全球高分辨率综合热指数数据集（1950-2024）：提升热应激评估精度与气候变化适应规划

为应对全球变暖背景下热浪加剧对公共健康和劳动生产率的威胁，Abdul Malik等人利用ERA5和ERA5-Land再分析数据，构建了1950-2024年间0.1°×0.1°高时空分辨率的综合热指数数据集（CHI）。该数据集包含湿球温度（Twb）、通用热气候指数（UTCI）、致命热应激指数（Lsi）等13种指标，首次引入对土壤湿度敏感的Lsi指数，并通过使用2米风速（而非10米风速）和仅计算日照时段平均太阳天顶角余弦（cosθ）等改进，显著提升热应激评估精度。该数据集为气候影响研究、公共卫生干预及区域适应策略制定提供了关键数据支撑。

随着全球气温持续攀升，热浪事件变得愈发频繁和强烈，对脆弱人群，尤其是低收入社区，构成了严重威胁。准确评估热浪对劳动生产力、公共健康及气候风险的影响，亟需高分辨率的数据支持。然而，现有的热应激数据集往往存在空间分辨率不足、指标单一、对湿度动态捕捉不力等问题，难以全面反映复杂环境下的热应激状况，特别是在中东、北非等快速升温且缺乏高分辨率数据的脆弱区域。

为了解决这些挑战，由阿卜杜勒·马利克（Abdul Malik）领衔的研究团队在《Scientific Data》上发表了题为“A Global High-Resolution Comprehensive Heat Indices Dataset from 1950 to 2024”的研究论文，推出了全球高分辨率综合热指数数据集（Comprehensive Heat Indices, CHI）。这是首个覆盖1950至2024年、具备小时分辨率和约9公里（0.1°×0.1°）空间格网的长时间序列热指数数据集，涵盖了从60°S到75°N的全球陆地范围。

CHI数据集的构建基于欧洲中期天气预报中心（ECMWF）的ERA5和ERA5-Land再分析数据。研究团队采用了多项关键技术方法提升数据精度：一是使用更贴近人体感受的2米高度风速（ws2）替代常用的10米风速（ws10）进行计算；二是在计算平均太阳天顶角余弦（cosθ）时，仅考虑每小时区间内的日照时段，避免了因包含日出日落时刻导致的太阳辐射估算偏差和热指数异常峰值；三是整合了thermofeel Python库和Kong等人开发的物理模型代码，分别计算了大多数指数和更具物理基础的自然湿球温度（Tnwb）；四是首次在全球范围内计算并提供了对土壤湿度变化敏感的致命热应激指数（Lsi）及其室外版本（Lsin），该指数与死亡率数据经验性关联，能更好识别低湿度地区的危险热事件。

研究结果

1. 热指数空间格局与长期趋势

CHI数据集成功生成了1950-2024年期间13种热指数的全球空间分布图。结果显示，所有指数在空间上的最小和最大值均处于物理合理范围内。例如，平均辐射温度（Tmrt）、通用热气候指数（UTCI）、湿球黑球温度（Twbg）等指数在1月和7月的空间分布清晰地反映了季节性和区域性热应力差异。值得注意的是，由于包含了辐射效应，室外自然致命热应激指数（Lsin）的值普遍高于室内致命热应激指数（Lsi）。

2. 与现有数据集的对比验证

研究选取了2015年6月20日全球性热浪事件和2019年6月10日南亚热浪事件作为案例，将CHI与ERA5-HEAT、HiGTS、HiTiSEA等现有数据集进行对比。结果表明，CHI能成功捕捉热浪的空间模式，与其它数据集具有良好的一致性。然而，在格陵兰、加拿大、青藏高原等寒冷地区，CHI的UTCI和Tmrt与ERA5-HEAT等数据集存在差异（UTCI差异范围约-22.3°C至+20°C）。这些差异主要归因于CHI更高的空间分辨率（0.1° vs 0.25°）以及使用2米风速、不同的投影面积因子（f_p）计算方式等因素，高分辨率能更好地刻画地形、海岸线梯度等细节，从而影响热指数的估算。

3. 数据质量与可靠性

技术验证表明，CHI数据集计算可靠。与ERA5-HEAT相比，CHI的UTCI在95%和99百分位上的偏差分别为2.49°C和4.57°C；Tmrt的相应偏差为2.9°C和6.8°C，表明仅有少数格点存在较大差异，整体数据质量可控。与HiTiSEA在南亚地区的对比显示，多数指数偏差接近零，进一步证实了CHI在不同区域的适用性。

研究结论与意义

CHI数据集的发布为多学科研究提供了宝贵资源。在公共健康领域，Lsi指数基于全球死亡率数据设定的两个关键阈值（Lsi = 19°C表示超额死亡率开始出现“致命”，Lsi = 27°C表示死亡极可能发生“致死”）为热相关健康风险预警提供了直接依据。在劳动科学领域，精确的Twbg和UTCI数据有助于评估高温对户外工作者生产率的影响。在气候科学领域，长时序、高分辨率的数据支持对热应激时空演变趋势的深入分析，服务于气候适应规划。

该数据集明确区分了室内/遮阴环境（如Twb、Lsi、体感温度AT、湿度指数Hu）和室外/暴露环境（如UTCI、Tnwb、Lsin、Twbg）适用的指数，用户可根据具体应用场景（如城市热岛效应评估、农业区热风险研究）选择最合适的指标。尽管9公里的空间分辨率对于刻画城市内部热点的细节仍有限，但其在区域尺度热岛特征分析、以及通过Tmrt等指数更全面考量辐射效应方面，已显著优于仅基于气温的分析。

综上所述，CHI数据集通过整合多源再分析数据、改进算法、囊括多样化的热指数，显著提升了全球热应激评估的准确性和全面性。它不仅填补了长期、高分辨率、综合性热指数数据的空白，尤其为脆弱地区的气候变化影响监测和适应策略制定提供了关键数据支撑，对推动气候-健康-社会经济的交叉研究具有重要意义。数据集已通过Figshare平台公开共享，供全球学术界和相关决策部门使用。