借助创新技术提升气候韧性
人工智能（AI）和信息通信技术（ICT）正被证明是实现气候韧性的强大工具。从预测分析到智能基础设施，人工智能和信息通信技术在帮助社会适应多变的气候方面发挥着关键作用。
创新技术解决方案对于缓解全球气温突变的影响正变得愈发关键。人工智能（AI）与信息通信技术（ICT）已被证实是增强气候韧性的有力工具，可提供数据驱动的决策依据、优化资源管理并提升灾害应对能力。
技术在气候韧性中的作用
人工智能对气候韧性最显著的贡献之一，体现在预测分析领域。先进的机器学习算法通过分析海量气候数据，能够预测飓风、洪水、热浪等极端天气事件[1]。这些由人工智能驱动的模型，让政府、企业和社区得以采取前瞻性措施，从而帮助减少损失和人员伤亡。
人工智能驱动的天气预报系统正助力提高早期预警的准确性。在易受洪水侵袭的地区，通过信息通信技术（ICT）基础设施连接的实时传感器网络，有助于监测水位上涨情况，进而触发早期疏散警报。同样，人工智能驱动的模型能够通过分析温度趋势、风向模式和植被干燥程度来预测野火风险，使消防人员能够更高效地开展应对工作。
极端天气事件的预测分析
由世界气象组织（WMO）、国际电信联盟（ITU）及其他机构支持的联合国 “全民早期预警”（EW4All）系统，旨在构建一个强大的早期预警系统基础设施，为全球各地的社区带来福祉。该倡议致力于通过救生早期预警系统，确保人们普遍免受 “危险的水文气象、气候及相关环境事件” 的影响。
卫星图像与人工智能在预测中的整合
该倡议通过在其灾害风险管理的四大支柱（探测、监测、分析与预测；传播与沟通；以及准备与响应）中开展数据收集和分析工作，有助于提高天气预报的准确性、简化应急响应流程，并帮助社区采取前瞻性措施。
遥感等工具在早期预警系统中发挥着关键作用。在《天气预报的进展：卫星图像与人工智能整合综述》一文中，作者探讨了气象卫星图像与人工智能的整合，重点研究了机器学习和深度学习方法在天气预报中的应用[2]。
精准农业：助力农民适应气候变化
农业是另一个易受气候多变影响的领域，而人工智能正通过精准农业帮助农民适应这种变化。人工智能驱动的工具会分析卫星图像、土壤状况和天气预报，为农民提供有关灌溉、施肥和病虫害防治的数据支持建议。这种方法不仅能最大限度提高作物产量，还能减少水资源和化学药剂的使用，让农业更具可持续性。研究人员在《智能农业中人工智能驱动的作物健康监测与养分管理》一文中指出，人工智能驱动的算法比传统模型表现更优，能带来显著更多的益处[3]。
算法能够在作物出现肉眼可见的干旱胁迫迹象之前就探测到这些信号。信息通信技术（ICT）的应用让农民可以通过移动设备获取这些信息，从而及时采取干预措施[4]。由人工智能驱动的卫星图像、无人机和遥感技术，有助于追踪森林砍伐情况、监测空气和水质，以及评估生物多样性丧失状况[5]。
将数据转化为行动，迈向可持续未来
尽管人工智能技术在提升气候韧性方面前景广阔，但它们也带来了一些必须应对的挑战。人工智能模型计算强度大，训练和运行过程需要消耗大量能源[6]，这引发了人们对其自身环境影响的担忧。目前，研究人员正积极致力于开发节能型人工智能算法[7]。
IEEE标准协会（IEEE Standards Association）正通过《IEEE P7100人工智能系统环境影响测量标准》着手解决人工智能的环境影响问题。该标准确立了一个测量框架，用于报告人工智能系统训练模型的环境指标以及推导的推断结果，其中包括对计算强度（如能源使用量）及其相关环境影响（如二氧化碳排放量、水资源消耗量等）的统一测量。
通过在气候技术中运用人工智能驱动的预测分析、灾害响应和智能农业，我们能够朝着构建更具韧性的未来迈出重要一步。
[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 .
请注意：本文发布于2025年4月22日——文中观点仅代表作者及/或被采访者立场，不代表IEEE官方立场。部分参考文献可能需要订阅才能查阅。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
