湿球温度的显式计算与近似值的比较，以及为什么它对劳动生产率很重要,Earth's Future

当前位置： X-MOL 学术 › Earths Future › 论文详情

Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

湿球温度的显式计算与近似值的比较，以及为什么它对劳动生产率很重要
Earth's Future Pub Date : 2022-01-31 , DOI: 10.1029/2021ef002334
Qinqin Kong ₁ , Matthew Huber ₁

Affiliation

湿球温度 (WBGT) 是一种广泛应用的热应力指标。然而，热应力影响文献中 WBGT 的大多数应用根本不使用 WBGT，而是使用一种特殊的近似值，通常是简化的 WBGT (sWBGT) 或环境应力指数 (ESI)。令人惊讶的是，对于这些近似值在它们所应用的全球气候和气候变化环境中的效果如何，我们知之甚少。在这里，我们相对于 Liljegren 开发的经过充分验证的、明确的 WBGT 物理模型，在理想化的环境和更现实的环境中评估了偏差分布作为 sWBGT 和 ESI 的温度、湿度、风速和辐射条件的函数。 ERA5 再分析数据。sWBGT 大大高估了湿热地区的热应力。ESI 在标准气候条件范围内的偏差要小得多。在亚热带干旱地区，这两个指标都可能大大低估极端高温。我们展示了 sWBGT 在当今世界大部分地区对劳动力损失的系统性高估。我们建议停止使用 sWBGT。ESI 可用于评估长期（如一年）的平均热应激或综合影响，但不太适合健康应用、极端热应激分析，或作为热预警、热浪预报或指导工作场所活动修改的操作指标。尽管如此，Liljegren 的方法应该比这些临时近似更受欢迎，我们提供了一个快速的 Python 实现来鼓励它的广泛使用。这两个指标都可能大大低估极端高温。我们展示了 sWBGT 在当今世界大部分地区对劳动力损失的系统性高估。我们建议停止使用 sWBGT。ESI 可用于评估长期（如一年）的平均热应激或综合影响，但不太适合健康应用、极端热应激分析，或作为热预警、热浪预报或指导工作场所活动修改的操作指标。尽管如此，Liljegren 的方法应该比这些临时近似更受欢迎，我们提供了一个快速的 Python 实现来鼓励它的广泛使用。这两个指标都可能大大低估极端高温。我们展示了 sWBGT 在当今世界大部分地区对劳动力损失的系统性高估。我们建议停止使用 sWBGT。ESI 可用于评估长期（如一年）的平均热应激或综合影响，但不太适合健康应用、极端热应激分析，或作为热预警、热浪预报或指导工作场所活动修改的操作指标。尽管如此，Liljegren 的方法应该比这些临时近似更受欢迎，我们提供了一个快速的 Python 实现来鼓励它的广泛使用。ESI 可用于评估长期（如一年）的平均热应激或综合影响，但不太适合健康应用、极端热应激分析，或作为热预警、热浪预报或指导工作场所活动修改的操作指标。尽管如此，Liljegren 的方法应该比这些临时近似更受欢迎，我们提供了一个快速的 Python 实现来鼓励它的广泛使用。ESI 可用于评估长期（如一年）的平均热应激或综合影响，但不太适合健康应用、极端热应激分析，或作为热预警、热浪预报或指导工作场所活动修改的操作指标。尽管如此，Liljegren 的方法应该比这些临时近似更受欢迎，我们提供了一个快速的 Python 实现来鼓励它的广泛使用。

"点击查看英文标题和摘要"

Explicit calculations of Wet Bulb Globe Temperature compared with approximations and why it matters for labor productivity

Wet bulb globe temperature (WBGT) is a widely applied heat stress index. However, most applications of WBGT within the heat stress impacts literature do not use WBGT at all, but one of the ad hoc approximations, typically the simplified WBGT (sWBGT) or the environmental stress index (ESI). Surprisingly little is known about how well these approximations work for the global climate and climate change settings that they are being applied to. Here we assess the bias distribution as a function of temperature, humidity, wind speed and radiative conditions of both sWBGT and ESI relative to a well-validated, explicit physical model for WBGT developed by Liljegren, within an idealized context and the more realistic setting of ERA5 reanalysis data. sWBGT greatly overestimates heat stress in hot-humid areas. ESI has much smaller biases in the range of standard climatological conditions. Over subtropical dry regions, both metrics can substantially underestimate extreme heat. We show systematic overestimation of labor loss by sWBGT over much of the world today. We recommend discontinuing the use of sWBGT. ESI may be acceptable for assessing average heat stress or integrated impact over a long period like a year, but less suitable for health applications, extreme heat stress analysis, or as an operational index for heat warning, heatwave forecasting or guiding activity modification at workplace. Nevertheless, Liljegren’s approach should be preferred over these ad hoc approximations and we provide a fast Python implementation to encourage its widespread use.

更新日期：2022-02-10

点击分享查看原文

点击收藏

公开下载

阅读更多本刊新发论文