气候变化引发的不同形式的灾害之间的相互作用将在未来产生影响各种自然和人类系统的跨部门影响。
研究可以提高对这些相互作用和动态的理解，以支持决策者管理当前和未来的气候变化风险，这也得益于预测预期风险和量化其影响的能力的提高。
为此，近年来，科学界开始测试新的方法论方法、技术和工具，其中机器学习的应用可以帮助开发当今可用的大量和各种环境监测数据(大数据)的潜力。 )。
使用机器学习方法评估气候引发的风险呈指数增长的结果是什么?
在“探索机器学习对气候变化风险评估的潜力”研究中，来自中国移动基金会和威尼斯Ca'Foscari大学的科学家团队对过去20年发表的1200多篇关于该主题的文章进行了深入审查。年，突出了机器学习在该领域的潜力和局限性。
“机器学习是人工智能的一个分支，”该研究的主要作者、CMCC 基金会和威尼斯 Ca' Foscari 大学的研究员Federica Zennaro解释说。“通过模拟人脑的过程，某些数学算法可以理解一组输入数据之间的关系，以预测所需的输出。在我们的研究中，我们发现洪水和山体滑坡是通过机器学习模型分析最多的事件，可能是因为它们是世界上最相关和最常见的。”
此外，该研究表明，机器学习有两个主要潜力，使其在应用于该研究领域时特别有趣。
首先是所述算法可以从数据中学习：数据越多，算法学习得越好。由于具有分析和处理大量数据的能力，机器学习使研究人员能够解开社会生态系统功能背后的复杂关系，利用从各种来源收集的大数据，包括用于高频环境分析的传感器、社会媒体、卫星数据和图像以及无人机。
第二个是它们可以组合不同类型的数据，从而能够在考虑所有维度的同时评估风险程度。这些不仅包括触发灾害(例如，降雨量增加)，还包括处于危险之中的社会经济系统的脆弱性和暴露程度，这些都是评估整体影响的关键因素
“例如，考虑一个模型，该模型使用过去 20 年洪水事件的详细数据进行训练，包括它们的位置和受影响环境(城市或自然环境)的信息。该模型可以在以未来气候条件为特征的情景中进行预测，某一事件在某一时刻发生的概率是多少，并计算其对社会和环境造成有害影响的风险，”Zennaro 解释说。“机器学习代表了风险评估的未来，但它的巨大潜力还没有被广泛开发。我们的研究表明，使用这些模型来开发长期未来风险情景(最多2100个)的研究仍然很少。绝大多数。的研究侧重于短期，
标签：
免责声明：本文由用户上传，如有侵权请联系删除！