全球高分辨率偏差校正数据集：CMIP6热应力指标的未来预测及其对人类健康的影响

本研究针对气候变化下热应力评估的可靠性问题，开发了基于16个CMIP6模型的全球高分辨率偏差校正数据集，提供1-4°C变暖情景下的干球温度（Ta）、湿球温度（Tw）和湿球黑球温度（WBGT）的3小时数据。通过叠加ERA5再分析基准与模型模拟的气候变化信号，显著改善了极端热应力事件的量化精度，为健康风险和社会经济影响评估提供了关键工具。

　　

随着全球变暖加剧，热应力已成为威胁人类健康和社会经济稳定的重要因素。然而，现有研究存在两大瓶颈：一是多数依赖单一温度指标（如T_a），忽视了湿度、辐射等多因素协同作用；二是气候模型输出的系统性偏差和粗分辨率限制了极端事件的准确预测。例如，湿球温度T_w的传统计算公式在高温度区间存在>1°C的误差，而WBGT的简化估算方法更会导致显著偏差。这些问题使得从气候模型到健康影响评估的链条存在不确定性，亟需高精度、多指标的热应力数据集。

为解决这一挑战，普渡大学（Purdue University）的研究团队开发了首个全球0.25°分辨率、3小时频率的偏差校正数据集。该研究整合16个CMIP6模型在SSP5-8.5情景下的输出，通过创新性方法将模型模拟的相对变化信号叠加到ERA5再分析基准（1950-1976年）上。结果显示，偏差校正后模型对ERA5参考气候的模拟能力显著提升——年平均值和95%分位数的误差从±2.5°C降至±0.5°C以内，尤其改善了热带地区和复杂地形区的表现。

关键技术方法包括：1) 采用Davies-Jones绝热算法精确计算T_w，修正了传统公式的高估问题；2) 基于Liljegren物理原理的WBGT计算模型，整合温度、湿度、风速和辐射的交互作用；3) 开发时空信号叠加的偏差校正技术，保留ERA5的高分辨率天气波动特征同时融合GCMs的气候变化信号。

主要研究结果

气候模型偏差特征

原始CMIP6模拟在欧亚大陆北部系统性低估T_a达1-2.5°C，而在印度恒河平原极端温度（95%分位数）高估超过4°C。这种偏差在T_w和WBGT中呈现更复杂的空间分异，反映了温湿度补偿效应。

a在偏差校正前后的年平均值与95%分位数误差对比">

偏差校正效果验证

在八个典型区域（如萨赫勒、印度河谷等）的量化分析表明，校正后所有分位数的偏差均显著缩小。例如印尼地区的WBGT 99%分位数误差从+1.8°C降至+0.3°C，模型间离散度降低60%。

数据应用价值

该数据集首次支持T_w的T_a依赖性阈值分析（如Vecellio等提出的30.58°C临界值），并能精确捕捉WBGT相关的劳动效率损失关键时段（每日高温峰值3小时）。

这项发表于《Scientific Data》的研究建立了热应力评估的新标准。其创新性体现在：1) 物理机制与统计方法的结合，解决了传统量化中温湿度交互作用的表征难题；2) 0.25°分辨率支持城市尺度的风险评估；3) 变暖目标导向（1-4°C）的设计与《巴黎协定》框架直接衔接。未来可广泛应用于热相关死亡率预测、劳动生产力损失经济评估等领域，为气候适应政策制定提供科学依据。值得注意的是，数据集继承了ERA5对极端事件的低估倾向，在健康风险评估中需结合观测数据校准。