氣候變化引發(fā)的不同形式的災害之間的相互作用將在未來產(chǎn)生影響各種自然和人類系統(tǒng)的跨部門影響。
研究可以提高對這些相互作用和動態(tài)的理解，以支持決策者管理當前和未來的氣候變化風險，這也得益于預測預期風險和量化其影響的能力的提高。
為此，近年來，科學界開始測試新的方法論方法、技術和工具，其中機器學習的應用可以幫助開發(fā)當今可用的大量和各種環(huán)境監(jiān)測數(shù)據(jù)(大數(shù)據(jù))的潛力。 )。
使用機器學習方法評估氣候引發(fā)的風險呈指數(shù)增長的結果是什么?
在“探索機器學習對氣候變化風險評估的潛力”研究中，來自中國移動基金會和威尼斯Ca'Foscari大學的科學家團隊對過去20年發(fā)表的1200多篇關于該主題的文章進行了深入審查。年，突出了機器學習在該領域的潛力和局限性。
“機器學習是人工智能的一個分支，”該研究的主要作者、CMCC 基金會和威尼斯 Ca' Foscari 大學的研究員Federica Zennaro解釋說。“通過模擬人腦的過程，某些數(shù)學算法可以理解一組輸入數(shù)據(jù)之間的關系，以預測所需的輸出。在我們的研究中，我們發(fā)現(xiàn)洪水和山體滑坡是通過機器學習模型分析最多的事件，可能是因為它們是世界上最相關和最常見的。”
此外，該研究表明，機器學習有兩個主要潛力，使其在應用于該研究領域時特別有趣。
首先是所述算法可以從數(shù)據(jù)中學習：數(shù)據(jù)越多，算法學習得越好。由于具有分析和處理大量數(shù)據(jù)的能力，機器學習使研究人員能夠解開社會生態(tài)系統(tǒng)功能背后的復雜關系，利用從各種來源收集的大數(shù)據(jù)，包括用于高頻環(huán)境分析的傳感器、社會媒體、衛(wèi)星數(shù)據(jù)和圖像以及無人機。
第二個是它們可以組合不同類型的數(shù)據(jù)，從而能夠在考慮所有維度的同時評估風險程度。這些不僅包括觸發(fā)災害(例如，降雨量增加)，還包括處于危險之中的社會經(jīng)濟系統(tǒng)的脆弱性和暴露程度，這些都是評估整體影響的關鍵因素
“例如，考慮一個模型，該模型使用過去 20 年洪水事件的詳細數(shù)據(jù)進行訓練，包括它們的位置和受影響環(huán)境(城市或自然環(huán)境)的信息。該模型可以在以未來氣候條件為特征的情景中進行預測，某一事件在某一時刻發(fā)生的概率是多少，并計算其對社會和環(huán)境造成有害影響的風險，”Zennaro 解釋說。“機器學習代表了風險評估的未來，但它的巨大潛力還沒有被廣泛開發(fā)。我們的研究表明，使用這些模型來開發(fā)長期未來風險情景(最多2100個)的研究仍然很少。絕大多數(shù)。的研究側重于短期，
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！