Science – il potenziale di apprendimento automatico per la valutazione del rischio dei cambiamenti climatici
Il riscaldamento globale sta esacerbando il tempo e gli eventi climatici estremi e si prevede che aggravi i rischi multisettoriali. Sarà coinvolta una molteplicità di rischi climatici, innescando impatti cumulativi e interattivi su una varietà di sistemi naturali e umani.
È necessaria una migliore comprensione delle interazioni e delle dinamiche del rischio per supportare i responsabili delle decisioni nella loro capacità di gestire meglio i rischi attuali e futuri dei cambiamenti climatici.
Per affrontare questo problema, la comunità di ricerca ha iniziato a testare nuovi approcci e strumenti metodologici, tra cui l’applicazione del Machine Learning (ML) sfruttando il potenziale della grande disponibilità e varietà di big data spazio-temporali per applicazioni ambientali. Data la crescente attenzione all’applicazione dei metodi ML alla valutazione del rischio dei cambiamenti climatici (CCRA), questa revisione ha mappato lo stato dell’arte e il potenziale di questi metodi in questo campo di ricerca.
L’analisi scientometrica e sistematica sono state applicate congiuntamente fornendo una revisione approfondita delle pubblicazioni nel periodo 2000-2020.
L’output risultante dall’analisi ha mostrato che un’enorme varietà di algoritmi ML è già stata applicata all’interno del CCRA, tra questi, i più ricorrenti sono Decision Tree, Random Forest e Artificial Neural Network.
