從預測天氣到預測健康，人工智能可否改變預警系統？

在全球氣候變化背景下，極端高溫、野火、強降雨等事件的發生頻率與強度持續上升，對人類健康的影響日益凸顯。此類極端事件不僅直接造成傷亡，還通過空氣污染、水傳播疾病、基礎設施受損以及醫療資源擠兌等多重途徑，對公共健康系統產生持續的沖擊。盡管現代氣象預報已能夠提前數天甚至數周預測天氣過程，但其對人類健康的影響往往只能在災害發生之后通過統計數據進行評估。氣象預報系統與公共衛生系統之間長期存在的信息脫節，使當前預警體系更多停留在“天氣預警”，而非“風險預警”。因此，如何將天氣預報有效轉化為健康風險預測，正成為預警系統發展的關鍵方向之一。

圍繞這一問題，中國科學院大氣物理研究所聯合國內外科研機構，提出了一種人工智能驅動的天氣—健康一體化預測系統，旨在將氣象預報信息直接轉化為健康風險評估，推動預警體系由“預測天氣”向“預測健康”轉型。

長期以來，氣象與公共衛生系統在數據結構、時間尺度及決策機制上相對獨立。氣象數據通常具備高時空分辨率并可實時更新，而健康數據多以行政區域為統計單元，存在報告滯后與數據分散等問題。這種不匹配使得天氣暴露與健康結局之間難以建立實時關聯。在方法層面，傳統健康風險評估主要依賴歷史統計關系，并隱含假設天氣—健康關系在時間上相對穩定。然而，在氣候變化背景下，極端事件強度、人口暴露水平及社會適應能力均在動態演變，導致基于歷史關系的風險評估難以直接外推至未來情景。因此，現有預警系統大多仍以氣象事件預測為核心，而非社會或健康影響預測。

圖1、人工智能驅動的天氣—健康一體化預測系統（a），以及三個典型應用場景：高溫熱浪（b）、野火煙霧（c）和極端降雨（d）。

本研究指出，人工智能為打通天氣預報與健康風險預測之間的關鍵環節提供了新的技術路徑（圖1）。相較于傳統統計方法，人工智能模型能夠融合多源異構數據，包括氣象預報、衛星觀測、人口分布與流動以及醫療健康記錄等，并有效刻畫復雜的非線性暴露—反應關系、時滯效應與空間傳播過程。在天氣—健康一體化預測系統中，人工智能主要發揮三方面作用：其一，實現數據對齊與重建，在時間與空間尺度上協調高分辨率氣象數據與相對粗尺度健康數據；其二，構建暴露—反應關系，基于時序深度學習模型綜合考慮累積暴露、滯后效應及不同人群的脆弱性差異，從而建立動態健康風險預測模型；其三，量化不確定性傳播，通過引入集合天氣預報并結合貝葉斯神經網絡和集合學習等方法，將氣象預報的不確定性傳遞至健康風險評估，生成概率化預測結果。隨著過程約束深度學習與可解釋人工智能的發展，此類模型在提升預測精度的同時，也有望在一定程度上保持物理一致性并識別關鍵風險因子，從而增強其在公共決策中的可信度。

研究進一步表明，該框架可廣泛應用于多類極端天氣場景（圖1）。在高溫熱浪過程中，健康風險不僅取決于室外氣溫，還受到室內環境、住房條件及人口分布的共同影響；在野火事件中，煙霧輸送受氣象條件與野火行為的耦合作用控制；在極端降雨情景下，洪澇風險則由地形、水文過程與城市基礎設施共同決定。通過整合氣象預報、環境觀測、氣候模式及人口數據，人工智能能夠構建從天氣驅動到環境暴露再到健康影響的完整預測鏈條。這一方法將風險評估從單一氣象指標拓展至綜合健康風險，使預警體系由以氣象事件為中心，轉向以社會影響與健康風險管理為導向，即從“災害預警”邁向“健康風險預警”。

在氣候變化持續加劇的背景下，極端天氣問題正逐步由傳統氣象科學議題，演變為關乎公共健康與社會治理的綜合性挑戰。未來預警系統的發展，不僅需要準確預測天氣事件本身，更需預測其潛在社會與健康影響。人工智能與多源數據融合的發展，為構建天氣—健康一體化預測系統提供了重要機遇。隨著影響導向預測與風險預警體系的不斷發展，天氣預報的功能或將由單純提供氣象信息，轉向支撐公共健康與社會決策。這一轉變有望代表下一代預警系統的重要發展方向。

參考文獻：

Huang, G.*, Tang, H.*, Chen, D., Huang, C., Wang, S., Wang, Y., Gao, M., Yao, M., Qiao, L., & Zheng, Y. (2026). Artificial Intelligence for Linking Extreme Weather Forecasting and Health Impact Prediction. The Innovation.

來源：中國科學院大氣物理研究所官網

聲明：版權原作者所有，如有侵犯您的權益請及時聯系，我們將第一時間刪除。