《Current Opinion in Environmental Sustainability》：Ethical and governance frontiers in big data for climate resilience
编辑推荐：
气候极端事件（如干旱、洪水、野火和风暴）以及灾害（如大流行病、自然灾害和技术失误）因伦理、治理和加速的气候变化而日益频发。任何灾害的暴露都会对人类生命和企业发展造成损害。因此，将大数据伦理治理与气候韧性联系起来的研究日益受到关注。本研究采用2000年至2025
气候极端事件（如干旱、洪水、野火和风暴）以及灾害（如大流行病、自然灾害和技术失误）因伦理、治理和加速的气候变化而日益频发。任何灾害的暴露都会对人类生命和企业发展造成损害。因此，将大数据伦理治理与气候韧性联系起来的研究日益受到关注。本研究采用2000年至2025年间发表文献的结构化概念综合方法，构建了一个面向大数据驱动气候韧性的整合性伦理-治理框架。基于对近期气候韧性文章的分析，本文探索了嵌入气候韧性框架中的跨学科视角，涵盖关键技术与分析创新（大数据分析（big data analytics）、人工智能（AI）、移动传感（mobile sensing）和数字公民科学平台（digital citizen science platforms））、伦理考量（隐私（privacy）、公平（equity）、数据主权（data sovereignty）、本土知识（indigenous knowledge）和错误信息（misinformation））以及治理机制（制度框架（institutional frameworks）、参与式决策（participatory decision-making）、问责制（accountability）和政策整合（policy integration））。通过审视气候韧性背景下的大数据、伦理维度和治理前沿，本文提出一个整合性框架，将技术创新与伦理问责和适应性治理联系起来。所提出的气候韧性框架在本质上是概念性的。它强调数据系统在伦理设计和制度治理下如何能够增强气候决策中的透明度、公平性和预期能力。由于本文是概念性的，该框架应被解释为理论指导基础，需要通过未来的案例研究、比较分析和基于利益相关者的研究进行实证验证。它还描绘了数据伦理、政策设计与韧性结果交叉领域的关键研究空白，从而为未来学术研究和实践实施提供了结构化议程。
**Introduction**
引言指出，气候变化的加速以及大数据驱动的气候韧性需求，促使研究关注数据驱动的洞察以支持适应性响应。人类世（Anthropocene）中极端气候事件频发，威胁生命、生态系统和经济。大数据分析（big data analytics）和人工智能（AI）的发展改变了气候信息的生成、共享和治理方式，预测性气候建模、综合AI系统和地理空间监测代表了数据科学与环境治理融合的新前沿。然而，技术加速也引发了伦理困境和治理挑战，包括算法透明度（algorithmic transparency）、数据主权（data sovereignty）和分配正义（distributive justice）。现有研究零散，分别聚焦技术、伦理或治理维度，缺乏整合性跨领域框架。本研究采用结构化概念综述方法，基于2000至2025年间的同行评审文献，构建一个整合性伦理-治理框架，将技术能力、制度准备与伦理问责联系起来，强调在气候韧性中大数据应作为公共产品而非新不平等来源。
**Big data and the promise of climate resilience**
本节从概念上连接大数据与气候韧性，探讨机会、工具、空白和风险。
**Opportunities in big data analytics**
大数据涵盖遥感、物联网（IoT）设备、移动传感和社交媒体，能够实现对气候危害、暴露和脆弱性的全面监测。城市规划和灾害风险管理受益于高分辨率实时数据集，支持预测建模、情景规划和资源配置。AI和机器学习（machine learning）整合异构数据集，实现更快更准确的风险评估，例如贝叶斯网络（Bayesian networks）评估人道主义危机因素，AI驱动的气候适应工具处理水资源管理、农业和城市基础设施韧性。然而，大数据生态易受错误信息（misinformation）影响，扭曲风险感知，AI系统若基于不完整或有偏数据训练，可能系统性地低估脆弱社区的风险，加剧不平等。
**Data-driven tools and platforms**
手机数据和数字公民科学平台（digital citizen science platforms）成为关键工具，提供人口流动、环境危害和本地脆弱性的空间显式信息，支持参与式监测和动态响应。错误信息可能降低公众对气候预警的信任，数字工具可支持气候信息验证，如机器学习模型分类气候新闻并检测虚假信息，强化循证决策。
**Critical gaps observed**
文献中存在三大空白：第一，多数研究聚焦技术效率和预测能力，忽视伦理和治理含义；第二，伦理分析常与制度治理机制脱节；第三，尽管参与式治理得到认可，但对其实际局限性的批判性评估有限；第四，以往研究对伦理治理如何系统引导大数据和AI在气候韧性中的应用关注不足，这推动了本概念框架的构建。
**Limitations and risks**
大数据和AI带来算法偏差（algorithmic bias）、不平等访问、数据质量问题和专有系统依赖等挑战。不具代表性的训练数据、不完整的环境观测和不平等的数字参与导致偏差，尤其在脆弱人群中加剧不平等。AI系统若仅基于技术发达区域数据训练，可能低估监测不足的环境，强化社会经济不平等。未受约束的AI部署还可能放大社会不平等、传播错误信息并削弱对治理系统的信任。
**Ethical dimensions of big data for climate resilience**
本节关注大数据伦理问题，包括数据所有权、公平、隐私、偏差和错误信息。
**Data ownership and sovereignty**
伦理部署要求关注数据的所有权、控制和使用。实时数据监控与个人隐私权之间存在张力，需要情境敏感的伦理保障。原住民社区拥有本地生态知识和气候适应实践，将其整合到数字平台中需尊重文化主权。实践框架如桥框架（Bridge Framework）展示如何去殖民化公民科学，确保数据收集符合原住民价值观和治理实践，涵盖知情同意、数据所有权和公平参与。
**Equity and environmental justice**
气候影响不成比例地影响边缘化群体（低收入社区、女性和少数族裔）。伦理大数据应用必须优先考虑包容性，确保适应干预不加剧现有不平等。透明、参与式方法（如社区仪表盘或公共AI模型）可民主化气候数据和决策的获取。
**Privacy and security**
大规模数据收集（从移动位置到传感器网络）引发隐私和安全问题。伦理部署需要强大的匿名化、加密和法规合规以防止滥用。伦理AI必须在预测效用与保护个人和社区权利之间取得平衡。紧急情况下同意机制常被绕过，造成快速人道响应与个人权利之间的张力。
**Algorithmic bias and fairness**
算法偏差和数据代表性仍是关键问题，脆弱人群在训练数据中代表性不足。机器学习模型在风险预测中可能复制训练数据中的偏差，加剧对危害的不平等暴露。例如，基于不完整数据训练的洪水预测模型可能系统性地低估非正规住区。解决算法公平性是伦理韧性建设的核心。
**Misinformation and public perception**
与气候相关的错误信息可能削弱适应策略和政策合规。伦理大数据治理需开发自动检测和验证系统，提升公众素养，确保决策者和社区能够基于可信信息行动。
**Governance frontiers in big data for climate resilience**
本节探讨治理前沿，包括制度框架、AI治理、透明度和协调。
**Institutional and policy frameworks**
有效治理要求制度框架，如欧盟AI法案（EU AI Act）和国家数据治理政策，旨在将创新与伦理问责对齐。全球北方和南方治理路径差异显著，反映制度能力和数字基础设施的不同。多层次治理（multilevel governance）覆盖地方、国家和国际层面，确保数据驱动干预符合社会需求、伦理原则和可持续目标。治理结构需解决资源不平衡，促进知识转移和问责。
**Ethical artificial intelligence governance**
AI系统必须在伦理和监管框架内运行，防止伤害、确保透明和促进公平。有效治理需要透明、问责和多利益相关方参与。AI可以克服气候治理中的认知偏差和路径依赖，但需以人权、可持续目标和可执行法律为指导。伦理AI在金融领域已有实践，如整合ESG指标以支持气候韧性投资。
**Transparency, accountability and participatory governance**
治理实践强调利用参与式机制使社区能够访问、控制和解释相关数据。数字仪表盘和公民科学咨询委员会为集体决策、实时监测和问责提供途径。治理框架必须确保数据使用透明、伦理合理且包容，平衡效率与社会正义。有效实施依赖于明确界定的利益相关方责任、透明的问责系统、参与式决策结构和持续监测过程。
**Coordination and integration**
跨部门协调连接技术、政策和社区行动至关重要。城市基础设施与社会系统在适应规划中相互依赖。伦理治理需要多样化利益相关方协作，整合多源数据，并与气候适应和减缓目标对齐。
**Challenges**
本节讨论技术挑战与治理差距。
**Technical challenges and governance gaps**
技术挑战包括数据质量、互操作性和偏差，AI算法需严格验证，大数据平台需整合地方知识同时减轻排斥效应。治理差距源于碎片化机构、有限资源和政策采纳不均，伦理框架应嵌入法律结构、政府间协议和组织政策以确保问责和可持续性。参与式治理面临权力不对称、数字访问受限和包容性扩展困难，需制度承诺、数字包容、能力建设和持续利益相关方参与。公民科学平台受数据可靠性和参与偏差限制。技术解决方案受可扩展性、数据质量、基础设施不平等和系统故障风险约束，实施策略应保持情境特异性。
**Discussion and conclusion**
本文提出一个大数据驱动气候韧性的伦理-治理框架，作为碎片化方法的整体替代，将伦理和治理考量嵌入技术创新。该框架贡献于文献，通过连接技术创新与伦理问责和适应性治理机制，支持更具问责性、包容性和适应性的气候韧性策略。但快速创新与伦理监督之间的张力持续存在。大数据和AI提供了前所未有的机会强化气候韧性，但技术使用引发深刻伦理和治理挑战。有效的气候韧性需要整合技术创新与伦理框架、参与式治理和社会文化考量。具体而言，负责任的大数据部署要求：伦理监督（保障人权、隐私和公平）、包容性治理（参与式、透明和问责系统）、多元知识整合（连接科学、原住民和本地专业知识）以及跨尺度协调（协调地方、国家和国际政策）。原住民和本地知识系统通过提供对生态系统变化、历史适应实践和文化适宜韧性策略的场所理解，增强情境相关性和公平性。公平考量至关重要，因为数据和技术的不平等访问可能加剧现有脆弱性。本文拓展了现有学术，认识到气候韧性不仅是技术挑战，也是治理和伦理挑战，涉及竞争性政治优先事项、资源不平等和不同社会利益。通过将伦理保障和参与式治理原则嵌入技术系统，该框架为气候韧性规划提供了更整体和社会响应的方法。
**Limitations and future directions**
框架存在若干局限：首先，概念性框架尚未在特定制度或地理背景下实证验证，未来研究需在不同气候韧性情境、治理体系和技术环境中评估伦理-治理框架的有效性。其次，跨学科性质虽有利于概念整合，但可能限制在高级AI系统设计、环境建模和公共管理等专门领域的深度。第三，治理系统和伦理优先事项因区域、制度环境和社会政治背景而异，通用实施具有挑战性。因此，需要额外研究，特别是比较性跨国研究，以揭示制度能力、监管结构和社会经济条件如何影响数据驱动气候韧性策略的实施。尽管AI、IoT和大数据技术改善了监测和预警，但其有效性取决于数据质量、计算基础设施、制度能力和公众信任，且仍面临算法偏差、网络风险、基础设施故障和数字访问不平等，尤其在发展中地区。
