最近跟学生讨论融合把数据驱动的模型（机器学习，或者统计模型）跟传统的机理模型结合的问题。大意如下：

（1）     我们都知道，模型是现实的简化，它不可能代表真实的世界，真实的世界远比模型复杂。这就带来一个问题：模型的不确定性，就是算不准的问题。很多模型虽然通过调参，可以模拟得很好，但是对未来的预测，或者对新数据的解释，往往不尽如人意。这就是当前的主要问题，模型可以用来发表文章，但是不能做预报。

（2）     模型的不确定性来自三个方面：模型结构、模型参数、模型输入。模型结构过于简化，不能反映实际情况，导致计算出来有偏差；不是所有的模型参数都来自实验观测，多数是从实验数据反推过来（率定，Calibration），参数不准确，也会带来计算结果的偏差；模型输入，基本是气象因子，光照温度降水等气象要素，每时每刻都在变化，也是每时每刻都在影响作物生长，但是我们的模型简化到一天一个平均值，或者比较详细的，每小时一个气象因子（一般是插值出来），这样也会带来误差。

（3）     在实际工作中，如气象局，他们的气象业务中，用到模型。也有很多觉得模型不准，而用统计模型。统计模型可以说是经验模型，它是根据当地的数据，用简单的相关或者多元回归建立。事实上，它捕捉到了作物产量与主要影响因子的关系。但是经验模型只适用于当地，离开这个地方，作物-环境关系改变了，这个经验关系也变化。

（4）     能否把传统模型与数据驱动的统计模型结合起来？类似于数据同化方法，传统模型有它的作用，它基本上体现了作物生长的主要限制因子，统计模型的优势在于，传统模型没有包括的情况，它可以弥补，如水稻的冷害（在水稻开花期遇到低温冷害，空瘪粒增加，产量降低），如黄淮海小麦灌浆期遇到干热风，成熟提前，减产。

（5）     我们现在可能走到一个十字路口，不能沿着传统的方向往前走了，把国外的模型拿过来，用我们的实验数据检验一下，然后做些分析，就发表一些论文。而常常是，模型的检验不是找模型的问题，是找自己的问题。模型检验不了，不去怪模型不合适，而是去自责模型没有调好。这样的工作，即使发表也没有多大的价值。我们需要重新审视传统作物模型能做什么，不能做什么。

（6）     如果有一天，数据的采集非常容易，过去需要计算的量，如叶水势，如光合速率，都直接观测了，那么模型就没有必要包括这一块（未知的变量成为已知的变量）。当数据足够多的时候，这些数据经历了各种环境情况，那么通过机器学习就可以把作物产量和环境的因子的关系建立起来。这样传统的模型根本就不需要了。最近接触几个公司，他们的数据在很快积累。大约5-10年，核心技术是数据和数据分析方法，而不是传统的作物模型。

（7）     现在需要思考的，是我们当前能够用的有哪些新的、大的数据？

附上我的博士生冯璞玉最近发表的几篇相关论文，可以在www.agrivy.com上全文下载：

1. Feng, P.Y., Wang, B., Liu, D.L., Waters, C., Yu, Q.*, 2019. Incorporating machine learning with biophysical model can improve the evaluation of climate extremes impacts on wheat yield in south-eastern Australia. Agricultural and Forest Meteorology, 275: 100-113. Impact Factor:4.039

2. Feng, P.Y.*, Liu, D.L., Wang, B., Waters, C., Zhang, M.X., Yu, Q., 2019. Projected changes in drought across the wheat belt of south-eastern Australia using a downscaled climate ensemble. International Journal of Climatology, 39(2):1041-1053. Impact Factor: 3.100

3. Feng, P.Y., Wang, B., Liu, D.L., Yu, Q.*, 2019. Machine learning-based integration of remotely-sensed drought factors can improve the estimation of agricultural drought in south-eastern Australia. Agricultural Systems, 173: 303-316. Impact Factor: 3.004