气候风险与人类福祉的空间异质性：基于生成式AI的探索
应用统计
2026-01-30 v1 机器学习
摘要
近期生成式人工智能（AI）的进展，特别是大型语言模型（LLMs），使得从非结构化文本中可扩展提取空间信息成为可能，为研究气候地理学提供了新的方法学机会。本研究构建了一个空间框架，探讨累积气候风险如何与人类福祉（Human Flourishing）的多维度指标相关。高分辨率气候危险指标与人类福祉地理指数（HFGI）集成，后者源自对26亿条地标记推文进行分类所得，采用微调的开源大型语言模型（LLMs）实现。这些指标聚合到美国县级后，映射到结构方程模型，以推断整体气候风险和人类福祉维度，包括表达幸福感、意义与目的、社会联系、心理痛苦、身体状况、经济稳定性、宗教信仰、品格与美德、制度信任等。结果显示，更大的累积气候风险与人类福祉水平降低呈现空间异质性关联，呈现与热浪、洪水、风暴、干旱和野火等灾害反复暴露相符的空间模式。该研究表明，生成式AI可以与潜在构造建模结合，用于地理学分析和空间知识提取。
引用
@article{arxiv.2601.20880,
title = {Spatial Heterogeneity in Climate Risk and Human Flourishing: An Exploration with Generative AI},
author = {Stefano Maria Iacus and Haodong Qi and Devika Jain},
journal= {arXiv preprint arXiv:2601.20880},
year = {2026}
}