हीट मैप से आगे
सबसे गर्म पड़ोस कहानी का केवल एक हिस्सा है।

एक रेगिस्तानी शहर, उपग्रह की कक्षा से भी और सड़क से भी।
इस साइट के लिए Blender में बनाया गया एक चित्रण। यह विचार को समझाता है; यह परियोजना का डेटा नहीं है।
परियोजनाओं की मूल तस्वीरें, आरेख और वीडियो उनकी मूल भाषा में दिखाए गए हैं।
सतह-तापमान का नक़्शा बताता है कि शहर कहाँ गर्म है। अकेले वह यह नहीं बताता कि कौन-से इलाक़े सबसे ज़्यादा असुरक्षित हैं। इस अंतर को परखने के लिए मेरे शोध ने फ़ीनिक्स के 369 जनगणना क्षेत्रों के लिए उपग्रह, भूमि-आवरण और जनगणना की जानकारी को एक साथ जोड़ा, और यह पूछा कि जब “प्राथमिकता” की परिभाषा बदलती है, तो किसी कूलिंग कार्यक्रम की प्राथमिकताएँ कितनी बदल जाती हैं।
प्रश्न पूछने का एक अलग तरीका
मैंने फ़ीनिक्स के 369 जनगणना क्षेत्रों का अध्ययन किया। तापमान को ही पूरी समस्या मानने के बजाय, मैंने यह तय करने के दो तरीक़ों की तुलना की कि पहले कहाँ कार्रवाई हो: केवल सतह के तापमान पर आधारित रैंकिंग, और एक ऐसे स्कोर पर आधारित रैंकिंग जो यह भी गिनता है कि क्षेत्र कितना निर्मित (built-up) है, वहाँ कितने लोग रहते हैं, और वे गर्मी के प्रति कितने संवेदनशील हैं।
ग्यारह तस्वीरों से एक तस्वीर बनाना
सतह का तापमान Landsat 8 और 9 के Collection 2 Level-2 दृश्यों से लिया गया है। जून से अगस्त 2024 के ग्यारह दृश्य गुणवत्ता जाँच में पास हुए; बादल, छाया और संतृप्त पिक्सेल को मास्क किया गया, और बचे हुए डेटा की प्रति-पिक्सेल माध्यिका से तापमान और वनस्पति का गर्मियों का एक कंपोज़िट बना। 2024 के National Land Cover Database से पक्की सतह और ट्री कैनोपी (पेड़ों की छतरी) का डेटा मिला, और American Community Survey से उम्र, ग़रीबी और आवास के आँकड़े उनकी त्रुटि-सीमाओं के साथ मिले।
ऐसा स्कोर जिसके सभी हिस्से दिखते रहें
प्राथमिकता स्कोर चार पर्सेंटाइल रैंकों का सीधा औसत है: गर्मी, निर्मित बोझ (पक्की सतह और वनस्पति की कमी), एक्सपोज़र (जनसंख्या घनत्व) और संवेदनशीलता (65 से अधिक उम्र के लोग, पाँच साल से कम उम्र के बच्चे, और ग़रीबी)। बराबर वज़न एक मूल्य-आधारित चुनाव है, फ़िट किया गया मॉडल नहीं, और शोध-पत्र यह स्पष्ट कहता है। चारों हिस्सों को अलग रखने से कोई भी देख सकता है कि कोई क्षेत्र अपने स्थान पर क्यों है।
जब रैंकिंग अलग हो जाती है
सभी जनगणना क्षेत्रों को देखें तो दोनों रैंकिंग काफ़ी हद तक सहमत हैं: रैंक सहसंबंध 0.749 है। लेकिन शीर्ष पर, जहाँ फ़ैसले होते हैं, वे सहमत नहीं हैं: 37 सबसे गर्म क्षेत्रों में से केवल 17 ही 37 सर्वोच्च-प्राथमिकता वाले क्षेत्रों में भी हैं। एक रैंकिंग से दूसरी पर जाने पर क्षेत्रों की स्थिति में माध्यिका बदलाव 42 स्थानों का रहा, और सबसे बड़े बदलाव हर दिशा में लगभग 250 स्थानों के थे।
तीन तरह के इलाक़े
सात मानकीकृत फ़ीचर्स पर जनगणना क्षेत्रों का क्लस्टरिंग करने से तीन समझने योग्य प्रोफ़ाइल मिलीं: गर्मी और सामाजिक-आर्थिक बोझ की दोहरी मार झेलते 206 क्षेत्र; कूलिंग सेंटरों से दूर 45 कम-घनत्व वाले क्षेत्र; और सबसे बुज़ुर्ग निवासियों वाले 118 अधिक हरे-भरे, थोड़े ठंडे क्षेत्र। जनगणना के इनपुट को उनकी त्रुटि-सीमाओं के भीतर 50 बार बदलने पर भी यह समूहन स्थिर रहा, और यही वह जाँच है जिसकी वजह से इन प्रोफ़ाइलों पर चर्चा की जा सकती है।
एक शहर। इसे पढ़ने के तीन तरीके.
- 01
रेडिएंस से जनगणना क्षेत्र तक
Landsat के थर्मल मानों को उत्पाद के प्रकाशित स्केल और ऑफ़सेट से केल्विन में बदला जाता है, उसके पिक्सेल-गुणवत्ता बैंड से मास्क किया जाता है, और पूरी गर्मियों के प्रति-पिक्सेल माध्यिका के रूप में जोड़ा जाता है। फिर हर रास्टर का सारांश एक साझा मानचित्र प्रक्षेपण में जनगणना क्षेत्रों की सीमाओं के भीतर निकाला जाता है। जुटाए गए 373 क्षेत्रों में से 369 कवरेज और गुणवत्ता जाँच में पास हुए।
- 02
निर्णय नियम में बदलाव
केवल तापमान वाली रैंकिंग और चार हिस्सों वाली प्राथमिकता रैंकिंग की तुलना शीर्ष दशमक (decile) और शीर्ष पंचमक (quintile) पर की जाती है। ओवरलैप को गिनती के रूप में और Jaccard सूचकांक के रूप में (शीर्ष दशमक पर 0.298) बताया गया है, इसलिए परिणाम इस बारे में है कि कोई कार्यक्रम पहले किन जगहों पर जाएगा, न कि किसी औसत अंतर के बारे में।
- 03
बदलाव झेल जाने वाली प्रोफ़ाइलें
तीन से छह क्लस्टरों पर k-means और Ward लिंकेज की तुलना के बाद तीन क्लस्टरों वाला k-means चुना गया। स्थिरता को जनगणना चरों को उनकी त्रुटि-सीमाओं के भीतर बदलकर दोबारा क्लस्टरिंग करके मापा गया: k-means के लिए माध्यिका adjusted Rand index 0.797 रहा, जबकि Ward के लिए 0.580। दोनों स्कोर स्थानिक रूप से समूहित हैं (Moran’s I लगभग 0.5), इसलिए पड़ोसी क्षेत्र स्वतंत्र नमूने नहीं हैं।
सतह का तापमान, जनसांख्यिकीय असुरक्षा और हस्तक्षेप की प्राथमिकता, ये आपस में जुड़े लेकिन अलग-अलग प्रश्नों के उत्तर देते हैं। अध्ययन इन दृष्टिकोणों की तुलना करता है; यह किसी पूरे हो चुके कूलिंग कार्यक्रम के प्रभावों को नहीं मापता।
ईमानदार सीमाएँ।
- उपग्रह से मापा गया सतह का तापमान, हवा का तापमान, रात की गर्मी या घर के अंदर की गर्मी नहीं है।
- प्राथमिकता स्कोर में बराबर वज़न एक घोषित मूल्य-आधारित चुनाव है। अलग वज़न होने पर क्षेत्रों की स्थिति बदल जाएगी।
- अध्ययन किसी भी रैंकिंग को स्वास्थ्य परिणामों से नहीं जोड़ता, और कूलिंग सेंटर तक की दूरी सीधी रेखा में मापी गई है, यात्रा-समय के रूप में नहीं।
यह कहाँ जुड़ता है।
ZenithSync Assay Plannerदोनों अनिश्चितता के सहारे तय करते हैं कि सीमित ध्यान कहाँ जाना चाहिए: यहाँ जनगणना की त्रुटि-सीमाएँ, वहाँ मॉडल का वैरिएंस।
दिशा की तलाशहवा के सिग्नल को साफ़ करना और बादलों वाले पिक्सेल को मास्क करना एक ही काम है: फ़ैसला करने से पहले माप को ठीक करना।
ReleafReleaf उन्हीं पर्यावरणीय प्रश्नों के रोज़मर्रा वाले पक्ष पर काम करता है।शोध-पत्र: “Remote Sensing and Interpretable Machine Learning for Neighborhood-Level Urban Heat Vulnerability in Phoenix, Arizona.” मेरे पर्यवेक्षक प्रोफ़ेसर को प्रस्तुत किया गया और उनके द्वारा स्वीकार किया गया; अप्रकाशित। “Interpretable” (व्याख्येय) का अर्थ है पढ़ने-समझने योग्य क्लस्टर प्रोफ़ाइल और पारदर्शी स्कोर।