研讨会回放｜议题2-机器学习在地球科学领域的应用

随着计算机性能的提高和大数据时代的到来，机器学习不断发展完善，成为科学研究的重要技术手段。在水文领域，机器学习常与卫星遥感、地表观测和模型数据相结合，用于水文过程模拟、灾害预测、水资源管理等研究。然而在应用机器学习方法等过程中，不同数据源的融合、不平衡数据问题、低信噪比数据以及机器学习本身的黑箱问题都给机器学习在水文领域的应用带来挑战。

本议题为“机器学习在地球科学领域的应用”，共有4个报告(部分征得报告人同意发布录屏），逐报告录屏可以在此回看，议题总报告和问答讨论可以点击阅读原文跳转B站查看。

基于LSTM的双偏振雷达雨滴谱反演模型研究

朱净萱（南京师范大学）

邮箱：catar1213@foxmail.com

用机器学习揭示香港海域水质时空变化规律及其驱动力

于江（北京大学）

邮箱：yujiangcoe@pku.edu.cn

基于时空综合相似性的流域GRU径流预测模型迁移性研究

闵祥强（南京师范大学）

邮箱：minxiangqiang1@163.com

Significance of driving factors in data driven models for simulating groundwater dynamics（优秀报告）

井昊（南方科技大学/哈尔滨工业大学）

邮箱：Jingh2017@mail.sustech.edu.cn

（欢迎邮件联系报告人获取更多信息）

总结：

本次研讨会四个关于机器学习在地球科学领域应用的报告，从不同角度探讨了机器学习在降水过程、径流预测、地下水监测及水质变化中的应用。研究深入探讨了利用深度学习方法建立水文气象变量关系，分析时空变化规律及驱动力，同时对机器学习的可解释性以及在资料缺失或匮乏地区的应用进行了研究。报告揭示了机器学习方法在水科学研究中的重要价值，但其在应用中面临的挑战仍需进一步探索。

联系方式：

· 召集人：尹高虹（东京大学）

· 邮箱：yingaohong@gmail.com

· Hydro90：hydro90@126.com

· 本期编辑：徐源浩、王学为