Jenseits der Hitzekarte
Die heißeste Nachbarschaft ist nur ein Teil der Geschichte.

Eine Wüstenstadt, aus dem Orbit und von der Straße aus gesehen.
Eine für diese Website in Blender gebaute Illustration. Sie erklärt die Idee; es sind keine Daten aus dem Projekt.
Originalbilder, Diagramme und Videos bleiben in ihrer Ausgangssprache.
Eine Karte der Oberflächentemperatur zeigt uns, wo eine Stadt heiß ist. Sie allein sagt uns aber nicht, welche Viertel am verwundbarsten sind. In meiner Forschung habe ich Satelliten-, Landbedeckungs- und Zensusdaten für 369 Zensusbezirke in Phoenix zusammengeführt, um diesen Unterschied zu untersuchen und zu fragen, wie stark sich die Prioritäten eines Kühlungsprogramms ändern, wenn sich die Definition von „Priorität“ ändert.
Eine andere Art, die Frage zu stellen
Ich habe 369 Zensusbezirke in Phoenix untersucht. Statt die Temperatur als das ganze Problem zu betrachten, habe ich zwei Wege verglichen, um zu entscheiden, wo zuerst gehandelt werden soll: eine Rangfolge allein nach Oberflächentemperatur und eine Rangfolge nach einem Score, der außerdem berücksichtigt, wie stark ein Bezirk bebaut ist, wie viele Menschen dort leben und wie hitzeempfindlich sie sind.
Ein Bild aus elf
Die Oberflächentemperatur stammt aus Landsat-8- und -9-Szenen der Collection 2, Level 2. Elf Szenen von Juni bis August 2024 bestanden die Qualitätsprüfung; Wolken-, Schatten- und gesättigte Pixel wurden maskiert, und der pixelweise Median der verbleibenden Werte ergab ein Sommerkomposit aus Temperatur und Vegetation. Die National Land Cover Database 2024 lieferte versiegelte Flächen und Baumkronendeckung, der American Community Survey Angaben zu Alter, Armut und Wohnen samt ihren Fehlermargen.
Ein Score, dessen Bestandteile sichtbar bleiben
Der Prioritätsscore ist der einfache Durchschnitt von vier Perzentilrängen: Hitze, bauliche Belastung (versiegelte Fläche und fehlende Vegetation), Exposition (Bevölkerungsdichte) und Empfindlichkeit (Menschen über 65, Kinder unter fünf Jahren und Armut). Gleiche Gewichte sind eine Wertentscheidung, kein angepasstes Modell, und der Artikel sagt das auch. Weil die vier Bestandteile getrennt bleiben, kann jeder nachvollziehen, warum ein Bezirk dort steht, wo er steht.
Wenn die Rangfolge auseinander geht
Über alle Bezirke hinweg stimmen die beiden Rangfolgen recht gut überein, mit einer Rangkorrelation von 0,749. An der Spitze, wo die Entscheidungen fallen, nicht: Nur 17 der 37 heißesten Bezirke gehören auch zu den 37 Bezirken mit der höchsten Priorität. Beim Wechsel von einer Rangfolge zur anderen verschob sich der Median-Bezirk um 42 Plätze; die größten Verschiebungen betrugen etwa 250 Plätze in jede Richtung.
Drei Arten von Vierteln
Eine Clusteranalyse der Bezirke anhand von sieben standardisierten Merkmalen ergab drei gut lesbare Profile: 206 Bezirke mit kumulierter Hitze- und sozioökonomischer Belastung; 45 dünn besiedelte Bezirke, die weit von Kühlzentren entfernt sind; und 118 grünere, etwas kühlere Bezirke mit den ältesten Bewohnern. Die Gruppierung blieb stabil, als die Zensuseingaben 50-mal innerhalb ihrer Fehlermargen variiert wurden – erst diese Prüfung erlaubt es überhaupt, über die Profile zu sprechen.
Eine Stadt. Drei Möglichkeiten, es zu lesen.
- 01
Von der Strahldichte zum Bezirk
Landsat-Thermalwerte werden mit dem veröffentlichten Skalierungsfaktor und Offset des Produkts in Kelvin umgerechnet, mit seinen Pixelqualitätsbändern maskiert und als pixelweiser Median über den Sommer kombiniert. Jedes Raster wird anschließend in einer gemeinsamen Kartenprojektion innerhalb der Bezirksgrenzen zusammengefasst. Von 373 zusammengestellten Bezirken bestanden 369 die Abdeckungs- und Qualitätsprüfungen.
- 02
Eine Änderung der Entscheidungsregel
Eine reine Temperaturrangfolge und die vierteilige Prioritätsrangfolge werden im obersten Dezil und im obersten Quintil verglichen. Die Überschneidung wird als Anzahl und als Jaccard-Index angegeben (0,298 im obersten Dezil); das Ergebnis betrifft also, welche Orte ein Programm zuerst aufsuchen würde, nicht einen durchschnittlichen Unterschied.
- 03
Profile, die Störungen standhalten
k-Means mit drei Clustern wurde gewählt, nachdem drei bis sechs Cluster mit Ward-Linkage verglichen worden waren. Die Stabilität wurde gemessen, indem nach Variation der Zensusvariablen innerhalb ihrer Fehlermargen erneut geclustert wurde: Der mediane bereinigte Rand-Index lag bei 0,797 für k-Means gegenüber 0,580 für Ward. Beide Scores sind räumlich geclustert (Moran’s I von etwa 0,5), daher sind benachbarte Bezirke keine unabhängigen Stichproben.
Oberflächentemperatur, demografische Verwundbarkeit und Interventionspriorität beantworten verwandte, aber unterschiedliche Fragen. Die Studie vergleicht diese Perspektiven; sie misst nicht die Wirkung eines abgeschlossenen Kühlungsprogramms.
Die ehrlichen Grenzen.
- Die per Satellit gemessene Oberflächentemperatur ist weder Lufttemperatur noch nächtliche Hitze oder Hitze in Innenräumen.
- Die gleichen Gewichte im Prioritätsscore sind eine offen benannte Wertentscheidung. Andere Gewichte würden Bezirke verschieben.
- Die Studie verknüpft keine Rangfolge mit Gesundheitsergebnissen, und die Entfernung zu einem Kühlzentrum ist Luftlinie, nicht Reisezeit.
Wo sich das verbindet.
ZenithSync Assay PlannerBeide nutzen Unsicherheit, um zu entscheiden, wohin knappe Aufmerksamkeit gehen soll: hier Fehlermargen der Volkszählung, dort Modellvarianz.
Den Kurs findenEin Windsignal bereinigen und wolkige Pixel maskieren ist dieselbe Pflicht: erst die Messung in Ordnung bringen, dann entscheiden.
ReleafReleaf bearbeitet die alltägliche Seite derselben Umweltfragen.Artikel: „Fernerkundung und interpretierbares maschinelles Lernen für städtische Hitzeanfälligkeit auf Nachbarschaftsebene in Phoenix, Arizona.“ Eingereicht und von meinem betreuenden Professor angenommen; unveröffentlicht. „Interpretierbar“ bezieht sich auf die lesbaren Clusterprofile und den transparenten Score.