Explainable Machine Learning for Spatiotemporal Prediction of Urban Heat Dynamics: Insights from Chicago

Resumen Técnico: Aprendizaje Automático Explicable para la Predicción Espaciotemporal de la Dinámica del Calor Urbano en Chicago

Planteamiento del Problema
La urbanización intensifica la dinámica de la Temperatura de la Superficie Terrestre (LST, por sus siglas en inglés) y los efectos de la Isla de Calor Urbana (UHI), sin embargo, las complejas interacciones entre la cubierta terrestre, el almacenamiento de carbono (CS) y los factores socioeconómicos siguen siendo insuficientemente comprendidas en escalas espaciales y temporales detalladas. Los modelos estadísticos tradicionales suelen fallar al capturar las relaciones no lineales y las dependencias espaciales inherentes a los datos ambientales georreferenciados. Además, existe una falta de marcos integrales que combinen la teledetección, la evaluación del carbono, los indicadores socioeconómicos y el aprendizaje automático (ML) explicable para analizar la dinámica térmica urbana a largo plazo a la escala de los sectores censales. Este estudio aborda estas brechas investigando la variabilidad espaciotemporal de la LST en Chicago desde el año 2000 hasta el 2022, con el objetivo de dilucidar cómo la vegetación, el stock de carbono, la densidad urbana y la población influyen simultáneamente en la dinámica térmica.

Metodología
El estudio emplea un marco analítico unificado que combina teledetección, Sistemas de Información Geográfica (SIG), datos de sectores censales y técnicas de aprendizaje automático de conjunto (ensemble).

• Fuentes de Datos y Procesamiento:

  • Datos de Temperatura: Se utilizaron registros de temperatura máxima diaria de la NOAA (Chicago O'Hare, 1970–2022) para el análisis de tendencias. Se procesaron las bandas térmicas de Landsat 5 TM y Landsat 8 TIRS para estimar la LST para cinco períodos de estudio (2000, 2007, 2013, 2016, 2022).
  • Calibración Inter-sensor: Para reducir el sesgo entre los conjuntos de datos Landsat y MODIS, se aplicó un enfoque de mapeo de cuantiles para alinear las distribuciones de temperatura.
  • Cubierta Terrestre y Carbono: Los datos de cubierta terrestre se derivaron de la Base de Datos Nacional de Cubierta Terrestre (NLCD). La densidad del stock de carbono (CSD) se calculó utilizando el modelo de Valoración Integrada de Servicios Ecosistémicos y Compensaciones (InVEST), integrando biomasa aérea, biomasa subterránea, carbono orgánico del suelo y materia orgánica muerta.
  • Datos Socioeconómicos: Los límites de los sectores censales y los datos de densidad de población se obtuvieron de la Oficina del Censo de EE. UU.

• Marco de Aprendizaje Automático:

  • Modelos: Se desarrollaron y compararon dos modelos de conjunto: Random Forest (RF) y Extreme Gradient Boosting (XGBoost).
  • Predictores: Los modelos utilizaron 11 variables explicativas, incluyendo proporciones de cubierta terrestre (vegetación, agua, terrenos baldíos, desarrollo de baja/media/alta intensidad), NDVI, NDBI, stock total de carbono, densidad de stock de carbono y densidad de población.
  • Estrategia de Entrenamiento: Los datos de los cinco puntos temporales se agruparon para maximizar el tamaño de la muestra. El conjunto de datos se dividió en un conjunto de entrenamiento del 80% y un conjunto de prueba independiente del 20%. Se realizó una validación cruzada de 5 pliegues (5-fold cross-validation) en el conjunto de entrenamiento para evaluar la estabilidad antes de la evaluación final en el conjunto de prueba.
  • Explicabilidad: Se utilizó el análisis de SHapley Additive exPlanations (SHAP) para descomponer las predicciones del modelo y cuantificar la importancia de las características. Se generaron Gráficos de Dependencia Parcial (PDP) para revelar las relaciones no lineales entre el predictor y la respuesta.

Resultos Clave

• Tendencias de Temperatura: Se observó una tendencia de calentamiento estadísticamente significativa durante 52 años (P = 0.03), con un aumento de la temperatura media anual de 0.165 °C por década. La frecuencia de los días de temperatura extrema (definidos por un promedio móvil de 5 días >30 °C) aumentó de 5 en el año 2000 a 28 en 2022. Los mapas de LST ajustados revelaron un aumento neto de 5.2 °C en la temperatura media de la superficie terrestre durante dos décadas (de 34.1 °C a 39.3 °C), con el calentamiento más pronunciado concentrado en áreas industriales y de alta densidad de desarrollo.
• Desempeño del Modelo: XGBoost superó a Random Forest, logrando un coeficiente de determinación más alto (R² = 0.55 frente a 0.49) y una clasificación ligeramente mejor de los extremos de temperatura (AUC = 0.85 frente a 0.84). Ambos modelos exhibieron un RMSE bajo (~0.14 en unidades estandarizadas).
• Importancia de las Características y Motores de Cambio: El análisis SHAP identificó la Cobertura de Vegetación (NDVI) y la Densidad de Stock de Carbono (CSD) como los factores de enfriamiento más fuertes (correlación negativa con la LST). Por el contrario, la intensidad de las zonas construidas (DHI, NDBI) y la densidad de población se asociaron con una LST más alta. Notablemente, la CSD surgió como un factor de enfriamiento primario, extendiendo el paradigma convencional al integrar métricas de salud ecosistémica.
• Relaciones No Lineales: El análisis de dependencia parcial reveló que el efecto de enfriamiento marginal de la vegetación disminuye en valores altos de NDVI (rendimientos decrecientes). La densidad de stock de carbono mostró una relación no lineal, con los efectos de enfriamiento más fuertes ocurriendo en densidades intermedias a altas.
• Concordancia Térmica y de Carbono: El almacenamiento total de carbono en los sectores censales de Chicago disminuyó un 0.38% durante el período de estudio. Se observó una concordancia espacial entre la disminución de carbono y la amplificación térmica; los sectores con una pérdida significativa de carbono (particularmente en los corredores industriales del oeste) experimentaron el calentamiento más pronunciado (hasta 6–8 °C).
• Impacto Industrial: Los sectores censales que intersectan zonas industriales exhibieron LST medias de 40.33 °C, significativamente superiores a los sectores no industriales (38.88 °C), con algunas áreas calentándose en más de 6 °C.
• Dinámicas de Terrenos Baldíos: El análisis SHAP reveló una correlación negativa contraintuitiva entre el porcentaje de terrenos baldíos y la LST, probablemente atribuible a la correlación de los terrenos baldíos con variables de enfriamiento como cuerpos de agua o vegetación en el espacio de características conjuntas. Sin embargo, los Gráficos de Dependencia Parcial indicaron una relación positiva, lo que sugiere que, cuando otras variables se mantienen constantes, el terreno baldío actúa como una superficie de calentamiento debido a su bajo albedo y la falta de enfriamiento evaporativo.

Significancia y Reivindicaciones
El artículo sostiene que la integración del aprendizaje automático interpretable con el análisis de tendencias a largo plazo proporciona un marco escalable y transferible para comprender la dinámica térmica urbana. Las contribuciones clave incluyen:

1. Avance Metodológico: Demostrar que la combinación de SHAP (para la importancia de características locales) y los PDP (para las formas funcionales promedio) proporciona una visión más rica que cualquiera de los dos métodos por separado, particularmente al resolver no linealidades como los rendimientos decrecientes del enfriamiento de la vegetación y las interpretaciones divergentes de los terrenos baldíos.
2. El Carbono como Predictor: Establecer la Densidad de Stock de Carbono como un predictor poderoso y previamente subutilizado de la temperatura urbana que captura la salud ecosistémica acumulativa, ofreciendo a los planificadores una métrica más holística que los índices de vegetación o las métricas de superficies impermeables por sí solas.
3. Implicaciones para la Planificación: Proporcionar evidencia de que la conservación del carbono cumple objetivos duales: mitigación climática mediante la captura de carbono y reducción del calor local mediante servicios de enfriamiento ecosistémico. Los resultados sugieren que las intervenciones de diseño urbano físico (por ejemplo, preservar bosques maduros, aumentar la cobertura de dosel) son más efectivas para la mitigación del calor que las estrategias a nivel de población.
4. Granularidad Espacial: Destacar que analizar el calor a la resolución de sectores censales es esencial para identificar inequidades térmicas localizadas, particularmente en áreas industriales y de alta densidad que se ven desproporcionadamente afectadas por el calentamiento.

El estudio concluye que estos hallazgos ofrecen un marco geoespacial aplicable a la planificación resiliente al clima en regiones metropolitanas a nivel global, aunque reconoce limitaciones respecto a la heterogeneidad sub-sectorial y la dependencia de tablas de consulta de carbono generalizadas.