東北地理所在耦合多源數(shù)據(jù)、機器學(xué)習(xí)和過程模型的研究中取得進展
在氣候變化與人類活動雙重壓力下，水質(zhì)問題日益嚴峻。傳統(tǒng)監(jiān)測手段存在局限，中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所水環(huán)境健康與模擬學(xué)科組在綜述性研究中提出，融合遙感（RS）、機器學(xué)習(xí)（ML）與過程模型（PBMs）的綜合方法，提升監(jiān)測精度與智能化管理水平，拓展時空覆蓋，降低成本，并支持科學(xué)決策。
本研究通過文獻綜述，系統(tǒng)研究梳理了遙感、機器學(xué)習(xí)、過程模型在水質(zhì)監(jiān)測與預(yù)測中的優(yōu)勢和不足，指出它們分別具備大范圍觀測、智能預(yù)測和機理模擬等優(yōu)勢，但也存在分辨率權(quán)衡、數(shù)據(jù)依賴性強、計算開銷大等局限；同時回顧了現(xiàn)有的集成探索，如：RS + ML、PBMs + ML,雖然在復(fù)雜參數(shù)反演、模型校準等方面有所改進，但仍面臨“黑箱”屬性突出、對數(shù)據(jù)質(zhì)量依賴度高等挑戰(zhàn)。基于此，文章提出了一種綜合框架，通過多源遙感觀測擴展過程模型（PBMs）與機器學(xué)習(xí)（ML）的數(shù)據(jù)基礎(chǔ)，借助過程模型的機理約束提升機器學(xué)習(xí)的預(yù)測可靠性，同時利用機器學(xué)習(xí)優(yōu)化遙感數(shù)據(jù)與過程模型的校準和預(yù)測精度。該框架實現(xiàn)了“多源數(shù)據(jù)—機理建模—智能預(yù)測和管理”的融合范式，不僅彌補了單一及雙技術(shù)集成的局限，還提升了水質(zhì)監(jiān)測的效率、準確性、可解釋性與智能化水平，為全球水治理中的科學(xué)決策提供新支撐。
圖1. 耦合多源數(shù)據(jù)、機器學(xué)習(xí)與過程模型的水質(zhì)監(jiān)測、預(yù)測、管理協(xié)同框架圖
圖2. 遙感技術(shù)、機器學(xué)習(xí)和過程模型集成的概念圖
研究成果以題為《Advancing Water Quality Management: Harnessing the Synergy of Remote Sensing,Process-Based Models,and Machine Learning to Enhance Monitoring and Prediction》，近期發(fā)表于Remote Sensing（影響因子IF=4.1），由水環(huán)境健康與模擬組的碩士研究生汪培鑫（第一作者）、特別研究助理鞠含俞以及張敬杰研究員（通訊作者）等共同完成。研究得到了國家自然科學(xué)基金面上項目以及國際(地區(qū))合作與交流項目（42471089，4231101419）、吉林省國際科技合作項目（20240402026GH）及吉林省青年人才托舉工程（QT202330）的資助。
論文信息及鏈接如下：
Wang P,Zou S,Li J,Ju H,Zhang J. Advancing Water Quality Management: Harnessing the Synergy of Remote Sensing,Process-Based Models,and Machine Learning to Enhance Monitoring and Prediction. Remote Sensing. 2025;17(18):3157. https://doi.org/10.3390/rs17183157
附件下載：
吉公網(wǎng)安備22017302000214號
