不同情景下气候驱动的死亡率预测

本研究开发了基于气候模型的死亡率预测方法，以评估高温对荷兰死亡率的影响。研究利用Lee-Carter模型并结合气候指标，分析了不同情景下的死亡率变化。

数据来源：研究数据来自人类死亡率数据库（HMD）、荷兰皇家气象研究所（KNMI）和全球疾病负担（GBD）研究。

模型构建：采用气候调整的Lee-Carter模型，引入广义加性模型（GAM）来调整气候指标，关键气候变量包括热带天数、年平均最高温和最低温。模型通过薄板样条和惩罚项进行拟合，并使用平滑张量产品处理变量间的交互作用。

时间序列分解：温度时间序列分解为趋势、季节性和噪声成分。趋势采用KNMI'23情景下的平均温度投影，季节性通过傅里叶分析确定，噪声成分则使用ARIMA-APARCH模型建模。热带天数采用极值理论（EVT）进行投影。

结果分析：

• 气候变量投影显示，到2100年，高温天数将显著增加，尤其在Hd（高排放、干旱夏季）情景下，热带天数可达50天/年。
• 气候调整后的Lee-Carter模型预测，65岁人群的预期寿命在两种气候情景下均持续增长，但高温导致寿命增长速度放缓。Hd情景下，预期寿命比基准情景低0.7年。
• 死亡率冲击分析显示，短期冲击对气候变化不敏感，但在高龄群体中更为显著。Hd情景下，死亡率冲击平均增加0.23%，Ld情景下增加0.08%。
• 敏感性分析表明，Hd情景对假设变化更敏感，尤其是与高温相关的死亡率和时间参数模型选择。

结论：高温对死亡率有显著影响，尤其在高龄群体中。未来需进一步研究地理差异、保险组合特征、性别差异及其他气候风险因素，以更全面地评估气候变化对健康的影响。