借助創(chuàng)新技術提升氣候韌性

人工智能（AI）和信息通信技術（ICT）正被證明是實現(xiàn)氣候韌性的強大工具。從預測分析到智能基礎設施，人工智能和信息通信技術在幫助社會適應多變的氣候方面發(fā)揮著關鍵作用。

創(chuàng)新技術解決方案對于緩解全球氣溫突變的影響正變得愈發(fā)關鍵。人工智能（AI）與信息通信技術（ICT）已被證實是增強氣候韌性的有力工具，可提供數(shù)據(jù)驅動的決策依據(jù)、優(yōu)化資源管理并提升災害應對能力。

技術在氣候韌性中的作用

人工智能對氣候韌性最顯著的貢獻之一，體現(xiàn)在預測分析領域。先進的機器學習算法通過分析海量氣候數(shù)據(jù)，能夠預測颶風、洪水、熱浪等極端天氣事件^[1]。這些由人工智能驅動的模型，讓政府、企業(yè)和社區(qū)得以采取前瞻性措施，從而幫助減少損失和人員傷亡。

人工智能驅動的天氣預報系統(tǒng)正助力提高早期預警的準確性。在易受洪水侵襲的地區(qū)，通過信息通信技術（ICT）基礎設施連接的實時傳感器網(wǎng)絡，有助于監(jiān)測水位上漲情況，進而觸發(fā)早期疏散警報。同樣，人工智能驅動的模型能夠通過分析溫度趨勢、風向模式和植被干燥程度來預測野火風險，使消防人員能夠更高效地開展應對工作。

極端天氣事件的預測分析

由世界氣象組織（WMO）、國際電信聯(lián)盟（ITU）及其他機構支持的聯(lián)合國 “全民早期預警”（EW4All）系統(tǒng)，旨在構建一個強大的早期預警系統(tǒng)基礎設施，為全球各地的社區(qū)帶來福祉。該倡議致力于通過救生早期預警系統(tǒng)，確保人們普遍免受 “危險的水文氣象、氣候及相關環(huán)境事件” 的影響。

衛(wèi)星圖像與人工智能在預測中的整合

該倡議通過在其災害風險管理的四大支柱（探測、監(jiān)測、分析與預測；傳播與溝通；以及準備與響應）中開展數(shù)據(jù)收集和分析工作，有助于提高天氣預報的準確性、簡化應急響應流程，并幫助社區(qū)采取前瞻性措施。

遙感等工具在早期預警系統(tǒng)中發(fā)揮著關鍵作用。在《天氣預報的進展：衛(wèi)星圖像與人工智能整合綜述》一文中，作者探討了氣象衛(wèi)星圖像與人工智能的整合，重點研究了機器學習和深度學習方法在天氣預報中的應用^[2]。

精準農(nóng)業(yè)：助力農(nóng)民適應氣候變化

農(nóng)業(yè)是另一個易受氣候多變影響的領域，而人工智能正通過精準農(nóng)業(yè)幫助農(nóng)民適應這種變化。人工智能驅動的工具會分析衛(wèi)星圖像、土壤狀況和天氣預報，為農(nóng)民提供有關灌溉、施肥和病蟲害防治的數(shù)據(jù)支持建議。這種方法不僅能最大限度提高作物產(chǎn)量，還能減少水資源和化學藥劑的使用，讓農(nóng)業(yè)更具可持續(xù)性。研究人員在《智能農(nóng)業(yè)中人工智能驅動的作物健康監(jiān)測與養(yǎng)分管理》一文中指出，人工智能驅動的算法比傳統(tǒng)模型表現(xiàn)更優(yōu)，能帶來顯著更多的益處^[3]。

算法能夠在作物出現(xiàn)肉眼可見的干旱脅迫跡象之前就探測到這些信號。信息通信技術（ICT）的應用讓農(nóng)民可以通過移動設備獲取這些信息，從而及時采取干預措施^[4]。由人工智能驅動的衛(wèi)星圖像、無人機和遙感技術，有助于追蹤森林砍伐情況、監(jiān)測空氣和水質，以及評估生物多樣性喪失狀況^[5]。

將數(shù)據(jù)轉化為行動，邁向可持續(xù)未來

盡管人工智能技術在提升氣候韌性方面前景廣闊，但它們也帶來了一些必須應對的挑戰(zhàn)。人工智能模型計算強度大，訓練和運行過程需要消耗大量能源^[6]，這引發(fā)了人們對其自身環(huán)境影響的擔憂。目前，研究人員正積極致力于開發(fā)節(jié)能型人工智能算法^[7]。

IEEE標準協(xié)會（IEEE Standards Association）正通過《IEEE P7100人工智能系統(tǒng)環(huán)境影響測量標準》著手解決人工智能的環(huán)境影響問題。該標準確立了一個測量框架，用于報告人工智能系統(tǒng)訓練模型的環(huán)境指標以及推導的推斷結果，其中包括對計算強度（如能源使用量）及其相關環(huán)境影響（如二氧化碳排放量、水資源消耗量等）的統(tǒng)一測量。

通過在氣候技術中運用人工智能驅動的預測分析、災害響應和智能農(nóng)業(yè)，我們能夠朝著構建更具韌性的未來邁出重要一步。

[1] M. Algarni, “Deploying Artificial Intelligence for Optimized Flood Forecasting and Mitigation,” 2023 20th ACS/IEEE International Conference on Computer Systems and Applications (AICCSA), Giza, Egypt, 2023, pp. 1-6, doi: 10.1109/AICCSA59173.2023.10479337.

[2] Y. Liu and S. Cai, “Advancements in Weather Forecasting: A Review of Satellite Imagery and AI Integration,” 2024 9th International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS), Okinawa, Japan, 2024, pp. 340-344, doi: 10.1109/ICIIBMS62405.2024.10792824 .

[3] S. K. Swarnkar, L. Dewangan, O. Dewangan, T. M. Prajapati and F. Rabbi, “AI-enabled Crop Health Monitoring and Nutrient Management in Smart Agriculture,” 2023 6th International Conference on Contemporary Computing and Informatics (IC3I), Gautam Buddha Nagar, India, 2023, pp. 2679-2683, doi: 10.1109/IC3I59117.2023.10398035.

[4] Mulungu, K., Kassie, M., & Tschopp, M. (2025). The role of information and communication technologies-based extension in agriculture: application, opportunities and challenges. Information Technology for Development, 1–30.

[5] A. Cardoso, E. Hestir, J. Slingsby, J. Nesslage, C. Forbes and A. Wilson, “Bioscape: Combining Airborne Hyperspectral and Laser Altimeter with Field Data to Advance Remote Sensing of Biodiversity,” IGARSS 2023-2023 IEEE International Geoscience and Remote Sensing Symposium, Pasadena, CA, USA, 2023, pp. 499-502, doi: 10.1109/IGARSS52108.2023.10282039.

[6] W. Li, Y. Song and S. Wang, “Intelligent Computing、 Computational Power、 Computational Power Networks and Technology Ecosystems,” 2024 IEEE 14th International Conference on Electronics Information and Emergency Communication (ICEIEC), Beijing, China, 2024, pp. 1-8, doi: 10.1109/ICEIEC61773.2024.10561638 .

[7] S. Dash, “Green AI: Enhancing Sustainability and Energy Efficiency in AI-Integrated Enterprise Systems,” in IEEE Access, vol. 13, pp. 21216-21228, 2025, doi: 10.1109/ACCESS.2025.3532838 .

請注意：本文發(fā)布于2025年4月22日——文中觀點僅代表作者及/或被采訪者立場，不代表IEEE官方立場。部分參考文獻可能需要訂閱才能查閱。