地表面温度を超えて：説明可能な空間機械学習が、人間中心の熱ストレスに対する都市形態の影響を解明

概要: 熱への曝露は、都市の居住性および持続可能性を直接左右することで、建築環境と公衆衛生を結びつける。熱への曝露の空間的不均一性と、その要因（ドライバー）を理解することは、気候に適応した都市計画に不可欠である。しかし、計画志向の研究の多くは地表面温度（LST）に依拠しており、LSTが人の熱曝露を適切に表現できているのか、また生理学的に意味のある熱ストレスとどのように異なるのかについては、十分に検討されていない。ここでは、シンガポールにおいて、Landsatから取得した30 mのLSTと、GPUで加速した1 mの汎用熱気候指標（UTCI）を採用し、両指標間における空間的・機構的な差異を体系的に評価する包括的な「モデル化―比較―評価」フレームワークを確立する。さらに、新規の地理的加重XGBoost（GW-XGBoost）と一般化加法モデル（GAM）のワークフローを用いて、都市要因との関係における、顕著な非定常性および閾値に基づく定量的関係を両指標について詳細に調べる。結果として、LSTとUTCIの空間パターンには明確な相違が見られ、また、2Dおよび3Dの都市要因がこれら2つの熱指標に与える影響には、説明可能なGW-XGBoostモデルによって明らかな相当な空間的不均一性が示された（それぞれ、LSTに対する全体のアウト・オブ・バッグR2 = 0.855、UTCIに対する0.905）。重要な点として、空間的に明示的なSHAPにより、天空視程係数がUTCIの変動を説明する上で中核的な役割を果たす一方で、LSTに対しては比較的小さな独立寄与しか示さないことが解釈される。これは、LSTが、実際の人の熱ストレスを支配する日陰に起因する過程や放射（放射伝熱）プロセスを十分に捉えられていないことを示唆する。とりわけ、SHAP-GAM解析では、高いアルベドがUTCIの増加と関連することが示される。これらの新たな知見は、生理学的に関連する熱指標を統合し、的を絞った暑熱リスク管理と気候適応型の都市計画に役立てるための根拠を提供する。