在過去的幾十年中，科學(xué)家們主要使用機(jī)器學(xué)習(xí)的方法研究靜態(tài)屬性，例如從本地到全球范圍的土壤屬性分布。后來，通過使用更復(fù)雜的深度學(xué)習(xí)技術(shù)，可以處理更為動態(tài)的過程，例如，可以在同時考慮季節(jié)和短期變化的情況下，量化全球陸地上的光合作用。

地球

馬克斯普朗克生物地球化學(xué)研究所的常務(wù)董事、MSCJ的目錄董事成員Markus Reichstein是這篇論文的第一作者，他解釋說：“通過傳感器，大量的地球系統(tǒng)數(shù)據(jù)已經(jīng)出現(xiàn)，但到目前為止，我們在分析和解釋方面一直落后。”論文的共同作者、MSCJ成員、德國耶拿大學(xué)計算機(jī)視覺小組的Joachim Denzler補充表示：“這讓深度學(xué)習(xí)成了一種有前途的工具，超越了經(jīng)典的機(jī)器學(xué)習(xí)應(yīng)用，如圖像識別、自然語言處理或AlphaGo等。”應(yīng)用的例子是火災(zāi)蔓延或颶風(fēng)等極端事件，這些事件受到當(dāng)?shù)貤l件影響，過程非常復(fù)雜，它也適用于大氣和海洋運輸、土壤運動和植被動態(tài)等一系列地球系統(tǒng)科學(xué)的經(jīng)典主題。

但是，深度學(xué)習(xí)方法很難，所有數(shù)據(jù)驅(qū)動和統(tǒng)計的方法本身并不保證物理一致性，而是高度依賴于數(shù)據(jù)質(zhì)量，并且可能在外推時遇到困難，此外，對數(shù)據(jù)處理和存儲容量的要求也非常高。該論文探討了所有這些要求和障礙，并制定了有效地將機(jī)器學(xué)習(xí)與物理建模相結(jié)合的策略，如果將兩種技術(shù)結(jié)合在一起，則可以創(chuàng)建出混合模型。例如，它們可被用于模擬海水的運動以預(yù)測海面溫度，雖然溫度是物理模擬的，但海水運動則是使用了機(jī)器學(xué)習(xí)的方法。Markus Reichstein進(jìn)一步解釋說：“我們的想法是結(jié)合兩方面的優(yōu)勢，利用物理模型的一致性和機(jī)器學(xué)習(xí)的多樣性，以獲得大幅度改進(jìn)的模型。”