《自然-通讯》| 用机器学习和时间序列数据为气候变化下的武装冲突风险建模

文章引用：（留言区有附上本文的代码）

Ge, Q., Hao, M., Ding, F. et al. Modelling armed conflict risk under climate change with machine learning and time-series data. Nat Commun 13, 2839 (2022). https://doi.org/10.1038/s41467-022-30356-x

摘要：

了解武装冲突的危险对于促进和平至关重要。尽管几十年来，学术界一直在研究气候变率与武装冲突之间的关系，在不同的空间和时间尺度上采用定量和定性方法，但全球尺度上的因果关系仍然知之甚少。在这里，我们采用基于机器学习的定量建模框架，从高频时间序列数据中推断潜在的因果关系，并模拟2000年至2015年全球武装冲突的风险。我们的研究结果表明，武装冲突的风险主要受到具有复杂模式的稳定背景环境的影响，其次是与气候偏差相关的协变量。推断出的模式表明，正温度偏差或降水极端与全世界武装冲突风险增加有关。我们的研究结果表明，更好地了解全球范围内的气候与冲突之间的联系，可以增强应对武装冲突风险的时空建模能力。‎

讨论：

‎O'Loughlin等人先前进行的研究表明，冲突风险与气候异常有关，但更多地受到政治，社会经济和地理环境的影响，特别是在撒哈拉以南非洲地区。‎‎20‎‎，‎‎31‎‎.我们的研究结果表明，在全球范围内也存在类似的模式。例如，稳定的背景协变量（见补充信息）极大地促进了武装冲突事件的时空分布，平均相对贡献超过96.0%（补充表‎‎7‎‎）。与稳定背景协变量相比，标准化温度指数或标准化降水指数对模拟结果的影响相对较小，但与气候偏差相关的协变量累计占模拟结果的2.5%以上。这就是为什么当地地区武装冲突事件的模拟风险水平在不同年份有所不同的原因。我们将其解释为气候变化对冲突风险影响的证据。补充表‎‎3‎‎表明，考虑到两年的气候偏差，可以略微提高BRT模型的性能。这一结果可以被视为部分支持其他研究结果，即与正常气候条件（社会适应）的连续多年偏差可能部分或整体地影响社会的稳定，无论是在历史上。‎‎32‎‎，‎‎33‎‎和当前时间段‎34‎.补充表‎‎7‎‎显示，长周期气候偏差对风险水平的影响较大，相对贡献值为3.806%。这属于较低范围，但符合不同学科专家的判断，即3-20%的冲突风险与气候变化有关。‎9.

‎虽然越来越多的定量研究发现气候变化对武装冲突发生率有影响，但有关气候变化和武装冲突爆发的证据更加稀缺和有争议。‎‎10‎‎，‎‎23‎‎，‎‎35‎‎.因此，我们的研究不仅模拟了武装冲突发生的可能性，而且进一步探讨了模拟武装冲突爆发的可行性。基于van Weezel采用的定义‎36‎，我们构建了一个发生率和一个发病指标来表示冲突风险，并分别进行了建模分析。研究结果进一步表明，将机器学习与高频时间序列数据相结合，在预测全球范围内武装冲突爆发的风险方面具有巨大的潜力（补充图‎‎4‎‎、‎‎17‎‎和‎‎18‎‎）。此外，我们的研究结果还表明，在全球范围内，武装冲突的发生对气候变化比武装冲突的发生更为敏感，如补充表‎‎7‎‎和‎‎8‎‎所示。‎

‎我们的程序允许在全球范围内量化协变量与武装冲突之间的关系。总体而言，从大量数据中得出的已发现模式非常复杂。之所以如此，是因为不同的气象、地理、政治和社会经济背景可能使人类对环境压力的适应程度不同。‎‎37‎‎，‎‎38‎‎，导致对气候变化的社会稳定反应各不相同。但是，有几种通用模式，如补充图 ‎‎6‎‎、‎‎7‎‎、‎‎9‎‎ 和 ‎‎10 所示‎‎。例如，冲突风险水平与种族多样性之间的正相关关系表明，政治相关种族的更大多样性导致更高的冲突风险，这与以前的几项研究一致。‎‎21‎‎，‎‎39‎‎，‎‎40‎‎，‎‎41‎‎.同时，冲突风险水平与城市可达性之间存在正相关关系，这表明交通枢纽很容易成为冲突的爆发地，因为它们在控制领土和冲突物流方面发挥着关键作用。‎‎42‎‎，‎‎43‎‎.对于气候偏差相关的协变量，一些研究表明，温带地区的负温度偏差可能导致各种形式的冲突，负降水偏差与社会不稳定相吻合‎‎23‎‎，‎‎44‎‎，‎‎45‎‎，‎‎46‎‎.然而，由于技术适应性的提高和社会结构复杂性的增加，现代人类对气候变化的适应性远高于历史研究中的记录。然而，气候变化仍然有可能超过特定区域（例如，当它们偏远和依赖农业时）或群体（例如，当它们贫穷并在政治上被排除在外时）的适应能力。这使得从单例案例（例如叙利亚内战）中得出的全球规模的推论成为问题。图‎‎2‎‎和补充图‎‎8‎‎、‎‎11‎‎和12表明，从2000年到‎‎2015‎‎年，正温度偏差或降水极端与全球武装冲突风险增加有关。这证明了其他研究的结果是正确的，例如Hsiang等人的研究结果。‎19‎，马赫等人。‎9‎，以及赫尔曼和扎奇克‎47‎.此外，我们的研究结果表明，与全球范围内的降水偏差相比，气温上升对武装冲突发生率和武装冲突爆发风险的非线性影响更大。‎

‎基于高维数据集和大量发生记录，我们利用BRT模型，在四种策略下，模拟了全球武装冲突发生率和武装冲突发生率在网格年水平（0.1°×0.1°）的风险。在全球范围内，2000年至2015年冲突风险的分布显示出明显的空间集聚特征，这些模型可以很好地模拟。模拟结果取决于样本的分布。为了提高仿真精度，降低低风险样本的影响，我们重复随机选择低风险样本20次，并基于每个样本集构建BRT模型的过程。与这些模拟相关的不确定水平地图是根据在20个集成BRT模型中为每个网格计算的标准偏差值生成的，这些模型分别在补充图‎‎21-28‎‎中介绍。‎‎不确定水平图表明仿真不确定性较低。‎

‎在这项研究中，有一些警告。首先，媒体报道代表了UCDP GED的一个数据来源，众所周知的媒体偏见可能会在一定程度上增加我们结果的不确定性。尽管采用了几种措施（即三重检查）来确保最终数据集的高质量‎4‎，UCDP无法完全解决GED中的偏见，并将所有武装冲突事件纳入其数据集。其次，我们的分析基于全球尺度的多维时空精炼数据集。由于缺乏文化和历史因素的精细数据集，我们对机器学习模型的训练在量化这些变量的作用方面受到限制。但是，随着机器学习模型的更多样本可供训练，我们的全球规模的精细分析可以帮助模型捕获更可靠的关系。第三，没有一般的理论来解释全球范围内气候-冲突联系的因果机制，但我们的建模框架可能有助于冲突风险的早期预警。比较分析表明，非洲武装冲突事件的预测风险（补充图‎‎29b‎‎）与Hegre等人估计的风险水平大体一致。‎26‎.总的来说，我们的研究提供了对全球范围内气候 - 冲突联系的更好理解，并增强了全球武装冲突风险的时空建模能力。

翻译：Google translator‎

Fig. 1: Validated performance on a time scale of the boosted regression tree models.

Fig. 2: Marginal effect curves of each climate deviation related covariate.

Fig. 3: Maps of the global simulated risk of armed conflict incidence at 0.1° × 0.1° spatial resolution.

声明：欢迎转载、转发本号原创内容，可留言区留言或者后台联系小编(微信：gavin7675)进行授权。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及作品内容、版权和其他问题，请后台联系小编处理。