← プロジェクト一覧

ヒートマップの先へ

最もホットな地域は話の一部にすぎない。

役割

学生研究員

コンテキスト

パイオニア・アカデミック · 2026年6月~9月

ツールと方法

Landsat 8/9 · NLCD 土地被覆 · 国勢調査 ACS · k-means クラスタリング · 空間統計

「ヒートマップの先へ」を表す手作りの島の模型
島の解説

軌道上から、そして街路から見た砂漠の都市。

このサイトのために Blender で制作したイラストです。考え方を説明するためのもので、プロジェクトのデータではありません。

プロジェクトの画像・図・動画は原文のまま掲載しています。

出発点となる問い

地表面温度の地図は、都市のどこが暑いかを教えてくれます。しかし、それだけでは、どの地区が最も脆弱かはわかりません。私の研究では、フェニックスの 369 の国勢調査区について衛星、土地被覆、国勢調査の情報を統合し、その違いを調べました。そして、「優先」の定義が変わると、暑さ対策プログラムの優先順位がどれほど変わるのかを問いました。

369分析したフェニックスの国勢調査区
17 / 37両方の順位に共通する上位 10% の国勢調査区
0.749二つの順位の順位相関
3脆弱性プロファイル
01

質問の別の方法

フェニックスの 369 の国勢調査区を調べました。温度を問題のすべてとして扱うのではなく、最初にどこで対策を取るかを選ぶ二つの方法を比較しました。一つは地表面温度だけによる順位、もう一つは、その区がどれほど建て込んでいるか、何人が住んでいるか、住民が暑さにどれほど影響を受けやすいかも加えたスコアによる順位です。

02

11 枚から 1 枚の像をつくる

地表面温度は、Landsat 8 および 9 の Collection 2 Level-2 シーンから得ています。2024 年 6 月から 8 月までの 11 シーンが品質スクリーニングを通過しました。雲、影、飽和したピクセルをマスクし、残ったピクセルごとの中央値から、温度と植生の夏季合成画像を作成しました。舗装面と樹冠は 2024 年版の National Land Cover Database から、年齢、貧困、住宅の数値は誤差範囲とともに American Community Survey から得ています。

03

内訳が見えるスコア

優先度スコアは、四つのパーセンタイル順位の単純平均です。暑さ、建物による負荷(舗装面と植生の少なさ)、曝露(人口密度)、感受性(65 歳以上の人、5 歳未満の子ども、貧困)の四つです。重みを均等にしたのは価値判断であってモデルを当てはめた結果ではなく、論文でもそう述べています。四つの要素を分けておくことで、ある国勢調査区がなぜその順位にあるのかを誰でも確認できます。

04

ランキングが乖離した場合

すべての国勢調査区で見ると、二つの順位はかなりよく一致しており、順位相関は 0.749 です。しかし、実際に判断が下される上位ではそうではありません。最も暑い 37 区のうち、優先度の高い 37 区にも含まれるのは 17 区だけでした。一方の順位からもう一方に切り替えると、順位の変動は中央値で 42 位、最大ではそれぞれの方向に約 250 位でした。

05

三種類の地区

標準化した七つの特徴量で国勢調査区をクラスタリングすると、解釈しやすい三つのプロファイルが得られました。暑さと社会経済的な負担が重なる 206 区、クーリングセンターから遠い低密度の 45 区、そして緑が多くやや涼しく、住民の年齢が最も高い 118 区です。国勢調査の入力値を誤差範囲内で 50 回ゆらがせてもグループ分けは安定していました。この確認があるからこそ、これらのプロファイルを議論できるのです。

技術のしくみ

1つの都市。 3つの読み方があります。

  1. 01

    放射輝度から国勢調査区へ

    Landsat の熱赤外の値は、プロダクトで公表されているスケールとオフセットでケルビンに変換し、ピクセル品質バンドでマスクしたうえで、夏の期間のピクセルごとの中央値として合成します。その後、各ラスターを共通の地図投影法のもとで、国勢調査区の境界内で集計します。集めた 373 区のうち、369 区がカバー率と品質のチェックを通過しました。

  2. 02

    決定ルールの変更

    温度のみによる順位と、四つの要素からなる優先度の順位を、上位 10% と上位 20% で比較します。重なりは件数と Jaccard 係数(上位 10% で 0.298)で示しています。したがって、この結果は平均的な差についてではなく、プログラムがどの場所を最初に訪れるかについてのものです。

  3. 03

    ゆらぎに耐えるプロファイル

    k-means で 3 クラスタを採用したのは、3〜6 クラスタを Ward 法と比較した結果です。安定性は、国勢調査の変数を誤差範囲内でゆらがせてから再クラスタリングすることで測定しました。調整ランド指数の中央値は k-means で 0.797、Ward 法で 0.580 でした。どちらのスコアも空間的に集積している(Moran’s I は約 0.5)ため、隣り合う国勢調査区は独立したサンプルではありません。

地表面温度、人口統計上の脆弱性、介入の優先度は、関連しつつも異なる問いに答えるものです。この研究はそれらの視点を比較するもので、実施済みの暑さ対策プログラムの効果を測定するものではありません。

ここから言えないこと

正直な限界。

  • 衛星から得た地表面温度は、気温でも、夜間の暑さでも、屋内の暑さでもありません。
  • 優先度スコアで重みを均等にしているのは、明示した価値判断です。重みが違えば、国勢調査区の順位も変わります。
  • この研究は、どの順位も健康上の結果とは結びつけていません。また、クーリングセンターまでの距離は直線距離であり、移動時間ではありません。
近くの島

ほかの島とのつながり。

コンテキストと詳細情報

論文:「Remote Sensing and Interpretable Machine Learning for Neighborhood-Level Urban Heat Vulnerability in Phoenix, Arizona」。指導教授に提出し、受理されました。未発表です。「解釈可能(Interpretable)」とは、読み取りやすいクラスタのプロファイルと、透明なスコアを指しています。