在人工智能的帮助下，科学家可以更好地描述飓风、野火蔓延和植被变化等复杂的动态过程。随着新模型将人工智能和物理建模结合起来，气候和地球系统模型将得到改进。
在过去的几十年中，科学家主要利用机器学习方法研究事物的静态属性，比如从局地到全球尺度上的土壤性质分布情况。一段时间以来，通过使用更加复杂的深度学习技术，处理更多动态过程成为可能，比如在同时考虑季节和短期变化的情况下，可以量化全球陆地上植被的光合作用过程。
“人类利用大量的传感器获取到关于地球系统的大量数据，但到目前为止，我们在分析和解释这些数据上仍然非常落后。”该研究第一作者马库斯·赖希斯坦说。
这些地方正是深度学习技术大有可为之处，并且可以超越图像识别、自然语言处理或AlphaGo等经典的机器学习应用范畴，比如利用人工智能来预测林火或飓风等极端事件。这些复杂过程不仅受局地条件的影响，而且受时空背景变化的影响。此外，深度学习也可以应用于大气和海洋热量传输、土壤运动和植被动态等一些地球系统科学研究的经典主题。
科学家研发出一种新方法，将机器学习和物理建模有效结合起来创建混合模型。这种混合模型可用于模拟海水运动，以预测海表温度。其中，海表温度通过物理建模进行模拟，而海水运动则通过机器学习进行分析，这样可以极大地改善模型的性能。研究者表示，极端事件的监测和早期预警，以及季节性和长期气候预测，将极大地受益于深度学习和混合建模方法。
京公网安备 11010502049343号