ROBINE-AT：面向奥地利能源系统韧性的多气候灾害指标数据集构建与风险评估

《Scientific Data》：Climatological hazard indicators for a robust and integrated energy infrastructure in Austria

本研究针对气候变化下可再生能源基础设施的脆弱性问题，开发了ROBINE-AT数据集，涵盖热浪、干旱、洪水等41类气候灾害指标，空间分辨率达1公里。基于CMIP5/CMIP6多模型集成和全球增温水平（GWL）框架，该研究量化了奥地利在GWL 1.0°C至4.0°C下的气候风险时空格局，首次实现了复杂地形区域能源系统的多灾害集成评估。成果为气候适应策略制定提供了高精度数据支撑，发表于《Scientific Data》。

　　

论文解读

随着全球能源系统向可再生能源转型，气候变化对电力供应、输配网络和能源需求的威胁日益凸显。高温可能降低火力发电效率，野火会摧毁输电线路，湿度变化影响风力发电机转换器，而极端降水则可能引发洪涝冲击水电站。在奥地利这样的阿尔卑斯山区国家，复杂地形放大了气候风险的时空异质性，但此前缺乏针对山地环境的精细化气候灾害数据集。为此，由奥地利自然资源与生命科学大学（BOKU）和奥地利技术研究院（AIT）领衔的研究团队，在ROBINE项目框架下开发了ROBINE-AT数据集，旨在为能源系统的气候韧性规划提供科学依据。

研究团队通过整合6个CMIP5/CMIP6气候模型的局部化偏置校正数据，采用全球增温水平（Global Warming Level, GWL）框架，构建了涵盖GWL 1.0°C（对应2001–2020年）、2.0°C、3.0°C和4.0°C的41项灾害指标地图。空间分辨率高达1公里，覆盖热应力（如沙漠日、热带夜）、寒冷相关指标（冰日、霜冻日）、降水洪水（最大三日降水、河流洪水日）、干旱（标准化降水蒸散指数SPEI）、风能相关（静默日、极端阵风）、火灾（火灾天气指数FWI）及雷电等多元灾害。指标设计融合文献综述与利益相关方咨询，确保其与能源基础设施脆弱性的直接关联。

关键技术方法包括：基于分位数映射的偏置校正、土壤温度回归模型（T_soil = 0.777·T_air + 3.751）、150米高度风电指标垂直调整（使用-6.50°C/公里递减率）、以及NUTS3区域极端风速95百分位计算。数据验证显示，温度与降水指标误差低于0.5σ，而雷电等复杂指标在西部山区存在空间偏移。

研究结果

热量相关灾害

年均最高温度在GWL 4.0°C时空间平均上升5.6°C，远超全球平均增温幅度，凸显极端温度增强效应。热带夜（T_min ≥ 20°C）在GWL 4.0°C时维也纳市中心年增49.6天，河谷地区成为新增热点。

寒冷灾害

霜冻日（T_min < 0°C）随增温显著减少，高海拔区降幅最大。冰抛日（T_min < -20°C at 150 m）指标提示风电涡轮机低温运行风险。

降水与风能指标

最大三日降水在山丘增幅显著，而静默日（风速<2.5 m/s）连续周期延长可能影响风电稳定性。干旱指标（SPEI<-2）显示模型对持续性干旱模拟存在不确定性。

结论与意义

ROBINE-AT首次实现了山地国家能源气候风险的公里级多灾害集成评估，填补了复杂地形区高分辨率气候指标空白。通过GWL框架剥离排放情景依赖性，增强了数据的跨模型可比性。研究揭示极端温度增强幅度高于平均变暖，且阈值型指标（如热带夜）呈现海拔依赖性，凸显多指标协同分析的必要性。数据已公开于Zenodo平台，支持与暴露度、脆弱性数据耦合生成风险地图。未来需扩展冰雹、水温等指标，并加强复合事件评估，以全面提升能源系统气候韧性规划能力。