Meteorological and Biometeorological Evaluation of a Population-Aware Heat Warning Framework for Mauritius

Hitze ist nicht eine einzige Sache. Für eine Person, die in der Sonne steht, ist sie eine Mischung aus der Lufttemperatur, der Luftfeuchtigkeit, die das Verdampfen von Schweiß verhindert, dem Wind, der die Haut kühlen könnte, und der direkten Strahlung der Sonne, die auf einen niedergeht. Für Wissenschaftler, die untersuchen, wie das Wetter die menschliche Gesundheit beeinflusst, bedeutet dies, dass es keine einzelne Zahl gibt, die die ganze Geschichte eines gefährlichen Hitzetages erzählen kann. Eine Hitzewelle, die drei Tage lang anhält, fühlt sich anders an als ein einzelner, sengender Nachmittag, und eine heiße Nacht, die keine Erholung bietet, ist eine andere Art von Belastung als ein heißer Tag mit einer Brise. In Orten wie Mauritius, einer feuchten Inselnation im Indischen Ozean, besteht die Herausforderung darin, ein Warnsystem zu entwickeln, das diese Unterschiede versteht. Das Ziel ist es zu wissen, wann die Hitze für die dort lebenden Menschen wirklich gefährlich ist, und nicht nur, wenn das Thermometer eine hohe Zahl erreicht.

Yashvir Ramlukon, ein Forscher bei den Mauritius Meteorological Services, setzte sich zum Ziel, eine neue Art und Weise zu entwickeln und zu testen, wie man diese Hitze misst. Er erstellte ein Framework, das die Insel in sechs verschiedene Zonen unterteilt, von den Küsten Tieflandgebieten bis zu den zentralen Hochlanden, und stellt eine einfache, aber schwierige Frage: Wie viele Menschen erleben tatsächlich gefährliche Hitze, und um welche Art von Hitze handelt es sich? Um dies zu beantworten, verließ er sich nicht nur auf eine Art von Daten. Er kombinierte direkte Messungen von Bodenwetterstationen mit einem hochentwickelten Computermodell der Atmosphäre namens ERA5-Land. Dieses Modell füllt die Lücken zwischen den Stationen und erstellt so ein vollständiges Bild des Wetters über die gesamte Insel für jede Stunde des Tages. Der Forscher wusste jedoch, dass Computermodelle nicht perfekt sind. Sie können die schärfsten Spitzen der Hitze glätten, daher behandelte er die realen Messungen der Stationen als den wichtigsten Beleg dafür, was tatsächlich am Boden geschah.

Die Studie deckte einen langen Zeitraum ab, von 1991 bis 2025, und schuf damit ein massives Archiv täglicher Hitzerekorde. Der Forscher testete verschiedene Möglichkeiten, eine Hitzewarnung zu definieren. Eine Methode betrachtete, wie heiß die Tage im Vergleich zu dem waren, was für diese spezifische Jahreszeit normal ist. Eine andere maß, wie heiß die Nächte waren, da ein Mangel an Abkühlung in der Nacht ein großes Gesundheitsrisgesiko darstellt. Eine dritte Methode, genannt „Excess Heat Factor“ (Überschuss-Hitzefaktor), prüfte, ob die Hitze ein plötzlicher Schock für den Körper oder ein anhaltendes Ereignis war, an das sich die Bevölkerung bereits gewöhnt hatte. Schließlich verwendete er einen komplexen Index, der simuliert, wie der menschliche Körper auf die Kombination aus Temperatur, Luftfeuchtigkeit, Wind und Sonne reagiert. Dieser als „Universal Thermal Climate Index“ bekannte Index versucht, die tatsächliche thermische Belastung zu berechnen, die eine Person empfindet, anstatt nur die Lufttemperatur zu betrachten.

Als der Forscher das Computermodell mit den realen Wetterstationsdaten verglich, stellte er fest, dass das Modell gut darin war, das allgemeine Muster der Temperaturveränderungen aufzuzeigen, aber oft die heißesten Tage unterschätzte. An einigen Tieflandstationen war das Modell fast zwei Grad Celsius kühler als die Realität. Dies bedeutete, dass, wenn das Warnsystem sich nur auf das Computermodell verlassen würde, es die gefährlichsten Hitzeereignisse verpassen könnte. Das Modell hatte auch Schwierigkeiten, die sehr heißen Tage zu erfassen, die nur selten vorkommen. Aus diesem Grund wurde das Framework so konzipiert, dass es die realen Stationsdaten als wichtigstes Beweismittel für das verwendet, was tatsächlich geschah, während das Computermodell nur dazu dient, die Lücken zu füllen, wo keine Station existierte.

Die Studie untersuchte auch, wie viele Menschen von diesen Hitzeereignissen betroffen waren. Anstatt die Temperatur über die ganze Insel zu mitteln, was die Tatsache verschleiern würde, dass einige Gebiete viel heißer sind als andere, berechnete der Forscher den Anteil der Bevölkerung, die in Zonen lebt, die die Gefahrenschwellen überschritten. Er nutzte die offiziellen Bevölkerungszahlen der Volkszählung von 2022, um diese Zonen zu gewichten. Dieser Ansatz zeigte, dass unterschiedliche Hitzeereignisse Menschen auf sehr unterschiedliche Weise beeinflussen. So war beispielsweise ein Hitzeereignis im Dezember 2013 schwerwiegend, weil es heiße Tage, warme Nächte und ein hohes Maß an thermischer Belastung kombinierte, die mehrere Tage anhielt. Im Gegensatz dazu war ein Hitzeereignis im Februar 2025 intensiv genug, dass der thermische Belastungsindex auf der gesamten Insel gefährliche Werte erreichte, löste jedoch nicht die „Persistenz“-Warnung aus, da es nicht Teil eines lang anhaltenden, mehrtägigen Aufbaus war.

Eine der wichtigsten Erkenntnisse war, dass keine einzelne Warnregel jede gefährliche Situation erfassen konnte. Der Forscher testete verschiedene Kombinationen von Regeln, um zu sehen, welche die realen Hitzeereignisse am besten abbildeten. Er fand heraus, dass ein System, das nur betrachtete, wie ungewöhnlich die Temperatur im Vergleich zur Vergangenheit war, Ereignisse übersehen würde, die zwar physisch sehr belastend, aber statistisch nicht selten waren. Umgekehrt könnte ein System, das nur den thermischen Belastungsindex betrachtet, Ereignisse übersehen, die aufgrund ihrer Dauer gefährlich waren. Der beste Ansatz war es, diese verschiedenen Maße getrennt zu halten und sie gemeinsam zu betrachten. Auf diese Weise konnte eine Warnung ausgegeben werden, wenn eine Hitzewelle anhaltend war, oder wenn die thermische Belastung hoch war, oder wenn die Nächte ungewöhnlich warm waren, ohne all diese verschiedenen Arten von Gefahr in einen einzigen Wert zu zwingen.

Die Forschung hob auch ein spezifisches Ereignis im März 2019 hervor, das als entscheidender Test diente. Das Computermodell deutete darauf hin, dass die Hitze nicht schwerwiegend sei, aber die realen Wetterstationen zeigten ein starkes, über mehrere Zonen verlaufendes Hitzeereignis. Diese Diskrepanz bewies, dass eine alleinige Abhängigkeit vom Computermodell zu einem Versagen der Warnung führen könnte. Das Framework identifizierte dieses Ereignis erfolgreich als einen Fall, in dem das Modell versagt hatte, was die Notwendigkeit unterstrich, die realen Beobachtungen im Zentrum des Warnsystems zu behalten.

Letztendlich erhebt diese Arbeit nicht den Anspruch, das Problem hitzebedingter Erkrankungen gelöst zu zu haben. Der Forscher stellt ausdrücklich klar, dass die hier entwickelten Warnstufen auf meteorologischen und physikalischen Belegen basieren, nicht auf Gesundheitsdaten. Es gibt in den für diese Studie verwendeten Daten keinen Aufzeichnungen darüber, wie viele Menschen während dieser Hitzeereignisse krank wurden oder starben. Daher kann das System noch nicht mit Sicherheit sagen, welche spezifische Temperatur oder Belastung eine Gesundheitskrise auslöst. Stattdessen bietet die Studie eine solide, reproduzierbare Grundlage. Sie bietet ein klares, detailliertes Archiv darüber, wie die Hitze die Bevölkerung von Mauritius in den letzten fünfunddreißig Jahren beeinflusst hat, indem sie die verschiedenen Arten der Hitzebelastung trennt und genau zeigt, wie viele Menschen jeder von ihnen ausgesetzt waren. Dieses Archiv liegt nun bereit, damit Gesundheitsexperten es nutzen können. Sie können diese detaillierte Karte der Hitzeexposition nehmen und sie mit zukünftigen Gesundheitsdaten abgleichen, um den exakten Punkt zu finden, an dem das Wetter zu einem medizinischen Notfall wird. Bis diese Kalibrierung mit Gesundheitsdaten erfolgt ist, dient das System als wissenschaftlich fundierte Methode zur Messung der Hitze und stellt sicher, dass eine Warnung auf einem vollständigen und ehrlichen Bild des Wetters basiert und nicht nur auf einer einzelnen Zahl.