氣候變化導致極端天氣愈見頻繁，相關的天災對人類造成極大的威脅。根據統計，單在 2019 年上半年，全球已有超過 950 個因氣候而引起的災害，導致 700 萬人流離失所。剛踏入 2020 年，印尼雅加達經歷自 1996 年以來最猛烈的暴雨，其引發的水災更導致至少 16 人死亡，超過 2 萬人需臨時疏散。自去年 9 月開始的澳洲山火已持續多月，已造成二十多人死亡，過萬人被迫離開家園，估計燒毀超過 1,000 萬公頃的森林植物，野生動物傷亡慘重，更造成嚴重空氣與水質污染。
現今科技發展一日千里，人工智能（Artificial Intelligence，簡稱 AI）、機器學習（Machine Learning）、電腦視覺（Computer Vision）及大數據分析（Big Data Analytics）等創新技術，不再局限商業應用，現正被逐步用於應對日趨嚴峻的氣候變化問題及相關威脅。AI 及數據分析等技術能用以收集並分析大量複雜的氣候數據，除可預測氣候變化外，同時為科學家提供多方面的見解，成為協助有效制訂極端氣候變化應對方案，以及作出相關決策時不可或缺的工具。
監測二氧化碳排放量
二氧化碳被認爲是全球暖化的元凶。AI、機器學習、電腦視覺等技術能收集能源消耗及溫室氣體排放量數據，讓不同國家和地區能制定並實行相關減碳策略。有研究指出，採用 AI 技術預計將能在 2030 年前減少全球溫室氣體排放量達 1.5% 至 4.0%。外國有研究結合來自全球 120 萬個地點的森林數據及衛星圖像，利用 AI 及機器學習分析推算全球的樹木數量，結果顯示，現在地球有 3 兆棵樹，比之前美國國家太空總署估計的數字高出 7 倍。多年來，專家缺乏準確資訊，故嚴重低估樹木應對氣候變化的潛力。科學家表示 3 兆棵樹可吸收 4,000 億噸碳排放量，如果多種 1 兆棵樹，可再從大氣捕獲數百億噸排放量，等同於至少 10 年的人為排放，將可超越目前應付氣候變化的所有方法。
預測極端天氣狀況
AI 及機器學習技術透過分析從衛星、地面感測器及監測器收集到的龐大數據，挖掘出有用的資訊及最新的氣候模式，對不同氣候模型進行排序和選擇，提供更準確的氣候預測，希望防患未然，務求減低天災所造成的破壞。大自然變幻莫測，隨着加入 AI 及機器學習技術進行研究，氣候變化的全貌逐漸清晰。本地一間大學及其領導的國際團隊亦正利用 AI 及機器學習技術進行研究，製作一個嶄新的實時天氣預報系統、以及一個獨一無二的多源立體山泥傾瀉監測系統，將為經常面對山泥傾瀉威脅的地區如巴西、意大利、日本及其他一帶一路的國家提供借鑒。
提供更精準及更高效率的災後救援與修復工作
AI 及數據分析等技術除預測氣候變化，有助防患於未然外，當無情的災害發生時，更能提供準確的數據及分析結果，加快救災工作的效率，為受災人士提供需要的援助。
2015 年的尼泊爾 7.8 級大地震對全國造成巨大破壞，逾 8,000 人死亡。國際移民組織（International Organization for Migration，簡稱 IOM）當時利用 SAS Visual Analytics，根據災區食物與食水供應、臨時居所密度、受傷人口及老年人的腸胃與皮膚疾病個案數據進行視覺化分析，發現在位於震央首都加德滿都的附近區域，有多出 5 倍的嬰兒急需救援，並需緊急補充嬰兒食物及用品。同時，SAS Visual Analytics 與聯合國商品貿易統計資料庫（UN Comtrade）合作，對過去 27 年的國際貿易數據進行大數據視覺化分析，找出可大量購入金屬板屋頂的最鄰近供應地，讓 IOM 能分秒必爭為災民重建居所。
總括而言，AI 及數據分析技術能深入分析大量複雜的氣候數據，但在應對氣候變化這領域才剛剛起步，還需更多的時間及資源進行開發與研究。聯合國的「2030 永續發展議程」中，包括 17 項永續發展目標（SDGs），而其中一項包含採取緊急行動以應對氣候變化及其影響，以長遠發展人類可持續的未來。隨着全球數碼化的急速發展，相信日漸成熟的 AI 及數據分析應用，將可帶領人類走上可持續未來發展的捷徑。
作者：SAS 香港總經理鄭國強
