可解释AI揭示未来全球森林碳抵消项目野火风险广泛上升
机器学习
2023-05-05 v1
摘要
碳抵消计划对抗击气候变化至关重要。森林碳抵消项目长期稳定与可行性的一个新威胁是野火，其可释放大量碳并限制相关抵消信用的效力。然而，野火风险对森林碳项目的分析具挑战性，因为现有长期火险预测模型预测精度有限。因此，我们提出一种基于700万全球卫星野火观测训练的可解释人工智能（XAI）模型。验证结果表明其在全球野火风险高分辨率、增强精度投影方面具实质潜力，且该模型优于美国大气研究中心的领先火险模型。应用于190个全球森林碳项目集合，我们发现于中情景（SSP2-4.5）下，至2080年火暴露预计增55%[37–76%]。我们的结果表明，过去十年所见的大型野火碳项目损毁，随森林变热变干或趋频繁。对此，我们希望该模型可支持野火管理者、政策制定者与碳市场分析师 preemptively 量化并缓解森林碳项目的长期永久性风险。
引用
@article{arxiv.2305.02397,
title = {Widespread Increases in Future Wildfire Risk to Global Forest Carbon Offset Projects Revealed by Explainable AI},
author = {Tristan Ballard and Matthew Cooper and Chris Lowrie and Gopal Erinjippurath},
journal= {arXiv preprint arXiv:2305.02397},
year = {2023}
}
备注
6 pages, 5 figures. Published in ICLR 2023 Workshop: Tackling Climate Change with Machine Learning