Fattori di rischio multi-scalari per un quadro di valutazione della vulnerabilità al caldo mediante algoritmi di apprendimento automatico

Perché il caldo crescente riguarda tutti

Nei tropici, giornate più calde e notti più afose non sono più soltanto fastidiose: stanno diventando una silenziosa crisi di salute pubblica. Questo studio prende la Malesia come caso di studio per capire come caldo, inquinamento dell’aria e disuguaglianze sociali si combinino per aumentare il rischio di morte, soprattutto tra gli anziani e le comunità più povere. Integrando grandi serie di dati da satelliti e archivi governativi con moderne tecniche di apprendimento automatico, i ricercatori mostrano quali fattori contano di più e propongono un metodo pratico per aiutare le autorità di molti paesi tropicali a individuare prima i quartieri che necessitano interventi.

Caldo, città e persone a rischio

Molte regioni tropicali e subtropicali, inclusa il Sud-est asiatico, si riscaldano più rapidamente e sperimentano ondate di caldo più prolungate. Nelle città affollate, cemento e asfalto trattengono il calore, mentre la scarsità di spazi verdi e le abitazioni inadeguate espongono le persone. Gli anziani, i neonati, le persone con malattie croniche cardiache o respiratorie e le famiglie a basso reddito hanno maggiori difficoltà a far fronte al caldo estremo. Nei centri urbani in rapida crescita della Malesia, queste vulnerabilità si sovrappongono: popolazioni dense, residenti che invecchiano e difficoltà economiche aumentano il rischio per molte comunità quando le temperature salgono.

Costruire un punteggio di vulnerabilità comunitaria

Per districare questo quadro complesso, gli autori hanno costruito un Indice di Vulnerabilità al Caldo (Heat Vulnerability Index, HVI) per tutti i 13 stati e i tre territori federali della Malesia tra il 2010 e il 2020. Invece di considerare solo la temperatura, hanno combinato sedici indicatori, fra cui la quota di anziani, i livelli di povertà, l’istruzione, l’accesso ad acqua pulita e assistenza sanitaria e la quantità di aree verdi. Un metodo statistico è stato usato per comprimere queste misure diverse in un unico punteggio che riflette quanto sarebbe difficile per una comunità sopportare il caldo pericoloso. La composizione etnica e l’accesso ai servizi di base sono emersi come componenti particolarmente influenti di questo indice.

Aggiungere l’ambiente: territorio contro atmosfera

Il gruppo ha poi posto una domanda chiave: nel prevedere i decessi legati a condizioni calde, quale tipo di informazione ambientale funziona meglio insieme all’HVI? Hanno confrontato due livelli. Il primo impiegava caratteristiche locali del territorio come la copertura vegetale e la differenza tra la temperatura di superficie diurna e notturna, che può indicare quanto bene un’area si raffredda dopo il tramonto. Il secondo livello si concentrava su condizioni atmosferiche più ampie: una misura del comfort termico che combina temperatura, umidità, vento e radiazione solare, oltre ai livelli di particelle fini e ozono. Questi dati provenivano da prodotti satellitari e di rianalisi e sono stati mediati su base annuale per corrispondere ai conteggi di mortalità a livello statale.

Lasciare che siano gli algoritmi a decidere

Utilizzando diversi modelli di apprendimento automatico, incluso l’approccio Random Forest, i ricercatori hanno valutato quanto bene differenti combinazioni di variabili sociali e ambientali potessero spiegare le variazioni della mortalità per tutte le cause da un anno all’altro. La configurazione più affidabile ha combinato l’HVI con lo strato atmosferico — stress da calore, particelle fini e ozono — piuttosto che con sole misure del territorio. In questo modello vincente, l’HVI è risultato di gran lunga il predittore più forte, seguito dall’ozono e dalla misura del comfort termico, mentre le particelle fini hanno continuato a svolgere un ruolo significativo. Strumenti avanzati di interpretazione hanno rivelato che queste influenze non erano uniformi: nella Malesia orientale, per esempio, aria più sporca e alta vulnerabilità si rafforzavano a vicenda, mentre in alcune regioni occidentali emergono schemi più complessi, dove valori molto alti di ozono talvolta coincidevano con un rischio misurato più basso, probabilmente in relazione alla chimica locale e alle condizioni meteorologiche.

Un caldo ineguale in un mondo che si riscalda

Analizzando la variazione nel tempo, lo studio ha rilevato che sia lo stress da calore sia la mortalità sono aumentati in tutta la Malesia, e che la vulnerabilità comunitaria è anch’essa cresciuta a partire dal 2018. In altre parole, non solo il clima si sta facendo più severo, ma la rete di protezione sociale che aiuta le persone a resistere si sta indebolendo. Alcuni stati con vulnerabilità molto elevata non registrano ancora i conteggi di mortalità più alti, suggerendo una finestra di opportunità per intervenire prima che future ondate di calore colpiscano. L’analisi ha anche mostrato che il quadro rimane stabile attraverso gli anni diversi, anche durante interruzioni come il periodo COVID-19, sebbene eventi insoliti possano temporaneamente alterare i modelli di mortalità.

Dai numeri all’azione

Per il lettore non specialista, il messaggio principale è chiaro: il caldo è pericoloso non solo per la temperatura in sé, ma per chi è esposto e per quali altri fattori di stress affronta — in particolare aria inquinata e scarso accesso ai servizi. Lo studio dimostra che associare un punteggio di vulnerabilità sociale a misure ampie di calore e qualità dell’aria offre un metodo potente e trasferibile per individuare le comunità ad alto rischio. Per le grandi città ciò significa stringere i controlli sull’inquinamento atmosferico ed estendere ombreggiature e spazi verdi rinfrescanti. Per le regioni più povere e remote, significa rafforzare l’assistenza sanitaria, l’abitazione e i sistemi di allerta precoce. Man mano che i paesi tropicali continuano a riscaldarsi, strumenti come questo quadro possono aiutare a trasformare rischi climatici astratti in mappe e priorità concrete che salvano vite.

Citazione: 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

Parole chiave: vulnerabilità al caldo, clima tropicale, inquinamento atmosferico, apprendimento automatico, rischio per la salute pubblica