2024年，世界气象组织（WMO）根据各国上报的数据，记录了617起极端天气事件，其中152起被列为前所未有的极端事件，297起被列为异常极端事件。 

　　根据WMO发布的《全球气候状况报告》，这些灾害共导致超过82.4万人流离失所，110万人受伤，1700人死亡。 

　　这些数字固然触目惊心，但仍难以全面反映气候变化所带来的深层次影响。随着气候灾害愈发频繁，其带来的经济压力也在不断加重。 

　　这些压力阻碍了那些最脆弱、最易受气候风险影响地区的发展，进而使气候变化减缓和适应措施更加难以实现。 

　　此外，全球和区域金融体系中一些被忽视的重要因素，如湿地和森林等生态系统的作用，使气候变化适应的成本进一步上升。 

　　近期一项关于欧洲银行业的研究指出，生态系统退化与生物多样性丧失会对金融体系造成影响，应当被纳入风险评估体系之中。 

　　在2025年泛欧洲气候韧性峰会上，各国领导人和专家呼吁采取紧迫、公平、以科学为依据的行动，以增强气候韧性，并制定立足于地方社区和自然系统的应对策略，并强调欧洲在迈向气候韧性未来的道路上所处的关键位置。 

　　将人工智能应用于全球数据体系

　　今年的国际减灾日主题是“投资韧性建设，提升防灾减灾能力”。这意味着，各国政府与机构在制定金融决策和风险评估时，必须充分考虑气候风险、土地退化与生物多样性丧失之间的影响。 

　　人工智能凭借其快速接收、处理并分析庞大复杂数据、并从中总结规律的能力，能够帮助发现金融、经济、社会及自然系统内外的关键因素。 

　　目前，机器学习技术已被用于识别引发热浪的隐藏因素，提升对极端天气的检测以及预测的准确度。同样，人工智能也提高了热带地区及其他地区预测气旋的准确度。 

　　一些研究正在利用机器学习识别农业领域亟需“变革性适应”的区域。 

　　在土地退化监测方面，AlphaEarth基金会正将卫星地球观测数据与气候数据相结合，开发涵盖土地退化、森林砍伐、土壤健康等要素的地图。 

　　生物多样性专家也利用机器学习技术，建立了单一栽培区森林火灾风险模型，并验证了混交林在防火和生态稳定性方面的显著优势。 

　　解构复杂风险 

　　在气候融资领域，人工智能可以帮助全球金融体系从“紧急救灾”转向“长期的气候韧性投资”，关键在于它能够应对气候危机中高度复杂的风险结构。 

　　气候威胁往往是多重灾害叠加的结果，这些灾害之间的连锁反应，会对经济和社会造成影响。人工智能的优势就在于它能处理来自环境、气候和金融系统海量且复杂数据，由此建立出稳健且系统化的风险模型，这是人类分析师在规模和效率上难以企及的。 

　　优化现金流 

　　人工智能还可以在资金配置与现金流的优化中发挥重要作用。通过将复杂的“气候—生物多样性—土地”（CBL）数据转化为可直接用于金融决策的指标，从而就能对气候、生物多样性、土地相关风险进行量化、定价以及投资。 

　　对私人投资者而言，人工智能不仅是帮助防止损失的分析工具，还能通过稳定现金流，提升基于自然的解决方案的投资吸引力。 

　　人工智能使投资者能够在追求收益的同时兼顾环境效益，实现从被动应对到主动布局的转变。 

　　对于公共资源而言，人工智能可以帮助判断哪些领域最适合投资，以通过“混合融资”方式降低私人投资风险，从而增强气候与生态系统的整体韧性，减少系统性风险。 

　　推广可解释性人工智能 

　　要真正发挥人工智能在可持续韧性建设中的潜力，一些关键条件必不可少。 

　　各国和各类机构需要共同建设开放、共享的数据库与计算基础设施，确保不同地区都能公平获取标准化、高质量的数据资源，从而让人工智能模型产生可靠且具有实际应用价值的结果。 

　　不过，当人工智能的决策会直接影响社会时，人们确实可能不会接受。 

　　因此，要建立信任，人工智能模型必须对自己的决策过程进行解释。 

　　可解释性人工智能在学习了数十年专家知识的基础上，能够保证人工智能模型在进行预测或决策时，不仅给出结论，更能清晰地展示背后的逻辑依据。 

　　在利用人工智能进行投资和融资决策时，关键在于要让人工智能模型生成的结果建立在可验证的事实与专业原则上，这样就能引导资金流向那些具有前瞻性、能够实地验证、并真正提升气候韧性的项目。 

　　协同共进 

　　在今年的国际减灾日，我们的倡议十分明确：各国政府和企业在制定投资决策时，应把“韧性”放在优先位置。 

　　要实现这一点，应把人工智能纳入气候韧性的长期政策与金融框架中。 

　　这一过程离不开国际层面的协作。 

　　跨学科和国际标准化的合作正在推进，例如“以人工智能方案加强应对气候灾害韧性全球倡议”以及其新设立的“气候应用人工智能工作组”。这些行动为各国提供了相关指导以及实践路径。 

　　我们需要携手探讨，如何让人工智能更有效地支持气候和自然危机相关的金融决策。