溫事件導(dǎo)致的道路暴露度變化的研究[7-8]。致災(zāi)因子的危險性、暴露度和脆弱性的大小，在一定程度上決定了極端事件能否構(gòu)成災(zāi)害。因此，計算并分析暴露度的大小是評估災(zāi)害風(fēng)險的重要環(huán)節(jié)。已有國內(nèi)外學(xué)者開展了對極端干旱、極端降水事件暴露度的研究[9]。

1 國內(nèi)外研究現(xiàn)狀

1.1 國外研究現(xiàn)狀

國外對暴露度的研究多致力于特定外部背景下某一區(qū)域的暴露度，如地震、洪澇、颶風(fēng)等災(zāi)害和全球氣候變化等，George等[10]認(rèn)為暴露度和應(yīng)對能力（再細(xì)分為抵抗力、恢復(fù)力）一起，構(gòu)成了組成脆弱性概念的元素。Polsky等[11]提出了VSD（暴露—敏感—適應(yīng)）模型，將暴露度作為評估系統(tǒng)脆弱性的一個重要標(biāo)準(zhǔn)。Stewart等[12]指出外部努力、防洪減災(zāi)計劃的實施和民眾意識的增強顯著減少了類似1997年加拿大馬尼托巴州紅河洪水等大規(guī)模洪水事件的人口暴露度。Ayugi等[13]基于CMIP6模式，使用極端降水指數(shù)，分析了東非人口在全球升溫1.5℃和2.0℃情景下的暴露度，指出在SSP 2.0～4.5情景下，區(qū)域暴露度變化受人口影響大于氣候影響，而在SSP 5.0～8.5情景下則相反。Jongman等[14]采用2種不同的損失評估方法，對1970—2050年間全球經(jīng)濟遭受河流和海岸洪水的風(fēng)險進行了初步評估。根據(jù)人口密度和人均國內(nèi)生產(chǎn)總值，估計2010年和2050年全球河流和海岸洪水總暴露度，并指出1970—2050年間最大的絕對暴露度變化分布在北美和亞洲，增幅最大分布在北非和撒哈拉以南的非洲，與總?cè)丝谠龇啾?，居住在高暴露度區(qū)域內(nèi)的人口有更大幅度的增長。Tellman等[15]使用高分辨率的衛(wèi)星圖像數(shù)據(jù)，評估2000—2018年913次大洪水事件的洪水范圍和人口暴露情況，指出受洪水影響的人口暴露度將進一步增加。Founda等[16]對雅典國家天文臺（NOA）百年時間尺度的歷史氣候記錄進行分析，并與之前的熱浪記錄進行對比，強調(diào)了2021年雅典高溫的罕見性和特殊性，并使用全球熱氣候指數(shù)（UTCI）進一步評估了高溫對人類的影響，該研究指出了該地區(qū)氣候風(fēng)險的關(guān)聯(lián)性，強調(diào)城市熱島效應(yīng)進一步導(dǎo)致了高溫人口暴露度的增加。Runde等[17]利用從全球馬賽克區(qū)域氣候模擬（REMO2015）計算的自校準(zhǔn)帕爾默干旱指數(shù)，對全球升溫1.0～4.0 ℃的區(qū)域干旱程度進行量化，指出極端干旱暴露度隨氣溫升高而增加，在中國和巴西這兩個糧食大國，從升溫1.0～2.0 ℃，耕地干旱暴露度將增加4～13倍，而當(dāng)升溫3.0 ℃時，受到干旱影響的耕地將達(dá)到全國耕地總量的1/3左右?？傮w而言，國外對暴露度的研究內(nèi)容主要為暴露度空間分布模式和影響暴露度變化的原因。

1.2 國內(nèi)研究現(xiàn)狀

國內(nèi)對暴露度研究起步較晚，從已發(fā)表的研究成果看，對城市暴露度的研究主要集中在災(zāi)害和極端天氣事件下的經(jīng)濟暴露度、人口暴露度等范疇。景丞等[18]基于中國1960—2014年771個大型氣象站點的降水資料，以R95p（異常降水總量）作為當(dāng)?shù)氐臉O端降水閾值，通過改進Andreadis等[19]構(gòu)建的“嚴(yán)重程度—面積—持續(xù)時間”（Severity-Area-Duration，SAD）法為“強度—面積—持續(xù)時間”（Intensity-Area-Duration，IAD）法，得出強度最大的極端降水事件位于20世紀(jì)60年代、20世紀(jì)90年代和21世紀(jì)10年代；區(qū)域性極端降水事件發(fā)生中心位于長江以南地帶和東北地區(qū)，人口暴露度和GDP暴露度均有顯著增大的趨勢。

近年來，地球西風(fēng)帶的大規(guī)模擾動導(dǎo)致極端熱浪事件愈演愈烈，許多學(xué)者開展了對極端熱浪（干旱）事件人口、經(jīng)濟暴露度的研究。Zhai等[20]根據(jù)1960—2013年中國530個氣象站的月度數(shù)據(jù)計算，采用標(biāo)準(zhǔn)化降水指數(shù)（ SPI ）分析了中國干旱的強度、面積和持續(xù)時間，分別對10個主要水文區(qū)進行了時間序列分析。運用IAD方法，分析了特定持續(xù)時間干旱的強度和面積之間的關(guān)系，對未來不同升溫目標(biāo)下中國極端高溫及人口暴露度進行研究。鄭殿元等[21]基于1960—2018年累計的高溫日數(shù)、熱浪頻次、熱浪持續(xù)時間、熱浪強度表征高溫?zé)崂?，對中國縣域高溫人口暴露風(fēng)險及其影響因素進行研究，發(fā)現(xiàn)人的適應(yīng)行為對緩解高溫人口暴露度十分重要，且高溫人口暴露地區(qū)存在較強的空間異質(zhì)性，高風(fēng)險區(qū)和中風(fēng)險區(qū)主要分別分布在南方和華北地區(qū)，承災(zāi)體脆弱性、居住條件、非農(nóng)人口比重和地形地貌是高溫人口暴露風(fēng)險增加的影響因子。黃大鵬等[22]基于RCP 8.5情景下的21個模式的日最高氣溫數(shù)據(jù)和A2r社會經(jīng)濟發(fā)展情景下的人口數(shù)據(jù)構(gòu)建人口暴露度指標(biāo)，采用多模式集合平均法，分析未來不同時段中國高溫的人口暴露度變化，并分別從全國和分區(qū)尺度研究變化的影響因素。謝鋮等[23]基于手機定位數(shù)據(jù)，利用逐時人口與氣溫時空分布模型，揭示深圳市熱浪動態(tài)人口暴露度水平，指出人口暴露度與氣溫和人口的動態(tài)演變緊密關(guān)聯(lián)，其暴露度輻射諸多城市商業(yè)、工業(yè)、住宅中心人口密集區(qū)。周舟等[24]基于東英吉利大學(xué)氣候研究所全球逐月降水與潛在蒸散發(fā)格點數(shù)據(jù)集，以標(biāo)準(zhǔn)化降水蒸散指數(shù)為干旱指標(biāo)，采用改進的IAD極端事件識別方法，對“一帶一路”區(qū)域干旱事件及其人口暴露度特征進行研究，指出不同持續(xù)時間，尤其是2000年以后的干旱事件人口暴露度均顯著增加。Cao等[25]利用NEX-GDP數(shù)據(jù)集對1980—1999年和2080—2099年華南地區(qū)最高氣溫高于35℃的模擬極端高溫日進行分析，在多模式集合平均結(jié)果的基礎(chǔ)上，得出在過去幾十年，人口和GDP的增長是暴露風(fēng)險增加的主導(dǎo)因素，但這些影響隨著最高溫度的提高而減弱的結(jié)論，而在未來幾十年，氣候變化將對暴露度的變化起主導(dǎo)作用。從過去到未來，人口暴露度變化的主導(dǎo)因素是氣候，而導(dǎo)致經(jīng)濟暴露度變化的主要因素是氣候和經(jīng)濟增長。宋柏泱等[26]依據(jù)災(zāi)害風(fēng)險評估理論，采用趨勢分析法對“一帶一路”倡議的重要港口巴基斯坦瓜達(dá)爾港進行干旱災(zāi)害風(fēng)險分析，指出該地區(qū)暴露度指數(shù)整體約0.5，中部沿海地區(qū)因經(jīng)濟發(fā)達(dá)而易受到干旱災(zāi)害影響，而西北部地區(qū)暴露度較高。

有學(xué)者對特定地區(qū)或城市高溫?zé)崂说娜丝谂c耕地暴露度進行了測度和研究[27-28]。王安乾等[29]基于區(qū)域氣候模式COSMO-CLM（CCLM）模擬的1960—2100年逐日最低氣溫數(shù)據(jù)及2000年中國土地利用數(shù)據(jù)，以全球升溫1.5℃和2.0℃為目標(biāo)，研究不同持續(xù)時間中國極端低溫事件變化特征、最強極端低溫事件強度與面積關(guān)系和最強中心空間分布，分析極端低溫事件下耕地面積暴露度的變化規(guī)律。何研等[30]基于“暴雨雨強—經(jīng)濟損失率”模型研究了暴雨暴露經(jīng)濟時空變化和影響因子貢獻率。張向萍等[31]對黃河下游寬灘區(qū)有、無防護堤2種情景下遭遇洪水的人口和GDP暴露度進行了測度，指出有防護堤模式優(yōu)于無防護堤模式。Sun等[32]通過區(qū)域氣候模式數(shù)據(jù)，結(jié)合2010年人口普查數(shù)據(jù)，對未來不同升溫情景下的海河流域人口暴露度進行了研究。王艷君等[33]從災(zāi)害暴露范圍、人口暴露度、經(jīng)濟暴露度和農(nóng)作物暴露度4個維度，評估了中國暴雨洪澇災(zāi)害的暴露度特征。莫建飛等[34]對廣西壯族自治區(qū)不同時段極端降水事件下流域洪澇社會經(jīng)濟暴露度進行了研究，指出其具有明顯的時空變異特征。以上研究成果均表明極端天氣事件相關(guān)暴露度有顯著增加趨勢。

還有學(xué)者對居民通勤、城市邊緣區(qū)、山區(qū)農(nóng)業(yè)和生態(tài)領(lǐng)域的相關(guān)暴露度展開研究。郭文伯等[35]利用2010年北京兩個典型郊區(qū)社區(qū)居民出行的GPS數(shù)據(jù)與活動日志調(diào)查數(shù)據(jù)，測度居民采用不同交通工具的PM2.5和CO空氣污染暴露度，研究其人群差異性，并構(gòu)建結(jié)構(gòu)方程模型分析郊區(qū)居民PM2.5和CO空氣污染暴露度的影響因素，指出機動化出行率、出行次數(shù)和出行時間對空氣污染暴露程度的直接影響從大到小，但都占有一定比重，不同社會經(jīng)濟屬性群體的出行空氣污染暴露度存在一定差異性。Yang等[36]構(gòu)建了一個基于溫度變化、持續(xù)時間和有效影響范圍的綜合暴露度測度模型，通過自評健康評分方式，發(fā)現(xiàn)通勤和工作經(jīng)常在室外的工人，男性群體、老年人、中低學(xué)歷群體和農(nóng)村居民的高溫暴露度更高。薛斯文等[37]選取杭州城市邊緣區(qū)所轄街道作為基本單位，選取距市中心距離、斑塊密度、香農(nóng)多樣性指數(shù)、景觀分割度指數(shù)、建設(shè)用地比重、最大斑塊指數(shù)6方面指標(biāo)，構(gòu)建暴露度評價指標(biāo)體系，并結(jié)合熵值法對杭州市城市邊緣區(qū)暴露程度的空間分異特征及其影響因素進行了研究，認(rèn)為杭州市城市邊緣區(qū)暴露度總體分布規(guī)律呈高、中、低3個等級相間排列，空間分異狀況、城市系統(tǒng)體制轉(zhuǎn)換階段差異對杭州市邊緣區(qū)的暴露度均有一定影響。何艷冰等[38]選取西安城市邊緣區(qū)所轄街道為基本單元，綜合運用熵值法、函數(shù)模型法以及遙感與地理信息系統(tǒng)技術(shù)對城市邊緣區(qū)暴露度進行評價，指出西安城市邊緣區(qū)的暴露度格局呈現(xiàn)出自中心向外圍漸趨減緩的特征。

在生態(tài)方面，涂文娜等[39]以人類數(shù)字足跡覆蓋率、數(shù)字足跡強度、草地生物量3個人類活動暴露度指標(biāo)，對青海湖自然保護區(qū)內(nèi)人類數(shù)字足跡入侵強度及其環(huán)境影響進行研究，指出人類數(shù)字足跡對青海湖二郎劍—黑馬河沿線的草地生物量影響最大，草地生物量的人類活動暴露度在熱門旅游景點較高。李振民等[40]對湖南武陵山片區(qū)縣域鄉(xiāng)村地域系統(tǒng)脆弱性評價的過程中發(fā)現(xiàn)，氣候變化加劇、人類活動頻繁和鄉(xiāng)村發(fā)展壓力增大是中高暴露度區(qū)域分布的重要原因，而自然災(zāi)害防治到位、改進農(nóng)業(yè)生產(chǎn)方式、農(nóng)業(yè)污染較低的地區(qū)暴露度則較低。王曉婷等[41]以上海浦東新區(qū)為例，以河口地形、海岸土地利用為基礎(chǔ)，結(jié)合河口地貌模擬和浦東新區(qū)規(guī)劃，評估了當(dāng)前和2035年海岸侵蝕脆弱性及土地利用價值的暴露度?？傮w來看，學(xué)者漸漸傾向于從傳統(tǒng)城市暴露度研究向社會生態(tài)系統(tǒng)、人地耦合系統(tǒng)暴露度等研究轉(zhuǎn)變，且研究對象漸趨多元。

2 展望

暴露度是評估極端事件或災(zāi)害風(fēng)險的重要參考指標(biāo)，獲得和選擇可用、準(zhǔn)確的用于風(fēng)險評估的計算暴露度的具體數(shù)據(jù)、確定某些影響暴露度因子的閾值、構(gòu)建完善的暴露度評價模型至關(guān)重要。傳統(tǒng)的暴露度研究更傾向于探討高暴露度的空間分布和形成原因，今后可對暴露度高值區(qū)的未來變化預(yù)估和針對暴露度高值區(qū)負(fù)面影響的措施進行進一步研究，提高暴露度研究的前瞻性和實用性，構(gòu)建更加完備的評價體系和預(yù)案。

在未來暴露度的預(yù)估工作中，需要注意系統(tǒng)外部的政治、經(jīng)濟環(huán)境和社會結(jié)構(gòu)和制度的變化都可能對結(jié)果產(chǎn)生影響，因此對于新變化要及時補充研究內(nèi)容和結(jié)論。

參考文獻

[1] 竇玥，戴爾阜，吳紹洪.區(qū)域土地利用變化對生態(tài)系統(tǒng)脆弱性影響評估：以廣州市花都區(qū)為例[J].地理研究，2012， 31（2）：311-322.

[2] 武夕琳，劉慶生，劉高煥，等.高溫?zé)崂孙L(fēng)險評估研究綜述[J].地球信息科學(xué)學(xué)報，2019，21（7）：1029-1039.

[3] IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation： a special report of working groups I and II of the Intergovernmental Panel on Climate Change [M]. Cambridge and New York： Cambridge University Press， 2012.

[4] 高超，汪麗，陳財，等.海平面上升風(fēng)險中國大陸沿海地區(qū)人口與經(jīng)濟暴露度[J].地理學(xué)報，2019，74（8）：1590-1604.

[5] 王安乾，蘇布達(dá)，王艷君，等.全球升溫1.5℃與2.0℃情景下中國極端低溫事件變化與耕地暴露度研究[J].氣象學(xué)報，2017，75（3）：415-428.

[6] 王艷君，高超，王安乾，等.中國暴雨洪澇災(zāi)害的暴露度與脆弱性時空變化特征[J].氣候變化研究進展，2014，10（6）： 391-398.

[7] 吳文祥，侯凌云，李婭梅，等.氣候變化下中國極端降水的道路暴露度分析[J].災(zāi)害學(xué)，2021，36（3）：103-108，124.

[8] 張新龍，楊賽霓，賈梁.中國極端高溫未來情景下的公路暴露度分析[J].災(zāi)害學(xué)，2020，35（2）：224-229.

[9] Oleg Smirnov， Zhang MH， Xiao TY， et al. Therelative importance of climate change and population growth for exposure to future extreme drought[J]Climatic Change， 2016， 138（1/2）：41-53.

[10] George E Clark， Susanne C Moser， Samuel J Ratick， et al. Assessing the vulnerability of coastal communities to extreme storms： The case of Revere， MA.， USA[J]. Mitigation and Adaptation Strategies for Global Change， 1998， 3（1）：59-82.

[11] Polsky C， Neff R， Yarnal B. Building comparable global change vulnerability assessments： The Vulnerability Scoping Diagram[J]. Global Environmental Change， 2007， 17（3/4）：472-485.

[12] Stewart R M. Community perspectives of flood risk and social vulnerability reduction ： The case of the Red River Basin[J]. Dissertation Abstracts International， Volume： 68-12， Section： A， 2007：5173.

[13] Ayugi B， Jiang Z， Iyakaremye V， et al. East African population exposure to precipitation extremes under 1.5℃ and 2.0℃ warming levels based on CMIP6 models[J]. Environmental Research Letters， 2022， 17（4）：44-51.

[14] Jongman B， Ward P J， Aerts J. Global exposure to river and coastal flooding： Long term trends and changes[J]. Global Environmental Change， 2012， 22（4）：823-835.

[15] Tellman B， Sullivan J A， Kuhn C， et al. Satellite imaging reveals increased proportion of population exposed to floods[J]. Nature， 2021（596）：80-86.

[16] Founda D， Katavoutas G， Pierros F， et al. The extreme heat wave of summer 2021 in Athens （Greece）： Cumulative Heat and Exposure to Heat Stress[J].Sustainability， 2022， 14（13）：7766.

[17] Runde I， Zobel Z， Schwalm C. Human and natural resource exposure to extreme drought at 1.0℃-4.0℃warming levels[J]. Environmental Research Letters， 2022， 17（6）：064005.

[18] 景丞，姜彤.中國區(qū)域性極端降水事件及人口經(jīng)濟暴露度研究[J].氣象學(xué)報，2016，74（4）：572-582.

[19] Andreadis K M， E A Clark， A W Wood， et al. 20th century drought in the conterminous United States[J]. J Hydrometeorol， 2017， 6（6）：885-1001.

[20] Zhai JQ， Huang JL， Su BO， et al. Intensity-area-duration analysis of droughts in China 1960-2013[J]. Climate Dynamics， 2017， 48（1/2）：151-168.

[21] 鄭殿元，黃曉軍.中國縣域高溫人口暴露風(fēng)險及其影響因素研究[J].地域研究與開發(fā)，2022，41（4）：143-149.

[22] 黃大鵬，張蕾，高歌.未來情景下中國高溫的人口暴露度變化及影響因素研究[J].地理學(xué)報，2016，71（7）：1189-1200.

[23] 謝鋮，黃波，劉曉倩，等.基于手機定位數(shù)據(jù)的深圳市熱浪人口暴露度分析[J].地理科學(xué)進展，2020，39（2）：231-242.

[24] 周舟，王艷君，黃金龍，等.“一帶一路”區(qū)域近57 a干旱事件及其人口暴露度特征[J].氣象科學(xué)，2022，42（1）：61-69.

[25] Cao N， Li G， Rong MY， et al. Large future increase in exposure risks of extreme heat within Southern China under warming scenario[J]. Frontiers in Earth Science， 2021（9）：580.

[26] 宋柏泱，陳報章.巴基斯坦瓜達(dá)爾港地區(qū)干旱災(zāi)害風(fēng)險評估[J].地理研究，2022，41（8）：2251-2264.

[27] 董弟文，陶輝，丁剛，等.新疆高溫?zé)崂说娜丝谂c耕地暴露度研究[J].農(nóng)業(yè)工程學(xué)報，2022，38（5）：288-295.

[28] 同麗嘎，李雪銘，斯琴，等.高溫?zé)崂吮┞讹L(fēng)險評價：以內(nèi)蒙古包頭市為例[J].干旱區(qū)地理，2017，40（2）：284-292.

[29] 王安乾，蘇布達(dá)，王艷君，等.全球升溫1.5℃與2.0℃情景下中國極端低溫事件變化與耕地暴露度研究[J].氣象學(xué)報，2017，75（3）：415-428.

[30] 何研，方建，史培軍.湖北省暴雨經(jīng)濟暴露時空變化及貢獻率研究[J].自然災(zāi)害學(xué)報，2018，27（3）：110-118.

[31] 張向萍，江恩慧，李軍華.黃河下游寬灘區(qū)洪澇災(zāi)害物理暴露量研究[J].人民黃河，2020，42（7）：23-27，76.

[32] Sun HM， Wang YJ， Jing Chen J， et al. Exposure of population to droughts in the Haihe River Basin under global warming of 1.5 and 2.0℃ scenarios[J]. Quaternary International， 2017， 453：74-84.

[33] 王艷君，高超，王安乾，等.中國暴雨洪澇災(zāi)害的暴露度與脆弱性時空變化特征[J].氣候變化研究進展，2014，10（6）：391-398.

[34] 莫建飛，鐘仕全，陳燕麗，等.極端降水事件下廣西流域洪澇社會經(jīng)濟暴露度分析[J].災(zāi)害學(xué)，2018，33（2）：83-88.

[35] 郭文伯，張艷，柴彥威.城市居民出行的空氣污染暴露測度及其影響機制：北京市郊區(qū)社區(qū)的案例分析[J].地理研究，2015，34（7）：1310-1318.

[36] Yang ZM， Yang B， Liu PF， et al. Exposure to extreme climate decreases self-rated health score： Large-scale survey evidence from China[J]. Global Environmental Change， 2022（74）：102514.

[37] 薛斯文，解雪峰，吳濤，等.杭州城市邊緣區(qū)暴露度評價[J].農(nóng)學(xué)學(xué)報，2022，12 （5）：85-90.

[38] 何艷冰，黃曉軍，楊新軍.快速城市化背景下城市邊緣區(qū)失地農(nóng)民適應(yīng)性研究：以西安市為例[J].地理研究，2017，36（2）：226-240.

[39] 涂文娜，易嘉偉，杜云艷，等.青海湖自然保護區(qū)人類數(shù)字足跡及草地生物量的人類活動暴露度的時空模式分析[J].生物多樣性，2022，30（6）：175-185.

[40] 李振民，石磊，張沖昊.社會：生態(tài)視角下縣域鄉(xiāng)村地域系統(tǒng)脆弱性評價與差異化應(yīng)對策略[J].經(jīng)濟地理，2022，42（5）：175-184.

[41] 王曉婷，欒華龍，張衛(wèi)國，等.三角洲海岸土地利用侵蝕暴露度分析及其空間規(guī)劃意義：以上海浦東新區(qū)為例[J/OL].華東師范大學(xué)學(xué)報自然科學(xué)版：1-13[2022-08-29].http：//kns.cnki.net/kcms/detail/31.1298.n.20220310.0939.002.html.

責(zé)任編輯：黃艷飛

Review of Exposure Research

Yan Kang-zi （School of Tourism， Xian International Studies University， Xian， Shaanxi 710000）

Abstract Clarify the definition of exposure， point out the different classifications of exposure and the reasons for studying exposure.Through analysis， it was pointed out that the research content of exposure abroad was mainly the spatial distribution pattern and change reason of exposure.The domestic research on exposure mainly focuses on the economic and population exposure under disasters and extreme temperatures and precipitation. In addition， there are also exposure studies in the fields of residents commuting， urban fringe， mountain agriculture and ecology. It was pointed out that scholars have shifted from traditional urban exposure research to research areas such as social ecosystem and human-land coupling system exposure. Finally， the future research on exposure is prospected.

Key words Exposure; City; Climate change; Review

作者簡介 閆康子（1997—），男，陜西西安人，主要從事經(jīng)濟地理與區(qū)域治理研究。

收稿日期 2022-11-07