投稿|人类正在自食其果：全球85%的人口生活在受人为影响的气候变化地区投稿|学术

文 | 学术头条，作者 | XT，编辑 | 寇建超

今年的诺贝尔物理学奖，一部分颁给了两位气象学家 Syukuro Manabe 和 Klaus Hasselmann，以表彰他们 “对地球气候的物理建模、量化可变性和可靠地预测全球变暖” 的贡献。
近年来，全球气候变暖已经成为不争的事实，而人类活动是全球变暖的主要原因之一。来自世界各地的科学家们在气象学方面进行了大量的研究，以探求全球气候变化与人类活动有着怎样的相关性。
人类在影响全球气候的同时，也已经自食其果。越来越多的证据表明，气候变化的影响已经在人类生活环境和自然系统中被观察到，相关文献的数量也在迅速增长。
已发表的一些系统性综述文献试图以一种全面、透明的方式，对以往的研究文献进行结构化分析，但这些文献的研究范围往往局限于非常具体的问题，涵盖的研究内容不超过几十到几百项。
为了克服这些潜在的局限性，德国墨卡托全球公域与气候变化研究所（MCC）研究员 Max Callaghan 团队及其合作者使用机器学习方法，对已观察到的气候影响相关研究进行了识别和分类，并推断出 “世界上 85% 的人口已经受到了人类引起的气候变化的影响” 。
相关研究论文以“Machine-learning-based evidence and attribution mapping of 100,000 climate impact studies”为题，已发表在《自然气候变化》（Nature Climate Change）上。

文章图片

（来源：Nature Climate Change）
在这项研究中，Callaghan 等人借助机器学习技术，使用神经网络预训练的地理搜索器，将地理位置的文献与气候信息相结合，融合分析气候变化和气候影响的两条证据线，提供了一个自动的、活生生的、可以随时更新的气候影响系统地图。
过去 30 年，气候变化相关文献持续增长近些年，全球各地旱灾、洪水、飓风等自然灾害频发，极端气候事件增多，已严重影响到人们的生产生活甚至生命安全。各国科学家们对气候变化及其与人类活动之间的关系的研究已持续多年，相关研究文献也呈现出飞速增长的趋势。
研究气候变化的归因需要 “站在巨人的肩膀上”，对大量已有发现进行综合分析，科学家们不仅需要分析一个区域一段时间内的气温、降水、海平面上升等数据，更需要在更大的时间尺度和更宽区域尺度上分析已有的科学发现。
如果可以充分利用有关气候变化影响的新发现，将为全球气候研究提供关键的信息，也会在世界区域和地方风险评估以及气候适应的实地行动中起到关键性作用。
为此，Max Callaghan? 等人使用了深度学习语言表示模型 BERT，开发了一个含两步骤的归因过程，将透明的、可重复的机器学习方法与基于模型的对历史气温和降水趋势等可观察人为贡献的评估结合起来，来识别已发现的气候影响的研究。