譯者：沿邊殺手居的小蛇
原文：https://www.sciencedaily.com/releases/2019/02/190214115551.htm
(圖解：氣候引發(fā)的二氧化碳變化：這些不同的顏色表現(xiàn)了在厄爾尼諾現(xiàn)象發(fā)生的年份二氧化碳的異常變化。數(shù)據(jù)來自于通量觀測網(wǎng)(FLUXNET)并經(jīng)過人工智能優(yōu)化。其中紅色為輻射異常，綠色為溫度異常，藍色為水質(zhì)異常。)
一項德國耶拿[1]和漢堡[2]科學家在《自然》雜志發(fā)起的研究表明，人工智能可以有效地推進我們對于地球氣候系統(tǒng)的理解。特別是在當前深度學習的潛力還未被完全開發(fā)的情況下。在人工智能的幫助下一些復雜的動態(tài)環(huán)境，如颶風，森林火災，植被生長能夠被更好的研究和解釋。作為結(jié)果，在使用人工智能的情況下地球氣候系統(tǒng)模型會得到進一步的提升，再與物理模型相結(jié)合。
在過去數(shù)十年里大部分統(tǒng)計資料的處理是通過機器學習，例如本地與全球的土壤性質(zhì)與分布。而近段時間，通過使用更復雜的深度學習技術，我們可以更加動態(tài)的處理這些數(shù)據(jù)。例如，這允許我們在考慮季節(jié)和短期變化的情況下，量化全球陸地上的光合作用。
從數(shù)據(jù)到規(guī)律
Markus Reichstein說“大量的傳感器已經(jīng)幫我們接收到了大量的地球環(huán)境系統(tǒng)數(shù)據(jù)，但到目前為止，我們在分析和解釋數(shù)據(jù)方面一直有所欠缺”。生物地球化學研究所的常務董事同樣也是該書的第一作者，Max Planck說 ”這使得深度學習技術成為一種具有巨大潛力的的工具，超越了傳統(tǒng)的機器學習應用，如圖像識別、自然語言處理或 alphago下棋機器人“。
來自弗里德里希席勒大學(FSU)計算機視覺小組的合著者Joachim Denzler和MSCJ(Michael-Stifel-Center Jena)的成員補充說在極端事件下，分析這些問題的過程非常復雜，不光受當?shù)貤l件的影響，也受其時空背景的影響，如火災蔓延或颶風。這也適用于大氣和海洋運輸、地質(zhì)活動和植被動力學等一些地球系統(tǒng)科學的經(jīng)典課題。
人工智能改善氣候和地球系統(tǒng)模型
然而深度學習的方法是非常困難的，在數(shù)據(jù)質(zhì)量參差不齊的情況下，所有依靠數(shù)據(jù)和統(tǒng)計驅(qū)動的分析方法很難保證自身的一致性，并且有可能遇到推廣方面的困難。此外，該方法對于數(shù)據(jù)處理和存儲容量也有很高的要求。本文討論了所有這些技術障礙并且并制定了一個策略可以將機器學習與物理建模有效的相結(jié)合。
當這兩種技術結(jié)合在一起，我們就創(chuàng)建了所謂的混合模型。它們可以通過模擬海水的運動來預測海面溫度。當對溫度進行物理模擬時，海水的運動由機器學習方法表示。Markus Reichstei 說”這個新型模型融合了兩個模型中的優(yōu)點，即物理模型的一致性和機器學習的多功能性".
科學家們認為，對極端事件的探測和預警，以及對天氣和氣候的季節(jié)性和長期預測和預測，都將從所討論的深度學習和混合建模方法中獲益匪淺。
文章來源：弗里德里希席勒大學(FSU)提供的材料
周刊引用：Markus Reichstein, Gustau Camps-Valls, Bjorn Stevens, Martin Jung, Joachim Denzler, Nuno Carvalhais, Prabhat. Deep learning and process understanding for data-driven Earth system science. Nature, 2019; 566 (7743): 195 DOI: 10.1038/s41586-019-0912-1
譯者注：[1]、[2]為德國地名
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
