Historische Entwicklung der Bevölkerungsexposition gegenüber Hitzewellen im Uigurischen Autonomen Gebiet Xinjiang, China

Aug 14, 2023

Scientific Reports Band 13, Artikelnummer: 7401 (2023) Diesen Artikel zitieren

844 Zugriffe

2 Altmetrisch

Details zu den Metriken

Hitzewellen haben auf globaler Ebene erhebliche Auswirkungen auf die menschliche Gesundheit und die Umwelt. Obwohl die Eigenschaften von Hitzewellen gut dokumentiert sind, mangelt es immer noch an dynamischen Studien zur Bevölkerungsexposition gegenüber Hitzewellen (PEH), insbesondere in den Trockengebieten. In dieser Studie analysierten wir die räumlich-zeitlichen Entwicklungsmerkmale von Hitzewellen und PEH in Xinjiang anhand der täglichen Höchsttemperatur (Tmax), der relativen Luftfeuchtigkeit (RH) und hochauflösender gerasterter Bevölkerungsdatensätze. Die Ergebnisse zeigten, dass die Hitzewellen in Xinjiang von 1961 bis 2020 kontinuierlicher und intensiver auftreten. Darüber hinaus besteht eine erhebliche räumliche Heterogenität der Hitzewellen, wobei der östliche Teil des Tarim-Beckens, Turpan und Hami die am stärksten gefährdeten Gebiete waren. Der PEH in Xinjiang zeigte einen steigenden Trend mit hohen Flächen vor allem in Kashgar, Aksu, Turpan und Hotan. Der Anstieg des PEH ist hauptsächlich auf Bevölkerungswachstum, Klimawandel und deren Wechselwirkung zurückzuführen. Von 2001 bis 2020 sank der Klimaeffektbeitrag um 8,5 %, der Beitragssatz der Bevölkerungs- und Interaktionseffekte stieg um 3,3 % bzw. 5,2 %. Diese Arbeit liefert eine wissenschaftliche Grundlage für die Entwicklung von Strategien zur Verbesserung der Widerstandsfähigkeit gegenüber Gefahren in Trockengebieten.

Unter Hitzewellen versteht man im Allgemeinen längere Perioden mit extrem hohen Temperaturen. Es kann katastrophale Auswirkungen auf die menschliche Gesundheit, die Infrastruktur, landwirtschaftliche Ökosysteme und die Volkswirtschaft haben1,2,3. Beispielsweise forderten die starken Hitzewellen im Jahr 2003 in Europa mehr als 70.000 Todesopfer4, im Jahr 2009 wurde die Eisenbahninfrastruktur in Australien beschädigt5 und in Russland betrug der Ernteausfall im Jahr 2010 etwa 25 %6. Vor allem China wurde in den letzten Jahren mehrfach von Hitzewellen heimgesucht. Shanghai und Xinjiang erlitten 2013 bzw. 2015 beispiellose Hitzewellen7,8. Laut dem China-Bericht „The Lancet Countdown“ aus dem Jahr 2020 über Gesundheit und Klimawandel hat sich die hitzewellenbedingte Sterblichkeit in China von 1990 bis 2019 vervierfacht9. Vor dem Hintergrund des globalen Klimawandels werden die negativen Auswirkungen zunehmender Hitzewellen auf die menschliche Gesundheit und die Sozioökonomie gravierender10,11. Allerdings untersuchten nur wenige Studien gleichzeitig die räumliche Heterogenität von Hitzewellen und die dynamische Variation der Bevölkerungsexposition. Daher besteht ein dringender Bedarf, die räumlich-zeitliche Entwicklung von Hitzewellen aufzuklären und die schädlichen Auswirkungen der Hitzewellenexposition zu quantifizieren, um wissenschaftliche Erkenntnisse für die Bewältigung des Klimawandels zu gewinnen.

Derzeit haben Hitzewellen bei Regierungsbehörden und der wissenschaftlichen Gemeinschaft große Aufmerksamkeit erregt. Die meisten Hitzewellenuntersuchungen umfassen begrenzte Messwerte wie Häufigkeit, Intensität und Dauer12,13. Eine längere Exposition gegenüber Hitzewellen kann die menschliche Gesundheit gefährden14, daher sind detailliertere Studien zu den negativen Auswirkungen von Hitzewellen auf die Bevölkerung erforderlich15. Frühere Studien haben Hitzewellen typischerweise durch hitzebedingte Morbiditäts- und Mortalitätsdaten mit der menschlichen Gesundheit in Verbindung gebracht16,17. Hajat et al.18 untersuchten, dass die Sterblichkeitsrate mit jedem Grad Temperaturanstieg um 3,34 % stieg. Dennoch hängt die hitzebedingte Sterblichkeit mit dem Klima und der Bevölkerung zusammen. Jones et al.19 berechneten die Exposition der Bevölkerung gegenüber Hitzewellen räumlich, unter anderem um den Einfluss von Naturgefahren zu quantifizieren. Es ist schwierig, die Dynamik der räumlichen Bevölkerungsexposition auf der Grundlage früherer Bevölkerungsdaten nach Verwaltungsregionen eingehend zu analysieren. Diese Einschränkung kann durch hochauflösende gerasterte Bevölkerungsdatensätze wirksam überwunden werden20.

Hitzewellen in der Uigurischen Autonomen Region Xinjiang haben in den letzten Jahrzehnten erheblich zugenommen21,22 und es wird erwartet, dass sie in Zukunft kontinuierlicher und intensiver auftreten23. Frühere Studien in Xinjiang identifizierten Hitzewellen anhand des Tagesmaximums. Neben der hohen Temperatur werden das Wohlbefinden und die Gesundheit des Menschen auch durch die relative Luftfeuchtigkeit (RH), die Windgeschwindigkeit und die Sonneneinstrahlung beeinflusst24,25. Darüber hinaus ereignen sich mit zunehmender relativer Luftfeuchtigkeit einige hitzebedingte Todesfälle bei relativ niedrigen Temperaturen, was zeigt, dass die relative Luftfeuchtigkeit eine weitere wichtige Rolle bei der Erkennung von Hitzewellen spielt26,27. Derzeit zeigt das Klima in Xinjiang einen Trend der „Erwärmung-Vernässung“28,29. Wenn man versucht, Hitzewellen ohne Berücksichtigung der relativen Luftfeuchtigkeit abzuschätzen, kann es zu großer Unsicherheit kommen. Daher eignen sich die Indizes, die Temperatur und relative Luftfeuchtigkeit kombinieren, besser zur Charakterisierung von Hitzewellen in Xinjiang.

Im Vergleich zu den Merkmalen von Hitzewellen haben sich nur wenige Studien auf die Exposition der Bevölkerung gegenüber Hitzewellen (PEH) in Xinjiang konzentriert. Auch wenn einige relevante Studien in Großregionen Xinjiang umfassten, spiegeln die Bewertungsergebnisse die Entwicklung von PEH in Xinjiang nicht genau wider30. Xinjiang ist das Herzstück der Belt-and-Road-Initiative und verzeichnet ein höheres Bevölkerungswachstum als der Landesdurchschnitt. Daher sind Studien zum PEH in Xinjiang notwendig. Die räumliche Verteilung der Bevölkerung in Xinjiang wird von der Oase beeinflusst und ist typisch für die Bevölkerungsverteilung in Trockengebieten31. Die Untersuchung der Eigenschaften von Hitzewellen und PEH in Xinjiang kann eine wissenschaftliche Grundlage für eine aktive Reaktion auf den Klimawandel in Trockengebieten liefern.

In diesem Artikel untersuchen wir die dynamischen Veränderungen von Hitzewellen und PEH anhand einer langen Zeitreihe hochauflösender Bevölkerungsdaten und quantifizieren die Faktoren, die den PEH antreiben, weiter. Das Hauptziel dieser Studie umfasst: (1) die Aufdeckung der räumlichen und zeitlichen Entwicklung von Hitzewellen unter den Trends „Erwärmung und Benetzung“ in Xinjiang, (2) die Bewertung der dynamischen Veränderungen der Bevölkerungsexposition unter den schnell wachsenden Hitzewellen und der Bevölkerung in Xinjiang, und (3) Quantifizierung der Auswirkungen von Klima- und Bevölkerungsveränderungen auf das PEH in Xinjiang. Diese Arbeit liefert nützliche wissenschaftliche Unterstützung für die Entwicklung von Strategien zur Bewältigung des Klimawandels in Xinjiang.

Die zeitliche Variabilität der jährlichen Hitzewelle in Xinjiang für den Zeitraum 1961–2020 ist in Abb. 1 dargestellt. Die Hitzewellenfrequenz (HWF) (Abb. 1a) und die Länge der Hitzewellensaison (HWS) (Abb. 1c) zeigen abrupt schwankende Veränderungen Veränderung um 1994. Die Mittelwerte für HWF und HWS steigen um das 1,04-fache bzw. 10,9 Tage nach der Mutation. Bei der Hitzewellendauer (HWD) (Abb. 1b) ist für die gesamte Serie keine signifikante Veränderung zu erkennen und 2015 ist das Jahr mit der längsten HWD (5,8 Tage). Neben dem Anstieg von HWF und HWD ist die Zunahme von Hitzewellen auch mit Änderungen im Timing der ersten Hitzewelle (HWFT) (Abb. 1d) und im Timing der letzten Hitzewelle (HWLT) (Abb. 1e) verbunden. Die HWFT beginnt hauptsächlich im Juni und der Unterschied zwischen dem frühesten und dem spätesten Beginnjahr beträgt 41 Tage. Während der HWLT in den meisten Jahren im August endet. Das späteste Jahr für das Ende von HWLT zwischen 1961 und 2020 ist 1997. Im Allgemeinen nehmen in Xinjiang nicht nur HWF und HWS zu, sondern HWFT schreitet voran und HWLT verschiebt sich.

Zeitreihe von (a) Hitzewellenhäufigkeit (HWF), (b) Hitzewellendauer (HWD), (c) Hitzewellensaisonlänge (HWS), (d) Zeitpunkt der ersten Hitzewelle (HWFT) und (e) Zeitpunkt der letzten Hitzewelle (HWLT). ) in Xinjiang von 1961 bis 2020. Die gestrichelten Linien geben den Durchschnitt des entsprechenden Zeitraums an.

Von 1961 bis 2020 kam es in den meisten Gebieten Xinjiangs zu Hitzewellen. Die Verteilung der Hitzewellen weist eine erhebliche räumliche Heterogenität auf. Die hohen Werte von HWF (Abb. 2a), HWD (Abb. 2b) und HWS (Abb. 2c) konzentrieren sich auf Turpan, Hami und den östlichen Teil von Bayingolin. Gleichzeitig beginnt der HWFT in diesen Bereichen am frühesten und der HWLT endet am spätesten (Abb. 2d, e). Die niedrigen Werte sind im Altai, am Rande des Junggar-Beckens und am Rande des Tarim-Bains weit verbreitet. Hochgelegene Berge wie das Kunlun-, Tianshan- und Altai-Gebirge wurden von 1961 bis 2020 noch nie von Hitzewellen heimgesucht. Unsere Studie ergab, dass die meisten Hitzewellen in Xinjiang in Gebieten unterhalb von 1500 m Höhe auftraten und nie in Gebieten darüber die Höhe über 2500 m.

Räumliche Verteilung der jährlichen gemittelten (a) Hitzewellenhäufigkeit (HWF), (b) Hitzewellendauer (HWD), (c) Hitzewellensaisonlänge (HWS), (d) Zeitpunkt der ersten Hitzewelle (HWFT) und (e) Zeitpunkt der letzten Hitzewelle (HWLT) in Xinjiang von 1961 bis 2020.

Abbildung 3 zeigt die räumlichen Mustertrends bei Hitzewellen. In vielen Gebieten von Xinjiang, beispielsweise im Tarim-Becken, Changji, Hami und im südlichen Junggar-Becken, sind deutlich zunehmende Trends (p <0, 05) sowohl beim HWF (Abb. 3a) als auch beim HWS (Abb. 3c) zu beobachten. Der bemerkenswerte Anstieg des HWD (Abb. 3b) konzentriert sich jedoch auf Hami und den östlichen Teil von Bayingolin. Ebenso sind der fortgeschrittene HWFT (Abb. 3d) und der verzögerte HWLT (Abb. 3e) im Tarim-Becken am bemerkenswertesten. Insgesamt treten Hitzewellen in den meisten Gebieten Xinjiangs häufiger auf, dauern länger an und sind intensiver.

Trends von (a) Hitzewellenhäufigkeit (HWF), (b) Hitzewellendauer (HWD), (c) Länge der Hitzewellensaison (HWS), (d) Zeitpunkt der ersten Hitzewelle (HWFT) und (e) Zeitpunkt der letzten Hitzewelle (HWLT) in Xinjiang von 1961 bis 2020. Punktierung kennzeichnet statistisch signifikante Trends (p < 0,05).

Von 1961 bis 2020 kam es in Xinjiang typischerweise zwischen Mai und August zu Hitzewellen (Abb. 4). In Bezug auf die Auftrittszeiten treten die leichten Hitzewellen (LHW) (Abb. 4a) am frühesten auf (im Durchschnitt beginnend am 21. Mai), also 13 bzw. 29 Tage früher als das Auftreten mäßiger Hitzewellen (MHW) (Abb. 4b) und starke Hitzewellen (SHW) (Abb. 4c). Mittlerweile ist das LHW das späteste Ende (durchschnittlich 31. August). Hinsichtlich der Fläche und der Dauer ist Xinjiang hauptsächlich von LHW betroffen, gefolgt von MHW und am wenigsten von SHW. Allerdings ist 2015 ein ganz besonderes Jahr. Die Zahl der SHW-Tage war nicht nur von 1961 bis 2020 am höchsten (8,2 Tage), sondern auch höher als die Zahl der MHW-Tage im Jahr 2015.

Zeitreihe von (a) leichten Hitzewellen (LHW), (b) mäßigen Hitzewellen (MHW) und (c) starken Hitzewellen (SHW) in Xinjiang von 1961 bis 2020. Gestrichelte Linien zeigen entsprechende lineare Trends an.

In den meisten Teilen von Xinjiang nehmen Hitzewellentage unterschiedlicher Stärke deutlich zu, unabhängig von der Stärke (Abb. 5). Die Gebiete mit einem signifikanten Anstieg des LHW sind weit verbreitet in Aksu, Bayingolin, Changji, Turpan und Hami. Während sich die Gebiete, in denen MHW und SHW deutlich ansteigen, auf Bayingolin, Turpan und Hami konzentrieren. Der Bereich der von Hitzewellen betroffenen verschiedenen Grade ist LHW > MHW > SHW. Mit anderen Worten: Gebiete, in denen LHW vorkommt, müssen nicht unbedingt MHW und SHW haben, wohingegen Gebiete, in denen SHW vorkommt, LHW gehabt haben müssen. Dies deutet jedoch darauf hin, dass nicht alle Gebiete, in denen Hitzewellen auftraten, von SHW betroffen sind, was in Yili und Altay besonders offensichtlich ist.

Räumliche Verteilung von (a) leichten Hitzewellen (LHW), (b) mäßigen Hitzewellen (MHW) und (c) starken Hitzewellen (SHW) in Xinjiang von 1961 bis 2020. Punktierung kennzeichnet statistisch signifikante Trends (p < 0,05).

Die Exposition ist ein wichtiger Indikator für die Katastrophenrisikobewertung, der für die Durchführung von Hochtemperaturwarnarbeiten von großer Bedeutung ist32. Aus Abb. 6 ist ersichtlich, dass der PEH in Xinjiang hauptsächlich vom LHW und weniger vom MHW und SHW betroffen ist. Der Gesamt-PEH weist von 2001 bis 2020 einen steigenden Trend auf. Das Jahr mit dem höchsten PEH in Xinjiang ist nicht 2020 mit der größten Bevölkerung, sondern 2015 mit dem längsten HWD. Dies deutet darauf hin, dass neben dem Bevölkerungswachstum auch der Klimawandel einen Einfluss auf Veränderungen im PEH hat.

Exposition der Bevölkerung gegenüber Hitzewellen unterschiedlicher Stärke in Xinjiang von 2001 bis 2020. Die gestrichelte Linie zeigt entsprechende lineare Trends.

Die räumliche Verteilung von PEH weist eine erhebliche geografische Heterogenität auf, die mit der räumlichen Verteilung der Bevölkerung übereinstimmt (Abb. 7). Das räumliche Muster von PEH in Xinjiang ist für verschiedene Zeiträume ähnlich. Gebiete mit hohem PEH (105 Personentage oder mehr) befinden sich hauptsächlich in Kashgar, Aksu, Turpan und Hotan. Die Gebiete mit extrem niedrigem PEH (103 Personentage und weniger) sind weit verbreitet im Altay, am Rande des Junggar-Beckens und im östlichen Teil des Tarim-Beckens. Obwohl das Hinterland des Tarim- und Junggar-Beckens häufigen Hitzewellen ausgesetzt ist, gibt es aufgrund der fehlenden Bevölkerung kein PEH.

Räumliche Verteilung der Bevölkerungsexposition gegenüber Hitzewellen (PEH) in Xinjiang.

Um die Variation des PEH in Xinjiang weiter zu untersuchen, verglichen wir den PEH in anderen Zeiträumen mit dem T0-Zeitraum (Abb. 8). Wir haben festgestellt, dass in dicht besiedelten Gebieten (z. B. Hotan, Kashgar und Aksu) der PEH-Anstieg beträchtlich ist. Der PEH in Bayingolin steigt nicht merklich an, während er im Altay sinkt.

Veränderungen der Bevölkerungsexposition gegenüber Hitzewellen (PEH) für verschiedene Zeiträume (a 2006–2010, b 2011–2015 und c 2015–2020) im Vergleich zum Basiszeitraum (2001–2005).

Der Anstieg des PEH ist hauptsächlich auf Bevölkerungswachstum, Klimawandel und deren Wechselwirkung zurückzuführen. Um die relative Bedeutung zu untersuchen, haben wir die Beitragsrate zu PEH-Änderungen für jeden Faktor bewertet. Tabelle 1 zeigt, dass der Beitragssatz des Klimaeffekts im Laufe der Zeit tendenziell abnimmt (8,5 %). Gleichzeitig stiegen der Beitragssatz der Bevölkerung und die Interaktionseffekte schrittweise um 3,3 % bzw. 5,2 %. Zusammenfassend lässt sich sagen, dass der Klimaeffekt in Xinjiang dominanter ist als Bevölkerungs- und Interaktionseffekte.

Xinjiang erlitt 2015 die schwerste Hitzewelle und den höchsten PEH (Abb. 9). Abbildung 10 zeigt deutlich, dass hohe Temperaturen im Jahr 2015 in Xinjiang weit verbreitet waren und sich auch auf Mitte bis Ende Juli konzentrierten. Aufeinanderfolgende Tage mit Tmax überstiegen den historischen Tag, was mit den Ergebnissen dieser Studie übereinstimmt.

(a) Hitzewellentage in Xinjiang für 2015. (b) Bevölkerungsexposition gegenüber Hitzewellen in Xinjiang für 2015.

(a) Variation der täglichen Höchsttemperatur (Tmax) in Xinjiang. Die rote durchgezogene Linie stellt die Maximalwerte von Tmax von 1961 bis 2020 dar. Die schwarze durchgezogene Linie stellt die Maximalwerte von Tmax im Jahr 2015 dar. Rote Punkte stellen die Maximalwerte von Tmax im Jahr 2015 dar, also das Maximum von 1961 bis 2020. Schwarze gestrichelte Linie stellt den Tmax-Durchschnitt von 1961 bis 2020 dar. (b) Räumliche Verteilung des Tmax in Xinjiang für Juli 2015.

Xinjiang liegt in den mittleren Breiten der nördlichen Hemisphäre, wo die Temperaturen unter der stetigen Kontrolle von Hochdrucksystemen weiter ansteigen werden8. Abbildung 11 zeigt die Entwicklung des geopotentiellen Höhenfeldes bei 500 hPa von Juli bis Anfang August 2015. Wir stellen fest, dass sich das Hochdruckzentrum über dem iranischen Plateau nach Osten nach Xinjiang verschiebt, dann stabil bleibt und sich über Xinjiang und anschließend nach Süden verstärkt sich verschieben und schwächer werden. Die Entwicklung dieses iranischen Hochdrucks fällt mit entsprechenden Veränderungen der hohen Temperaturen in Xinjiang zusammen. Daher ist die Ostverlagerung des iranischen Hochdrucks und seine Kontrolle über Xinjiang die direkte Ursache dieser Hitzewelle.

Die geopotentiellen Höhenfelder (a) Anfang Juli, (b) Mitte Juli, (c) Ende Juli und (e) Anfang August für 2015.

Diese Studie untersucht die dynamischen Veränderungen von Hitzewellen und PEH anhand einer langen Zeitreihe hochauflösender Bevölkerungsdaten und quantifiziert weiter die Faktoren, die die PEH-Veränderungen verursachen. Durch die Analyse von Hitzewellenmetriken wurde das räumlich-zeitliche Entwicklungsmuster von Hitzewellen in Xinjiang umfassend erfasst. Der abrupte Wendepunkt der Hitzewellen im Jahr 1994 wird beobachtet und fällt mit dem jährlichen Tmax von Xinjiang in den 1990er Jahren zusammen33. Chen et al.34 entdeckten einen Anstieg der Anzahl von Hochtemperaturtagen in Xinjiang, wenn das Südasiatische Hoch (SAH) stark ist und sein Zentralgebiet nördlich liegt. Der Anstieg der hohen Temperaturen könnte einen entsprechenden Anstieg der relativen Luftfeuchtigkeit auslösen. Dies könnte Auswirkungen auf Hitzewellen in diesen Gebieten haben. Aufgrund eines Super-El-Niño-Ereignisses im Jahr 199735 kam es in China zu schweren Hitzewellen, und im selben Jahr erreichten die Höchstwerte von HWF und HWS in Xinjiang. Dies deutet darauf hin, dass die Veränderungen der Hitzewellen in Xinjiang mit dem El-Niño-Ereignis zusammenhängen.

Aufgrund der ungleichmäßigen globalen Erwärmung weist die Verteilung von Hitzewellen eine erhebliche räumliche Heterogenität auf. In dieser Studie haben wir herausgefunden, dass das östliche Tarim-Becken, Turpan und Hami am anfälligsten für Hitzewellen sind und den stärksten Anstieg der Hitzewellen verzeichnen. Dies hängt nicht nur mit den hohen Temperaturen aufgrund der geringen Höhen zusammen, sondern korreliert auch mit der atmosphärischen Zirkulation36. Mao et al.8 entdeckten beispielsweise, dass die Ostverschiebung des iranischen Hochdrucks 2015 zur längsten und am weitesten verbreiteten Hitzewelle in Xinjiang führte. Darüber hinaus wird die Verteilung von Hitzewellen durch Landnutzung und Breitengrad beeinflusst37,38. Hitzewellen im Norden von Xinjiang sind hauptsächlich im Junggar-Becken verbreitet. Dies steht im Einklang mit der Schlussfolgerung von Xin et al.39, dass die Höhe der Hauptfaktor ist, der die Verteilung hoher Temperaturen beeinflusst, gefolgt vom Breitengrad.

Der Zeitpunkt von Hitzewellen ist ein weiteres wichtiges Merkmal. Neben HWF, HWD und HWS haben wir auch HWFT und HWLT in Xinjiang von 1961 bis 2020 untersucht. Frühe Hitzewellen hatten möglicherweise größere negative Auswirkungen auf die menschliche Gesundheit als spätere Hitzewellen. Dies kann daran liegen, dass der Mensch kaum Gelegenheit hat, sich an sie zu gewöhnen40. Es zeigt sich, dass die HWFT in Xinjiang hauptsächlich von Anfang Juni bis Anfang Juli stattfindet. Im Vergleich zu anderen Regionen Chinas sind die Daten für das Auftreten von Hitzewellen in Xinjiang dieselben wie in Nordchina, später als in Südwestchina und früher als in Südchina41. Obwohl der Beginn des HWFT und das Ende des HWLT in verschiedenen Gebieten von Xinjiang unterschiedlich sind, endet das HWLT im Allgemeinen später in den Gebieten, in denen das HWFT früher auftritt. Mit der fortgeschrittenen HWFT und der verzögerten HWLT werden die Auswirkungen von Hitzewellen auf die menschliche Gesundheit verschärft und die wirtschaftlichen Verluste werden zunehmen42. Mao et al.8 fanden beispielsweise heraus, dass hohe Temperaturen im Jahr 2015 im Einzugsgebiet des Flusses Tarim zu Überschwemmungen durch Eisschmelze führten und zu Schäden unterschiedlichen Ausmaßes am Schienen- und Straßenverkehr sowie an Wasseranlagen führten.

Hitzewellen werden nach der Stärke des HI eingestuft, und es zeigt sich, dass die Anzahl der Hitzewellentage von 1961 bis 2020 unabhängig vom Hitzewellengrad zunimmt. Gemessen an der Anzahl der Tage und den betroffenen Gebieten ist LHW am stärksten, gefolgt von MHW und SHW am geringsten. Allerdings ist die Anzahl der SHW-Tage im Jahr 2015 nicht nur die höchste im Zeitraum 1961–2020, sondern auch höher als die Anzahl der MHW-Tage in diesem Jahr. Dies wirkt sich auf die Erträge und die Qualität wachsender Nutzpflanzen wie Mais, Baumwolle und Weintrauben aus43. Auch die Zahl der Patienten mit Atemwegserkrankungen und zerebrovaskulären Erkrankungen aufgrund von Hitzewellen stieg deutlich an. Laut der Studie von Liu et al.21 werden sich die von Hitzewellen betroffenen Gebiete mit der Intensivierung der globalen Erwärmung ausdehnen und es ist wahrscheinlich, dass es in Zukunft noch stärkere Hitzewellen geben wird. LHW kann in Regionen auftreten, die zuvor keine Hitzewellen erlebt haben, während das ursprüngliche LHW in MHW oder sogar SHW umgewandelt werden kann. Eine Zunahme unterschiedlicher Hitzewellen in der Zukunft könnte schwerwiegende schädliche Auswirkungen auf die Lebensgrundlagen in der Landwirtschaft und die menschliche Gesundheit in Xinjiang haben.

Hitzewellen sind in vielen Regionen der Welt für mehr Todesfälle pro Jahr verantwortlich als andere Naturkatastrophen44, und die PEH in Xinjiang zeigt einen steigenden Trend. Beeinflusst durch das geografische Muster „Berg-Oase-Wüste“ ist der PEH nicht in den Wüstengebieten verteilt, in denen es häufig zu Hitzewellen kommt, sondern konzentriert sich auf die Oasenregionen45. Gebiete mit hohem PEH (105 Personentage oder mehr) befinden sich hauptsächlich in Kaschgar, Aksu und Hotan, hauptsächlich weil diese Gebiete überwiegend landwirtschaftlich geprägt sind und eine dichte Bevölkerungsverteilung aufweisen31. Faktoren, die Veränderungen im PEH beeinflussen, variieren je nach Region46. In Europa, wo die Bevölkerungsveränderungen relativ gering sind oder sogar rückläufig sind, ist der Klimaeffekt der vorherrschende Treiber für die Zunahme der Exposition. Während in vielen Teilen Ozeaniens und Nordasiens Veränderungen des PEH größtenteils auf Bevölkerungseffekte zurückzuführen sind47. Unsere Studie zeigt, dass die PEH-Änderungen in Xinjiang größtenteils vom Klimaeffekt dominiert werden, gefolgt vom Bevölkerungseffekt. Dies steht im Einklang mit der Feststellung, dass der höchste PEH nicht im Jahr 2020 mit der höchsten Bevölkerungszahl, sondern im Jahr 2015 mit der längsten HWD vorliegt.

Das Uigurische Autonome Gebiet Xinjiang (34° N–50° N, 73° E–96° E) liegt im Nordwesten Chinas (Abb. 12) und ist mit einer Fläche von etwa 1,6 Millionen km2 die größte Provinz Chinas. „Drei Berge und zwei Becken“ ist das wichtigste geografische Merkmal von Xinjiang, mit dem Altai-Gebirge an der Nordgrenze und dem Kunlun-Gebirge an der Südgrenze. Das Tianshan-Gebirge dazwischen bildet die natürliche geografische Trennlinie zwischen dem Junggar- und dem Tarim-Becken. Es ist üblich, den Norden des Tianshan-Gebirges als Nord-Xinjiang, den Süden als Süd-Xinjiang und Turpan und Hami als Ost-Xinjiang zu bezeichnen. Da Xinjiang tief im Landesinneren und weit vom Meer entfernt liegt, reagiert es sehr empfindlich auf den Klimawandel48. In der Region herrscht das typische trockene und halbtrockene Kontinentalklima mit knappen Wasserressourcen, starker Sonneneinstrahlung, intensiver Verdunstung und einer fragilen ökologischen Umwelt49. Im Sommer ist es extrem heiß, die höchste Temperatur wurde 2017 mit 50,5 °C gemessen.

Karten der Studienregion. (a) Topografische Merkmale von Xinjiang und subregionalen Teilungen: Nord-Xinjiang, Süd-Xinjiang und Ost-Xinjiang. (b) Bevölkerungsdichte. (c) Vegetationstypen.

Bevölkerungswachstum ist für die wirtschaftliche und soziale Entwicklung von wesentlicher Bedeutung. Die Bevölkerung Xinjiangs ist in den letzten Jahren stetig gewachsen. Den Daten nationaler Volkszählungen zufolge betrug die Bevölkerungszahl von Xinjiang im Jahr 2000 18,46 Millionen und im Jahr 2020 25,85 Millionen, was einem Anstieg von 7,39 Millionen entspricht50. Die Verteilung der Bevölkerung in Xinjiang wird durch das natürliche geografische Muster „Berg-Oase-Wüste“ beeinflusst, das sich hauptsächlich auf die Oasenregion konzentriert51. Darüber hinaus ist die Bevölkerungsdichte in Nord-Xinjiang aufgrund der weiter entwickelten Wirtschaft und des bewohnbaren Klimas deutlich höher als in Süd-Xinjiang und Ost-Xinjiang, wo Ürümqi, Turpan, Karamay und Kashgar dicht besiedelt sind.

Die Daten zur täglichen Höchsttemperatur (Tmax) und relativen Luftfeuchtigkeit (RH) von 1961 bis 2020 werden vom China Meteorological Data Service Center (http://data.cma.cn) bezogen. Dieser Datensatz hat eine hohe räumliche Auflösung von 0,25° × 0,25° und seine Qualitätskontrolle wird von Wu et al.52 streng reguliert. Es basiert auf Interpolationen von über 2400 meteorologischen Stationen in China, wo die Klimatologie zunächst durch Glättungssplines dünner Platten interpoliert wird. Anschließend wird eine gerasterte Tagesanomalie über die Winkeldistanzgewichtungsmethode (ADW) abgeleitet und zur Klimatologie addiert, um die zu erhalten endgültiger Datensatz. Die Standardkartendienste werden vom Stand der National Platform for Common Geospatial Information Services (https://www.tianditu.gov.cn) bereitgestellt.

Hochauflösende gerasterte Bevölkerungsdatensätze für 2001 bis 2020 stammen von WorldPop (https://www.worldpop.org). Der Datensatz übersetzt offizielle Volkszählungsdaten und ein räumliches Hilfsmittel mithilfe eines zufälligen Waldmodells in ein Raster. Der räumliche Hilfsdatensatz umfasst Siedlungsstandorte und -bereiche, Satellitennachtbeleuchtungsdaten, Landbedeckungsdaten sowie Straßen- und Gebäudekarten53. Viele Organisationen und Institutionen nutzen den Datensatz für Studien, da es sich um die zuverlässigste verfügbare Langzeitdatenreihe handelt54,55. Aufgrund rechnerischer Einschränkungen werden die Worldpop-Daten als Bevölkerung im 0,25° × 0,25°-Raster berechnet (Abb. 13).

(a) Räumliche Muster der Bevölkerungsdichte im Jahr 2020. (b) Räumliche Muster der Bevölkerungsdichte im Jahr 2020.

Aufgrund der unterschiedlichen Akklimatisierungs- und Anpassungsfähigkeit bestimmter Bevölkerungsgruppen in verschiedenen Regionen gibt es keine einheitliche Definition einer Hitzewelle47,56. Für diese Studie wird unter Berücksichtigung des Klimatrends „Erwärmung-Befeuchtung“ in Xinjiang57 der von Huang et al.58 vorgeschlagene Hitzewellenindex (HI) zur Identifizierung von Hitzewellen verwendet. Der Index wird nach Gl. berechnet. (1).

wobei \(TI\) der Torriditätsindex des aktuellen Tages ist, \({TI}{^{\prime}}\) der kritische Wert von \(TI\), \({TI}_{i}\ ) ist der \(TI\) des nächsten \(\text{i}\) Tages vor dem aktuellen Tag, \({nd}_{i}\) ist die Anzahl der Tage vor dem aktuellen Tag und \( N\) ist die Anzahl der ununterbrochenen Heißwettertage.

Der Torriditätsindex für die relative Luftfeuchtigkeit (≤ 60 %) wird mit der folgenden Formel ermittelt:

Für Bedingungen, bei denen die relative Luftfeuchtigkeit > 60 % beträgt, wird die folgende Formel verwendet:

Dabei ist \({T}_{max}\) die tägliche Höchsttemperatur (°C), \(RH\) die relative Luftfeuchtigkeit (%).

\({\text{TI}}{^{\prime}}\) wird verwendet, um zu beurteilen, ob es sich um hohe Temperaturen oder heißes Wetter handelt. Wenn \({\text{TI}}\) größer als \({\text{TI}}{^{\prime}}\ ist, bedeutet dies, dass der gegebene Tag den Hochtemperaturzustand erreicht und als heiß gilt Wetter. Zur Berechnung von \({\text{TI}}{^{\prime}}\ wird die Quantilmethode verwendet, die folgenden Formeln werden verwendet:

wobei \(\widehat{{Q}_{i}}\left(p\right)\) das \(i\)-te Quantil ist, \(X\) die Abtastsequenz des \({\text{ TI}}\) in aufsteigender Reihenfolge, \(p\) ist das 50 %-Quantil, \(n\) ist die Länge der \({\text{TI}}\)-Reihe, \(j\) ist das \ (j\)th \({\text{TI}}\), \(\gamma\) ist das Gewicht der \((j+1)\)ten Zahl.

Um die Auswirkungen verschiedener meteorologischer Bedingungen auf den sozioökonomischen Status und die menschliche Gesundheit zu messen, werden Hitzewellen entsprechend der Stärke des HI in drei Stufen eingeteilt, wie in Tabelle 2 aufgeführt.

Um eine ganzheitlichere Sicht auf die Veränderungen bei Hitzewellen gemäß früheren Studien59,60 zu erhalten, wählen wir fünf Metriken für ihre Quantifizierung aus (Tabelle 3).

PEH ist definiert als die Belastung der Bevölkerung in hitzewellengefährdeten Gebieten. Das heißt, PEH kann berechnet werden, indem die Hitzewellentage und die Bevölkerung für jedes Raster multipliziert werden61, wobei die Expositionseinheiten Personentage sind. Die räumliche Auflösung von PEH wurde auf 0,25° × 0,25° eingestellt.

Veränderungen im PEH werden nicht nur durch die Größe und räumliche Verteilung der Bevölkerung bestimmt, sondern auch durch den Klimawandel62. Wir wenden die Methode von Jones et al.19 an, um die Auswirkungen von Klima und Bevölkerung auf den PEH zu messen. Die Auswirkungen von Veränderungen im PEH lassen sich in drei Teile gliedern.

Der Klimaeffekt, der es ermöglicht, dass sich Hitzewellentage im Laufe der Zeit ändern, die Bevölkerung jedoch auf dem Niveau des Basiszeitraums bleibt.

Der Bevölkerungseffekt, der es ermöglicht, dass sich die Bevölkerung ändert, die Hitzewellentage jedoch auf dem Niveau des Basiszeitraums fixiert bleiben.

Der interaktive Effekt, der definiert ist als die gesamte Expositionsänderung abzüglich der Summe der Klima- und Bevölkerungsänderungen.

Um den Vergleich zu erleichtern, wählen wir als Basiszeitraum (T0) das Intervall von 2001 bis 2005. Die Vergleichszeiträume sind 2006–2010 (T1), 2011–2015 (T2) bzw. 2016–2020 (T3).

Die Zerlegung für PEH-Änderungen wird gemäß Gl. berechnet. (7)

wobei \({\Delta E}_{pop}\) die Gesamtänderung des PEH darstellt. \({P}_{i}\) und \({C}_{i}\) stellen die Bevölkerung bzw. die Anzahl der Hitzewellentage im Zeitraum \(i\) dar. \({P}_{j}\) und \({C}_{j}\) stellen die Bevölkerung bzw. die Anzahl der Hitzewellentage im Zeitraum \({\text{j}}\) dar. ∆\({\text{P}}\) und ∆\({\text{C}}\) repräsentieren die Veränderungen in der Bevölkerung und die Anzahl der Hitzewellentage von Periode \(i\) bis Periode \({\text {j}}\). \({\text{P}}_{\text{i}} \cdot \Delta{\text{C}}\) stellt den Klimaeffekt dar, \({\text{C}}_{\text{i }} \cdot \Delta{\text{P}}\) repräsentiert den Populationseffekt und \(\Delta{\text{P}} \cdot \Delta{\text{C}}\) repräsentiert den interaktiven Effekt ( Ergänzende Angaben).

Daher wird der Beitragssatz jedes Faktors wie folgt berechnet:

wobei \({\text{CR}}_{\text{cli}}\) sich auf die Beitragsrate des Klimaeffekts bezieht, \({\text{CR}}_{\text{pop}}\) darstellt der Beitragssatz des Bevölkerungseffekts und \({\text{CR}}_{\text{cli+pop}}\) der Beitragssatz des interaktiven Effekts.

Die Daten, die die Ergebnisse dieser Studie stützen, sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Perkins, SE Ein Überblick über das wissenschaftliche Verständnis von Hitzewellen – ihre Messung, Antriebsmechanismen und Veränderungen auf globaler Ebene. Atmosphäre. Res. 164, 242–267. https://doi.org/10.1016/j.atmosres.2015.05.014 (2015).

Artikel Google Scholar

Wang, J. et al. Kartierung der Exposition und Empfindlichkeit gegenüber Hitzewellenereignissen in Chinas Megastädten. Wissenschaft. Gesamtumgebung. https://doi.org/10.1016/j.scitotenv.2020.142734 (2021).

Artikel PubMed PubMed Central Google Scholar

Yang, Q., Zheng, J. & Zhu, H. Einfluss räumlich-zeitlicher Temperatur- und Niederschlagsänderungen auf die wichtigsten Getreideerträge in der südlichen Provinz Jiangsu, China. Globus. Ökologisch. Konserv. https://doi.org/10.1016/j.gecco.2019.e00818 (2020).

Artikel Google Scholar

Robine, J.-M. et al. Im Sommer 2003 überstieg die Zahl der Todesopfer in Europa 70.000. CR Biol. 331, 171-U175. https://doi.org/10.1016/j.crvi.2007.12.001 (2008).

Artikel PubMed Google Scholar

McEvoy, D., Ahmed, I. & Mullett, J. Die Auswirkungen der Hitzewelle 2009 auf Melbournes kritische Infrastruktur. Lokale Umgebung. 17, 783–796. https://doi.org/10.1080/13549839.2012.678320 (2012).

Artikel Google Scholar

Barriopedro, D., Fischer, EM, Luterbacher, J., Trigo, R. & Garcia-Herrera, R. Der heiße Sommer 2010: Neuzeichnung der Temperaturrekordkarte Europas. Wissenschaft 332, 220–224. https://doi.org/10.1126/science.1201224 (2011).

Artikel CAS PubMed ADS Google Scholar

Johnson, H. et al. Die Auswirkungen der Hitzewelle 2003 auf Sterblichkeit und Krankenhauseinweisungen in England. Gesundheitsstatistik. Quart. 2005, 6–11 (2005).

Google Scholar

Mao, W., Chen, P. & Shen, Y. Eigenschaften und Auswirkungen der extremen maximalen Lufttemperatur im Sommer 2015 in Xinjiang unter globaler Erwärmung. J. Glaciol. Geocryol. 38, 291–304 (2016).

Google Scholar

Cai, W. et al. Der China-Bericht 2020 des Lancet Countdown zu Gesundheit und Klimawandel. Lancet Public Health 6, E64–E81. https://doi.org/10.1016/s2468-2667(20)30256-5 (2021).

Artikel PubMed Google Scholar

Baldwin, JW, Dessy, JB, Vecchi, GA & Oppenheimer, M. Zeitlich sich verstärkende Hitzewellenereignisse und globale Erwärmung: Eine aufkommende Gefahr. Earths Future 7, 411–427. https://doi.org/10.1029/2018ef000989 (2019).

Artikel ADS Google Scholar

Masson-Delmotte, V., Zhai, P., Pirani, A., Connors, SL, Péan, C., Berger, S., Caud, N., Chen, Y., Goldfarb, L., Gomis, MI, et al. IPCC. Zusammenfassung für politische Entscheidungsträger. Im Klimawandel 2021: Die physikalisch-wissenschaftliche Grundlage; Beitrag der Arbeitsgruppe I zum Sechsten Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen. (2021).

Dong, Z. et al. Hitzewellen in Südostasien und ihre Veränderungen in einer wärmeren Welt. Die Zukunft der Erde. https://doi.org/10.1029/2021ef001992 (2021).

Artikel Google Scholar

Meehl, GA & Tebaldi, C. Intensivere, häufigere und länger anhaltende Hitzewellen im 21. Jahrhundert. Wissenschaft 305, 994–997. https://doi.org/10.1126/science.1098704 (2004).

Artikel CAS PubMed ADS Google Scholar

Gao, Y., Su, P., Zhang, A., Wang, R. & Wang, JA Dynamische Bewertung der weltweiten Exposition von Mais gegenüber extrem hohen Temperaturen. Int. J. Katastrophenrisikowissenschaft. 12, 713–730. https://doi.org/10.1007/s13753-021-00360-8 (2021).

Artikel Google Scholar

Poumadere, M., Mays, C., Le Mer, S. & Blong, R. Die Hitzewelle 2003 in Frankreich: Gefährlicher Klimawandel hier und jetzt. Risiko Anal. 25, 1483–1494. https://doi.org/10.1111/j.1539-6924.2005.00694.x (2005).

Artikel PubMed Google Scholar

Anderson, BG & Bell, ML Wetterbedingte Sterblichkeit: Wie Hitze, Kälte und Hitzewellen die Sterblichkeit in den Vereinigten Staaten beeinflussen. Epidemiologie 20, 205–213. https://doi.org/10.1097/EDE.0b013e318190ee08 (2009).

Artikel PubMed PubMed Central Google Scholar

Anderson, GB, Oleson, KW, Jones, B. & Peng, RD Projizierte Trends bei Hitzewellen mit hoher Sterblichkeit unter verschiedenen Klima-, Bevölkerungs- und Anpassungsszenarien in 82 US-Gemeinden. Aufstieg. Änderung 146, 455–470. https://doi.org/10.1007/s10584-016-1779-x (2018).

Artikel PubMed ADS Google Scholar

Hajat, S., Kovats, RS, Atkinson, RW & Haines, A. Einfluss heißer Temperaturen auf den Tod in London: Ein Zeitreihenansatz. J. Epidemiol. Community Health 56, 367–372. https://doi.org/10.1136/jech.56.5.367 (2002).

Artikel CAS PubMed PubMed Central Google Scholar

Jones, B. et al. Zukünftige Belastung der Bevölkerung durch Hitzeextreme in den USA. Nat. Aufstieg. Chang. 5, 652–655. https://doi.org/10.1038/nclimate2631 (2015).

Artikel ADS Google Scholar

Tatem, AJ WorldPop, offene Daten für räumliche Demographie. Wissenschaft. Daten 4, 170004–170004. https://doi.org/10.1038/sdata.2017.4 (2017).

Artikel PubMed PubMed Central Google Scholar

Liu, J., Ren, Y., Tao, H. & Shalamzari, MJ Räumliche und zeitliche Variationsmerkmale von Hitzewellen in den letzten Jahrzehnten über China. Fernerkundung. https://doi.org/10.3390/rs13193824 (2021).

Artikel PubMed PubMed Central Google Scholar

Ding, T., Qian, W. & Yan, Z. Veränderungen bei heißen Tagen und Hitzewellen in China im Zeitraum 1961–2007. Int. J. Climatol. 30, 1452–1462. https://doi.org/10.1002/joc.1989 (2010).

Artikel Google Scholar

Jiang, Q., Yue, Y. & Gao, L. Die räumlich-zeitlichen Muster der Auswirkungen von Hitzewellen auf Weizen in Nordchina unter extremen Klimaszenarien. Geomat. Nat. Gefahr. Risiko 10, 2346–2367. https://doi.org/10.1080/19475705.2019.1693435 (2019).

Artikel Google Scholar

Sherwood, SC Wie wichtig ist Feuchtigkeit bei Hitzestress? J. Geophys. Res. Atmosphäre. 123, 11808–11810. https://doi.org/10.1029/2018jd028969 (2018).

Artikel ADS Google Scholar

de Freitas, CR & Grigorieva, EA Ein umfassender Katalog und eine Klassifizierung menschlicher thermischer Klimaindizes. Int. J. Biometeorol. 59, 109–120. https://doi.org/10.1007/s00484-014-0819-3 (2015).

Artikel PubMed Google Scholar

Mora, C. et al. Globale Gefahr tödlicher Hitze. Nat. Aufstieg. Ändern. 7, 501–506. https://doi.org/10.1038/nclimate3322 (2017).

Artikel ADS Google Scholar

Barnett, AG, Tong, S. & Clements, ACA Welches Temperaturmaß ist der beste Prädiktor für die Sterblichkeit? Umgebung. Res. 110, 604–611. https://doi.org/10.1016/j.envres.2010.05.006 (2010).

Artikel CAS PubMed Google Scholar

Wang, Q., Zhai, P.-M. & Qin, D.-H. Neue Perspektiven zum Trend „Erwärmung und Benetzung“ in Xinjiang, China. Adv. Aufstieg. Res. ändern. 11, 252–260. https://doi.org/10.1016/j.accre.2020.09.004 (2020).

Artikel Google Scholar

Zhang, Q. et al. Neue Merkmale zum Klimabefeuchtungstrend im Nordwesten Chinas. Kinn. Wissenschaft. Bull.-Chin. 66, 3757–3771. https://doi.org/10.1360/tb-2020-1396 (2021).

Artikel CAS Google Scholar

Li, L. & Zha, Y. Exposition der Bevölkerung gegenüber extremer Hitze in China: Häufigkeit, Intensität, Dauer und zeitliche Trends. Aufrechterhalten. Städtegesellschaft. https://doi.org/10.1016/j.scs.2020.102282 (2020).

Artikel Google Scholar

Yang, Z., Lei, J., Duan, Z., Dong, J. & Su, C. Räumliche Verteilung der Bevölkerung in Xinjiang. Geogr. Wettrennen. Rev. 35, 2333–2346. https://doi.org/10.11821/darkness201612012 (2016).

Artikel Google Scholar

Zhang, L., Huang, D. & Yang, B. Zukünftige Belastung der Bevölkerung durch hohe Temperaturen in China im RCP4.5-Szenario. Geograph. Res. 35, 2238–2248. https://doi.org/10.11821/dlyj201612004 (2016).

Artikel Google Scholar

Tao, H. et al. Beobachtete Änderungen der Höchst- und Tiefsttemperaturen in der autonomen Region Xinjiang, China. Int. J. Climatol. 37, 5120–5128. https://doi.org/10.1002/joc.5149 (2017).

Artikel Google Scholar

Chen, Y., Shao, W., Cao, M. & Lyu, X. Variation der sommerlichen Hochtemperaturtage und ihre Einflussfaktoren in Xinjiang. Trockenzonenres. 37, 58–66. https://doi.org/10.13866/j.azr.2020.01.07 (2020).

Artikel Google Scholar

Zhao, GN, Li, BZ, Kong, P., Xia, LJ, Zhan, MJ Belastung der Bevölkerung durch großflächige Hitzewellen in China im Zeitraum 1961–2015. in The 5th International Conference on Water Resource and Environment (WRE 2019) 2019, 344. https://doi.org/10.1088/1755-1315/344/1/012073.

Luo, M. et al. Beobachtete Hitzewellenveränderungen im trockenen Nordwesten Chinas: Physikalischer Mechanismus und langfristiger Trend. Atmosphäre. Res. https://doi.org/10.1016/j.atmosres.2020.105009 (2020).

Artikel Google Scholar

Zhou, W. & Cao, F. Auswirkungen sich ändernder räumlicher Ausdehnung auf die Beziehung zwischen städtischen Waldmustern und Landoberflächentemperatur. Ökologisch. Indikatoren. https://doi.org/10.1016/j.ecolind.2019.105778 (2020).

Artikel Google Scholar

Shen, W. et al. Lokale Änderung der Landoberflächentemperatur durch Aufforstung basierend auf Satellitenbeobachtungen in Guangdong-Plantagenwäldern in China. Landwirtschaft. Waldmeteorol. https://doi.org/10.1016/j.agrformet.2019.107641 (2019).

Artikel Google Scholar

Xin, Y. et al. Analyse der räumlich-zeitlichen Veränderung und der mehrskaligen abrupten Veränderung von Hochtemperaturtagen in Nord-Xinjiang. Trockenzonenres. 25, 438–446. https://doi.org/10.13866/j.azr.2008.03.009 (2008).

Artikel Google Scholar

Campbell, S., Remenyi, TA, White, CJ & Johnston, FH Hitzewellen- und Gesundheitsauswirkungsforschung: Eine globale Übersicht. Gesundheitsplatz 53, 210–218. https://doi.org/10.1016/j.healthplace.2018.08.017 (2018).

Artikel PubMed Google Scholar

Jia, J. & Hu, Z. Räumliche und zeitliche Merkmale und Trend unterschiedlich starker Hitzewellen über China. Adv. Erdwissenschaft. 32, 546–559. https://doi.org/10.11867/j.issn.1001-8166.2017.05.0546 (2017).

Artikel Google Scholar

Fan, J., Min, J., Yang, Q., Na, J. & Wang, X. Räumlich-zeitliche Beziehungsanalyse der Vegetationsphänologie und meteorologischer Parameter in einem Agro-Weide-Ökoton in China. Fernerkundung. https://doi.org/10.3390/rs14215417 (2022).

Artikel Google Scholar

Shang, L., Huang, Y. & Mao W. Merkmale der durch hohe Temperaturen verursachten Schnee- und Eisschmelzwasserflut in der südlichen Region Xinjiang im Sommer 2015. J. Glaciol. Geocryol. 38, 480-487. https://doi.org/10.7522/j.issn.1000-0240.2016.0054 (2016).

Artikel Google Scholar

Basu, R. & Samet, JM Zusammenhang zwischen erhöhter Umgebungstemperatur und Mortalität: Eine Überprüfung der epidemiologischen Beweise. Epidemiol. Rev. 24, 190–202. https://doi.org/10.1093/epirev/mxf007 (2002).

Artikel PubMed Google Scholar

Lu, D. et al. Akademische Debatten über die Bevölkerungslinie von Hu Huanyong. Geogr. Wettrennen. 35, 805–824. https://doi.org/10.11821/dlyj201605001 (2016).

Artikel Google Scholar

Park, CE & Jeong, S. Prognosen zur Bevölkerungsexposition gegenüber intensivierter Sommerhitze. Die Zukunft der Erde. https://doi.org/10.1029/2021ef002602 (2022).

Artikel Google Scholar

Ma, F. & Yuan, X. Auswirkungen von Klima- und Bevölkerungsveränderungen auf die zunehmende Exposition gegenüber sommerlichen Hitzeextremen. Wissenschaft. Gesamtumgebung. 772, 145004. https://doi.org/10.1016/j.scitotenv.2021.145004 (2021).

Artikel CAS PubMed ADS Google Scholar

Shen, Y.-J. et al. Rückblick auf historische und prognostizierte zukünftige klimatische und hydrologische Veränderungen im bergigen semiariden Xinjiang (Nordwestchina), Zentralasien. CATENA https://doi.org/10.1016/j.catena.2019.104343 (2020).

Artikel Google Scholar

Chen, D. & Dai, Y. Merkmale der Niederschlagsintensität im Nordwesten Chinas in den letzten 50 Jahren. Kinn. J. Atmos. Wissenschaft. 33, 923–935. https://doi.org/10.3878/j.issn.1006-9895.2009.05.04(2009).

Artikel Google Scholar

Statistikbüro der Uigurischen Autonomen Region Xinjiang, Statistisches Jahrbuch Xinjiang 2021. (2022-7-1). http://tjj.xinjiang.gov.cn/tjj/rkjyug/202203/a78c402be9d44ca58ff431751698d3ca.shtml.

Wei, H. et al. Verknüpfung von Angebot an Ökosystemleistungen, sozialer Nachfrage und menschlichem Wohlbefinden in einem typischen Berg-Oasen-Wüsten-Gebiet, Xinjiang, China. Ökosystem. Dienste 31, 44–57. https://doi.org/10.1016/j.ecoser.2018.03.012 (2018).

Artikel CAS Google Scholar

Wu, J. & Gao, X.-J. Ein gerasterter täglicher Beobachtungsdatensatz über die Region China und Vergleich mit den anderen Datensätzen. Kinn. J. Geophys.-Chin. Ausgabe 56, 1102–1111. https://doi.org/10.6038/cjg20130406 (2013).

Artikel Google Scholar

Gaughan, AE et al. Raumzeitliche Bevölkerungsmuster auf dem chinesischen Festland, 1990 bis 2010. Sci. Daten. https://doi.org/10.1038/sdata.2016.5 (2016).

Artikel PubMed PubMed Central Google Scholar

Chen, B. et al. Gegensätzliche Ungleichheit in der menschlichen Exposition gegenüber Grünflächen zwischen Städten im globalen Norden und im globalen Süden. Nat. Komm. 13, 4636. https://doi.org/10.1038/s41467-022-32258-4 (2022).

Artikel CAS PubMed PubMed Central ADS Google Scholar

Rentschler, J., Salhab, M. & Jafino, BA Überschwemmungsgefahr und Armut in 188 Ländern. Nat. Komm. 13, 3527. https://doi.org/10.1038/s41467-022-30727-4 (2022).

Artikel CAS PubMed PubMed Central ADS Google Scholar

Tong, S., Wang, XY & Barnett, AG Bewertung hitzebedingter gesundheitlicher Auswirkungen in Brisbane, Australien: Vergleich verschiedener Hitzewellendefinitionen. PLoS ONE https://doi.org/10.1371/journal.pone.0012155 (2010).

Artikel PubMed PubMed Central Google Scholar

Shi, Y., Shen, Y. & Hu, R. Vorläufige Studie zu Signal, Auswirkungen und Vordergrund des Klimawechsels von warm-trocken zu warm-feucht im Nordwesten Chinas. J. Glaciol. Geocryol. 24, 219–226. https://doi.org/10.7522/j.issn.1000-0240.2002.0044 (2002).

Artikel Google Scholar

Huang, Z., Chen, H., Tian, ​​H. Forschung zum Hitzewellenindex. Meteorol. Mo. 37, 345–351 (2011).

Google Scholar

Shafiei Shiva, J., Chandler, DG & Kunkel, KE Lokalisierte Veränderungen der Hitzewelleneigenschaften in den Vereinigten Staaten. Die Zukunft der Erde 7, 300–319. https://doi.org/10.1029/2018ef001085 (2019).

Artikel ADS Google Scholar

Reddy, PJ, Perkins-Kirkpatrick, SE & Sharples, JJ Intensivierung australischer Hitzewellentrends und ihre Sensibilität gegenüber Beobachtungsdaten. Die Zukunft der Erde. https://doi.org/10.1029/2020ef001924 (2021).

Artikel Google Scholar

Weber, T. et al. Analyse zusammengesetzter Klimaextreme und exponierter Bevölkerung in Afrika unter zwei verschiedenen Emissionsszenarien. Die Zukunft der Erde. https://doi.org/10.1029/2019ef001473 (2020).

Artikel Google Scholar

Liu, Z. et al. Globale und regionale Veränderungen der Exposition gegenüber extremer Hitze und die relativen Beiträge des Klimawandels und des Bevölkerungswandels. Wissenschaft. Rep. 7, 43909. https://doi.org/10.1038/srep43909 (2017).

Artikel CAS PubMed PubMed Central ADS Google Scholar

Referenzen herunterladen

Diese Arbeit wurde vom Key Research and Development Program der Uigurischen Autonomen Region Xinjiang, China (2022B03030) und der West Light Foundation der Chinesischen Akademie der Wissenschaften (Fördernummern 2019-XBYJRC-001, 2019-XBQNXZ-B-0004) unterstützt.

Staatliches Schlüssellabor für Wüsten- und Oasenökologie, Xinjiang-Institut für Ökologie und Geographie, Chinesische Akademie der Wissenschaften, Urumqi, 830011, China

Diwen Dong, Hui Tao und Zengxin Zhang

Gemeinsames Innovationszentrum für moderne Forststudien, College of Forestry, Nanjing Forestry University, Nanjing, 210037, Jiangsu, China

Zengxin Zhang

Hochschule für Ökologie und Umwelt, Xinjiang-Universität, Urumqi, 830046, China

Diwen Dong

Universität der Chinesischen Akademie der Wissenschaften, Peking, 100049, China

Diwen Dong

Hochschule für Statistik und Datenwissenschaft, Xinjiang University of Finance & Economics, Urumqi, 830012, China

Diwen Dong

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

DD, HT und ZZ haben die Studie konzipiert. DD und HT haben die Datenbank vorbereitet. DD erstellte die Zahlen und analysierte die Ergebnisse. ZZ hat die Struktur des Papiers verbessert. Alle Autoren haben die veröffentlichte Vision des Manuskripts gelesen und ihr zugestimmt.

Korrespondenz mit Zengxin Zhang.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Dong, D., Tao, H. & Zhang, Z. Historische Entwicklung der Bevölkerungsexposition gegenüber Hitzewellen im Uigurischen Autonomen Gebiet Xinjiang, China. Sci Rep 13, 7401 (2023). https://doi.org/10.1038/s41598-023-34123-w

Zitat herunterladen

Eingegangen: 06. Dezember 2022

Angenommen: 25. April 2023

Veröffentlicht: 06. Mai 2023

DOI: https://doi.org/10.1038/s41598-023-34123-w

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.