建筑設(shè)計(jì)專(zhuān)業(yè)推薦網(wǎng)站,在門(mén)戶(hù)網(wǎng)站中營(yíng)銷(xiāo)者通過(guò)制作什么,做響應(yīng)式網(wǎng)站需要學(xué)哪些知識(shí),重慶百度競(jìng)價(jià)排名目錄 引言 最先進(jìn)的地球科學(xué)機(jī)器學(xué)習(xí) 地球系統(tǒng)科學(xué)中的深度學(xué)習(xí)機(jī)會(huì) 地球系統(tǒng)科學(xué)中的深度學(xué)習(xí)挑戰(zhàn) 與物理建模集成 推進(jìn)科學(xué) 結(jié)論 《Nature》發(fā)表的一項(xiàng)研究提出#xff0c;利用深度學(xué)習(xí)自動(dòng)提取時(shí)空特征#xff0c;有助于理解地球系統(tǒng)的復(fù)雜過(guò)程#xff0c;提高季節(jié)…目錄引言最先進(jìn)的地球科學(xué)機(jī)器學(xué)習(xí)地球系統(tǒng)科學(xué)中的深度學(xué)習(xí)機(jī)會(huì)地球系統(tǒng)科學(xué)中的深度學(xué)習(xí)挑戰(zhàn)與物理建模集成推進(jìn)科學(xué)結(jié)論《Nature》發(fā)表的一項(xiàng)研究提出利用深度學(xué)習(xí)自動(dòng)提取時(shí)空特征有助于理解地球系統(tǒng)的復(fù)雜過(guò)程提高季節(jié)預(yù)測(cè)精度并模擬長(zhǎng)程空間關(guān)聯(lián)。研究建議將物理過(guò)程模型與數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)結(jié)合以實(shí)現(xiàn)更精準(zhǔn)的地球科學(xué)研究。摘要機(jī)器學(xué)習(xí)方法越來(lái)越多地用于從不斷增長(zhǎng)的地理空間數(shù)據(jù)流中提取模式和洞見(jiàn)但當(dāng)系統(tǒng)行為受到空間或時(shí)間上下文的支配時(shí)當(dāng)前的方法可能并非最佳選擇。在這里我們認(rèn)為應(yīng)該利用這些上下文線(xiàn)索作為深度學(xué)習(xí)的一部分這種方法能夠自動(dòng)提取時(shí)空特征以進(jìn)一步理解地球系統(tǒng)科學(xué)問(wèn)題的過(guò)程提高季節(jié)預(yù)測(cè)的預(yù)測(cè)能力以及跨多個(gè)時(shí)間尺度模擬長(zhǎng)程空間連接。下一步將是一種混合建模方法將物理過(guò)程模型與數(shù)據(jù)驅(qū)動(dòng)機(jī)器學(xué)習(xí)的多功能性相結(jié)合。引言人類(lèi)一直努力預(yù)測(cè)和理解世界而提高預(yù)測(cè)能力在不同環(huán)境中如天氣、疾病或金融市場(chǎng)都帶來(lái)了競(jìng)爭(zhēng)優(yōu)勢(shì)。然而預(yù)測(cè)工具隨著時(shí)間的推移發(fā)生了巨大變化從古希臘的哲學(xué)推理到中世紀(jì)非科學(xué)方法如占卜再到現(xiàn)代科學(xué)論述其中包括基于統(tǒng)計(jì)和物理關(guān)系的假設(shè)檢驗(yàn)、理論發(fā)展和計(jì)算機(jī)建模即定律。地球科學(xué)領(lǐng)域的一個(gè)成功案例是天氣預(yù)測(cè)通過(guò)更好的理論、增強(qiáng)的計(jì)算能力和建立的觀(guān)測(cè)系統(tǒng)的整合天氣預(yù)測(cè)得到了很大改善這些系統(tǒng)允許將大量數(shù)據(jù)同化到模擬系統(tǒng)中。然而我們只能在數(shù)天的時(shí)間尺度上準(zhǔn)確預(yù)測(cè)天氣的演變而不是數(shù)月。季節(jié)氣象預(yù)測(cè)、預(yù)測(cè)極端事件如洪水或火災(zāi)以及長(zhǎng)期氣候預(yù)測(cè)仍然是重大挑戰(zhàn)。對(duì)于生物圈動(dòng)態(tài)的預(yù)測(cè)情況尤為如此生物圈主要由生物介導(dǎo)的過(guò)程如生長(zhǎng)或繁殖控制受到火災(zāi)和山體滑坡等看似隨機(jī)的干擾的強(qiáng)烈影響。在過(guò)去幾十年里這些預(yù)測(cè)問(wèn)題沒(méi)有取得太多進(jìn)展。與此同時(shí)大量地球系統(tǒng)數(shù)據(jù)已經(jīng)可用存儲(chǔ)容量已經(jīng)遠(yuǎn)遠(yuǎn)超出了數(shù)十個(gè)PB并且每天的傳輸速率迅速增加超過(guò)了數(shù)百TB。這些數(shù)據(jù)來(lái)自于大量傳感器測(cè)量的狀態(tài)、通量和強(qiáng)度或時(shí)間/空間集成變量代表了十五個(gè)以上的時(shí)間和空間數(shù)量級(jí)。它們包括從地球上方幾米到數(shù)百公里的遙感觀(guān)測(cè)以及表面和大氣層下越來(lái)越多來(lái)自自動(dòng)傳感器的原位觀(guān)測(cè)其中許多觀(guān)測(cè)還進(jìn)一步得到公民科學(xué)觀(guān)測(cè)的補(bǔ)充。模型模擬輸出增加了這種數(shù)據(jù)洪流用于定期氣候評(píng)估的氣候模型比較項(xiàng)目CMIP-5數(shù)據(jù)集大小超過(guò)3PB而下一代CMIP-6的估計(jì)大小將達(dá)到30PB。模型數(shù)據(jù)與觀(guān)測(cè)數(shù)據(jù)具有許多相似的挑戰(zhàn)和統(tǒng)計(jì)特性包括許多形式的不確定性?？傊厍蛳到y(tǒng)數(shù)據(jù)是“大數(shù)據(jù)”的四個(gè)“V”中的典型代表容量、速度、多樣性和準(zhǔn)確性。一個(gè)關(guān)鍵挑戰(zhàn)是從這些大數(shù)據(jù)中提取可解釋的信息和知識(shí)可能幾乎是實(shí)時(shí)的并在各個(gè)學(xué)科之間進(jìn)行整合。圖 1|地球科學(xué)背景下的大數(shù)據(jù)挑戰(zhàn)。數(shù)據(jù)大小現(xiàn)已超過(guò) 100 PB并且呈準(zhǔn)指數(shù)增長(zhǎng)數(shù)字向右逐漸變細(xì)表示數(shù)據(jù)大小不斷減小。變化速度每年超過(guò) 5 PB數(shù)據(jù)采集頻率高達(dá) 10 Hz 或更高重新處理和版本控制是常見(jiàn)的挑戰(zhàn)。數(shù)據(jù)源可以是一維到四維的、空間集成的從器官級(jí)別例如葉子到全局級(jí)別。地球擁有多種觀(guān)測(cè)系統(tǒng)從遙感到實(shí)地觀(guān)測(cè)。數(shù)據(jù)的不確定性可能源于觀(guān)察錯(cuò)誤或概念不一致。過(guò)去幾十年里預(yù)測(cè)能力并沒(méi)有隨著數(shù)據(jù)可用性的提高而迅速提高。為了充分利用地球系統(tǒng)數(shù)據(jù)的爆炸性增長(zhǎng)和多樣性我們?cè)谖磥?lái)幾年面臨兩項(xiàng)主要任務(wù)(1) 從海量數(shù)據(jù)中提取知識(shí)(2) 推導(dǎo)模型從數(shù)據(jù)中學(xué)到的知識(shí)比傳統(tǒng)模型要多得多。數(shù)據(jù)同化方法可以同時(shí)仍然尊重我們對(duì)自然法則不斷發(fā)展的理解了。前所未有的數(shù)據(jù)源、增強(qiáng)的計(jì)算能力以及統(tǒng)計(jì)建模和機(jī)器學(xué)習(xí)的最新進(jìn)展相結(jié)合為我們從數(shù)據(jù)中擴(kuò)展對(duì)地球系統(tǒng)的了解提供了機(jī)會(huì)。特別是機(jī)器學(xué)習(xí)和人工智能領(lǐng)域有許多工具可用但它們需要進(jìn)一步開(kāi)發(fā)并適應(yīng)地球科學(xué)分析。地球系統(tǒng)科學(xué)提供了新的機(jī)遇、挑戰(zhàn)和方法論要求特別是最近關(guān)注時(shí)空背景和不確定性的研究方向。在以下各節(jié)中我們回顧了地球科學(xué)背景下機(jī)器學(xué)習(xí)的發(fā)展并強(qiáng)調(diào)深度學(xué)習(xí)即自動(dòng)提取抽象時(shí)空特征如何有潛力克服許多限制直到現(xiàn)在阻礙了機(jī)器學(xué)習(xí)的更廣泛采用。我們進(jìn)一步提出了將機(jī)器學(xué)習(xí)與物理建模相結(jié)合的最有前途但也最具挑戰(zhàn)性的方法。最先進(jìn)的地球科學(xué)機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)現(xiàn)已成為多種研究驅(qū)動(dòng)和操作性地球科學(xué)處理方案中的成功組成部分涵蓋了大氣、陸地表面和海洋領(lǐng)域并在過(guò)去十年中隨著數(shù)據(jù)可用性的增加共同發(fā)展。近30年前通過(guò)高分辨率衛(wèi)星數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)的首次復(fù)興土地覆蓋和云分類(lèi)領(lǐng)域出現(xiàn)了早期的重要里程碑。大多數(shù)主要的機(jī)器學(xué)習(xí)方法例如核方法或“隨機(jī)森林”隨后被應(yīng)用于地球科學(xué)和遙感問(wèn)題通常是在適合這些方法的數(shù)據(jù)變得可用時(shí)。因此機(jī)器學(xué)習(xí)已經(jīng)成為地球科學(xué)分類(lèi)、變化和異常檢測(cè)問(wèn)題中的一種通用方法。在過(guò)去幾年中地球科學(xué)開(kāi)始使用深度學(xué)習(xí)來(lái)更好地利用數(shù)據(jù)中的空間和時(shí)間結(jié)構(gòu)這些特征對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)來(lái)說(shuō)通常很難提取見(jiàn)表1及下文。另一類(lèi)成功應(yīng)用于機(jī)器學(xué)習(xí)的問(wèn)題是回歸。例如在土壤制圖中土壤屬性和協(xié)變量的測(cè)量點(diǎn)在空間上稀疏分布通過(guò)使用“隨機(jī)森林”這一流行且高效的機(jī)器學(xué)習(xí)方法可以預(yù)測(cè)空間上密集的土壤屬性或土壤類(lèi)型估計(jì)值。在過(guò)去十年中機(jī)器學(xué)習(xí)在從遙感反射率中回歸估計(jì)生物地球物理參數(shù)方面取得了卓越的成果覆蓋了局部和全球尺度。這些方法強(qiáng)調(diào)空間預(yù)測(cè)即在觀(guān)察期間相對(duì)靜態(tài)的屬性的預(yù)測(cè)。然而使地球系統(tǒng)有趣的是它不是靜態(tài)的而是動(dòng)態(tài)的。機(jī)器學(xué)習(xí)回歸技術(shù)也被用來(lái)研究這些動(dòng)態(tài)通過(guò)將時(shí)間變化的特征映射到時(shí)間變化的目標(biāo)變量上覆蓋了陸地、海洋和大氣領(lǐng)域。由于土地-大氣或海洋-大氣碳吸收等變量無(wú)法在各處觀(guān)察到因此一個(gè)挑戰(zhàn)是通過(guò)構(gòu)建將氣候和遙感協(xié)變量與目標(biāo)變量關(guān)聯(lián)的模型從點(diǎn)觀(guān)測(cè)推斷出大陸或全球估計(jì)值。在這種情況下機(jī)器學(xué)習(xí)方法被證明比以前的機(jī)械模型或半經(jīng)驗(yàn)?zāi)Ｐ透鼜?qiáng)大和靈活。例如一個(gè)具有一個(gè)隱藏層的人工神經(jīng)網(wǎng)絡(luò)能夠?yàn)V除噪聲預(yù)測(cè)二氧化碳CO2通量的晝夜和季節(jié)變化并提取出一些以前未量化且在碳循環(huán)模型中未能很好表示的模式如春季根系生長(zhǎng)期間呼吸作用的增加。隨后的發(fā)展使我們能夠以純數(shù)據(jù)驅(qū)動(dòng)的方式量化全球陸地光合作用和水的蒸散。此類(lèi)機(jī)器學(xué)習(xí)預(yù)測(cè)的通量的空間、季節(jié)、年際或十年變化甚至被用作物理地表和氣候模型評(píng)估的重要基準(zhǔn)。同樣海洋二氧化碳濃度和通量也通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行了時(shí)空映射結(jié)合了分類(lèi)和回歸方法用于數(shù)據(jù)分層和預(yù)測(cè)。最近隨機(jī)森林方法也被用于預(yù)測(cè)時(shí)空變化的降水?？傮w而言我們可以得出結(jié)論已有多種有影響力的機(jī)器學(xué)習(xí)方法被應(yīng)用于地球系統(tǒng)科學(xué)的所有主要子領(lǐng)域并且越來(lái)越多地被整合到操作方案中用于發(fā)現(xiàn)模式改進(jìn)我們的理解以及評(píng)估綜合物理模型。盡管機(jī)器學(xué)習(xí)在地球科學(xué)中取得了成功但一些重要的警示和限制阻礙了其更廣泛的采用和影響。一些陷阱如天真地外推、采樣或其他數(shù)據(jù)偏差、忽視混雜因素、將統(tǒng)計(jì)關(guān)聯(lián)解釋為因果關(guān)系或多重假設(shè)檢驗(yàn)中的基本缺陷應(yīng)該通過(guò)最佳實(shí)踐和專(zhuān)家干預(yù)加以避免。更根本的是目前應(yīng)用的機(jī)器學(xué)習(xí)方法存在固有的局限性。在這一領(lǐng)域深度學(xué)習(xí)技術(shù)有望帶來(lái)突破。經(jīng)典的機(jī)器學(xué)習(xí)方法受益于領(lǐng)域特定的人工設(shè)計(jì)特征以考慮時(shí)間或空間上的依賴(lài)性例如從每日時(shí)間序列中推導(dǎo)的累計(jì)降水量但很少能充分利用時(shí)空依賴(lài)性。例如在海洋-大氣或陸地-大氣二氧化碳通量預(yù)測(cè)中通常將瞬時(shí)的局部環(huán)境條件如輻射、溫度和濕度映射到瞬時(shí)通量上。實(shí)際上某一時(shí)間和空間點(diǎn)的過(guò)程幾乎總是受到系統(tǒng)狀態(tài)的額外影響而系統(tǒng)狀態(tài)往往觀(guān)察不充分因而不可用作預(yù)測(cè)變量。然而先前時(shí)間步和相鄰網(wǎng)格單元中包含了系統(tǒng)狀態(tài)的隱藏信息例如長(zhǎng)期無(wú)降雨加上持續(xù)的晴天意味著干旱。**一個(gè)時(shí)空背景高度相關(guān)的例子是火災(zāi)發(fā)生和特征如燃燒面積和痕量氣體排放的預(yù)測(cè)?；馂?zāi)的發(fā)生和蔓延不僅取決于瞬時(shí)氣候驅(qū)動(dòng)因素和點(diǎn)火源如人類(lèi)、閃電或兩者還取決于狀態(tài)變量如可用燃料的狀態(tài)和數(shù)量?；馂?zāi)蔓延和燃燒面積不僅取決于每個(gè)像素的局部條件還取決于燃料的空間分布和連接性、其濕度、地形特性當(dāng)然還有風(fēng)速和風(fēng)向。同樣將某一大氣狀況分類(lèi)為颶風(fēng)或溫帶風(fēng)暴需要了解空間背景例如由像素、其值及其拓?fù)浣Y(jié)構(gòu)構(gòu)成的風(fēng)暴幾何。檢測(cè)颶風(fēng)和評(píng)估其強(qiáng)度的重要因素是檢測(cè)對(duì)稱(chēng)的外流和明顯的“眼”這無(wú)法僅通過(guò)局部的單像素值來(lái)確定。當(dāng)然時(shí)間動(dòng)態(tài)屬性“記憶效應(yīng)”可以通過(guò)人工設(shè)計(jì)和領(lǐng)域特定的特征在機(jī)器學(xué)習(xí)中表示。例如累計(jì)的日溫度總和可用于預(yù)測(cè)植被的物候階段而標(biāo)準(zhǔn)化降水指數(shù)則總結(jié)了過(guò)去幾個(gè)月的降水異常作為氣象干旱狀態(tài)的指標(biāo)。這些方法通常只考慮單一變量的記憶效應(yīng)忽略了多個(gè)變量的交互效應(yīng)盡管也有例外存在。機(jī)器學(xué)習(xí)還可以使用人工設(shè)計(jì)的特征如地形形狀和衛(wèi)星圖像中的地形或紋理特征以納入空間背景。這類(lèi)似于計(jì)算機(jī)視覺(jué)的早期方法物體通常由描述邊緣、紋理、形狀和顏色的一組特征來(lái)表征。然后將這些特征輸入標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)算法用于圖像中的對(duì)象定位、分類(lèi)或檢測(cè)。類(lèi)似的方法已經(jīng)在遙感圖像分類(lèi)中應(yīng)用了幾十年。人工設(shè)計(jì)特征既可以被視為一種優(yōu)勢(shì)對(duì)解釋驅(qū)動(dòng)因素的控制也可以被視為一種劣勢(shì)繁瑣的、特設(shè)的過(guò)程可能非最優(yōu)但對(duì)于使用有限且主觀(guān)選擇的特征而非廣泛且通用的方法的關(guān)注仍然有效且重要。地球系統(tǒng)科學(xué)中的深度學(xué)習(xí)機(jī)會(huì)深度學(xué)習(xí)在建模有序序列和具有空間背景的數(shù)據(jù)方面取得了顯著成功應(yīng)用領(lǐng)域包括計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別和控制系統(tǒng)以及物理學(xué)、化學(xué)和生物學(xué)等相關(guān)科學(xué)領(lǐng)域。盡管在地球科學(xué)中的應(yīng)用還處于起步階段但在分類(lèi)、異常檢測(cè)、回歸、時(shí)空狀態(tài)預(yù)測(cè)等關(guān)鍵問(wèn)題上已有一些有前景的例子。最近的兩項(xiàng)研究展示了深度學(xué)習(xí)在極端天氣問(wèn)題上的應(yīng)用例如颶風(fēng)檢測(cè)這在傳統(tǒng)機(jī)器學(xué)習(xí)中是一個(gè)難題。研究報(bào)告成功地應(yīng)用深度學(xué)習(xí)架構(gòu)來(lái)客觀(guān)提取空間特征以定義和分類(lèi)數(shù)值天氣預(yù)報(bào)模型輸出中的極端情況如風(fēng)暴、大氣河流。這種方法能夠快速檢測(cè)這些事件和預(yù)測(cè)模擬而不需要使用主觀(guān)的人類(lèi)標(biāo)注或依賴(lài)于預(yù)定義的任意風(fēng)速或其他變量閾值的方法。特別是這種方法利用事件的空間形狀信息例如颶風(fēng)的典型螺旋形狀。同樣對(duì)于城市區(qū)域的分類(lèi)自動(dòng)從遙感數(shù)據(jù)中提取多尺度特征顯著提高了分類(lèi)準(zhǔn)確性幾乎總是超過(guò)95%。圖2|典型深度學(xué)習(xí)應(yīng)用的四個(gè)示例左圖及其可應(yīng)用于的地球科學(xué)問(wèn)題右圖。a圖像中的對(duì)象識(shí)別與使用氣候模擬數(shù)據(jù)上的統(tǒng)一卷積神經(jīng)網(wǎng)絡(luò)對(duì)極端天氣模式進(jìn)行分類(lèi)相關(guān)聯(lián)。b超分辨率應(yīng)用涉及氣候模型輸出的統(tǒng)計(jì)縮減。c視頻預(yù)測(cè)類(lèi)似于地球系統(tǒng)變量的短期預(yù)測(cè)。右圖由馬克斯·普朗克生物地球化學(xué)研究所的 Sujan Koirala 和 Paul Bodesheim 提供。d語(yǔ)言翻譯鏈接到動(dòng)態(tài)時(shí)間序列建模。雖然深度學(xué)習(xí)方法傳統(tǒng)上分為空間學(xué)習(xí)如用于對(duì)象分類(lèi)的卷積神經(jīng)網(wǎng)絡(luò)和序列學(xué)習(xí)如語(yǔ)音識(shí)別但將這兩種視角結(jié)合起來(lái)的興趣日益濃厚。一個(gè)典型的例子是視頻和運(yùn)動(dòng)預(yù)測(cè)這個(gè)問(wèn)題與許多動(dòng)態(tài)地球科學(xué)問(wèn)題有著驚人的相似性。我們面臨的是時(shí)間演變的多維結(jié)構(gòu)例如組織化的降水對(duì)流它主導(dǎo)了熱帶降雨模式以及影響碳流動(dòng)和蒸散的植被狀態(tài)。研究開(kāi)始將卷積-遞歸混合方法應(yīng)用于地球科學(xué)問(wèn)題如降水預(yù)報(bào)。大氣和海洋輸送、火災(zāi)蔓延、土壤運(yùn)動(dòng)或植被動(dòng)態(tài)建模是另一些時(shí)空動(dòng)態(tài)重要但尚未從這些新方法中受益的問(wèn)題例子。簡(jiǎn)而言之經(jīng)典深度學(xué)習(xí)應(yīng)用處理的數(shù)據(jù)類(lèi)型與地球科學(xué)數(shù)據(jù)之間的相似性為深度學(xué)習(xí)在地球科學(xué)中的整合提供了有力的論據(jù)。圖像類(lèi)似于包含特定變量的二維數(shù)據(jù)場(chǎng)類(lèi)似于照片中的顏色三元組RGB值而視頻可以鏈接到一系列圖像因此可以鏈接到隨時(shí)間演變的二維場(chǎng)。類(lèi)似地自然語(yǔ)言和語(yǔ)音信號(hào)與地球系統(tǒng)變量的動(dòng)態(tài)時(shí)間序列具有相同的多分辨率特征。此外分類(lèi)、回歸、異常檢測(cè)和動(dòng)態(tài)建模是計(jì)算機(jī)視覺(jué)和地球科學(xué)中的典型問(wèn)題。地球系統(tǒng)科學(xué)中的深度學(xué)習(xí)挑戰(zhàn)表 1 地球科學(xué)任務(wù)的常規(guī)方法和深度學(xué)習(xí)方法分析任務(wù)科學(xué)任務(wù)常規(guī)方法常規(guī)方法的局限性新興或潛在方法分類(lèi)和異常檢測(cè)發(fā)現(xiàn)極端天氣模式多變量、基于閾值的檢測(cè)使用啟發(fā)式方法采用臨時(shí)標(biāo)準(zhǔn)監(jiān)督和半監(jiān)督卷積神經(jīng)網(wǎng)絡(luò)土地利用和變化檢測(cè)按像素的光譜分類(lèi)使用的空間上下文淺或沒(méi)有卷積神經(jīng)網(wǎng)絡(luò)回歸預(yù)測(cè)大氣條件下的通量隨機(jī)森林、核方法、前饋神經(jīng)網(wǎng)絡(luò)沒(méi)有考慮記憶和滯后效應(yīng)遞歸神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶網(wǎng)絡(luò)LSTMs預(yù)測(cè)大氣條件下的植被特性半經(jīng)驗(yàn)算法溫度總和、水分虧缺在功能形式和動(dòng)態(tài)假設(shè)方面具有規(guī)范性遞歸神經(jīng)網(wǎng)絡(luò)可能包含空間上下文預(yù)測(cè)無(wú)測(cè)站流域的河流徑流過(guò)程模型或具有手工設(shè)計(jì)地形特征的統(tǒng)計(jì)模型91考慮空間上下文僅限于手工設(shè)計(jì)的特征卷積神經(jīng)網(wǎng)絡(luò)與遞歸網(wǎng)絡(luò)的組合狀態(tài)預(yù)測(cè)降水短臨預(yù)報(bào)結(jié)合數(shù)據(jù)同化的物理建模由于分辨率的限制計(jì)算能力有限數(shù)據(jù)僅用于更新?tīng)顟B(tài)卷積-長(zhǎng)短期記憶網(wǎng)絡(luò)具有短程空間上下文縮小比例和校正偏差的預(yù)報(bào)動(dòng)態(tài)建模和統(tǒng)計(jì)方法計(jì)算能力有限主觀(guān)特征選擇卷積神經(jīng)網(wǎng)絡(luò)條件生成對(duì)抗網(wǎng)絡(luò)cGANs季節(jié)性預(yù)報(bào)結(jié)合數(shù)據(jù)條件的物理建模仍然依賴(lài)周?chē)鷹l件結(jié)合數(shù)據(jù)條件的物理建模仍然依賴(lài)周?chē)鷹l件卷積-長(zhǎng)短期記憶網(wǎng)絡(luò)具有長(zhǎng)程空間上下文交通建模交通建模的物理建模計(jì)算能力有限混合物理-卷積網(wǎng)絡(luò)模型上述經(jīng)典深度學(xué)習(xí)應(yīng)用與地球科學(xué)應(yīng)用之間的相似性顯而易見(jiàn)。然而二者之間也存在諸多差異。例如經(jīng)典計(jì)算機(jī)視覺(jué)應(yīng)用處理的照片有三個(gè)通道紅、綠、藍(lán)而高光譜衛(wèi)星圖像則擴(kuò)展到數(shù)百個(gè)超出可見(jiàn)范圍的光譜通道這通常會(huì)引發(fā)與自然圖像不同的統(tǒng)計(jì)特性包括變量的空間依賴(lài)性和相互依賴(lài)性從而違反了同分布獨(dú)立的數(shù)據(jù)假設(shè)。此外整合多傳感器數(shù)據(jù)并不簡(jiǎn)單因?yàn)椴煌瑐鞲衅髟诔上駧缀?、空間和時(shí)間分辨率、物理意義、內(nèi)容和統(tǒng)計(jì)特性上各異。多傳感器衛(wèi)星觀(guān)測(cè)序列還伴隨著各種噪聲源、不確定性水平、缺失數(shù)據(jù)和通常是系統(tǒng)性的間隙由于云層或積雪的存在、采集、存儲(chǔ)和傳輸中的失真等。此外光譜、空間和時(shí)間維度帶來(lái)了計(jì)算挑戰(zhàn)。數(shù)據(jù)量正在增加很快將需要每天處理全球范圍內(nèi)的PB級(jí)數(shù)據(jù)。目前最大的氣象機(jī)構(gòu)每天必須近實(shí)時(shí)處理TB級(jí)數(shù)據(jù)通常以非常高的精度進(jìn)行處理。最后與ImageNet一個(gè)有人類(lèi)標(biāo)注圖像的數(shù)據(jù)庫(kù)例如標(biāo)簽“貓”或“狗”不同地球科學(xué)中并不總是存在大規(guī)模的標(biāo)注數(shù)據(jù)集不僅因?yàn)樯婕暗臄?shù)據(jù)集規(guī)模大還因?yàn)闃?biāo)注數(shù)據(jù)集在概念上存在困難。例如確定圖像描繪的是貓比確定數(shù)據(jù)集反映的是干旱要容易得多因?yàn)楦珊等Q于強(qiáng)度和范圍并且會(huì)根據(jù)收集和分析數(shù)據(jù)的方法而變化且沒(méi)有足夠的標(biāo)注案例來(lái)訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)。除了有限的訓(xùn)練集問(wèn)題地球科學(xué)問(wèn)題通常受到約束不足這可能導(dǎo)致模型在訓(xùn)練和測(cè)試數(shù)據(jù)集上表現(xiàn)良好但在超出其有效域的情況下偏離嚴(yán)重外推問(wèn)題?？傮w而言我們識(shí)別了成功采用深度學(xué)習(xí)方法在地球科學(xué)中面臨的五大主要挑戰(zhàn)和途徑如下所示?？山忉屝蕴岣哳A(yù)測(cè)準(zhǔn)確性固然重要但不足夠。可解釋性和理解至關(guān)重要包括結(jié)果的可視化以供人類(lèi)分析?？山忉屝员徽J(rèn)為是深度神經(jīng)網(wǎng)絡(luò)的潛在弱點(diǎn)實(shí)現(xiàn)它是當(dāng)前深度學(xué)習(xí)的重點(diǎn)。該領(lǐng)域距離實(shí)現(xiàn)自解釋模型以及從觀(guān)測(cè)數(shù)據(jù)中發(fā)現(xiàn)因果關(guān)系仍有很大距離。然而應(yīng)該注意到現(xiàn)代地球系統(tǒng)模型由于其復(fù)雜性在實(shí)踐中通常也不容易追溯到其假設(shè)這也限制了它們的可解釋性。物理一致性深度學(xué)習(xí)模型可以很好地?cái)M合觀(guān)測(cè)數(shù)據(jù)但預(yù)測(cè)結(jié)果可能在物理上不一致或不合理這是由于外推或觀(guān)測(cè)偏差造成的。例如通過(guò)教導(dǎo)模型了解地球系統(tǒng)的物理規(guī)則結(jié)合領(lǐng)域知識(shí)和實(shí)現(xiàn)物理一致性可以在觀(guān)測(cè)約束之外提供非常強(qiáng)的理論約束。復(fù)雜和不確定的數(shù)據(jù)需要深度學(xué)習(xí)方法來(lái)處理復(fù)雜的統(tǒng)計(jì)、多輸出、不同的噪聲源和高維空間。新的網(wǎng)絡(luò)拓?fù)洳粌H需要利用局部鄰域即使在不同尺度上還需要利用長(zhǎng)距離關(guān)系例如遙相關(guān)。因變量之間的確切因果關(guān)系事先并不清楚需要被發(fā)現(xiàn)。建模不確定性將是一個(gè)重要方面并需要整合貝葉斯/概率推理概念直接解決這些不確定性。有限的標(biāo)注需要深度學(xué)習(xí)方法從少量標(biāo)注示例中學(xué)習(xí)同時(shí)利用相關(guān)未標(biāo)注觀(guān)測(cè)中的大量信息。這些方法包括無(wú)監(jiān)督密度建模、特征提取、半監(jiān)督學(xué)習(xí)和領(lǐng)域適應(yīng)。計(jì)算需求當(dāng)前地球科學(xué)問(wèn)題的高計(jì)算成本是一個(gè)巨大的技術(shù)挑戰(zhàn)Google的地球引擎是一個(gè)很好的解決這一問(wèn)題的例子它解決了從森林砍伐到湖泊監(jiān)測(cè)的實(shí)際問(wèn)題并有望在未來(lái)應(yīng)用于深度學(xué)習(xí)。通過(guò)解決這些挑戰(zhàn)深度學(xué)習(xí)在地球科學(xué)中的作用可能比在經(jīng)典計(jì)算機(jī)視覺(jué)中的作用更大因?yàn)樵谟?jì)算機(jī)視覺(jué)中人工設(shè)計(jì)的特征是基于對(duì)世界的清晰理解例如物體的表面、邊界以及從世界到圖像的映射和關(guān)于世界點(diǎn)表面點(diǎn)在二維圖像上的外觀(guān)假設(shè)視覺(jué)。成功處理的假設(shè)包括Lamberian表面的假設(shè)即強(qiáng)度不依賴(lài)于表面與光源之間的角度這導(dǎo)致了經(jīng)典的觀(guān)察三維點(diǎn)的強(qiáng)度隨時(shí)間保持恒定的假設(shè)。此外世界的變化物體的運(yùn)動(dòng)在大多數(shù)情況下被建模為剛性變換或由物理假設(shè)產(chǎn)生的局部有效的非剛性變換例如腦結(jié)構(gòu)在腫瘤切除前后的配準(zhǔn)。即使是計(jì)算機(jī)視覺(jué)中的復(fù)雜問(wèn)題也通過(guò)反映來(lái)自常見(jiàn)世界知識(shí)的假設(shè)和期望的人工設(shè)計(jì)特征解決。在地球科學(xué)和氣候科學(xué)中這種全球性、通用性知識(shí)仍部分缺失事實(shí)上這正是我們?cè)谘芯恐兴非蟮囊虼瞬荒茏鳛榧僭O(shè)。從遙感圖像中的分割到某些變量的回歸分析所有問(wèn)題都有一些已知有效或至少是良好近似的假設(shè)。然而過(guò)程理解得越少預(yù)計(jì)存在的高質(zhì)量人工設(shè)計(jì)特征就越少。因此深度學(xué)習(xí)方法特別是因?yàn)樗鼈兡軓臄?shù)據(jù)中找到良好的表示代表了解決地球科學(xué)和氣候研究問(wèn)題的機(jī)會(huì)。最有前途的近期應(yīng)用包括短時(shí)預(yù)報(bào)即氣象學(xué)中對(duì)非常近的未來(lái)的預(yù)測(cè)最多兩個(gè)小時(shí)和預(yù)測(cè)應(yīng)用、基于時(shí)空上下文信息的異常檢測(cè)和分類(lèi)。長(zhǎng)期愿景包括數(shù)據(jù)驅(qū)動(dòng)的季節(jié)預(yù)測(cè)、跨多個(gè)時(shí)間尺度的空間長(zhǎng)程相關(guān)性建模、空間動(dòng)態(tài)建模例如火災(zāi)以及發(fā)現(xiàn)人類(lèi)未曾想到的變量之間的遙相關(guān)和連接。與物理建模集成歷史上物理建模和機(jī)器學(xué)習(xí)常被視為兩個(gè)不同的領(lǐng)域具有非常不同的科學(xué)范式理論驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)。然而實(shí)際上這兩種方法是互補(bǔ)的物理方法原則上直接可解釋并有潛力在觀(guān)測(cè)條件之外進(jìn)行外推而數(shù)據(jù)驅(qū)動(dòng)方法則在適應(yīng)數(shù)據(jù)方面非常靈活能夠發(fā)現(xiàn)意想不到的模式。這兩種方法之間的協(xié)同作用正在引起越來(lái)越多的關(guān)注如基準(zhǔn)測(cè)試計(jì)劃和概念中的涌現(xiàn)約束。從系統(tǒng)建模的角度來(lái)看有五個(gè)潛在的協(xié)同點(diǎn)。圖 3|物理模型和機(jī)器學(xué)習(xí)之間的聯(lián)系。這里描述了物理系統(tǒng)的一部分的抽象——例如地球系統(tǒng)模型。該模型由子模型組成每個(gè)子模型都有參數(shù)和強(qiáng)制變量作為輸入并產(chǎn)生輸出該輸出可以輸入強(qiáng)制到另一個(gè)子模型。正如圓圈數(shù)字所示數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)方法在各種情況下都可能有所幫助。例如標(biāo)記為 2 的圓圈表示混合建模。ML機(jī)器學(xué)習(xí)。改進(jìn)參數(shù)化圓圈1。物理模型需要參數(shù)但許多參數(shù)不能輕易從第一原理推導(dǎo)出來(lái)。機(jī)器學(xué)習(xí)可以學(xué)習(xí)參數(shù)化以最佳描述從詳細(xì)和高分辨率模型生成的地面真實(shí)情況。例如地球系統(tǒng)模型中的植被參數(shù)可以從適當(dāng)?shù)慕y(tǒng)計(jì)協(xié)變量集學(xué)習(xí)而不是依賴(lài)于常見(jiàn)的植被功能類(lèi)型分配。這種方法已經(jīng)在水文學(xué)中進(jìn)行了原型測(cè)試其中環(huán)境變量如降水和地表坡度與集水區(qū)參數(shù)如平均、最小和最大流量的映射從數(shù)千個(gè)集水區(qū)學(xué)習(xí)并應(yīng)用于全球水文學(xué)模型。用機(jī)器學(xué)習(xí)模型替換“物理”子模型圓圈2。如果子模型的公式是半經(jīng)驗(yàn)性的其功能形式?jīng)]有太多理論基礎(chǔ)例如生物過(guò)程則可以在有足夠觀(guān)測(cè)數(shù)據(jù)的情況下用機(jī)器學(xué)習(xí)模型替換該子模型。這會(huì)產(chǎn)生一個(gè)混合模型結(jié)合了物理建模理論基礎(chǔ)、可解釋部分的優(yōu)勢(shì)和機(jī)器學(xué)習(xí)數(shù)據(jù)適應(yīng)性的優(yōu)勢(shì)。例如我們可以將植物中水運(yùn)輸?shù)臄U(kuò)散物理方程與機(jī)器學(xué)習(xí)結(jié)合起來(lái)用于水運(yùn)輸導(dǎo)管生物調(diào)節(jié)的理解不充分的部分。這將產(chǎn)生一個(gè)更“物理”的模型遵循質(zhì)量和能量守恒定律但其生物調(diào)節(jié)部分是從數(shù)據(jù)中學(xué)習(xí)的。分析模型-觀(guān)測(cè)不匹配圓圈3。物理模型與觀(guān)測(cè)之間的偏差可被視為不完美知識(shí)導(dǎo)致的模型誤差假設(shè)沒(méi)有觀(guān)測(cè)偏差。機(jī)器學(xué)習(xí)可以幫助識(shí)別、可視化和理解模型誤差的模式從而相應(yīng)地糾正模型輸出。例如機(jī)器學(xué)習(xí)可以自動(dòng)從數(shù)據(jù)中提取模式識(shí)別物理模型中未明確表示的模式。這種方法有助于改進(jìn)物理模型和理論。約束子模型圓圈4。可以用機(jī)器學(xué)習(xí)算法的輸出驅(qū)動(dòng)一個(gè)子模型而不是另一個(gè)可能有偏差的子模型的離線(xiàn)模擬。這有助于將感興趣子模塊的模型誤差與耦合子模塊的誤差分離開(kāi)來(lái)從而簡(jiǎn)化和減少模型參數(shù)校準(zhǔn)或觀(guān)測(cè)系統(tǒng)狀態(tài)變量同化中的偏差和不確定性。替代建?；蚰M圓圈5。出于計(jì)算效率和可追溯性的原因物理模型的全部或部分模擬可以被有用的模擬器替代。訓(xùn)練后的機(jī)器學(xué)習(xí)模擬器可以在不犧牲精度的情況下比原始物理模型實(shí)現(xiàn)數(shù)量級(jí)更快的模擬。這允許進(jìn)行快速的敏感性分析、模型參數(shù)校準(zhǔn)和估計(jì)置信區(qū)間。例如機(jī)器學(xué)習(xí)模擬器用于替代計(jì)算昂貴的基于物理的輻射傳輸模型這些模型在輻射、植被和大氣之間的相互作用中至關(guān)重要這對(duì)于解釋和同化地表遙感數(shù)據(jù)至關(guān)重要。圖3中的一些概念在廣泛意義上已經(jīng)被采用。例如鏈接3與模型基準(zhǔn)測(cè)試、統(tǒng)計(jì)降尺度和模型輸出統(tǒng)計(jì)相關(guān)。模擬5已在工程和地球科學(xué)的幾個(gè)分支中廣泛采用主要是為了高效建模但可追溯性問(wèn)題尚未得到深入探討。其他路徑如混合建模鏈接2似乎探索得更少。概念上以上討論的混合方法可以解釋為加深神經(jīng)網(wǎng)絡(luò)使其更具物理現(xiàn)實(shí)性其中物理模型置于神經(jīng)網(wǎng)絡(luò)層之上。這與前面討論的相反方法形成對(duì)比即先生成物理模型輸出然后使用額外的機(jī)器學(xué)習(xí)層進(jìn)行校正。我們認(rèn)為追求這兩種整合物理建模和機(jī)器學(xué)習(xí)的方法是值得的。圖3提出了一種將機(jī)器學(xué)習(xí)整合到系統(tǒng)模型中的系統(tǒng)建模視角。作為另一種觀(guān)點(diǎn)系統(tǒng)知識(shí)可以整合到機(jī)器學(xué)習(xí)框架中。這可能包括網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)、優(yōu)化中的物理約束或?qū)η凡蓸佑虻挠?xùn)練數(shù)據(jù)集擴(kuò)展即基于物理的數(shù)據(jù)增強(qiáng)。例如通常所謂的損失函數(shù)如普通最小二乘法懲罰模型-數(shù)據(jù)不匹配它可以修改以避免在湖泊溫度建模中產(chǎn)生物理上不合理的預(yù)測(cè)。物理學(xué)和機(jī)器學(xué)習(xí)模型的結(jié)合不僅可以實(shí)現(xiàn)性能和泛化的改進(jìn)而且更重要的是能納入機(jī)器學(xué)習(xí)模型的一致性和可信度。最近在兩種方法論上的進(jìn)展有望在促進(jìn)機(jī)器學(xué)習(xí)和物理模型的融合方面發(fā)揮作用概率編程和可微編程。概率編程允許以正式但靈活的方式處理各種不確定性方面。適當(dāng)考慮數(shù)據(jù)和模型不確定性以及通過(guò)先驗(yàn)和約束整合知識(shí)對(duì)于最佳結(jié)合數(shù)據(jù)驅(qū)動(dòng)和理論驅(qū)動(dòng)的范式至關(guān)重要包括邏輯規(guī)則。此外誤差傳播在概念上是無(wú)縫的有助于為模型輸出提供良好的不確定性邊界。這一能力目前大部分還缺失?？晌⒕幊逃捎谧詣?dòng)微分可以實(shí)現(xiàn)高效優(yōu)化。這有助于使大型、非線(xiàn)性和復(fù)雜的反演問(wèn)題在計(jì)算上更易處理并且還允許進(jìn)行明確的敏感性評(píng)估從而有助于解釋性。推進(jìn)科學(xué)毫無(wú)疑問(wèn)現(xiàn)代機(jī)器學(xué)習(xí)方法極大地提高了分類(lèi)和預(yù)測(cè)能力。這本身就具有很大的價(jià)值。然而除了統(tǒng)計(jì)預(yù)測(cè)之外數(shù)據(jù)驅(qū)動(dòng)的方法如何能夠提高基本的科學(xué)理解特別是考慮到復(fù)雜的統(tǒng)計(jì)模型的結(jié)果通常難以解釋一個(gè)基本的答案是觀(guān)察幾乎一直是科學(xué)進(jìn)步的基礎(chǔ)。例如哥白尼的發(fā)現(xiàn)是通過(guò)對(duì)行星軌跡的精確觀(guān)察來(lái)推斷和測(cè)試支配它們的定律而實(shí)現(xiàn)的。如今盡管探索、假設(shè)生成和測(cè)試的總體循環(huán)保持不變但現(xiàn)代數(shù)據(jù)驅(qū)動(dòng)科學(xué)和機(jī)器學(xué)習(xí)可以在觀(guān)測(cè)數(shù)據(jù)中提取任意復(fù)雜的模式以挑戰(zhàn)復(fù)雜的理論和地球系統(tǒng)模型。例如基于機(jī)器學(xué)習(xí)的全球光合作用數(shù)據(jù)驅(qū)動(dòng)估算表明氣候模型對(duì)熱帶雨林光合作用的高估。這種不匹配促使科學(xué)家們提出假設(shè)從而更好地描述植被冠層中的輻射傳輸這導(dǎo)致了其他地區(qū)更好的光合作用估算并且與葉片水平觀(guān)測(cè)更一致。相關(guān)的數(shù)據(jù)驅(qū)動(dòng)碳循環(huán)估算使植被模型得以校準(zhǔn)并幫助解釋了高緯度地區(qū)CO2濃度季節(jié)振幅增加的難題根據(jù)這些結(jié)果這是由于高緯度地區(qū)的植被更加旺盛。除了數(shù)據(jù)驅(qū)動(dòng)的理論和模型構(gòu)建提取的模式正越來(lái)越多地被用來(lái)探索改進(jìn)地球系統(tǒng)模型中的參數(shù)化模型模擬器也越來(lái)越多地被用作模型校準(zhǔn)的基礎(chǔ)。通過(guò)這種方式理論與觀(guān)測(cè)之間的科學(xué)互動(dòng)以及假設(shè)生成與理論驅(qū)動(dòng)假設(shè)測(cè)試之間的互動(dòng)將繼續(xù)。這一進(jìn)步不僅體現(xiàn)在提高預(yù)測(cè)精度上更在于促進(jìn)科學(xué)理解。數(shù)據(jù)驅(qū)動(dòng)的分析可以揭示現(xiàn)有模型和理論中的不足從而推動(dòng)新理論的產(chǎn)生和現(xiàn)有理論的改進(jìn)。例如數(shù)據(jù)驅(qū)動(dòng)的方法能夠揭示氣候模型在熱帶雨林光合作用估算中的偏差從而引導(dǎo)科學(xué)家重新審視植被冠層中的輻射傳輸過(guò)程。這種反饋循環(huán)有助于不斷改進(jìn)地球系統(tǒng)模型使其更加準(zhǔn)確和可靠。結(jié)論地球科學(xué)需要處理大量且快速增加的數(shù)據(jù)以提供更準(zhǔn)確、更少不確定性和物理一致性的推斷包括預(yù)測(cè)、建模和理解復(fù)雜的地球系統(tǒng)。機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)提供了構(gòu)建新的數(shù)據(jù)驅(qū)動(dòng)模型的有力工具從而幫助我們更好地理解地球。以下是我們提出的四項(xiàng)主要建議以應(yīng)對(duì)地球系統(tǒng)特有的挑戰(zhàn)并進(jìn)一步推動(dòng)方法論的發(fā)展。image.png500圖 4|將混合建模解釋為通過(guò)在多層神經(jīng)網(wǎng)絡(luò)之后添加一個(gè)或多個(gè)物理層來(lái)深化深度學(xué)習(xí)架構(gòu)使模型在物理上更加真實(shí)。A多層神經(jīng)網(wǎng)絡(luò)n 為神經(jīng)層數(shù)m 為物理層數(shù)。B 和 c 是混合建模的具體示例圖 3 中的圓圈 2。B海面溫度的預(yù)測(cè)其中通過(guò)卷積-反卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)水的運(yùn)動(dòng)場(chǎng)識(shí)別數(shù)據(jù)的特殊性:多源、多尺度、高維度、復(fù)雜的時(shí)空關(guān)系包括變量之間非平凡的和滯后的遠(yuǎn)距離關(guān)系遙相關(guān)需要得到充分的建模。深度學(xué)習(xí)在應(yīng)對(duì)這些數(shù)據(jù)挑戰(zhàn)方面處于有利位置需要開(kāi)發(fā)新的網(wǎng)絡(luò)架構(gòu)和算法以在不同尺度上處理時(shí)空背景見(jiàn)圖4。推斷的可信性和可解釋性:模型不僅應(yīng)當(dāng)準(zhǔn)確還應(yīng)當(dāng)可信包含支配地球系統(tǒng)的物理學(xué)原理。機(jī)器學(xué)習(xí)在地球科學(xué)中的廣泛應(yīng)用將會(huì)得到促進(jìn)如果模型變得更加透明和可解釋其參數(shù)和特征排名應(yīng)具有最小的物理解釋并且模型應(yīng)當(dāng)可以簡(jiǎn)化為或可解釋為一組規(guī)則、描述符和關(guān)系。不確定性估計(jì):模型應(yīng)當(dāng)定義其信心和可信度。貝葉斯/概率推理應(yīng)當(dāng)被集成到模型中因?yàn)檫@樣的推理允許明確表示和傳播不確定性。此外識(shí)別和處理外推是一個(gè)優(yōu)先事項(xiàng)。對(duì)復(fù)雜物理模型的測(cè)試:機(jī)器學(xué)習(xí)的時(shí)空預(yù)測(cè)能力應(yīng)至少與物理模型中觀(guān)察到的模式一致。因此我們建議使用地球系統(tǒng)物理模型生成的合成數(shù)據(jù)測(cè)試機(jī)器學(xué)習(xí)方法的性能。例如圖4b和4c中的模型應(yīng)用于實(shí)際數(shù)據(jù)時(shí)應(yīng)在復(fù)雜物理模型模擬的廣泛動(dòng)態(tài)范圍內(nèi)進(jìn)行測(cè)試。這在訓(xùn)練數(shù)據(jù)有限的情況下尤為重要并有助于評(píng)估外推問(wèn)題?？傮w而言我們建議未來(lái)的模型應(yīng)整合基于過(guò)程和機(jī)器學(xué)習(xí)的方法。數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法不會(huì)取代物理建模而是會(huì)大大補(bǔ)充和豐富它們。具體來(lái)說(shuō)我們?cè)O(shè)想物理和數(shù)據(jù)驅(qū)動(dòng)模型之間的各種協(xié)同效應(yīng)最終目標(biāo)是混合建模方法這些方法應(yīng)遵守物理定律具有概念化且因此可解釋的結(jié)構(gòu)同時(shí)在理論薄弱的地方完全適應(yīng)數(shù)據(jù)。重要的是機(jī)器學(xué)習(xí)研究將受益于自然科學(xué)中推導(dǎo)出的合理物理關(guān)系。特別是在最近進(jìn)展甚少的兩個(gè)主要地球系統(tǒng)挑戰(zhàn)中——大氣對(duì)流的參數(shù)化和生態(tài)系統(tǒng)對(duì)氣候及交互地理因素的時(shí)空依賴(lài)性描述——可以利用本文討論的混合方法來(lái)解決。