一、前言
城市化導致的城市熱島效應和環境惡化以及全球變暖帶來的頻繁的極端氣候事件（如熱浪和低溫）嚴重影響城市居民的健康和生命安全，是近年來環境健康領域研究的熱點。
環境惡化和氣候極端事件能加重各類疾病的病情，甚至導致疾病的爆發，從而增加死亡的風險。城市地區由于人口密集，空間有限，突發性事件和流行性疾病極易導致健康風險，需要提前預警，及時預報和應急救治。因此，建立一個強大而高效的疾病預測與應急指揮系統至關重要。目前國內外已陸續開展針對疾病的管理和應急指揮系統的研究，如疾病監控管理系統、疾病防控和應急指揮決策系統以及針對氣候變化對健康影響的預警系統等，為疾病的預警與防控、突發事件的應急指揮與管理等提供了有力支持。疾病和健康具有很強的空間特征，受到社區條件、周邊環境因子、醫療設施空間分布等諸多因素的影響，地理信息系統（GIS）因為具有強大的數據庫管理和空間分析功能，近年來，在疾病和健康領域的應用日益廣泛。
但是關于城市死亡人口的管理、評估和綜合分析系統方面的開發研究卻相對較少，有待加強。
極端溫度事件對死亡的影響一直是環境健康領域的熱點，尤其是在城市熱島效應和全球變暖背景下，熱浪（heatwave）和寒潮（cold spell）對死亡的影響被廣為關注。
大量的研究表明熱浪和寒潮能夠導致額外的死亡人數。
上海戶籍人口的死亡也受到熱浪和寒潮事件的影響。
上述研究對人們理解極端溫度事件對居民健康和死亡的影響提供了科學依據。但是城市戶籍人口死亡的空間分布特征方面的研究相當缺乏，而死亡人數的空間分布信息對醫療設施的規劃和管理、致死因素分析、有效防控措施的制定等均至關重要。
本文利用2003年上海市戶籍人口死亡數據，結合氣象資料以及上海市的基礎地理信息數據，構建上海市戶籍人口死亡數據庫，在此基礎上，分析死亡病例的空間分布特征，旨在為上海市疾病預防與控制、降低居民死亡風險、應對突發災害性事件提供參考和決策依據。
二、研究數據和方法
（一）研究地點概況
上海市地處北亞熱帶季風性濕潤氣候區，年平均降雨量1 164.5mm，年平均溫度16.6℃，最冷月（1月）平均氣溫4.7℃，最熱月（7月）平均氣溫為28.0℃（1971~2000年上海氣候數據統計），極端最高氣溫40.2℃（2013年8月7日），極端最低氣溫-12.1℃（1893年1月19日）。研究表明上海市四季均存在城市熱島現象，熱浪襲擊事件頻發。1873~2010年的138年間，一共有214次熱浪事件記錄。
2003年行政區劃包括9個中心城區（黃浦區、盧灣區、徐匯區、長寧區、靜安區、普陀區、閘北區、虹口區、楊浦區）、9個郊區（閔行區、寶山區、嘉定區、浦東新區、金山區、松江區、奉賢區、青浦區、南匯區）和1個郊縣（崇明縣）。至2012年末，全市戶籍人口總數為1 426.93萬人，全年戶籍人口出生12.11萬人，戶籍人口死亡11.74萬人。
（二）戶籍人口死亡數據及其處理
本文研究使用的是2003年上海市戶籍人口非事故死亡數據，由上海市疾病控制中心提供。死亡病例的相關信息包含：性別、出生日期、死亡日期、年齡、民族、職業、婚姻狀況、常住地址、行政區名稱及編號、致死疾病名稱及分類代碼等基本信息。疾病分類采用國際疾病傷害及死因分類標準（ICD-10代碼），根據ICD代碼可將非事故死亡（ICD-10：A00-R99）病因分為15大類。本文研究主要分析總死亡人數、占死亡人數比例最大的循環系統疾?。↖CD-10：I00-99）和呼吸道疾?。↖CD-10：J00-99）兩大類。
戶籍人口死亡數據空間定位采用地理編碼方法，即將坐標對、地址或地名等文字或數字描述轉換為地球表面上帶地理坐標的對應位置的過程。本文采用死亡案例中記錄的道路名+門牌號或區/鎮/村/組/隊信息，利用地圖尋址工具進行定位；對每一條定位數據都進行逐條檢查，對定位有誤的給予糾正。糾正后的城鎮死亡人口定位數據可以精確到居住小區，農村地區的死亡案例定位精確到村的地理中心點或村委會所在地。2003年上海戶籍人口死亡數據共有93 823條記錄，除了983條因原始記錄中的數據錯誤、地址空缺或輸入錯誤等原因而無法定位外，已定位記錄92 840條。因此，本研究所用死亡記錄數據共92 840條，后續的數據庫建立和空間分析均使用此數據。
（三）戶籍人口死亡數據庫構架
本研究中上海市戶籍人口死亡空間數據庫是基于ArcGIS平臺，利用地理數據庫Geodatabase架構，采用統一的坐標系統，對來自不同數據源的數據進行標準化整理，定義點、線、面、表面、柵格、圖像、照片、CAD 圖形、表格等；根據 Geodatabase 的數據庫管理系統（Darabase Management System，DBMS）基本配置，使用地理要素類和子類定義實體，包括實體類型、屬性字段等，在Geodatabase模型中構造出實際的空間數據庫。本數據庫概念模型如圖1所示。將對現實世界抽象得到的概念模型轉換成相應的數據庫管理系統的數據模型，用邏輯數據結構來表達模型中所提出的各種結構，以數據描述語言進行描述和表達。其主要內容是將實體劃分為點、線、面、表面、柵格、圖像、CAD圖形、表格等對象，按照矢量、圖像、文本、表格等類型，將所有實體進行分類。
三、結果
（一）戶籍人口死亡空間數據庫及其功能特征
戶籍人口死亡數據庫建設主要包含：基礎地理信息數據庫，主要內容含1∶10萬上海市行政區劃、上海市道路、醫院等醫療基礎設施分布、上海市居民區等本底信息的矢量數據及相關屬性數據，是進行空間分析、查詢等各種分析的基礎；死亡人口空間信息數據庫，含運用地理編碼定位得到的死亡案例的點數據及其屬性數據庫；屬性數據庫信息包括性別、民族、職業、婚姻狀況、出生日期、死亡日期、常住地址、所在行政區、病因、疾病名稱、所屬類別等；環境因子數據庫，主要包含上海市氣象站點及氣象觀測數據，上海市各環境監測站點監測的大氣、水質、土壤等環境因子數據，用于進行疾病和死亡的誘因分析和相關預防措施的制定等。數據庫的功能主要包含：編輯功能，主要是疾病、環境因子等各類信息的錄入和修改等功能；疾病病因分析功能，利用GIS的空間分析功能，進行疾病和死亡與各種社會環境、自然環境、氣候、衛生服務環境等分析，探索環境和健康之間的因果關系，并進行空間表達，為總結疾病發生原因，開展針對性的防治提供依據；動態監測功能，監測疾病發生的時空狀況，模擬再現疾病的發生過程，預測疾病的未來時空發展趨勢，為疾病的防控提供關鍵信息；專題制圖功能，主要是各種動態顯示、空間疊加分析、常規和空間統計分析以及各種專題地圖的制作。圖2舉例顯示了一些功能。
（二）戶籍人口死亡人數時間分布特征
2003年上海市非事故死亡92 840例（排除了SARS非典型肺炎的死亡數），其中，男性為48 482人，女性為44 358人，男性比女性略多，男女死亡比例為1.09。按年齡劃分，其中0~44歲3 453人，占總人數的3.7%；45~59歲9 537人，占總人數的10.3%；60~74歲24 779人，占總人數的26.7%；75歲以上55 071人，占總人數的59.3%，為死亡最多的年齡組。按疾病類型劃分，排在前三位的分別是循環系統疾病 32 227 人，腫瘤為27 918 人，呼吸系統疾病為13 855人。
上海戶籍人口的日死亡情況呈現出明顯的時間變化（圖3）?？傮w上冬季的死亡人數相對較高，隨著溫度的升高，死亡人數逐漸下降，7、圖3 2003年上海市日死亡人數與日最高氣溫分布圖8月份隨著溫度升高死亡人數又有所上升，死亡人數隨時間變化呈現出近似“W”型分布（圖4-a）。四季平均死亡人數從高到低依次為冬季（12、1~2月）（312人/天）、夏季（6~8月）（246人/天）、春季（3~5月）（235人/天）和秋季（9~11月）（226人/天）。各年齡段的死亡人數隨季節變化中，60~74歲和75歲以上的年齡段占死亡人數的主體，隨時間的變化特征也呈現出“W”型（圖4-b）。
（三）戶籍人口死亡人數空間分布特征
由于上海市各區縣戶籍人口基數差異較大，為便于比較，我們以各區縣死亡率（即死亡人數占戶籍人口總數的百分比）來表示（圖5-a），總體來看，死亡率最高的是市區的黃浦區，其次為郊區的金山區。市區死亡率最高的是黃浦區，其次為靜安區，最低的是長寧區；郊區死亡率最高的是金山區，閔行區次之，最低是松江區，總體上市區死亡率比郊區略高（圖5-b）。而兩大死亡主要病因致死的人數空間分布表明，循環系統疾病致死的比例市區明顯高于郊區，而呼吸系統疾病致死的比例則市區顯著低于郊區（圖5-c）。
上海市2003年總體死亡人數按照從市區往郊區每5km寬度做緩沖區，統計各緩沖區內的死亡人數，結果顯示死亡人數從中心城區向郊區呈現逐漸降低的趨勢，死亡人數隨距離呈現出三次多項式函數關系（圖5-d）。
四、討論
本文利用地理編碼技術對上海戶籍人口死亡數據空間化，通過建立概念模型，在GIS平臺上構建上海市戶籍人口死亡數據庫，實現了死亡人數及其致死疾病信息的入庫與編輯、查詢與統計、死因分析、動態監測與管理、專題地圖制作等基本功能。有助于相關部門和研究機構方便地了解死亡及其致病信息，直觀地表現當前死亡的發病情況及其空間分布特征。但是鑒于數據獲取的局限，本文的數據庫建設只是處于初步的階段。研究表明與死亡相關的疾病類型多樣，環境因子和極端的氣候氣象事件可顯著加重病情，增加額外死亡率，這些疾病和死亡及其致因常常具有突發性或流行性，并具有較強的空間特征，對于人口密集的城市地區來說，動態監控，實時預測預報，及時采取應對措施至關重要。由于GIS具有強大的空間數據管理、分析和顯示等功能，有助于人們很好地理解疾病的發生與環境因素、醫療衛生系統之間的關系。
因此，建立基于GIS并結合現代通訊技術（如GSM）的疾病及公共衛生領域的預測、預警、預防和應急指揮綜合系統是未來研究和應用領域的主要方向。
上海市戶籍人口死亡數隨時間呈現出明顯的兩頭高和中間略高的近似“W”型趨勢，這與2003年上海市的氣溫年變化有關。研究表明高溫和低溫均可以引起額外死亡，從而增加死亡人數，高溫引起的平均死亡率要低于低溫引起的死亡率，高溫引起的死亡率的時滯要低于低溫。
Huang.W的研究表明，2003年上海市遇到了50年最強的熱浪襲擊，熱浪導致了中心城區9個區257例額外死亡病例。
我們的研究表明，2003年上海市經歷了兩次熱浪襲擊事件，導致836例額外死亡，一次為期6天的寒潮襲擊，導致了183例的額外死亡（王曉奧，未發表數據）。
上海市戶籍人口死亡人數及死亡率總體上呈現出市區大于郊區的空間分布特征，主要的原因可能有以下幾個方面：一是城郊（鄉）之間的溫度存在空間差異。一方面，市區夏季的高溫熱浪和城市熱島效應會顯著地增加疾病的發病率和死亡率，如2003年的夏季熱浪導致了市區額外死亡病例，熱浪的強度和持續的時間以及城市熱島效應也會增加市區的死亡率；另一方面，冬季的極端低溫也會造成額外死亡，如2003年低溫寒潮的影響。上述因素都有可能增加市區和郊區的死亡空間分布差異。二是城郊（鄉）之間的大氣環境質量差異。城市大氣污染會影響城市居民的健康，大氣中的可吸入顆粒物（PM10、PM2.5）、臭氧（O3）、氮氧化物（NOx）等污染物的濃度與死亡率和住院率的增加之間存在相關性，研究表明，PM10的濃度平均每增加10μgm-3，美國城市的死亡率將增加0.48%，而歐洲城市的死亡率則可達0.6%。
上海市環境監測的結果表明市區大氣污染物的濃度要高于郊區，因此，市區的死亡率比郊區高。在市區和郊區，心血管類疾病導致的死亡率均大于呼吸類疾病導致的死亡率，這是因為，一般來說，可吸入顆粒污染物對心血管類疾病發病住院率要高于呼吸類疾病的住院率，從而增加了死亡率的風險。但市區呼吸道疾病導致的死亡率反而比郊區低（圖5-c），出現這種情況比較異常，除非郊區的大氣顆粒物污染物的濃度高于市區。根據上海市環境質量公報（2001~2005）的環境監測數據，2003年上海市中心城區的可吸入顆粒物濃度要明顯小于郊區的濃度，比遠郊的農村區略高，這一數據驗證并解釋了這種反常的情況。由于空氣污染對發病率和死亡率的影響存在長期效應、短期效應，乃至急性效應，本研究因目前缺乏足夠的大氣污染空間分布數據進行定量分析，因此，上述分析只是可能的原因。進一步定量分析污染物濃度與死亡率之間的關系在后續研究中會陸續開展。
上海市戶籍人口死亡數據的空間分布特征，還表現在死亡人數從市區到郊區呈現出三次函數分布關系（R2=0.9194，P<0.001）（圖5-d），城市戶籍死亡人數從市區到郊區呈現出迅速下降，然后隨著距離向遠郊區延伸，死亡人數呈逐漸減少趨勢。這和上海市戶籍總人口以及65歲以上老年人口的空間分布呈三次多項式非常相近。
這表明城市人口的分布嚴重影響城市戶籍人口死亡的數量。在上海市戶籍人口死亡病例中，60歲以上死亡病例平均約占總死亡率人數的86.7%，而上海市65歲以上人口的空間分布呈三次函數的衰減，這也從另一個方面解釋了城鄉死亡人數的空間分布差異?！緢D略】
【參考文獻】
［1］Schar，C. et al. The Role of Increasing Temperature Variability in European Summer Heatwaves［J］. Nature，2004，427：332-336.
［2］Patz，J. A.，Campbell-Lendrum，D.，Holloway，T. & Foley，J. A. Impact of Regional Climate Change on Human Health［J］. Nature，2005，438：310-317.
［3］談建國，黃家鑫. 熱浪對人體健康的影響及其研究方法［J］. 氣候與環境研究，2004，（9）：680-686.
［4］李維民，李嬋娟，李廷榮. 某市（區）基于GIS的疾病監控管理系統建設［J］. 重慶醫學，2008，（37）：1859-1860.
［5］鐘凱文，黃建明. 基于GIS/GSM的疾病防疫應急指揮決策系統的設計與實現［J］. 測繪科學，2004，（29）：29-32.
