在全球氣候變化背景下，極端高溫、野火、強(qiáng)降雨等事件的發(fā)生頻率與強(qiáng)度持續(xù)上升，對人類健康的影響日益凸顯。此類極端事件不僅直接造成傷亡，還通過空氣污染、水傳播疾病、基礎(chǔ)設(shè)施受損以及醫(yī)療資源擠兌等多重途徑，對公共健康系統(tǒng)產(chǎn)生持續(xù)的沖擊。盡管現(xiàn)代氣象預(yù)報已能夠提前數(shù)天甚至數(shù)周預(yù)測天氣過程，但其對人類健康的影響往往只能在災(zāi)害發(fā)生之后通過統(tǒng)計數(shù)據(jù)進(jìn)行評估。氣象預(yù)報系統(tǒng)與公共衛(wèi)生系統(tǒng)之間長期存在的信息脫節(jié)，使當(dāng)前預(yù)警體系更多停留在“天氣預(yù)警”，而非“風(fēng)險預(yù)警”。因此，如何將天氣預(yù)報有效轉(zhuǎn)化為健康風(fēng)險預(yù)測，正成為預(yù)警系統(tǒng)發(fā)展的關(guān)鍵方向之一。

圍繞這一問題，中國科學(xué)院大氣物理研究所聯(lián)合國內(nèi)外科研機(jī)構(gòu)，提出了一種人工智能驅(qū)動的天氣—健康一體化預(yù)測系統(tǒng)，旨在將氣象預(yù)報信息直接轉(zhuǎn)化為健康風(fēng)險評估，推動預(yù)警體系由“預(yù)測天氣”向“預(yù)測健康”轉(zhuǎn)型。

長期以來，氣象與公共衛(wèi)生系統(tǒng)在數(shù)據(jù)結(jié)構(gòu)、時間尺度及決策機(jī)制上相對獨(dú)立。氣象數(shù)據(jù)通常具備高時空分辨率并可實(shí)時更新，而健康數(shù)據(jù)多以行政區(qū)域?yàn)榻y(tǒng)計單元，存在報告滯后與數(shù)據(jù)分散等問題。這種不匹配使得天氣暴露與健康結(jié)局之間難以建立實(shí)時關(guān)聯(lián)。在方法層面，傳統(tǒng)健康風(fēng)險評估主要依賴歷史統(tǒng)計關(guān)系，并隱含假設(shè)天氣—健康關(guān)系在時間上相對穩(wěn)定。然而，在氣候變化背景下，極端事件強(qiáng)度、人口暴露水平及社會適應(yīng)能力均在動態(tài)演變，導(dǎo)致基于歷史關(guān)系的風(fēng)險評估難以直接外推至未來情景。因此，現(xiàn)有預(yù)警系統(tǒng)大多仍以氣象事件預(yù)測為核心，而非社會或健康影響預(yù)測。

圖1、人工智能驅(qū)動的天氣—健康一體化預(yù)測系統(tǒng)（a），以及三個典型應(yīng)用場景：高溫?zé)崂耍╞）、野火煙霧（c）和極端降雨（d）。

本研究指出，人工智能為打通天氣預(yù)報與健康風(fēng)險預(yù)測之間的關(guān)鍵環(huán)節(jié)提供了新的技術(shù)路徑（圖1）。相較于傳統(tǒng)統(tǒng)計方法，人工智能模型能夠融合多源異構(gòu)數(shù)據(jù)，包括氣象預(yù)報、衛(wèi)星觀測、人口分布與流動以及醫(yī)療健康記錄等，并有效刻畫復(fù)雜的非線性暴露—反應(yīng)關(guān)系、時滯效應(yīng)與空間傳播過程。在天氣—健康一體化預(yù)測系統(tǒng)中，人工智能主要發(fā)揮三方面作用：其一，實(shí)現(xiàn)數(shù)據(jù)對齊與重建，在時間與空間尺度上協(xié)調(diào)高分辨率氣象數(shù)據(jù)與相對粗尺度健康數(shù)據(jù)；其二，構(gòu)建暴露—反應(yīng)關(guān)系，基于時序深度學(xué)習(xí)模型綜合考慮累積暴露、滯后效應(yīng)及不同人群的脆弱性差異，從而建立動態(tài)健康風(fēng)險預(yù)測模型；其三，量化不確定性傳播，通過引入集合天氣預(yù)報并結(jié)合貝葉斯神經(jīng)網(wǎng)絡(luò)和集合學(xué)習(xí)等方法，將氣象預(yù)報的不確定性傳遞至健康風(fēng)險評估，生成概率化預(yù)測結(jié)果。隨著過程約束深度學(xué)習(xí)與可解釋人工智能的發(fā)展，此類模型在提升預(yù)測精度的同時，也有望在一定程度上保持物理一致性并識別關(guān)鍵風(fēng)險因子，從而增強(qiáng)其在公共決策中的可信度。

研究進(jìn)一步表明，該框架可廣泛應(yīng)用于多類極端天氣場景（圖1）。在高溫?zé)崂诉^程中，健康風(fēng)險不僅取決于室外氣溫，還受到室內(nèi)環(huán)境、住房條件及人口分布的共同影響；在野火事件中，煙霧輸送受氣象條件與野火行為的耦合作用控制；在極端降雨情景下，洪澇風(fēng)險則由地形、水文過程與城市基礎(chǔ)設(shè)施共同決定。通過整合氣象預(yù)報、環(huán)境觀測、氣候模式及人口數(shù)據(jù)，人工智能能夠構(gòu)建從天氣驅(qū)動到環(huán)境暴露再到健康影響的完整預(yù)測鏈條。這一方法將風(fēng)險評估從單一氣象指標(biāo)拓展至綜合健康風(fēng)險，使預(yù)警體系由以氣象事件為中心，轉(zhuǎn)向以社會影響與健康風(fēng)險管理為導(dǎo)向，即從“災(zāi)害預(yù)警”邁向“健康風(fēng)險預(yù)警”。

在氣候變化持續(xù)加劇的背景下，極端天氣問題正逐步由傳統(tǒng)氣象科學(xué)議題，演變?yōu)殛P(guān)乎公共健康與社會治理的綜合性挑戰(zhàn)。未來預(yù)警系統(tǒng)的發(fā)展，不僅需要準(zhǔn)確預(yù)測天氣事件本身，更需預(yù)測其潛在社會與健康影響。人工智能與多源數(shù)據(jù)融合的發(fā)展，為構(gòu)建天氣—健康一體化預(yù)測系統(tǒng)提供了重要機(jī)遇。隨著影響導(dǎo)向預(yù)測與風(fēng)險預(yù)警體系的不斷發(fā)展，天氣預(yù)報的功能或?qū)⒂蓡渭兲峁庀笮畔ⅲD(zhuǎn)向支撐公共健康與社會決策。這一轉(zhuǎn)變有望代表下一代預(yù)警系統(tǒng)的重要發(fā)展方向。

參考文獻(xiàn)：

Huang, G.*, Tang, H.*, Chen, D., Huang, C., Wang, S., Wang, Y., Gao, M., Yao, M., Qiao, L., & Zheng, Y. (2026). Artificial Intelligence for Linking Extreme Weather Forecasting and Health Impact Prediction. The Innovation.

來源：中國科學(xué)院大氣物理研究所官網(wǎng)

聲明：版權(quán)原作者所有，如有侵犯您的權(quán)益請及時聯(lián)系，我們將第一時間刪除。