计算机是当代信息科学与技术的重要支柱之一，在世界各国信息化社会的建设中持续发挥着不可替代的重要作用。近年来，计算机科学与技术实现了与人文社会科学的交叉融合，取得了一系列具有前沿性和创新性的研究成果。在这方面，计算机科学与可持续发展研究之间的交叉融合颇具代表性。一方面，一些学者尝试用计算机科学与技术解决可持续发展难题，计算机科学为应对不同地区的可持续性挑战提供新的研究方法、工具、模型和技术支持，拓宽研究深度和广度，完善决策支持系统。另一方面，可持续发展也对计算机科学与技术提出了更高的要求，如加快学科的绿色低碳转型，开发更精准、更高效、通用性更强的算法。计算机科学与可持续发展研究相互促进、共同演进的良性关系，正是科技创新更好造福人类、创造未来的重要体现。

　　跨学科合作质量决定解决实际问题水平

　　亚历山大·卡尔达斯（Alexandre Caldas）是联合国环境规划署国家外联、技术与创新主管，联合国地理空间网络主席。近日，卡尔达斯在《自然》上发表评论称，当前全人类面临着三重气候危机，包括气候变化、生物多样性丧失和环境污染。这场危机不仅为各领域的绿色低碳转型带来挑战，更决定了人类能否共同创造一个繁荣美好的未来。以环境污染为例，许多人非常重视海洋塑料的污染问题，但是却对城市空气污染问题如何影响日常生活了解得不够深入。此外，研究人员在大气、水、海洋、土地、生物区、生物多样性等环境要素中划定受污染影响的区域，本身就是一种简化行为。卡尔达斯指出，学界急需找到一种能够综合分析多个部门之间相互作用的联结方法（nexus approach），拓宽污染治理、生物多样性、碳排放等可持续发展研究领域的范围。在此，计算可持续性（computational sustainability）就为平衡环境、经济和社会需求及促进可持续发展打开了新视野。根据美国康奈尔大学计算可持续性研究所的定义，计算可持续性是一个横跨计算机科学、信息科学、运筹学、应用数学和统计学的科研领域。相关科研人员侧重于开发计算和数学模型，协助决策者管理和分配资源，帮助落实联合国可持续发展目标，如消除贫困和饥饿、改善健康、提供清洁能源等。

　　卡尔达斯认为，计算工具和计算资源从三个层面完善环境议题的决策过程。第一个层面是数据访问，即数据的可用性和访问透明度。如今，地球一半以上的地区（包括超过150个发展中国家）都能够获取环境科学的近实时数据、实时数据和历史数据。这一成就将大幅度改善人民生活，特别是在发展中国家。第二个层面是数据洞察，即在不同环境科学领域利用近实时数据和实时数据协助决策。例如，“世界环境状况室”（World Environment Situation Room）是联合国环境规划署分享环境行动数据、信息和知识的平台，它帮助成员国、主要的利益相关者和合作伙伴轻松浏览和评估全球、区域、国家与地方层面的环境数据，在此基础上得出结论、作出决定，并采取相应的行动。第三个层面是数据情报，它要求研究人员系统性地观测数据和变量，利用瓶颈和关键点设想不同的场景，然后采取相应的行动。目前，科研机构有足够的计算能力和技术将空间数据和地面传感数据相结合，并进行收集和储存。康奈尔大学计算与信息科学教授、计算可持续性研究所所长卡拉·戈麦斯（Carla Gomes）认为，很多时候，跨学科合作的质量决定了利用计算可持续性解决实际问题的水平。良好的合作来之不易，这需要计算机科学家主动打破在独自工作时得出的结论，熟练掌握其他学科的背景知识，了解多种工具的用途。

　　技术、模型和数据带动科研取得突破

　　随着《巴黎协定》和“昆明—蒙特利尔全球生物多样性框架”相继通过，各国纷纷加强气候治理，推进自然生态系统恢复。各国决策者也更加关注气候问题与生物多样性、农业、水资源、经济之间的紧密联系。2023年6月，世界银行、美国斯坦福大学“自然资本”项目和国际应用系统分析研究所发布了报告《自然的边界：用自然资本实现可持续性、效能和繁荣》。该报告将新采集的全球数据导入综合模型，提供了一套可供146个国家判断自然资源配置效率、评估自然资源配置权衡的统计数据。这份报告的初衷是协助决策者思考政策和决策可能给经济与环境带来的影响，帮助各国选择切实可行的自然资源使用方式，实现环境保护和经济发展的双赢。

　　美国明尼苏达大学生态与环境经济学杰出教授史蒂芬·波拉斯基（Stephen Polasky）是“自然资本”项目生态服务系统领衔的制图者和评估者之一。波拉斯基发现，大部分经济模型集中分析农业生产力等经济变量。生态系统恢复与保护模型则帮助社会更好地认识生物多样性和碳循环。与以上两种单一的研究方法不同，“自然资本”项目探讨了如何在发展居民生计和地方经济的同时，提高生物多样性和碳固存。为此，波拉斯基等人搭建了一个包含多项经济和生态因素的综合模型，汇编了全球土地覆盖图，收集了碳循环、生物多样性、农作物、畜牧业和林业数据。随后，研究人员将数据导入一套生态系统服务与权衡综合评估（InVEST）模型中，通过优化分析得到低收入、中等偏下收入、中等偏上收入和高收入国家的可持续资源效率边界。该边界划定了在人类对自然资源高效使用和配置下市场产出和环境产出的范围。最后，波拉斯基等人计算出各国既能实现多项经济效益又能扩大环境效益的最优组合方案。这份报告还清楚地说明了各国调整自然资源利用方案的结果。例如，当一块给定的土地从农用地转变为保护区时，随之会产生哪些碳固存和生物多样性等方面的环境效益，农民又需要承受哪些经济损失。

　　科研人员在技术、模型和数据上取得的突破，为各国达成经济发展和环境保护的双赢带来希望。该报告发现，各国改善土地、水和其他自然资源的分配与管理现状，能够在不损害森林和自然栖息地的情况下，使全球农业、畜牧业和林业的年收入总额增加约3290亿美元。如果146个国家完善其土地的利用和管理方法，地球碳储量将合计增加23%，并且不会导致经济回报受损。此外，更好的作物种植策略和更明智的空间规划将减少农业的生态足迹，使全球卡路里产量增加150%以上。如果各国都采取更有效的大气污染防治措施，政府将节省60%的治理成本，每年还能挽救很多生命。

　　为计算机科学与技术设立可持续发展框架

　　科学创新带动了社会进步，但同时也会对生态环境产生不利影响，对此，学界和社会都需要有全面而科学的认识。英国剑桥大学生物医学数据科学助理研究员路易克·兰内隆格（Lo?觙c Lannelongue）表示，科学家需要身体力行减少碳足迹，特别是确保科学发现的益处不被其环境成本所抵消。近年来，学界密切关注科学会议和实验室的环境影响。2019年，美国地球物理联盟秋季会议估计排放了8万吨二氧化碳当量，相当于英国爱丁堡市每周的平均排放量。一个典型的生命科学实验室每年大约排放22吨二氧化碳当量。相比之下，高性能计算和云计算研究的环境影响并不像需要配备给排水的湿性实验室那样直观，因此经常被学界低估。法国智库“转换项目”2019年3月发布的报告显示，从2013年到2018年，数字技术的温室气体排放量在全球温室气体排放中所占比例从2.5%增加到3.7%。剑桥大学公共卫生与初级保健系教授迈克尔·井上（Michael Inouye）指出，随着人工智能和数据科学的日益普及，它们的碳足迹可能在未来几年内呈指数增长。数据中心的电力使用情况、硬件制造和处理流程、用水量和土地足迹都在对生态环境造成威胁。

　　为了让计算机科学界在可持续研究实践方面引领潮流，最大程度地使计算机科学造福人类和环境，兰内隆格等人推出了“治理、责任、碳足迹估算、节能、新合作、教育、研究”（GREENER）绿色框架，以此规范和指导计算机科学的绿色低碳转型。首先，“治理”和“责任”指的是计算机科学领域的个人和机构公开、透明地开展节碳减排工作。例如，科研机构担负着管理和扩展集中式数据基础设施的责任。因此，采购计划需要充分考虑到所购买硬件的制造和运营的碳足迹。其次，大部分学术机构将计算资源作为研究基础设施的一部分无偿提供给研究人员。这导致研究人员不但不用直接为运行计算任务所产生的成本进行支付，还容易产生计算资源用之不尽的错觉。由此可见，量化、检测和报告科研项目的能源消耗情况，有助于学者正确地认识计算能力的环境成本，识别节能效率低的科研环节。再次，在围绕计算机科学的低碳转型开展新合作时，研究人员需要避免出现反弹效应。反弹效应是对以可持续发展为导向的行动的系统性反应，这些反应抵消了预期的效果，阻碍了可持续发展的转变。以数据储存为例，将1TB数据存储一年的生命周期碳足迹大约为10公斤二氧化碳当量。机构和研究团队创建数据拷贝会进一步增加碳排放。即便是有能力提高能源利用效率的大规模和超大规模的数据中心，也需要规避不必要地扩大计算规模。最后，有必要通过培训提高利益相关者对计算机科学可持续发展的重视。在研究中使用最广泛的编程语言如R语言和Python语言，往往是能源效率最低的。这就需要研究团队培养具有可持续发展意识、能充分了解编码选择如何影响碳足迹的软件工程师，从而提高实验工具的能源使用效率。

　　在兰内隆格看来，随着研究人员相继推进绿色框架的各个层面，环境可持续性将在不久后成为计算机科学的核心要素。这种文化变革反过来会带动各领域的工作改革，催生更高的透明度、更全面的认知、更好的培训和政策，最终形成良性循环。从资助机构、期刊出版机构到高性能计算团队和职业研究人员，所有利益相关者都可以为计算机科学的绿色转型尽一份力，使其成为可持续发展的典范。