霍华德大学AI助力气候危机研究

霍华德大学土木工程研究团队借助人工智能应对气候危机
研究团队聚焦于融合人工智能、大数据与高性能计算技术，以提升洪水、干旱、热浪等极端气候事件的预测能力。目前，该团队已取得重要进展，两篇研究成果均发表于国际权威期刊《自然-科学报告》。

霍华德大学土木工程助理教授 Sanjib Sharma 博士及其所在的工程与建筑学院研究团队，正致力于探索如何运用人工智能应对因气候变化日益严峻而引发的紧迫性基础设施与公共卫生挑战。

据美国自然资源保护委员会报告，全美各地社区正普遍面临基础设施老化、饮用水系统污染及城市内涝加剧等多重压力。应对这些风险，亟需能够及早识别灾害、辅助科学决策的新方法与新工具。

在此背景下，霍华德大学研究团队着力整合人工智能、大数据和高性能计算，以提升极端气候事件的预报精度。团队已完成的两项重要研究均已在《自然-科学报告》上发表。

第一项研究
《基于可解释机器学习的儿童血铅水平与学校饮用水铅污染预测：以华盛顿特区为例》
该研究由刚于上学期毕业的土木工程学士 Dylan Darling（2025届）主导。研究采用可解释机器学习方法，预测饮用水系统中铅污染的风险程度。饮用水含铅对健康构成严重威胁，且任何水平的铅暴露均被视为不安全。据统计，美国目前仍有超过900万条含铅供水管道在运行。

回顾这段科研经历，Darling 表示：“这一项目让我深刻体会到数据科学与工程学如何协同应对真实的公共卫生挑战，并产生能够帮助社区保障安全的信息。”

Sharma 教授评价道：“看到本科生能够主导研究并在高影响力期刊上发表论文，令人倍感鼓舞。这反映出我校本科生对于推动科学理解、促进社区福祉的深层投入。”

利用人工智能技术，可有效识别铅污染风险较高的区域，从而为基础设施投资的规划与决策提供科学依据。

第二项研究
《利用集成学习提升关键基础设施应对城市洪涝的韧性》
该研究由霍华德大学土木工程专业博士生 Yogesh Bhattarai 主导，专注于提升城市内涝的预测能力。

Bhattarai 解释道：“我们的目标是构建能够支持实时决策的模型。城市洪水具有高度局部化和快速演进的特点，而传统洪水模型往往忽略了这些细节。通过融合众包数据与人工智能模型，我们能够为社区和应急管理人员提供更精准、可操作的信息。”

人工智能可弥补传统洪水模型粗略、灾害地图更新滞后等不足，实现街道级的实时洪水预报。这一进展能为应急管理部门与城市规划者提供更敏锐、更迅速的灾情洞察，从而增强社区应对极端天气的能力。

以上研究亦得到圣何塞大学土木工程助理教授 Sara Kamanmalek 博士与计算机科学讲师 Vijay Chaudhary 博士的共同参与和贡献。

这些成果进一步彰显了霍华德大学在推动有意义、负责任的人工智能创新方面的不懈努力，也为全球应对气候危机提供了重要的技术参考与实践路径。