深圳先進(jìn)院空間信息團(tuán)隊(duì)在數(shù)據(jù)驅(qū)動(dòng)和機(jī)理建模不確定性研究中取得新進(jìn)展
物理過程驅(qū)動(dòng)的機(jī)理模型和數(shù)據(jù)驅(qū)動(dòng)的智能學(xué)習(xí)模型是系統(tǒng)計(jì)算建模的兩類基本范式。機(jī)理模型通過抽象現(xiàn)實(shí)世界的生物物理機(jī)制,定量計(jì)算系統(tǒng)內(nèi)部各因子動(dòng)態(tài)交互過程,具有相對(duì)穩(wěn)定的模型表現(xiàn),一直以來是科學(xué)研究的核心范式。近年來,隨著海量多源數(shù)據(jù)的不斷生產(chǎn)和豐富,數(shù)據(jù)驅(qū)動(dòng)的智能學(xué)習(xí)模型得到迅猛發(fā)展。學(xué)習(xí)模型通過學(xué)習(xí)推理變量間的隱式關(guān)系,可以跳過對(duì)未知物理機(jī)制的解析直接建模,在訓(xùn)練數(shù)據(jù)充足的情況下具有較高的模擬精度和計(jì)算效率。兩類計(jì)算建模范式在不同研究領(lǐng)域得到了大量應(yīng)用實(shí)踐,但不同建模范式在復(fù)雜系統(tǒng)模擬研究中的一致性和不確定性仍待深入探索。
近日,中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院數(shù)字所空間信息研究中心陳勁松研究員團(tuán)隊(duì)在農(nóng)林科學(xué)領(lǐng)域國(guó)際權(quán)威期刊Field Crops Research(中科院1區(qū)TOP)上發(fā)表了題為Consistency and uncertainty of remote sensing-based approaches for regional yield gap estimation: A comprehensive assessment of process-based and data-driven models的研究論文,該論文全面對(duì)比分析了機(jī)理驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)兩種建模范式在大尺度農(nóng)業(yè)系統(tǒng)模擬研究中的一致性和不確定性,揭示了模型不確定性在復(fù)雜系統(tǒng)多變量模擬中的層級(jí)傳播機(jī)制,提出基于多模態(tài)數(shù)據(jù)融合與像元級(jí)動(dòng)態(tài)智能計(jì)算的大尺度農(nóng)業(yè)生產(chǎn)潛力評(píng)估方案。數(shù)字所助理研究員王靖雯為論文第一作者,陳勁松研究員為通訊作者。
農(nóng)業(yè)系統(tǒng)是自然要素和人為干預(yù)強(qiáng)烈交互作用下形成的復(fù)雜系統(tǒng)。隨著全球氣候變化、地區(qū)沖突頻發(fā)和資源約束加劇,糧食安全和農(nóng)業(yè)系統(tǒng)可持續(xù)發(fā)展受到廣泛重視。在大區(qū)域尺度準(zhǔn)確模擬農(nóng)業(yè)系統(tǒng)中作物實(shí)際產(chǎn)量(actual yield, Ya)與潛在產(chǎn)量(exploitable potential yield, Ye)之間的產(chǎn)量差距(yield gap, YG)對(duì)于揭示現(xiàn)有耕地的糧食增產(chǎn)潛力、保障未來糧食安全具有重要意義。
研究人員基于多模態(tài)衛(wèi)星遙感、氣象觀測(cè)和地面調(diào)查數(shù)據(jù)融合和信息挖掘技術(shù),提出大尺度農(nóng)業(yè)系統(tǒng)的像元級(jí)動(dòng)態(tài)模擬框架,突破了傳統(tǒng)站點(diǎn)模擬的空間升尺度限制。在此框架下,對(duì)比分析了不同建模范式對(duì)農(nóng)業(yè)系統(tǒng)生產(chǎn)潛力模擬精度的影響,闡述了不同建模范式的不確定性來源及其在實(shí)際產(chǎn)量、潛在產(chǎn)量和產(chǎn)量差模擬中的疊加傳播機(jī)制。結(jié)果表明,像元級(jí)機(jī)理過程建模是區(qū)域農(nóng)業(yè)系統(tǒng)生產(chǎn)潛力模擬的可靠方法,同時(shí)強(qiáng)調(diào)了采用更細(xì)粒度代表性觀測(cè)數(shù)據(jù)集來訓(xùn)練智能學(xué)習(xí)模型的必要性。研究闡明了不同建模范式在農(nóng)業(yè)系統(tǒng)生產(chǎn)潛力模擬中的優(yōu)勢(shì)和不確定性,揭示了大尺度農(nóng)業(yè)系統(tǒng)的增產(chǎn)熱點(diǎn)區(qū)域,并對(duì)于推動(dòng)農(nóng)業(yè)系統(tǒng)模型發(fā)展和保障糧食安全具有重要意義。
該論文還入選中國(guó)科學(xué)院機(jī)構(gòu)學(xué)術(shù)榜單當(dāng)月高關(guān)注論文。

研究提出的像元級(jí)農(nóng)業(yè)系統(tǒng)生產(chǎn)潛力遙感評(píng)估框架,以及嵌入不同模型范式的對(duì)比結(jié)果。

不同模型范式模擬水稻實(shí)際產(chǎn)量的空間對(duì)比驗(yàn)證,(a)基于過程模型(Process-based model, PB model)模擬的產(chǎn)量空間分布,(b)基于學(xué)習(xí)模型(Machine learning model, ML model)模擬的產(chǎn)量空間分布。
不同模型范式模擬水稻實(shí)際產(chǎn)量的地面驗(yàn)證結(jié)果,(a)學(xué)習(xí)模型(校正前),(b)學(xué)習(xí)模型(校正后)和(c)過程模型。
附件下載: