מניעים רב-קנאליים של סיכון להערכת פגיעות לחום באמצעות אלגוריתמים של למידת מכונה

מדוע עליית החום היא בעיה של כולם

בטרופיים, ימים חמים ולילות לחים כבר אינם רק מעיקים — הם הופכים למשבר בריאותי שקט. מחקר זה מתמקד במלזיה כחלון הממחיש כיצד חום, זיהום אוויר ואי-שוויון חברתי משתלבים ומגבירים את הסיכון לתמותה, במיוחד בקרב קשישים וקהילות עניות. באמצעות שילוב של מאגרי נתונים מקיפים מלוויינים ורשומות ממשלתיות עם טכניקות מודרניות של למידת מכונה, החוקרים מראים אילו גורמים חשובים ביותר ומציעים דרך מעשית לרשויות במדינות טרופיות רבות לזהות תחומים שזקוקים למענה ראשון.

חום, ערים ואנשים בסיכון

אזורים טרופיים ותת-טרופיים רבים, כולל דרום-מזרח אסיה, מתחממים מהר יותר וחווים גל חום ממושך יותר. בערים צפופות, בטון ואספלט מאגרים חום, בעוד שמרחבים ירוקים מוגבלים ובתי מגורים ירודים משאירים אנשים חשופים. קשישים, תינוקות, אנשים עם מחלות לב או ריאות כרוניות ובתי אב בעלות הכנסה נמוכה מתקשים ביותר להתמודד עם חום קיצוני. במרכזים העירוניים הצומחים במהירות במלזיה, הפגיעויות הללו מצטלבות: צפיפות אוכלוסין, הזדקנות התושבים וקושי כלכלי מחדדים את הסיכויים נגד קהילות רבות כשהטמפרטורות עולות.

בניית ציון לפגיעות קהילתית

כדי לפענח את התמונה המורכבת הזו, המחברים בנו אינדקס פגיעות לחום (HVI) לכל 13 המדינות ו-3 הטריטוריות הפדרליות במלזיה בין השנים 2010–2020. במקום להסתכל על הטמפרטורה בלבד, הם שילבו שישה-עשר מדדים, כולל חלק האוכלוסייה הקשישה, רמות עוני, השכלה, גישה למים נקיים ולשירותי בריאות וכמות הצמחייה. שיטה סטטיסטית שימשה לדחיסה של המדדים השונים לציון יחיד המשקף עד כמה קהילה תתקשה לעמוד בחום מסוכן. הרכב אתני וגישה לשירותים בסיסיים עלו כגורמים בעלי השפעה מיוחדת בתוך האינדקס הזה.

הוספת הסביבה: קרקע מול אוויר

הצוות שאל שאלה מרכזית: בתחזית תמותה הקשורה לתנאי חום, איזה סוג מידע סביבתי עובד הכי טוב לצד ה-HVI? הם השוו שתי שכבות. הראשונה השתמשה בתכונות קרקע מקומיות כמו כיסוי צמחייה והפרש בין טמפרטורת פני שטח ביום לעומת בלילה, שנותן אינדיקציה עד כמה האזור מתקרר לאחר החשיכה. השכבה השנייה התמקדה בתנאים אטמוספריים רחבים יותר: מדד נוחות תרמית שמשלב טמפרטורה, לחות, רוח ושמש, וכן רמות חלקיקים זעירים ואוזון. נתונים אלה נשלפו ממוצרים לווייניים ומנתוני ריאנליזה ומוצבו לממוצע שנתי כדי להתאים לספירת מקרי התמותה ברמת המדינה.

נותנים לאלגוריתמים להכריע

באמצעות מספר מודלים של למידת מכונה, כולל Random Forest, החוקרים בדקו עד כמה שילובים שונים של משתנים חברתיים וסביבתיים מסבירים את השינויים בתמותה מכל הסיבות משנה לשנה. התצורה האמינה ביותר שילבה את ה-HVI עם השכבה האטמוספרית — עומס חום, חלקיקים זעירים ואוזון — ולא עם מדדי קרקע בלבד. במודל המנצח, ה-HVI היה החוזה החזק ביותר בהרבה, ואחריו האוזון ומדד הנוחות התרמית, כאשר החלקיקים הזעירים עדיין שיחקו תפקיד משמעותי. כלי פרשנות מתקדמים חשפו שהשפעות אלו אינן אחידות: במזרח מלזיה, למשל, אוויר מזוהם ופגיעות גבוהה חיזקו זו את זו, בעוד שבאזורים מערביים יותר הופיעו דפוסים מורכבים שבהם רמות אוזון מאוד גבוהות לעיתים התלוו לסיכון נמוך יותר שנמדד, דבר שיש הפרכות אפשריות לכימיה ומזג אוויר מקומיים.

חום לא שווה בעולם המחמם

מבט לאורך זמן הראה ששניהם, עומס חום ותמותה, עלו ברחבי מלזיה, וגם פגיעות הקהילות זינקה מאז 2018. במילים אחרות, לא רק שהאקלים נעשה קשה יותר — גם רשת הביטחון החברתית המסייעת לאנשים לעמוד בו נשחקת. יש מדינות בעלות פגיעות מאוד גבוהה שלא רואות עדיין את מספרי המוות הגבוהים ביותר, מה שמרמז על חלון הזדמנויות לפעול לפני שגלי חום עתידיים יגיעו. הניתוח גם הראה שהמסגרת נותרה יציבה בין השנים השונות, אפילו במהלך הפרעות כמו תקופת COVID-19, אם כי אירועים חריגים יכולים לשנות זמנית דפוסי תמותה.

ממספרים למעשים

לציבור הרחב, המסר המרכזי ברור: החום מסוכן לא רק בגלל הטמפרטורה, אלא בגלל מי חשוף ואילו לחצים נוספים הם סובלים — במיוחד אוויר מזוהם וגישה מוגבלת לשירותים. המחקר מראה ששילוב ציון פגיעות חברתית עם מדדי חום ואיכות אוויר רחבים מספק כלי חזק ומועבר לזיהוי קהילות בסיכון גבוה. עבור ערים גדולות, זה אומר לחזק את בקרות זיהום האוויר ולהרחיב את הצל והמרחבים הירוקים המקפיאים. לאזורים עניים ומנותקים יותר, המשמעות היא חיזוק שירותי הבריאות, הדיור ומערכות אזהרה מוקדמת. ככל שמדינות טרופיות ימשיכו להתחמם, כלים כאלו יכולים להפוך סיכוני אקלים מופשטים למפות עדיפויות קונקרטיות החוסכות חיים.

ציטוט: 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

מילות מפתח: פגיעות לחום, אקלים טרופי, זיהום אוויר, למידת מכונה, סיכון בריאות הציבור