سلاسل الإمداد العالمية تعزز التكاليف الاقتصادية لمخاطر الحرارة الشديدة المستقبلية Global supply chains amplify economic costs of future extreme heat risk

عربي
English

المجلة: Nature، المجلد: 627، العدد: 8005
DOI: https://doi.org/10.1038/s41586-024-07147-z
PMID: https://pubmed.ncbi.nlm.nih.gov/38480894
تاريخ النشر: 2024-03-13

سلاسل الإمداد العالمية تعزز التكاليف الاقتصادية لمخاطر الحرارة الشديدة المستقبلية

https://doi.org/10.1038/s41586-024-07147-z
تاريخ الاستلام: 16 أغسطس 2022
تم القبول: 1 فبراير 2024
نُشر على الإنترنت: 13 مارس 2024
الوصول المفتوح
(أ) التحقق من التحديثات

يدا صنشوبينغ زوداوبينغ وانغجيانبينغ دوانهوي لوهاو يينتشانغ تانلينغروي تشانغمنغزين زهاووينجيا كاييونغ وانغيكسين هوشو تاوودابو جوان

الملخص

تظهر الأدلة زيادة مستمرة في تكرار وشدة موجات الحرارة العالميةمما يثير القلق بشأن التأثيرات المستقبلية لتغير المناخ والتكاليف الاجتماعية والاقتصادية المرتبطة بها. هنا نقوم بتطوير إطار تحليلي لبصمة الكوارث من خلال دمج نماذج المناخ، وعلم الأوبئة، ونماذج المدخلات والمخرجات الهجينة، ونماذج التوازن العام القابلة للحساب للتجارة العالمية لتقدير الآثار الاجتماعية والاقتصادية لضغوط الحرارة في منتصف القرن. نحن نأخذ في الاعتبار التكاليف الصحية المتعلقة بالتعرض للحرارة، وقيمة فقدان الإنتاجية العمالية الناتجة عن الحرارة، والخسائر غير المباشرة بسبب الاضطرابات الاقتصادية التي تتسلسل عبر سلاسل الإمداد. هنا نوضح أن الخسارة السنوية الإجمالية في الناتج المحلي الإجمالي العالمي تزداد بشكل أسي من (SSP 245)-0.05 (SSP 585) نقاط مئوية خلال 2030-2040 إلى نقاط مئوية خلال الفترة من 2050 إلى 2060. بحلول عام 2060، من المتوقع أن تصل الخسائر الاقتصادية العالمية إلى إجماليمع الخسائر المنسوبة إلى فقدان الصحة (خسارة إنتاجية العمل ) والخسارة غير المباشرة ( ) تحت مسارات اجتماعية واقتصادية مشتركة مختلفة. تعاني الدول النامية الصغيرة والمتوسطة بشكل غير متناسب من فقدان الصحة الأعلى في جنوب وسط أفريقيا (2.1 إلى 4.0 مرات فوق المتوسط العالمي) وفقدان إنتاجية العمل في غرب أفريقيا وجنوب شرق آسيا (2.0-3.3 مرات فوق المتوسط العالمي). تأثيرات اضطراب سلسلة التوريد أكثر انتشارًا بكثير مع تأثير قوي على تلك الدول التي تعتمد على التصنيع مثل الصين والولايات المتحدة الأمريكية، مما يؤدي إلى خسائر اقتصادية متزايدة. و على التوالي.

أظهرت الأبحاث اتجاهًا نحو ارتفاع درجات الحرارة وزيادة حدوث موجات الحر الشديدة منذ

. يثير هذا النمط المستمر مخاوف بشأن التأثيرات المحتملة لتغير المناخ وتكاليفه الاجتماعية والاقتصادية المرتبطة به. من الآثار الملحوظة للإجهاد الحراري على صحة الإنسان وإنتاجية العمل. من ناحية، يجعل الإجهاد الحراري العالمي من الصعب على الجسم الحفاظ على درجة حرارته الأساسية، مما يزيد من المرض والوفيات الناتجة عن ضربة الشمس.

. الدول عبر جميع خطوط العرض، بما في ذلك روسيا

الولايات المتحدة الأمريكية

الصين

أستراليا

وشمال أفريقيا

عانوا من زيادة الضغط الحراري منذ موجة الحر القاتلة في أوروبا

، مما تسبب في معدل وفيات ومراضة كبير. من ناحية أخرى، تشير الدراسات البيومترولوجية إلى أن الإجهاد الحراري يمكن أن يقلل بشكل خطير من إنتاجية العمل

مقاسة من حيث الوقت الضائع في العمل نتيجة لنسب العمل/الراحة الموصى بها خلال الإجهاد الحراري، وكفاءة العمل المنخفضة كما تم تقديرها من وظائف الاستجابة للتعرض، وكفاءة العمل المنخفضة المبلغ عنها ذاتيًا.

في سياق سلاسل الإمداد العالمية المتكاملة بشكل متزايد، فإن آثار الإجهاد الحراري لا تقتصر فقط على مجموعات سكانية وقطاعات صناعية معينة في المناطق المنخفضة العرض، بل تمتد إلى مناطق وقطاعات أوسع.

على سبيل المثال، نادراً ما تتأثر دولة غربية أوروبية مثل المملكة المتحدة بشكل مباشر وشديد بالإجهاد الحراري. ومع ذلك، يمكن أن ينخفض استهلاك البيرة أو القهوة في المملكة المتحدة نتيجة التأثير الشديد للإجهاد الحراري على موردي القمح وحبوب القهوة في أفريقيا وأمريكا الجنوبية.

يمكن أن يكون لهذا النوع من تأثير الانتشار عواقب مهمة من حيث الأمن الغذائي العالمي.

إمدادات الطاقة

وتوريد مجموعة متنوعة من المنتجات المعدنية

لقد تم دراسة الوفيات المباشرة وفقدان الإنتاجية الناتج عن الإجهاد الحراري بشكل موسع. ومع ذلك، لم يتم تحليل الخسائر غير المباشرة الناتجة عن اضطرابات سلسلة التوريد بشكل كامل.

، حيث أن الأدبيات السابقة قد خصصت نقاشًا غير كافٍ للتأثيرات غير المباشرة من خلال الإبلاغ فقط عن التأثيرات الإجمالية/المجمعة

أو تجاهلوا التأثير المعزز لنظام التجارة العالمية على الخسائر المباشرة. مع تفاقم آثار الإجهاد الحراري بمرور الوقت بسبب تغير المناخ، فإن الدول النامية

تسمح المنهجيات التي تتيح قياسات شاملة لكل من التأثيرات المباشرة وغير المباشرة للإجهاد الحراري على الأنظمة البشرية لصانعي السياسات بتطوير سياسات أكثر فعالية للتخفيف من آثار تغير المناخ والتكيف معه. في هذه الدراسة، تم بناء إطار تحليلي لبصمة الكارثة، من خلال دمج المناخ، وعلم الأوبئة، ونماذج المدخلات والمخرجات الهجينة، ونماذج التوازن العام القابلة للحساب للتجارة العالمية، لتوفير تقييم شامل لتأثير الإجهاد الحراري على الأنظمة الاجتماعية والاقتصادية حتى عام 2060، بما في ذلك فقدان الصحة (الوفيات الزائدة بسبب موجات الحرارة الشديدة)، وفقدان إنتاجية العمل (انخفاض الإنتاجية اليومية للعمل بسبب ارتفاع درجة الحرارة والرطوبة) والخسائر غير المباشرة (ركود الإنتاج بسبب نقص العرض أو الطلب) عبر 141 منطقة و65 قطاعًا في جميع أنحاء العالم. يتم تقديم تفاصيل نهجنا التحليلي في الطرق. باختصار، نستخدم المرحلة السادسة من مشروع المقارنة بين النماذج المتصلة المرحلة 6 (CMIP6).

حيث يتم حساب متوسط 14 نموذجًا عالميًا لتغير المناخ (GCMs) لتقييم معايير درجة الحرارة والرطوبة اليومية المستقبلية. يتم حساب معدلات الوفيات الزائدة اليومية (فقدان الصحة) ومعدلات فقدان العمل (فقدان إنتاجية العمل) على أساس دوال تجريبية وإحصائيات من دراسات سابقة.

استنادًا إلى القيود العمالية المذكورة أعلاه في مناطق وصناعات مختلفة، تم تطوير نموذج هجين من المدخلات والمخرجات ونموذج التوازن العام القابل للحساب في إطار تحليل بصمة الكارثة لتقييم نمط الخسائر الاقتصادية المرتبطة بالحرارة التي تنتقل عبر سلسلة التوريد العالمية. من خلال قياس الآثار غير المباشرة التي نادراً ما تم تحليلها من قبل، يوفر هذا النموذج رؤى حول التأثيرات الواسعة النطاق للإجهاد الحراري عبر سلاسل التوريد العالمية وكيف تتطور هذه التأثيرات مكانيًا وعلى مدى فترات زمنية طويلة. تستند النتائج المقدرة إلى علاقات الإنتاج والتجارة الثابتة التي قد لا تعكس بدقة الترابط الديناميكي بين الصناعات والدول على المدى الطويل.

تدرس هذه الدراسة ثلاثة سيناريوهات تجمع بين مسارات التركيز التمثيلية المختلفة (RCPs) والمسارات الاجتماعية والاقتصادية المشتركة (SSPs). تمثل مسارات RCPs مسارات تركيز غازات الدفيئة كما اعتمدها الفريق الحكومي الدولي المعني بتغير المناخ (IPCC). كل سيناريو من سيناريوهات RCP يشير إلى أحجام مختلفة من الإجهاد الحراري المستقبلي. تمثل SSPs مسارات التنمية الاجتماعية والاقتصادية. تشير سيناريوهات SSP المختلفة إلى كميات مختلفة من مخاطر التعرض للإجهاد الحراري والقدرة التكيفية المجتمعية. تم اعتبار ثلاثة سيناريوهات SSP-RCP: SSP 585 و SSP 245 و SSP 119. يمثل سيناريو SSP 585 عالماً من النمو السريع وغير المقيد في الناتج الاقتصادي واستخدام الطاقة. يمثل سيناريو SSP 245 منتصف نطاق المسارات المستقبلية المحتملة.

، مما يعكس استمرار جهود التخفيف التاريخية

في السيناريو SSP 119، يتحول العالم بشكل شامل نحو مسار أكثر استدامة، مع التركيز على تطوير أكثر شمولاً يحترم الحدود البيئية المتصورة. تتيح هذه السيناريوهات الثلاثة، من الكربون العالي إلى المسارات المستدامة، قياس الفوائد الاقتصادية المحتملة لسياسات تقليل الانبعاثات الطموحة التي لم تحظَ باهتمام كبير سابقاً.

الشكل 1أ-د يوضح إجمالي الخسارة الاقتصادية العالمية والمكونات المحددة. تحت سيناريو SSP 119، فإن إجمالي خسارة الناتج المحلي الإجمالي العالمي هو

في عام 2040، يُقدَّر كل مكون على النحو التالي: فقدان الصحة (0.5%)، فقدان إنتاجية العمل (0.3%)، والخسارة غير المباشرة (0.1%). في عام 2060، ينخفض فقدان الناتج المحلي الإجمالي العالمي قليلاً إلى 0.8% (0.4% فقدان الصحة، 0.3% فقدان إنتاجية العمل و

خسارة غير مباشرة)، تصل إلى حوالي الولايات المتحدة

تريليون (القيم ثابتة بأسعار 2020). من المتوقع أن يزيد عدد أيام موجات الحرارة العالمية المتوسطة (التعريف والحساب مفصلان في الطرق) بـ

مقارنةً بعام 2022، سيكون العدد السنوي المتوسط لوفيات موجات الحر حوالي 0.59 مليون

مليون). في حالة مسار التنمية عالي الانبعاثات وعالي النمو، SSP 585، تزداد الخسائر الاقتصادية في عام 2060 بنسبة 500% مقارنة بسيناريو SSP 119، لتصل إلى

(

فقدان الصحة

فقدان العمالة و

غير مباشر
خسارة)، بقيمة حوالي الولايات المتحدة

(18.36-28.80) تريليون. ستكون أيام موجات الحرارة العالمية السنوية

أعلى مقارنة بعام 2022، ومن المتوقع أن يرتفع العدد السنوي العالمي للوفيات الناتجة عن الحرارة إلى حوالي 1.12 مليون (0.85-1.39 مليون). إن خسائر العمل والصحة على المستويات الإقليمية والعالمية قريبة من نتائج الدراسات السابقة.

تظهر الخسائر الاقتصادية العالمية اتجاه نمو غير خطي فيما يتعلق بالوقت ودرجة الإجهاد الحراري، مدفوعة بزيادة الخسائر غير المباشرة. مع مرور الوقت، تنمو الخسائر الإجمالية من 1.5% من الناتج المحلي الإجمالي في عام 2040 إلى 2.5% من الناتج المحلي الإجمالي في عام 2050 وإلى

من الناتج المحلي الإجمالي في عام 2060 (الشكل 1d) تحت سيناريو SSP 585. ومع ذلك، فإن نسبة فقدان الناتج المحلي الإجمالي العالمي بسبب اضطرابات سلسلة التوريد هي

لكل عقد من الزمن بدءًا من عام 2030 (الشكل 1c)، مما يظهر نمط نمو شبيه بالأسية (الشكل 5 من البيانات الموسعة والأشكال التكميلية 7 و8). تصبح الخسائر غير المباشرة المتزايدة تدريجياً المساهم الرئيسي في إجمالي الخسائر. عند النظر إلى نطاق السيناريو، فإن إجمالي خسائر الناتج المحلي الإجمالي في عام 2060 هو

تحت SSP 119،

بموجب SSP 245 و

بموجب SSP 585، حيث أن الخسائر الناتجة عن الآثار غير المباشرة هي

من الناتج المحلي الإجمالي العالمي (

من الإجمالي) بموجب SSP 119،

(25% من الإجمالي) تحت SSP 245 و1.5% (38% من الإجمالي) تحت SSP 585. مع زيادة درجة الإجهاد الحراري بشكل تدريجي، تكتسب الآثار غير المباشرة وزناً أكبر في إجمالي الخسائر.

الشكل 1e-p يشرح الآلية وراء زيادة وزن التأثير غير المباشر في الخسائر الإجمالية مع زيادة درجة الإجهاد الحراري: من حيث الأنماط المكانية، عندما تكون الخسائر المباشرة ذات حجم منخفض إلى متوسط، فإن تأثيرها على شبكة الإمداد يقتصر على المنطقة الإقليمية؛ ومع ذلك، عندما تكون الخسائر المباشرة شديدة، فإن لها تداعيات أوسع تؤثر على سلسلة الإمداد على مستوى عالمي وتؤدي إلى خسائر غير مباشرة إضافية. تحت سيناريو SSP 119، تكون خسائر الصحة الأكثر أهمية في جنوب وسط أفريقيا وأوروبا الشرقية (الشكل 1e)؛ خسائر إنتاجية العمل تتركز في خطوط العرض المنخفضة، بما في ذلك غرب أفريقيا وجنوب آسيا (الشكل 1f)؛ الخسائر غير المباشرة تتركز في أمريكا الوسطى وشرق آسيا (الشكل 1g)؛ بشكل عام، تعاني أفريقيا الوسطى والجنوبية وجنوب شرق آسيا وأمريكا اللاتينية من أشد الخسائر الإجمالية (الشكل 1h). الأنماط المكانية للخسارة الاقتصادية المباشرة في العمل والصحة تحت السيناريوهات الثلاثة متشابهة. ومع ذلك، من الجدير بالذكر أن الإجهاد الحراري المستمر والشديد المتوقع تحت سيناريو النمو السريع SSP 585 يؤدي إلى اضطرابات كبيرة تتجاوز النطاق الإقليمي وصولاً إلى سلاسل القيمة العالمية (GVCs). تعاني دول مثل البرازيل والصين والنرويج جميعها من خسائر اقتصادية كبيرة. ترتفع الخسائر الاقتصادية غير المباشرة للصين بسبب اضطرابات سلسلة الإمداد من 0.4% تحت سيناريو SSP 119 إلى 2.7% من الناتج المحلي الإجمالي تحت سيناريو SSP 585، بينما ترتفع خسائر البرازيل من 0.2% إلى

والنرويج من أقل من

إلى

على الرغم من أن الدول المتقدمة في العروض العليا يمكن أن تخفف من معظم الخسائر المحتملة من خلال استراتيجيات التكيف مثل تكييف الهواء في سيناريو SSP 119، إلا أنها تظل معرضة لخطر انخفاض العرض أو الطلب في سلاسل القيمة العالمية تحت سيناريو SSP 585 (الشكل 1 o والشكل التكميلي 10). ستواجه دول الاتحاد الأوروبي خسائر غير مباشرة كبيرة بسبب انخفاض القدرة الإنتاجية لشركائها التجاريين من المعادن والمنتجات الغذائية، وخاصة الدول النامية. على الرغم من أن الدول المتأثرة بشدة في جنوب آسيا أو أفريقيا ليست شركاء تجاريين رئيسيين للاتحاد الأوروبي وحجم التجارة بين هذه الدول والاتحاد الأوروبي صغير نسبيًا، إلا أن الخسائر الاقتصادية غير المباشرة في الاتحاد الأوروبي ستتضخم عندما تتأثر العديد من تلك الدول النامية بالإجهاد الحراري.

حساسيات مختلفة تجاه الإجهاد الحراري عبر البلدان

تواجه اقتصادات مختلفة مخاطر متفاوتة من الخسائر الناتجة عن الإجهاد الحراري، اعتمادًا على مواقعها الجغرافية والمكانة التي تحتلها في سلسلة الإمداد العالمية. أولاً، فإن الدول التي من المتوقع أن تعاني مناطقها ذات الكثافة السكانية العالية من ارتفاع درجات الحرارة الشديد والظواهر الحرارية غير الطبيعية في المستقبل، هي الأكثر عرضة للخسائر الصحية من حيث الوفيات الزائدة. بموجب سيناريو SSP 119، فإن خسارة الناتج المحلي الإجمالي في وسط وجنوب إفريقيا بسبب وفيات موجات الحرارة هي

في عام 2060، ستكون النسبة الأعلى في العالم. تليها ترينيداد وتوباغو (1.7%)، سريلانكا (1.5%) وإندونيسيا (1.5%; الشكل 2أ). تعتمد قابلية التأثر بالآثار الصحية على تكرار الأحداث الجوية المتطرفة و

الشكل 1| الخسائر العالمية المرتبطة بالحرارة في منتصف القرن وتوزيعها
عبر العالم. أ-د، الاتجاهات التطورية لأنواع الخسائر الأربعة من 2040 إلى 2060 تحت سيناريوهات مختلفة (خسارة الصحة (أ)؛ خسارة إنتاجية العمل (ب)؛ الخسارة غير المباشرة (اضطرابات سلسلة التوريد) (ج)؛ وإجمالي الخسائر (د)). تمثل الألوان من الفاتح إلى الداكن الخسائر الاقتصادية من الثلاثة

السيناريوهات SSP 119، SSP 245، SSP 585، على التوالي. e-p، التوزيع المكاني للخسائر العالمية كنسبة مئوية من الناتج المحلي الإجمالي لكل دولة في منتصف القرن تحت سيناريو SSP

SSP

و SSP

السيناريوهات. القيم المعروضة هي متوسطات لمدة 10 سنوات (على سبيل المثال، الخسارة المبلغ عنها في عام 2060 تمثل متوسط الخسارة المحسوبة على مدى الفترة بين 2055 و2065).
مقدار القدرة التكيفية. على سبيل المثال، تعاني هنغاريا وكرواتيا من خسائر صحية كبيرة، على الرغم من أن المناخ في هذين البلدين أكثر برودة من المناخ في الشرق الأوسط وشمال أفريقيا. على عكس خسائر العمل، التي تحدث في المناطق ذات درجات الحرارة والرطوبة العالية جداً، تعتمد الخسائر الصحية إلى حد كبير على التباين والتغيرات المفاجئة في درجات حرارة الصيف. مع تغير المناخ، ستؤدي موجات الحرارة الأكثر تكراراً وشدة إلى فقدان كبير في الأرواح في المناطق ذات المناخ الأكثر برودة إذا لم تتماشى القدرة التكيفية مع التغيرات المفاجئة والسريعة.

ثانياً، من المرجح أن تعاني الاقتصادات الناشئة ذات الدخل المنخفض في أكثر المناطق المناخية حرارة من خسائر في إنتاجية العمل. وفقاً سيناريو SSP 119 لعام 2060، تعاني دول مثل بوتسوانا ونيبال ونيجيريا من خسائر كبيرة في إنتاجية العمل، تصل إلى 1.3% و1.2% و1.2% من الناتج المحلي الإجمالي، على التوالي (الشكل 2ب). تقع هذه الاقتصادات الناشئة بشكل رئيسي في جنوب وغرب إفريقيا (باستثناء نيبال)، حيث تؤدي المناخات الحارة مع ارتفاع درجات الحرارة بمرور الوقت إلى تنفيذ الأنشطة كثيفة العمالة خلال أشهر الصيف تحت درجات حرارة مرتفعة بشكل متزايد. ولإضافة الإهانة إلى الإصابة، تعتمد معظم هذه الدول على الصناعات الأولية مثل الزراعة والغابات والتعدين والبناء، حيث يعمل العمال في الغالب في الهواء الطلق وسيتأثرون بشدة بالحرارة الشديدة. على سبيل المثال، تمثل الزراعة 21.3% من الناتج المحلي الإجمالي لنيبال و23.4% لنيجيريا، بينما يساهم التعدين بنحو 28% من الناتج المحلي الإجمالي لبوتسوانا.

إن التعليق الواسع النطاق وتقليص الإنتاج في صناعات الزراعة الحراجية والاستخراجية بسبب الإجهاد الحراري سيكون له عواقب وخيمة على الاقتصاديات الوطنية وأرصدة التجارة الدولية. وبالتالي، فإن هذه الدول من بين الأكثر تأثراً بفقدان إنتاجية العمل.

ثالثًا، فإن الاقتصادات الصغيرة إلى المتوسطة الحجم التي تتمتع بصلات قوية ومتنوعة مع المناطق الأكثر تأثرًا في سلاسل القيمة العالمية، تكون عرضة بشدة للتأثيرات غير المباشرة. في سياق سيناريو SSP 119، تعتبر سلاسل القيمة في أمريكا اللاتينية وجنوب شرق آسيا الأكثر تأثرًا.
تأثرت (الشكل 2ج). عانت بورتو ريكو من أعلى الخسائر، التي تقدر بـ

من الناتج المحلي الإجمالي، في حين أن فنزويلا وماليزيا ودول أمريكية لاتينية أخرى، بما في ذلك السلفادور وبنما وجمهورية الدومينيكان، فقدت حوالي

من الناتج المحلي الإجمالي. في سيناريو SSP 585، تعاني اقتصادات جنوب شرق آسيا مثل بروناي وماليزيا وسنغافورة وإندونيسيا أكثر من غيرها. تنبع هذه الخسائر من الروابط التجارية القوية مع الدول المعرضة بشدة. على سبيل المثال، تتعرض بروناي وسنغافورة لتأثيرات غير مباشرة حيث تستوردان ما يقرب من 60% من منتجاتهما المعدنية والمعدنية السنوية من الصين وماليزيا وإندونيسيا. الدول الكاريبية مثل بورتو ريكو وبنما عمومًا لديها تنوع اقتصادي أقل وتعتمد بشكل كبير على قطاع الخدمات والتجارة الدولية. يتطلب الآلية المعقدة لنقل الخسائر على طول سلسلة القيمة اعتبارًا دقيقًا من قبل الدول لإدارة مخاطر عدم الاستقرار المستقبلية عبر الصناعات الحيوية.

مقارنة بين سيناريوهات SSP 119 (الشكل 2أ-ج) و SSP 585 (الشكل 2د-و) تُظهر أن الخسائر لا تزيد بشكل موحد عبر الدول النامية والمتقدمة عند مواجهة آثار تغير المناخ الشديدة، مما يشير إلى تعرض غير متساوٍ لمخاطر المناخ. في إطار مسار الانبعاثات العالية SSP 585، يتحمل جزء كبير من الخسائر الاقتصادية المتصاعدة بسرعة الدول النامية. على الرغم من أن أفريقيا تساهم بأقل من 5% من انبعاثات غازات الدفيئة العالمية، يُتوقع أن تعاني 12 دولة في القارة، بما في ذلك رواندا وبوتسوانا وأوغندا ومالاوي، من بعض من أكبر الخسائر الاقتصادية على مستوى العالم بحلول منتصف القرن. من المتوقع أن تعاني عدة دول في شرق أفريقيا مثل مالاوي ومدغشقر وتنزانيا من خسائر في إنتاجية العمل تبلغ حوالي

من الناتج المحلي الإجمالي. فيما يتعلق بخسائر الصحة، تعاني أفريقيا الوسطى والجنوبية ورواندا من خسائر في الناتج المحلي الإجمالي بنسبة 8.6% و7.2% على التوالي، وهو ما يعادل تقريبًا خمسة أضعاف مقارنة بسيناريو SSP 119. في سيناريو SSP 585، تصبح الخسائر غير المباشرة أكثر انتشارًا، مما يؤثر على كل من الاقتصادات المتقدمة والنامية. تتكبد بروناي أعلى الخسائر غير المباشرة بنسبة 4.7% (4.0-5.3%)

الشكل 2 | أعلى عشر مناطق بأشد الخسائر حسب النوع تحت SSP 119 و SSP

سيناريوهات.

أعلى عشرة مناطق حساسة لتغير المناخ مع أكبر خسائر صحية (أ)، خسائر في إنتاجية العمل (ب) وخسائر غير مباشرة (ج) في عام 2060، تحت سيناريو SSP 119. د-ف، أعلى عشرة دول حساسة لتغير المناخ مع أكبر خسائر صحية (د)، خسائر في إنتاجية العمل (هـ) وخسائر غير مباشرة (و) في عام 2060، تحت سيناريو SSP 585. الدول المميزة
مع المثلثات السوداء تم تصنيفها حديثًا من بين أكثر البلدان عرضة للخطر في عام 2060 تحت سيناريو SSP 585 مقارنةً بـ SSP 119. القيم المعروضة هي متوسطات لعشر سنوات. تمثل أشرطة الخطأ انحرافًا معياريًا واحدًا عن المتوسط لبيانات العقد. تشير الحدود العليا والسفلى إلى المتوسط + انحراف معياري والمتوسط – انحراف معياري، على التوالي. TTO، ترينيداد وتوباغو.
من الناتج المحلي الإجمالي لها، في حين أن اقتصادات ناشئة أخرى مثل باراغواي وإندونيسيا تخسر حوالي 3.3% من ناتجها المحلي الإجمالي. أظهرت هذه النتائج أن النمو السريع في الدخل واختراق تكييف الهواء في الاقتصادات الناشئة تحت سيناريو SSP 585 لا يكفي لمواجهة التأثير الهائل لتغير المناخ على اقتصاداتها.

آثار غير متكافئة للإجهاد الحراري على سلاسل الإمداد العالمية

تُبرز الشكل 3 الأنواع الثلاثة من الخسائر للقطاعات التي تعاني من أعلى الخسائر عبر الدول الممثلة. تعتبر قطاعات الزراعة والبناء والتعدين الأكثر تأثراً في معظم الدول، خاصة في عدة دول أفريقية وآسيوية تعتمد على الصناعات الأولية. على سبيل المثال، فإن متوسط درجة حرارة الكرة الرطبة الجافة (WBGT) في الصيف التي تتجاوز 30 في تنزانيا تتحدى قدرة معظم العمال في الهواء الطلق على التكيف في منتصف القرن. ستعاني القطاعات التي تتطلب تعرض العمال لأشعة الشمس مباشرة، مثل البناء والزراعة، من خسارة في القيمة المضافة (VA) بنسبة 1.9% في عام 2040 تحت سيناريو SSP 119. في عام 2060، ستؤدي زيادة الدخل واستقرار المناخ إلى تقليل طفيف في خسارة القيمة المضافة.

تفسيره بانخفاض إنتاجية العمل وخسائر الصحة. ومع ذلك، في سيناريو الاحترار العالي SSP 585، يزيد نفس فقدان القيمة المضافة إلى

في عام 2040 وترتفع إلى 8.1% في عام 2060. بالإضافة إلى ذلك، تعاني معظم الصناعات التصنيعية الداخلية من خسارة في القيمة المضافة

في عام 2060 تحت سيناريو SSP 585. كما هو موضح في الشكل البياني الممتد 9، فإن دولًا مثل تنزانيا وزيمبابوي وغيرها

تظهر الدول الأفريقية أنماط فقدان مماثلة. تميل الدول التي لديها أنماط فقدان مشابهة إلى أن تكون موجودة في خطوط العرض المنخفضة، وخاصة في الشرق الأوسط وجنوب آسيا وأفريقيا – المناطق الأكثر تهديدًا بتغير المناخ. معظم الصناعات التحويلية والخدمية الداخلية في الدول النامية لديها وصول محدود إلى تكييف الهواء، ونتيجة لذلك، ستتأثر قدرة العمل والتنمية الاقتصادية بشكل كبير بتغير المناخ.

المنتجات غير المعدنية والمعادن الحديدية معرضة لتغير المناخ بسبب الصدمات المتزامنة في سلسلة التوريد من الجانبين العلوي (الإمداد) والسفلي (الطلب). على سبيل المثال، تتأثر دولة مثل الهند بشكل مباشر بارتفاع درجات الحرارة وبشكل غير مباشر من خلال الروابط الوثيقة مع الدول التي تأثرت بشدة بالإجهاد الحراري. في عام 2040، ستكون الخسائر في التصنيع غير المعدني هي الثانية بعد قطاعات البناء والزراعة.

من القيمة المضافة القطاعية، في حين أن صناعة المعادن الحديدية تخسر

من القيمة المضافة. يمكن أن تُعزى هذه الخسائر إلى كل من الطلب غير الكافي في قطاع البناء المحلي ونقص إمدادات المعادن والفحم من دول في جنوب شرق آسيا وأفريقيا (على سبيل المثال، إندونيسيا وجنوب أفريقيا). في عام 2060، تحت سيناريو SSP 585، مع تكرار الإغلاقات في صناعات التعدين والبناء تحت ضغط حرارة الصيف الشديدة، تعاني صناعة المعادن الحديدية في الهند من أكبر خسارة في القيمة المضافة عند

التي يزيد عددها عن

يعود ذلك إلى الخسائر غير المباشرة، تليها الخسارة من صناعة التصنيع غير المعدنية عند

تتميز أنماط الخسارة القطاعية في الهند بمزيج من الخسائر الصحية والعمالية وغير المباشرة. تراجع العمالة

الشكل 3| أعلى خمسة قطاعات صناعية تعاني من خسائر شديدة مرتبطة بالحرارة في أربع دول تمثيلية. أ-1، يظهر أعلى خمسة قطاعات الأكثر عرضة في تنزانيا (أ-ج)، الهند (د-و)، ألمانيا (ز-ط) والسويد (ي-ك) في عام 2040 (أ، د، ز، ي)، 2050 (ب، هـ، ح، ل) و2060 (ج، و، ط، م). تم تصنيف القطاعات التي تتجاوز خسائر القيمة المضافة المطلقة فيها الوسيط حسب نسبة خسائر القيمة المضافة، من الأعلى إلى الأدنى. تمثل طول الشريط النسبة المئوية المتوسطة لخسائر القيمة المضافة على مدى 10 سنوات لقطاع معين. القطاعات التي لديها نفس نسبة الخسارة (على سبيل المثال، القمح، الأرز و

تم دمج الحبوب. تشير الألوان إلى الفئات الثلاث للخسائر بموجب SSP 119: خسائر الصحة (الأعمدة الصفراء)، خسائر إنتاجية العمل (الأعمدة الأرجوانية) والخسائر غير المباشرة (الأعمدة الزرقاء الفاتحة). تمثل الأعمدة البرتقالية والحمراء الزيادة في إجمالي الخسارة بموجب SSP 245 و SSP 585 (دون تمييز حسب نوع الخسارة)، على التوالي. تم اشتقاق الأنواع الأربعة من البلدان من خلال تجميع التعلم الآلي بناءً على أنماط الخسارة الاقتصادية القطاعية (الأشكال التكميلية 11 و 12 والجدول التكميلية 3).
تؤدي الإنتاجية في صناعات البناء والزراعة المحلية مباشرةً إلى خسائر اقتصادية كبيرة في سلاسل القيمة المرتبطة في البلاد. كما هو موضح في الشكل 10 من البيانات الموسعة، تظهر الدول الواقعة في خطوط العرض المنخفضة والمتوسطة، مثل الصين وفيتنام، أنماط خسارة مشابهة.
تتعرض الصناعات الخفيفة، بما في ذلك المنتجات المعدنية، والمنتجات المطاطية والبلاستيكية، ومعالجة الأغذية والمشروبات والتبغ، لتأثيرات غير مباشرة بسبب نقص إمدادات المواد الخام، مثل المعادن، والمعادن، والمحاصيل، وزيوت البذور والخضروات. على سبيل المثال، في سيناريو SSP 119، تخسر صناعة المنتجات المعدنية وصناعة التبغ والمشروبات في ألمانيا حوالي

من الناتج المحلي الإجمالي في عام 2040. بموجب سيناريو SSP 585، من المتوقع أن تزيد الخسارة الاقتصادية من المشروبات والتبغ بأكثر من ستة أضعاف في عام 2060، لتصل إلى 2.0% من الناتج المحلي الإجمالي مع انخفاض واردات منتجات الزراعة (زيت النخيل، فول الصويا، القهوة، التوابل وما إلى ذلك) من أمريكا الجنوبية وجنوب شرق آسيا وأفريقيا بنحو 5% إلى 8% (الشكل 8 من البيانات الموسعة). وتزداد خسائر المنتجات المعدنية بشكل أسرع، لتصل إلى

من VA في 2060. وذلك لأن المنتجين الرئيسيين للمواد الخام، مثل الفحم والمعادن، التي تعتبر أساسية لصناعة المنتجات المعدنية، تقع بشكل أساسي في مناطق معرضة لتغير المناخ. وهذا يؤدي إلى خسائر أكبر في سلسلة المنتجات المعدنية في معظم الدول ذات الصناعات التصنيعية المتطورة، بما في ذلك ألمانيا وفرنسا وأستراليا (الشكل البياني الممتد 11). هذه الدول لديها حصة منخفضة نسبيًا من الناتج المحلي الزراعي (أقل من 3%)، مع خسائر طفيفة. خسائر إنتاجية العمل مرتفعة
فقط في قطاع البناء أو التعدين، بينما تكون الخسائر غير المباشرة أعلى في قطاع التصنيع المتعلق بالمعادن بسبب نقص الإمدادات من الشركاء التجاريين الأجانب.

وبالمثل، تعاني صناعات الآلات والمعدات والمنتجات الكيميائية عالية الجودة من خسائر غير مباشرة نتيجة لتأثيرات متسلسلة متعددة المستويات، حتى في المناخات الباردة جدًا. تظهر الخسائر في هذه الصناعات، خاصة في الدول المتقدمة مثل الدول الأوروبية، ببطء وليست كبيرة تحت سيناريو SSP 119 ولكنها تزداد حدة تحت سيناريوهات SSP 245 و SSP 585. على سبيل المثال، تعاني صناعة السويد بشكل رئيسي من خسائر غير مباشرة من خلال اضطرابات سلسلة الإمداد وزيادة الوفيات بسبب موجات الحرارة. من 2040 إلى 2060 تحت سيناريو SSP 119، تكون التأثيرات على أنشطة الإنتاج معتدلة نظرًا للمناخ البارد والاعتماد على سلسلة الإمداد المستقرة في الاتحاد الأوروبي. تعاني قطاعات مثل المعدات الكهربائية والمنتجات الكيميائية من خسارة VA أقل من

من خسارة VA، معظمها خسائر صحية بسبب موجات الحرارة الشديدة المفاجئة. ومع ذلك، ترتفع خسائر VA في القطاع تحت سيناريو SSP 585. تزداد الخسائر في قطاع المعدات الميكانيكية بسرعة، حيث تنمو بحوالي خمسة أضعاف مقارنة بسيناريو SSP 119. تعاني المعادن الحديدية (2.2%)، المعدات الكهربائية (1.9%) والآلات والمعدات (1.6%) من أعلى خسائر VA. تصبح الخسائر غير المباشرة قيدًا رئيسيًا في العديد من القطاعات لأن الاستراتيجيات الوطنية للتكيف أو تدفقات التجارة الإقليمية القريبة (كما في الاتحاد الأوروبي) لم تعد قادرة على دعم الإنتاج عندما يصبح الضغط الحراري أكثر حدة على مستوى العالم. كما هو موضح في الشكل البياني الممتد 12، فإن الاقتصادات المتقدمة

	المنبع
	أ	ماليزيا – الزيوت والدهون النباتية		-1.8%
		البرازيل – السكر		-2.3%
2040		البرازيل – الزيوت والدهون النباتية		-1.7%
		الصين – الخضروات والفواكه والمكسرات		-1.7%
		إندونيسيا – الفحم		-2.5%
	ج
		إندونيسيا – الزيوت والدهون النباتية	-4.9%
2060		البرازيل – السكر	-4.8%
		كوت ديفوار – الخضروات والفواكه والمكسرات -6.2%
		ماليزيا – المنتجات الكيميائية	-5.4%
	هـ	جمهورية الدومينيكان – الكهرباء		-1.7%
		الولايات المتحدة – التأمين		-1.4%
2040		الصين – المعدات الكهربائية		-1.6%
		الصين – المنتجات الإلكترونية والبصرية		-1.8%
		جمهورية الدومينيكان – المركبات وأجزائها		-1.9%
	ز	جمهورية الدومينيكان – خدمات الأعمال -4.5%
		الولايات المتحدة – التأمين	-4.7%
2060		الصين – المعدات الكهربائية	-4.2%
		الصين – المنتجات الإلكترونية والبصرية	-4.2%	0
		الولايات المتحدة – الخدمات المالية nec	-4.3%
		-10	تغيير تدفق التجارة (%)		0

الشكل 4 | تأثيرات الضغط الحراري على سلاسل الإمداد لإنتاج الغذاء في الهند وسياحة جمهورية الدومينيكان. أ-د، تدفقات التجارة بين قطاع إنتاج الغذاء في الهند والقطاعات العليا (أ، ج) والدنيا (ب، د) في 2040 (أ، ب) و2060 (ج، د). هـ-ح، تدفقات التجارة بين قطاع السياحة في جمهورية الدومينيكان والقطاعات العليا (هـ، ز) والدنيا (و، ح) في 2040 (هـ، و) و2060

. يمثل كل عمود شريكًا تجاريًا رئيسيًا (قطاع بحجم تجارة يتجاوز الربع 50% من أحجام التجارة للقطاع المختار مع جميع الشركاء

القطاعات) ويمثل الطول النسبة المئوية للانخفاض في تدفق المنتجات مقارنة بالفترة الأساسية لعام 2014. تمثل ألوان الأعمدة مستوى التماسك للقطاع المعين مع قطاع إنتاج الغذاء الهندي من الأزرق (ضعيف) إلى الأحمر (قوي)، والذي يتم قياسه من خلال حجم التجارة بين القطاع المعين وقطاع إنتاج الغذاء الهندي. nec، غير مصنف في مكان آخر.
الموجودة في خطوط العرض العالية، مثل النرويج والمملكة المتحدة، تتميز بأنماط خسائر مشابهة.
نحن أيضًا نحلل الآلية التي تنتشر من خلالها الخسائر غير المباشرة الناتجة عن الاضطرابات في تدفقات التجارة الدولية عبر سلاسل الإمداد الوطنية لقطاعات معينة. يوضح الشكل 4 كيف ينتشر خطر المناخ عبر سلسلتين من الإمداد، وهما إنتاج الغذاء في الهند وقطاع السياحة في جمهورية الدومينيكان، على التوالي (انظر الشكل البياني الممتد 8 لسلاسل الإمداد النموذجية الأخرى). كل من هذه القطاعات مهمة للاقتصادات المعنية في الهند (

من الناتج المحلي الإجمالي) وجمهورية الدومينيكان (18% من الناتج المحلي الإجمالي) وكل منها يعتمد بشكل كبير على سلاسل الإمداد الدولية. في حالة قطاع الغذاء في الهند، نرى نمط ‘قيد المنبع’ حيث يؤثر نقص الإمدادات العليا من الوسائط (مثل زيت النخيل من إندونيسيا) على القطاع الأدنى وسلسلة القيمة بأكملها، بينما في حالة السياحة في جمهورية الدومينيكان، نرى نمط ‘قيد المصب’ – تأثير الطلب غير الكافي في المصب يؤثر على القطاع العلوي وسلسلة القيمة بأكملها.
تعتمد سلسلة الإمداد لصناعة إنتاج الغذاء في الهند بشكل كبير على مورديها العلويين، قطاعات الزيوت والدهون في إندونيسيا وماليزيا، ونتيجة لذلك فهي معرضة لدرجات حرارة أعلى. يؤدي الاحترار غير المهدد تحت سيناريو SSP 585 إلى تفاقم نقص المواد الخام. بحلول عام 2060، تنخفض إمدادات زيت النخيل من ماليزيا وإندونيسيا بنسبة

. بالإضافة إلى ذلك، فإن السكر البرازيلي،

الخضروات والفواكه والمكسرات من جنوب شرق آسيا وأفريقيا متاحة أيضًا بشكل أقل، مع انخفاض في الإمدادات بحوالي

. وبالتالي، تعاني الدول السفلية، بما في ذلك الهند وفيتنام وباكستان وشركاء تجاريين مهمين آخرين، من انكماش في الواردات بين

و 5.1% (الشكل البياني الممتد 6). يمكن أن تؤثر هذه التأثيرات سلبًا على أسعار الغذاء والأمن في كل من الدول النامية والمتقدمة.

على عكس صناعة إنتاج الغذاء في الهند، فإن صناعة السياحة في جمهورية الدومينيكان مقيدة أكثر بالطلبات السفلية. تحت سيناريو SSP 585، قد تنخفض الثروة الناتجة عن السياحة في جمهورية الدومينيكان بشكل كبير، حيث من المحتمل أن تقلل أكبر مصدر للزوار الأجانب، الولايات المتحدة، الطلب السنوي على السياحة في جمهورية الدومينيكان بمعدل حوالي 5.5%. من المحتمل أن ينخفض الطلب من ماليزيا وإندونيسيا بنسبة

. من المحتمل أن يؤدي انخفاض إنتاج السياحة، العمود الفقري لاقتصاد جمهورية الدومينيكان، إلى تقليل الطلب على خدمات الأعمال العلوية وصناعات التصنيع بحوالي

، مما يسبب تأثيرًا إضافيًا على الاقتصاد الوطني لجمهورية الدومينيكان. من المحتمل أن يؤدي الانخفاض في قطاع السياحة أيضًا إلى انخفاض

في الطلب على التأمين والخدمات المالية من الولايات المتحدة، بالإضافة إلى انخفاض

في الطلب على المعدات الإلكترونية والمنتجات الكيميائية من الصين (الشكل البياني الممتد 7). علاوة على ذلك، يؤدي قطاع السياحة الأصغر إلى تباطؤ في بناء
البنية التحتية السياحية وتوريد المنتجات الداعمة للسياحة، مما يشكل مخاطر كبيرة على استثمار السياحة.

تداعيات على حوكمة المخاطر المستهدفة والتعاون الإقليمي

من خلال ربط نماذج المناخ والأوبئة والاقتصاد، تحقق هذه الدراسة في التأثير المباشر للضغط الحراري على الأنشطة البشرية والخسائر غير المباشرة عبر سلسلة الإمداد العالمية الأوسع. يركز التركيز على التأثيرات غير المباشرة للضغط الحراري على سد فجوة كبيرة في الأدبيات. فهم التأثيرات غير المباشرة للضغط الحراري أمر بالغ الأهمية لوضع استراتيجيات تكيف فعالة ومستهدفة في سياق شبكات سلاسل الإمداد العالمية المتزايدة التعقيد.
تظهر نتائجنا أن سلاسل الإمداد تضخم خطر الضغط الحراري المستقبلي من خلال التسبب في خسائر اقتصادية غير خطية على مستوى العالم. بعبارة أخرى، لا يمكن تجاهل التأثيرات السلبية الكبيرة غير المباشرة للضغط الحراري عبر الأسواق المترابطة. تسلط الخسائر غير المباشرة للضغط الحراري الضوء على الحاجة إلى تعزيز التعاون بين الدول عبر أصحاب المصلحة المعنيين في سلاسل الإمداد العالمية لتحقيق تكيف ناجح مع الضغط الحراري. على سبيل المثال، تظهر نتائجنا أن تأثير موجة الحرارة على صناعة الزراعة وإنتاج الغذاء في الهند يمكن أن يؤدي إلى

فقدان القيمة المضافة في صناعة تصنيع الغذاء في الولايات المتحدة. إذا كانت الولايات المتحدة ستدعم جهود الهند في التكيف من خلال نقل التكنولوجيا، فإنها ستقلل بشكل غير مباشر من خسائرها الخاصة. يمكن أن توجه هذه الاعتبارات صانعي السياسات الذين يعملون نحو التعاون العالمي من أجل التخفيف من آثار تغير المناخ وجهود التكيف مع الإجهاد الحراري في المستقبل.
نحن أيضًا نوضح حساسية الدول والقطاعات المختلفة تجاه الأنواع الثلاثة من الخسائر الناتجة عن الإجهاد الحراري. على سبيل المثال، من المرجح أن تعاني دول الكاريبي وأفريقيا الوسطى من خسائر صحية، بينما من المرجح أن تعاني الدول ذات الدخل المنخفض في أفريقيا وجنوب شرق آسيا من خسائر في العمل. بالمقابل، فإن الاقتصادات الصغيرة إلى المتوسطة التي تعتمد على التجارة الدولية، مثل بروناي، تكون أكثر تعرضًا للخسائر غير المباشرة. الطريقة التي تظهر بها تكاليف الإجهاد الحراري توضح كيف تنتشر التأثيرات الواسعة والمتنوعة الناتجة عن الإجهاد الحراري عبر سلاسل التوريد العالمية، مما يؤدي إلى خسائر اقتصادية لدولة أو قطاع قد لا تكون واضحة على الفور. توفر نتائجنا الكمية معلومات قيمة لتصميم استراتيجيات تكيف أكثر استهدافًا وفعالية تجاه الإجهاد الحراري.
نموذجنا المطور والتقديرات الخاصة بنا عرضة لعدم اليقين والقيود (وصف مفصل في قسم المعلومات التكميلية 1.1-1.3). على سبيل المثال، على الرغم من أن وحدة بصمة الكارثة تُستخدم على نطاق واسع وتؤدي بشكل جيد في تحليلات الدول الفردية/المناطق الفردية، فإن قابلية استبدال المنتجات في سيناريو متعدد الدول تتطلب مزيدًا من المناقشة لضمان القوة. لت quantifying بعض من عدم اليقين، أجرينا تحليل حساسية شامل، مع تفاصيل متاحة في قسم الطرق والمعلومات التكميلية 1. على وجه التحديد، استخدمنا سنوات وإصدارات مختلفة من قاعدة بيانات المدخلات والمخرجات للمقارنة لتحليل عدم اليقين في هياكل الإنتاج والتجارة (الشكل 4 من البيانات الموسعة).
على المستوى العالمي، فإن تقدير إجمالي مقدار الخسائر غير المباشرة قوي أمام التغيرات في البيانات المستخدمة (GTAP 2011 وGTAP 2014) لفترة الأساس. تختلف نتائج تقييم الخسائر على المستوى العالمي بأقل من

في عام 2060. تتوزع معظم الدول حول

خط، مما يشير إلى تقييم متسق عبر هياكل التجارة المختلفة. إقليمياً، بالنسبة لعدد من الدول، يمكن أن تظهر تقييمات الخسائر غير المباشرة اختلافات أكبر. بالمقارنة، نجد أنه عند استخدام بيانات GTAP 2014 لفترة الأساس، فإن الخسائر الاقتصادية غير المباشرة في دول شرق وجنوب شرق آسيا، مثل سنغافورة وكوريا واليابان، تتضخم (الشكل البياني الممتد 4 والشكل التوضيحي 6). يمكن تفسير ذلك بحقيقة أنه في GTAP 2014، تتمتع تلك الدول بروابط اقتصادية أقرب مع الأسواق الحساسة للمناخ، بما في ذلك ماليزيا والصين والهند وفيتنام. على سبيل المثال، زادت التجارة بين سنغافورة والاقتصادات الناشئة مثل الصين وفيتنام بشكل كبير من 2010 إلى 2014. وفقاً لوزارة سنغافورة
إحصائيات (https://www.singstat.gov.sg/) وقاعدة بيانات إحصاءات تجارة السلع التابعة للأمم المتحدة (https://comtrade.un.orgأصبحت الصين أكبر شريك تجاري لسنغافورة في عام 2014، بعد أن كانت في المرتبة الرابعة في عام 2011، بينما ارتفعت فيتنام إلى المرتبة الثالثة عشرة في عام 2014، بعد أن كانت في المرتبة العشرين في عام 2011. وعلى العكس من ذلك، انخفضت حصة التجارة الإجمالية لسنغافورة مع الاتحاد الأوروبي والولايات المتحدة قليلاً خلال نفس الفترة. وبالمثل، طورت اليابان وكوريا وميانمار علاقات تجارية أقرب مع الأسواق الناشئة مثل الصين والهند وفيتنام.

تقدم تقييم الخسائر غير المباشرة تحت علاقات التجارة المختلفة رؤى مهمة حول المخاطر المحتملة لسلسلة التوريد التي ت posed by climate change. مع تزايد انخراط أفريقيا وأمريكا الجنوبية وجنوب شرق آسيا في سلاسل القيمة العالمية، يجب تقييم مرونة سلاسل القيمة العالمية تجاه آثار تغير المناخ بشكل صحيح، بدلاً من الاكتفاء بالنظر في تأثيرات الحجم والميزة النسبية من حيث الكفاءة الاقتصادية.

بالنسبة للمعلمات مثل نسبة المخزون القصوى وسعة الإنتاج الزائدة، قمنا بإجراء التجربة عدة مرات في نطاق القيم الممكنة من الدراسات السابقة. بالنسبة لاستبدالية التجارة، تم استخدام الحدود العليا والسفلى للاستبدال التام وعدم الاستبدال (نموذج المدخلات والمخرجات الثابت التقليدي). نحن نتناول بمزيد من التفصيل فترات عدم اليقين للمعلمات الثلاثة الرئيسية ونقوم بإجراء تحليل مونت كارلو، بما في ذلك محاكاة ديناميات الخسارة الاقتصادية لمدة 10,000 فترة (الجدول التكميلي 2). كما قمنا أيضًا بإجراء تحقق تاريخي باستخدام عدة مصادر بيانات موثوقة (اختبارات القوة والتحقق في المعلومات التكميلية)، تشمل إحصاءات حكومية ودراسات تجريبية وتقارير مؤسسات.

(الجداول التكميلية 1 و 6 و 7، والشكل التكميلية 1)، بالإضافة إلى تحليل مقارن للدراسات السابقة

بخصوص الفترات المستقبلية استنادًا إلى بيانات CMIP5 وسيناريوهات RCP المماثلة (الشكل 5 من البيانات الموسعة).
على الرغم من الشكوك، فإن استنتاجنا بأن التغير المناخي المتوقع سيستمر في زيادة المخاطر المرتبطة بالحرارة على مستوى العالم في العقود القادمة، وأن سلاسل الإمداد العالمية ستعزز الخسائر الاقتصادية من خلال نشر الخسائر غير المباشرة إلى مناطق أوسع، يبقى قويًا. لذلك، يجب أن تتحول تنظيم سلاسل الإمداد العالمية في المستقبل تدريجياً من التركيز الحصري على الكفاءة إلى التركيز المتساوي على الكفاءة والمرونة. لن تؤدي استراتيجية عالمية منسقة لتقليل الانبعاثات إلى حماية العديد من الناس في الاقتصادات النامية من الخسائر الاقتصادية المباشرة الناتجة عن الإجهاد الحراري فحسب، بل ستساهم أيضًا في الحفاظ على سلاسل إمداد عالمية مرنة وفعالة وتساهم في التنمية السليمة والطويلة الأجل للاقتصاد العالمي.

المحتوى عبر الإنترنت

أي طرق، مراجع إضافية، ملخصات تقارير Nature Portfolio، بيانات المصدر، بيانات موسعة، معلومات إضافية، شكر وتقدير، معلومات مراجعة الأقران؛ تفاصيل مساهمات المؤلفين والمصالح المتنافسة؛ وبيانات توفر البيانات والرموز متاحة علىhttps://doi.org/10.1038/s41586-024-07147-z.

كاليندار، ج. س. الإنتاج الصناعي لثاني أكسيد الكربون وتأثيره على درجة الحرارة. مجلة الجمعية الملكية للأرصاد الجوية 64، 223-240 (1938).
سيني فيراتني، س. آي. وآخرون في تغير المناخ 2021: الأساس العلمي الفيزيائي (تحرير ماسون-ديلموت، ف. وآخرون) 1513-1766 (مطبعة جامعة كامبريدج، 2021).
كالاهان، سي. دبليو. ومانكين، جي. إس. التأثير غير المتساوي عالميًا للحرارة الشديدة على النمو الاقتصادي. ساينس أدفانس. 8، eadd3726 (2022).
لينتون، ت. م. وآخرون. قياس التكلفة البشرية للاحتباس الحراري. نات. سستين. 6، 1237-1247 (2023).
كاي، و. وآخرون. تقرير الصين لعام 2020 من عداد لانست حول الصحة وتغير المناخ. لانست للصحة العامة 6، e64-e81 (2021).
غاسباريني، أ. وآخرون. خطر الوفاة الناتج عن درجات الحرارة العالية والمنخفضة: دراسة رصدية متعددة البلدان. لانسيت 386، 369-375 (2015).
فلوريس، أ. د. وآخرون. صحة العمال وإنتاجيتهم تحت ضغط الحرارة المهنية: مراجعة منهجية وتحليل تلوي. لانسيت كوكب. الصحة 2، e521-e531 (2018).
ريفش، ب. وشابوشنيكوف، د. الوفيات الزائدة خلال موجات الحر والبرد في موسكو، روسيا. الطب المهني والبيئي 65، 691-696 (2008).
كييلستروم، ت. وكرو، ج. تغير المناخ، التعرض لحرارة مكان العمل والصحة المهنية والإنتاجية في أمريكا الوسطى. المجلة الدولية للصحة المهنية والبيئة 17، 270-281 (2011).

مقالة

كووان، ت. وآخرون. موجات حرارية أكثر تكرارًا، وأطول، وأكثر حرارة لأستراليا في القرن الحادي والعشرين. مجلة المناخ 27، 5851-5871 (2014).
أحمدليبور، أ. ومورادخاني، ح. زيادة خطر الوفاة بسبب الإجهاد الحراري نتيجة للاحتباس الحراري في الشرق الأوسط وشمال أفريقيا (MENA). البيئة الدولية 117، 215-225 (2018).
كريستيديس، ن.، جونز، ج. س. وستوت، ب. أ. زيادة كبيرة في فرصة حدوث صيف شديد الحرارة منذ موجة الحر الأوروبية عام 2003. نات. مناخ. تغيير 5، 46-50 (2015).
دون، ج. ب.، ستوفر، ر. ج. وجون، ج. ج. تخفيضات في القدرة على العمل بسبب الإجهاد الحراري تحت ارتفاع درجات الحرارة المناخية. نات. مناخ. تغيير 3، 563-566 (2013).
كييلستروم، ت.، فريبرغ، ج.، ليمكي، ب.، أوتو، م. & بريغز، د. تقدير تعرض السكان للحرارة وتأثيراته على العمال بالتزامن مع تغير المناخ. المجلة الدولية لعلم الأرصاد الحيوية 62، 291-306 (2018).
لي، س.-و.، لي، ك. وليم، ب. آثار الإجهاد الحراري المرتبط بتغير المناخ على إنتاجية العمل في كوريا الجنوبية. المجلة الدولية لعلم المناخ الحيوي 62، 2119-2129 (2018).
ننفام، ف. ف.، أدويسي-أسانتي، ك.، فريمبونغ، ك.، فان إيتن، إ. ج. وأوستهايزن، ج. الحواجز أمام التكيف مع مخاطر الإجهاد الحراري المهني لعمال المناجم في غانا. المجلة الدولية لعلم المناخ الحيوي 64، 1085-1101 (2020).
بورغ، م. أ. وآخرون. الإجهاد الحراري المهني والعبء الاقتصادي: مراجعة للأدلة العالمية. البحث البيئي. 195، 110781 (2021).
كييلستروم، ت.، كوفاتس، ر. س.، لويد، س. ج.، هولت، ت. وتول، ج. س. ر. الأثر المباشر لتغير المناخ على إنتاجية العمل الإقليمية. أرشيف الصحة البيئية والمهنية 64، 217-227 (2009).
هاسيغاوا، ت. وآخرون. تقييم تأثير وتكيف تغير المناخ على استهلاك الغذاء باستخدام إطار سيناريو جديد. علوم البيئة والتكنولوجيا 48، 438-445 (2014).
وينز، ل. وليفرمان، أ. تعزيز الاتصال الاقتصادي لتخفيف الخسائر المرتبطة بالإجهاد الحراري. ساينس أدفانس 2، e1501026-e1501026 (2016).
شيا، ي. وآخرون. تقييم الآثار الاقتصادية لموجات الحرارة: دراسة حالة نانجينغ، الصين. مجلة الإنتاج النظيف 171، 811-819 (2018).
تشاو، م.، لي، ج. ك. و.، كيلستروم، ت. & كاي، و. تقييم الأثر الاقتصادي لفقدان إنتاجية العمل المرتبطة بالحرارة: مراجعة منهجية. تغير المناخ 167، 22 (2021).
شيا، و. وآخرون. انخفاضات في إمدادات البيرة العالمية بسبب الجفاف الشديد والحرارة. نات. بلانتس 4، 964-973 (2018).
ليما، سي. زد. وآخرون. الإجهاد الحراري على العمال الزراعيين يزيد من تأثيرات تغير المناخ على المحاصيل. رسائل البحث البيئي 16، 044020 (2021).
هيرتل، ت. و روش، س. د. تغير المناخ والزراعة والفقر. وجهات نظر السياسة الاقتصادية التطبيقية 32، 355-385 (2010).
شيا، و.، كوي، ق. وعلي، ت. دور وكلاء السوق في التخفيف من آثار تغير المناخ على اقتصاد الغذاء. المخاطر الطبيعية 99، 1215-1231 (2019).
بيرس، ر. ج. الاستقلال الطاقي والاحترار العالمي. الموارد الطبيعية والبيئة 21، 68-71 (2007).
بلايشفيتس، ر. الموارد المعدنية في عصر التكيف مع المناخ والمرونة. مجلة البيئة الصناعية 24، 291-299 (2020).
وانغ، د. وآخرون. الأثر الاقتصادي لحرائق الغابات في كاليفورنيا في عام 2018. الطبيعة. الاستدامة. 4، 252-260 (2021).
شيا، ي. وآخرون. تقييم الآثار الاقتصادية لإيقاف خدمات تكنولوجيا المعلومات خلال فيضان يورك عام 2015 في المملكة المتحدة. محاضر الجمعية الملكية أ 475، 20180871 (2019).
غارسيا-ليون، د. وآخرون. التأثيرات الاقتصادية الإقليمية الحالية والمتوقعة لموجات الحر في أوروبا. نات. كوم. 12، 5807 (2021).
كنيتل، ن.، جوري، م. و.، بدنار-فريدل، ب.، باخنر، ج. وستاينر، أ. ك. تحليل عالمي لفقدان إنتاجية العمل المرتبطة بالحرارة تحت تغير المناخ – الآثار على التجارة الخارجية لألمانيا. تغير المناخ 160، 251-269 (2020).
تاكاجورا، ج. وآخرون. الدور المحدود لتغيير وقت العمل في تعويض الزيادة في تكاليف الصحة المهنية الناتجة عن التعرض للحرارة. مستقبل الأرض 6، 1588-1602 (2018).
إيرينغ، ف. وآخرون. نظرة عامة على تصميم التجارب وتنظيم مشروع المقارنة بين النماذج المتصلة المرحلة 6 (CMIP6). تطوير نماذج علوم الأرض 9، 1937-1958 (2016).
فاسولو، ج. ت. تقييم أنماط المناخ المحاكية من أرشيفات CMIP باستخدام بيانات الأقمار الصناعية وإعادة التحليل باستخدام أداة تقييم نماذج المناخ (CMATv1). تطوير نماذج علوم الأرض 13، 3627-3642 (2020).
Guo، Y. وآخرون. موجة حر والموت: دراسة متعددة البلدان والمجتمعات. وجهات نظر الصحة البيئية 125، 087006 (2017).
رياحي، ك. وآخرون. المسارات الاجتماعية والاقتصادية المشتركة وآثارها على الطاقة واستخدام الأراضي وانبعاثات غازات الدفيئة: نظرة عامة. التغيير البيئي العالمي 42، 153-168 (2017).
فريكو، أ. وآخرون. قياس المؤشرات لمسار التنمية الاجتماعية والاقتصادية المشترك 2: سيناريو وسط الطريق للقرن الحادي والعشرين. التغيير البيئي العالمي 42، 251-267 (2017).
أورلوف، أ.، سيلمان، ج.، أونان، ك.، كيلستروم، ت. وآهيم، أ. التكاليف الاقتصادية لانخفاض إنتاجية العمال بسبب الحرارة الناتجة عن الاحتباس الحراري. التغيير البيئي العالمي 63، 102087 (2020).
تاكاجورا، ج. وآخرون. تكلفة الوقاية من الأمراض المرتبطة بالحرارة في مكان العمل من خلال فترات استراحة العمال وفائدة التخفيف من آثار تغير المناخ. رسائل البحث البيئي 12، 064010 (2017).
واتس، ن. وآخرون. تقرير 2019 من لانسيت كاونتداون حول الصحة وتغير المناخ: ضمان أن صحة الطفل المولود اليوم لا تتحدد بتغير المناخ. لانسيت 394، 1836-1878 (2019).
مؤشرات التنمية العالمية،https://databank.worldbank.org/source/world-developmentindicators (البنك الدولي، 2022).
شيانغ، س. م. درجات الحرارة والأعاصير مرتبطة ارتباطًا قويًا بالإنتاج الاقتصادي في منطقة الكاريبي وأمريكا الوسطى. وقائع الأكاديمية الوطنية للعلوم في الولايات المتحدة الأمريكية 107، 15367-15372 (2010).
كولاستيو، ر.، هوفمان، ب. وفان، ت. درجة الحرارة والنمو: تحليل بانل للولايات المتحدة. مجلة المال والائتمان والبنك. 51، 313-368 (2019).
EM-DAT،www.emdat.be/ (CRED، تم الوصول إليه في 1 فبراير 2023).
السكان الموزعين على الشبكة في العالم، الإصدار 4 (GPWv4): عدد السكان، المراجعة 11،https://doi.org/10.7927/H4JW8BX5 (CIESIN، 2018).
التكلفة البشرية للكوارث: نظرة عامة على آخر 20 عامًا (2000-2019)، www.undrr.org/publication/human-cost-disasters-overview-last-20-years-2000-2019 (UNDRR، 2020).
دلينك، ر.، لانزي، إ. وشاتو، ج. العواقب الاقتصادية القطاعية والإقليمية لتغير المناخ حتى عام 2060. البحث البيئي والاقتصاد 72، 309-363 (2019).

ملاحظة الناشر: تظل شركة سبرينغر ناتشر محايدة فيما يتعلق بالمطالبات القضائية في الخرائط المنشورة والانتماءات المؤسسية.

الوصول المفتوح هذه المقالة مرخصة بموجب رخصة المشاع الإبداعي النسب 4.0 الدولية، التي تسمح بالاستخدام والمشاركة والتكيف والتوزيع وإعادة الإنتاج بأي وسيلة أو صيغة، طالما أنك تعطي الائتمان المناسب للمؤلفين الأصليين والمصدر، وتوفر رابطًا لرخصة المشاع الإبداعي، وتوضح إذا ما تم إجراء تغييرات. الصور أو المواد الأخرى من طرف ثالث في هذه المقالة مشمولة في رخصة المشاع الإبداعي الخاصة بالمقالة، ما لم يُشار إلى خلاف ذلك في سطر الائتمان للمواد. إذا لم تكن المادة مشمولة في رخصة المشاع الإبداعي الخاصة بالمقالة وكان استخدامك المقصود غير مسموح به بموجب اللوائح القانونية أو يتجاوز الاستخدام المسموح به، فستحتاج إلى الحصول على إذن مباشرة من صاحب حقوق الطبع والنشر. لعرض نسخة من هذه الرخصة، قم بزيارةhttp://creativecommons.org/licenses/by/4.0/.
(ج) المؤلف(ون) 2024

طرق

تجمع منهجيتنا، في جوهرها، بين ثلاثة وحدات: المناخ والصحة والاقتصاد مع التحقق الكامل (الشكل البياني الموسع 1). يربط النموذج المتكامل وحدة المناخ (التي تقدر معايير المناخ المستقبلية بما في ذلك درجة حرارة الهواء السطحي والرطوبة النسبية وما إلى ذلك)، ووحدة السكان والصحة (التي تحاكي ديناميات السكان العالمية المستقبلية ووظائف الاستجابة للتعرض للاحترار) ووحدة الاقتصاد (الأثر الديناميكي لفقدان العمل الناتج عن الحرارة على الاقتصاد العالمي وسلسلة التوريد).

وحدة المناخ

أربعة عشر نموذجًا من نماذج المناخ العامة (GCMs) المشاركة في إطار CMIP6 (الجدول البياني الممتد 1) مع عشرة نماذج مصححة للانحياز من ISIMIP3b

تُستخدم لتقدير توقعات الإجهاد الحراري المُصممة لنهاية القرن الحادي والعشرين. تم حساب متوسط خمس نماذج بشكل عشوائي عدة مرات من مجموعة نماذج المناخ كتحليل عدم يقين مونت كارلو. بيانات إعادة التحليل ERA5

تم استخدام البيانات من 1985 إلى 2022 لتصحيح التحيز والتحقق. يتم دمج المعلمات المناخية مثل الحد الأقصى والمتوسط لدرجات الحرارة والرطوبة النسبية على مقياس يومي، والتي ترتبط ارتباطًا وثيقًا ببيئة العمل المستقبلية (الشكل التكميلي 9).

تستخدم العديد من المعاهد، بما في ذلك المنظمة الدولية للتوحيد القياسي (ISO) والمعهد الوطني الأمريكي للسلامة والصحة المهنية (NIOSH)، مؤشر WBGT لقياس كميات مختلفة من إجهاد الحرارة وتحديد النسبة المئوية من ساعة العمل النموذجية التي يمكن للشخص العمل خلالها مع الحفاظ على درجة حرارة الجسم الأساسية. لتسهيل الحساب على المدى الطويل، نستخدم

WBGT المبسط، الذي يقترب من WBGT بشكل جيد باستخدام درجة الحرارة (

) ورطوبة نسبية ( RH

مثل المعلمات مثل الإشعاع الشمسي وسرعة الرياح التي لها عدم يقين أعلى وتأثيرات أضعف على المستوى العالمي. لأخذ في الاعتبار التعرض للحرارة الداخلية لعمال القطاع الصناعي والخدمات، استخدمنا التقريب الذي يفيد بأن WGBT الداخلي

WBGT

، استنادًا إلى استنتاج عامل التعرض للإشعاع من المعادلة أدناه

كما قمنا بحساب الاتجاهات التطورية المكانية والزمنية في حدوث موجات الحرارة المستقبلية لحساب الوفيات الزائدة. لا يوجد تعريف متسق لموجة الحرارة على مستوى العالم لأن الناس قد تكيفوا مع مناطقهم المناخية المحلية وقد طبقت دراسات مختلفة مقاييس حرارة متنوعة

. عادة ما يتم تعريف موجات الحرارة من خلال عتبة درجة حرارة مطلقة أو نسبية في أيام متتالية

. هناك طرق متنوعة لتعريف موجة الحرارة. على سبيل المثال، يعرف IPCC موجة الحرارة بأنها “فترة من الطقس الحار بشكل غير طبيعي، وغالبًا ما يتم تعريفها بالإشارة إلى عتبة درجة حرارة نسبية، تستمر من يومين إلى عدة أشهر”، بينما عرفت الإدارة الصينية للأرصاد الجوية موجة الحرارة بأنها “ثلاثة أيام متتالية على الأقل مع درجة حرارة قصوى تتجاوز

“، بينما

حدد آخرون موجة الحرارة باستخدام معيار TX90p، أي عندما تم تجاوز النسبة المئوية التسعين من توزيع درجات الحرارة القصوى الإقليمية التي تغطيها بيانات الفترة من 1981-2010 لمدة ثلاثة أيام متتالية على الأقل. في دراستنا، تم تعريف يومين أو أكثر من الأيام المتتالية التي تتجاوز عتبة 95% من متوسط درجة حرارة ERA5 اليومية من 1985 إلى 2015

كموجة حرارة، والتي تعتبر تقديرًا معتدلًا وتستخدم على نطاق واسع في الدراسات الوبائية

. يتم استخدام عدة تعريفات، مثل أربعة أيام متتالية أو أكثر فوق

العتبة، كتحليل حساسية. بالنظر إلى كميات معينة من التكيف المناخي للسكان المحليين على طول المناخ الدافئ، يتم تعريف عتبات موجات الحرارة الديناميكية

كجزء من تحليل عدم اليقين في هذه الدراسة؛ أي يومين أو أكثر من الأيام المتتالية فوق

عتبة متوسط درجة الحرارة اليومية بين 1985 والسنة التي تسبق السنة المستهدفة تم تعريفها كموجة حرارة (تستخدم بيانات ERA5 للفترة من 1985-2014؛ بيانات التوقعات المناخية
تستخدم بعد عام 2015). يساعد استخدام عتبة ديناميكية تستند إلى كل من البيانات التاريخية وبيانات التوقعات المناخية في دمج تكيف الإنسان مع ضغط الحرارة في سيناريو الاحترار على المدى الطويل، كما تم الإبلاغ عنه في دراسات حديثة

أظهرت بعض الدراسات أن التأثير الصحي لموجات الحرارة يمكن أن يختلف بشكل كبير حسب الموقع

. القليل من الدراسات قد بحثت في مخاطر الوفيات الناتجة عن موجات الحرارة على مستوى عالمي

. تم إنشاء دالة مخاطر صحية بدائية تربط مخاطر وفيات موجات الحرارة بأربعة مناطق مناخية مختلفة من قبل المرجع 36 على أساس دراسة شاملة باستخدام بيانات من 400 مجتمع في 18 دولة/منطقة على مدى عدة سنوات (1972-2012). هنا، استخدمنا معاملات المخاطر النسبية (البيانات الموسعة الجدول 2) من الشكل 4 من المرجع 36 لأربعة مناطق مناخية مختلفة (البيانات الموسعة الشكل 3) لتقدير الوفيات المحتملة المرتبطة بموجات الحرارة بسبب تغير المناخ على مستوى عالمي. قد يتجاهل التقدير المبسط القائم على أربعة مناطق مناخية الخصائص الفرعية ويجب تفسيره بحذر، حيث أن عوامل أخرى تؤثر على الوفيات الناتجة عن الحرارة (مثل إمكانية الوصول إلى تكييف الهواء

، العمر

والرطوبة

) غير مدرجة في هذه الدراسة.

تم حساب عدد الوفيات الزائدة

خلال فترة موجة الحرارة على مستوى كل خلية شبكية (

) باستخدام المعادلة التالية:

POP هو عدد السكان في الموقع المعطى بما يتماشى مع SSPs

. MR هو معدل الوفيات اليومي المتوسط (2009-2019) على مستوى الدولة المستمدة من البنك الدولي

. بالنسبة لـ 37 دولة ذات أراضٍ كبيرة وبيانات أكثر دقة (على سبيل المثال، الاتحاد الأوروبي (بما في ذلك المملكة المتحدة)، روسيا، أوكرانيا، الصين، الولايات المتحدة، كندا، البرازيل، جنوب أفريقيا، الهند وأستراليا)، استخدمنا إحصاءات الدولة/المقاطعة بناءً على بيانات من المكاتب الإحصائية الوطنية (المصدر، البنك الدولي؛ بيانات مستوى الدولة/المقاطعة للاتحاد الأوروبي، يوروستات

؛ روسيا، قاعدة بيانات الخصوبة والوفيات الروسية

؛ الصين، الكتاب الإحصائي الصيني

؛ الولايات المتحدة، المعاهد الوطنية للصحة

؛ البرازيل، مؤسسة الأمازون لدعم الدراسات والأبحاث

؛ كندا، إحصاءات كندا

؛ أستراليا، مكتب الإحصاءات الأسترالي

؛ الهند، وزارة المالية، التقرير الاقتصادي

). RR هو المخاطر النسبية للوفيات الناتجة عن موجات الحرارة. HWN هو عدد أيام موجة الحرارة للسنة والموقع المعين (البيانات الموسعة الشكل 2).

تُترجم الوفيات الزائدة المحسوبة إلى خسارة اجتماعية واقتصادية على أساس قيمة الحياة الإحصائية (VSL). يُستخدم مفهوم VSL على نطاق واسع في جميع أنحاء العالم لتقدير مخاطر الوفاة في تحليلات التكلفة والفائدة. تمثل VSL قيمة المقايضة بين مخاطر الوفاة المحلية للفرد، وهي قيمة التغيرات الصغيرة في المخاطر، وليس القيمة المرتبطة بالأرواح المحددة. تم اعتماد تقدير VSL القائم على الدولة المستخدم في هذا البحث من دراسة تسعير المخاطر الصحية العالمية من قبل المرجع 84. يعتمد التقدير على VSL المقدرة في الولايات المتحدة (مليون دولار أمريكي)

ومرتبطة بمرونة دخل تبلغ 1.0 لضبط VSL لدول أخرى باستخدام مواصفات التأثيرات الثابتة. تم اعتماد طريقة تقييم صحية مماثلة في دراسات سابقة

وتم التوصية بها في تقرير البنك الدولي

. علاوة على ذلك، يتم إجراء اختبار حساسية على افتراض أن جميع الأرواح ستُقدَّر بالتساوي في جميع أنحاء العالم (الرسوم التوضيحية التكميلية 2 و3). لمثل هذا الاختبار، يتم حساب VSL متوسط من خلال جمع VSL القائم على الدخل لكل دولة مضروبًا في عدد سكانها ثم تقسيمه على إجمالي عدد سكان العالم.

وظيفة التعرض لإنتاجية العمل

يؤثر ارتفاع درجات الحرارة اليومية على كفاءة العمال ويقلل من وقت العمل الآمن. كان هناك تنازل في قدرة التحمل بسبب ضغط التنظيم الحراري واضحًا بالفعل عند

. استخدمت دراسات مختلفة طرقًا مشابهة لتقييم وظيفة فقدان العمل. أصبح شكل الدالة اللوجستية على شكل ‘

‘ هو الإجماع في المجتمع الأكاديمي ولكن المعادلة الوظيفية المحددة و
المعلمات متنوعة في دراسات مختلفة. تشمل وظائف الفقد المستخدمة في الأبحاث السائدة الدالة الأسية

كما في المعادلة (4)، ودالة التوزيع الطبيعي التراكمي

كما في المعادلة (5) وهكذا. في هذا البحث، نعتمد دالة التوزيع الطبيعي التراكمي (المعادلة (5)) كوظيفتنا المرجعية لأنها تم تطبيقها على نطاق واسع وثبتت في تقارير لمدة 3 سنوات من Lancet Countdown حول الصحة وتغير المناخ

. نظرًا لأن دالة Hothaps (المعادلة (4)) تخضع لعدم اليقين في المعلمات نتيجة اعتمادها على عدد قليل من الدراسات التجريبية، نستخدمها لاختبار حساسية تقديراتنا (الرسوم التوضيحية التكميلية 4 و5). تحدد منهجيتنا ثلاثة مقادير معيارية لشدة العمل وفقًا لمعايير ISO: 200 واط (يفترض أن يكونوا عمال مكاتب في صناعة الخدمات، مشغولين بأعمال خفيفة في الداخل)، 300 واط (يفترض أن يكونوا عمال صناعيين، مشغولين بأعمال معتدلة في الداخل) و400 واط (يفترض أن يكونوا عمال بناء أو زراعيين، مشغولين بأعمال ثقيلة في الخارج). على سبيل المثال، لحساب نسبة فقدان القدرة على العمل في قطاع إنتاج الغذاء في الهند (300 واط، داخلي)، نستخدم المعلمات المقابلة (البيانات الموسعة الجدول 3) وWBGT

في المعادلة (5). لقد تجاهلت الدراسات السابقة فقدان القوة العاملة الداخلية، بافتراض أن القوة العاملة الداخلية كانت منخفضة جدًا في ظل الظروف المناخية الحالية أو محمية بواسطة تكييف الهواء

. ومع ذلك، أثبت عدد متزايد من الدراسات أن خسائر العمل الداخلية المستقبلية لا يمكن الاستهانة بها

. على سبيل المثال، فقط

من الأسر في الهند تمتلك مكيف هواء، على الرغم من احتياجها الشديد للتبريد. بالنظر إلى العجز الشديد في التكيف مع التبريد في الاقتصادات الناشئة

, يجب أخذ خسائر العمل الداخلية بعين الاعتبار بالكامل في الدراسات على نطاق عالمي. تستخدم هذه الدراسة دالة المناخ والدخل واستخدام مكيف الهواء المنشورة في المرجع 93 لتقييم معدل حماية مكيف الهواء بالتزامن مع نصيب الفرد من الدخل في كل بلد تحت كل سيناريو SSP. يؤدي ارتفاع نصيب الفرد من الدخل في كل بلد إلى زيادة انتشار مكيفات الهواء، بينما يحدد الأساس المناخي معدل واتجاه زيادة انتشار مكيفات الهواء (مرونة الانتشار بالنسبة للدخل). في دراستنا، قمنا بتحسين الدالة عن طريق استبدال أيام درجة الحرارة المبردة (CDDs) بمؤشر WBGT الداخلي، حيث تأخذ CDDs في الاعتبار درجة الحرارة فقط متجاهلة الرطوبة. فقط القوى العاملة الداخلية تحت مكيف الهواء ستكون محمية من خسائر الحرارة.

منها المعلمات لمستوى نشاط معين (Prod

وProd

، المحددة على أنها كمية الحرارة الداخلية الناتجة عن أداء النشاط) موضحة في جدول البيانات الموسع 3، وERF هي دالة الخطأ المحددة على أنها:

لحساب التأثيرات اليومية المتوسطة، نستخدم تقريبًا للبيانات الساعية بناءً على

الطريقة المنفذة في المرجع 14. نفترض أن 4 ساعات في اليوم قريبة من

و4 ساعات في اليوم قريبة من WBGT

(الصباح الباكر والمساء الباكر). يُفترض أن الساعات الأربع المتبقية من يوم ضوء النهار الذي يمتد لـ 12 ساعة تقع في منتصف الطريق بين WBGT

وWBGT

(المعلمة WBGT

). التحليل أعلاه يعطي فقدان القدرة على العمل اليومي المحتمل في الصيف في كل خلية شبكة عند كل مقدار من شدة العمل والبيئة (

، داخلية أو خارجية). من خلال دمج ذلك مع شبكة السكان الديناميكية تحت كل سيناريو SSP (انظر الشكل التكميلي 13 للمقارنة مع إعداد السكان الثابت)، نجمع للحصول على خسائر إنتاجية العمل على مستوى الدولة. في نموذج بصمة الكارثة، نتبنى النهج المقدم في المرجع 5
الذي يحدد الإطار الزمني لحساب خسائر إنتاجية العمل كالموسم الدافئ (يونيو إلى 30 سبتمبر في نصف الكرة الشمالي وديسمبر إلى 30 مارس في نصف الكرة الجنوبي) لتعديل التقدير المفرط لمخاطر درجات الحرارة الحارة المعتدلة، حيث أن النموذج أكثر قابلية للتطبيق على الصدمات المفاجئة والقوية بدلاً من التغيرات المعتدلة على مدار العام.

وحدة تحليل بصمة الكارثة العالمية

سيتم حساب الخسارة الاقتصادية العالمية باستخدام وحدة التجارة العالمية الهجينة المدخلة-المخرجة والتوازن العام القابل للحساب (CGE). وحدتنا التجارية العالمية هي امتداد لنموذج المدخلات والمخرجات الإقليمية التكيفية (ARIO)

، الذي تم استخدامه على نطاق واسع في الأدبيات لمحاكاة انتشار الصدمات السلبية في جميع أنحاء الاقتصاد

. يحسن نموذجنا نموذج ARIO بطريقتين. التحسين الأول يتعلق بالقدرة على استبدال المنتجات من نفس القطاع المصدرة من مناطق مختلفة. ثانيًا، في نموذجنا، سيختار العملاء مورديهم عبر المناطق بناءً على قدرتهم. تساهم هاتان التحسينات في تمثيل أكثر واقعية للاختناقات على طول سلاسل الإمداد العالمية

تتضمن وحدتنا التجارية العالمية بشكل رئيسي أربع وحدات: وحدة الإنتاج، وحدة التخصيص، وحدة الطلب ووحدة المحاكاة. تم تصميم وحدة الإنتاج بشكل أساسي لوصف أنشطة الإنتاج للشركة. تُستخدم وحدة التخصيص بشكل أساسي لوصف كيفية تخصيص الشركات للإنتاج لعملائها، بما في ذلك الشركات اللاحقة (الطلب الوسيط) والأسر (الطلب النهائي). تُستخدم وحدة الطلب بشكل أساسي لوصف كيفية تقديم العملاء للطلبات لمورديهم. وتم تصميم وحدة المحاكاة بشكل أساسي لتنفيذ كامل إجراء المحاكاة.

وحدة الإنتاج

تُستخدم وحدة الإنتاج لوصف عمليات الإنتاج. تستأجر الشركات رأس المال وتستخدم العمالة لمعالجة الموارد الطبيعية والمدخلات الوسيطة التي تنتجها شركات أخرى إلى منتج معين. يمكن التعبير عن عملية الإنتاج للشركة

كما يلي،

حيث

تشير إلى إنتاج الشركة

، بالقيمة النقدية؛

تشير إلى نوع المنتجات الوسيطة؛

تشير إلى المنتجات الوسيطة المستخدمة في عمليات الإنتاج؛

تشير إلى المدخلات الأساسية للإنتاج، مثل العمالة (

)، ورأس المال (

) والموارد الطبيعية (NR). دالة الإنتاج للشركات هي

. هناك مجموعة واسعة من الأشكال الوظيفية، مثل ليونتيف

، كوب-دوغلاس ودالة الإنتاج ذات المرونة الثابتة للاستبدال

. تعكس الأشكال الوظيفية المختلفة إمكانية استبدال الشركات لمدخل ما بآخر. نظرًا لأن الضغط الحراري يميل إلى التركيز في فترة زمنية قصيرة معينة، حيث لا يمكن لوكلاء الاقتصاد استبدال المدخلات بسهولة كبدائل مناسبة، قد تكون غير متاحة مؤقتًا، نستخدم دالة الإنتاج ليونتيف التي لا تسمح بالاستبدال بين المدخلات.

حيث

هما معاملات المدخلات المحسوبة على أنها

حيث تشير الشريط الأفقي إلى قيمة تلك المتغير في حالة التوازن. في حالة التوازن، يستخدم المنتجون المنتجات الوسيطة
والمدخلات الأساسية لإنتاج السلع والخدمات لتلبية الطلب من عملائهم. بعد الكارثة، سينخفض الإنتاج. من منظور الإنتاج، هناك بشكل رئيسي القيود التالية.

قيود عرض العمل. قد تفرض قيود العمل خلال الضغط الحراري أو بعد الكارثة آثارًا سلبية شديدة على بقية الاقتصاد

. وهذا يجعل قيود العمل عاملاً رئيسيًا يجب مراعاته في تحليل تأثير الكارثة. على سبيل المثال، في حالة الضغط الحراري، يمكن أن تنشأ هذه القيود من عدم قدرة الموظفين على العمل نتيجة للمرض أو درجات الحرارة البيئية القصوى التي تتجاوز عتبة الصحة. في هذا النموذج، يتم تعريف نسبة القدرة الإنتاجية الباقية من القدرة الإنتاجية العمالية المقيدة (

) بعد الصدمة على أنها:

حيث

هي نسبة العمل غير المتاحة في كل خطوة زمنية

خلال الضغط الحراري؛

تحتوي على النسبة المتاحة من العمالة في الوقت

لذا فإن نسبة القدرة الإنتاجية المتاحة للعمل هي دالة للخسائر من القوى العاملة القطاعية ومستوى العمالة قبل الكارثة. وفقًا لافتراض النسبة الثابتة لدوال الإنتاج، ستعبر القدرة الإنتاجية للعمل في كل منطقة بعد الكارثة (

) عن نسبة خطية من القدرة العمالية المتاحة في كل خطوة زمنية. خذ موجات الحرارة كمثال؛ خلال موجات الحرارة الشديدة التي تستمر لعدة أيام، غالبًا ما تغلق الحكومات والشركات العمل لتقليل خطر الأمراض الخطيرة مثل الحمى. وهذا يفرض صدمة سلبية خارجية على الشبكة الاقتصادية.

قيود على رأس المال الإنتاجي. مشابهة لقيود العمل، ستقيد القدرة الإنتاجية لرأس المال الصناعي في كل منطقة خلال فترة ما بعد الكارثة (

) بالقدرة الباقية لرأس المال الصناعي

. يتم اعتبار حصة الأضرار لكل قطاع مباشرة كنسبة من الأضرار الم monetized للأصول الرأسمالية بالنسبة للقيمة الإجمالية لرأس المال الصناعي لكل قطاع، والتي يتم الكشف عنها في متجه حساب الحدث لكل منطقة (

)، وفقًا للمرجع 107. يتم تجسيد هذا الافتراض في جوهر نموذج المدخلات والمخرجات، الذي يتم ترميزه بشكل صارم من خلال دالة الإنتاج من نوع ليونتيف وبدائلها المقيدة. نظرًا لأن رأس المال والعمالة يعتبران مكملين تمامًا وكذلك العوامل الرئيسية للإنتاج، ويُفترض أيضًا التوظيف الكامل لتلك العوامل في الاقتصاد، نفترض أن الأضرار في الأصول الرأسمالية مرتبطة مباشرة بمستوى الإنتاج، وبالتالي، بمستوى VA. ثم، يتم تعريف القدرة الإنتاجية المتبقية لرأس المال الصناعي في كل خطوة زمنية على أنها:

حيث،

هو مخزون رأس المال للشركة

في الوضع قبل الكارثة و

هو مخزون رأس المال الباقي للشركة

في الوقت

خلال عملية التعافي

قيود العرض. ستشتري الشركات المنتجات الوسيطة من مورديها في كل فترة. سيؤدي نقص المخزون من المنتجات الوسيطة للشركة إلى خلق اختناق في أنشطة الإنتاج. مستوى الإنتاج المحتمل الذي يمكن أن يدعمه مخزون

من المنتجات الوسيطة هو

حيث

تشير إلى كمية

من المنتجات الوسيطة التي تحتفظ بها الشركة

في نهاية خطوة الزمن

مع الأخذ في الاعتبار جميع القيود المذكورة أعلاه، فإن الحد الأقصى للقدرة العرضية للشركة

يمكن التعبير عنها كـ

الإنتاج الفعلي للشركة

يعتمد على كل من سعة العرض القصوى والطلبات الإجمالية التي تلقتها الشركة من عملائها،

(انظر القسم الخاص بـ ‘وحدة الطلب’)

المخزون المحتفظ به من قبل الشركة

سيتم استهلاكه خلال عملية الإنتاج،

وحدة التخصيص

تصف وحدة التخصيص بشكل أساسي كيف يخصص الموردون المنتجات لعملائهم. عندما تعاني بعض الشركات في النظام الاقتصادي من صدمة سلبية، فإن إنتاجها سيتقيد بنقص في المدخلات الأساسية مثل نقص في عرض العمالة خلال فترات الحرارة الشديدة. في هذه الحالة، لن تتمكن مخرجات الشركة من تلبية جميع طلبات عملائها. هناك حاجة إلى نظام توزيع يعكس آلية يتم على أساسها تخصيص الشركة كمية غير كافية من المنتجات لعملائها.

في هذه الدراسة، طبقنا نظام توزيع نسبي وفقًا له تقوم الشركة بتخصيص مخرجاتها بالنسبة لطلبات عملائها. بموجب نظام التوزيع النسبي، فإن كميات المنتجات من الشركة

المخصصة للشركة

والأسرة

هي كما يلي،

حيث

تشير إلى الطلب الصادر عن الشركة

لموردها

في خطوة زمنية

تشير إلى الطلب الصادر عن الأسرة

لموردها

. تلقت الشركة

مدخلات لاستعادة مخزونها،

لذلك، فإن كمية المدخلات

المحتفظ بها من قبل الشركة

في نهاية الفترة

هي

وحدة الطلب

تمثل وحدة الطلب وصفًا لكيفية إصدار الشركات والأسر للطلبات لمورديها في نهاية كل فترة. تطلب الشركة من موردها بسبب الحاجة إلى استعادة مخزونها من المنتجات الوسيطة. نفترض أن كل شركة لديها مستوى مستهدف محدد من المخزون بناءً على سعتها القصوى في كل خطوة زمنية،

ثم الطلب الصادر عن الشركة

لموردها

هو

تصدر الأسر طلبات لمورديها بناءً على طلبها وسعة العرض لمورديها. في هذه الدراسة، يتم إعطاء طلب الأسرة

للمنتجات النهائية

خارجياً في كل خطوة زمنية. ثم، الطلب الصادر عن الأسرة (HOD)

لموردها

هو

إجمالي الطلب المستلم (TOD) من قبل الشركة

هو

وحدة المحاكاة

في كل خطوة زمنية، تكون إجراءات الشركات والأسر كما يلي في محاكاة مونت كارلو.
تخطط الشركات وتنفيذ إنتاجها بناءً على ثلاثة عوامل: (1) مخزونات المنتجات الوسيطة التي لديها، (2) عرض المدخلات الأساسية و(3) الطلبات من عملائها. ستقوم الشركات بزيادة إنتاجها تحت هذه القيود.

تخصيص المنتج. تقوم الشركات بتخصيص مخرجاتها للعملاء بناءً على طلباتهم. في حالة التوازن، تفي مخرجات الشركات بجميع الطلبات. عندما يتقيد الإنتاج بصدمة سلبية خارجية، قد لا تغطي المخرجات جميع الطلبات. في هذه الحالة، نستخدم نظام توزيع نسبي مقترح في الأدبيات

(انظر القسم الخاص بـ ‘وحدة التخصيص’) لتخصيص منتجات الشركات.
تصدر الشركات والأسر طلبات لمورديها للخطوة الزمنية التالية. تقوم الشركات بتقديم الطلبات لمورديها بناءً على الفجوات في مخزونها (مستوى المخزون المستهدف ناقص مستوى المخزون الحالي). تقدم الأسر طلبات لمورديها بناءً على طلبها. عندما يأتي منتج من عدة موردين، يتم تعديل تخصيص الطلبات وفقًا لسعة الإنتاج لكل مورد.

يمكن أن تعيد هذه العملية الديناميكية ذات الزمن المنفصل إنتاج توازن النظام الاقتصادي ويمكن أن تحاكي انتشار الصدمات الخارجية، سواء من جانب الشركات أو الأسر أو اضطرابات النقل، في الشبكة الاقتصادية. من جانب الشركة، إذا كان عرض المدخلات الأساسية لشركة ما مقيدًا، فسيكون له تأثيران. من ناحية، يعني الانخفاض في الإنتاج في هذه الشركة أن طلبات عملائها لا يمكن الوفاء بها. سيؤدي ذلك إلى انخفاض في مخزون هؤلاء العملاء، مما سيقيد إنتاجهم. هذا هو ما يسمى التأثير الأمامي أو السفلي. من ناحية أخرى، يعني انخفاض الإنتاج في هذه الشركة أيضًا استخدامًا أقل للمنتجات الوسيطة من مورديها. سيؤدي ذلك إلى تقليل عدد الطلبات التي تقدمها لمورديها، مما سيقلل من مستوى إنتاج مورديها. هذا هو ما يسمى التأثير الخلفي أو العلوي. من جانب الأسرة، ستؤدي تقلبات طلب الأسرة الناتجة عن الصدمات الخارجية أيضًا إلى تحفيز التأثير الخلفي المذكور أعلاه. خذ السياحة كمثال، عندما تكون درجة الحرارة أعلى بكثير من نطاق الراحة للزائر، سينخفض الطلب على السياحة من الأسر في جميع أنحاء العالم بشكل كبير. سيستمر هذا التأثير في الانتشار إلى صناعة الإقامة والتموين من خلال روابط الموردين والعملاء.

البصمة الاقتصادية

نحدد انخفاض القيمة المضافة لجميع الشركات في شبكة ناتجة عن صدمة سلبية خارجية كالبصمة الكارثية للصدمة. بالنسبة لـ
الشركة المتأثرة مباشرة بالصدمة السلبية الخارجية، تشمل خسارتها جزئين: (1) انخفاض القيمة المضافة الناتج عن القيود الخارجية و(2) انخفاض القيمة المضافة الناتج عن الانتشار. الأول هو الخسارة المباشرة، بينما الأخير هو الخسارة غير المباشرة. البصمة الاقتصادية الإجمالية للصدمة السلبية (TEF

)، البصمة الاقتصادية المباشرة (DEF

) والبصمة الاقتصادية المنتشرة (

) للشركة

في المنطقة

هي،

و،

شبكة سلسلة التوريد العالمية

نبني شبكة سلسلة التوريد العالمية بناءً على الإصدار 10 من قاعدة بيانات مشروع تحليل التجارة العالمية (GTAP)

ونستخدم قاعدة بيانات GTAP 9 (المرجع 110)، قاعدة بيانات EMERGING

لتحليل القوة. توفر GTAP 10 جدول مدخلات-مخرجات متعدد المناطق (MRIO) لعام 2014. كما تم استخدام قاعدة البيانات لعام 2011 لاختبار القوة. يقسم هذا الجدول MRIO العالم إلى 141 اقتصادًا، يحتوي كل منها على 65 قطاع إنتاج (الجداول التكميلية 4 و5). إذا اعتبرنا كل قطاع كشركة (منتج) وافترضنا أن كل منطقة لديها أسرة تمثيلية، يمكننا الحصول على المعلومات التالية في جدول MRIO: (1) الموردون والعملاء لكل شركة؛ (2) الموردون لكل أسرة و(3) تدفق كل اتصال مورد-عميل تحت شرط التوازن. يوفر هذا معيارًا لنموذجنا. استخدمنا أيضًا نموذج CGE ديناميكي متسق مع سيناريوهات SSP لتقييم موازٍ وكجزء من فحص القوة لنتائج ARIO. على وجه التحديد، النموذج CGE الذي استخدمناه هو G-RDEM

مع تجميع عشرة مناطق وعشرة قطاعات

(قسم المعلومات التكميلية 1.3).

عند تطبيق شبكة واقعية ومجمعة على نموذج البصمة الكارثية، نحتاج إلى مراعاة إمكانية استبدال المنتجات الوسيطة التي يقدمها الموردون من نفس القطاع في مناطق مختلفة.

إن الاستبدال بين بعض المنتجات الوسيطة واضح. على سبيل المثال، بالنسبة لشركة تستخرج التوابل من الموز، لا يهم كثيرًا إذا كانت الموز مستوردة من الفلبين أو تايلاند. ومع ذلك، بالنسبة لشركة تصنيع السيارات في اليابان، التي تستخدم براغي من موردين صينيين لقطع غيار السيارات ومحركات من موردين ألمان لقطع غيار السيارات لتجميع السيارات، فإن منتجات الموردين في هاتين المنطقتين غير قابلة للاستبدال. إذا افترضنا أن جميع السلع غير قابلة للاستبدال كما في نموذج المدخلات-المخرجات التقليدي، فسوف نبالغ في تقدير خسارة المنتجين مثل حالة شركة استخراج العطور. إذا افترضنا أن المنتجات من الموردين في نفس القطاع يمكن أن تكون قابلة للاستبدال تمامًا، فسوف نبالغ في تقدير خسائر المنتجين مثل شركة تصنيع السيارات اليابانية. لتخفيف هذه العيوب في تقييم الخسائر تحت الافتراضين، نسمح بإمكانية الاستبدال لكل قطاع اعتمادًا على المنطقة وقطاع المورد (قسم المعلومات التكميلية 1.3).

ومع ذلك، فإن تقديراتنا للأضرار الاقتصادية الناتجة عن الإجهاد الحراري تخضع لبعض عدم اليقين المهم،

وقد لا تلتقط طرقنا جميع أنواع الأضرار الاقتصادية. نحن ندرج فقط الخسائر الاقتصادية الناتجة عن الإجهاد الحراري على الأنشطة البشرية دون النظر في التأثيرات على البنية التحتية، ونمو المحاصيل وعوامل أخرى. بالنظر إلى التحديات في توقع التغيرات في الأنظمة الاجتماعية والاقتصادية على مستوى العالم، اتبعنا النهج من الأدبيات

لتمثيل الخسائر غير المباشرة في سلسلة الإمداد من خلال النظر في تأثير مخاطر المناخ المستقبلية على الأوضاع الاجتماعية والاقتصادية الحالية. لم نقم
تم اعتبار الاستبدال المحتمل للعمالة برأس المال الناتج عن التقدم التكنولوجي، مثل الميكنة. تتجاهل تحليلاتنا مستويات الانفتاح التجاري والعولمة المختلفة بين روايات SSP، فضلاً عن دور العوامل الديناميكية مثل التكنولوجيا والأسعار. مرة أخرى، على الرغم من أننا أجرينا اختبارات موثوقية لدرجات مختلفة من قابلية استبدال التجارة، فإن المعامل المعني يتم تعيينه عشوائيًا في محاكاة مونت كارلو بدلاً من أن يتم اشتقاقه من خلال نموذج التوازن العام. لذلك يجب تفسير النتائج بحذر على أنها تشير إلى مخاطر تغير المناخ المحتملة على الاقتصاد القائم بدلاً من أن تكون توقعات كمية، نظرًا لأن التمثيل الثابت للهيكل الاقتصادي في نموذجنا يشوه حتمًا التقييم على المدى الطويل.

توفر البيانات

تتوفر بيانات النتائج العددية لهذا البحث على https:// zenodo.org/records/10032431تُرخص مجموعة بيانات التجارة العالمية المستخدمة لمحاكاة النتائج المقدمة من قبل مشروع تحليل التجارة العالمية في مركز تحليل التجارة العالمية، قسم الاقتصاد الزراعي، جامعة بوردو. يمكن الحصول على GTAP الإصدار 10 مقابل رسوم من موقعه الرسمي:https://www.gtap.agecon.purdue. edu/databases/v10/index.aspx. نظرًا للقيود في اتفاقية الترخيص مع GTAP، ليس لدى المؤلفين الحق في الكشف عن مجموعة البيانات الأصلية علنًا. تم اشتقاق بيانات الأرصاد الجوية متعددة الأنماط من برنامج أبحاث المناخ العالمي (WCRP CMIP6): https:// esgf-node.llnl.gov/search/cmip6/تم اشتقاق البيانات الاجتماعية والاقتصادية لسيناريوهات SSP المختلفة من IIASA:https://secure.iiasa. ac.at/web-apps/ene/SspDb/.Globalشبكات توقعات السكان من مركز بيانات التطبيقات الاجتماعية والاقتصادية (SEDAC) (https:// sedac.ciesin.columbia.edu/data/set/popdynamics-1-8th-pop-base-year-projection-ssp-2000-2100-rev01/data-download).

توفر الشيفرة

تقوم وحدة المناخ والأوبئة بمعالجة درجة حرارة السطح اليومية، وشبكة السكان الديناميكية، وبيانات الوفيات الأساسية لتحديد أيام موجات الحرارة والوفيات الزائدة المرتبطة بها. تقوم الوحدة الاقتصادية بمحاكاة التغيرات في القيم والتدفقات في جدول المدخلات والمخرجات العالمي متعدد المناطق تحت الصدمات. يمكن الوصول إلى جميع الأكواد فيhttps://zenodo.org/records/10334260. الحد الأدنى من المدخلات للشفرة هو جدول المدخلات والمخرجات متعدد المناطق. كما تم توفير الشفرة النموذجية وبيانات الاختبار للمدخلات الدنيا.
49. لانج، س. وبوشنر، م. بيانات المدخلات المناخية الجوية المعدلة للانحياز ISIMIP3b الثانوية (الإصدار 1.1)،https://doi.org/10.48364/ISIMIP.581124.1 (مستودع ISIMIP، 2022).
50. وارسوفسكي، ل. وآخرون. مشروع مقارنة نماذج التأثير بين القطاعات (ISI-MIP): إطار المشروع. وقائع الأكاديمية الوطنية للعلوم في الولايات المتحدة الأمريكية 111، 3228-3232 (2014).
51. هيرسباخ، هـ. وآخرون. إعادة التحليل العالمية ERA5. مجلة الجمعية الملكية للأرصاد الجوية 146، 1999-2049 (2020).
52. كاسانويفا، أ. وآخرون. توقعات المناخ لمؤشر إجهاد الحرارة المتعدد المتغيرات: دور التخفيف وتصحيح الانحياز. تطوير نماذج علوم الأرض 12، 3419-3438 (2019).
53. لمكي، ب. وكيلستروم، ت. حساب WBGT في مكان العمل من البيانات المناخية: أداة لتقييم تغير المناخ. الصحة الصناعية 50، 267-278 (2012).
54. تونغ، س.، وانغ، إكس. واي. وبارنيت، أ. ج. تقييم آثار الصحة المرتبطة بالحرارة في بريسبان، أستراليا: مقارنة بين تعريفات موجات الحرارة المختلفة. PLoS ONE 5، e12155 (2010).
55. شو، ز.، فيتزجيرالد، ج.، قوه، ي.، جلال الدين، ب. وتونغ، س. تأثير موجات الحر على الوفيات تحت تعريفات مختلفة لموجات الحر: مراجعة منهجية وتحليل تلوي. البيئة الدولية 89-90، 193-203 (2016).
56. صن، إكس. وآخرون. تأثير موجة الحرارة على الوفيات في منطقة بودونغ الجديدة، الصين في 2013. العلوم. البيئة الكاملة 493، 789-794 (2014).
57. سيتشل، هـ. إعادة تحليل ECMWF v5، www.ecmwf.int/en/forecasts/dataset/ecmwf-reanalysis-v5 (ECMWF، 2020).
58. نيرن، ج.، فوسيت، ر. وراي، د. تعريف وتوقع أحداث الحرارة المفرطة، نظام وطني (CAWCR، 2009).
59. تونغ، س.، وانغ، إكس. واي.، يو، و.، تشين، د. ووانغ، إكس. تأثير موجات الحر على الوفيات في أستراليا: دراسة متعددة المدن. BMJ Open 4، e003579 (2014).
60. قوه، إكس. وآخرون. التهديد الذي تشكله موجات الحرارة البحرية على النظم البيئية البحرية الكبيرة القابلة للتكيف في نموذج يحل الدوامات. نات. مناخ. تغيير 12، 179-186 (2022).
61. أسترم، د. أ.، تورنيفي، أ.، إيبي، ك. ل.، روكلوف، ج. وفورسبيرغ، ب. تطور درجة حرارة الحد الأدنى للوفيات في ستوكهولم، السويد، 1901-2009. وجهات نظر الصحة البيئية 124، 740-744 (2016).
62. ين، ق.، وانغ، ج.، رين، ز.، لي، ج. وغو، ي. رسم خرائط درجات الحرارة الدنيا المتزايدة للوفيات في سياق التغير المناخي العالمي. نات. كوميونيك. 10، 4640 (2019).
63. تود، ن. وفاليرون، أ.-ج. التغاير الزمني المكاني للوفيات مع درجة الحرارة: دراسة منهجية للوفيات في فرنسا، 1968-2009. وجهات نظر الصحة البيئية 123، 659-664 (2015).
64. فولكيرتس، م. أ. وآخرون. التكيف طويل الأمد مع الإجهاد الحراري: التحولات في درجة حرارة الحد الأدنى للوفيات في هولندا. فرونت. فيزيول. 11، 225 (2020).
65. أندرسون، ب. ج. وبل، م. ل. الوفيات المرتبطة بالطقس. علم الأوبئة 20، 205-213 (2009).
66. قوه، ي. وآخرون. التباين العالمي في تأثيرات درجة الحرارة المحيطة على الوفيات: تقييم منهجي. علم الأوبئة 25، 781-789 (2014).
67. قوه، ي. وآخرون. قياس الوفيات الزائدة المرتبطة بموجات الحرارة تحت سيناريوهات تغير المناخ: دراسة نمذجة زمنية متعددة البلدان. PLoS Med. 15، e1002629 (2018).
68. سيرا، ف. وآخرون. تكييف الهواء والوفيات المرتبطة بالحرارة: دراسة طولية متعددة البلدان. علم الأوبئة 31، 779 (2020).
69. بنمرهانية، ت. وآخرون. نهج الفرق في الفروق لتقييم تأثير خطة العمل المتعلقة بالحرارة على الوفيات المرتبطة بالحرارة والاختلافات في الفعالية وفقًا للجنس والعمر والحالة الاجتماعية والاقتصادية (مونتريال، كيبك). وجهات نظر الصحة البيئية 124، 1694-1699 (2016).
70. تشنغ، ج. وآخرون. موجات الحرارة ووفيات المسنين: تقييم عبء الوفيات وتكاليف الصحة مع الأخذ في الاعتبار إزاحة الوفيات على المدى القصير. البيئة الدولية 115، 334-342 (2018).
71. ووندماجن، ب. ي. وآخرون. تأثير شدة موجات الحرارة باستخدام عامل الحرارة الزائدة على حالات الطوارئ وتكاليف الرعاية الصحية ذات الصلة في أديلايد، جنوب أستراليا. العلوم. البيئة الكاملة. 781، 146815 (2021).
72. زانغ، ل. وآخرون. تأثيرات الوفيات الناتجة عن موجات الحرارة تختلف حسب العمر والمنطقة: دراسة متعددة المناطق في الصين. الصحة البيئية 17، 54 (2018).
73. بنمرهانية، ت.، دقوين، س.، كوفمان، ج. س. وسمارجياسي، أ. Vulnerability to heat-related mortality: a systematic review, meta-analysis and meta-regression analysis. Epidemiology 26, 781 (2015).
74. جونز، ب. وأونيل، ب. ج. سيناريوهات سكانية عالمية محددة مكانيًا تتماشى مع المسارات الاجتماعية والاقتصادية المشتركة. رسائل البحث البيئي 11، 084003 (2016).
75. معدل الوفيات الخام (لكل 1,000 شخص) | البيانات،https://data.worldbank.org/indicator/SP.DYN. سي دي آر تي.إن (البنك الدولي، 2021).
76. السكان والديموغرافيا – قاعدة بيانات يوروستات،https://ec.europa.eu/eurostat/web/السكان – الديموغرافيا / الديموغرافيا – توازن مخزون السكان / قاعدة البيانات (الاتحاد الأوروبي، تم الوصول إليها في 8 سبتمبر 2023).
77. قاعدة بيانات الخصوبة والوفيات الروسية (RusFMD) (مركز الأبحاث السكانية، 2022).
78. الكتاب الإحصائي الصيني 2019 (المكتب الوطني للإحصاء، 2019).
79. جدول الوفيات في الولايات المتحدة حسب الولاية | بوابة بيانات HDPulsehttps://hdpulse.nimhd.nih.gov/بيانات-البوابة/الوفيات (NIH، تاريخ الوصول 8 سبتمبر 2023).
80. معدل الوفيات العام،ftp.ibge.gov.br/Tabuas_Completas_de_Mortalidade/Tabuas_Completas_de_Mortalidade_2016/tabua_de_mortalidade_2016_analise.pdf (المعهد البرازيلي للجغرافيا والإحصاء – IBGE، 2017).
81. معدلات الوفيات، حسب الفئة العمرية،www.statcan.gc.ca/ar/subjects-start/health/life_expectancy_والوفيات (حكومة كندا، 2021).
82. الوفيات، أستراليا، 2019،www.abs.gov.au/statistics/people/population/deaths-australia/2019 (المكتب الأسترالي للإحصاءات، 2020).
83. المسح الاقتصادي،www.indiabudget.gov.in/economicsurvey/ (حكومة الهند، تم الوصول إليها في 8 سبتمبر 2023).
84. فيسكو، و. ك. تسعير المخاطر الصحية العالمية لجائحة COVID-19. مجلة المخاطر وعدم اليقين. 61، 101-128 (2020).
85. ألكاير، ب. س.، بيترز، أ. و.، شرايم، م. ج. وميرا، ج. ج. العواقب الاقتصادية للوفيات القابلة للتجنب من خلال الرعاية الصحية عالية الجودة في البلدان ذات الدخل المنخفض والمتوسط. شؤون الصحة 37، 988-996 (2018).
86. هاميت، ج. ك. وروبنسون، ل. أ. مرونة الدخل لقيمة الحياة الإحصائية: نقل التقديرات بين السكان ذوي الدخل المرتفع والمنخفض. تحليل الفوائد والتكاليف. 2، 1-29 (2011).
87. نارين، يو. وسال، سي. منهجية لتقييم آثار تلوث الهواء على الصحة: مناقشة التحديات والحلول المقترحة،https://openknowledge.worldbank. org/handle/10986/24440 (البنك الدولي، 2016).
88. بروده، ب.، فيالا، د.، ليمكي، ب. وكيلستروم، ت. القدرة على العمل المقدرة في البيئات الخارجية الدافئة تعتمد على مقياس تقييم إجهاد الحرارة المختار. المجلة الدولية لعلم الأرصاد الحيوية 62، 331-345 (2018).
89. واتس، ن. وآخرون. تقرير 2020 من لانسيت حول الصحة وتغير المناخ: الاستجابة للأزمات المتقاربة. لانسيت 397، 129-170 (2021).
90. رومانيلو، م. وآخرون. تقرير 2021 من عدّاد لانست حول الصحة وتغير المناخ: إنذار أحمر لمستقبل صحي. لانست 398، 1619-1662 (2021).
91. بارسونز، ل. أ.، شيندل، د.، تيغشيلار، م.، زانغ، ي. وسبكتور، ج. ت. زيادة خسائر العمل وانخفاض إمكانيات التكيف في عالم أكثر حرارة. نات. كوميونيك. 12، 7286 (2021).
92. بافانيلي، ف. وآخرون. تكييف الهواء وعجز التكيف في التبريد في الاقتصادات الناشئة. نات. كوميونيك. 12، 6460 (2021).
93. مستقبل التبريد – تحليل،https://www.iea.org/reports/the-future-of-cooling (الوكالة الدولية للطاقة، 2018).
94. هاليغاتي، س. نموذج إدخال-إخراج إقليمي تكيفي وتطبيقه في تقييم التكلفة الاقتصادية لكاترينا. تحليل المخاطر. 28، 779-799 (2008).
95. هاليغاتي، س. نمذجة دور المخزونات والتنوع في تقييم التكاليف الاقتصادية للكوارث الطبيعية: نمذجة دور المخزونات والتنوع. تحليل المخاطر. 34، 152-167 (2014).
96. كوكز، إ. إ. وثيسن، م. نموذج تقييم تأثير متعدد المناطق لتحليل الكوارث. بحوث الأنظمة الاقتصادية 28، 429-449 (2016).
97. لي، ج.، كراوفورد-براون، د.، سيدال، م. وغوان، د. نمذجة التعافي الاقتصادي غير المتوازن بعد كارثة طبيعية باستخدام تحليل المدخلات والمخرجات: نمذجة التعافي الاقتصادي غير المتوازن. تحليل المخاطر 33، 1908-1923 (2013).
98. أوكوياما، ي. وسانتوس، ج. ر. تأثير الكوارث وتحليل المدخلات والمخرجات. بحوث الأنظمة الاقتصادية 26، 1-12 (2014).
99. إينو، هـ. وتودو، ي. انتشار الصدمات على مستوى الشركات من خلال شبكات سلسلة التوريد. نات. سستين. 2، 841-847 (2019).

مقالة

باردازي، ر. وجيزي، ل. صدمات متعددة الجنسيات على نطاق واسع والتجارة الدولية: لعبة غير صفرية. بحوث نظم الاقتصاد 34، 383-409 (2022).
تشانغ، ز.، لي، ن.، شو، هـ. وتشين، إكس. تحليل تأثير الاقتصاد المتزايد للولايات المتحدة على العالم بسبب تغير المناخ المستقبلي. مستقبل الأرض 6، 828-840 (2018).
إنوي، هـ. وتودو، ي. انتشار الصدمات السلبية عبر الشبكات الوطنية للشركات. PLoS ONE 14، e0213648 (2019).
ميلر، ر. إ. وبلير، ب. د. تحليل المدخلات والمخرجات: الأسس والتوسعات (مطبعة جامعة كامبريدج، 2009).
كوكز، إ. إ. وآخرون. تحليل تأثير الكوارث الإقليمية: مقارنة نماذج المدخلات والمخرجات ونماذج التوازن العام القابل للحساب. علوم الأرض والظواهر الطبيعية 16، 1911-1924 (2016).
ليو، إكس. وآخرون. تقييم الخسائر الاقتصادية غير المباشرة لكوارث الجليد البحري: نهج نمذجة المدخلات والمخرجات الإقليمية التكيفية. المجلة الدولية للهندسة القطبية البحرية 29، 415-420 (2019).
ماتسوو، هـ. تداعيات زلزال توهوكو على آلية تنسيق تويوتا: اضطراب سلسلة الإمداد لرقائق السيارات. المجلة الدولية للاقتصاد الإنتاجي 161، 217-227 (2015).
ستينج، أ. إ. وبوكاريوفا، م. التفكير في الاختلالات في اقتصادات ما بعد الكارثة: اقتراح قائم على المدخلات والمخرجات. بحوث نظم الاقتصاد 19، 205-223 (2007).
بناسّي، ج.-ب. الأسواق غير المصفاة: مفاهيم ميكرو اقتصادية وتطبيقات ماكرو اقتصادية. الأدب الاقتصادي. 31، 732-761 (1993).
أغويار، أ.، تشيبيلييف، م.، كورونغ، إ. ومكدوجال، ر. قاعدة بيانات GTAP: النسخة 10. مجلة التحليل الاقتصادي العالمي 4، 27 (2019).
أغيار، أ.، نارايانان، ب. ومكدوجال، ر. نظرة عامة على قاعدة بيانات GTAP 9. مجلة التحليل الاقتصادي العالمي 1، 181-208 (2016).
هوا، ج. وآخرون. جدول المدخلات والمخرجات متعدد المناطق على نطاق كامل، قريب من الوقت الحقيقي للاقتصادات الناشئة العالمية (EMERGING). مجلة البيئة الصناعية 26، 1218-1232 (2022).
بريتز، و. & روزون، ر. نموذج G-RDEM: نموذج CGE ديناميكي تكراري قائم على GTAP لتوليد وتحليل الأساس طويل الأجل. مجلة التحليل الاقتصادي العالمي 4، 50-96 (2019).
لينزن، م. تجميع أنظمة المدخلات والمخرجات بأقل خطأ. بحوث الأنظمة الاقتصادية 31، 594-616 (2019).
أرا، ك. مشكلة التجميع في تحليل المدخلات والمخرجات. إيكوميتريكا 27، 257-262 (1959).
في، ج. سي.-إتش. نظرية أساسية لمشكلة التجميع في تحليل المدخلات والمخرجات. إيكوميتريكا 24، 400-412 (1956).
ليندر، س.، ليغو، ج. وغوان، د. تفكيك قطاع الكهرباء في جدول المدخلات والمخرجات في الصين من أجل تحسين تقييم دورة الحياة البيئية. بحوث نظم الاقتصاد 25، 300-320 (2013).
ليندر، س.، ليغو، ج. وغوان، د. تفكيك نماذج المدخلات والمخرجات بمعلومات غير مكتملة. بحوث الأنظمة الاقتصادية 24، 329-347 (2012).
هان، ق.، سون، س.، ليو، ز.، شو، و. & شي، ب. تسارع تفاقم موجات الحرارة الشديدة العالمية تحت سيناريوهات الاحترار. المجلة الدولية لعلم المناخ. 42، 5430-5441 (2022).
شيانغ، س. وآخرون. تقدير الأضرار الاقتصادية الناتجة عن تغير المناخ في الولايات المتحدة. ساينس 356، 1362-1369 (2017).

الشكر والتقدير تم دعم هذه الدراسة من قبل المؤسسة الوطنية للعلوم الطبيعية في الصين (أرقام المنح: 72242105، 72091514 و72250710169) وتمويل بدء التشغيل من جامعة تشجيانغ لـ S.Z.

مساهمات المؤلفين: صمم د.ج. وأشرف على الدراسة. قام ي.س. و س.ز. و د.و. بإجراء الدراسة، وجمع البيانات، وتحليل النتائج، وصياغة الورقة. جمع ج.د. و ي.و. البيانات المناخية ومعالجتها. قدم ه.ي. و م.ز. و و.ج. إرشادات حول حساب خسائر الصحة وإنتاجية العمل. شارك ك.ت. و ي.هـ. و ل.ز. في كتابة المخطوطة. قاد س.ت. و ه.ل. تحليل عدم اليقين والتحقق.

المصالح المتنافسة يعلن المؤلفون عدم وجود مصالح متنافسة.

معلومات إضافية

معلومات إضافية النسخة الإلكترونية تحتوي على مواد إضافية متاحة علىhttps://doi.org/10.1038/s41586-024-07147-z.
يجب توجيه المراسلات والطلبات للحصول على المواد إلى دابو جوان.
تُعرب Nature عن شكرها لبيرجيت بدنار-فريدل، أندرياس فلوريس، جي. جيسون جولي، إلكو كوكز وفكي ثومبسون على مساهمتهم في مراجعة الأقران لهذا العمل. تقارير مراجعي الأقران متاحة.
معلومات إعادة الطباعة والتصاريح متاحة علىhttp://www.nature.com/reprints.

الشكل البياني الموسع 1 | مخطط توضيحي للإطار المنهجي. آليات الربط بين وحدات المناخ والصحة والاقتصاد.

مقالة

الشكل البياني الممتد 2 | أيام موجات الحر في الأربعينيات والستينيات تحت سيناريو SSP585. تم حساب عدد أيام موجات الحر في كل خلية من متوسط عشر سنوات.

تصنيف المناخ

الشكل البياني الموسع 3 | تصنيف مناطق المناخ حسب المخاطر النسبية. منطقة باردة: متوسط درجة حرارة الموسم الحار:

; المناطق الباردة المعتدلة: متوسط درجة حرارة الموسم الحار:

; المناطق الحارة المعتدلة: المتوسط
درجة حرارة الموسم الحار:

; والمناطق الحارة: متوسط درجة حرارة الموسم الحار:

استنادًا إلى ERA51985-2010.

مقالة

جي تي إيه بي 2011

جي تي إيه بي 2014

الناشئة 2019

الشكل البياني الممتد 4 | تقديرات لأعلى عشرة دول من حيث الخسائر غير المباشرة تحت سيناريو SSP585 باستخدام بيانات التجارة لفترات أساسية مختلفة. يتم عرض التقديرات كمتوسطات لمدة 10 سنوات لعام 2060، باستخدام قواعد بيانات GTAP2011 (أ)، GTAP2014 (ب) و EMERGING 2019 (ج) بشكل منفصل. تمثل ألوان الأعمدة الناتج المحلي الإجمالي للفرد من المنخفض إلى المرتفع. (د)، غير مباشر
الخسائر تحت هياكل التجارة المرجعية المختلفة في كل منطقة. يقيس المحور الأفقي الخسائر غير المباشرة كنسبة مئوية من الناتج المحلي الإجمالي باستخدام هيكل التجارة GTAP2014، بينما يقيس المحور العمودي الخسائر غير المباشرة كنسبة مئوية من الناتج المحلي الإجمالي باستخدام هيكل التجارة GTAP2011. يمكن التحقق من تفاصيل الشكل الإضافي 4d في الشكل التكميلية 6.

الشكل 5 من البيانات الموسعة | الخسائر الاقتصادية العالمية لكل سيناريو تحت محاكاة مونت كارلو. تم تمييز نتائج التقييم للدراسات الحالية برموز للمقارنة. لم تكن أي من الدراسات السابقة مبنية على CMIP6.

سيناريو SSP119، لذا نستخدم RCP2.6 للمقارنة مع سيناريو SSP119 في دراستنا. الدراسات المذكورة أعلاه لم تحاكي فقدان الصحة، وتم إضافة القيم المتوسطة لمحاكاة فقدان الصحة في هذه الورقة من أجل التناسق.

مقالة

الشكل البياني الممتد 6 | تأثيرات الإجهاد الحراري على سلاسل توريد تصنيع الغذاء في الهند. تمثل اللوحات (أ) و (ج) القطاعات العليا من قطاع إنتاج الغذاء في الهند في عامي 2040 و 2060، على التوالي. تمثل اللوحات (ب) و (د) القطاعات السفلية. كل شريط يمثل شريك تجاري رئيسي (أي قطاع بحجم تجارة يتجاوز الربع 50 في المئة من أحجام التجارة للقطاع المختار مع جميع القطاعات الشريكة) وطول الشريط يمثل النسبة المئوية.
انخفاض في تدفق المنتجات مقارنة بالفترة الأساسية لعام 2014. تمثل ألوان الأعمدة مستوى التماسك للقطاع المعني مع قطاع إنتاج الغذاء الهندي من الأزرق (ضعيف) إلى الأحمر (قوي)، والذي يتم قياسه من خلال حجم التجارة بين القطاع المعني وقطاع إنتاج الغذاء الهندي.

الشكل البياني الممتد 7| تأثيرات الإجهاد الحراري على سلاسل توريد السياحة في جمهورية الدومينيكان. تمثل اللوحات (أ)، (ج) القطاعات العليا من قطاع السياحة في جمهورية الدومينيكان في عامي 2040 و2060، على التوالي. تمثل اللوحات (ب)، (د) القطاعات السفلية. كل شريط يمثل شريك تجاري رئيسي (أي قطاع بحجم تجارة يتجاوز الربع 50 بالمئة من أحجام التجارة للقطاع المختار مع جميع القطاعات الشريكة) وطول الشريط يمثل
نسبة الانخفاض في تدفق المنتجات مقارنة بالفترة الأساسية لعام 2014. تمثل ألوان الأعمدة مستوى التماسك للقطاع المعين مع قطاع السياحة في جمهورية الدومينيكان من الأزرق (ضعيف) إلى الأحمر (قوي)، والذي يتم قياسه من خلال حجم التجارة بين القطاع المعين وقطاع السياحة في جمهورية الدومينيكان.

مقالة

الشكل البياني الموسع

| آثار الإجهاد الحراري على سلاسل إمداد المشروبات ومنتجات التبغ في ألمانيا. تمثل اللوحات (أ) و (ج) القطاعات العليا من قطاع المشروبات ومنتجات التبغ في ألمانيا في عامي 2040 و 2060، على التوالي. تمثل اللوحات (ب) و (د) القطاعات السفلية.

الشكل 9 من البيانات الموسعة | أنماط خسارة القطاعات في الدول من النوع 1. أكثر 5 قطاعات عرضة للخطر في تنزانيا (أ-ج)، بوتسوانا (د-و) ومالاوي (ز-ط). يمثل طول العمود نسبة خسارة القيمة المضافة السنوية لكل قطاع. تم دمج القطاعات التي لها نفس نسبة الخسارة (مثل القمح، الأرز، الحبوب، إلخ). تشير الألوان إلى الفئات الثلاث للخسائر في SSP119: الصحة
الخسائر (الأعمدة الصفراء)، خسائر إنتاجية العمل (الأعمدة الزرقاء) وخسائر اضطراب سلسلة التوريد (الأعمدة الخضراء). تمثل الأعمدة البرتقالية والحمراء الزيادات الإجمالية في الخسائر لسيناريو SSP245 و SSP585 (دون تمييز بين أنواع الخسائر في هذا الجزء)، على التوالي. تشير الخطوط الحمراء المتقطعة إلى القيمة المتوسطة للخسائر لجميع القطاعات في سيناريو SSP585.

مقالة

الشكل البياني الموسع

أنماط خسائر قطاعية من النوع

الدول. الأعلى

أكثر القطاعات ضعفًا في الهند (أ-ج)، وفيتنام (د-و) والصين (ز-ط). يمثل طول العمود النسبة المئوية لفقدان القيمة المضافة السنوية لكل قطاع. تم دمج القطاعات التي لها نفس نسبة الفقدان (مثل القمح، الأرز، الحبوب، إلخ). تشير الألوان إلى الفئات الثلاث للخسائر في SSP119: خسائر صحية (أصفر)
خسائر إنتاجية العمل (الأعمدة الزرقاء) وخسائر اضطراب سلسلة التوريد (الأعمدة الخضراء). تمثل الأعمدة البرتقالية والحمراء إجمالي زيادات الخسائر لـ SSP245 و SSP585 (دون تمييز بين أنواع الخسائر في هذا الجزء)، على التوالي. تشير الخطوط الحمراء المتقطعة إلى القيمة المتوسطة للخسائر لجميع القطاعات في سيناريو SSP585.

عام 2040

عام 2050

الشكل 11 من البيانات الموسعة | أنماط خسائر القطاعات في الدول من النوع 3. أكثر 5 قطاعات عرضة للخطر في ألمانيا (أ-ج)، فرنسا (د-و) وأستراليا (ز-ط). يمثل طول العمود النسبة المئوية لخسارة القيمة المضافة السنوية لكل قطاع. تم دمج القطاعات التي لها نفس نسبة الخسارة (مثل القمح، الأرز، الحبوب، إلخ). تشير الألوان إلى الفئات الثلاث للخسائر في SSP119: الصحة
الخسائر (الأعمدة الصفراء)، خسائر إنتاجية العمل (الأعمدة الزرقاء) وخسائر اضطراب سلسلة التوريد (الأعمدة الخضراء). تمثل الأعمدة البرتقالية والحمراء الزيادات الإجمالية في الخسائر لسيناريو SSP245 وSSP585 (دون تمييز بين أنواع الخسائر في هذا الجزء)، على التوالي. تشير الخطوط الحمراء المتقطعة إلى القيمة المتوسطة للخسائر لجميع القطاعات في سيناريو SSP585.

مقالة

عام 2060

الشكل 12 من البيانات الموسعة | أنماط خسارة القطاعات في الدول من النوع 4. أكثر 5 قطاعات عرضة للخطر في السويد (أ-ج)، النرويج (د-و) والمملكة المتحدة

يمثل طول العمود النسبة المئوية لفقدان القيمة المضافة السنوية لكل قطاع. تم دمج القطاعات التي لها نفس نسبة الفقدان (مثل القمح، الأرز، الحبوب، إلخ). تشير الألوان إلى الفئات الثلاث للخسائر في SSP119:
خسائر الصحة (الأعمدة الصفراء)، خسائر إنتاجية العمل (الأعمدة الزرقاء) وخسائر اضطراب سلسلة التوريد (الأعمدة الخضراء). تمثل الأعمدة البرتقالية والحمراء إجمالي زيادات الخسائر لـ SSP245 و SSP585 (دون تمييز بين أنواع الخسائر في هذا الجزء)، على التوالي. تشير الخطوط الحمراء المتقطعة إلى القيمة المتوسطة للخسائر لجميع القطاعات في سيناريو SSP585.

البيانات الموسعة الجدول 1 | بيانات نموذج المناخ العالمي من CMIP6 المستخدمة في تحليلنا (مدرجة بالترتيب الأبجدي)

نماذج المناخ	معهد بحثي
CAMS-CSM1	الأكاديمية الصينية لعلوم الأرصاد الجوية (بكين، الصين)
CanESM5	المركز الكندي لنمذجة المناخ والتحليل (فيكتوريا، كولومبيا البريطانية، كندا)
CESM2	المركز الوطني لأبحاث الغلاف الجوي (بولدر، كولورادو، الولايات المتحدة الأمريكية)
CNRM-CM6-1	المركز الوطني لأبحاث الأرصاد الجوية (ميتيو-فرانس، تولوز، فرنسا)
CNRM-ESM2-1	المركز الوطني لأبحاث الأرصاد الجوية (ميتيو-فرانس، تولوز، فرنسا)
EC-Earth3	الاتحاد الأوروبي للخدمات الوطنية للأرصاد الجوية ومعاهد البحث.
جي إف دي إل – إسم 4	مختبر ديناميات السوائل الجيوفيزيائية (برينستون، نيو جيرسي، الولايات المتحدة الأمريكية)
هادجم3-جي سي 31-إم إم	مكتب الأرصاد الجوية، مركز هادلي (إكستر، المملكة المتحدة)
IPSL-CM6A-LR	معهد بيير-سيمون لابلاس (باريس، فرنسا)
MIROC6	وكالة اليابان لعلوم البحار والأرض، معهد أبحاث الغلاف الجوي والمحيطات (طوكيو، جامعة طوكيو)، والمعهد الوطني للدراسات البيئية (تسوكوبا، اليابان)
MPI-ESM1-2-HR	معهد ماكس بلانك للأرصاد الجوية (هامبورغ، ألمانيا)
إم آر آي – إي إس إم 2	معهد الأبحاث الجوية (تسوكوبا، اليابان)
NORESM2-MM	المركز النرويجي للمناخ (برغن، النرويج)
يوكسم1	مكتب الأرصاد الجوية – مركز هادلي (إكستر، المملكة المتحدة) ومجلس الأبحاث البيئية الطبيعية (المملكة المتحدة)

مقالة

البيانات الموسعة الجدول 2 | المخاطر النسبية (RR) للوفيات الناتجة عن موجات الحرارة

أيام من

متوسط درجة الحرارة) لمناطق المناخ المختلفة

منطقة المناخ	تقدير منخفض لمعدل العائد	تقدير متوسط معدل الاستجابة	تقدير RR مرتفع
بارد	1.04467	1.05866	1.07282
برد معتدل	1.06919	1.08826	1.10751
حار معتدل	1.05357	1.06955	1.08571
ساخن	1.0345	1.04794	1.06174

مستوى العمل

(و)

الإنتاجية

يعني

الإنتاجية

٢٠٠

٣٥.٥٣

3.94

٣٠٠

٣٣.٤٩

3.94

٤٠٠

٣٢.٤٧

٤.١٦

قسم علوم نظام الأرض، وزارة التعليم، المختبر الرئيسي لنمذجة نظام الأرض، معهد دراسات التغير العالمي، جامعة تسينغhua، بكين، الصين.قسم علوم الغلاف الجوي، كلية علوم الأرض، جامعة تشجيانغ، هانغتشو، الصين.برنامج الطاقة والطاقة المتقدمة، جامعة كاليفورنيا إيرفين، إيرفين، كاليفورنيا، الولايات المتحدة الأمريكية.قسم الجغرافيا، كلية كينغز لندن، لندن، المملكة المتحدة.مركز التفاعل المناخي، قسم علوم الحاسوب والتكنولوجيا، جامعة كامبريدج، كامبريدج، المملكة المتحدة.المفتاح الرئيسي
مركز البحوث المشترك للتخطيط الذكي من الجيل التالي في معهد شيان للمسح ورسم الخرائط، بكين، الصين.قسم الاقتصاد، جامعة جنوب كاليفورنيا، لوس أنجلوس، كاليفورنيا، الولايات المتحدة الأمريكية.قسم الاقتصاد، جامعة واترلو، واترلو، أونتاريو، كندا.مدرسة الإدارة والاقتصاد، معهد بكين للتكنولوجيا، بكين، الصين.مدرسة الاقتصاد والإدارة، جامعة جنوب شرق، نانجينغ، الصين.كلية البيئة الحضرية، جامعة بكين، بكين، الصين.مدرسة بارلت للبناء المستدام، كلية لندن الجامعية، لندن، المملكة المتحدة.ساهم هؤلاء المؤلفون بالتساوي: ييدا سون، شوبينغ تشو، داوبينغ وانغ.البريد الإلكتروني:guandabo@tsinghua.edu.cn

Journal: Nature, Volume: 627, Issue: 8005
DOI: https://doi.org/10.1038/s41586-024-07147-z
PMID: https://pubmed.ncbi.nlm.nih.gov/38480894
Publication Date: 2024-03-13

Global supply chains amplify economic costs of future extreme heat risk

https://doi.org/10.1038/s41586-024-07147-z
Received: 16 August 2022
Accepted: 1 February 2024
Published online: 13 March 2024
Open access
(A) Check for updates

Yida Sun , Shupeng Zhu , Daoping Wang , Jianping Duan , Hui Lu , Hao Yin , Chang Tan , Lingrui Zhang , Mengzhen Zhao , Wenjia Cai , Yong Wang , Yixin Hu , Shu Tao & Dabo Guan

Abstract

Evidence shows a continuing increase in the frequency and severity of global heatwaves , raising concerns about the future impacts of climate change and the associated socioeconomic costs . Here we develop a disaster footprint analytical framework by integrating climate, epidemiological and hybrid input-output and computable general equilibrium global trade models to estimate the midcentury socioeconomic impacts of heat stress. We consider health costs related to heat exposure, the value of heat-induced labour productivity loss and indirect losses due to economic disruptions cascading through supply chains. Here we show that the global annual incremental gross domestic product loss increases exponentially from (SSP 245)-0.05 (SSP 585) percentage points during 2030-2040 to percentage points during 2050-2060. By 2060, the expected global economic losses reach a total of with losses attributed to health loss ( ), labour productivity loss ( ) and indirect loss ( ) under different shared socioeconomic pathways. Small- and medium-sized developing countries suffer disproportionately from higher health loss in South-Central Africa (2.1 to 4.0 times above global average) and labour productivity loss in West Africa and Southeast Asia (2.0-3.3 times above global average). The supply-chain disruption effects are much more widespread with strong hit to those manufacturing-heavy countries such as China and the USA, leading to soaring economic losses of and , respectively.

Research has been showing a trend in rising temperature and increasing occurrence of extreme heatwaves since the

. This continuous pattern raises concerns about the potential impacts of climate change and its associated socioeconomic costs. Notable effects of heat stress are on human health and labour productivity. On the one hand, global heat stress makes it difficult for the body to maintain its core temperature, thereby increasing morbidity and mortality from heat stroke

. Countries across all latitudes, including Russia

, the USA

, China

, Australia

and North Africa

have suffered from increased heat stress since the deadly European heatwave in

, which caused considerable mortality and morbidity. On the other hand, biometeorological studies suggest that heat stress can seriously decrease labour productivity

, measured in terms of lost worktime from recommended work/rest ratios during heat stress, reduced work efficiency as estimated from exposure-response functions and self-reported reduced work efficiency

In the context of increasingly integrated global supply chains, the impacts of heat stress are not just confined to specific populations and industrial sectors in low latitudes but extend to wider regions and sectors

. For example, a Western European country such as the UK is rarely directly and severely affected by heat stress. However, consumption of beer or coffee in the UK can drop as a result of the severe impact of heat stress on wheat and coffee bean suppliers in Africa and South America

. This kind of spillover effect can have important consequences in terms of global food security

, energy supply

and the supply of various mineral products

The direct mortality and productivity loss resulting from heat stress have been extensively studied. However, the indirect losses due to supply-chain disruptions have not been fully analysed

, as previous literature has either devoted insufficient discussion to the indirect effects by only reporting the total/aggregated effects

or ignored the amplifying effect of the global trade system on direct losses. As climate change will make the impacts of heat stress worse over time, developing

methodologies that allow comprehensive quantifications of both the direct and indirect impacts of heat stress on human systems can help policy-makers to develop more effective climate change mitigation and adaptation policies. In this study, a disaster footprint analytical framework, by integrating climate, epidemiological and hybrid inputoutput and computable general equilibrium global trade modules, was constructed to provide a comprehensive assessment of the impact of heat stress on socioeconomic systems to 2060, including health loss (excess mortality due to extreme heatwaves), labour productivity loss (decreased daily labour productivity due to higher temperature and humidity) and indirect loss (production stagnation due to lack of supply or demand) across 141 regions and 65 sectors worldwide. Details of our analytical approach are provided in the Methods. In summary, we use the sixth phase of the coupled model intercomparison project phase 6 (CMIP6)

, where 14 widely applied global climate models (GCMs) are averaged to assess future daily temperature and humidity parameters. Grid-scale daily excess mortality (health loss) and labour loss rates (labour productivity loss) are calculated on the basis of empirical functions and statistics from previous studies

. On the basis of the above labour constraints in different regions and industries, a hybrid input-output and computable general equilibrium global trade module was developed in the disaster footprint analytical framework to assess the pattern of heat-related economic losses transmitted through the global supply chain. By quantifying indirect effects that were hardly analysed before, this model provides insight into the far-reaching impacts of heat stress across global supply chains and how such impacts evolve spatially and over long time scales. The estimated results are based on static production and trade relationships which may not accurately address the dynamic nexus among industries and countries in the long-term.

This study examines three scenarios combining various representative concentration pathways (RCPs) and shared socioeconomic pathways (SSPs). RCPs represent greenhouse gas concentration trajectories as adopted by the Intergovernmental Panel on Climate Change (IPCC). Each RCP scenario implies different magnitudes of future heat stress. SSPs represent socioeconomic development pathways. Different SSP scenarios imply different amounts of risks of heat stress exposure and societal adaptive capacity. Three SSP-RCP scenarios were considered: SSP 585, SSP 245 and SSP 119. Scenario SSP 585 represents a world of rapid and unconstrained growth in economic output and energy use. Scenario SSP 245 represents the middle of the range of plausible future pathways

, reflecting the continuation of historical mitigation efforts

. In scenario SSP 119, the world shifts pervasively toward a more sustainable path, emphasizing more inclusive development that respects perceived environmental boundaries. These three scenarios, from high carbon to sustainable trajectories, allow the quantification of the potential economic benefits of ambitious emissions reduction policies that have previously received little attention.

Figure 1a-d depicts the total global economic loss and the specific components. Under the SSP 119 scenario, the total global gross domestic product (GDP) loss is

in 2040 and each component is estimated as follows: health loss (0.5%), labour productivity loss (0.3%) and indirect loss (0.1%). In 2060, global GDP loss slightly decreases to 0.8% (0.4% health loss, 0.3% labour productivity loss and

indirect loss), amounting to about US

trillion (values are constant 2020 price). The number of global average heatwave days (definition and calculation detailed in the Methods) would increase by

compared to 2022 and the average annual number of heatwave deaths would be around 0.59 million (

million). In the case of a high-emissions, high-growth development path, SSP 585, economic losses in 2060 increase by 500% compared to the SSP 119 scenario, up to

(

health loss,

labour loss and

indirect
loss), with a value of about US

(18.36-28.80) trillion. The global annual heatwave days would be

higher compared to 2022 and the global average annual number of heat-induced deaths would increase to around 1.12 million (0.85-1.39 million). The labour and health loss on regional and global scales are close to the results of previous studies

Global economic losses show a nonlinear growth trend with respect to time and degree of heat stress, driven by increased indirect losses. Over time, total losses grow from 1.5% of GDP in 2040 to 2.5% of GDP in 2050 and to

of GDP in 2060 (Fig. 1d) under the SSP 585 scenario. However, the proportion of global GDP loss due to supply-chain disruptions is

and

per decade from 2030 onwards (Fig. 1c), showing an exponential-like growth pattern (Extended Data Fig. 5 and Supplementary Figs. 7 and 8). Growing indirect losses gradually become the dominant contributor to total losses. Looking at the scenario scale, total GDP losses in 2060 are

under SSP 119,

under SSP 245 and

under SSP 585, of which the losses due to indirect effects are

of global GDP (

of total) under SSP 119,

(25% of total) under SSP 245 and 1.5% (38% of total) under SSP 585. As the degree of heat stress increases progressively, the indirect effects gain more weight in the total losses.

Figure 1e-p explains the mechanism behind the growing weight of the indirect effect in the total losses as the degree of heat stress increases: in terms of spatial patterns, when direct losses are of low to medium magnitude, their impact on the supply network is limited to the regional area; however, when direct losses are severe, they have wider ramifications impacting the supply chain globally and giving rise to further, indirect, losses. Under the SSP 119 scenario, health losses are most significant in South-Central Africa and Eastern Europe (Fig. 1e); labour productivity losses are concentrated in lower latitudes, including West Africa and South Asia (Fig. 1f); indirect losses are concentrated in Central America and East Asia (Fig. 1g); in general, Central and Southern Africa, Southeast Asia and Latin America have the most severe total losses (Fig. 1h). The spatial patterns of direct economic loss of labour and health under the three scenarios are similar. However, it is noteworthy that persistent and severe heat stress expected under the rapid growth SSP 585 scenario leads to substantial disruptions beyond the regional scale through to global value chains (GVCs). Countries such as Brazil, China and Norway all suffer substantial economic ripple losses. China’s indirect economic losses due to supply-chain disruptions soar from 0.4% under SSP 119 to 2.7% of GDP under SSP 585, Brazil from 0.2% to

and Norway from less than

. Although developed countries at high latitudes can mitigate most potential losses through adaptation strategies such as air conditioning under SSP 119 scenario, they remain exposed to risk of declining supply or demand in the GVCs under SSP 585 scenario (Fig. 1 o and Supplementary Fig. 10). European Union (EU) countries will face considerable indirect losses due to their trading partners’ reduced production capacity of minerals and food products, especially developing countries. Although severely affected countries in South Asia or Africa are not core trading partners of the EU and trade volumes between such countries and the EU are relatively small, indirect economic losses in the EU will be amplified when many of those developing countries are affected by heat stress.

Different sensitivities to heat stress across countries

Different economies face different risk of losses from heat stress, depending on their geographical locations and the position they occupy in the global supply chain. First, countries whose densely inhabited districts are expected to suffer from severe future warming and temperature anomalies, are the most vulnerable to health losses in terms of excess mortality. Under the SSP 119 scenario, South-Central Africa’s GDP loss due to heatwave deaths is

in 2060, the highest in the world. It is followed by Trinidad and Tobago (1.7%), Sri Lanka (1.5%) and Indonesia (1.5%; Fig. 2a). Vulnerability to health impacts depends on the frequency of extreme weather events and

Fig. 1| Global heat-related losses in the midcentury and their distributions
across the world. a-d, Evolutionary trends of the four types of losses from 2040 to 2060 under different scenarios (health loss (a); labour productivity loss (b); indirect loss (supply-chain disruptions) (c); and the total losses (d)). The colours from light to dark, represent the economic losses from the three

scenarios SSP 119, SSP 245, SSP 585, respectively. e-p, The spatial distribution of global losses as a percentage of each country’s GDP at midcentury under the SSP

, SSP

and SSP

scenarios. The values shown are 10-year averages (for example, loss reported in 2060 represents the average loss calculated over the period between 2055 and 2065).
the amount of adaptive capacity. For example, Hungary and Croatia suffer considerable health losses, even though in these countries the climate is cooler than in the Middle East and North Africa. Unlike labour losses, which occur in regions with very high average temperature and humidity, health losses depend largely on the variance and abrupt changes in summer temperatures. As climate change will lead to more frequent and intense heatwaves, populations in cooler climatic zones will experience considerable loss of life if the adaptive capacity does not keep pace with the abrupt and sudden changes.

Second, low-income emerging economies in the warmest climatic zones are more likely to suffer labour productivity losses. Under the SSP 119 scenario for 2060, countries such as Botswana, Nepal and Nigeria suffer substantial labour productivity losses, up to 1.3%, 1.2% and 1.2% of GDP, respectively (Fig. 2b). These emerging economies are predominantly located in southern and western Africa (except Nepal), where scorching climates combined with substantial warming over time result in labour-intensive activities during summer months being conducted under increasingly high temperatures. To add insult to injury, most of these countries depend on primary industries such as agriculture, forestry, mining and construction, where workers are mostly outdoors and will be severely affected by extreme heat. For example, agriculture accounts for 21.3% of Nepal’s GDP and 23.4% of Nigeria’s, whereas mining contributes to nearly 28% of Botswana’s

. The widespread suspension and reduction of production in the agroforestry and extractive industries due to heat stress will have serious repercussions on national economies and international trade balances. Consequently, these countries are among the most affected by the loss of labour productivity.

Third, small to medium-sized economies with strong and diverse connections to the most affected regions in the GVC, are highly vulnerable to indirect effects. In the context of the SSP 119 scenario, value chains in Latin America and Southeast Asia are the most severely
affected (Fig. 2c). Puerto Rico suffered the highest losses, estimated at

of GDP, whereas Venezuela, Malaysia and other Latin American countries, including El Salvador, Panama and Dominican Republic, lost approximately

of GDP. Under the SSP 585 scenario, Southeast Asian economies such as Brunei, Malaysia, Singapore and Indonesia suffer the most. These losses stem from strong trade connections with highly vulnerable countries. For example, Brunei and Singapore are exposed to indirect effects as they import nearly 60% of their annual mineral and metal products from China, Malaysia and Indonesia. Caribbean countries like Puerto Rico and Panama generally have less economic diversity and depend heavily on the service sector and international trade. The complex mechanism of transmitting losses along the value chain necessitates thorough consideration by countries for managing future risk of instability across critical industries.

A comparison between the SSP 119 (Fig. 2a-c) and SSP 585 (Fig. 2d-f) scenarios shows that losses do not increase uniformly across developing and developed countries when faced with severe climate change impacts, indicating uneven exposures to climate risk. Under the high-emission SSP 585 pathway, a substantial portion of the rapidly escalating economic losses is shouldered by developing countries. Despite Africa contributing less than 5% of global greenhouse gas emissions, 12 countries in the continent, including Rwanda, Botswana, Uganda and Malawi, are projected to suffer some of the most substantial economic losses globally by the midcentury. Several East African countries such as Malawi, Madagascar and Tanzania are highly expected to suffer labour productivity losses of approximately

of GDP. Regarding health losses, South-Central Africa and Rwanda experience GDP losses of 8.6% and 7.2%, respectively, almost five times more compared to the SSP 119 scenario. In the SSP 585 scenario, indirect losses become more widespread, affecting both developed and developing economies. Brunei incurs the highest indirect losses at 4.7% (4.0-5.3%)

Fig. 2 | Top ten regions with the severest losses by type under SSP 119 and SSP

scenarios.

, Top ten climate change-sensitive regions with the most severe health losses (a), labour productivity losses (b) and indirect losses (c) in 2060, under SSP 119 scenario. d-f, Top ten climate change-sensitive countries with the most severe health losses (d), labour productivity losses (e) and indirect losses (f) in 2060, under SSP 585 scenario. The countries marked
with black triangles are newly ranked among the most vulnerable countries in 2060 under the SSP 585 scenario compared with SSP 119. The values shown are 10 -year averages. Error bars represent 1 s.d. from the mean of decadal data. Upper and lower limits indicate mean + s.d. and mean – s.d., respectively. TTO, Trinidad and Tobago.
of its GDP, whereas other emerging economies like Paraguay and Indonesia lose around 3.3% of their GDP. These findings demonstrated that the rapid growth of income and air-conditioning penetration in emerging economies under the SSP 585 scenario falls short of counteracting the immense impact of climate change on their economies.

Asymmetric effects of heat stress on global supply chains

Figure 3 highlights the three types of losses for sectors experiencing the highest losses across representative countries. The crop farming, construction and mining sectors are the most affected in most countries, especially in several African and Asian countries that rely on primary industries. For instance, an average summer wet bulb globe temperature (WBGT) above 30 in Tanzania challenges the ability of most outdoor workers to adapt in the midcentury. Sectors requiring workers to be directly exposed to sunlight, such as construction and farming, will suffer a loss of value-added (VA) of 1.9% in 2040 under the SSP 119 scenario. In 2060, rising incomes and a stable climate will result in a slightly reduced VA loss of

explained by lower labour productivity and health losses. However, under the high warming SSP 585 scenario, the same VA loss increases to

in 2040 and soars to 8.1% in 2060. In addition, most indoor manufacturing industries suffer a VA loss of

in 2060 under the SSP 585 scenario. As demonstrated in Extended Data Fig. 9, countries like Tanzania, Zimbabwe and other

African countries exhibit similar patterns of loss. Countries with comparable loss patterns tend to be situated at low latitudes, particularly in the Middle East, South Asia and Africa-regions most threatened by climate change. Most indoor manufacturing and service industries in developing countries have limited access to air conditioning and, as a result, labour capacity and economic development will be severely undermined by climate change.

Non-metallic products and ferrous metals are vulnerable to climate change because of simultaneous supply-chain shocks from both upstream (supply) and downstream (demand). For example, a country such as India is affected directly by high temperatures and indirectly by the close links with countries severely impacted by heat stress. In 2040, losses in non-metallic manufacturing are second only to construction and agriculture sectors at

of sectoral VA, whereas ferrous metals industry loses

of VA. These losses can be attributed to both insufficient demand in the domestic construction sector and shortage of minerals and coal supplies from countries in Southeast Asia and Africa (for example, Indonesia and South Africa). In 2060, under SSP 585 scenario, with the increasingly frequent shutdowns in mining and construction industries under extreme summer heat stress, the ferrous metals industry in India suffers the most substantial VA loss at

, of which more than

is due to indirect losses, followed by the loss from non-metallic manufacturing industry at

. The sectoral patterns of loss in India are characterized by a combination of health, labour and indirect losses. The decline in labour

Fig. 3| Top five industrial sectors with the most severe heat-related losses in four representative countries. a-1, Showing the top five most vulnerable sectors in Tanzania (a-c), India (d-f), Germany (g-i) and Sweden (j-l) in 2040 (a,d,g,j), 2050 (b,e,h,k) and 2060 (c,f,i,l). Sectors with absolute VA losses exceeding the median were ranked by percentage of VA losses, from highest to lowest. The length of the bar represents the 10-year average percentage VA loss of a sector. Sectors with the same percentage loss (for example, wheat, rice and

cereals) were combined. Colours indicate the three categories of losses under SSP 119: health losses (yellow bars), labour productivity losses (purple bars) and indirect losses (azure bars). The orange and red bars represent the increment of the total loss under SSP 245 and SSP 585 (without differentiating by type of loss), respectively. The four types of countries were derived by machine-learning clustering based on sectoral patterns of economic loss (Supplementary Figs. 11 and 12 and Supplementary Table 3).
productivity in the domestic construction and plantation industries leads directly to high economic losses in the country’s related value chains. As shown in Extended Data Fig. 10, countries located at low and middle latitudes, such as China and Vietnam, exhibit similar patterns of loss.
Light manufacturing, including metal products, rubber and plastic products, food processing and beverages and tobacco, are vulnerable to indirect effects because of a lack of raw materials supply, such as minerals, metals, crops, oil seeds and vegetables. For example, under the SSP 119 scenario, metal products and tobacco and beverage manufacturing in Germany lose around

of VA in 2040. Under the SSP 585 scenario, the economic loss of beverages and tobacco would increase by more than six times in 2060, reaching 2.0% of VA as imports of plantation products (palm oil, soybeans, coffee, spices and so on) from South America, Southeast Asia and Africa decline by around 5% to 8% (Extended Data Fig. 8). Losses of metal products rise even faster, reaching

of VA in 2060. This is because the main producers of raw materials, such as coal and metals, which are essential for the metal products industry, are primarily located in regions that are vulnerable to climate change. This leads to higher losses in the metal product-related chain in most countries with developed manufacturing industries, including Germany, France and Australia (Extended Data Fig. 11). These countries have a relatively low share of agricultural GDP (less than 3%), with slight losses. Labour productivity losses are high
only in the construction or mining sector, whereas indirect losses are higher in the metal-related manufacturing sector because of insufficient supply from foreign trading partners.

Similarly, high-end machinery, equipment and chemical products industries suffer indirect losses as a result of multilevel cascading effects, even in very cool climates. Losses in these industries, especially in developed countries such as European countries, emerge slowly and are not substantial under the SSP 119 scenario but increase sharply under SSP 245 and SSP 585 scenarios. For example, Sweden’s industry-wide production suffers mainly from indirect losses through supply-chain disruptions and excess mortality due to heatwaves. From 2040 to 2060 under the SSP 119 scenario, impacts on production activities are moderate given the cool climate and dependence on the stable EU supply chain. Sectors like electrical equipment and chemical products experience less than

of VA loss, mostly health loss due to sudden extreme heatwaves. However, sector VA losses soar under the SSP 585 scenario. Losses in the mechanical equipment sector increase rapidly, growing by approximately five times compared to the SSP 119 scenario. Ferrous metals (2.2%), electrical equipment (1.9%) and machinery and equipment (1.6%) experience the highest VA losses. Indirect losses become a main constraint in many sectors because national adaptive strategies or close regional trade flows (as in the EU) can no longer support production when heat stress becomes increasingly more severe globally. As shown in Extended Data Fig. 12, developed economies

	Upstream
	a	Malaysia—Vegetable oils and fats		-1.8%
		Brazil-Sugar		-2.3%
2040		Brazil-Vegetable oils and fats		-1.7%
		China-Vegetables, fruit, nuts		-1.7%
		Indonesia-Coal		-2.5%
	c
		Indonesia-Vegetable oils and fats	-4.9%
2060		Brazil-Sugar	-4.8%
		Côte d’Ivoire-Vegetables, fruit, nuts -6.2%
		Malaysia-Chemical products	-5.4%
	e	Dominican Republic-Electricity		-1.7%
		USA-Insurance		-1.4%
2040		China-Electrical equipment		-1.6%
		China-Computer, electronic and optical products		-1.8%
		Dominican Republic-Motor vehicles and parts		-1.9%
	g	Dominican Republic-Business services -4.5%
		USA-Insurance	-4.7%
2060		China-Electrical equipment	-4.2%
		China-Electronic and optical products	-4.2%	0
		USA-Financial services nec	-4.3%
		-10	Change of trade flow (%)		0

Fig. 4 | Impacts of heat stress on supply chains of India food production and Dominican Republic tourism. a-d, Trade flows between India food production sector and upstream (a,c) and downstream (b,d) sectors in 2040 (a,b) and 2060 (c,d). e-h, Trade flows between Dominican Republic tourism sector and upstream (e,g) and downstream (f,h) sectors in 2040 (e,f) and 2060

. Each bar represents a key trading partner (sector with trade volume above the 50% quartile of trade volumes of the selected sector with all partner

sectors) and the length represents the percentage decrease in product flow compared to the base period of 2014. The colours of the bars represent the cohesion level of the particular sector to the Indian food production sector from blue (weak) to red (strong), which is measured by the trade volume between the particular sector and the Indian food production sector. nec, not elsewhere classified.
located at high latitudes, such as Norway and the UK, are characterized by similar loss patterns.
We also analyse the mechanism through which indirect losses from disruptions in international trade flows propagate through national supply chains of specific sectors. Figure 4 illustrates how climate risk propagates through two supply chains, the Indian food production and the Dominican Republic tourism sectors, respectively (see Extended Data Fig. 8 for other typical supply chains). Each of these sectors is important to the respective economies of India (

of GDP) and the Dominican Republic (18% of GDP) and each is largely dependent on international supply chains. In the case of India’s food sector, we see a pattern of ‘upstream constraint’ through which insufficient upstream supply of intermediates (such as palm oil from Indonesia) impacts the downstream sector and the entire value chain, whereas in the case of tourism in the Dominican Republic, we see a pattern of ‘downstream constraint’-the impact of insufficient downstream demand affects the upstream sector and the entire value chain.
The supply chain of the Indian food production industry relies heavily on its upstream suppliers, the oil and fat sectors of Indonesia and Malaysia, and as a result it is vulnerable to higher temperatures. The unmitigated warming under the SSP 585 scenario exacerbates the shortage of raw materials. By 2060, palm oil supplies from Malaysia and Indonesia fall by

and

. Additionally, Brazilian sugar,

Southeast Asian and African vegetables, fruits and nuts are also less available, with a supply decreased by around

. Consequently, downstream countries, including India, Vietnam, Pakistan and other important trading partners, experience a contraction of imports between

and 5.1% (Extended Data Fig. 6). These impacts can negatively affect food prices and security in both developing and developed countries.

In contrast to the Indian food production industry, the Dominican Republic’s tourism industry is more constrained by downstream demands. Under the SSP 585 scenario, the wealth generated by tourism in the Dominican Republic could drop substantially, as the largest source of foreign visitors, the USA, is likely to reduce annual demand for tourism in the Dominican Republic on average by around 5.5%. Demand from Malaysia and Indonesia is likely to fall by

and

. A drop in tourism output, the backbone of the Dominican Republic’s economy, is likely to reduce demand for upstream business services and manufacturing industries by approximately

, causing an extra impact on the Dominican national economy. The decline in the tourism sector is also likely to lead to a

and

drop in the Dominican Republic’s demand for insurance and financial services from the USA, as well as

and

drop in the demand for electronic equipment and chemical products from China (Extended Data Fig. 7). Furthermore, a smaller tourism sector leads to the slowdown in the construction of
tourism infrastructure and the supply of tourism supporting products, posing considerable risks for tourism investment.

Implication for targeted risk governance and regional cooperation

By coupling climate, epidemiological and economic models, this study investigates the direct impact of heat stress on human activities and the indirect losses across the broader global supply chain. Focusing on the indirect effects of heat stress addresses a substantial gap in the literature. Comprehending the indirect effects of heat stress is crucial for devising effective and targeted adaptation strategies in the context of increasingly complex global supply-chain networks.
Our findings show that supply chains amplify the risk of future heat stress by causing nonlinear economic losses worldwide. In other words, the considerable adverse indirect effects of heat stress across interconnected markets cannot be overlooked. The indirect losses of heat stress highlight the need for countries to strengthen collaboration across global relevant supply-chain stakeholders to achieve successful heat stress adaptation. For instance, our results demonstrate that the impact of a heatwave on the agriculture and food manufacturing industry in India can further lead to a

loss of VA in the US food manufacturing industry. If the USA were to support India’s adaptation efforts through technology transfer, they would indirectly be reducing their own losses. These considerations could guide policy-makers working towards global cooperation for future climate change mitigation and heat stress adaptation efforts.
We also illustrate the sensitivity of different countries and sectors to the three types of losses caused by heat stress. For example, Caribbean and Central African countries are more likely to suffer health losses, whereas for low-income countries in Africa and Southeast Asia labour losses are more likely. By contrast, small to medium-sized economies dependent on international trade, such as Brunei, are more exposed to indirect losses. The way heat stress-related costs emerge demonstrates how extensive and diverse impacts from heat stress are propagated through global supply chains, resulting in economic losses to a country or sector that may not be immediately apparent. Our quantitative results provide valuable information for designing more targeted and effective heat stress adaptation strategies.
Our developed model and estimations are subject to uncertainties and limitation (detailed description in Supplementary Information sections 1.1-1.3). For example, although the disaster footprint module is widely used and performs well for single-country/single-region analyses, the substitutability of products in a multicountry scenario requires further discussion to ensure robustness. To quantify some of the uncertainties, we conducted a comprehensive sensitivity analysis, with details available in the Methods and Supplementary Information section 1 . Specifically, we used different years and versions of the input-output database for comparison to analyse the uncertainty in production and trade structures (Extended Data Fig. 4).
Globally, the estimate of the total amount of indirect losses is robust to changes in the data used (GTAP 2011 and GTAP 2014) for the base period. The results of the loss assessment at global scale differ by less than

in 2060. Most countries are distributed around the

line, which suggests a consistent assessment across different trade structures. Regionally, for a few countries, indirect loss assessments can show larger differences. By comparison, we find that when using GTAP 2014 data for the base period, indirect economic losses in East and Southeast Asian countries, such as Singapore, Korea and Japan, are amplified (Extended Data Fig. 4 and Supplementary Fig. 6). This can be explained by the fact that, in GTAP 2014, those countries have closer economic ties with climate-sensitive markets, including Malaysia, China, India and Vietnam. For instance, trade between Singapore and emerging economies such as China and Vietnam had increased substantially from 2010 to 2014. According to the Singapore Department
of Statistics (https://www.singstat.gov.sg/) and the United Nations Commodity Trade Statistics Database (https://comtrade.un.org), China became the largest trading partner of Singapore in 2014, up from fourth place in 2011, whereas Vietnam rose to the 13th largest partner in 2014, from the 20th place in 2011. Conversely, Singapore’s total trade share with the EU and the USA decreased slightly over the same period. Similarly,Japan,Korea and Myanmar developed closer trade relationships with emerging markets such as China, India and Vietnam.

The assessment of indirect losses under different trade relationships offers important insights into the likely supply-chain risks posed by climate change. As Africa, South America and Southeast Asia become increasingly involved in GVCs, the resilience of GVCs to the impacts of climate change must be properly assessed, rather than merely considering scale effects and comparative advantage in terms of economic efficiency.

For parameters such as the maximum stock ratio and excess production capacity, we conducted the experiment several times in the range of possible values from previous studies. For trade substitutability, upper and lower bounds of perfect substitution and non-substitution (traditional static input-output model) were used. We elaborate in more detail about the uncertainty intervals of the parameter for the three main modules and perform a Monte Carlo analysis, including simulation of economic loss dynamics for 10,000 periods (Supplementary Table 2). We have also conducted an historical validation using several authentic data sources (robustness tests and validation in the Supplementary Information), encompassing government statistics, empirical studies and institution reports

(Supplementary Tables 1, 6 and 7, and Supplementary Fig. 1), in addition to a comparative analysis of previous studies

concerning future periods based on CMIP5 data and similar RCP scenarios (Extended Data Fig. 5).
Despite the uncertainties, our conclusion that projected climate change will continue to increase heat-related risks globally in the coming decades and that global supply chains will amplify economic losses by spreading indirect losses to wider regions, remain robust. Therefore, in the future, the organization of global supply chains should gradually shift from an exclusive focus on efficiency to one that places equal emphasis on efficiency and resilience. A concerted global strategy to reduce emissions will not only directly protect many people in developing economies from direct economic losses of heat stress but will also maintain resilient and efficient global supply chains and contribute to the long-term, sound development of the global economy.

Online content

Any methods, additional references, Nature Portfolio reporting summaries, source data, extended data, supplementary information, acknowledgements, peer review information; details of author contributions and competing interests; and statements of data and code availability are available at https://doi.org/10.1038/s41586-024-07147-z.

Callendar, G. S. The artificial production of carbon dioxide and its influence on temperature. Q. J. R. Meteorolog. Soc. 64, 223-240 (1938).
Seneviratne, S. I. et al. in Climate Change 2021: The Physical Science Basis (eds Masson-Delmotte, V. et al.) 1513-1766 (Cambridge Univ. Press, 2021).
Callahan, C. W. & Mankin, J. S. Globally unequal effect of extreme heat on economic growth. Sci. Adv. 8, eadd3726 (2022).
Lenton, T. M. et al. Quantifying the human cost of global warming. Nat. Sustain. 6, 1237-1247 (2023).
Cai, W. et al. The 2020 China report of the Lancet Countdown on health and climate change. Lancet Public Health 6, e64-e81 (2021).
Gasparrini, A. et al. Mortality risk attributable to high and low ambient temperature: a multicountry observational study. Lancet 386, 369-375 (2015).
Flouris, A. D. et al. Workers’ health and productivity under occupational heat strain: a systematic review and meta-analysis. Lancet Planet. Health 2, e521-e531 (2018).
Revich, B. & Shaposhnikov, D. Excess mortality during heat waves and cold spells in Moscow, Russia. Occup. Environ. Med. 65, 691-696 (2008).
Kjellstrom, T. & Crowe, J. Climate change, workplace heat exposure and occupational health and productivity in Central America. Int. J. Occup. Environ. Health 17, 270-281 (2011).

Article

Cowan, T. et al. More frequent, longer and hotter heat waves for Australia in the twenty-first century. J. Clim. 27, 5851-5871 (2014).
Ahmadalipour, A. & Moradkhani, H. Escalating heat-stress mortality risk due to global warming in the Middle East and North Africa (MENA). Environ. Int. 117, 215-225 (2018).
Christidis, N., Jones, G. S. & Stott, P. A. Dramatically increasing chance of extremely hot summers since the 2003 European heatwave. Nat. Clim. Change 5, 46-50 (2015).
Dunne, J. P., Stouffer, R. J. & John, J. G. Reductions in labour capacity from heat stress under climate warming. Nat. Clim. Change 3, 563-566 (2013).
Kjellstrom, T., Freyberg, C., Lemke, B., Otto, M. & Briggs, D. Estimating population heat exposure and impacts on working people in conjunction with climate change. Int. J. Biometeorol. 62, 291-306 (2018).
Lee, S.-W., Lee, K. & Lim, B. Effects of climate change-related heat stress on labor productivity in South Korea. Int. J. Biometeorol. 62, 2119-2129 (2018).
Nunfam, V. F., Adusei-Asante, K., Frimpong, K., Van Etten, E. J. & Oosthuizen, J. Barriers to occupational heat stress risk adaptation of mining workers in Ghana. Int. J. Biometeorol. 64, 1085-1101 (2020).
Borg, M. A. et al. Occupational heat stress and economic burden: a review of global evidence. Environ. Res. 195, 110781 (2021).
Kjellstrom, T., Kovats, R. S., Lloyd, S. J., Holt, T. & Tol, J. S. R. The direct impact of climate change on regional labor productivity. Arch. Environ. Occup. Health 64, 217-227 (2009).
Hasegawa, T. et al. Climate change impact and adaptation assessment on food consumption utilizing a new scenario framework. Environ. Sci. Technol. 48, 438-445 (2014).
Wenz, L. & Levermann, A. Enhanced economic connectivity to foster heat stress-related losses. Sci. Adv. 2, e1501026-e1501026 (2016).
Xia, Y. et al. Assessment of the economic impacts of heat waves: a case study of Nanjing, China. J. Clean. Prod. 171, 811-819 (2018).
Zhao, M., Lee, J. K. W., Kjellstrom, T. & Cai, W. Assessment of the economic impact of heat-related labor productivity loss: a systematic review. Clim. Change 167, 22 (2021).
Xie, W. et al. Decreases in global beer supply due to extreme drought and heat. Nat. Plants 4, 964-973 (2018).
Lima, C. Zde et al. Heat stress on agricultural workers exacerbates crop impacts of climate change. Environ. Res. Lett. 16, 044020 (2021).
Hertel, T. W. & Rosch, S. D. Climate change, agriculture and poverty. Appl. Econ. Perspect. Policy 32, 355-385 (2010).
Xie, W., Cui, Q. & Ali, T. Role of market agents in mitigating the climate change effects on food economy. Nat. Hazards 99, 1215-1231 (2019).
Pierce, R. J. Energy independence and global warming. Nat. Res. Environ. 21, 68-71 (2007).
Bleischwitz, R. Mineral resources in the age of climate adaptation and resilience. J. Ind. Ecol. 24, 291-299 (2020).
Wang, D. et al. Economic footprint of California wildfires in 2018. Nat. Sustain. 4, 252-260 (2021).
Xia, Y. et al. Assessing the economic impacts of IT service shutdown during the York flood of 2015 in the UK. Proc. R. Soc. A 475, 20180871 (2019).
García-León, D. et al. Current and projected regional economic impacts of heatwaves in Europe. Nat. Commun. 12, 5807 (2021).
Knittel, N., Jury, M. W., Bednar-Friedl, B., Bachner, G. & Steiner, A. K. A global analysis of heat-related labour productivity losses under climate change-implications for Germany’s foreign trade. Clim. Change 160, 251-269 (2020).
Takakura, J. et al. Limited role of working time shift in offsetting the increasing occupational-health cost of heat exposure. Earth’s Future 6, 1588-1602 (2018).
Eyring, V. et al. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geosci. Model Dev. 9, 1937-1958 (2016).
Fasullo, J. T. Evaluating simulated climate patterns from the CMIP archives using satellite and reanalysis datasets using the Climate Model Assessment Tool (CMATv1). Geosci. Model Dev. 13, 3627-3642 (2020).
Guo, Y. et al. Heat wave and mortality: a multicountry, multicommunity study. Environ. Health Perspect. 125, 087006 (2017).
Riahi, K. et al. The Shared Socioeconomic Pathways and their energy, land use and greenhouse gas emissions implications: an overview. Glob. Environ. Change 42, 153-168 (2017).
Fricko, O. et al. The marker quantification of the Shared Socioeconomic Pathway 2: a middle-of-the-road scenario for the 21st century. Glob. Environ. Change 42, 251-267 (2017).
Orlov, A., Sillmann, J., Aunan, K., Kjellstrom, T. & Aaheim, A. Economic costs of heatinduced reductions in worker productivity due to global warming. Glob. Environ. Change 63, 102087 (2020).
Takakura, J. et al. Cost of preventing workplace heat-related illness through worker breaks and the benefit of climate-change mitigation. Environ. Res. Lett. 12, 064010 (2017).
Watts, N. et al. The 2019 report of The Lancet Countdown on health and climate change: ensuring that the health of a child born today is not defined by a changing climate. Lancet 394, 1836-1878 (2019).
World Development Indicators, https://databank.worldbank.org/source/world-developmentindicators (World Bank, 2022).
Hsiang, S. M. Temperatures and cyclones strongly associated with economic production in the Caribbean and Central America. Proc. Natl Acad. Sci. USA 107, 15367-15372 (2010).
Colacito, R., Hoffmann, B. & Phan, T. Temperature and growth: a panel analysis of the United States. J. Money Credit Bank. 51, 313-368 (2019).
EM-DAT, www.emdat.be/ (CRED, accessed 1 February 2023).
Gridded Population of the World, Version 4 (GPWv4): Population Count, Revision 11, https://doi.org/10.7927/H4JW8BX5 (CIESIN, 2018).
The Human Cost of Disasters: An Overview of the Last 20 Years (2000-2019), www.undrr. org/publication/human-cost-disasters-overview-last-20-years-2000-2019 (UNDRR, 2020).
Dellink, R., Lanzi, E. & Chateau, J. The sectoral and regional economic consequences of climate change to 2060. Environ. Res. Econ. 72, 309-363 (2019).

Publisher’s note Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Open Access This article is licensed under a Creative Commons Attribution 4.0 International License, which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons licence, and indicate if changes were made. The images or other third party material in this article are included in the article’s Creative Commons licence, unless indicated otherwise in a credit line to the material. If material is not included in the article’s Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder. To view a copy of this licence, visit http://creativecommons.org/licenses/by/4.0/.
(c) The Author(s) 2024

Methods

Our methodology, in essence, combines three modules of climate, health and economy with full validation (Extended Data Fig. 1). The integrated model links climate module (estimating future climate parameters including surface air temperature and relative humidity and so on), demographic and health module (simulating future world population dynamics and exposure-response functions to warming) and economic module (dynamic footprint of heat-induced labour loss on global economy and supply chain).

Climate module

Fourteen GCMs involved in the framework of CMIP6 (Extended Data Table 1) with ten bias-corrected models from ISIMIP3b

are used to estimate the modelled heat stress projection for the end of the twenty-first century. Five models were randomly averaged several times from the climate model ensemble as a Monte Carlo uncertainty analysis. ERA5 re-analysis data

from 1985 to 2022 are used for bias-correction and validation. Climatic parameters such as maximum and average temperature and relative humidity on a daily scale are integrated, which are closely related to future working environment (Supplementary Fig. 9).

Many institutes, including International Standards Organization (ISO) and US National Institute for Occupational Safety and Health (NIOSH), use WBGT to quantify different amounts of heat stress and define the percentage of a typical working hour that a person can work while maintaining core body temperature. To facilitate the long-term calculation, we use

simplified WBGT, which approximates WBGT well using temperature (

) and relative humidity ( RH

as parameters such as solar radiation and wind speed have higher uncertainty and weaker effects at the global scale. To take into account indoor heat exposures for industrial and service sector workers, we used the approximation that indoor WGBT

WBGT

, based on a deduction of the radiation exposure factor from the formula below

We also calculated the spatial and temporal evolutionary trends in the occurrence of future heatwaves to calculate excess mortality. There is no consistent definition for heatwave worldwide because people may have acclimatized to their local climatic zones and different studies have applied various temperature metrics

. Heatwaves are usually defined by absolute or relative temperature threshold in consecutive days

. There are various ways to define a heatwave. For example, the IPCC defines heatwave as “a period of abnormally hot weather, often defined with reference to a relative temperature threshold, lasting from two days to months”, whereas the Chinese Meteorological Administration defined heatwave as “at least three consecutive days with maximum temperature exceeding

“. Others

identified heatwave using the TX90p criterion, that is, when the 90th percentile of the distribution of regional maximum temperatures spanned by data from the period 1981-2010 was exceeded for at least three consecutive days. In our study, two or more consecutive days above the 95% threshold of the 1985-2015 ERA5 daily mean temperature

were defined as a heatwave, which is considered to be a moderate estimation and is widely used in epidemiological studies

. Several definitions, such as four or more consecutive days above the

threshold, are used as sensitivity analysis. Considering certain amounts of climate adaptation of the local resident along the warming climate, dynamic heatwave thresholds

are defined as part of the uncertainty analysis in this study; that is two or more consecutive days above the

threshold of the daily mean temperature between 1985 and the year before the target year were defined as a heatwave (ERA5 data are used for 1985-2014; climate
projection data are used after 2015). The use of a dynamic threshold based on both historical and climate projections data helps to incorporate the human adaptation of heat stress in a long-term warming scenario, as reported in recent studies

Some studies have shown that the health impact of heatwaves could vary substantially with location

. Few studies have investigated the heatwave-induced mortality risk at a global scale

. A primitive health risk function associating heatwave mortality risks with four different climate zones was established by ref. 36 on the basis of a comprehensive study using data from 400 communities in 18 countries/regions across several years (1972-2012). Here, we used the relative risk coefficients (Extended Data Table2) from figure 4 of ref. 36 for four different climate zones (Extended Data Fig. 3) to estimate potential heatwave-related death due to climate change on a global scale. The simplified four-climate-zone-based estimation may neglect subregional characters and should be interpreted with caution, as further factors affecting heat-induced death (such as air condition accessibility

, age

and humidity

) are not included in this study.

The number of excess deaths

during a heatwave period was calculated at each grid cell level (

) with the following equation:

POP is the population at the given location consistent with the SSPs

. MR is the average daily mortality rate (2009-2019) at the country level obtained from the World Bank

. For 37 countries with large territory and more refined data (for example, European Union (including UK), Russia, Ukraine, China, the USA, Canada, Brazil, South Africa, India and Australia), we used state/provincial statistics based on data from national statistical offices (Source, World Bank; state/province level data for European Union, Eurostat

; Russia, The Russian Fertility and Mortality database

; China, China Statistical Yearbook

; the USA, National Institutes of Health

; Brazil, Fundação Amazônia de Amparo a Estudose Pesquisas

; Canada, Statistics Canada

; Australia, Australian Bureau of Statistics

; India, Ministry of Finance Economic Survey

). RR is the relative risk of mortality caused by heatwaves. HWN is the number of heatwave days for the given year and location (Extended Data Fig. 2).

The calculated excess deaths are translated to a social-economic loss on the basis of the value of statistical life (VSL). The concept of VSL is widely used throughout the world to monetize fatality risks in benefit-cost analyses. The VSL represents the individual’s local moneymortality risk tradeoff value, which is the value of small changes in risk, not the value attached to identified lives. The country-based VSL estimation used in this research is adopted from the global health risks pricing study by ref. 84 . The estimation is based on the estimated VSL in the USA (US

million) and coupled with an income elasticity of 1.0 to adjust the VSL to other countries using the fixed-effects specification. A similar health valuation method has been adopted in past studies

and was recommended in the report of the World Bank

. Moreover, a sensitivity test is conducted under the assumption that all life would be valued equally across the world (Supplementary Figs. 2 and 3). For such a test, an averaged VSL is calculated by summing up each country’s income-based VSL times its population then dividing by the total population of the world.

Expose function of labour productivity

The increase in daily temperatures affects the efficiency of workers and reduces safe working time. A compromise in endurance capacity due to thermoregulatory stress was already evident at

. Different studies used similar methods to evaluate the labour loss function. The form of logistic function with ‘

‘ shape has become the consensus of the academic community but the specific functional equation and
parameters are various in different studies. The loss functions used in mainstream research include exponential function

as equation (4), cumulative normal distribution function

as equation (5) and so on. In this research, we adopt the cumulative normal distribution function (equation (5)) as our benchmark function because it was extensively applied and case proven in 3-year reports of the Lancet Countdown on health and climate change

. Because the Hothaps function (equation (4)) is subject to parameter uncertainty as a result of being based on a few empirical studies, we use it to test for the sensitivity of our estimates (Supplementary Figs. 4 and 5). Our methodology identifies three ISO standard work intensity amounts: 200 W (assumed to be office workers in the service industry, engaged in light work indoors), 300 W (assumed to be industrial workers, engaged in moderate work indoors) and 400 W (assumed to be construction or agricultural workers, engaged in heavy work outside). For example, to calculate workability loss fraction in India’s food production sector ( 300 W , indoor), we bring the corresponding parameters (Extended Data Table 3) and WBGT

into equation (5). Previous studies have tended to ignore indoor workforce loss, assuming that the indoor workforce was very low under current climate condition or protected by air conditioning

. However, a growing number of studies have proved that future indoor labour losses cannot be underestimated

. For example, only

of households in India possess an air conditioner, despite having extremely high cooling needs. Considering the severe adaptation cooling deficit in emerging economies

, indoor labour losses must be fully considered in global-scale studies. This study uses the climate-income-air conditioner usage function published by ref. 93 to assess the rate of air conditioning protection in conjunction with the per capita income of each country under each SSP scenario. Higher per capita income in each country leads to higher air-conditioning penetration, whereas the climate base determines the rate and trend of increase in air-conditioning penetration (elasticity of penetration to income). In our study, we improved the function by replacing cooling degree days (CDDs) with indoor WBGT, as CDDs only consider temperature neglecting humidity. Only the indoor workforce under air conditioning, will be protected from heat-induced loss.

Of which the parameters for a given activity level ( Prod

and Prod

, defined as the amount of internal heat generated in performing the activity) are given in Extended Data Table 3, and ERF is the error function defined as:

To calculate average daily impacts, we use an approximation for hourly data based on the

method implemented by ref. 14 . We assume that 4 h per day is close to

and 4 h per day is close to WBGT

(early morning and early evening). The remaining 4 h of a 12 h daylight day is assumed to be halfway between WBGT

and WBGT

(labelled WBGT

). The analysis above gives the summer daily potential workability lost in each grid cell at each amount of work intensity and environment (

, indoor or outdoor). By combining this with the dynamic population grid under each SSP scenario (see Supplementary Fig. 13 for comparison with static population setting), we aggregate to obtain country-scale labour productivity losses. In the disaster footprint model, we adopt the approach presented by ref. 5
which defines the timeframe for computing labour productivity losses as the warm season (June to 30 September in the Northern Hemisphere and December to 30 March in the Southern Hemisphere) to adjust the overestimation of the risk of moderate hot temperature, as the model is more applicable to sudden and strong shocks rather than moderate changes throughout the year.

Global disaster footprint analysis module

The global economic loss will be calculated using the following hybrid input-output and computable general equilibrium (CGE) global trade module. Our global trade module is an extension of the adaptive regional input-output (ARIO) model

, which was widely used in the literature to simulate the propagation of negative shocks throughout the economy

. Our model improves the ARIO model in two ways. The first improvement is related to the substitutability of products from the same sector sourced from different regions. Second, in our model, clients will choose their suppliers across regions on the basis of their capacity. These two improvements contribute to a more realistic representation of bottlenecks along global supply chains

Our global trade module mainly includes four modules: production module, allocation module, demand module and simulation module. The production module is mainly designed for characterizing the firm’s production activities. The allocation module is mainly used to describe how firms allocate output to their clients, including downstream firms (intermediate demand) and households (final demand). The demand module is mainly used to describe how clients place orders to their suppliers. And the simulation module is mainly designed for executing the whole simulation procedure.

Production module

The production module is used to characterize production processes. Firms rent capital and use labour to process natural resources and intermediate inputs produced by other firms into a specific product. The production process for firm

can be expressed as follows,

where

denotes the output of the firm

, in monetary value;

denotes type of intermediate products;

denotes intermediate products used in production processes;

denotes the primary inputs to production, such as labour (

), capital (

) and natural resources (NR). The production function for firms is

. There is a wide range of functional forms, such as Leontief

, Cobb-Douglas and constant elasticity of substitution production function

. Different functional forms reflect the possibility for firms to substitute an input for another. Considering that heat stress tends to be concentrated in a specific short period of time, during which economic agents cannot easily replace inputs as suitable substitutes, might temporarily be unavailable, we use Leontief production function which does not allow substitution between inputs.

where

and

are the input coefficients calculated as

and

where the horizontal bar indicates the value of that variable in the equilibrium state. In an equilibrium state, producers use intermediate
products and primary inputs to produce goods and services to satisfy demand from their clients. After a disaster, output will decline. From a production perspective, there are mainly the following constraints.

Labour supply constraints. Labour constraints during heat stress or after a disaster may impose severe knock-on effects on the rest of the economy

. This makes labour constraints a key factor to consider in disaster impact analysis. For example, in the case of heat stress, these constraints can arise from employees’ inability to work as a result of illness or extreme environmental temperatures beyond health threshold. In this model, the proportion of surviving productive capacity from the constrained labour productive capacity (

) after a shock is defined as:

Where

is the proportion of labour that is unavailable at each time step

during heat stress;

contains the available proportion of employment at time

The proportion of the available productive capacity of labour is thus a function of the losses from the sectoral labour forces and its predisaster employment level. Following the assumption of the fixed proportion of production functions, the productive capacity of labour in each region after a disaster (

) will represent a linear proportion of the available labour capacity at each time step. Take heatwaves as an example; during extreme heatwaves that last for days on end, governments and businesses often shut down work to reduce the risk of serious illnesses such as pyrexia. This imposes an exogenous negative shock on the economic network.

Constraints on productive capital. Similar to labour constraints, the productive capacity of industrial capital in each region during the aftermath of a disaster (

) will be constrained by the surviving capacity of the industrial capital

. The share of damage to each sector is directly considered as the proportion of the monetized damage to capital assets in relation to the total value of industrial capital for each sector, which is disclosed in the event account vector for each region (

), following ref. 107. This assumption is embodied in the essence of the input-output model, which is hard-coded through the Leontief-type production function and its restricted substitution. As capital and labour are considered perfectly complementary as well as the main production factors and the full employment of those factors in the economy is also assumed, we assume that damage in capital assets is directly related with production level and, therefore, VA level. Then, the remaining productive capacity of the industrial capital at each time step is defined as:

Where,

is the capital stock of firm

in the predisaster situation and

is the surviving capital stock of firm

at time

during the recovery process

Supply constraints. Firms will purchase intermediate products from their supplier in each period. Insufficient inventory of a firm’s intermediate products will create a bottleneck for production activities. The potential production level that the inventory of the

th intermediate product can support is

where

refers to the amount of

th intermediate products held by firm

at the end of time step

Considering all the limitation mentioned above, the maximum supply capacity of firm

can be expressed as

The actual production of firm

, depends on both its maximum supply capacity and the total orders the firm received from its clients,

(see section on the ‘Demand module’),

The inventory held by firm

will be consumed during the production process,

Allocation module

The allocation module mainly describes how suppliers allocate products to their clients. When some firms in the economic system suffer a negative shock, their production will be constrained by a shortage to primary inputs such as a shortage of labour supply during extreme heat stress. In this case, a firm’s output will not be able to fill all orders of its clients. A rationing scheme that reflects a mechanism on the basis of which a firm allocates an insufficient amount of products to its clients is needed

. For this case study, we applied a proportional rationing scheme according to which a firm allocates its output in proportion to its orders. Under the proportional rationing scheme, the amounts of products of firm

allocated to firm

and household

are as follows,

where

refers to the order issued by firm

to its supplier

in time step

, and

refers to the order issued by household

to its supplier

. Firm

received intermediates to restore its inventories,

Therefore, the amount of intermediate

held by firm

at the end of period

Demand module

The demand module represents a characterization of how firms and households issues orders to their suppliers at the end of each period. A firm orders its supplier because of the need to restore its intermediate product inventory. We assume that each firm has a specific target inventory level based on its maximum supply capacity in each time step,

Then the order issued by firm

to its supplier

Households issue orders to their suppliers on the basis of their demand and the supply capacity of their suppliers. In this study, the demand of household

to final products

, is given exogenously at each time step. Then, the order issued by household (HOD)

to its supplier

The total order received (TOD) by firm

Simulation module

At each time step, the actions of firms and households are as follows in Monte Carlo simulations.
Firms plan and execute their production on the basis of three factors: (1) inventories of intermediate products they have, (2) supply of primary inputs and (3) orders from their clients. Firms will maximize their output under these constraints.

Product allocation. Firms allocate outputs to clients on the basis of their orders. In equilibrium, the output of firms just meets all orders. When production is constrained by exogenous negative shocks, outputs may not cover all orders. In this case, we use a proportional rationing scheme proposed in the literature

(see section on ‘Allocation module’) to allocate products of firms.
Firms and households issue orders to their suppliers for the next time step. Firms place orders with their suppliers on the basis of the gaps in their inventories (target inventory level minus existing inventory level). Households place orders with their suppliers on the basis of their demand. When a product comes from several suppliers, the allocation of orders is adjusted according to the production capacity of each supplier.

This discrete-time dynamic procedure can reproduce the equilibrium of the economic system and can simulate the propagation of exogenous shocks, both from firm and household side or transportation disruptions, in the economic network. From the firm side, if the supply of a firm’s primary inputs is constrained, it will have two effects. On the one hand, the decline in output in this firm means that its clients’ orders cannot be fulfilled. This will result in a decrease in inventory of these clients, which will constrain their production. This is the so-called forward or downstream effect. On the other hand, less output in this firm also means less use of intermediate products from its suppliers. This will reduce the number of orders it places on its suppliers, which will further reduce the production level of its suppliers. This is the so-called backward or upstream effect. From the household side, the fluctuation of household demand caused by exogenous shocks will also trigger the aforementioned backward effect. Take tourism as an example, when the temperature is well beyond the comfort range of the visitor, the demand for tourism from households all over the world will decline significantly. This influence will further propagate to the accommodation and catering industry through supplier-client links.

Economic footprint

We define the VA decrease of all firms in a network caused by an exogenous negative shock as the disaster footprint of the shock. For the
firm directly affected by exogenous negative shocks, its loss includes two parts: (1) the VA decrease caused by exogenous constraints and (2) the VA decrease caused by propagation. The former is the direct loss, whereas the latter is the indirect loss. A negative shock’s total economic footprint ( TEF

), direct economic footprint ( DEF

) and propagated economic footprint (

) for firm

in region

are,

and,

Global supply-chain network

We build a global supply-chain network based on v. 10 of the Global Trade Analysis Project (GTAP) database

and use GTAP 9 (ref. 110), EMERGING database

for robustness analysis. GTAP 10 provides a multiregional input-output (MRIO) table for the year 2014. Also, the database for the year 2011 was used for robustness testing. This MRIO table divides the world into 141 economies, each of which contains 65 production sectors (Supplementary Tables 4 and 5). If we treat each sector as a firm (producer) and assume that each region has a representative household, we can obtain the following information in the MRIO table: (1) suppliers and clients of each firm; (2) suppliers for each household and (3) the flow of each supplier-client connection under the equilibrium condition. This provides a benchmark for our model. We also used a dynamic CGE model consistent with the SSP scenarios for a parallel assessment and as part of the robustness check of the ARIO results. Specifically, the CGE model we used is a G-RDEM

with aggregated ten regions and ten sectors

(Supplementary Information section 1.3).

When applying such a realistic and aggregated network to the disaster footprint model, we need to consider the substitutability of intermediate products supplied by suppliers from the same sector in different regions

. The substitution between some intermediate products is straightforward. For example, for a firm that extracts spices from bananas it does not make much of a difference if the bananas are sourced from the Philippines or Thailand. However, for a car manufacturing firm in Japan, which uses screws from Chinese auto parts suppliers and engines from German auto parts suppliers to assemble cars, the products of the suppliers in these two regions are non-substitutable. If we assume that all goods are non-substitutable as in the traditional input-output model, then we will overestimate the loss of producers such as the case of the fragrance extraction firm. If we assume that products from suppliers in the same sector can be completely substitutable, then we will substantially underestimate the losses of producers such as the Japanese car manufacturing firm. To alleviate these shortcomings in the evaluation of losses under the two assumptions, we allow for the possibility of substitution for each sector depending on the region and sector of the supplier (Supplementary Information section 1.3).

Nonetheless, our estimates of economic damages from heat stress are subject to some important uncertainties

and our methods may not capture all types of economic damages. We only include economic losses caused by heat stress on human activities without considering the impacts on infrastructure, crop growth and other factors. Considering the challenges of predicting changes to socioeconomic systems globally, we have followed the approach from the literature

to simulate supply-chain indirect losses by considering the impact of future climate risks on current socioeconomic settings. We have not
considered the potential substitution of labour with capital resulting from technological advances, such as mechanization. Our analysis ignores the different levels of trade openness and globalization among SSP narratives, as well as the role of dynamic factors such as technology and price. Again, although we have conducted robustness tests for different degrees of trade substitutability, the relevant parameter is set randomly in the Monte Carlo simulation rather than derived through a general equilibrium model. The results should therefore be interpreted with caution as indicating potential future climate change risks to the existing economy rather than as quantitative predictions, given that the static representation of the economic structure in our model inevitably skews the assessment in the long run.

Data availability

Data for the numerical results of this research are provided at https:// zenodo.org/records/10032431. The global trade dataset used to simulate the presented results are licensed by the Global Trade Analysis Project at the Centre for Global Trade Analysis, Department of Agricultural Economics, Purdue University. The GTAP v. 10 can be obtained for a fee from its official website: https://www.gtap.agecon.purdue. edu/databases/v10/index.aspx. Owing to the restriction in the licensing agreement with GTAP, the authors have no right to disclose the original dataset publicly. Multimodal meteorological data are derived from World Climate Research Programme (WCRP CMIP6): https:// esgf-node.llnl.gov/search/cmip6/. Socioeconomic data for the different SSP scenarios are derived from IIASA: https://secure.iiasa. ac.at/web-apps/ene/SspDb/.Global population projection grids are from Socioeconomic Data and Applications Center (SEDAC) (https:// sedac.ciesin.columbia.edu/data/set/popdynamics-1-8th-pop-base-year-projection-ssp-2000-2100-rev01/data-download).

Code availability

The climate and epidemiological module processes daily surface temperature, dynamic population grid and baseline mortality data to determine heatwave days and the associated excess deaths. The economic module simulates changes of values and flows in global multiregional input-output table under shocks. All of the codes can be accessed at https://zenodo.org/records/10334260. The minimal input for the code is multiregional input-output table. The sample code and test data for the minimal inputs are also provided.
49. Lange, S. & Büchner, M. Secondary ISIMIP3b Bias-Adjusted Atmospheric Climate Input Data (v1.1), https://doi.org/10.48364/ISIMIP.581124.1 (ISIMIP Repository, 2022).
50. Warszawski, L. et al. The Inter-Sectoral Impact Model Intercomparison Project (ISI-MIP): project framework. Proc. Natl Acad. Sci. USA 111, 3228-3232 (2014).
51. Hersbach, H. et al. The ERA5 global reanalysis. Q. J. R. Meteorolog. Soc. 146, 1999-2049 (2020).
52. Casanueva, A. et al. Climate projections of a multivariate heat stress index: the role of downscaling and bias correction. Geosci. Model Dev. 12, 3419-3438 (2019).
53. Lemke, B. & Kjellstrom, T. Calculating workplace WBGT from meteorological data: a tool for climate change assessment. Indust. Health 50, 267-278 (2012).
54. Tong, S., Wang, X. Y. & Barnett, A. G. Assessment of heat-related health impacts in Brisbane, Australia: comparison of different heatwave definitions. PLoS ONE 5, e12155 (2010).
55. Xu, Z., FitzGerald, G., Guo, Y., Jalaludin, B. & Tong, S. Impact of heatwave on mortality under different heatwave definitions: a systematic review and meta-analysis. Environ. Int. 89-90, 193-203 (2016).
56. Sun, X. et al. Heat wave impact on mortality in Pudong New Area, China in 2013. Sci. Total Environ. 493, 789-794 (2014).
57. Setchell, H. ECMWF Reanalysis v5, www.ecmwf.int/en/forecasts/dataset/ecmwf-reanalysis-v5 (ECMWF, 2020).
58. Nairn, J., Fawcett, R. & Ray, D. Defining and Predicting Excessive Heat Events, a National System (CAWCR, 2009).
59. Tong, S., Wang, X. Y., Yu, W., Chen, D. & Wang, X. The impact of heatwaves on mortality in Australia: a multicity study. BMJ Open 4, e003579 (2014).
60. Guo, X. et al. Threat by marine heatwaves to adaptive large marine ecosystems in an eddy-resolving model. Nat. Clim. Change 12, 179-186 (2022).
61. Åström, D. O., Tornevi, A., Ebi, K. L., Rocklöv, J. & Forsberg, B. Evolution of minimum mortality temperature in Stockholm, Sweden, 1901-2009. Environ. Health Perspect. 124, 740-744 (2016).
62. Yin, Q., Wang, J., Ren, Z., Li, J. & Guo, Y. Mapping the increased minimum mortality temperatures in the context of global climate change. Nat. Commun. 10, 4640 (2019).
63. Todd, N. & Valleron, A.-J. Space-time covariation of mortality with temperature: a systematic study of deaths in France, 1968-2009. Environ. Health Perspect. 123, 659-664 (2015).
64. Folkerts, M. A. et al. Long term adaptation to heat stress: shifts in the minimum mortality temperature in the Netherlands. Front. Physiol. 11, 225 (2020).
65. Anderson, B. G. & Bell, M. L. Weather-related mortality. Epidemiology 20, 205-213 (2009).
66. Guo, Y. et al. Global variation in the effects of ambient temperature on mortality: a systematic evaluation. Epidemiology 25, 781-789 (2014).
67. Guo, Y. et al. Quantifying excess deaths related to heatwaves under climate change scenarios: a multicountry time series modelling study. PLoS Med. 15, e1002629 (2018).
68. Sera, F. et al. Air conditioning and heat-related mortality: a multi-country longitudinal study. Epidemiology 31, 779 (2020).
69. Benmarhnia, T. et al. A difference-in-differences approach to assess the effect of a heat action plan on heat-related mortality and differences in effectiveness according to sex, age and socioeconomic status (Montreal, Quebec). Environ. Health Perspect. 124, 1694-1699 (2016).
70. Cheng, J. et al. Heatwave and elderly mortality: an evaluation of death burden and health costs considering short-term mortality displacement. Environ. Int. 115, 334-342 (2018).
71. Wondmagegn, B. Y. et al. Impact of heatwave intensity using excess heat factor on emergency department presentations and related healthcare costs in Adelaide, South Australia. Sci. Total Environ. 781, 146815 (2021).
72. Zhang, L. et al. Mortality effects of heat waves vary by age and area: a multi-area study in China. Environ. Health 17, 54 (2018).
73. Benmarhnia, T., Deguen, S., Kaufman, J. S. & Smargiassi, A. Vulnerability to heat-related mortality: a systematic review, meta-analysis and meta-regression analysis. Epidemiology 26, 781 (2015).
74. Jones, B. & O’Neill, B. C. Spatially explicit global population scenarios consistent with the Shared Socioeconomic Pathways. Environ. Res. Lett. 11, 084003 (2016).
75. Death Rate, Crude (per 1,000 People) | Data, https://data.worldbank.org/indicator/SP.DYN. CDRT.IN (World Bank, 2021).
76. Population and Demography-Eurostat Database, https://ec.europa.eu/eurostat/web/ population-demography/demography-population-stock-balance/database (European Union, accessed 8 September 2023).
77. The Russian Fertility and Mortality Database (RusFMD) (Center for Demographic Research, 2022).
78. China Statistical Yearbook 2019 (NBSC, 2019).
79. Mortality Table for US by State | HDPulse Data Portal, https://hdpulse.nimhd.nih.gov/ data-portal/mortality (NIH, date accessed 8 September 2023).
80. Taxa de Mortalidade Geral, ftp.ibge.gov.br/Tabuas_Completas_de_Mortalidade/Tabuas_ Completas_de_Mortalidade_2016/tabua_de_mortalidade_2016_analise.pdf (Instituto Brasileiro de Geografia e Estatística – IBGE, 2017).
81. Mortality Rates, by Age Group, www.statcan.gc.ca/en/subjects-start/health/life_expectancy_ and_deaths (Government of Canada, 2021).
82. Deaths, Australia, 2019, www.abs.gov.au/statistics/people/population/deaths-australia/ 2019 (Australian Bureau of Statistics, 2020).
83. Economic Survey, www.indiabudget.gov.in/economicsurvey/ (Government of India, accessed 8 September 2023).
84. Viscusi, W. K. Pricing the global health risks of the COVID-19 pandemic. J. Risk Uncertain. 61, 101-128 (2020).
85. Alkire, B. C., Peters, A. W., Shrime, M. G. & Meara, J. G. The economic consequences of mortality amenable to high-quality health care in low- and middle-income countries. Health Affairs 37, 988-996 (2018).
86. Hammitt, J. K. & Robinson, L. A. The income elasticity of the value per statistical life: transferring estimates between high and low income populations. J. Benefit-Cost Anal. 2, 1-29 (2011).
87. Narain, U. & Sall, C. Methodology for Valuing the Health Impacts of Air Pollution: Discussion of Challenges and Proposed Solutions, https://openknowledge.worldbank. org/handle/10986/24440 (World Bank, 2016).
88. Bröde, P., Fiala, D., Lemke, B. & Kjellstrom, T. Estimated work ability in warm outdoor environments depends on the chosen heat stress assessment metric. Int. J. Biometeorol. 62, 331-345 (2018).
89. Watts, N. et al. The 2020 report of The Lancet Countdown on health and climate change: responding to converging crises. Lancet 397, 129-170 (2021).
90. Romanello, M. et al. The 2021 report of the Lancet Countdown on health and climate change: code red for a healthy future. Lancet 398, 1619-1662 (2021).
91. Parsons, L. A., Shindell, D., Tigchelaar, M., Zhang, Y. & Spector, J. T. Increased labor losses and decreased adaptation potential in a warmer world. Nat. Commun. 12, 7286 (2021).
92. Pavanello, F. et al. Air-conditioning and the adaptation cooling deficit in emerging economies. Nat. Commun. 12, 6460 (2021).
93. The Future of Cooling-Analysis, https://www.iea.org/reports/the-future-of-cooling (IEA, 2018).
94. Hallegatte, S. An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina. Risk Anal. 28, 779-799 (2008).
95. Hallegatte, S. Modeling the role of inventories and heterogeneity in the assessment of the economic costs of natural disasters: modeling the role of inventories and heterogeneity. Risk Anal. 34, 152-167 (2014).
96. Koks, E. E. & Thissen, M. A multiregional impact assessment model for disaster analysis. Econ. Syst. Res. 28, 429-449 (2016).
97. Li, J., Crawford-Brown, D., Syddall, M. & Guan, D. Modeling imbalanced economic recovery following a natural disaster using input-output analysis: modeling imbalanced economic recovery. Risk Anal. 33, 1908-1923 (2013).
98. Okuyama, Y. & Santos, J. R. Disaster impact and input-output analysis. Econ. Syst. Res. 26, 1-12 (2014).
99. Inoue, H. & Todo, Y. Firm-level propagation of shocks through supply-chain networks. Nat. Sustain. 2, 841-847 (2019).

Article

Bardazzi, R. & Ghezzi, L. Large-scale multinational shocks and international trade: a non-zero-sum game. Econ. Syst. Res. 34, 383-409 (2022).
Zhang, Z., Li, N., Xu, H. & Chen, X. Analysis of the economic ripple effect of the United States on the world due to future climate change. Earth’s Future 6, 828-840 (2018).
Inoue, H. & Todo, Y. Propagation of negative shocks across nationwide firm networks. PLoS ONE 14, e0213648 (2019).
Miller, R. E. & Blair, P. D. Input-Output Analysis: Foundations and Extensions (Cambridge Univ. Press, 2009).
Koks, E. E. et al. Regional disaster impact analysis: comparing input-output and computable general equilibrium models. Nat. Hazards Earth Syst. Sci. 16, 1911-1924 (2016).
Liu, X. et al. Assessing the indirect economic losses of sea ice disasters: an adaptive regional input-output modeling approach. Int. J. Offshore Polar Eng. 29, 415-420 (2019).
Matsuo, H. Implications of the Tohoku earthquake for Toyota’s coordination mechanism: supply chain disruption of automotive semiconductors. Int. J. Prod. Econ. 161, 217-227 (2015).
Steenge, A. E. & Bočkarjova, M. Thinking about imbalances in post-catastrophe economies: an input-output based proposition. Econ. Syst. Res. 19, 205-223 (2007).
Bénassy, J.-P. Nonclearing markets: microeconomic concepts and macroeconomic applications. J. Econ. Lit. 31, 732-761 (1993).
Aguiar, A., Chepeliev, M., Corong, E. & Mcdougall, R. The GTAP data base: version 10. J. Glob. Econ. Anal. 4, 27 (2019).
Aguiar, A., Narayanan, B. & McDougall, R. An overview of the GTAP 9 data base. J. Glob. Econ. Anal. 1, 181-208 (2016).
Huo, J. et al. Full-scale, near real-time multi-regional input-output table for the global emerging economies (EMERGING). J. Ind. Ecol. 26, 1218-1232 (2022).
Britz, W. & Roson, R. G-RDEM: a GTAP-based recursive dynamic CGE model for long-term baseline generation and analysis. J. Glob. Econ. Anal. 4, 50-96 (2019).
Lenzen, M. Aggregating input-output systems with minimum error. Econ. Syst. Res. 31, 594-616 (2019).
Ara, K. The aggregation problem in input-output analysis. Econometrica 27, 257-262 (1959).
Fei, J. C.-H. A fundamental theorem for the aggregation problem of input-output analysis. Econometrica 24, 400-412 (1956).
Lindner, S., Legault, J. & Guan, D. Disaggregating the electricity sector of China’s inputoutput table for improved environmental life-cycle assessment. Econ. Syst. Res. 25, 300-320 (2013).
Lindner, S., Legault, J. & Guan, D. Disaggregating input-output models with incomplete information. Econ. Syst. Res. 24, 329-347 (2012).
Han, Q., Sun, S., Liu, Z., Xu, W. & Shi, P. Accelerated exacerbation of global extreme heatwaves under warming scenarios. Int. J. Climatol. 42, 5430-5441 (2022).
Hsiang, S. et al. Estimating economic damage from climate change in the United States. Science 356, 1362-1369 (2017).

Acknowledgements This study was supported by the National Natural Science Foundation of China (grant nos. 72242105, 72091514 and 72250710169) and the startup funding from Zhejiang University to S.Z.

Author contributions D.G. designed and supervised the study. Y.S., S.Z. and D.W. conducted the study, collected the data, analysed the results and drafted the paper. J.D. and Y.W. collected and processed the meteorological data. H.Y., M.Z. and W.C. provided guidance on the calculation of health and labour productivity losses. C.T., Y.H. and L.Z. participated in the writing of the manuscript. S.T. and H.L. guided the uncertainty analysis and validation.

Competing interests The authors declare no competing interests.

Additional information

Supplementary information The online version contains supplementary material available at https://doi.org/10.1038/s41586-024-07147-z.
Correspondence and requests for materials should be addressed to Dabo Guan.
Peer review information Nature thanks Birgit Bednar-Friedl, Andreas Flouris, G. Jason Jolley, Elco Koks and Vikki Thompson for their contribution to the peer review of this work. Peer reviewer reports are available.
Reprints and permissions information is available at http://www.nature.com/reprints.

Extended Data Fig. 1 | Schematic diagram of the methodological framework. Coupling mechanisms for climate, health and economic modules.

Article

Extended Data Fig. 2 | Heatwave days in the 2040 s and 2060 s under SSP585 Scenario. The number of heat wave days in each cell was calculated from the ten-year average.

Climate Classification

Extended Data Fig. 3 | Climate zones classification of relative risk. Cold area: mean temperature of hot season:

; moderate cold areas: mean temperature of hot season:

; moderate hot areas: mean
temperature of hot season:

; and hot areas: mean temperature of hot season:

, based on ERA51985-2010.

Article

GTAP 2011

GTAP 2014

EMERGING 2019

Extended Data Fig. 4 | Estimates for the ten countries with the highest indirect losses under the SSP585 scenario using different base period trade data. Estimates are displayed as 10-year averages for the year 2060, using the GTAP2011 (a), GTAP2014 (b) and EMERGING 2019 (c) databases separately. The colours of the bars represent GDP per capita from low to high. (d), indirect
losses under different benchmark trade structures in each region. The horizontal axis measures the indirect losses as a percentage of GDP using the GTAP2014 trade structure and the vertical axis measures the indirect losses as a percentage of GDP using the GTAP2011 trade structure. Details of Extended Data Fig. 4d can be checked in Supplementary Fig. 6.

Extended Data Fig. 5|Global economic losses for each scenario under Monte Carlo simulations. The assessment results of existing studies are marked with symbols for comparison. None of the previous studies were based on CMIP6

SSP119 scenario, so we use RCP2.6 to compare with the SSP119 scenario in our study. The studies above did not simulate health loss and the mean values of the health loss simulations in this paper were added for consistency.

Article

Extended Data Fig. 6 | Impacts of heat stress on India food manufacturing supply chains. (a), (c) panels represent the upstream sectors of the India’s food production sector in 2040 and 2060, respectively. (b), (d) panels represent the downstream sectors. Each bar represents a key trading partner (i.e. sector with trade volume above the 50 percent quartile of trade volumes of the selected sector with all partner sectors) and the length represents the percentage
decrease in product flow compared to the base period of 2014. The colours of the bars represent the cohesion level of the particular sector to the Indian food production sector from blue (weak) to red (strong), which is measured by the trade volume between the particular sector and the Indian food production sector.

Extended Data Fig. 7| Impacts of heat stress on Dominican Republic tourism supply chains. (a), (c) panels represent the upstream sectors of the Dominican Republic’s tourism sector in 2040 and 2060, respectively. (b), (d) panels represent the downstream sectors. Each bar represents a key trading partner (i.e. sector with trade volume above the 50 percent quartile of trade volumes of the selected sector with all partner sectors) and the length represents the
percentage decrease in product flow compared to the base period of 2014. The colours of the bars represent the cohesion level of the particular sector to the Dominican Republic’s tourism sector from blue (weak) to red (strong), which is measured by the trade volume between the particular sector and the Dominican Republic’s tourism sector.

Article

Extended Data Fig.

| Impacts of heat stress on Germany beverages and tobacco products supply chains. (a), (c) panels represent the upstream sectors of the Germany’s beverages and tobacco products sector in 2040 and 2060, respectively. (b), (d), panels represent the downstream sectors.

Extended Data Fig. 9 | Sectoral loss patterns of type 1 countries. The top 5 most vulnerable sectors in Tanzania (a-c), Botswana(d-f) and Malawi (g-i). The column length represents each sector’s percentage loss of annual value-added. Sectors with the same loss percentage (e.g. wheat, rice, cereals, etc.) were combined. Colours indicate the three categories of losses in SSP119: health
losses (Yellow bars), labour productivity losses (Blue bars) and supply-chain disruption losses (Green bars). The orange and red bars represent total loss increments for SSP245 and SSP585 (no distinction between types of loss in this part), respectively. The red dashed line indicates the mean value of losses for all sectors in the SSP585 scenario.

Article

Extended Data Fig.

| Sectoral loss patterns of type

countries. The top

most vulnerable sectors in India (a-c), Vietnam (d-f) and China (g-i). The column length represents each sector’s percentage loss of annual value-added. Sectors with the same loss percentage (e.g. wheat, rice, cereals, etc.) were combined. Colours indicate the three categories of losses in SSP119: health losses (Yellow
bars), labour productivity losses (Blue bars) and supply-chain disruption losses (Green bars). The orange and red bars represent total loss increments for SSP245 and SSP585 (no distinction between types of loss in this part), respectively. The red dashed line indicates the mean value of losses for all sectors in the SSP585 scenario.

Year 2040

Year 2050

Extended Data Fig. 11| Sectoral loss patterns of type 3 countries. The top 5 most vulnerable sectors in Germany (a-c), France (d-f) and Australia (g-i). The column length represents each sector’s percentage loss of annual value-added. Sectors with the same loss percentage (e.g. wheat, rice, cereals, etc.) were combined. Colours indicate the three categories of losses in SSP119: health
losses (Yellow bars), labour productivity losses (Blue bars) and supply-chain disruption losses (Green bars). The orange and red bars represent total loss increments for SSP245 and SSP585 (no distinction between types of loss in this part), respectively. The red dashed line indicates the mean value of losses for all sectors in the SSP585 scenario.

Article

Year 2060

Extended Data Fig. 12 | Sectoral loss patterns of type 4 countries. The top 5 most vulnerable sectors in Sweden (a-c), Norway(d-f) and United Kingdom

. The column length represents each sector’s percentage loss of annual value-added. Sectors with the same loss percentage (e.g. wheat, rice, cereals, etc.) were combined. Colours indicate the three categories of losses in SSP119:
health losses (Yellow bars), labour productivity losses (Blue bars) and supplychain disruption losses (Green bars). The orange and red bars represent total loss increments for SSP245 and SSP585 (no distinction between types of loss in this part), respectively. The red dashed line indicates the mean value of losses for all sectors in the SSP585 scenario.

Extended Data Table 1 | Global climate model data from CMIP6 used in our analysis (listed in alphabetical order)

Climate models	Research institute
CAMS-CSM1	Chinese Academy of Meteorological Sciences (Beijing, China)
CanESM5	Canadian Centre for Climate Modelling and Analysis (Victoria, British Columbia, Canada)
CESM2	National Center for Atmospheric Research (Boulder, Colorado, USA)
CNRM-CM6-1	Centre National de Recherches Météorologiques (Météo-France, Toulouse, France)
CNRM-ESM2-1	Centre National de Recherches Météorologiques (Météo-France, Toulouse, France)
EC-Earth3	European consortium of national meteorological services and research institutes.
GFDL-esm4	Geophysical Fluid Dynamics Laboratory (Princeton, NJ, USA)
HadGEM3-GC31-MM	Met Office, Hadley Centre (Exeter, United Kingdom)
IPSL-CM6A-LR	Institute Pierre-Simon Laplace (Paris, France)
MIROC6	Japan Agency for Marine-Earth Science and Technology, Atmosphere and Ocean Research Institute (Tokyo, The University of Tokyo), and National Institute for Environmental Studies (Tsukuba, Japan)
MPI-ESM1-2-HR	Max Planck Institute for Meteorology (Hamburg, Germany)
MRI-ESM2	Meteorological Research Institute (Tsukuba, Japan)
NORESM2-MM	Norwegian Climate Centre (Bergen, Norway)
UKESM1	Met Office Hadley Centre (Exeter, United Kingdom) and NERC (Natural Environment Research Council, United Kingdom)

Article

Extended Data Table 2 | Relative risk (RR) of mortality caused by heatwaves (

days of

mean temperature) for different climate zones

Climate Zone	Low RR estimate	Middle RR estimate	High RR estimate
Cold	1.04467	1.05866	1.07282
Moderate Cold	1.06919	1.08826	1.10751
Moderate Hot	1.05357	1.06955	1.08571
Hot	1.0345	1.04794	1.06174

Work level

(W)

Productivity

mean

Productivity

200

35.53

3.94

300

33.49

3.94

400

32.47

4.16

Department of Earth System Science, Ministry of Education Key Laboratory for Earth System Modeling, Institute for Global Change Studies, Tsinghua University, Beijing, China. Department of Atmospheric Sciences, School of Earth Sciences, Zhejiang University, Hangzhou, China. Advanced Power and Energy Program, University of California Irvine, Irvine, CA, USA. Department of Geography, King’s College London, London, UK. Centre for Climate Engagement, Department of Computer Science and Technology, University of Cambridge, Cambridge, UK. State Key
Xi’an Institute of Surveying and Mapping Joint Research Center for Next-Generation Smart Mapping, Beijing, China. Department of Economics, University of Southern California, Los Angeles, CA, USA. Department of Economics, University of Waterloo, Waterloo, Ontario, Canada. School of Management and Economics, Beijing Institute of Technology, Beijing, China. School of Economics and Management, Southeast University, Nanjing, China. College of Urban Environment, Peking University, Beijing, China. The Bartlett School of Sustainable Construction, University College London, London, UK. These authors contributed equally: Yida Sun, Shupeng Zhu, Daoping Wang. e-mail: guandabo@tsinghua.edu.cn

سلاسل الإمداد العالمية تعزز التكاليف الاقتصادية لمخاطر الحرارة الشديدة المستقبلية Global supply chains amplify economic costs of future extreme heat risk

سلاسل الإمداد العالمية تعزز التكاليف الاقتصادية لمخاطر الحرارة الشديدة المستقبلية

الملخص

الاتجاه غير الخطي لنمو الخسائر العالمية المرتبطة بالحرارة

حساسيات مختلفة تجاه الإجهاد الحراري عبر البلدان

آثار غير متكافئة للإجهاد الحراري على سلاسل الإمداد العالمية

تداعيات على حوكمة المخاطر المستهدفة والتعاون الإقليمي

المحتوى عبر الإنترنت

مقالة

طرق

وحدة المناخ

تكاليف الصحة المتعلقة بالتعرض للحرارة

وظيفة التعرض لإنتاجية العمل

وحدة تحليل بصمة الكارثة العالمية

وحدة الإنتاج

وحدة التخصيص

وحدة الطلب

وحدة المحاكاة

البصمة الاقتصادية

شبكة سلسلة التوريد العالمية

توفر البيانات

توفر الشيفرة

مقالة

معلومات إضافية

مقالة

تصنيف المناخ

مقالة

مقالة

مقالة

مقالة

مقالة

مقالة

Global supply chains amplify economic costs of future extreme heat risk

Abstract

Nonlinear growth trend of global heat-related losses

Different sensitivities to heat stress across countries

Asymmetric effects of heat stress on global supply chains

Implication for targeted risk governance and regional cooperation

Online content

Article

Methods

Climate module

Health costs related to heat exposure

Expose function of labour productivity

Global disaster footprint analysis module

Production module

Allocation module

Demand module

Simulation module

Economic footprint

Global supply-chain network

Data availability

Code availability

Article

Additional information

Article

Climate Classification

Article

Article

Article

Article

Article

Article