Multiskalige Risikotreiber für ein Rahmenwerk zur Hitzeverwundbarkeitsbewertung mithilfe von Machine-Learning-Algorithmen

Warum steigende Hitze uns alle betrifft

In den Tropen sind heißere Tage und schwüle Nächte längst nicht mehr nur unangenehm – sie entwickeln sich zu einer stillen Krise der öffentlichen Gesundheit. Diese Studie nimmt Malaysia als Anschauungsfall dafür, wie Hitze, Luftverschmutzung und soziale Ungleichheit zusammenspielen und das Sterberisiko erhöhen, insbesondere für ältere Menschen und ärmere Bevölkerungsgruppen. Durch die Verknüpfung großer Datensätze aus Satellitenbeobachtungen und staatlichen Aufzeichnungen mit modernen Machine-Learning-Methoden zeigen die Forschenden, welche Faktoren am wichtigsten sind, und bieten Behörden in vielen tropischen Ländern einen praktischen Weg, Prioritätsgebiete zu identifizieren.

Hitze, Städte und gefährdete Menschen

Viele tropische und subtropische Regionen, einschließlich Südostasiens, erwärmen sich schneller und erleben längere Hitzeperioden. In dicht bebauten Städten speichern Beton und Asphalt Wärme, während wenig Grünflächen und mangelhafte Wohnverhältnisse die Menschen exponiert lassen. Ältere Erwachsene, Säuglinge, Menschen mit chronischen Herz- oder Lungenerkrankungen und Haushalte mit geringem Einkommen haben die größten Schwierigkeiten, mit extremer Hitze umzugehen. In Malaysias schnell wachsenden urbanen Zentren überlagern sich diese Verwundbarkeiten: hohe Bevölkerungsdichte, alternde Einwohner und wirtschaftliche Not erhöhen die Risiken für viele Gemeinden, wenn die Temperaturen steigen.

Aufbau eines Scores für die Verwundbarkeit von Gemeinden

Um dieses komplexe Bild zu entwirren, entwickelten die Autorinnen und Autoren einen Heat Vulnerability Index (HVI) für alle 13 Bundesstaaten und drei Bundesgebiete Malaysias im Zeitraum 2010–2020. Anstatt nur die Temperatur zu betrachten, kombinierten sie sechzehn Indikatoren, darunter den Anteil älterer Bewohner, Armut, Bildungsstand, Zugang zu sauberem Wasser und Gesundheitsversorgung sowie den Grünflächenanteil. Eine statistische Methode wurde verwendet, um diese unterschiedlichen Maße in einen einzigen Score zu komprimieren, der widerspiegelt, wie schwer es für eine Gemeinschaft wäre, gefährliche Hitze zu überstehen. Ethnische Zusammensetzung und Zugang zu grundlegenden Dienstleistungen erwiesen sich als besonders einflussreiche Bestandteile dieses Index.

Die Umwelt hinzufügen: Land versus Luft

Das Team stellte dann eine zentrale Frage: Welche Art von Umweltinformationen ergänzt den HVI am besten, wenn es darum geht, hitzebedingte Todesfälle vorherzusagen? Sie verglichen zwei Schichten. Die erste nutzte lokale Landmerkmale wie Vegetationsbedeckung und die Differenz zwischen Tag- und Nachttemperatur der Landoberfläche, was Hinweise darauf geben kann, wie gut ein Gebiet in der Nacht abkühlt. Die zweite Schicht konzentrierte sich auf breitere atmosphärische Bedingungen: ein Thermal-Komfortmaß, das Temperatur, Luftfeuchtigkeit, Wind und Sonneneinstrahlung kombiniert, sowie Konzentrationen feiner Partikel und Ozon in der Luft. Diese Daten stammten aus Satelliten- und Reanalyseprodukten und wurden auf Jahreswerte gemittelt, um sie mit den landesweiten Sterbefallzahlen abzugleichen.

Die Algorithmen entscheiden lassen

Mithilfe mehrerer Machine-Learning-Modelle, darunter ein Random-Forest-Ansatz, testeten die Forschenden, wie gut verschiedene Kombinationen sozialer und umweltbezogener Variablen die jährlichen Schwankungen der Gesamtmortalität erklären konnten. Das verlässlichste Setup kombinierte den HVI mit der atmosphärischen Schicht – Hitzeeinwirkung, feine Partikel und Ozon – statt nur mit landbasierten Messgrößen. In diesem erfolgreichen Modell war der HVI bei weitem der stärkste Prädiktor, gefolgt von Ozon und dem Thermal-Komfortmaß; feine Partikel spielten weiterhin eine bedeutsame Rolle. Fortgeschrittene Interpretationswerkzeuge zeigten, dass diese Einflüsse nicht einheitlich waren: Im Osten Malaysias verstärkten sich beispielsweise schlechte Luft und hohe Verwundbarkeit gegenseitig, während einige westliche Regionen komplexere Muster zeigten, in denen sehr hohe Ozonwerte manchmal mit geringerem gemessenem Risiko einhergingen — vermutlich bedingt durch lokale Chemie- und Wettereffekte.

Ungleiche Hitze in einer sich erwärmenden Welt

Über die Zeit hinweg stellte die Studie fest, dass sowohl Hitzestress als auch Sterblichkeit in ganz Malaysia zugenommen haben und dass die Verwundbarkeit der Gemeinden seit 2018 ebenfalls gestiegen ist. Mit anderen Worten: Nicht nur wird das Klima härter, sondern das soziale Sicherheitsnetz, das Menschen hilft, dem zu trotzen, ist brüchiger geworden. Einige Staaten mit sehr hoher Verwundbarkeit weisen noch nicht die höchsten Sterbezahlen auf, was ein Zeitfenster für Frühinterventionen offenlässt, bevor künftige Hitzewellen eintreten. Die Analyse zeigte zudem, dass das Rahmenwerk über verschiedene Jahre hinweg stabil blieb, selbst während Störungen wie der COVID‑19‑Periode, obwohl außergewöhnliche Ereignisse vorübergehend Sterbemuster verändern können.

Von Zahlen zu Maßnahmen

Für Laien ist die Kernbotschaft eindeutig: Hitze ist nicht nur wegen der Temperatur gefährlich, sondern wegen der Menschen, die exponiert sind, und der zusätzlichen Belastungen, denen sie ausgesetzt sind — besonders verschmutzte Luft und schlechter Zugang zu Dienstleistungen. Die Studie zeigt, dass die Kombination eines sozialen Verwundbarkeits-Scores mit umfassenden Messgrößen zu Hitze und Luftqualität eine leistungsfähige, übertragbare Methode bietet, um Hochrisikogemeinden zu identifizieren. Für Großstädte bedeutet das strengere Luftreinhalte-Maßnahmen und mehr schattenspendende sowie kühlende Grünflächen. Für ärmere und entlegenere Regionen heißt das: Gesundheitsversorgung, Wohnungsbedingungen und Frühwarnsysteme stärken. Während sich tropische Länder weiter erwärmen, können Werkzeuge wie dieses Rahmenwerk helfen, abstrakte Klimarisiken in konkrete Karten und Prioritäten zu übersetzen, die Leben retten.

Zitation: Li, Z., Fong, C.S., Aghamohammadi, N. et al. Multi-scalar risk drivers for a heat vulnerability assessment framework using machine learning algorithms. Sci Rep 16, 10594 (2026). https://doi.org/10.1038/s41598-026-44880-z

Schlüsselwörter: Hitzeverwundbarkeit, tropisches Klima, Luftverschmutzung, Machine Learning, öffentliche Gesundheitsrisiken