Достижения искусственного интеллекта в климатической науке: методы, приложения и проблемы оценки
Advances in artificial intelligence for climate science methods applications and evaluation challenges
2026-05-13
SCID: 54.1/sdf2dek4
Discuss with AI
оценка ИИ для климатаклиматологиянейронные операторымодели, управляемые физикойколичественная оценка неопределенности
Figures from the paper
Abstract (AI)
В обзоре обобщены последние достижения в области искусственного интеллекта (ИИ), включая машинное обучение (МО) и глубокое обучение (ГО), применяемые в климатической науке для климатического моделирования, анализа экстремальных погодных явлений, оптимизации возобновляемой энергетики, мониторинга выбросов и адаптации к изменению климата. С использованием протокола, согласованного с рекомендациями PRISMA, проведён анализ исследований, опубликованных в период с 2015 по 2025 год в основных научных базах данных. Были извлечены сведения об определениях задач, наборах данных, классах моделей, метриках оценки, базовых методах, схемах валидации, учёте неопределённости, открытости (кода и данных), а также об энергопотреблении и отчётности по выбросам CO2. Доказательства систематизированы по областям применения и степени методологической строгости с акцентом на переносимость результатов и эксплуатационную значимость. Получены убедительные свидетельства улучшения кратко- и среднесрочного прогнозирования, сверхкраткосрочного прогнозирования (nowcasting), коррекции систематических смещений и обнаружения аномалий. Физически согласованные и гибридные модели, включая PINN и нейронные операторы, в специализированных условиях всё чаще сопоставимы с операционными системами численного прогнозирования погоды (NWP). Однако надёжная внешняя валидация, тестирование на данных вне распределения, количественная оценка неопределённости и прозрачная отчётность о коде и вычислительных затратах по-прежнему применяются непоследовательно. ИИ расширяет возможности физически обоснованного климатического моделирования, но не заменяет его. Мы предлагаем обобщение на уровне всей области, объединяющее отбор исследований по протоколу PRISMA с контрольным перечнем качества исследований для акцентирования строгости оценки, воспроизводимости и устойчивости. Для создания климатического ИИ, пригодного для принятия обоснованных решений, необходимы физически согласованные архитектуры, вероятностное прогнозирование, валидация с учётом режимов и бенчмаркинг с учётом углеродного следа.
Key Findings
1
ИИ дополняет, но не заменяет физически обоснованное климатическое моделирование; для надёжного практического применения необходимы вероятностная, режимно-зависимая, воспроизводимая и учитывающая выбросы углерода оценка.
2
Внешняя валидация, тестирование вне распределения, количественная оценка неопределённости и прозрачная отчётность о коде и вычислительных затратах остаются непоследовательными.
3
Физически управляемые и гибридные подходы, включая PINN и нейронные операторы, всё чаще сопоставимы с операционными системами численного прогнозирования погоды в отдельных задачах.
4
Сильные доказательства подтверждают улучшение ИИ кратко- и среднесрочного прогнозирования, оперативного прогнозирования, коррекции систематических ошибок и обнаружения аномалий.
5
В обзоре обобщены применения ИИ в климатическом моделировании, анализе экстремальной погоды, оптимизации возобновляемой энергетики, мониторинге выбросов и адаптации к изменению климата с использованием протокола PRISMA.
Research Object
методы и применения искусственного интеллекта в климатической науке
Research Subject
их методологическая строгость, прогностическая эффективность, валидация, количественная оценка неопределённости, воспроизводимость и устойчивость в различных приложениях климатической науки
Publication Details
Publication Date
2026-05-13
Journal
Publisher
ISSN
Cited by
3
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai8
Роль искусственного интеллекта в достижении Целей устойчивого развития2020
Обзор количественной оценки неопределенности в глубоком обучении: методы, приложения и проблемы2021
Вклад и риски искусственного интеллекта (ИИ) в создании более интеллектуальных городов: выводы систематического обзора литературы2020
Интеграция технологий на основе Интернета вещей и искусственного интеллекта (ИИ) для сценариев умного города: современные достижения и будущие тенденции2023
ОТОЗВАННАЯ СТАТЬЯ: Решения на основе искусственного интеллекта для борьбы с изменением климата: обзор2023
Искусственный интеллект для моделирования и понимания экстремальных погодных и климатических явлений2025
Экологический след, выбросы углерода и энергетический переход: влияние искусственного интеллекта (ИИ)2024
Отслеживание искусственного интеллекта в климатических изобретениях с помощью патентных данных2023