||
应很多老师和同学的要求,我们将“基于人工智能的地球物理参数反演范式理论及判定条件”细化写成了中文版本。感谢“智慧农业”期刊主编和编辑在得知我们的研究成果后,与我们约稿,并对论文进行了最快的审稿和编辑,并安排了电子版首发,从而尽快推动人工智能在我国地学和农学方面的应用,推动交叉学科的发展。PDF版本下载:基于人工智能的地球物理参数反演范式理论及判定条件.pdf
虽然这篇论文是我们做了近20年参数反演后的心得和研究成果,但有些地方描述不见得十分准确,交叉学科新体系的形成需要大家各抒己见,请大家多批评指正,不妥的地方请多包涵。如果大家觉得我们这篇论文对你们的工作有启发,请指导学生写相关人工智能的论文时,把我们这篇论文以及这篇中的主要参考文献引用上,谢谢!
引用格式:毛克彪, 张晨阳, 施建成, 王旭明, 郭中华, 李春树, 董立新, 吴门新, 孙瑞静, 武胜利, 姬大彬, 蒋玲梅, 赵天杰, 邱玉宝, 杜永明, 徐同仁. 基于人工智能的地球物理参数反演范式理论及判定条件[J].智慧农业(中英文), 2023,5(02): 1-11. DOI:10.12133/j.smartag.SA202304013
MAO Kebiao, ZHANG Chenyang, SHI Jiancheng, WANG Xuming, GUO Zhonghua, LI Chunshu, DONG Lixin, WU Menxin, SUN Ruijing, WU Shengli, JI Dabin, JIANG Lingmei, ZHAO Tianjie, QIU Yubao, DU Yongming, XU Tongren. The Paradigm Theory and Judgment Conditions of Geophysical Parameter Retrieval Based on Artificial Intelligence[J]. Smart Agriculture, 2023, 5(02): 1-11. DOI:10.12133/j.smartag.SA202304013 (in Chinese with English abstract)
摘要:人工智能(Artificial Intelligence)技术在学术领域和工程应用掀起了研究高潮,在地球物理参数和农业气象遥感参数反演方面也表现出了强大的应用潜力。目前大部分人工智能技术在地学和农学的应用还是“黑箱”,应用没有物理意义或缺乏可解释性及通用性。本研究提出基于人工智能耦合物理和统计方法的地球物理参数反演范式理论,即先基于物理能量平衡方程进行物理逻辑推理,从理论上构造反演方程组,然后基于物理推导构建泛化的统计方法。通过物理模型模拟获得物理方法的代表性解以及利用多源数据获得统计方法代表性的解作为深度学习的训练和测试数据库,最后利用深度学习进行优化求解。判定形成具有通用性和物理可解释的范式条件包括:(1)输入与输出变量(参数)之间必须存在因果关系;(2)输入和输出变量(参数)之间理论上可以构建闭合的方程组(未知数个数少于或等于方程组个数),也就是说输出参数可以被输入参数唯一确定。如果输入参数(变量)和输出参数(变量)之间存在很强的因果关系,则可以直接使用深度学习进行反演。如果输入参数和输出参数之间存在弱相关性,则需要添加先验知识来提高输出参数的反演精度。此外,本研究以农业遥感中的关键参数地表温度、发射率、近地表空气温度和大气水汽含量联合反演作为案例对理论进行了证明,分析结果表明本理论是可行的,并且可以辅助卫星传感器波段组合优化设计。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-8-17 21:57
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社