論文の概要: Spatial Heterogeneity in Climate Risk and Human Flourishing: An Exploration with Generative AI

• arxiv url: http://arxiv.org/abs/2601.20880v1
• Date: Mon, 26 Jan 2026 23:35:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.343007
• Title: Spatial Heterogeneity in Climate Risk and Human Flourishing: An Exploration with Generative AI
• Title（参考訳）: 気候リスクと人フローリッシングにおける空間的不均一性 : ジェネレーティブAIによる探索
• Authors: Stefano Maria Iacus, Haodong Qi, Devika Jain,
• Abstract要約: 本研究は, 累積的気候リスクと米国全郡における多次元人為的繁栄との関連性を検討するための空間的枠組みを開発する。 HFGI(Human Flourishing Geographic Index)は、260億のジオタグ付きツイートの分類から派生した指標である。 これらの指標はアメリカ合衆国の郡レベルに集約され、全体的な気候リスクと人間の繁栄次元を推定するために構造方程式モデルにマッピングされる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in Generative Artificial Intelligence (AI), particularly Large Language Models (LLMs), enable scalable extraction of spatial information from unstructured text and offer new methodological opportunities for studying climate geography. This study develops a spatial framework to examine how cumulative climate risk relates to multidimensional human flourishing across U.S. counties. High-resolution climate hazard indicators are integrated with a Human Flourishing Geographic Index (HFGI), an index derived from classification of 2.6 billion geotagged tweets using fine-tuned open-source Large Language Models (LLMs). These indicators are aggregated to the US county-level and mapped to a structural equation model to infer overall climate risk and human flourishing dimensions, including expressed well-being, meaning and purpose, social connectedness, psychological distress, physical condition, economic stability, religiosity, character and virtue, and institutional trust. The results reveal spatially heterogeneous associations between greater cumulative climate risk and lower levels of expressed human flourishing, with coherent spatial patterns corresponding to recurrent exposure to heat, flooding, wind, drought, and wildfire hazards. The study demonstrates how Generative AI can be combined with latent construct modeling for geographical analysis and for spatial knowledge extraction.
• Abstract（参考訳）: 生成人工知能(AI)の最近の進歩、特に大規模言語モデル(LLM)は、構造化されていないテキストから空間情報をスケーラブルに抽出し、気候地理学研究の新しい方法論的機会を提供する。 本研究は, 累積的気候リスクと米国全郡における多次元人為的繁栄との関連性を検討するための空間的枠組みを開発する。 HFGI(Human Flourishing Geographic Index)は、細調整されたオープンソースのLarge Language Models(LLMs)を用いた260億のジオタグ付きツイートの分類から派生した指標である。 これらの指標はアメリカ合衆国の郡レベルに集約され、全体的な気候リスクと人間の繁栄の次元を推測する構造方程式モデルにマッピングされ、例えば、幸福感、意味と目的、社会的つながり、心理的苦痛、身体的状態、経済的安定性、信条、性格と美徳、制度的信頼が表される。 その結果, 温暖化, 洪水, 風, 干ばつ, および山火事の危険性に対して, 連続した空間パターンを呈し, 累積的な気候リスクと人為的な繁栄の低レベルとの間に空間的に不均一な関係が認められた。 本研究は,ジェネレーティブAIと,地理的解析と空間的知識抽出のための潜在構造モデルを組み合わせる方法を示す。

関連論文リスト

• Population synthesis with geographic coordinates [1.6419687521433917]
  粗い地理的領域ではなく、明確な座標で合成集団を生成することがますます重要である。 空間座標をより規則的な潜在空間にマッピングする集団合成アルゴリズムを提案する。 実家と同じ統計特性を持つ合成住宅を121データセットで生成し,その有効性を実証する。
  論文  参考訳（メタデータ） (2025-10-08T13:36:13Z)
• A Self-Evolving AI Agent System for Climate Science [59.08800209508371]
  我々は,地球科学者のためのインタラクティブな"コパイロット"として設計された,初の自己進化型AIエージェントシステムであるEarthLinkを紹介する。 自然言語のインタラクションを通じて、EarthLinkは、計画、コード実行、データ分析、物理的推論を統合することで、研究ワークフロー全体を自動化します。 人のような学際的な分析能力と習熟度を示し、中核的な大規模気候タスクのエキスパート評価においてジュニア研究者に匹敵する能力を示す。
  論文  参考訳（メタデータ） (2025-07-23T08:29:25Z)
• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Combining deep generative models with extreme value theory for synthetic hazard simulation: a multivariate and spatially coherent approach [0.0]
  GAN(Generative Adversarial Network)は、高次元設定でデータの分布を暗黙的に学習する能力のため、このような問題に適している。 我々は,ベンガル湾に面した日最大風速,波高,総降水量の依存構造をモデル化するために,GANを用いた。 一度訓練すれば、このモデルは何千もの現実的な複合危険事象を効率的に生成することができる。
  論文  参考訳（メタデータ） (2023-11-30T12:55:51Z)
• Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
  天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。 本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
  論文  参考訳（メタデータ） (2023-05-23T16:59:20Z)
• Using Artificial Intelligence to aid Scientific Discovery of Climate Tipping Points [1.521140899164062]
  我々は,科学的発見における気候モデル作成を可能にする,ハイブリッド人工知能(AI)気候モデリング手法を提案する。 本稿では,この手法が気候の転換点の発見,特にアトランティック・メリディショナル・オーバーターン・サーキュレーション(AMOC)の崩壊にどのように適用できるかを説明する。 本稿では,自然言語質問と記号的学習表現の翻訳におけるニューロシンボリックな手法性能の予備的結果を示す。
  論文  参考訳（メタデータ） (2023-02-14T06:00:39Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• Deep generative model super-resolves spatially correlated multiregional climate data [5.678539713361703]
  逆ネットワークに基づく機械学習により、ダウンスケーリングにおける地域間空間相関を正確に再構築できることを示す。 提案手法は,気候変動の影響を地域間一貫した評価に有効である。 本稿では,低分解能降雨場を圧力場に置き換えた深部生成モデルに基づくダウンスケーリング手法の結果について述べる。
  論文  参考訳（メタデータ） (2022-09-26T05:45:16Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。