摘要： 大数据与人工智能等前沿技术的发展，正深刻重塑区域、国家乃至全球层面的经济决策模式与风险管理机制。精准预测未来气候变化所带来的系统性风险，正成为优化气候政策设计、推动可持续发展的重要议题。本文基于人工智能方法，构建了一种嵌入注意力机制的长短期记忆（ALSTM）神经网络模型，评估未来气候变化对粮食生产系统的冲击。本文以美国玉米带为研究案例，利用历史气象与产量数据对模型进行训练与验证，并进一步结合 CMIP6 未来气候情景数据，预测至 2050 年不同碳排放情景下玉米产量的波动趋势，以量化气候风险对农业生产经济价值的影响。研究结果显示，ALSTM 模型在估测历史玉米产量方面表现优异，相较于传统 LASSO 与随机森林（RF）模型，估产误差降低 18%~35%，展现出人工智能在复杂经济 - 气候系统建模中的显著优势。模型预测表明，未来气候变化将显著加剧农业经济风险，在高排放情景下，2050 年美国玉米带玉米产量预计下降 9.2%，且减产压力集中于高温胁迫显著增强的南部区域，这可能引发区域农业经济结构失衡与粮食市场波动。本研究从人工智能与经济学交叉视角出发，为气候风险的经济评估提供了新的量化工具与决策依据，强调应通过技术适应性投资、农业资源配置优化与风险转移机制创新，提升农业经济系统对气候冲击的韧性，以保障长期粮食安全与经济稳定。

关键词: 人工智能；气候变化；风险预测；粮食安全；深度学习

中图分类号: 

• [S-9]