Climate Risk Intelligence Index (CRII): An AI-Augmented Satellite-Based Climate Vulnerability Assessment Framework for India

方法

MODIS LST/NDVI、GHSL、ERA5、JRC水体数据，3840格网分

发现

框架能一致刻画沿海、城市、生态敏感区和干旱区风险，LLM推理1-3秒且可解释性更强。

机会点

可将该卫星+LLM框架迁移至农业气候脆弱性评估，结合作物物候与田间数据做地块级风险推理。

气候变化已成为影响环境可持续性、水文稳定性、城市韧性与生态系统健康的重大全球性挑战。传统的气候脆弱性评估系统主要依赖静态的规则框架和孤立的环境指标，限制了其在跨地理差异区域中的情境可解释性与自适应推理能力。本文提出气候风险智能指数（Climate Risk Intelligence Index，CRII），一种面向印度大范围气候智能生成的AI增强型卫星气候脆弱性评估框架。该系统整合多源地球观测数据集，包括MODIS地表温度（LST）、MODIS NDVI植被指数、GHSL城市建成区数据集、ERA5降雨再分析数据，以及来自JRC全球地表水数据集的卫星衍生水文洪水暴露指标，以计算综合气候脆弱性指数。利用逐网格分区统计提取，将印度在空间上划分为约3，840个地理空间网格单元，用于局部环境风险分析。除地理空间气候风险计算外，该框架还集成了一个基于大语言模型（LLM）的推理层，由Groq API和llama-3.1-8b-instant模型驱动，用于情境环境解释、主导风险识别和交互式气候智能生成。实验分析在洪涝多发沿海地区、大都市城市群、生态敏感景观和高温干旱区展现出一致的气候风险表征。AI推理模块实现了约每次查询1–3秒的低延迟推理响应，同时相较此前的规则方法提升了可解释性与情境解释质量。所提出的CRII框架展示了整合遥感、地理空间分析和可解释AI驱动推理，用于可扩展气候脆弱性评估与环境决策支持系统的潜力。