如何自动为用户（尤其是非专家用户）根据其实际应用场景推荐出空间推测所适用的环境变量集，是智能化地理建模中的一个重要应用问题。

我们组之前对此分别提出过两种案例推理策略，一个是案例级别上的最相似案例策略：

Liang P, Qin C-Z*, Zhu A-X, Zhu T-X, Hou Z-W, Fan N-Q, Wang Y-J. Using the most similar case method to automatically select environmental covariates for predictive mapping. Earth Science Informatics, 2020, 13(3): 719-728.

还有一个是在单一变量级别上的二分类策略：

Liang P, Qin C-Z*, Zhu A-X, Hou Z-W, Fan N-Q, Wang Y-J. A case-based method of selecting covariates for digital soil mapping. Journal of Integrative Agriculture, 2020, 19(8): 2127-2136. （参见之前的博文“数字土壤制图中环境变量的自动选择方法”）

后来我们对两种策略进行了对比评价，发现各有优缺点：案例级别上的最相似案例策略，是对最相似案例所用的环境变量集照单全收，不考虑中间不同环境变量的重要性（或是对于新问题的适用性）很可能是不同的；而单一变量级别上的二分类策略，逐一判断每个可能得环境变量的适用性，但忽略了若干环境变量间可能存在互相依赖（比如需配合使用）或是互相可替代的问题。这篇对比评价文章发在《Transactions in GIS》上。

（见之前的博文“数字土壤制图中自动选择环境变量的案例推理策略对比”；Liang P, Qin C-Z*, Zhu A-X. Comparison on two case-based reasoning strategies of automatically selecting terrain covariates for digital soil mapping. Transactions in GIS, 2021, 25(5): 2419-2437. DOI:10.1111/TGIS.12831.）

两年前冬天时忽然想到正好两个策略可以优势互补，两个策略结合，模拟一个综合投票的过程，这样可以形成一个整合案例级与环境变量级推理的策略。

想到这个思路后交给学生去做实验、迭代方法设计、整理结果、写文章、投稿修改...终于上个月正式接收、这个月在《Annals of GIS》上在线出版了。

Wang Y-J, Qin C-Z*, Liang P, Zhu L-J, Chen Z-Y, Wu C-L, Zhu A-X. A case-based reasoning strategy of integrating case-level and covariate-level reasoning to automatically select covariates for spatial prediction. Annals of GIS, 2024. doi:10.1080/19475683.2024.2324398.

当时有这个思路时，觉得已经有方法和数据基础，应该一年可以投稿完到差不多接收发表，没想到中间和学生反复改文章过程花了很久，导致预估时间实际翻倍，还好虽迟但到。

本来开始写这篇博文时还觉得对于自动确定空间推测所需环境变量集的案例推理策略方法研究可以告一段落了，该继续补另一方面的方法问题研究，不成想写到一半又想出了一个延续的案例推理策略问题和思路，再安排学生试验一下，看看这回多久能发出来——一年、一年半？还好不指望着这篇文章做项目结题或是学生毕业用：）