**Dolgobinda Pal | Saon Banerjee | Nidhi Nagabhatla | Sarath Chandran M. A. | Amitava Panja | Sarathi Saha | Manish Kumar Naskar | Subhadeep Sarkar**
**印度西孟加拉邦纳德亚莫汉普尔比丹·钱德拉农科大学农业气象学与物理学系，邮编741252**
**摘要**
科学文献指出，平均温度的上升，加上极端高温事件的频率和持续时间的增加，对粮食安全构成了威胁，尤其是在南亚这些对气候敏感的地区。这些影响在印度西孟加拉邦尤为严重，那里多样的农业生态条件和气候敏感的农业系统导致了不均匀的社会-气候压力。尽管人们的关注日益增加，但对西孟加拉邦农业社区进行区域级热浪风险评估的工作仍然有限，特别是在将气候、农业和社会经济因素与预测模型结合的框架中。本研究通过基于IPCC第六次评估报告（AR6）风险框架的综合性、空间明确的熱浪风险评估方法，为提高气候韧性做出了重要贡献。通过将气候灾害与暴露程度和社会经济脆弱性相结合，并使用主成分分析（PCA），得出了综合热浪风险指数（CHWRI）。为了捕捉非线性的时空动态，还采用了经过河马优化算法（HOA）优化的长短期记忆（LSTM）模型来预测区域级热浪风险等级。研究结果表明存在显著的空间异质性，红色土壤、红土、沿海盐碱地和老冲积地带的风险尤为突出。观测到的和预测的区域级CHWRI等级高度一致，22个地区中有16个被正确分类（72.73%）。空间统计分析显示存在显著聚类现象（Global Moran’s I = 0.47），普鲁利亚地区在Getis-Ord Gi∗分析中被确定为热点区域。所提出的PCA–LSTM-HOA框架为热点区域优先排序、早期预警和气候适应性农业规划提供了一种新颖、可解释且具有政策相关性的工具——这在全球变暖加速的背景下尤为重要。
**引言**
人为气候变化是21世纪最大的挑战之一。政府间气候变化专门委员会第六次评估报告（IPCC AR6）指出，2011年至2020年间，全球平均表面温度比1850-1900年的基准温度高出1.09°C（Kirchengast和Pichler，2025年）。这种变暖的一个明显影响是热浪事件的增加。热浪被定义为持续数天或数周的异常高温期，其发生概率至少是20世纪50年代的三倍（Pacheco-Torgal和Goran-Granqvist，2023年）。热浪具有严重的社会生态影响，影响人类健康、生态系统、农业和经济（Chakraborty等人，2019年）。目前全球约有6800万人遭受热应激的影响，如果到2100年温度上升超过2°C，这一数字可能会超过10亿人（美国气象局，2021年）。平均温度每上升1°C，死亡风险增加0.2%至5.5%。人类文明经历了许多致命的热浪事件，包括2003年的欧洲热浪（77,000人死亡）和2010年的俄罗斯热浪（55,000人死亡）。印度国家灾害管理局（NDMA）报告称，1992年至2015年间有24,223人因热浪死亡（Ravindra等人，2024年）。温度极端值也对农业部门构成严重威胁。作物生长、物候过程和生理过程对热应激非常敏感，尤其是在开花和灌浆阶段。作物建模研究表明，在严重条件下，热应激可使小麦等作物的产量减少20%以上（Senapati等人，2026年）。温度升高通过破坏植物生理功能和农业实践降低作物生产力（Xue等人，2025年）。开花后的高温会减少小麦中的淀粉积累和谷物重量（Khan等人，2021年），而水稻的高温会增加小穗的不育率并减少谷物灌浆（Bal等人，2025年）。热应激还会削弱植物的防御系统并增加害虫爆发（Cope等人，2023年）。在许多情况下，热浪与干旱相互作用，形成复合灾害，进一步威胁农业的可持续性（Ghajarnia等人，2025年）。
由于地理位置和多样的农业气候条件，印度西孟加拉邦需要特别关注气候变化。该邦的经济主要依赖于农业，68%的净耕地面临土地碎片化、土地持有者的社会经济地位低以及土地多样性等问题。考虑到该邦的农业气候多样性、高人口密度以及对气候敏感的生计依赖性，在区域层面进行重点研究尤为重要。该邦的特点是西南季风期间降雨量高，季风前有西北风，季风后有热带气旋，冬季寒冷干燥（Das和Goswami，2023年；Datta和Das，2019年）。夏季时，西部恒河地区经常出现热浪，温度超过45°C，而北部地区夏季相对温和（Das等人，2025年）。早期的气候学研究已经确定印度东部部分地区，包括西孟加拉邦，容易发生反复的热浪事件（Kumar和Chakraborty，2025年）。最近的评估表明，许多地区位于印度核心热浪区内，尤其是在季风前的夏季（Pai和Nair，2022年）。
过去二十年里，关于气候引发的风险的研究有了显著进展。IPCC AR6框架强调，气候风险并非静态现象，而是由灾害、暴露程度和脆弱性相互作用产生的。这使风险评估从孤立的脆弱性评估转向了结合这三个维度的综合框架（Saber等人，2025年；Yang等人，2026a；Zade等人，2026年）。然而，在西孟加拉邦的热浪风险研究中，这种转变尚未完全实现，尤其是在农业社区方面。现有文献大多集中在脆弱性指数、灾害预测或基于专家的多标准方法上（Azhar等人，2017年；Dubey等人，2021年；Prabhu等人，2025年；Rao等人，2021年）。许多研究也侧重于城市热健康影响、气象分析或热生物气候预测（Bal和Kirchner，2023年；Mandvikar等人，2024年），而不是农村社会气候风险系统（补充材料表S1）。另一个挑战在于动态气候灾害与相对静态的社会经济指标之间的时间不匹配。静态变量无法完全捕捉暴露程度或脆弱性的短期变化，但它们仍然重要，因为它们代表了决定区域级暴露程度和适应能力的结构条件。从这个意义上说，静态社会经济指标虽然不能描述短期波动，但为识别影响热浪风险的社会和发展模式提供了坚实的基础。
尽管在热浪风险研究领域取得了最新进展，仍存在几个重要差距。首先，关于西孟加拉邦农业社区区域级社会气候热浪风险状况的全面了解的文献非常有限。其次，风险热点的空间识别不足。第三，许多预测方法的解释性有限，而传统的基于指数的方法往往无法捕捉非线性和时间关系。这些局限性降低了现有研究对地方规划者、政策制定者、农业推广机构和农民的实际价值。为解决这些差距，本研究通过结合主成分分析（PCA）和经过河马优化算法（LSTM-HOA）优化的长短期记忆（LSTM）模型，开发了一个针对西孟加拉邦的综合热浪风险框架。基于PCA的框架用于表示灾害、暴露程度和脆弱性的结构维度，然后应用LSTM-HOA模型通过学习非线性时空模式来预测热浪风险等级。这一混合框架结合了统计框架的可解释性和气候风险映射的预测能力，适用于南亚和热带国家。此外，通过热点分析识别高风险区域的空间聚类，增强了农业社区的韧性。因此，本研究解决了以下研究问题：
➢ 西孟加拉邦农业社区的区域级热浪灾害、暴露程度、脆弱性和综合风险状况是什么？
➢ 哪些农业气候区域是社会气候热浪风险的热点和冷点？
➢ 人工智能工具，特别是通过HOA优化的LSTM，在细空间分辨率下预测基于PCA的综合热浪风险指数（CHWRI）的效果如何？
**研究方法**
第2节描述了研究区域、数据集和方法论框架，包括CHWRI和LSTM-HOA模型的构建。第3节展示了风险评估、空间分析和预测建模的结果。第4节讨论了这些发现对气候适应性农业规划和区域适应的意义。最后，第5节总结了主要结论，指出了研究的局限性，并提出了未来研究的方向。
**研究区域**
本研究选择了生态多样性最高的印度西孟加拉邦（图1）。在该邦的23个地区中，加尔各答被排除在外，因为它完全是城市地区。选择西孟加拉邦的原因是该地区经常遭遇极端天气事件，如热浪。另一个原因是该地区拥有广泛的景观，包括北部的喜马拉雅山麓、肥沃的恒河平原等。
**结果**
本节概述了所衍生指标的一般描述及其映射，并在补充材料中的图S1至图S3中展示了所有标准化的灾害、暴露程度和脆弱性子指标值。
**讨论**
本研究通过应用IPCC AR6风险框架，提出了政策相关的证据，探讨了农业系统中的热浪风险是如何由气候灾害、社会经济暴露程度和结构性脆弱性相互作用引起的。通过超越单纯的温度极端值，分析提供了更准确和可行的理解，说明了热相关风险在何处以及为何集中。高CHWR值的空间分布也与文献记录的农业情况一致。
**结论**
本研究采用IPCC AR6风险框架，对农业热浪风险进行了应用性评估，提供了基于实证的方法，以理解气候灾害如何与社会经济暴露程度和结构性脆弱性相互作用，从而形成农业系统中的热应激。LSTM-HOA技术的整合进一步增强了分析框架，提高了热浪风险的预测能力。
**作者贡献声明**
Dolgobinda Pal：撰写——原始草稿、可视化、软件、方法论、数据管理、概念化。
Saon Banerjee：撰写——审稿与编辑、撰写——原始草稿、项目管理、方法论、概念化。
Nidhi Nagabhatla：撰写——审稿与编辑、监督。
Sarath Chandran M. A.：撰写——审稿与编辑、验证、方法论。
Amitava Panja：撰写——审稿与编辑、形式分析。
Sarathi Saha：撰写——审稿与编辑。
Manish Kumar Naskar：
