氣候變化引發(fā)的不同形式的災(zāi)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(duì)這些相互作用和動(dòng)態(tài)的理解，以支持決策者管理當(dāng)前和未來的氣候變化風(fēng)險(xiǎn)，這也得益于預(yù)測(cè)預(yù)期風(fēng)險(xiǎn)和量化其影響的能力的提高。
為此，近年來，科學(xué)界開始測(cè)試新的方法論方法、技術(shù)和工具，其中機(jī)器學(xué)習(xí)的應(yīng)用可以幫助開發(fā)當(dāng)今可用的大量和各種環(huán)境監(jiān)測(cè)數(shù)據(jù)(大數(shù)據(jù))的潛力。 )。
使用機(jī)器學(xué)習(xí)方法評(píng)估氣候引發(fā)的風(fēng)險(xiǎn)呈指數(shù)增長的結(jié)果是什么?
在“探索機(jī)器學(xué)習(xí)對(duì)氣候變化風(fēng)險(xiǎn)評(píng)估的潛力”研究中，來自中國移動(dòng)基金會(huì)和威尼斯Ca'Foscari大學(xué)的科學(xué)家團(tuán)隊(duì)對(duì)過去20年發(fā)表的1200多篇關(guān)于該主題的文章進(jìn)行了深入審查。年，突出了機(jī)器學(xué)習(xí)在該領(lǐng)域的潛力和局限性。
“機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，”該研究的主要作者、CMCC 基金會(huì)和威尼斯 Ca' Foscari 大學(xué)的研究員Federica Zennaro解釋說。“通過模擬人腦的過程，某些數(shù)學(xué)算法可以理解一組輸入數(shù)據(jù)之間的關(guān)系，以預(yù)測(cè)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(jī)器學(xué)習(xí)模型分析最多的事件，可能是因?yàn)樗鼈兪鞘澜缟献钕嚓P(guān)和最常見的。”
此外，該研究表明，機(jī)器學(xué)習(xí)有兩個(gè)主要潛力，使其在應(yīng)用于該研究領(lǐng)域時(shí)特別有趣。
首先是所述算法可以從數(shù)據(jù)中學(xué)習(xí)：數(shù)據(jù)越多，算法學(xué)習(xí)得越好。由于具有分析和處理大量數(shù)據(jù)的能力，機(jī)器學(xué)習(xí)使研究人員能夠解開社會(huì)生態(tài)系統(tǒng)功能背后的復(fù)雜關(guān)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(huì)媒體、衛(wèi)星數(shù)據(jù)和圖像以及無人機(jī)。
第二個(gè)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(shí)評(píng)估風(fēng)險(xiǎn)程度。這些不僅包括觸發(fā)災(zāi)害(例如，降雨量增加)，還包括處于危險(xiǎn)之中的社會(huì)經(jīng)濟(jì)系統(tǒng)的脆弱性和暴露程度，這些都是評(píng)估整體影響的關(guān)鍵因素
“例如，考慮一個(gè)模型，該模型使用過去 20 年洪水事件的詳細(xì)數(shù)據(jù)進(jìn)行訓(xùn)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(jìn)行預(yù)測(cè)，某一事件在某一時(shí)刻發(fā)生的概率是多少，并計(jì)算其對(duì)社會(huì)和環(huán)境造成有害影響的風(fēng)險(xiǎn)，”Zennaro 解釋說。“機(jī)器學(xué)習(xí)代表了風(fēng)險(xiǎn)評(píng)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(fēng)險(xiǎn)情景(最多2100個(gè))的研究仍然很少。絕大多數(shù)。的研究側(cè)重于短期，
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！