历史热浪重现将显著增加欧洲大规模热致死亡风险

《Nature Climate Change》：Increasing risk of mass human heat mortality if historical weather patterns recur

本研究针对现有气候风险评估模型难以捕捉极端热事件致命性这一问题，通过结合机器学习模拟历史热浪在当代及未来气候条件下的强度变化与实证暴露-反应函数，量化了欧洲地区极端高温导致大规模死亡的风险。研究发现，若2003年气象条件在近期全球升温1.5°C背景下重现，单周超额死亡数可达1.78万例（3°C时升至3.2万例），相当于欧洲COVID-19疫情峰值死亡率，且当前适应措施缓解效果有限。该成果为公共卫生系统应对极端气候事件提供了关键风险基准。

　　

随着气候变化加剧，极端高温事件的频率和强度持续攀升，对人类健康构成严重威胁。尽管已有大量研究预测气候变化将增加热相关死亡率，但现有模型往往聚焦于长期人口负担，难以捕捉突发性极端热事件可能造成的灾难性死亡浪潮。这类事件需要区别于常规高温的健康管理策略，对医疗系统和应急服务提出更高要求。因此，量化未来气候条件下极端热事件的潜在死亡风险，成为气候适应规划中亟待解决的关键问题。

发表于《Nature Climate Change》的这项研究，通过创新性地融合机器学习模拟与流行病学分析方法，首次系统评估了历史典型热浪在不同全球变暖情景下重现时可能引发的超额死亡率。研究团队选取欧洲作为重点区域，因其热极端事件增长速率快于北半球其他地区，且近年夏季高温已导致数万人死亡，是研究大规模热致死亡风险的典型场景。

为开展研究，作者团队主要运用了以下关键技术方法：首先基于CMIP6多模型集合训练卷积神经网络(CNN)，建立全球温度异常、气象条件与地表极端温度的非线性关系；其次利用欧洲924个次国家级区域2015-2019年纵向死亡数据构建暴露-反应函数，量化温度-死亡率关联；最后通过反事实模拟和模式缩放技术，分离气候变化与自然变率对死亡的贡献，并评估适应措施效果。

反事实极端热事件构建

研究选取1994年7月、2003年8月、2006年7月、2019年6月和2023年8月五个欧洲极端热事件作为分析对象。通过机器学习框架，将ERA5再分析气象场作为样本外输入，预测这些历史热浪在不同全球温度异常（GMT）下的强度变化。结果显示，当提供特定历史气象模式时，该方法能准确再现高温序列，样本外预测R²≥0.92。所有事件均呈现大陆尺度高压系统异常和土壤干燥的共同特征，随着GMT升高，相同气象模式产生的温度异常持续增大。

温度-死亡率关系异质性

基于924个区域每周死亡率数据建立的暴露-反应函数显示，欧洲不同地区对高温的脆弱性存在显著差异。最冷区域三分之一地区的最小死亡温度（MMT）为14.5°C，而最暖区域达19.7°C，反映长期气候适应差异。值得注意的是，尽管温暖地区MMT更高，但其暴露-反应曲线在高温段的斜率更陡，表明对极端高温的适应存在极限。

极端事件死亡率投影

在近期1.5°C全球变暖水平下，五个历史热浪重现均可导致每周数千例超额死亡。其中1994年和2003年气象条件影响最为严重：当12个月平均GMT达3°C时，每周超额死亡分别达2.65万（95%CI 2.24-3.11万）和3.2万（95%CI 2.67-3.88万）例。与无变暖情景相比，气候变化在3°C情景下对2003年类事件死亡的贡献占比达72%。不确定性分析表明，暴露-反应函数的抽样不确定性是主要误差来源。

适应措施缓解效果有限

通过模式缩放模拟未来适应能力发现，基于当前观测的空间异质性外推，额外适应仅能平均降低峰值死亡率10%。例如2003年类事件在3°C时的峰值死亡率从3.2万例降至2.88万例（95%CI 2.13-3.62万），仍高于其他事件无适应情景的峰值。这表明现有适应方式难以有效缓解极端热事件的死亡风险。

死亡规模的比较意义

研究将热致死亡与COVID-19疫情峰值进行对比，发现3°C全球变暖水平下2003年类事件的周死亡数与COVID-19最严重10%周死亡数（2.79-3.41万例）相当，4°C时多个事件死亡数将超越疫情最严重单周。这一比较为公共卫生系统资源调配提供了直观风险评估基准。

研究结论强调，基于历史气象模式与 plausible 二十一世纪全球温度异常组合的模拟，揭示了欧洲未来极端热事件可能造成的重大死亡负担。气候变化已成为极端热事件死亡的主要贡献者，在较高GMT下其贡献比例可达70-80%。尽管稳定全球温度至关重要，但研究结果表明，仅靠当前适应模式难以有效降低极端热对人口健康的威胁，需要开发新的适应策略和公共卫生应对措施。该研究通过具体化高风险情景，为健康系统应急能力建设提供了科学基准，突出在气候持续变暖背景下加强适应能力的紧迫性。