气候预测存在很大的不确定性，传统的气候风险管理模型难以进行长期气候适应研究。

3月18日，同济大学、美国普林斯顿大学（Princeton University）和罗格斯大学（Rutgers University）等机构在《美国国家科学院院刊》（PNAS）发表题为《基于强化学习的气候变化适应策略：针对沿海洪水风险管理的应用》（Reinforcement Learning-based Adaptive Strategies for Climate Change Adaptation: An Application for Coastal Flood Risk Management）的文章指出，相比于传统计算模型，强化学习（Reinforcement Learning）可以显著降低气候变化适应决策的成本，在共享社会经济路径的最高排放情景（SSP5—8.5）下，能够降低9%—77%的成本。

研究人员选择在美国纽约市曼哈顿对沿海洪水风险防御措施进行评分（以防御成本加上洪水造成的财产损失评判），期间模拟城市规划人员在2100年之前的每10年间隔作出的防御决策（如建造海堤），使用强化学习挑选最优策略，用于保护曼哈顿免受气候变化导致的海平面上升影响。结果表明，花费1000万美元建造一个财产损失为5000万美元（成本为6000万美元）的海堤的防御效果不如花费3000万美元建造的财产损失为1500万美元（成本为4500万美元）的海堤。在上述优化决策研究中，基于强化学习的模拟方法可显著降低决策成本，在SSP2—4.5情景下，降低6%—36%的成本；SSP5—8.5情景下，降低9%—77%的成本。此外，强化学习也可以参与设计洪水应对策略，例如从低洼地区撤退至更高海拔内陆区域保护财产、或在两个地区之间安居生活的防御成本比建造一维海堤的成本低5%—15%。