文章检索 高级检索
  气候变化研究进展   2017, Vol. 13 Issue (2): 172-180.  DOI: 10.12006/j.issn.1673-1719.2016.134
0

调查研究

引用本文 [复制中英文]

王怡, 刘冠秋, 齐熙, 等. 高温热浪支付意愿人群分异及其影响因素——以福州市为例[J]. 气候变化研究进展, 2017, 13(2): 172-180. DOI: 10.12006/j.issn.1673-1719.2016.134.
[复制中文]
Wang Yi, Liu Guanqiu, Qi Xi, et al. A Study on the Willingness to Pay for Heatwaves Between Different Groups and Its Influence Factors: A Case of Fuzhou[J]. Climate Change Research, 2017, 13(2): 172-180. DOI: 10.12006/j.issn.1673-1719.2016.134.
[复制英文]

资助项目

教育部人文社会科学研究项目(14YJCZH112);教育部留学回国人员科研项目基金(教外司[2014]1685号);福建省十三五应对气候变化规划思路研究(2014009);福建师范大学2017年研究生创新基金

作者简介

王怡,女,硕士研究生,soapwangyi@126.com

通信作者

祁新华(通信作者),男,教授,fjqxh74@163.com

文章历史

收稿日期:2016-07-05
修回日期:2016-09-23
高温热浪支付意愿人群分异及其影响因素——以福州市为例
王怡 1, 刘冠秋 1, 齐熙 1, 潘丹琳 1, 祁新华 1,2,3    
1. 福建师范大学地理科学学院,福建 350007;
2. 福建师范大学地理研究所,福建 350007;
3. 福建省湿润亚热带山地生态国家重点实验室培育基地,福建 350007
摘要:本文以高温热浪突出的福州市为典型研究区域,采取简单随机抽样的方式进行面对面访谈,获取了962份有效问卷,并对部分样本进行深度访谈,问卷内容涵盖社会经济、高温热浪的支付意愿及其影响因素等。利用条件价值评估法(CVM)与Spike修正模型,探究本地居民与外来流动人口在支付意愿上存在的人群分异及其影响因素。结果显示:1)本地居民和外来流动人口的高温热浪支付意愿总体较高,且前者高于后者;2)本地居民E(WTP)非负为68.78元/月,而流动人口E(WTP)非负为46.78元/月,存在明显差异(WTP指支付意愿);3)导致高温热浪支付意愿相对较低的因素包括居民类型、性别、受教育水平、职业、在福州时间和经济实力。本地居民与外来流动人口高温热浪支付意愿和支付金额的差异及其影响因素将为福州及同类地区制定相关政策提供借鉴。
关键词高温热浪    支付意愿    影响因素    人群分异    福州市    
引言

作为气候变化的突出表征之一,高温天气已经席卷全球,并对人类的经济、社会和健康造成严重威胁[1-3]。在高温热浪的定义方面,世界气象组织(WMO)将高温热浪定义为日最高气温在32℃以上且维持3 d以上的过程;荷兰皇家气象研究所(KNMI)的高温热浪定义是日最高气温在25℃以上且维持5 d以上(但其中至少有3 d最高气温在30℃以上)[4];而中国气象局则将日最高气温在35℃及以上且维持3 d以上的天气过程称为高温热浪。在高温热浪的产生原因方面,大部分学者将高温热浪产生机理归结于大气环流[5-7],如张尚印等[6]利用夏季高温资料将东部三市高温产生的主要原因归结于副热带高压和大陆变性高压控制,Stott等[2]也曾通过气候变化模型将2003年欧洲高温热浪事件的原因归结于人为因素,还有研究表明高温热浪与温室效应有关[8-9]。在高温热浪的时空分布方面,20世纪末与21世纪初的北美与欧洲的高温事件备受关注[10-11],国内有许多学者用夏季高温资料对高温热浪时空分布特征展开分析[12-14]。在高温热浪健康影响方面的研究较多[15-17],国内外有许多学者认为热胁迫、中暑或高温导致的死亡并不是自发或快速地发生,而是因长时间暴露于比常温更高的温度之下导致的高温相关疾病,通常是超过几天。

近年来,国内外关于高温天气的研究领域开始趋向于适应与减缓措施[18-22]。譬如Briony等[22]提出优先考虑实施城市绿色基础设施的框架,并以澳大利亚墨尔本为案例验证了该框架实现市区降温的可行性。Lindley等[19]则提出城市环境气候变化的适应性战略用于评估英国市区气候变化的相关风险,并协助市区提升对气候变化的了解和适应能力。

可以看出,迄今为止鲜有学者从支付意愿的角度探讨高温热浪应对问题,基于人群分异的高温热浪支付意愿研究更未见报告。本文以福州市为例,通过问卷调查首次尝试运用条件价值评估法(Contingent Valuation Method, CVM)进行减缓高温热浪的价值评估,探讨两种不同人群(本地居民与外来流动人口)在减缓高温热浪上存在的支付意愿,并剖析其对高温热浪支付意愿造成的人群分异及其影响因素,从而为福州市相关部门减缓高温而及时制定并实施具体政策措施提供科学依据。

1 区域概况、研究方法与样本属性 1.1 区域概况

福州市属福建省会城市,位于中国福建省东部沿海、闽江下游。典型的河口盆地,三面环山,一面环海。据福州市统计年鉴得知,福州市陆地总面积为12251 km2,市区陆地总面积为1026 km2[23]。福州市气候类型属亚热带海洋性季风气候,年均气温介于20~25℃之间,年均日照时长1700~1980 h,年均降水量900~2100 mm。根据福建省福州站逐日气温数据得出1964—2014年福州市的年最高气温变化趋势,得知近50年福州市年最高气温正在以0.37℃/10a的速度上升,2003年最高气温甚至达到41.7℃,见图 1。福州市近年来的高温现象极其突出,具有一定的典型性与代表性,因此选取福州市作为高温热浪支付意愿研究的理想区域。

图 1 1964—2014年福州市年最高气温变化趋势 Figure 1 The trend of annual maximum temperature in Fuzhou during 1964-2014
1.2 研究方法

(1) 问卷调查与深度访谈

本次调查采用简单随机抽样方式进行面对面访谈的方法,将问卷发放至福州市5个区(仓山区、鼓楼区、晋安区、马尾区和台江区),经由培训过的调查人员随机调查与深度访谈,并当场收回问卷。问卷题目以选择题(包括单选和多选)为主,主要包括三部分内容:(1)公众的基本社会经济特征;(2)高温热浪对公众的影响;(3)公众的支付意愿。每份问卷调查时长为30~40分钟,确保调查问卷数据质量。

(2) 条件价值评估法

借鉴国内外的相关研究,此次支付意愿研究方法采用的是条件价值评估法[24-27](CVM法),运用CVM法询问公众为减缓或适应高温热浪所愿意支付的金额(WTP)。一般来说,即便愿意为减缓高温热浪支付一定金额,大多数受访者也无法准确给定一个具体的WTP值。因此,在预调研究的基础上,本次调查问卷共设计了6个支付金额区间值:<20元/月、20~50元/月、50~100元/月、100~300元/月、300~500元/月和≥500元/月,以供受访者选择。

关于减缓高温热浪的正支付意愿期望值根据选择金额及其相应的概率来计算[28]

$ E{\left( {{\rm{WTP}}} \right)_{{\rm{正}}}} = \sum\limits_{i = 1}^n {{b_i}{p_i}。} $ (1)

式中,E(WTP)为正支付意愿期望值,bi为选择金额(元/月),Pi为受访者选择相应选择金额的概率;n为可供选择的选择金额个数。在计算公众愿意为减缓高温热浪所支付的金额时,为保证统计学合理性,将采用支付金额区间的中位值来代替相对应的区间值作为式中的选择金额(bi)。本研究中,剔除最大支付金额中选“不知道”者,n=6;bi =10,35,75,200,400,500元/月。

(3) 二元逻辑回归模型

为更好地了解福州市高温热浪支付意愿的人群分异及其影响因素,本文将采用二元逻辑回归模型对其进行分析,以公众为减缓高温热浪的支付意愿作为因变量(0=不愿意;1=愿意),假定此次高温热浪支付意愿模型为:

$ \ln \frac{{{W_i}}}{{1-{W_i}}} = {\beta _0} + \sum\limits_{i = 1}^n {{\beta _i}{X_i}。} $ (2)

式中,Wi为公众为减缓高温热浪的支付意愿;β0为该回归模型的常量;Xi代表高温热浪支付意愿的第i个影响因素;βi为第i个影响因素的回归系数,若βi为正值,则表明该解释变量每增加一个单位值,优势比会相应增加;若βi为负值,则表明该解释变量每增加一个单位,优势比就会相应减少[29]。二元逻辑回归模型的预测能力主要是通过回归系数的显著性水平、回归系数估计的Wald统计量(即Wals值)和模型拟合度等进行评价,其中,Wald统计量表示模型中每个解释变量的相对权重,用以评价每个解释变量对该事件预测的贡献力[30]

1.3 问卷调查与样本属性

问卷调查始于2013年10月(主要考虑到民众刚经历过高温热浪,记忆较为深刻),历时3个月,共发放1050份问卷,并收回有效问卷962份。其中福州市本地居民650份,回收率94.0%,剔除漏选率超过20.0%的问卷,有效问卷585份,有效率90.0%;外来流动人口共发放400份,回收率95.0%,剔除漏选率超过20.0%的问卷后获得377份有效问卷,有效率94.2%。

根据对受访者基本情况的调查统计出受访者的社会经济特征(见表 1)。受调查对象中,本地居民和流动人口中男女比例均接近1:1,据福建省2010年(第6次)人口普查数据显示,福州市男女比例为104.03:100[31],总体上较符合福州市近年来的人口性别结构特征。大多数受访者年龄在18~55岁之间,其中处于该年龄段的本地居民占85.98%,处于该年龄段的流动人口则占96.81%,总体较符合福州市近年来的人口年龄结构特征[31]。本地居民以大专及本科(58.97%)和高中/中专(19.83%)学历为主;流动人口则以大专及本科(34.22%)、初中(28.91%)和高中/中专(27.59%)学历为主。至于月收入与月支出:本地居民月收入以≥3000元为主(79.15%),月支出以≥1600元为主(84.27%);流动人口月收入以1600~3000元居多(46.68%),月支出则以800~3000元居多(69.76%)。

表 1 受访者样本属性 Table 1 The sample properties of respondents

同时,为检验本地居民与流动人口在样本基础属性上的统计学差异,运用SPSS交叉表卡方检验法进行检验,结果显示,除性别外,本地居民与流动人口在年龄、受教育水平、月收入与月支出上均通过0.1的显著性检验(P<0.001),说明本地居民与流动人口之间存在显著的人群分异。

2 高温热浪支付意愿分析 2.1 支付意愿比例与分布

支付意愿(WTP),在这里主要是用来表示个人为减缓高温天气所愿意支付的费用,可以是为减缓气温升高而减少一定数量的消费物品,也可以是付诸的相应行动来减缓高温天气。

首先是受访者愿意为减缓气温升高而支付的最大金额,当受访者被询问“是否愿意支付一些费用用于减缓气温升高”,本地居民的支付率高达80.85%,而流动人口的支付率仅接近本地居民一半(43.24%),甚至有33.95%的流动人口表示不愿意为减缓气温升高支付费用。至于“不知道自己是否愿意支付”,流动人口选择的比重更是本地居民的近4倍之多。

其次,当受访者被询问“若以家庭为单位,您每月愿意支付的最大金额大约是多少?”时,本地居民和流动人口的回答较为一致,均以<20元/月、20~50元/月和50~100元/月这3个区间的正支付意愿值居多,分别为29.2%、26.6%、27.0%与27.9%、30.7%、19.0%(见图 2)。

图 2 正支付意愿分布图 Figure 2 The distribution of positive WTP
2.2 支付值计算及其结果

福州市本地居民585份有效问卷中正支付意愿(WTP>0)的受访者有473人;外来流动人口的377份有效问卷中,剔除16份支付金额为“不知道”的问卷,正支付意愿(WTP>0)的受访者147人。由于部分受访者在回答“是否愿意支付一些费用用于减缓气温升高”时选择“不知道”,此时支付意愿值可能为WTP>0,也可能为WTP=0,因此将这部分支付意愿值视为“WTP≥0”。根据前文所列的正支付意愿期望值计算公式可知,选择个数n=6,取支付金额区间的中位值作为选择金额,即bi=10、35、75、200、400和500元/月,如表 2所示,N代表频数,Pi代表受访者选择相应选择金额的概率。计算结果为本地居民E(WTP)为79.05元/月,流动人口E(WTP)为70.83元/月。

表 2 受访者的正支付意愿 Table 2 The positive WTP of respondents

然而,由于这种正支付意愿期望值的计算未纳入WTP=0的支付值,且本次调查又存在一定比重的“零响应”现象(585份本地居民有效问卷中存在112个“零支付”样本,377份流动人口有效问卷中存在214个“零支付”样本,分别占19.14%和56.76%)。因此,上述计算结果与实际支付值之间可能存在一定偏差。考虑到这一点,为尽可能缩小支付意愿期望值与实际值之间的偏差,借鉴Kriström[32]提出的Spike模型对支付意愿期望值进行修正,公式如下:

$ E{\left( {{\rm{WTP}}} \right)_{{\rm{非负}}}} = E{\left( {{\rm{WTP}}} \right)_{{\rm{ 正}}}} \cdot {\rm{ }}(1-{\rm{WTP}}{{\rm{R}}_{{\rm{零}}}})。$ (3)

式中,E(WTP)非负为修正后的支付意愿期望值,E(WTP)为未修正的正支付意愿期望值,WTPR为零支付率,即不愿意支付。

结果显示,本地居民WTPR为12.99%,本地居民的E(WTP)非负为68.78元/月;而流动人口的WTPR为33.95%,E(WTP)非负为46.78元/月。最终结果显示,福州市本地居民修正后的支付意愿期望值比外来流动人口平均高出22元/月。为检验本地居民与流动人口之间的支付意愿金额差异性,利用卡方检验法对两类人群的支付意愿金额差异性进行检验,得出结果:Pearson卡方值为6.483,P>0.05。表明两类人群在减缓高温天气方面不存在显著性差异,但仍具有一定的差异性,且本地居民的支付意愿远比流动人口高。至于这两类人群内部的结构性差异及其影响因素,将在下文中通过二元逻辑分析对其做出解释。

3 支付意愿的影响因素分析

如上文所述,公众为减缓高温天气的支付意愿总体水平偏低,且流动人口的支付意愿比本地居民更低。为了解支付意愿(愿意/不愿意)的影响因素,将剔除支付意愿为“不知道”的部分,运用SPSS18.0统计软件对相关数据进行二元逻辑回归分析。

在对数据进行二元逻辑回归之前,先对有可能影响支付意愿的因素进行独立样本T检验,从而筛选出与支付意愿有关的因素。从检验结果(通过95%的信度检验)可以看出,与支付意愿相关的因素有:居民类型、性别、受教育水平、职业、在福州时间、月收入和月支出,但这只能证明以上因素与支付意愿有一定的相关性,需要运用二元逻辑回归分析法对这几个因素做出进一步的显著性检验。

在二元逻辑分析中,支付意愿(0=不愿意,1=愿意)作为因变量,其他7个因素(居民类型、性别、受教育水平、职业、在福州时间、月收入和月支出)作为协变量,即自变量,如表 3所示。

表 3 高温热浪支付意愿变量及其定义描述 Table 3 The variables of WTP for heat waves and its defnition description

因这7个自变量均为非连续变量,故须将它们设置为分类协变量,并且均以各自变量的最高水平作为参考类别,如受教育水平这一自变量的“大专及以上”即为最高水平。从模型的汇总结果来看,-2对数似然值为849.804,Cox & Snell R2为0.118,Nagelkerke R2为0.174,预测概率为75.2%,模型拟合度较好。回归分析结果显示,在95%的信度区间下,居民类型对支付意愿的影响最显著(P<0.001),性别和受教育水平具有较显著影响(P<0.05),其他因素(职业、在福州时间、月收入和月支出)的影响不显著(表 4)。

表 4 高温热浪支付意愿的二元逻辑回归分析结果 Table 4 The analysis results on the WTP for heat waves by binary logistic regression method
3.1 居民类型

居民类型对支付意愿的影响最显著(通过0.001的显著性检验),且根据表 4中的回归系数为负得知流动人口的支付意愿比城市居民弱,即更不愿意支付。究其原因可能是本地居民长期居于本地,自然有一种保护本地环境的使命感,因此对本地气候环境也就更为关心。这也验证了上文支付值的计算结果(福州市本地居民的支付值比外来流动人口多22元/月)。

3.2 性别

性别对支付意愿具有显著影响(通过0.05的显著性检验),且女性的支付意愿比男性高,这可能是因为女性属于高温热浪脆弱人群,无论在身体或是精神上,对高温热浪的承受能力要比男性弱,因此女性比男性更加愿意为此支付一定费用。且大部分男性可能因肩负着家庭重任,考虑更多的是家庭自身的支出,不愿意为减缓高温热浪再支付额外费用。

3.3 受教育水平

总的来说,受教育水平对支付意愿具有较显著影响(通过0.05的显著性检验),受访者受教育水平越高,支付意愿越高。从表 4可以看出,小学及以下、初中、高中或中专学历受访者的支付意愿均比大专及以上学历者低。但值得注意的是,从回归系数中可以看出,学历越低者,回归系数越大,负支付意愿越强烈。受教育水平越高,关于高温天气的获取途径与接受的相关知识越多,高温热浪感知情况越强,从而更愿意为此负责,并更愿意为减缓高温热浪支付费用。

3.4 职业与在福州时间

从回归系数可以看出,职业类型Ⅰ的支付意愿比职业类型Ⅱ强,这或许是由于受访者的职业在大多数情况下会受到受教育水平的影响,在一定程度上来说,受教育水平高的大多数受访者的职业收入可能相对较高,或许高温热浪支付金额占其工资的比重也较低,因此支付意愿较强。这从另一个角度又证实了受教育水平对支付意愿的显著影响。

与长时间居住福州(≥10年)的受访者相比,在福州居住、生活和学习的时间<10年者,支付意愿更强。这可能要从环境适应的角度来解释,受访者在一个地方的居住时间达到一定程度后适应了周边环境,对该地区的气候适应程度随居住时间的增长而提高,因此居住时间较短的受访者对高温热浪的感知程度相对于居住时间较长者来说更强烈,因此更愿意支付。

3.5 月收入与月支出

表 4可知,月收入对支付意愿不具有显著影响,但从某种程度上可知,相对于月收入≥6000元的受访者来说,月收入<3000元者更不愿意为减缓高温热浪支付费用,这或许是因为后者支付能力较弱。然而,分析结果还表明,月收入3000~6000元者的支付意愿比月收入≥6000元者强,这或许是由于社会上月收入处于3000~6000元的人群大多为户外工作者,对高温热浪的感知较为直接和强烈,因此,相对于月收入≥6000元的受访者,该收入水平的人群更愿意为减缓高温热浪支付相应费用。而月支出则与支付意愿成反比,即月支出<3000元的受访者支付意愿最强,月支出≥6000元的受访者支付意愿最弱,但月支出对于支付意愿的影响不显著。

4 结论与讨论

福州市本地居民与外来流动人口的支付意愿之间存在较大的人群分异,且流动人口的支付意愿低于本地居民。通过问卷调查的统计得出,本地居民的支付率高达80.85%,流动人口仅有43.24%;Spike模型计算结果得出,本地居民E(WTP)非负为68.78元/月,流动人口E(WTP)非负为46.78元/月;二元逻辑回归分析结果亦表明,居民类型对支付意愿的影响最显著(通过0.001的显著性检验)。这些结果均反映出高温热浪支付意愿存在显著的人群分异,且本地居民的支付意愿比流动人口强烈,支付金额亦较流动人口高。

二元逻辑回归分析的结果表明,受访者社会经济特征中影响高温热浪支付意愿高低的因素包括:居民类型、性别、受教育水平、职业、居住时间和经济实力等。居民类型对支付意愿的影响尤为突出,与流动人口相比,本地居民的支付意愿更高。性别和教育程度上也存在较显著的人群分异,与男性相比,女性的支付意愿更高,这一结果与Li等[33]的结果一致,这可能是因为女性属于高温热浪脆弱人群,对高温热浪的承受能力比男性弱,因此更愿意支付。受访者受教育水平越高者,支付意愿越高,这是因为对高温热浪感知情况越强,故更愿意支付,这一结果支持了曾贤刚[27]和Masud等[34]的研究结果。而职业、居住时间这两个因素虽然对支付意愿的影响不显著,但同样也是支付意愿的主要阻碍因素。关于经济实力这一因素,此前大多数研究结果是月收入与月支出对支付意愿具有显著影响且呈正相关[26-27],但此次研究结果表明,经济实力这一因素与支付意愿之间的关系较复杂,且其对于支付意愿的影响并不显著,具体原因与机理尚需更多案例检验。这些影响因素同时影响着受访者的高温热浪感知能力[35],当然,有些支付意愿的影响因素是相互影响的,至于它们之间的相互影响有待进一步讨论与研究。

福州市本地居民和外来流动人口对于高温热浪均具备一定的支付能力。根据2014年福建省流动人口发展报告数据统计得出,福州市外来流动人口在本地的家庭平均月支出与月收入均为2038元[36],据2015年福州市国民经济和社会发展统计公报得知,至2015年末全年城镇居民人均可支配收入与人均生活消费支出分别为34982元和24825元[37],即城镇居民的人均月收入与月支出分别为2915元和2068元。上述统计结果均表明,受访者的月支出与月收入与福州市近年来的实际情况基本吻合。同时也说明,福州市本地居民和外来流动人口均具备一定的经济基础,对于高温热浪具备一定的支付能力,政府有望将支付意愿转变为减缓高温热浪的实际措施。

由于问卷调查范围和调查力度受限,加之受访者完成问卷时的主观因素较强,调查结果不可能与实际情况完全吻合。同时,目前环境或气候类型的非市场物品支付意愿尚无标准统一的评估方法,只能计算非市场物品的相对价值,因此,公众对高温热浪支付意愿和支付值是否精确需要今后更多精准的检验。总的来说,高温热浪支付意愿及其人群分异的影响因素在某种程度上都将为相关部门及时制定并实施高温天气具体减缓与适应政策措施提供科学依据。

参考文献
[1]
McGeehin M A, Mirabelli M. The potential impacts of climate variability and change on temperature-related morbidity and mortality in the United States[J]. Environmental Health Perspectives, 2001, 109(2): 185-189.
[2]
Stott P A, Stone D A, Allen M R. Human contribution to the European heatwave of 2003[J]. Nature, 2004, 432(7017): 610-614. DOI:10.1038/nature03089
[3]
Gabriel K M, Endlicher W R. Urban and rural mortality rates during heat waves in Berlin and Brandenburg, Germany[J]. Environmental Pollution, 2011, 159(8-9): 2044-2050. DOI:10.1016/j.envpol.2011.01.016
[4]
Huynen M T E, Martens P, Schram D, et al. The impact of heat waves and cold spells on mortality rates in the Dutch population[J]. Environmental Health Perspectives, 2001, 109(5): 463-470. DOI:10.1289/ehp.01109463
[5]
Xoplaki E, González-Rouco J F, Luterbacher J, et al. Mediterranean summer air temperature variability and its connection to the large-scale atmospheric circulation and SSTs[J]. Climate Dynamics, 2003, 20(7): 723-739.
[6]
张尚印, 张海东, 徐祥德, 等. 我国东部三市夏季高温气候特征及原因分析[J]. 高原气象, 2005, 24(5): 829-835.
[7]
王朝春. 城市气候高温化的成因与对策:以福州市城区为例[J]. 城市问题, 2006, 24(9): 98-102.
[8]
Graves H, Watkins R, Westbury P, et al. Cooling buildings in London: overcoming the heat island[M]. Building Research Establishment Report 431, London: CRC Ltd, 2001.
[9]
Zhao L, Lee X H, Ronald B S, et al. Strong contributions of local background climate to urban heat islands[J]. Nature, 2014, 511(7508): 216-219. DOI:10.1038/nature13462
[10]
Kalkstein L S, Jamason P F, Greene J S, et al. The Philadelphia hot weather-health watch-warning system: development and application, summer 1995[J]. Bulletin of the American Meteorological Society, 1996, 77(7): 1519-1528. DOI:10.1175/1520-0477(1996)077<1519:TPHWHW>2.0.CO;2
[11]
Schär C, Luigi-Vidale P, Lüthi D, et al. The role of increasing temperature variability in European summer heatwaves[J]. Nature, 2004, 427(6972): 332-336. DOI:10.1038/nature02300
[12]
叶殿秀, 尹继福, 陈正洪, 等. 1961—2010年我国夏季高温热浪的时空变化特征[J]. 气候变化研究进展, 2013, 9(1): 15-20.
[13]
陈正洪, 向华, 高荣, 等. 武汉市10个主要极端天气气候指数变化趋势分析[J]. 气候变化研究进展, 2010, 6(1): 22-28.
[14]
谈建国, 郑有飞. 我国主要城市高温热浪时空分布特征[J]. 气象科学, 2013, 41(2): 347-350.
[15]
钱颖骏, 李石柱, 王强, 等. 气候变化对人体健康影响的研究进展[J]. 气候变化研究进展, 2010, 6(4): 241-247.
[16]
罗晓玲, 杜尧东, 郑璟. 广东高温热浪致人体健康风险区划[J]. 气候变化研究进展, 2016, 12(2): 139-146. DOI:10.12006/j.issn.1673-1719.2015.155
[17]
Luber G, McGeehin M. Climate change and extreme heat events[J]. American Journal of Preventive Medicine, 2008, 35(5): 429-435. DOI:10.1016/j.amepre.2008.08.021
[18]
Arthur H R, Hashem A, Joseph J R, et al. Cool communities: strategies for heat island mitigation and smog reduction[J]. Energy and Buildings, 1998, 28(1): 51-62. DOI:10.1016/S0378-7788(97)00063-7
[19]
Lindley S J, Handley J F, Theuray N, et al. Adaptation strategies for climate change in the urban environment: assessing climate change related risk in UK urban areas[J]. Journal of Risk Research, 2006, 9(5): 543-568. DOI:10.1080/13669870600798020
[20]
郑艳. 适应型城市:将适应气候变化与气候风险管理纳入城市规划[J]. 城市发展研究, 2012, 19(1): 47-51.
[21]
孙通, 赵明华, 韩荣青, 等. 城市扩张与热岛效应下济南对夏季极端高温的适应性措施[J]. 现代城市研究, 2014(4): 67-72.
[22]
Briony A N, Andrew M C, Stephen J L, et al. Planning for cooler cities: a framework to priorities green infrastructure to mitigate high temperatures in urban landscapes[J]. Landscape and Urban Planning, 2015, 134: 127-138. DOI:10.1016/j.landurbplan.2014.10.018
[23]
福州市统计局. 福州统计年鉴2015[M]. 北京: 中国统计出版社, 2015.
[24]
Hanemann W M. Valuing the environment through contingent valuation[J]. Journal of Economic Perspectives, 1994, 8(4): 19-43. DOI:10.1257/jep.8.4.19
[25]
Markantonis V, Bithas K. The application of the contingent valuation method in estimating the climate change mitigation and adaptation policies in Greece. An expert-based approach[J]. Environment Development & Sustainability, 2010, 12(5): 807-824.
[26]
蔡春光. 空气污染健康损失的条件价值评估与人力资本评估比较研究[J]. 环境与健康杂志, 2009, 26(11): 960-961.
[27]
曾贤刚. 我国城镇居民对CO2减排的支付意愿调查研究[J]. 中国环境科学, 2011, 31(2): 346-352.
[28]
刘亚萍, 李罡, 陈训, 等. 运用WTP值与WTA值对游憩资源非使用价值的货币估价:以黄果树风景区为例进行实证分析[J]. 资源科学, 2008, 30(3): 431-439.
[29]
赵雪雁, 王亚茹, 张钦, 等. 石羊河流域农户的气候变化适应策略选择[J]. 西北师范大学学报:自然科学版, 2016, 52(4): 127-134.
[30]
赵雪雁. 生计资本对农牧民生活满意度的影响:以甘南高原为例[J]. 地理研究, 2011, 30(4): 687-698.
[31]
福建省人口普查办公室, 福建省统计局. 福建省2010年人口普查资料[R]. 北京: 中国统计出版社, 2012
[32]
Kriström B. Spike models in contingent valuation[J]. American Journal of Agricultural Economics, 1997, 79(3): 1013-1023. DOI:10.2307/1244440
[33]
Li H, Berrens R P, Bohara A K, et al. Would developing country commitments affect US households' support for a modified Kyoto Protocol?[J]. Ecological Economics, 2004, 48: 329-343. DOI:10.1016/j.ecolecon.2003.10.010
[34]
Masud M M, Al-Amin A Q, Akhtar R, et al. Valuing climate protection by offsetting carbon emissions: rethinking environmental governance[J]. Journal of Cleaner Production, 2014, 89: 41-49.
[35]
叶士琳, 祁新华, 程煜, 等. 城市居民对高温热浪的感知:基于福州市的调查[J]. 生态学报, 2015, 35(20): 6814-6820.
[36]
福建省卫生和计划生育委员会. 2014福建省流动人口发展报告[R]. 福建: 福建省地图出版社, 2014
[37]
福州市统计局, 国家统计局福州调查队. 2015年福州市国民经济和社会发展统计公报[EB/OL]. 2016 [2016-04-10]. http://tjj.fuzhou.gov.cn/tjjzwgk/tjxx/ndbg/201603/t20160331_1055067.htm
A Study on the Willingness to Pay for Heatwaves Between Different Groups and Its Influence Factors: A Case of Fuzhou
Wang Yi1, Liu Guanqiu1, Qi Xi1, Pan Danlin1, Qi Xinhua1,2,3    
1. College of Geographical Sciences, Fujian Normal University, Fuzhou 350007, China;
2. Institute of Geography, Fujian Normal University, Fuzhou 350007, China;
3. State Key Laboratory of Subtropical Mountain Ecology, Fuzhou 350007, China
Abstract: Fuzhou city was deliberately chosen as the study area because of prominent heatwaves. Face-to-face interviews were conducted by means of the simple random sampling method, and 962 valid questionnaires were obtained. The depth interviews for some samples were also conducted, and the questionnaires covered some contents: social economy, the willingness to pay (WTP), its influence factors of heatwaves, etc. Contingent Valuation Method (CVM) and the modified Spike model were used to explore the differences between local residents and floating population on the WTP and its influencing factors. The results showed that: 1) Totally, the willingness payment of local residents and floating population for heatwaves is high, and the former is higher than the latter. 2) The willingness payment of local residents is 68.78 RMB per month, and that of floating population is 46.78 RMB per month. Obviously, there are differences between them. 3) The influencing factors of the WTP for heat waves include the type of residents, gender, education level, occupation, the time that stay in Fuzhou and the economic capacity. The differences of the WTP and the amount of payment for heatwaves between the local residents and the floating population and its influence factors will provide references for Fuzhou and other regions with similar weather to make relevant policies.
Key words: heat waves    willingness to pay (WTP)    influence factors    group differences    Fuzhou city