1998–2020 年美国普查区的热应激指标

为什么“体感热”比天气预报更重要

当热浪来袭时，天气应用显示的温度只是部分情况。实际感觉有多热——以及对人体有多危险——还取决于湿度、日照和风速。该研究为本土连续美国的每个街区级普查区提供了逐小时的“体感热”详图，覆盖 1998 年到 2020 年，给公共卫生研究人员一个强大的新工具，以了解在全国变暖时谁面临最大风险。

从单一气温到真实世界的热应激

以往大多数关于高温与健康的研究依赖标准气温，即天气预报中熟悉的干球温度。但人体对更复杂的条件组合做出反应。黏稠的湿度会减缓出汗降温的效率，明亮的阳光增加额外的辐射热，而哪怕是微风也能带来缓解。为捕捉这些影响，科学家使用专门的热应激度量，例如热指数（Heat Index）、湿球黑球温度（Wet-Bulb Globe Temperature）和通用热环境指数（Universal Thermal Climate Index）。每种指标以略有不同的方式将温度与其他气象因素融合，来反映热对人体造成的压力。然而直到现在，这类指标很少能以既有时空精细度又与健康和社会数据使用的街区边界相匹配的格式提供。

构建全国逐小时热图

作者将三套主要的天气与太阳辐射数据库结合起来，重建了下 48 个州在超过二十年间每小时的热力变化。一套数据（PRISM）提供了大约 800 米分辨率的详细日尺度温度和湿度地图，分辨率足以区分相邻街区之间的条件。另一套（ERA5‑Land）提供逐小时的天气模式，例如日内温度波动和风速，但网格较粗。第三个来源（国家太阳辐射数据库）提供了日照和辐射信息。通过谨慎地融合这些来源的优势——用详细地图的日最高、日最低和湿度以及较粗再分析的逐小时节律——研究团队在统一的 800 米网格上重建了现实的逐小时温度和湿度场。随后他们将风、辐射及相关变量插值到同一网格上。

把天气转化为人体的热负荷

在具备这些逐小时天气要素之后，研究人员在每个 800 米网格单元上计算了三项关键的热应激指标。热指数通过结合温度和湿度来描述体感热。湿球黑球温度加入了风和日照的影响，广泛用于指导户外劳动和军事训练。通用热环境指数更进一步，纳入了一个行走人体与周围环境进行热交换的模型，包括来自太阳和地面的辐射热。团队依托经验证的物理与统计模型，并在开源 Python 工具中实现，确保计算符合公认的科学方法。他们还衍生了按面积加权和按人口加权的值，因此既可以用土地本身也可以用居住在某地的人口数来定义平均暴露。

聚焦街区级的暴露情况

为了使数据能直接用于健康研究，作者将 800 米网格单元汇总到美国普查区，这是一种常用于在跟踪街区条件时保护个人隐私的小型地理单元。对于每个普查区，他们计算了气温、湿度和三项热应激指数的逐小时平均值，既以土地面积为权重，也以当地人口为权重。这意味着研究人员现在可以将逐小时的热应激历史与街区级的收入、年龄、健康状况、住房质量或冷却与绿地获取等信息相连接。整个数据集约 515 GB，已以一种可用现代数据工具处理的高效格式公开提供。

对数据进行验证

为检验准确性，团队将其重建的场和热应激指数与成千上万个气象站和专业观测网络在 2010 年暖季的观测值进行了比较。在数百万次逐小时对比中，重建的温度、湿度度量和热应激指数与观测值相差在数度以内，并且在许多情况下比底层较粗的天气再分析与站点数据的匹配更好。尽管在辐射或局地地形效应复杂的区域仍存在一些不确定性，但其表现与其他大尺度气候数据集相当，且对于大多数公共卫生分析提供了足够的精度。

这对民众与政策意味着什么

简而言之，这项工作将分散的气象与辐射记录转化为一张高分辨率、以人为本的危险热地图，覆盖美国街区，逐小时跨越二十多年。通过将这些数据与普查区对齐并提供按面积与按人口的视角，该数据集使得研究者能够详细询问谁在何时何地暴露于极端高温。城市规划者、卫生部门和研究人员现在可以检查热风险如何与贫困、年龄或住房等因素重叠，从而帮助把冷却中心、植树、建筑升级及其他适应气候的干预措施，优先投向最需要的社区。

引用: Rahai, R., Kong, Q., Dogan, T. et al. Heat Stress Metrics for US Census Tracts 1998–2020. Sci Data 13, 515 (2026). https://doi.org/10.1038/s41597-026-06909-w

关键词: 极端高温, 热应激指数, 普查区数据, 公共卫生, 气候暴露