深度学习融合遥感大数据的陆地水文数据同化:进展与关键科学问题 |
| |
引用本文: | 黄春林,侯金亮,李维德,顾娟,张莹,韩伟孝,王维真,温小虎,朱高峰.深度学习融合遥感大数据的陆地水文数据同化:进展与关键科学问题[J].地球科学进展,2023(5):441-452. |
| |
作者姓名: | 黄春林 侯金亮 李维德 顾娟 张莹 韩伟孝 王维真 温小虎 朱高峰 |
| |
作者单位: | 1. 中国科学院西北生态环境资源研究院,甘肃省遥感重点实验室;2. 兰州大学数学与统计学院;3. 兰州大学资源环境学院;4. 中国科学院西北生态环境资源研究院,内陆河流域生态水文重点实验室 |
| |
基金项目: | 国家自然科学基金项目“深度学习融合遥感大数据的陆地水文数据同化理论、方法与集成技术”(编号:42130113)资助~~; |
| |
摘 要: | 以深度学习为核心的数据驱动方法逐步应用于地球科学领域,但这类方法在模型的可解释性和物理一致性等方面还存在挑战。在遥感大数据背景下,如何结合深度学习和数据同化方法,发展陆地水循环过程模拟与预报的新技术和新方法成为地球科学领域的重要研究方向。重点梳理了近年来深度学习在改善陆地水循环要素观测数据质量以及深度学习如何减少物理模型不确定性方面的最新进展,从观测、模型和系统集成3个方面凝练出深度学习融合遥感大数据的陆地水文数据同化研究的关键科学问题:(1)深度学习反演遥感产品时,如何增强样本的时空代表性?(2)如何发展数据同化框架下物理导引的深度学习新方法?(3)如何通过“数据—模型”双驱动提升陆地水循环的可预报性?开展相关研究和探索将有助于推动“数据—模型”混合建模方法在水文领域的深入应用,提高陆地水循环过程的模拟和预测能力。
|
关 键 词: | 深度学习 遥感大数据 数据同化 水循环 |
|
|