Un nuevo conjunto de datos globales, publicado en Nature Sustainability, ofrece proyecciones detalladas sobre la demanda energética de calefacción y refrigeración (HDDs y CDDs) bajo tres umbrales clave de calentamiento global: 1.0 °C, 1.5 °C y 2.0 °C sobre niveles preindustriales. Este recurso es fundamental para integrar proyecciones climáticas en la planificación de políticas de desarrollo sostenible y resiliencia energética.
El conjunto de datos comprende 30 mapas cuadriculados con una resolución de 0.883° × 0.556°, caracterizando la variabilidad climática a través de cinco métricas estadísticas para cada escenario. Los hallazgos iniciales indican una tendencia generalizada a la baja en los días de calefacción (HDDs) y un incremento pronunciado en los días de refrigeración (CDDs), siendo los cambios más significativos evidentes incluso en el trayecto hacia el calentamiento de 1.5 °C.
El análisis subraya la urgencia de la adaptación, particularmente en regiones vulnerables. Utilizando el escenario socioeconómico intermedio SSP2-4.5 como referencia, el estudio proyecta que la población expuesta a condiciones de calor extremo (superando los 3,000 CDDs) casi se duplicará si se alcanza el umbral de 2.0 °C.
Específicamente, la población afectada por calor extremo aumentaría del 23% (mil 540 millones de personas) en 2010 a un 41% (tres mil 790 millones) para 2050 bajo el escenario de 2.0 °C. Los países proyectados a experimentar los mayores impactos incluyen a India, Nigeria, Indonesia, Bangladés, Pakistán y Filipinas, lo que plantea desafíos significativos para la gestión de la red eléctrica y la salud pública.
La disponibilidad de estos datos, alojados en el repositorio Oxford University Research Archive (ORA), permite a los planificadores evaluar las necesidades de infraestructura de enfriamiento, un sector que la Agencia Internacional de Energía (IEA) ha señalado como un creciente consumidor de energía.
La publicación proporciona cinco mapas para HDDs y CDDs por escenario, incluyendo la media, mediana, percentiles y desviación estándar, facilitando una comprensión matizada de la intensidad del cambio climático a nivel local.
Este trabajo sienta una base robusta para que gobiernos y empresas incorporen variables climáticas en sus estrategias de mitigación y adaptación, especialmente en el sector de la construcción y la gestión de la demanda energética estacional.
El código utilizado para calcular los días de grado a partir de los conjuntos de temperatura simulados está disponible públicamente en GitHub, promoviendo la transparencia y la replicabilidad de la metodología empleada en la investigación.
