原文發(fā)表于 《科技導(dǎo)報》2025年第18期科技新聞-卓越亮點

可解釋人工智能刷新傳統(tǒng)氣候災(zāi)害模型

圖片來源：攝圖網(wǎng)

地球進入更熱、更急、更復(fù)雜的時代，傳統(tǒng)基于物理與統(tǒng)計的災(zāi)害模型正被AI加速刷新，但“黑箱”增加了決策不確定性。悉尼科技大學(xué)Pradhan在

Geosci

ence Frontiers

相關(guān)研究從地學(xué)角度串起“數(shù)據(jù)—模型—解釋”全鏈條：在“4V”數(shù)據(jù)（體量大、更新快、來源雜、真?zhèn)尾灰唬┡c氣候模式下行的信噪比挑戰(zhàn)下，XAI把“做準(zhǔn)”變?yōu)椤盀槭裁醋鰷?zhǔn)”。方法上區(qū)分2類路徑：一是本征可解釋模型（如注意力網(wǎng)絡(luò)、NBDT、GAM、GNN），二是后驗解釋工具（SHAP、LIME）。案例顯示，基于SHAP的變量重要度與耦合分析，已用于不丹/美國滑坡易發(fā)性、美國肯塔基洪水易感性、澳東干旱預(yù)測與新西蘭降雨重建，提高精度并回答“為何在這里、為何在這時”。

XAI的核心并非復(fù)雜算法，而是“可驗證的理由”。

• 在城市內(nèi)澇評估中，它能量化“不透水面比例”“距排水通道距離”等要素如何疊加放大積澇深度；

• 在農(nóng)業(yè)干旱監(jiān)測中，它能解釋“前期土壤水分—當(dāng)季降水—植被熒光（SIF）”的鏈?zhǔn)接绊懀?/p>

• 在山地災(zāi)害治理中，它能區(qū)分“短歷時強降雨觸發(fā)的淺層滑坡”與“長期地下水抬升引發(fā)的深層滑坡”的不同敏感因子。
  

Pradhan也提醒，XAI需要更高質(zhì)量與更均衡覆蓋的觀測（尤其在發(fā)展中地區(qū)），需要與物理機理對表以避免“相關(guān)當(dāng)因果”，需要建立跨地區(qū)可遷移與可復(fù)現(xiàn)的評測基準(zhǔn)，還要在極端事件定義不一的前提下，保持解釋的穩(wěn)健性與邊界感。

（來源于中國科技期刊卓越行動計劃入選期刊：

Geoscience Frontiers

《科技導(dǎo)報》創(chuàng)刊于1980年，中國科協(xié)學(xué)術(shù)會刊，主要刊登科學(xué)前沿和技術(shù)熱點領(lǐng)域突破性的研究成果、權(quán)威性的科學(xué)評論、引領(lǐng)性的高端綜述，發(fā)表促進經(jīng)濟社會發(fā)展、完善科技管理、優(yōu)化科研環(huán)境、培育科學(xué)文化、促進科技創(chuàng)新和科技成果轉(zhuǎn)化的決策咨詢建議。常設(shè)欄目有院士卷首語、科技新聞、科技評論、專稿專題、綜述、論文、政策建議、科技人文等。