Flerskaliga riskfaktorer för ett sårbarhetsramverk mot värme med maskininlärningsalgoritmer

Varför stigande värme är allas problem

Över tropikerna blir varmare dagar och fuktigare nätter inte längre bara obekväma — de utvecklas till en tyst folkhälsokris. Denna studie koncentrerar sig på Malaysia som ett exempel på hur värme, luftföroreningar och social ojämlikhet samverkar och ökar risken för dödsfall, särskilt bland äldre och fattigare samhällen. Genom att kombinera stora datamängder från satelliter och myndighetsregister med moderna maskininlärningsmetoder visar forskarna vilka faktorer som är viktigast och erbjuder ett praktiskt sätt för myndigheter i många tropiska länder att identifiera vilka områden som behöver hjälp först.

Värme, städer och människor i riskzonen

Många tropiska och subtropiska regioner, inklusive Sydostasien, värms upp snabbare och upplever längre värmeperioder. I tätbefolkade städer fångar betong och asfalt värme, medan begränsade grönytor och dåliga bostäder lämnar människor utsatta. Äldre, spädbarn, personer med kroniska hjärt- eller lungsjukdomar och låginkomsthusstånd har svårast att klara extrem värme. I Malaysias snabbt växande stadscentra sammanfaller dessa sårbarheter: tät befolkning, åldrande invånare och ekonomiska svårigheter ökar riskerna för många samhällen när temperaturerna stiger.

Att bygga ett poängsystem för samhällssårbarhet

För att reda ut denna komplexa bild konstruerade författarna ett värmesårbarhetsindex, eller HVI, för samtliga 13 delstater och tre federala territorier i Malaysia mellan 2010 och 2020. Istället för att bara se på temperatur kombinerade de sexton indikatorer, inklusive andel äldre invånare, fattigdomsnivåer, utbildning, tillgång till rent vatten och vård samt mängd grönska. En statistisk metod användes för att kondensera dessa olika mått till en enda poäng som speglar hur svårt det skulle vara för ett samhälle att klara farlig värme. Etnisk sammansättning och tillgång till grundläggande tjänster framträdde som särskilt inflytelserika delar i detta index.

Att lägga till miljön: mark kontra luft

Teamet ställde sedan en nyckelfråga: när man förutser dödsfall kopplade till heta förhållanden, vilken typ av miljöinformation fungerar bäst tillsammans med HVI? De jämförde två lager. Det första använde lokala markegenskaper såsom växttäcke och skillnaden mellan dag- och nattemperatur vid markytan, vilket kan antyda hur väl ett område svalnar efter mörkrets inbrott. Det andra lagret fokuserade på bredare atmosfäriska förhållanden: en termisk komfortmått som blandar temperatur, luftfuktighet, vind och solinstrålning, plus nivåer av fina partiklar i luften och ozon. Dessa data hämtades från satellit- och reanalysprodukter och genomsnittades årligen för att matcha dödstal på delstatsnivå.

Låta algoritmerna avgöra

Med flera maskininlärningsmodeller, inklusive Random Forest, testade forskarna hur väl olika kombinationer av sociala och miljömässiga variabler kunde förklara variationer i all-cause dödlighet från år till år. Den mest tillförlitliga uppsättningen kombinerade HVI med det atmosfäriska lagret — värmestress, fina partiklar och ozon — snarare än enbart markbaserade mått. I denna vinnande modell var HVI med god marginal den starkaste prediktorn, följd av ozon och termiskt komfortmått, medan fina partiklar fortfarande spelade en meningsfull roll. Avancerade tolkningsverktyg visade att dessa påverkan inte var enhetliga: i östra Malaysia förstärkte till exempel smutsig luft och hög sårbarhet varandra, medan vissa västra regioner visade mer komplexa mönster där mycket högt ozon ibland sammanföll med lägre uppmätt risk, sannolikt som en följd av lokal kemi och vädereffekter.

Ojämlik värme i en varmare värld

Över tid fann studien att både värmestress och dödlighet ökat i hela Malaysia, och att samhällens sårbarhet också har krypit upp sedan 2018. Med andra ord blir inte bara klimatet hårdare, utan det sociala skyddsnätet som hjälper människor att stå emot det slits också ut. Vissa delstater med mycket hög sårbarhet ser ännu inte de högsta dödstalen, vilket tyder på ett fönster av möjlighet att agera innan framtida värmeböljor slår till. Analysen visade också att ramverket förblev stabilt över olika år, även under störningar som COVID-19-perioden, även om ovanliga händelser tillfälligt kan förändra dödsmönstren.

Från siffror till handling

För en lekman är kärnbudskapet tydligt: värme är farligt inte bara på grund av temperaturen, utan på grund av vem som exponeras och vilka andra påfrestningar de möter — särskilt förorenad luft och svag tillgång till tjänster. Studien visar att ett socialt sårbarhetspoäng i kombination med breda mått på värme och luftkvalitet ger ett kraftfullt, överförbart sätt att upptäcka samhällen med hög risk. För stora städer betyder det att skärpa kontroller av luftföroreningar och utöka skuggande och kylande grönområden. För fattigare och mer avlägsna regioner innebär det att stärka sjukvård, bostäder och varningssystem. När tropiska länder fortsätter att värmas kan verktyg som detta ramverk hjälpa till att omvandla abstrakta klimatrisker till konkreta kartor och prioriteringar som räddar liv.

Citering: 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

Nyckelord: värmesårbarhet, tropiskt klimat, luftförorening, maskininlärning, folkhälsorisk