不同氣候變化情景下未來(lái)中國(guó)熱相關(guān)死亡風(fēng)險(xiǎn)的預(yù)估*

陸開來(lái) 班婕 王情 陳晨 許懷悅 李湉湉

1.中國(guó)疾病預(yù)防控制中心環(huán)境與人群健康重點(diǎn)實(shí)驗(yàn)室，中國(guó)疾病預(yù)防控制中心環(huán)境與健康相關(guān)產(chǎn)品安全所，北京，100021

2.江蘇海洋大學(xué)海洋技術(shù)與測(cè)繪學(xué)院，連云港，222005

3.南京信息工程大學(xué)大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心，南京信息工程大學(xué)江蘇省大氣環(huán)境監(jiān)測(cè)與污染控制高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，南京，210044

1 引言

氣候變化是21 世紀(jì)人類面臨的最大挑戰(zhàn)（Watts，et al，2017）。氣候變化影響下，全球變暖趨勢(shì)增強(qiáng)，氣溫升高給自然環(huán)境與人類健康帶來(lái)不良影響，造成直接或間接的疾病負(fù)擔(dān)與健康經(jīng)濟(jì)損失（Heaviside，et al，2016；Carmona，et al，2017；Mercereau，et al，2017；許懷悅等，2021）。最新的《全球疾病、傷害和風(fēng)險(xiǎn)因素負(fù)擔(dān)研究》（GBD 2019 Risk Factors Collaborators，2020）顯示，2019 年不適宜氣溫在全球?qū)е录s196 萬(wàn)人超額死亡，其中熱相關(guān)的死亡為31 萬(wàn)人，高溫成為全球排名第二的環(huán)境類危險(xiǎn)因素。中國(guó)不適宜溫度導(dǎo)致約59.39 萬(wàn)人超額死亡，占環(huán)境類危險(xiǎn)因素歸因死亡的19%，亦是僅次于空氣污染的疾病風(fēng)險(xiǎn)驅(qū)動(dòng)因素?！读~刀健康與氣候變化倒計(jì)時(shí)2020 年中國(guó)報(bào)告》顯示，1990—2019 年，中國(guó)熱相關(guān)死亡率增加了4 倍（Cai，et al，2020）。因此，不適宜高溫及其健康風(fēng)險(xiǎn)已成為氣象與公共衛(wèi)生領(lǐng)域需要關(guān)注與厘清的重要科學(xué)問(wèn)題。

高溫暴露導(dǎo)致的熱相關(guān)風(fēng)險(xiǎn)形勢(shì)嚴(yán)峻。政府間氣候變化專門委員會(huì)（IPCC）第六次評(píng)估報(bào)告（IPCC，2021）表明，20 世紀(jì)70 年代以來(lái)，全球升溫趨勢(shì)明顯，2016—2020 成為1850 年以來(lái)最暖的5 a。而在未來(lái)中、遠(yuǎn)期，全球所有地區(qū)的氣候變化都將加劇，氣溫將呈加速上升態(tài)勢(shì)，意味著未來(lái)暴露于高溫下的人群將會(huì)增加。健康風(fēng)險(xiǎn)預(yù)估研究（Gasparrini，et al，2017）表明，未來(lái)全球熱相關(guān)超額死亡人數(shù)呈增加趨勢(shì)。因此，開展氣候變化背景下的熱相關(guān)健康風(fēng)險(xiǎn)預(yù)估研究可為人群健康風(fēng)險(xiǎn)防范與適應(yīng)性策略的規(guī)劃與制定提供科學(xué)依據(jù)。

近年來(lái)，部分學(xué)者對(duì)中國(guó)部分省、市的熱相關(guān)死亡情況進(jìn)行了研究。Li 等（2016）利用北京市2008—2011 年65 歲以上人群非意外總死亡數(shù)據(jù)，結(jié)合31 個(gè)大氣環(huán)流模式模擬及經(jīng)誤差訂正與降尺度處理后的日均氣溫?cái)?shù)據(jù)，對(duì)未來(lái)典型濃度路徑（Representative Concentration Pathway，RCP）中的RCP4.5、RCP8.5 排放情景下 21 世紀(jì)20、50 與80 年代北京市老年人高溫相關(guān)死亡率進(jìn)行了預(yù)估。結(jié)果顯示，即便假設(shè)未來(lái)人類對(duì)高溫的適應(yīng)性大幅度提升，高溫相關(guān)死亡率相比歷史時(shí)期仍將升高。Chen 等（2017）基于江蘇省2009—2013 年死因數(shù)據(jù)與21 個(gè)大氣環(huán)流模式模擬的日均氣溫?cái)?shù)據(jù)，預(yù)測(cè)了RCP4.5、RCP8.5 情景下2016—2065 年江蘇省熱相關(guān)非意外總死亡風(fēng)險(xiǎn)與心血管疾病、呼吸系統(tǒng)疾病等多種疾病患者的死亡風(fēng)險(xiǎn)，同時(shí)對(duì)比了城鄉(xiāng)差異，結(jié)果顯示未來(lái)江蘇省熱效應(yīng)死亡風(fēng)險(xiǎn)上升，同時(shí)提出了未來(lái)中國(guó)非城市居民將比城市居民遭受更多與高溫有關(guān)的死亡負(fù)擔(dān)。還有學(xué)者對(duì)中國(guó)主要城市的熱相關(guān)死亡風(fēng)險(xiǎn)進(jìn)行了探索。Li 等（2018）選擇10 個(gè)大氣環(huán)流模式模擬數(shù)據(jù)集，預(yù)測(cè)了RCP2.6、RCP4.5、RCP8.5 情景下2041—2080 年中國(guó)51 個(gè)大城市的熱相關(guān)死亡率。Wang等（2019）對(duì)RCP2.6、RCP4.5 情景下2060—2099年中國(guó)27 個(gè)主要城市不同性別、年齡人群的熱相關(guān)死亡率進(jìn)行預(yù)估。以上研究存在的不足在于，大多數(shù)研究?jī)H針對(duì)醫(yī)療條件與高溫防護(hù)措施相對(duì)完善的城市區(qū)域進(jìn)行了風(fēng)險(xiǎn)預(yù)估，并且僅以個(gè)別城市或某城市群為研究對(duì)象，忽略了非城市區(qū)域的相關(guān)風(fēng)險(xiǎn)，難以為明晰中國(guó)熱相關(guān)健康風(fēng)險(xiǎn)提供支撐。此外，雖然Yang 等（2021）基于中國(guó)死因監(jiān)測(cè)數(shù)據(jù)與氣溫預(yù)測(cè)數(shù)據(jù)開展了中國(guó)至21 世紀(jì)末心血管疾病、中風(fēng)等10 余種疾病的熱相關(guān)死亡風(fēng)險(xiǎn)預(yù)估研究，但該研究同樣僅基于以往研究中較多使用的RCP4.5、RCP8.5 排放情景，尚未考慮中國(guó)在推進(jìn)“碳達(dá)峰、碳中和”政策背景下溫室氣體排放可能接近巴黎協(xié)定升溫目標(biāo)的RCP2.6 情景。因此，目前仍缺少符合實(shí)際國(guó)情的多氣候變化情景下中國(guó)未來(lái)熱相關(guān)死亡風(fēng)險(xiǎn)的預(yù)估研究。

文中利用國(guó)家氣象中心日均氣溫觀測(cè)數(shù)據(jù)與基于觀測(cè)數(shù)據(jù)誤差訂正后的多模式多情景日均氣溫模擬數(shù)據(jù)，結(jié)合中國(guó)未來(lái)多生育率情景人口數(shù)據(jù)集與最新中國(guó)死因數(shù)據(jù)進(jìn)行預(yù)估研究，旨在量化未來(lái)中國(guó)熱相關(guān)死亡變化，定量分析氣候變化背景下中國(guó)熱相關(guān)死亡的時(shí)空變化趨勢(shì)，為熱相關(guān)人群健康風(fēng)險(xiǎn)防范等工作提供科學(xué)依據(jù)。

2 數(shù)據(jù)與方法

2.1 研究設(shè)計(jì)

2.1.1 研究時(shí)期

文中將1986—2005 年設(shè)為基準(zhǔn)年代，將未來(lái)劃分為21世紀(jì)20—30年代（2021—2040 年）、50— 60年代（2051— 2070 年）、80— 90年代（2081—2100 年）共3 個(gè)時(shí)期。

2.1.2 排放-人口情景設(shè)置

為探究未來(lái)不同排放情景與人口變化情景下的中國(guó)熱相關(guān)死亡風(fēng)險(xiǎn)的變化，將分別代表低、中、高3 種溫室氣體排放情景的RCP2.6、RCP4.5、RCP8.5 與共享經(jīng)濟(jì)社會(huì)路徑（Shared Socioeconomic Pathways，SSP）中分別代表低、中、高3 種人口生育率情景的SSP2-S1、SSP2-S2、SSP2-S3進(jìn)行兩兩組合，得到共9 種未來(lái)排放-人口情景進(jìn)行對(duì)比分析。

2.2 數(shù)據(jù)來(lái)源

2.2.1 歷史溫度觀測(cè)數(shù)據(jù)

歷史觀測(cè)數(shù)據(jù)來(lái)源于國(guó)家氣象信息中心建立的0.25°×0.25°分辨率日均氣溫?cái)?shù)據(jù)集（http://data.cma.cn/），時(shí)段為1986—2020 年，該數(shù)據(jù)基于中國(guó)氣象觀測(cè)站點(diǎn)資料插值得到，能夠滿足現(xiàn)階段高分辨率氣候模式檢驗(yàn)的需要（吳佳等，2013）。其中2013—2018 年數(shù)據(jù)用于計(jì)算暴露-反應(yīng)關(guān)系，1986—2005 年數(shù)據(jù)用于對(duì)模式預(yù)測(cè)結(jié)果開展分析校正。

2.2.2 未來(lái)溫度模式預(yù)測(cè)數(shù)據(jù)

當(dāng)前相關(guān)研究大多利用全球大氣環(huán)流模式，因分辨率較低難以準(zhǔn)確再現(xiàn)中國(guó)下墊面特征，而區(qū)域氣候模式在提高分辨率的同時(shí)可以更真實(shí)地模擬地形強(qiáng)迫，從而提升其對(duì)中國(guó)區(qū)域氣候的模擬能力（蔡怡亨等，2021），在區(qū)域氣候模式中RegCM4模式對(duì)于日均氣溫的模擬具有較好的準(zhǔn)確度（吳婕等，2018）。因此，文中基于數(shù)據(jù)可獲得性，選擇RegCM4 的3 種模式（HadGEM2-ES、MPI-ESM-MR與NorESM1-M）預(yù)測(cè)溫度數(shù)據(jù)，分辨率為0.25°×0.25°的日均數(shù)據(jù)，包含歷史情景與未來(lái)RCP2.6、RCP4.5、RCP8.5 三種排放情景。歷史數(shù)據(jù)為1986—2005 年，未來(lái)多情景數(shù)據(jù)為2006—2098 年，該數(shù)據(jù)取自協(xié)調(diào)降尺度實(shí)驗(yàn)數(shù)據(jù)庫(kù)。

2.2.3 濕度數(shù)據(jù)

文中在暴露-反應(yīng)關(guān)系的計(jì)算過(guò)程中使用了日均濕度數(shù)據(jù)。該數(shù)據(jù)來(lái)源于歐洲中期數(shù)值預(yù)報(bào)中心ERA5-Land 再分析濕度數(shù)據(jù)集，原始數(shù)據(jù)的空間分辨率為0.1°×0.1°，時(shí)間分辨率為1 h。

2.2.4 人口數(shù)據(jù)

人口數(shù)據(jù)使用Chen 等（2020）所發(fā)表的中國(guó)逐年1 km 分辨率人口數(shù)據(jù)集。其中歷史數(shù)據(jù)為1986—2009 年，且歷史階段有分年齡段數(shù)據(jù)。未來(lái)（2010—2100 年）人口數(shù)據(jù)包括人口低速增長(zhǎng)（SSP2-S1）、中速增長(zhǎng)（SSP2-S2）、高速增長(zhǎng)（SSP2-S3）三種情景。

2.2.5 死因數(shù)據(jù)

2013—2018 年人群死因數(shù)據(jù)基于中國(guó)疾病預(yù)防控制中心死因監(jiān)測(cè)系統(tǒng)，收集中國(guó)280 個(gè)區(qū)（縣）常住人口的每日死亡數(shù)據(jù)，依據(jù)國(guó)際疾病分類第十版（ICD-10）納入非意外總死亡（A00—R99）死因數(shù)據(jù)?？紤]到溫度差異所造成的人群適應(yīng)性影響，文中將死因數(shù)據(jù)根據(jù)地理的南、北方進(jìn)行了劃分。南、北方分界線與死因數(shù)據(jù)的區(qū)（縣）空間分布特征見圖1，死因數(shù)據(jù)分布特征見表1。

圖1 研究區(qū)（縣）分布Fig.1 Geographic distribution of study counties

表1 研究期間人群死亡與氣象因素暴露日均統(tǒng)計(jì)結(jié)果Table 1 Summary statistics of meteorological factors and daily number of non-accidental deaths

2.3 研究方法

2.3.1 氣溫的誤差訂正分析

由于氣候模式對(duì)溫度的預(yù)測(cè)必然存在誤差，而在風(fēng)險(xiǎn)預(yù)估研究中，溫度的少許誤差也會(huì)帶來(lái)較大的風(fēng)險(xiǎn)誤差，因此需要對(duì)模式預(yù)測(cè)氣溫?cái)?shù)據(jù)開展誤差訂正。使用Hempel 等（2013）的誤差訂正方法，該方法在使歷史模式溫度整體均值與分布趨向于觀測(cè)溫度的同時(shí)，能夠保留未來(lái)長(zhǎng)期溫度變化趨勢(shì)。作為氣象領(lǐng)域較為成熟的誤差訂正法，該方法已在多項(xiàng)風(fēng)險(xiǎn)預(yù)估研究中使用（Vicedo-Cabrera，et al，2021；Yang，et al，2021）。文中基于國(guó)家氣象信息中心建立的1986—2005 年日均氣溫?cái)?shù)據(jù)集，對(duì)HadGEM2-ES、MPI-ESM-MR 與 NorESM1-M 三種模式模擬的1986—2005 年日均氣溫?cái)?shù)據(jù)進(jìn)行誤差訂正，同時(shí)將其中的偏差系數(shù)應(yīng)用至未來(lái)模擬數(shù)據(jù)的訂正，得到訂正后的溫度暴露數(shù)據(jù)集用于死亡風(fēng)險(xiǎn)預(yù)估。

為檢驗(yàn)誤差訂正效果，文中使用泰勒?qǐng)D來(lái)評(píng)估誤差訂正前后的模擬精度。圖2 顯示誤差訂正前3 個(gè)模式相關(guān)系數(shù)均超過(guò)0.9，并且已擁有較小的均方根誤差，證明3 個(gè)模式具有較好的模擬精度。訂正后3 個(gè)模式模擬結(jié)果的相關(guān)系數(shù)進(jìn)一步增大，均超過(guò)0.93（相差無(wú)幾），均方根誤差也進(jìn)一步縮小，證明誤差訂正進(jìn)一步提升了氣溫模擬結(jié)果的準(zhǔn)確度。

圖2 HadGEM2-ES、MPI-ESM-MR 與NorESM1-M 模擬誤差訂正前后日均氣溫的泰勒?qǐng)DFig.2 Taylor diagram of simulated daily average temperature before and after bias correction by HadGEM2-ES，MPI-ESM-MR and NorESM1-M models

2.3.2 熱效應(yīng)暴露-反應(yīng)關(guān)系

基于280 個(gè)區(qū)（縣）的觀測(cè)數(shù)據(jù)，參考Yang 等（2021）的研究，通過(guò)2 階段方法計(jì)算了中國(guó)熱效應(yīng)的暴露-反應(yīng)關(guān)系。

第1 階段各區(qū)（縣）熱效應(yīng)暴露-反應(yīng)關(guān)系采用分布滯后非線性模型（DLNM）建立，該模型可以通過(guò)結(jié)合傳統(tǒng)的暴露-反應(yīng)關(guān)系和附加的滯后響應(yīng)關(guān)系來(lái)描述復(fù)雜的非線性和滯后依賴關(guān)系（Wang，et al，2019）。結(jié)合死因數(shù)據(jù)，使用中國(guó)2013—2018 年280 個(gè)區(qū)（縣）的死因、環(huán)境因素暴露數(shù)據(jù)進(jìn)行熱效應(yīng)暴露-反應(yīng)關(guān)系的建立（式（1））。

式中，E（Yt）指觀察日為t當(dāng)天的預(yù)期死亡人數(shù)；cb（temperature，lag）為溫度和滯后的交叉基選項(xiàng)，文中設(shè)定滯后為14 d，在10%、75%和90%分位處設(shè)置3 個(gè)節(jié)點(diǎn)；ns（*）為自然樣條函數(shù)，time 為時(shí)間，rh 為相對(duì)濕度，df 為自由度，df1 每年設(shè)置為7，共6 a，df2 設(shè)置為3，DOW 為虛擬變量，用于控制星期效應(yīng)。

第2 階段通過(guò)meta 分析，對(duì)280 個(gè)區(qū)（縣）的暴露-反應(yīng)關(guān)系曲線進(jìn)行篩選，共計(jì)篩除了42 個(gè)由于死亡數(shù)過(guò)少導(dǎo)致的暴露-反應(yīng)關(guān)系異常的區(qū)（縣）。將剩余的238 個(gè)區(qū)（縣）的暴露-反應(yīng)關(guān)系曲線進(jìn)行合并，獲取南、北方地區(qū)的熱效應(yīng)暴露-反應(yīng)關(guān)系的曲線，并通過(guò)該曲線進(jìn)行后續(xù)死亡風(fēng)險(xiǎn)計(jì)算。為探究不同年齡段受熱效應(yīng)影響的差異，文中開展年齡分層分析，計(jì)算了75 歲以上和75 歲及以下2 組人群的暴露-反應(yīng)關(guān)系。

2.3.3 死亡風(fēng)險(xiǎn)計(jì)算

基于南北方地區(qū)不同的熱效應(yīng)暴露-反應(yīng)關(guān)系，分別計(jì)算對(duì)應(yīng)區(qū)（縣）尺度逐日熱相關(guān)死亡人數(shù)。

式中，ADD 代表區(qū)(縣)內(nèi)每日熱相關(guān)死亡人數(shù)，Y為非意外總死亡的基線死亡率，POP 為匹配當(dāng)日所在年份的區(qū)（縣）人口總數(shù)，Tmean表示區(qū)（縣）當(dāng)日日均氣溫，ERF（Tmean）表示當(dāng)日日均氣溫的熱效應(yīng)對(duì)日死亡風(fēng)險(xiǎn)的影響，計(jì)算方法如下

式中，MMT 代表最低死亡風(fēng)險(xiǎn)溫度（Minimum Mortality Temperature），RR（Relative Risk）代表與MMT 相比每0.1℃溫度變化對(duì)超額死亡影響的相對(duì)危險(xiǎn)度（Chen，et al，2017）。文中使用3 種氣候模式的日均氣溫分別計(jì)算風(fēng)險(xiǎn)，取3 種氣候模式的平均風(fēng)險(xiǎn)得到最終預(yù)估風(fēng)險(xiǎn)。暴露-反應(yīng)關(guān)系曲線能提供95%置信區(qū)間（95%CI）的相對(duì)危險(xiǎn)度，用3 種氣候模式的日均氣溫?cái)?shù)據(jù)分別計(jì)算預(yù)估風(fēng)險(xiǎn)的95%CI，再對(duì)3 種氣候模式風(fēng)險(xiǎn)的95%CI 上、下限分別求均值，得到最終預(yù)估風(fēng)險(xiǎn)的95%CI。

3 結(jié)果分析

3.1 不同排放情景下中國(guó)日均氣溫變化

圖3a 顯示了基準(zhǔn)年代中國(guó)日均氣溫的分布情況，總體上，南方比北方地區(qū)高，青藏高原與東北地區(qū)的氣溫相對(duì)較低。圖3b—d 顯示了不同溫室氣體排放情景對(duì)未來(lái)中國(guó)氣溫變化的影響。RCP2.6情景下（圖3b），中國(guó)大多數(shù)地區(qū)升溫幅度控制在2℃以內(nèi)，而RCP4.5 情景下中國(guó)北方地區(qū)的升溫則達(dá)到了2—3℃，RCP8.5 情景下升溫幅度則達(dá)到了4℃上下，高于其他排放情景。不同情景下北方的升溫幅度高于南方，與莊園煌等（2021）研究中提出高緯度的升溫幅度普遍比低緯度大的結(jié)論一致，不同地區(qū)的升溫幅度與Yang 等（2021）的研究結(jié)果接近。

圖3 中國(guó)（a）基準(zhǔn)年代（1986—2005 年）均溫和21 世紀(jì)80—90 年代（2081—2100 年）（b）RCP2.6、（c）RCP4.5、（d）RCP8.5 情景與基準(zhǔn)年代溫差的空間分布Fig.3 （a）Average temperature in China during the baseline years（1986—2005）and temperature increases under（b）RCP2.6，（c）RCP4.5 and（d）RCP8.5 scenarios in the 2090s compared to that in the baseline years

3.2 熱相關(guān)非意外總死亡暴露-反應(yīng)關(guān)系

圖4 結(jié)果顯示，中國(guó)日平均氣溫的上升對(duì)人群非意外總死亡風(fēng)險(xiǎn)有顯著影響。中國(guó)北方整體的最低死亡風(fēng)險(xiǎn)日均氣溫為23℃，南方為23.9℃，略高于北方，整體上北方地區(qū)人群對(duì)熱效應(yīng)更加敏感。文中，75 歲以上老年人的相對(duì)危險(xiǎn)度顯著高于75 歲及以下人群，最低死亡風(fēng)險(xiǎn)日均氣溫也更低，表明75 歲以上老年人對(duì)熱效應(yīng)更為敏感。

圖4 溫度相關(guān)的（a）北方總?cè)巳骸ⅲ╞）北方75 歲以上人群、（c）北方75 歲及以下人群、（d）南方總?cè)巳?、（e）南方75 歲以上人群、（f）南方75 歲及以下人群非意外總死亡風(fēng)險(xiǎn)的暴露-反應(yīng)關(guān)系曲線（陰影：95%置信區(qū)間）Fig.4 Exposure-response curves of temperature-related total non-accidental mortality risk for（a）group in northern China，（b）group over 75 years old in northern China，（c）group under 75 years old in northern China，（d）group in southern China，（e）group over 75 years old in southern China，（f）group under 75 years old in southern China（shaded：95%CI）

3.3 熱相關(guān)非意外總死亡風(fēng)險(xiǎn)預(yù)估

將訂正后的中國(guó)未來(lái)日均氣溫?cái)?shù)據(jù)與基于歷史資料建立的暴露-反應(yīng)關(guān)系相結(jié)合，對(duì)中國(guó)未來(lái)熱相關(guān)非意外總死亡人數(shù)進(jìn)行預(yù)估。由圖5 可見，基線年代中國(guó)熱相關(guān)非意外總死亡人數(shù)約為7.1（95%CI：5.7—8.5）萬(wàn)，約占中國(guó)非意外總死亡人數(shù)的1%。而在氣候變暖與人口變化的雙重影響下，未來(lái)熱相關(guān)非意外總死亡人數(shù)相比基準(zhǔn)年代有所升高，但不同情景呈現(xiàn)不同的變化趨勢(shì)。其中，在RCP2.6 排放情景下，非意外總死亡數(shù)變化趨勢(shì)體現(xiàn)為先升后降，在21 世紀(jì)20—30 年代達(dá)到約12.5 萬(wàn)人峰值，而后持續(xù)下降，在80—90 年代3 種人口情景平均死亡人數(shù)約為8.4 萬(wàn)。在RCP4.5 排放情景下，非意外總死亡人數(shù)的峰值則出現(xiàn)在50—60 年代，在80—90 年代同樣有所回落，但小幅高于同時(shí)期RCP2.6 情景的結(jié)果。RCP8.5 情景下，死亡人數(shù)則保持上升趨勢(shì)，在80—90 年代超過(guò)22.4 萬(wàn)人。

從人口變化的角度看，3 種生育率的人口情景下死亡人數(shù)在21 世紀(jì)20—30 年代并無(wú)顯著差異，在80—90 年代RCP2.6 情景 下，SSP2-S1 與SSP2-S3情景相差1.9 萬(wàn)人，同時(shí)這種差距在RCP4.5 與RCP8.5 情景下則分別擴(kuò)大到2.9 萬(wàn)人與2.6 萬(wàn)人。

RCP4.5、RCP8.5 兩種排放情景下21 世紀(jì)20—30 年代的風(fēng)險(xiǎn)預(yù)估結(jié)果均為約13 萬(wàn)人，與Yang 等（2021）預(yù)估RCP4.5、RCP8.5 情景下分別為16.4 萬(wàn)、17.7萬(wàn)人結(jié)果相近。在80—90 年代，文中預(yù)估RCP4.5、RCP8.5 情景下結(jié)果分別為13.1 萬(wàn)、24.4 萬(wàn)人，遠(yuǎn)小于Yang 等（2021）報(bào)道的36.9 萬(wàn)、69.5 萬(wàn)人。原因在于后者認(rèn)為未來(lái)人口老齡化加速對(duì)熱相關(guān)死亡風(fēng)險(xiǎn)的增加起到了主導(dǎo)作用。

為探究不同年齡的熱相關(guān)非意外總死亡風(fēng)險(xiǎn)，文中以75 歲為分界線將總?cè)巳哼M(jìn)行了區(qū)分計(jì)算。結(jié)果顯示，基準(zhǔn)年代，75 歲以上人群的熱相關(guān)總死亡人數(shù)約為0.3 萬(wàn)人/a，75 歲及以下人群熱相關(guān)死亡人數(shù)約為3.7 萬(wàn)人/a，去除不同年齡人口數(shù)量影響發(fā)現(xiàn)，75 歲以上人群的總死亡率則約為8.8 人/10 萬(wàn)人，而75 歲及以下人群總死亡率約為3.1 人/10 萬(wàn)人，遠(yuǎn)小于75 歲以上人群?？紤]到老齡人口的占比，文中目前采用的算法可能在歷史階段存在高估，且未來(lái)實(shí)際風(fēng)險(xiǎn)增幅可能比文中的預(yù)測(cè)結(jié)果更大。受未來(lái)分年齡人口數(shù)據(jù)缺失的限制，暫無(wú)法對(duì)未來(lái)風(fēng)險(xiǎn)進(jìn)行分年齡預(yù)測(cè)。

3.4 熱相關(guān)非意外總死亡風(fēng)險(xiǎn)變化的空間分布

圖6 展示了SSP2-S2 人口情景下不同排放情景與不同年代中國(guó)熱相關(guān)非意外死亡人數(shù)相比基準(zhǔn)年代的變化。由圖6a1—c1可知，21 世紀(jì)20—30 年代中國(guó)熱相關(guān)非意外死亡人數(shù)在東南部地區(qū)，尤其是黃淮海地區(qū)及成渝地區(qū)將顯著上升，北方的內(nèi)蒙古以及東北部分地區(qū)則出現(xiàn)小幅度下降，不同排放情景空間分布相似。在50—60 年代（圖6a2—c2），不同排放情景結(jié)果之間則開始出現(xiàn)差異，RCP2.6情景下可觀察到死亡數(shù)增長(zhǎng)明顯回落，RCP4.5 情景下則顯示死亡人數(shù)在東北地區(qū)小幅度下降，同20—30 年代相比僅有小幅增加，RCP8.5 情景出現(xiàn)死亡人數(shù)進(jìn)一步增長(zhǎng)的趨勢(shì)。到80—90 年代（圖6a3—c3），RCP2.6 情景下京津冀地區(qū)已有較多區(qū)（縣）熱相關(guān)非意外死亡人數(shù)相比基準(zhǔn)年代有所下降，RCP4.5情景下也出現(xiàn)回落趨勢(shì)，但死亡人數(shù)上升區(qū)（縣）仍較多，RCP8.5 情景下死亡人數(shù)則持續(xù)上升。

圖6 SSP2-S2 人口情景下未來(lái)不同排放情景（a.RCP2.6，b.RCP4.5，c.RCP8.5）及年代（1.20—30 年代，2.50—60 年代，3.80—90 年代）中國(guó)年均熱相關(guān)非意外總死亡人數(shù)變化的空間分布Fig.6 Changes in annual average heat-related non-accidental total deaths under different future emission scenarios（a.RCP2.6，b.RCP4.5，c.RCP8.5）and time（1.2021—2040，2.2051—2070，3.2081—2100）and under the SSP2-S2 population scenario in China

既往在中國(guó)的研究中，Yang 等（2021）與Li 等（2018）均報(bào)道了RCP4.5、RCP8.5 情景下北方地區(qū)與東部地區(qū)的熱相關(guān)死亡風(fēng)險(xiǎn)存在顯著上升趨勢(shì)，文中結(jié)果與其一致。同時(shí)由于北方地區(qū)現(xiàn)有高溫防護(hù)措施相對(duì)較少，且人群對(duì)熱效應(yīng)更加敏感，尤其需要加強(qiáng)自身避暑設(shè)施的建設(shè)和高溫職業(yè)相關(guān)制度的完善。文中結(jié)果還表明，減少溫室氣體排放可以顯著降低熱相關(guān)死亡風(fēng)險(xiǎn)。因此，堅(jiān)持低碳排放路徑與增強(qiáng)重點(diǎn)地區(qū)高溫防護(hù)措施將是控制未來(lái)熱相關(guān)死亡風(fēng)險(xiǎn)的有效方式。

4 結(jié)論與討論

基于國(guó)家氣象信息中心的氣溫觀測(cè)數(shù)據(jù)與降尺度訂正后的多情景氣溫模擬數(shù)據(jù)，結(jié)合中國(guó)本土人群死因監(jiān)測(cè)數(shù)據(jù)計(jì)算的熱效應(yīng)暴露-反應(yīng)關(guān)系，對(duì)不同氣候變化情景下未來(lái)中國(guó)熱相關(guān)非意外總死亡人數(shù)進(jìn)行量化預(yù)估，并進(jìn)一步分析其空間變化特征。主要結(jié)論如下：

（1）未來(lái)中國(guó)平均氣溫將持續(xù)升高，且北方地區(qū)升溫幅度較大。溫室氣體的排放量將對(duì)氣溫上升幅度帶來(lái)顯著影響，在RCP2.6 低排放情景下整體升溫可控制在2℃以下。

（2）1986—2005 年中國(guó)熱相關(guān)非意外總死亡人數(shù)約為7.1（95%CI：5.7—8.5）萬(wàn)。

（3）RCP2.6、RCP4.5 情景下未來(lái)中國(guó)熱相關(guān)非意外總死亡人數(shù)均呈先升后降的變化趨勢(shì)，其中RCP2.6 情景下在21 世紀(jì)20—30 年代、RCP4.5 情景下在21 世紀(jì)50—60 年代達(dá)到峰值。RCP8.5 情景下則呈持續(xù)上升的趨勢(shì)。在21 世紀(jì)末不同情景下的熱相關(guān)非意外總死亡人數(shù)均高于基準(zhǔn)年代。

（4）未來(lái)不同情景下中國(guó)熱相關(guān)非意外總死亡人數(shù)在黃淮海地區(qū)以及成渝地區(qū)均呈上升趨勢(shì)，在RCP2.6、RCP4.5 情景下北方地區(qū)熱相關(guān)非意外總死亡人數(shù)均呈下降趨勢(shì)，同時(shí)東南沿海在21 世紀(jì)20—30 年代后開始也呈下降趨勢(shì)。

本研究 結(jié)果 與Yang 等（2021）的研究 在RCP4.5、RCP8.5 情景下預(yù)估結(jié)果相近，但仍存在如下問(wèn)題：（1）未考慮未來(lái)中國(guó)人群適應(yīng)性的變化，（2）受限于數(shù)據(jù)情況無(wú)法量化預(yù)測(cè)未來(lái)人口老齡化帶來(lái)的影響。

全球變暖將造成未來(lái)熱相關(guān)死亡風(fēng)險(xiǎn)的上升，文中研究顯示低排放可以在2030 年后有效降低熱相關(guān)死亡風(fēng)險(xiǎn)。因此，積極的氣候變化應(yīng)對(duì)行動(dòng)對(duì)于減緩氣候變化、降低不良人群健康影響有重要意義；同時(shí)，在當(dāng)前不適宜高溫增強(qiáng)形勢(shì)下，氣象部門、公共衛(wèi)生部門應(yīng)通過(guò)發(fā)布高溫健康風(fēng)險(xiǎn)預(yù)警、加強(qiáng)健康防護(hù)宣教等手段干預(yù)人群熱相關(guān)健康風(fēng)險(xiǎn)，加強(qiáng)人群對(duì)熱的適應(yīng)性。隨著數(shù)據(jù)的更新與積累，未來(lái)將深入開展劃分人群年齡、地區(qū)的死亡風(fēng)險(xiǎn)預(yù)估研究，結(jié)合中國(guó)未來(lái)的溫室氣體排放政策與人口政策進(jìn)行更準(zhǔn)確的預(yù)估分析。