Videnskab
 science >> Videnskab >  >> Natur

Beregning af menneskers sundhedsrisici med generelle vejrdata

Under problematiske temperaturhændelser, videnskabsmænd og politiske beslutningstagere har brug for at vide, hvilke samfund der er mest udsatte for at opleve sundhedseffekter. I en ny undersøgelse, forskere fandt, at gitter, gennemsnitlige klimadata fungerer lige så godt som vejrstationstemperaturmålinger. Kredit:Dominic Royé

Vejrstationer giver detaljerede registreringer af temperatur, nedbør, og stormbegivenheder. Disse stationer, imidlertid, er ikke altid godt placeret og kan være spredt ud over byer eller kan endda være fraværende i fjerntliggende regioner.

Når direkte målinger af vejret ikke er tilgængelige, forskere har en løsning. De bruger eksisterende gitterklimadatasæt (GCD'er) ved forskellige rumlige opløsninger, der gennemsnitligt vejrer inden for et specifikt gitter. I modsætning til overvågningsstationer, de estimerede temperaturer i disse gitterceller er baseret på en kombination af modellerede prognoser og klimamodeller samt på observationer (varierende fra jordmonitorer og fly til havbøjer og satellitbilleder). Disse GCD'er er meget nyttige i storskala klimaundersøgelser og økologisk forskning, især i regioner uden overvågningsstationer.

Men kan GCD'er være effektive i epidemiologiske undersøgelser, for eksempel, i at se på, hvordan ugunstige temperaturer kan påvirke menneskers sundhed og dødelighed?

I en ny undersøgelse, de Schrijver et al. testet, om GCD'er kunne være nyttige til at studere temperaturrelateret dødelighed i områder, hvor vejrstationer er sparsomme. De sammenlignede gittertemperaturdata med vejrstationstemperaturer to steder - England og Wales og Schweiz - for at se, om det ene datasæt fungerede bedre end det andet. Disse regioner har varierende topografi, heterogene temperaturområder, og varierende befolkningsfordelinger, som alle fører til lommer med uregelmæssige temperaturer inden for et område.

For at forstå, hvilke temperaturdata der ville være mest nyttige til at forudsige sundhedsrisici for lokalsamfund, forskerne sammenlignede dødsfald som følge af udsættelse for varme eller kolde temperaturer for både GCD'er og vejrstationsdata. De brugte vejrstationsdata fra hvert land og en høj- og lavopløsnings GCD (lokale og regionale skalaer) for at se, hvilke data der var bedre til at forudsige risikoen for død som følge af kulde eller varme.

Holdet fandt ud af, at begge datasæt forudsagde lignende resultater af sundhedspåvirkninger fra temperatureksponering. Imidlertid, i nogle tilfælde, GCD'er med høj opløsning var bedre i stand til at fange ekstrem varme sammenlignet med data fra vejrstationer, når der blev taget højde for ulige fordeling af befolkningen. Dette var især tilfældet i tætbefolkede byområder, der oplever bemærkelsesværdige temperaturforskelle inden for dem.

Forskerne konkluderer, at i byer og områder med ujævnt terræn, lokale GCD'er kan være bedre end vejrstationsdata til epidemiologiske undersøgelser.

Denne historie er genudgivet med tilladelse fra Eos, vært af American Geophysical Union. Læs den originale historie her.




Varme artikler