Integrating artificial intelligence in climate change and sustainable development: A comprehensive bibliometric review
H. B. T. P. Jayathilaka · Shiyan Zhai · Yuke Feng
用文献计量法梳理2007-2025年AI与气候变化及可持续发展交叉研究，揭示主题演化与地域失衡。
Web of Science 3291篇文献，Bibliometrix与VOSv
年增38.29%，主题从基础AI转向建模预测，低收入国家41%论文由高收入国家主导。
可针对气候脆弱低收入地区，构建AI+智慧农业的本地化数据与决策模型，填补研究空白。
基于3291篇文献的AI与气候变化及可持续发展文献计量综述，方法规范、数据规模大，对智慧农业与农业AI研究具有参考价值。
人工智能（Artificial Intelligence, AI）与气候变化及可持续发展（Sustainable Development, SD）研究的融合，在推动可操作、数据驱动、创新性和长期性的减缓与适应策略方面具有巨大潜力。然而，目前缺乏对AI、气候变化与可持续发展三者交叉领域的系统化、综合性文献计量综述。本研究通过文献计量学综述填补了这一显著空白，从描述性文献计量分析、绩效分析和概念分析三个维度进行剖析。利用Web of Science核心合集，采用Bibliometrix和VOSviewer软件对2007年至2025年间的3291篇文献进行了分析。研究结果表明，年度发文增长率为38.29%，原创论文（80%）为主要文献类型。中国科学院是最大的贡献机构，中国和美国在研究产出及AI融合气候与可持续发展研究的国际合作方面处于领先地位。关键词分析显示，“人工智能”“气候变化”“深度学习”“机器学习”和“可持续性”是主导性关键词。概念图谱识别出四种研究路径：宏观层面的AI驱动数字化；方法论驱动的基于地理空间和机器学习的环境监测；预测建模；以及AI驱动的智慧农业应用。主题图谱揭示了研究重心的演变：从气候变化聚焦的基础AI研究（2007—2013年），到AI与气候变化及可持续发展的融合（2014—2019年），再到建模与预测方法（2020—2025年）。研究发现存在显著的地理不对称性；气候脆弱型低收入地区仍存在数据和研究缺口。低收入国家的提取主义率为41%，表明其近半数出版物由高收入国家主导。建议基于理论、方法论、实践和政策层面的考量，并着重关注可持续发展目标13和目标17。本研究为研究人员、实践者和政策制定者提供了洞见，以强调政策与技术的重要性，并实施基于交叉领域的框架。