借助創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揮著關鍵作用。

創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，可提供數據驅動的決策依據、優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據，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、企業和社區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正助力提高早期預警的準確性。在易受洪水侵襲的地區，通過信息通信技術（ICT）基礎設施連接的實時傳感器網絡，有助于監測水位上漲情況，進而觸發早期疏散警報。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）、國際電信聯盟（ITU）及其他機構支持的聯合國 “全民早期預警”（EW4All）系統，旨在構建一個強大的早期預警系統基礎設施，為全球各地的社區帶來福祉。該倡議致力于通過救生早期預警系統，確保人們普遍免受 “危險的水文氣象、氣候及相關環境事件” 的影響。

衛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、監測、分析與預測；傳播與溝通；以及準備與響應）中開展數據收集和分析工作，有助于提高天氣預報的準確性、簡化應急響應流程，并幫助社區采取前瞻性措施。

遙感等工具在早期預警系統中發揮著關鍵作用。在《天氣預報的進展：衛星圖像與人工智能整合綜述》一文中，作者探討了氣象衛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]。

精準農業：助力農民適應氣候變化

農業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業幫助農民適應這種變化。人工智能驅動的工具會分析衛星圖像、土壤狀況和天氣預報，為農民提供有關灌溉、施肥和病蟲害防治的數據支持建議。這種方法不僅能最大限度提高作物產量，還能減少水資源和化學藥劑的使用，讓農業更具可持續性。研究人員在《智能農業中人工智能驅動的作物健康監測與養分管理》一文中指出，人工智能驅動的算法比傳統模型表現更優，能帶來顯著更多的益處^[3]。

算法能夠在作物出現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星圖像、無人機和遙感技術，有助于追蹤森林砍伐情況、監測空氣和水質，以及評估生物多樣性喪失狀況^[5]。

將數據轉化為行動，邁向可持續未來

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。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]，這引發了人們對其自身環境影響的擔憂。目前，研究人員正積極致力于開發節能型人工智能算法^[7]。

IEEE標準協會（IEEE Standards Association）正通過《IEEE P7100人工智能系統環境影響測量標準》著手解決人工智能的環境影響問題。該標準確立了一個測量框架，用于報告人工智能系統訓練模型的環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）及其相關環境影響（如二氧化碳排放量、水資源消耗量等）的統一測量。

通過在氣候技術中運用人工智能驅動的預測分析、災害響應和智能農業，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。