Evolución histórica de la exposición de la población a las olas de calor en la Región Autónoma Uygur de Xinjiang, China

Aug 14, 2023

Scientific Reports volumen 13, número de artículo: 7401 (2023) Citar este artículo

844 Accesos

2 altmétrico

Detalles de métricas

Las olas de calor tienen impactos pronunciados en la salud humana y el medio ambiente a escala global. Aunque las características de las olas de calor han sido bien documentadas, todavía faltan estudios dinámicos de la exposición de la población a las olas de calor (PEH), particularmente en las regiones áridas. En este estudio, analizamos las características de evolución espacio-temporal de las olas de calor y la PEH en Xinjiang utilizando la temperatura máxima diaria (Tmax), la humedad relativa (RH) y conjuntos de datos cuadriculados de población de alta resolución. Los resultados revelaron que las olas de calor en Xinjiang ocurren de manera más continua e intensa entre 1961 y 2020. Además, existe una heterogeneidad espacial sustancial de las olas de calor, siendo la parte oriental de la cuenca del Tarim, Turpan y Hami las áreas más propensas. La PEH en Xinjiang mostró una tendencia creciente con áreas altas principalmente en Kashgar, Aksu, Turpan y Hotan. El aumento de la PEH se debe principalmente al crecimiento demográfico, el cambio climático y su interacción. De 2001 a 2020, la contribución del efecto climático disminuyó un 8,5%, la tasa de contribución de los efectos de población y de interacción aumentó un 3,3% y un 5,2%, respectivamente. Este trabajo proporciona una base científica para el desarrollo de políticas para mejorar la resiliencia frente a los peligros en las regiones áridas.

Las olas de calor generalmente se definen como períodos prolongados de temperaturas extremadamente altas. Puede tener impactos catastróficos en la salud humana, la infraestructura, los ecosistemas agrícolas y la economía nacional1,2,3. Por ejemplo, las intensas olas de calor provocaron más de 70.000 muertes en Europa en 20034, la infraestructura ferroviaria en Australia resultó dañada en 20095 y la pérdida de cosechas en Rusia en 2010 fue de alrededor del 25%6. Especialmente en los últimos años, China se ha visto afectada varias veces por olas de calor. Shanghai y Xinjiang sufrieron olas de calor sin precedentes en 2013 y 2015, respectivamente7,8. Según el informe de China de 2020 de The Lancet Countdown sobre la salud y el cambio climático, la mortalidad relacionada con las olas de calor se cuadruplicó entre 1990 y 2019 en China9. En el contexto del cambio climático global, los impactos adversos del aumento de las olas de calor en la salud humana y la situación socioeconómica serán más graves10,11. Sin embargo, pocos estudios exploraron simultáneamente la heterogeneidad espacial de las olas de calor y la variación dinámica de la exposición de la población. Por lo tanto, existe una necesidad urgente de dilucidar la evolución espacio-temporal de las olas de calor y cuantificar los impactos nocivos de la exposición a las olas de calor para proporcionar conocimientos científicos para hacer frente al cambio climático.

Actualmente, las olas de calor han atraído una amplia atención por parte de los departamentos gubernamentales y la comunidad científica. La mayoría de las investigaciones sobre olas de calor incluyen métricas limitadas como frecuencia, intensidad y duración12,13. La exposición prolongada a las olas de calor puede poner en peligro la salud humana14, por lo que se requieren estudios más detallados de los efectos adversos de las olas de calor en la población15. Estudios anteriores normalmente han vinculado las olas de calor con la salud humana a través de datos de morbilidad y mortalidad relacionadas con el calor16,17. Hajat et al.18 investigaron que la tasa de mortalidad aumentaba un 3,34% por cada grado de aumento de temperatura. Sin embargo, la mortalidad relacionada con el calor está relacionada con el clima y la población. Jones et al.19 calcularon espacialmente la exposición de la población a las olas de calor, entre otras cosas para cuantificar la influencia de los peligros naturales. Es difícil analizar en profundidad la dinámica de la exposición espacial de la población sobre la base de datos de población previos por regiones administrativas. Esta limitación puede superarse eficazmente mediante conjuntos de datos de población cuadriculados de alta resolución20.

Las olas de calor en la Región Autónoma Uygur de Xinjiang han aumentado significativamente en las últimas décadas21,22, y se espera que ocurran de manera más continua e intensa en el futuro23. Estudios anteriores en Xinjiang identifican las olas de calor según su máximo diario. Además de las altas temperaturas, el confort y la salud humana también se ven afectados por la humedad relativa (HR), la velocidad del viento y la radiación solar24,25. Además, a medida que aumenta la HR, algunas muertes relacionadas con el calor ocurren a temperaturas relativamente bajas, lo que ilustra que la HR desempeña otro papel importante en la identificación de olas de calor26,27. Actualmente, el clima en Xinjiang ha mostrado una tendencia de "calentamiento-humedad"28,29. Puede haber una gran incertidumbre al intentar estimar las olas de calor sin considerar la HR. Por lo tanto, los índices que combinan temperatura y humedad relativa son más adecuados para caracterizar las olas de calor en Xinjiang.

En comparación con las características de las olas de calor, pocos estudios se han centrado en la exposición de la población a las olas de calor (PEH) en Xinjiang. Aunque algunos estudios relevantes en regiones a gran escala han incluido a Xinjiang, los resultados de la evaluación no reflejan con precisión la evolución de la PEH en Xinjiang30. Xinjiang está en el centro de la Iniciativa de la Franja y la Ruta, con un crecimiento demográfico superior al promedio nacional. Por tanto, son necesarios estudios sobre la PEH en Xinjiang. La distribución espacial de la población en Xinjiang está influenciada por los oasis y es típica de la distribución de la población en zonas áridas31. El estudio de las características de las olas de calor y la PEH en Xinjiang puede proporcionar una base científica para una respuesta activa al cambio climático en las regiones áridas.

En este artículo, investigamos los cambios dinámicos de las olas de calor y la PEH utilizando una larga serie temporal de datos de población de alta resolución y cuantificamos aún más los factores que impulsan la PEH. El objetivo principal de este estudio incluye: (1) revelar la evolución espacial y temporal de las olas de calor bajo las tendencias de "calentamiento-humedad" en Xinjiang, (2) evaluar los cambios dinámicos de la exposición de la población bajo las olas de calor y la población en rápido aumento en Xinjiang, y (3) cuantificar los impactos de los cambios climáticos y poblacionales en la PEH en Xinjiang. Este trabajo proporciona el apoyo científico útil para el diseño de estrategias para afrontar el cambio climático en Xinjiang.

La variabilidad temporal de la ola de calor anual en Xinjiang para el período 1961-2020 se presenta en la Fig. 1. La frecuencia de las olas de calor (HWF) (Fig. 1a) y la duración de la temporada de olas de calor (HWS) (Fig. 1c) muestran cambios fluctuantes con un cambió alrededor de 1994. Los valores medios para HWF y HWS aumentan 1,04 veces y 10,9 días después de la mutación, respectivamente. En cuanto a la duración de la ola de calor (HWD) (Fig. 1b), no se observa ningún cambio significativo para toda la serie y 2015 es el año con la HWD más larga (5,8 días). Además del aumento de HWF y HWD, el aumento de las olas de calor también está asociado con los cambios en el momento de la primera ola de calor (HWFT) (Fig. 1d) y el momento de la última ola de calor (HWLT) (Fig. 1e). El HWFT comienza principalmente en junio y la diferencia entre el año de aparición más temprano y el más tardío es de 41 días. Mientras que el HWLT finaliza en agosto en la mayoría de los años. El último año para el fin del HWLT entre 1961 y 2020 es 1997. En general, no solo el HWF y el HWS están aumentando en Xinjiang, sino que el HWFT está avanzando y el HWLT se está posponiendo.

Series temporales de (a) frecuencia de las olas de calor (HWF), (b) duración de las olas de calor (HWD), (c) duración de la temporada de olas de calor (HWS), (d) momento de la primera ola de calor (HWFT) y (e) momento de la última ola de calor (HWLT) ) en Xinjiang de 1961 a 2020. Las líneas discontinuas indican su promedio del período de tiempo correspondiente.

Se han producido olas de calor en la mayoría de las zonas de Xinjiang entre 1961 y 2020. La distribución de las olas de calor muestra una heterogeneidad espacial significativa. Los valores altos de HWF (Fig. 2a), HWD (Fig. 2b) y HWS (Fig. 2c) se concentran en Turpan, Hami y la parte oriental de Bayingolin. Simultáneamente, el HWFT comienza más temprano y el HWLT termina más tarde en estas áreas (Fig. 2d, e). Los valores bajos se distribuyen ampliamente en Altay, el margen de la cuenca del Junggar y el margen del Tarim Bain. Las montañas de gran altitud, como las montañas Kunlun, Tianshan y Altai, nunca se han visto afectadas por olas de calor entre 1961 y 2020. Nuestro estudio reveló que la mayoría de las olas de calor en Xinjiang se produjeron en áreas por debajo de los 1500 m de altitud y nunca ocurrieron en áreas por encima de la altitud por encima de los 2500 m.

Distribución espacial del promedio anual de (a) frecuencia de las olas de calor (HWF), (b) duración de las olas de calor (HWD), (c) duración de la temporada de olas de calor (HWS), (d) momento de la primera ola de calor (HWFT) y (e) momento de la última ola de calor (HWLT) en Xinjiang de 1961 a 2020.

La Figura 3 muestra las tendencias de los patrones espaciales de las olas de calor. Se pueden observar tendencias significativamente crecientes (p <0,05) tanto en HWF (Fig. 3a) como en HWS (Fig. 3c) en muchas áreas de Xinjiang, como la cuenca del Tarim, Changji, Hami y la cuenca del sur de Junggar. Sin embargo, el notable aumento de HWD (Fig. 3b) se concentra en Hami y la parte oriental de Bayingolin. De manera similar, el HWFT avanzado (Fig. 3d) y el HWLT retrasado (Fig. 3e) son más notables en la cuenca del Tarim. En general, las olas de calor son más frecuentes, más duraderas y más intensas en la mayoría de las zonas de Xinjiang.

Tendencias de (a) frecuencia de las olas de calor (HWF), (b) duración de las olas de calor (HWD), (c) duración de la temporada de olas de calor (HWS), (d) momento de la primera ola de calor (HWFT) y (e) momento de la última ola de calor (HWLT) en Xinjiang de 1961 a 2020. El punteado denota tendencias estadísticamente significativas (p <0,05).

De 1961 a 2020, las olas de calor en Xinjiang ocurrieron típicamente entre mayo y agosto (Fig. 4). En términos de tiempos de ocurrencia, las olas de calor ligeras (LHW) (Fig. 4a) ocurren más temprano (comenzando el 21 de mayo en promedio), que es 13 y 29 días antes que la aparición de olas de calor moderadas (MHW) (Fig. 4b) y fuertes olas de calor (SHW) (Fig. 4c), respectivamente. Mientras tanto, el LHW es el último final (31 de agosto en promedio). Desde la perspectiva del área y la duración, Xinjiang se ve afectado principalmente por los LHW, seguidos por los MHW y, en menor medida, por los SHW. Sin embargo, 2015 es un año muy singular. El número de días de SHW no solo fue el más alto entre 1961 y 2020 (8,2 días), sino que también superó el número de días de MHW en 2015.

Serie temporal de (a) olas de calor ligeras (LHW), (b) olas de calor moderadas (MHW) y (c) olas de calor fuertes (SHW) en Xinjiang de 1961 a 2020. Las líneas discontinuas indican las tendencias lineales correspondientes.

Los diferentes grados de días de ola de calor están aumentando significativamente en la mayor parte de Xinjiang, independientemente del grado (Fig. 5). Las áreas de aumento significativo de LHW están ampliamente distribuidas en Aksu, Bayingolin, Changji, Turpan y Hami. Mientras que las áreas donde los MHW y SHW aumentan significativamente se concentran en Bayingolin, Turpan y Hami. El área de olas de calor afectada por diferentes grados es LHW > MHW > ACS. En otras palabras, las áreas donde ocurre LHW no necesariamente tienen MHW y SHW, mientras que las áreas donde ocurre SHW deben haber tenido LHW. Sin embargo, esto indica que no todas las zonas donde se produjeron olas de calor se ven afectadas por aguas residuales sanitarias, lo que es especialmente evidente en Yili y Altay.

Distribución espacial de (a) olas de calor ligeras (LHW), (b) olas de calor moderadas (MHW) y (c) olas de calor fuertes (SHW) en Xinjiang de 1961 a 2020. El punteado denota tendencias estadísticamente significativas (p <0,05).

La exposición es un indicador importante para la evaluación del riesgo de desastres, lo cual es de gran importancia para realizar trabajos de alerta de altas temperaturas32. En la figura 6 se puede observar que la PEH en Xinjiang se ve afectada principalmente por los LHW y menos por los MHW y los SHW. La PEH total muestra una tendencia creciente entre 2001 y 2020. El año con la PEH más alta en Xinjiang no es 2020 con la mayor población, sino 2015 con la HWD más larga. Esto indica que además del crecimiento poblacional, el cambio climático también impacta en los cambios en la PEH.

Exposición de la población a diferentes grados de olas de calor en Xinjiang de 2001 a 2020. La línea discontinua indica las tendencias lineales correspondientes.

La distribución espacial de PEH muestra una heterogeneidad geográfica significativa, que es consistente con la distribución espacial de la población (Fig. 7). El patrón espacial de la PEH en Xinjiang es similar en diferentes períodos. Las zonas con una PEH elevada (105 días-persona o más) se encuentran principalmente en Kashgar, Aksu, Turpan y Hotan. Las áreas de PEH extremadamente baja (103 días-persona o menos) están ampliamente distribuidas en Altay, el margen de la cuenca del Junggar y la parte oriental de la cuenca del Tarim. Aunque el interior de las cuencas de Tarim y Junggar está sujeto a frecuentes olas de calor, no hay PEH debido a la ausencia de población.

Distribución espacial de la exposición de la población a olas de calor (PEH) en Xinjiang.

Para investigar más a fondo la variación de la PEH en Xinjiang, comparamos la PEH en otros períodos con el período T0 (Fig. 8). Encontramos que en áreas densamente pobladas (por ejemplo, Hotan, Kashgar y Aksu), el aumento de la PEH es considerable. La PEH en Bayingolin no aumenta notablemente, mientras que en Altay disminuye.

Cambios en la exposición de la población a olas de calor (PEH) para diferentes períodos (a 2006–2010, b 2011–2015 yc 2015–2020) en comparación con el período base (2001–2005).

El aumento de la PEH se debe principalmente al crecimiento demográfico, el cambio climático y su interacción. Para explorar la importancia relativa, evaluamos la tasa de contribución a los cambios de PEH para cada factor. El Cuadro 1 indica que la tasa de contribución del efecto climático tiende a disminuir con el tiempo (8,5%). Simultáneamente, la tasa de cotización de la población y los efectos de interacción aumentaron gradualmente un 3,3% y un 5,2%, respectivamente. En conclusión, el efecto climático es dominante sobre los efectos poblacionales y de interacción en Xinjiang.

Xinjiang sufrió la ola de calor más severa y la PEH más alta en 2015 (Fig. 9). La Figura 10 muestra claramente que las altas temperaturas se produjeron ampliamente en Xinjiang en 2015 y también se concentraron entre mediados y finales de julio. Días consecutivos de Tmax excedieron el día histórico, lo que concuerda con los resultados de este estudio.

(a) Días de ola de calor en Xinjiang para 2015. (b) Exposición de la población a olas de calor en Xinjiang para 2015.

(a) Variación de la temperatura máxima diaria (Tmax) en Xinjiang. La línea continua roja representa los valores máximos de Tmax de 1961 a 2020. La línea continua negra representa los valores máximos de Tmax en 2015. Los puntos rojos representan los valores máximos de Tmax en 2015, es decir, el máximo de 1961 a 2020. Línea discontinua negra representa el Tmax promediado desde 1961 hasta 2020. (b) Distribución espacial del Tmax en Xinjiang para julio de 2015.

Xinjiang se encuentra en las latitudes medias del hemisferio norte, donde las temperaturas seguirán aumentando bajo el control constante de los sistemas de alta presión8. La Figura 11 ilustra la evolución del campo de altura geopotencial a 500 hPa desde julio hasta principios de agosto de 2015. Encontramos que el centro de alta presión sobre la meseta iraní se desplaza hacia el este hasta Xinjiang, luego permanece estable y se fortalece sobre Xinjiang, seguido por el sur. cambiar y debilitarse. La evolución de esta alta presión iraní coincide con los cambios correspondientes en las altas temperaturas en Xinjiang. Por lo tanto, el desplazamiento hacia el este de la alta presión iraní y su control de Xinjiang es la causa directa de esta ola de calor.

Los campos de altura geopotencial en (a) principios de julio, (b) mediados de julio, (c) finales de julio y (e) principios de agosto para 2015.

Este estudio examina los cambios dinámicos de las olas de calor y la PEH utilizando una larga serie temporal de datos de población de alta resolución y cuantifica aún más los factores que causan los cambios de PEH. Al analizar las métricas de las olas de calor, se ha capturado de manera integral el patrón de evolución espacio-temporal de las olas de calor en Xinjiang. Se observa el punto de cambio abrupto de las olas de calor en 1994, coincidiendo con el de la Tmáx anual de Xinjiang ocurrido en la década de 199033. Chen et al.34 descubrieron un aumento en el número de días de alta temperatura en Xinjiang cuando la temperatura del sur de Asia (SAH) es fuerte y su área central se ubica hacia el norte. El aumento de las altas temperaturas podría desencadenar el correspondiente aumento de la humedad relativa. Esto podría tener un impacto en las olas de calor en estas áreas. China sufrió severas olas de calor debido a un súper evento de El Niño ocurrido en 199735, así como los valores máximos de HWF y HWS en Xinjiang ocurrieron en el mismo año. Esto sugiere que los cambios en las olas de calor en Xinjiang están relacionados con el evento de El Niño.

Debido al calentamiento global desigual, la distribución de las olas de calor tiene una heterogeneidad espacial significativa. En este estudio, encontramos que la cuenca oriental de Tarim, Turpan y Hami son las más propensas a sufrir olas de calor, con los aumentos más significativos de olas de calor. Esto no sólo está relacionado con las altas temperaturas debido a las bajas altitudes, también se correlaciona con la circulación atmosférica36. Por ejemplo, Mao et al.8 descubrieron que el desplazamiento hacia el este de la alta presión iraní provocó la ola de calor más duradera y más extendida en Xinjiang en 2015. Además, la distribución de las olas de calor está influenciada por el uso de la tierra y la latitud37,38. Las olas de calor en el norte de Xinjiang se distribuyen principalmente en la cuenca del Junggar. Esto concuerda con la conclusión de Xin et al.39 de que la altitud es el principal factor que influye en la distribución de las altas temperaturas, seguida de la latitud.

El momento de las olas de calor es otra característica importante. Además de HWF, HWD y HWS, también examinamos HWFT y HWLT en Xinjiang de 1961 a 2020. Las primeras olas de calor pueden haber tenido un impacto negativo mayor en la salud humana que las olas de calor posteriores. Esto puede deberse al hecho de que los humanos tienen pocas oportunidades de aclimatarse a ellos40. Se revela que el HWFT en Xinjiang ocurre principalmente desde principios de junio hasta principios de julio. En comparación con otras regiones de China, las fechas de aparición de las olas de calor en Xinjiang son las mismas que las del norte de China, más tardías que las del suroeste de China y más tempranas que las del sur de China41. Generalmente, aunque el inicio y el final del HWFT varían en diferentes áreas de Xinjiang, el HWLT termina más tarde en aquellas áreas donde el HWFT aparece antes. Con el HWFT avanzado y el HWLT retrasado, los impactos de las olas de calor en la salud humana se exacerban y las pérdidas económicas aumentarán42. Por ejemplo, Mao et al.8 descubrieron que las altas temperaturas provocaron inundaciones por derretimiento del hielo en la cuenca del río Tarim en 2015 y provocaron diversos grados de daños al tráfico ferroviario y por carretera, así como a las instalaciones de agua.

Las olas de calor se clasifican según la magnitud del HI, y se revela que el número de días de ola de calor aumenta de 1961 a 2020, independientemente del grado de la ola de calor. En cuanto al número de días y zonas afectadas, los LHW son los que más, seguidos de los MHW y los SHW son los que menos. Sin embargo, el número de días de SSW en 2015 no solo es el mayor del período 1961-2020, sino también mayor que el número de días de SSW de ese año. Esto afecta el rendimiento y la calidad de cultivos como el maíz, el algodón y las uvas43. Además, aumentó significativamente el número de pacientes con enfermedades de las vías respiratorias y enfermedades cerebrovasculares debido a las olas de calor. Según el estudio de Liu et al.21, con la intensificación del calentamiento global, las áreas afectadas por las olas de calor se expandirán y es probable que en el futuro se produzcan olas de calor más graves. Los LHW pueden ocurrir en regiones que no han experimentado previamente olas de calor, mientras que los LHW originales pueden transformarse en MHW o incluso SHW. Un aumento en los diferentes grados de olas de calor en el futuro puede tener graves impactos nocivos en los medios de vida agrícolas y la salud humana en Xinjiang.

Las olas de calor han sido responsables de más muertes anuales que otros desastres naturales en muchas zonas del mundo44, y la PEH en Xinjiang muestra una tendencia creciente. Influenciado por el patrón geográfico de 'montaña-oasis-desierto', el PEH no se distribuye en las áreas desérticas donde las olas de calor son frecuentes, sino que se concentra en las regiones de los oasis45. Las áreas con alta PEH (105 días-persona o más) están ubicadas principalmente en Kashgar, Aksu y Hotan, principalmente porque estas áreas son predominantemente agrícolas y tienen una densa distribución demográfica31. Los factores que influyen en los cambios en la PEH varían según las regiones46. En Europa, donde los cambios demográficos son relativamente pequeños o incluso están disminuyendo, el efecto climático es el factor predominante del aumento de la exposición. Mientras que en muchas partes de Oceanía y el norte de Asia, los cambios en la PEH son principalmente el resultado de efectos poblacionales47. Nuestro estudio muestra que los cambios de PEH en Xinjiang están dominados principalmente por el efecto climático, seguido por el efecto poblacional. Esto es consistente con el hallazgo de que la PEH más alta no se produce en 2020 con la mayor población, sino en 2015 con la HWD más larga.

La Región Autónoma Uygur de Xinjiang (34° N–50° N, 73° E–96° E) está situada en el noroeste de China (Fig. 12) con un área de aproximadamente 1,6 millones de km2, que es la provincia más grande de China. 'Tres Montañas y Dos Cuencas' es la principal característica geográfica de Xinjiang, con las montañas Altai en el límite norte y las montañas Kunlun en el límite sur. Las montañas Tianshan entre ellas son la línea divisoria geográfica natural entre las cuencas de Junggar y Tarim. Es costumbre referirse al norte de las montañas Tianshan como Xinjiang del Norte, al sur como Xinjiang del Sur y a Turpan y Hami como Xinjiang del Este. Dado que Xinjiang se encuentra en el interior y lejos del mar, es muy sensible al cambio climático48. La región tiene el típico clima continental árido y semiárido, con escasos recursos hídricos, fuerte radiación solar, intensa evaporación y un entorno ecológico frágil49. Hace mucho calor en verano; la temperatura más alta registrada fue de 50,5 ℃ en 2017.

Mapas de la región de estudio. (a) Características topográficas de Xinjiang y divisiones subregionales: Xinjiang septentrional, Xinjiang meridional y Xinjiang oriental. (b) Densidad de población. (c) Tipos de vegetación.

El crecimiento demográfico es esencial para el desarrollo económico y social. La población de Xinjiang ha crecido de manera constante en los últimos años. Según los datos de los censos nacionales, la población de Xinjiang era de 18,46 millones en 2000 y de 25,85 millones en 2020, lo que supone un aumento de 7,39 millones50. La distribución de la población en Xinjiang está influenciada por el patrón geográfico natural de 'montaña-oasis-desierto', que se concentra principalmente en la región de los oasis51. Además, debido a la economía más desarrollada y el clima habitable en el norte de Xinjiang, su densidad de población es significativamente mayor que la del sur de Xinjiang y el este de Xinjiang, donde Urumqi, Turpan, Karamay y Kashgar están densamente pobladas.

Los datos diarios de temperatura máxima (Tmax) y humedad relativa (RH) de 1961 a 2020 se obtienen del Centro de Servicios de Datos Meteorológicos de China (http://data.cma.cn). Este conjunto de datos tiene una alta resolución espacial de 0,25° × 0,25° y su control de calidad está estrictamente regulado por Wu et al.52. Se basa en interpolaciones de más de 2400 estaciones meteorológicas en China, donde la climatología se interpola inicialmente mediante finas placas de suavizado, después de lo cual se deriva una anomalía diaria cuadriculada mediante el método de ponderación de distancia angular (ADW) y se agrega a la climatología para obtener la conjunto de datos final. Los servicios cartográficos estándar los proporciona el stand de la Plataforma Nacional de Servicios Comunes de Información Geoespacial (https://www.tianditu.gov.cn).

El conjunto de datos de población cuadriculados de alta resolución para 2001 a 2020 se obtuvo de WorldPop (https://www.worldpop.org). El conjunto de datos traduce datos del censo oficial y un auxiliar espacial a una cuadrícula a través de un modelo forestal aleatorio. El conjunto de datos espaciales auxiliares incluye ubicaciones y áreas de asentamiento, datos de iluminación nocturna satelital, datos de cobertura del suelo, así como mapas de carreteras y edificios53. Muchas organizaciones e instituciones emplean el conjunto de datos para realizar estudios, ya que es la serie de datos a largo plazo más confiable disponible54,55. Debido a restricciones computacionales, los datos de Worldpop se calculan como población en la cuadrícula de 0,25° × 0,25° (Fig. 13).

(a) Patrones espaciales de densidad de población en 2020. (b) Patrones espaciales de población en 2020.

No existe una definición uniforme establecida de ola de calor debido a la variable aclimatación y adaptabilidad de determinada población en diferentes regiones47,56. Para este estudio, teniendo en cuenta la tendencia climática de "calentamiento-humedad" en Xinjiang57, se utiliza el índice de olas de calor (HI) propuesto por Huang et al.58 para identificar las olas de calor. El índice se calcula mediante la ecuación. (1).

donde \(TI\) es el índice de torridez del día actual, \({TI}{^{\prime}}\) es el valor crítico de \(TI\), \({TI}_{i}\ ) es el \(TI\) del siguiente \(\text{i}\) día anterior al día actual, \({nd}_{i}\) es el número de días antes del día actual, y \( N\) es el número de días continuos de clima cálido.

El índice de torridez para la HR (≤ 60%) se obtiene mediante la siguiente fórmula:

Para condiciones donde la HR es > 60%, se utiliza la siguiente fórmula:

donde \({T}_{max}\) es la temperatura máxima diaria (°C), \(RH\) es la humedad relativa (%).

El \({\text{TI}}{^{\prime}}\) se utiliza para juzgar si hay temperatura alta o clima caluroso. Cuando \({\text{TI}}\) es mayor que \({\text{TI}}{^{\prime}}\), significa que el día dado alcanza el estado de temperatura alta y se considera caluroso. clima. El método cuantil se utiliza para calcular \({\text{TI}}{^{\prime}}\), se utilizan las siguientes fórmulas:

donde \(\widehat{{Q}_{i}}\left(p\right)\) es el \(i\)ésimo cuantil, \(X\) denota la secuencia de muestra del \({\text{ TI}}\) en orden ascendente, \(p\) es el cuantil del 50%, \(n\) es la longitud de la serie \({\text{TI}}\), \(j\) es el \ (j\)ésimo \({\text{TI}}\), \(\gamma\) es el peso del \((j+1)\)ésimo número.

Para medir los efectos de diversas condiciones meteorológicas sobre el nivel socioeconómico y la salud humana, las olas de calor se clasifican en tres grados según la magnitud del HI, como se enumera en la Tabla 2.

Para obtener una perspectiva más holística de los cambios en las olas de calor según estudios previos59,60, seleccionamos cinco métricas para su cuantificación (Tabla 3).

La PEH se define como la exposición de la población en zonas propensas a olas de calor. Es decir, la PEH se puede calcular multiplicando los días de ola de calor y la población de cada cuadrícula61, donde las unidades de exposición son días-persona. La resolución espacial de PEH se fijó en 0,25° × 0,25°.

Los cambios en la PEH están determinados no sólo por la magnitud y distribución espacial de la población sino también por el cambio climático62. Adoptamos el método de Jones et al.19 para medir los impactos del clima y la población en la PEH. Los efectos de los cambios en el PEH se dividen en tres partes.

El efecto climático, que permite que los días de ola de calor cambien con el tiempo pero dejando a la población fija en el nivel del período base.

El efecto población, que permite que la población cambie pero deja los días de ola de calor fijos en el nivel del período base.

El efecto interactivo, que se define como el cambio total de exposición menos la suma de los cambios en el clima y la población.

Para facilitar la comparación, seleccionamos el intervalo de 2001 a 2005 como período base (T0). Los períodos de comparación son 2006-2010 (T1), 2011-2015 (T2) y 2016-2020 (T3), respectivamente.

La descomposición de los cambios de PEH se calcula según la ecuación. (7)

donde \({\Delta E}_{pop}\) representa el cambio total en PEH. \({P}_{i}\) y \({C}_{i}\) representan la población y el número de días de ola de calor en el período \(i\), respectivamente. \({P}_{j}\) y \({C}_{j}\) representan la población y el número de días de ola de calor en el período \({\text{j}}\), respectivamente. ∆\({\text{P}}\) y ∆\({\text{C}}\) representan los cambios en la población y el número de días de ola de calor desde el período \(i\) al período \({\text {j}}\), respectivamente. \({\text{P}}_{\text{i}} \cdot \Delta{\text{C}}\) representa el efecto climático, \({\text{C}}_{\text{i }} \cdot \Delta{\text{P}}\) representa el efecto poblacional, y \(\Delta{\text{P}} \cdot \Delta{\text{C}}\) representa el efecto interactivo ( Información suplementaria).

Por tanto, la tasa de cotización de cada factor se calcula según:

donde \({\text{CR}}_{\text{cli}}\) se refiere a la tasa de contribución del efecto climático, \({\text{CR}}_{\text{pop}}\) representa la tasa de contribución del efecto poblacional, y \({\text{CR}}_{\text{cli+pop}}\) es la tasa de contribución del efecto interactivo.

Los datos que respaldan los hallazgos de este estudio están disponibles del autor correspondiente previa solicitud razonable.

Perkins, SE Una revisión sobre la comprensión científica de las olas de calor: su medición, mecanismos impulsores y cambios a escala global. Atmos. Res. 164, 242–267. https://doi.org/10.1016/j.atmosres.2015.05.014 (2015).

Artículo de Google Scholar

Wang, J. y col. Mapeo de la exposición y la sensibilidad a las olas de calor en las megaciudades de China. Ciencia. Medio ambiente total. https://doi.org/10.1016/j.scitotenv.2020.142734 (2021).

Artículo PubMed PubMed Central Google Scholar

Yang, Q., Zheng, J. y Zhu, H. Influencia del cambio espaciotemporal de temperatura y precipitaciones en los principales rendimientos de cereales en el sur de la provincia de Jiangsu, China. Globo. Ecológico. Conservar. https://doi.org/10.1016/j.gecco.2019.e00818 (2020).

Artículo de Google Scholar

Robine, J.-M. et al. El número de muertos superó los 70.000 en Europa durante el verano de 2003. CR Biol. 331, 171-U175. https://doi.org/10.1016/j.crvi.2007.12.001 (2008).

Artículo PubMed Google Scholar

McEvoy, D., Ahmed, I. & Mullett, J. El impacto de la ola de calor de 2009 en la infraestructura crítica de Melbourne. Entorno local. 17, 783–796. https://doi.org/10.1080/13549839.2012.678320 (2012).

Artículo de Google Scholar

Barriopedro, D., Fischer, EM, Luterbacher, J., Trigo, R. & García-Herrera, R. El caluroso verano de 2010: Redibujando el mapa de récords de temperatura de Europa. Ciencia 332, 220–224. https://doi.org/10.1126/science.1201224 (2011).

Artículo CAS PubMed ADS Google Scholar

Johnson, H. y col. El impacto de la ola de calor de 2003 en la mortalidad y los ingresos hospitalarios en Inglaterra. Estadística de salud. Cuarto de galón. 2005, 6-11 (2005).

Google Académico

Mao, W., Chen, P. & Shen, Y. Características y efectos de la temperatura máxima extrema del aire en el verano de 2015 en Xinjiang bajo el calentamiento global. J. Glaciol. Geocriol. 38, 291–304 (2016).

Google Académico

Cai, W. y col. El informe de China de 2020 de Lancet Countdown sobre salud y cambio climático. Lancet Public Health 6, E64 – E81. https://doi.org/10.1016/s2468-2667(20)30256-5 (2021).

Artículo PubMed Google Scholar

Baldwin, JW, Dessy, JB, Vecchi, GA y Oppenheimer, M. Olas de calor temporalmente compuestas y calentamiento global: un peligro emergente. El futuro de la Tierra 7, 411–427. https://doi.org/10.1029/2018ef000989 (2019).

ADS del artículo 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. Resumen para responsables de políticas. En Cambio Climático 2021: La Base de la Ciencia Física; Contribución del Grupo de Trabajo I al Sexto Informe de Evaluación del Panel Intergubernamental sobre Cambio Climático. (2021).

Dong, Z. y col. Olas de calor en el sudeste asiático y sus cambios en un mundo más cálido. El futuro de la Tierra. https://doi.org/10.1029/2021ef001992 (2021).

Artículo de Google Scholar

Meehl, GA y Tebaldi, C. Olas de calor más intensas, más frecuentes y más duraderas en el siglo XXI. Ciencia 305, 994–997. https://doi.org/10.1126/science.1098704 (2004).

Artículo CAS PubMed ADS Google Scholar

Gao, Y., Su, P., Zhang, A., Wang, R. & Wang, JA Evaluación dinámica de la exposición global del maíz a temperaturas extremadamente altas. En t. J. Ciencia del riesgo de desastres. 12, 713–730. https://doi.org/10.1007/s13753-021-00360-8 (2021).

Artículo de Google Scholar

Poumadere, M., Mays, C., Le Mer, S. y Blong, R. La ola de calor de 2003 en Francia: cambio climático peligroso aquí y ahora. Anal de riesgo. 25, 1483-1494. https://doi.org/10.1111/j.1539-6924.2005.00694.x (2005).

Artículo PubMed Google Scholar

Anderson, BG & Bell, ML Mortalidad relacionada con el clima: cómo el calor, el frío y las olas de calor afectan la mortalidad en los Estados Unidos. Epidemiología 20, 205–213. https://doi.org/10.1097/EDE.0b013e318190ee08 (2009).

Artículo PubMed PubMed Central Google Scholar

Anderson, GB, Oleson, KW, Jones, B. & Peng, RD Tendencias proyectadas en olas de calor de alta mortalidad bajo diferentes escenarios de clima, población y adaptación en 82 comunidades de EE. UU. Subir. Cambie 146, 455–470. https://doi.org/10.1007/s10584-016-1779-x (2018).

Artículo PubMed ADS Google Scholar

Hajat, S., Kovats, RS, Atkinson, RW y Haines, A. Impacto de las altas temperaturas en la muerte en Londres: un enfoque de series de tiempo. J. Epidemiol. Salud comunitaria 56, 367–372. https://doi.org/10.1136/jech.56.5.367 (2002).

Artículo CAS PubMed PubMed Central Google Scholar

Jones, B. y col. Exposición futura de la población al calor extremo en Estados Unidos. Nat. Subir. Chang. 5, 652–655. https://doi.org/10.1038/nclimate2631 (2015).

ADS del artículo Google Scholar

Tatem, AJ WorldPop, datos abiertos para la demografía espacial. Ciencia. Datos 4, 170004–170004. https://doi.org/10.1038/sdata.2017.4 (2017).

Artículo PubMed PubMed Central Google Scholar

Liu, J., Ren, Y., Tao, H. & Shalamzari, MJ Características de variación espacial y temporal de las olas de calor en las últimas décadas en China. Sensores remotos. https://doi.org/10.3390/rs13193824 (2021).

Artículo PubMed PubMed Central Google Scholar

Ding, T., Qian, W. y Yan, Z. Cambios en días calurosos y olas de calor en China durante 1961-2007. En t. J. Climatol. 30, 1452-1462. https://doi.org/10.1002/joc.1989 (2010).

Artículo de Google Scholar

Jiang, Q., Yue, Y. & Gao, L. Los patrones espacio-temporales de los impactos del peligro de las olas de calor en el trigo en el norte de China en escenarios climáticos extremos. Geomat. Nat. Haz. Riesgo 10, 2346–2367. https://doi.org/10.1080/19475705.2019.1693435 (2019).

Artículo de Google Scholar

Sherwood, SC ¿Qué importancia tiene la humedad en el estrés por calor? J. Geophys. Res. Atmos. 123, 11808–11810. https://doi.org/10.1029/2018jd028969 (2018).

ADS del artículo Google Scholar

de Freitas, CR & Grigorieva, EA Un catálogo completo y una clasificación de los índices de clima térmico humano. En t. J. Biometeorol. 59, 109-120. https://doi.org/10.1007/s00484-014-0819-3 (2015).

Artículo PubMed Google Scholar

Mora, C. et al. Riesgo global de calor mortal. Nat. Subir. Cambiar. 7, 501–506. https://doi.org/10.1038/nclimate3322 (2017).

ADS del artículo Google Scholar

Barnett, AG, Tong, S. & Clements, ACA ¿Qué medida de temperatura es el mejor predictor de mortalidad? Reinar. Res. 110, 604–611. https://doi.org/10.1016/j.envres.2010.05.006 (2010).

Artículo CAS PubMed Google Scholar

Wang, Q., Zhai, P.-M. y Qin, D.-H. Nuevas perspectivas sobre la tendencia de "calentamiento-humectación" en Xinjiang, China. Adv. Subir. Cambiar resolución. 11, 252–260. https://doi.org/10.1016/j.accre.2020.09.004 (2020).

Artículo de Google Scholar

Zhang, Q. y col. Nuevas características sobre la tendencia de humidificación climática en el noroeste de China. Mentón. Ciencia. Bull.-Chin. 66, 3757–3771. https://doi.org/10.1360/tb-2020-1396 (2021).

Artículo CAS Google Scholar

Li, L. y Zha, Y. Exposición de la población al calor extremo en China: frecuencia, intensidad, duración y tendencias temporales. Sostener. Sociedad de ciudades. https://doi.org/10.1016/j.scs.2020.102282 (2020).

Artículo de Google Scholar

Yang, Z., Lei, J., Duan, Z., Dong, J. y Su, C. Distribución espacial de la población en Xinjiang. Geogr. Carrera. Apocalipsis 35, 2333–2346. https://doi.org/10.11821/day201612012 (2016).

Artículo de Google Scholar

Zhang, L., Huang, D. y Yang, B. Exposición futura de la población a altas temperaturas en China en el escenario RCP4.5. Geografía. Res. 35, 2238–2248. https://doi.org/10.11821/dlyj201612004 (2016).

Artículo de Google Scholar

Tao, H. y col. Cambios observados en las temperaturas máximas y mínimas en la región autónoma de Xinjiang, China. En t. J. Climatol. 37, 5120–5128. https://doi.org/10.1002/joc.5149 (2017).

Artículo de Google Scholar

Chen, Y., Shao, W., Cao, M. y Lyu, X. Variación de los días de alta temperatura del verano y los factores que la afectan en Xinjiang. Res. Zona Árida 37, 58–66. https://doi.org/10.13866/j.azr.2020.01.07 (2020).

Artículo de Google Scholar

Zhao, GN, Li, BZ, Kong, P., Xia, LJ, Zhan, MJ Exposición de la población a olas de calor a gran escala en China durante 1961-2015. en La Quinta Conferencia Internacional sobre Recursos Hídricos y Medio Ambiente (WRE 2019) 2019, 344. https://doi.org/10.1088/1755-1315/344/1/012073.

Luo, M. y col. Cambios observados en las olas de calor en el árido noroeste de China: mecanismo físico y tendencia a largo plazo. Atmos. Res. https://doi.org/10.1016/j.atmosres.2020.105009 (2020).

Artículo de Google Scholar

Zhou, W. & Cao, F. Efectos del cambio de extensión espacial en la relación entre los patrones de bosques urbanos y la temperatura de la superficie terrestre. Ecológico. Indicadores. https://doi.org/10.1016/j.ecolind.2019.105778 (2020).

Artículo de Google Scholar

Shen, W. y col. Cambio de temperatura de la superficie terrestre local inducido por la forestación basado en observaciones satelitales en bosques de plantaciones de Guangdong en China. Agrícola. Meteorol forestal. https://doi.org/10.1016/j.agrformet.2019.107641 (2019).

Artículo de Google Scholar

Xin, Y. et al. Análisis sobre el cambio espaciotemporal y el cambio abrupto a múltiples escalas de los días de alta temperatura en el norte de Xinjiang. Res. Zona Árida 25, 438–446. https://doi.org/10.13866/j.azr.2008.03.009 (2008).

Artículo de Google Scholar

Campbell, S., Remenyi, TA, White, CJ y Johnston, FH Investigación sobre las olas de calor y el impacto en la salud: una revisión global. Lugar de salud 53, 210–218. https://doi.org/10.1016/j.healthplace.2018.08.017 (2018).

Artículo PubMed Google Scholar

Jia, J. & Hu, Z. Características espaciales y temporales y tendencia de olas de calor de diferentes niveles en China. Adv. Ciencia de la Tierra. 32, 546–559. https://doi.org/10.11867/j.issn.1001-8166.2017.05.0546 (2017).

Artículo de Google Scholar

Fan, J., Min, J., Yang, Q., Na, J. y Wang, X. Análisis de la relación espacio-temporal de la fenología de la vegetación y los parámetros meteorológicos en un ecotono de agropastos en China. Sensores remotos. https://doi.org/10.3390/rs14215417 (2022).

Artículo de Google Scholar

Shang, L., Huang, Y. y Mao W. Características de la inundación de agua de deshielo y nieve causada por las altas temperaturas en la región sur de Xinjiang durante el verano de 2015. J. Glaciol. Geocriol. 38, 480-487. https://doi.org/10.7522/j.issn.1000-0240.2016.0054 (2016).

Artículo de Google Scholar

Basu, R. & Samet, JM Relación entre temperatura ambiente elevada y mortalidad: una revisión de la evidencia epidemiológica. Epidemiol. Apocalipsis 24, 190–202. https://doi.org/10.1093/epirev/mxf007 (2002).

Artículo PubMed Google Scholar

Lu, D. y col. Debates académicos sobre la línea poblacional de Hu Huanyong. Geogr. Carrera. 35, 805–824. https://doi.org/10.11821/dlyj201605001 (2016).

Artículo de Google Scholar

Park, CE y Jeong, S. Proyecciones de exposición de la población al calor intensificado del verano. El futuro de la Tierra. https://doi.org/10.1029/2021ef002602 (2022).

Artículo de Google Scholar

Ma, F. & Yuan, X. Impacto de los cambios climáticos y poblacionales en la creciente exposición a los extremos cálidos compuestos del verano. Ciencia. Medio ambiente total. 772, 145004. https://doi.org/10.1016/j.scitotenv.2021.145004 (2021).

Artículo CAS PubMed ADS Google Scholar

Shen, Y.-J. et al. Revisión de los cambios climáticos e hidrológicos históricos y futuros proyectados en la zona montañosa semiárida de Xinjiang (noroeste de China), Asia central. CATENA https://doi.org/10.1016/j.catena.2019.104343 (2020).

Artículo de Google Scholar

Chen, D. y Dai, Y. Características de la intensidad de las precipitaciones en el noroeste de China en los últimos 50 años. Mentón. J. Atmós. Ciencia. 33, 923–935. https://doi.org/10.3878/j.issn.1006-9895.2009.05.04(2009).

Artículo de Google Scholar

Oficina de Estadísticas de la Región Autónoma Uygur de Xinjiang, Anuario estadístico de Xinjiang 2021. (2022-7-1). http://tjj.xinjiang.gov.cn/tjj/rkjyug/202203/a78c402be9d44ca58ff431751698d3ca.shtml.

Wei, H. y col. Vincular la oferta de servicios ecosistémicos, la demanda social y el bienestar humano en una zona típica de montaña, oasis y desierto, Xinjiang, China. Ecosistema. Servicios 31, 44–57. https://doi.org/10.1016/j.ecoser.2018.03.012 (2018).

Artículo CAS Google Scholar

Wu, J. y Gao, X.-J. Un conjunto de datos de observación diaria cuadriculados sobre la región de China y comparación con otros conjuntos de datos. Mentón. J. Geophys.-Chin. Edición 56, 1102-1111. https://doi.org/10.6038/cjg20130406 (2013).

Artículo de Google Scholar

Gaughan, AE y cols. Patrones espaciotemporales de población en China continental, 1990 a 2010. Sci. Datos. https://doi.org/10.1038/sdata.2016.5 (2016).

Artículo PubMed PubMed Central Google Scholar

Chen, B. y col. Contrastando la desigualdad en la exposición humana a los espacios verdes entre ciudades del Norte Global y del Sur Global. Nat. Comunitario. 13, 4636. https://doi.org/10.1038/s41467-022-32258-4 (2022).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Rentschler, J., Salhab, M. & Jafino, BA Exposición a inundaciones y pobreza en 188 países. Nat. Comunitario. 13, 3527. https://doi.org/10.1038/s41467-022-30727-4 (2022).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Tong, S., Wang, XY & Barnett, AG Evaluación de los impactos en la salud relacionados con el calor en Brisbane, Australia: Comparación de diferentes definiciones de olas de calor. MÁS UNO https://doi.org/10.1371/journal.pone.0012155 (2010).

Artículo PubMed PubMed Central Google Scholar

Shi, Y., Shen, Y. & Hu, R. Estudio preliminar sobre la señal, el impacto y el primer plano del cambio climático de cálido-seco a cálido-húmedo en el noroeste de China. J. Glaciol. Geocriol. 24, 219–226. https://doi.org/10.7522/j.issn.1000-0240.2002.0044 (2002).

Artículo de Google Scholar

Huang, Z., Chen, H., Tian, ​​H. Investigación sobre el índice de olas de calor. Meteorol. Lun. 37, 345–351 (2011).

Google Académico

Shafiei Shiva, J., Chandler, DG y Kunkel, KE Cambios localizados en las propiedades de las olas de calor en los Estados Unidos. El futuro de la Tierra 7, 300–319. https://doi.org/10.1029/2018ef001085 (2019).

ADS del artículo Google Scholar

Reddy, PJ, Perkins-Kirkpatrick, SE y Sharples, JJ Intensificación de las tendencias de las olas de calor en Australia y su sensibilidad a los datos de observación. El futuro de la Tierra. https://doi.org/10.1029/2020ef001924 (2021).

Artículo de Google Scholar

Weber, T. y col. Análisis de extremos climáticos compuestos y población expuesta en África bajo dos escenarios de emisiones diferentes. El futuro de la Tierra. https://doi.org/10.1029/2019ef001473 (2020).

Artículo de Google Scholar

Liu, Z. y col. Cambios globales y regionales en la exposición al calor extremo y las contribuciones relativas del cambio climático y poblacional. Ciencia. Rep. 7, 43909. https://doi.org/10.1038/srep43909 (2017).

Artículo CAS PubMed PubMed Central ADS Google Scholar

Descargar referencias

Este trabajo fue apoyado por el Programa Clave de Investigación y Desarrollo de la Región Autónoma Uygur de Xinjiang, China (2022B03030) y la Fundación West Light de la Academia de Ciencias de China (números de subvención 2019-XBYJRC-001, 2019-XBQNXZ-B-0004).

Laboratorio Estatal Clave de Ecología de Desiertos y Oasis, Instituto de Ecología y Geografía de Xinjiang, Academia de Ciencias de China, Urumqi, 830011, China

Diwen Dong, Hui Tao y Zengxin Zhang

Centro Conjunto de Innovación para Estudios Forestales Modernos, Facultad de Silvicultura, Universidad Forestal de Nanjing, Nanjing, 210037, Jiangsu, China

Zengxin Zhang

Facultad de Ecología y Medio Ambiente, Universidad de Xinjiang, Urumqi, 830046, China

Dong Dong

Universidad de la Academia China de Ciencias, Beijing, 100049, China

Dong Dong

Facultad de Estadística y Ciencia de Datos, Universidad de Finanzas y Economía de Xinjiang, Urumqi, 830012, China

Dong Dong

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

DD, HT y ZZ concibieron el estudio. DD y HT prepararon la base de datos. DD creó las figuras y analizó los resultados. ZZ mejoró la estructura del artículo. Todos los autores han leído y aceptado la visión publicada del manuscrito.

Correspondencia a Zengxin Zhang.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Dong, D., Tao, H. & Zhang, Z. Evolución histórica de la exposición de la población a las olas de calor en la Región Autónoma Uygur de Xinjiang, China. Representante científico 13, 7401 (2023). https://doi.org/10.1038/s41598-023-34123-w

Descargar cita

Recibido: 06 de diciembre de 2022

Aceptado: 25 de abril de 2023

Publicado: 06 de mayo de 2023

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

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.