房價(jià)預(yù)測(cè)/礦藏勘探/自然災(zāi)害預(yù)測(cè)……AI助力地球科學(xué)革新，浙大/清華/Google Research

地球科學(xué)作為一個(gè)高度跨學(xué)科的領(lǐng)域，正在經(jīng)歷一場(chǎng)由 AI 引領(lǐng)的重大變革?；仡?2024 年，研究人員在智慧城市建設(shè)、房價(jià)預(yù)測(cè)、海洋生態(tài)建模、地面沉降預(yù)測(cè)、洪水預(yù)測(cè)、山體滑坡預(yù)測(cè)、礦物預(yù)測(cè)等方面取得了一系列突破性成果。這些研究不僅展現(xiàn)了 AI 在處理復(fù)雜地球系統(tǒng)問題中的強(qiáng)大潛力，也為全球可持續(xù)發(fā)展提供了創(chuàng)新性解決方案。

本期文章，HyperAI超神經(jīng)聚焦 AI 在地球科學(xué)領(lǐng)域的研究，為大家精選了 2023—2024 年期間解讀的 15 篇前沿論文，深入了解 AI 如何驅(qū)動(dòng)地球科學(xué)的未來發(fā)展。
01、論文題目：A neural network model to optimize the measure of spatial proximity in geographically weighted regression approach: a case study on house price in Wuhan, 2024.04

中文解讀：精準(zhǔn)預(yù)測(cè)武漢房價(jià)！浙大GIS實(shí)驗(yàn)室提出osp-GNNWR模型：準(zhǔn)確描述復(fù)雜空間過程和地理現(xiàn)象

研究內(nèi)容：浙江大學(xué) GIS 重點(diǎn)實(shí)驗(yàn)室通過引入優(yōu)化的空間鄰近度指標(biāo)并將其融入神經(jīng)網(wǎng)絡(luò)架構(gòu)，提升了模型對(duì)房價(jià)預(yù)測(cè)的準(zhǔn)確性。
02、論文題目：OceanGPT: A Large Language Model for Ocean Science Tasks, 2024.05

中文解讀：入選ACL 2024！浙大推出首個(gè)海洋大語言模

OceanGPT，水下具身智能成現(xiàn)實(shí)

研究內(nèi)容：浙江大學(xué)團(tuán)隊(duì)提出首個(gè)海洋領(lǐng)域大語言模型

OceanGPT，該模型可根據(jù)海洋學(xué)家的指令回答問題，在各種海洋科學(xué)任務(wù)中表現(xiàn)出較高的專業(yè)知識(shí)，還在海洋工程方面獲得了初步具身智能能力。

03、論文題目：Machine learning-based techniques for land subsidence simulation in an urban area, 2024.02

中文解讀：警惕城市「慢性病」：中南大學(xué)柳建新教授團(tuán)隊(duì)，用 AI 預(yù)測(cè)未來 40 年的地面沉降風(fēng)險(xiǎn)

研究內(nèi)容：中南大學(xué)柳建新教授團(tuán)隊(duì)，聯(lián)合廣東省地質(zhì)環(huán)境監(jiān)測(cè)總站、廣東省第四地質(zhì)大隊(duì)、科特迪瓦博瓦尼大學(xué)，使用極端梯度提升回歸與長短期記憶網(wǎng)絡(luò)，建立了地面沉降智能化預(yù)測(cè)模型。

04、論文題目： Landslide mapping based on a hybrid CNN-transformer network and deep transfer learning using remote sensing images with topographic and spectral features, 2024.02

中文解讀：遷移學(xué)習(xí)幫大忙！成都理工大學(xué)搭建 SCDUNet++ 模型進(jìn)行滑坡測(cè)繪

研究內(nèi)容：成都理工大學(xué)的研究人員提出了一個(gè)名為 SCDUNet++ 的語義分割模型，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和 Transformer 的優(yōu)勢(shì)，有效開展滑坡測(cè)繪工作。

05、論文題目：Landslide susceptibility modeling by interpretable neural network, 2023.05

中文解讀：變透明的黑匣子：UCLA 開發(fā)可解釋神經(jīng)網(wǎng)絡(luò) SNN 預(yù)測(cè)山體滑坡

研究內(nèi)容：加利福尼亞大學(xué)洛杉磯分校的研究人員開發(fā)了一種可疊加神經(jīng)網(wǎng)絡(luò) (SNN)，能更好地分析自然災(zāi)害中的影響因素，進(jìn)一步提高了滑坡風(fēng)險(xiǎn)的預(yù)測(cè)能力。

06、論文題目：Global prediction of extreme floods in ungauged watersheds, 2024.03

中文解讀：擊敗全球 No.1 系統(tǒng)、覆蓋 80+ 國家，谷歌洪水預(yù)測(cè)模型再登 Nature

研究內(nèi)容：Google Research 團(tuán)隊(duì)開發(fā)了一個(gè)基于機(jī)器學(xué)習(xí)的河流預(yù)報(bào)模型，該模型能夠提前 5 天實(shí)現(xiàn)對(duì)洪水的可靠預(yù)測(cè)，在對(duì) 5 年一遇的洪水事件進(jìn)行預(yù)測(cè)時(shí)，性能優(yōu)于或相當(dāng)于目前預(yù)測(cè) 1 年一遇的洪水事件，系統(tǒng)可覆蓋 80 多個(gè)國家。

07、論文題目：Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of fourier analysis and transformer networks, 2024.09

中文解讀：深度學(xué)習(xí)對(duì)抗海洋赤潮危機(jī)！浙大GIS實(shí)驗(yàn)室提出ChloroFormer模型，可提前預(yù)警海洋藻類爆發(fā)

研究內(nèi)容：浙江大學(xué) GIS 實(shí)驗(yàn)室的研究人員提出了一種全新的深度學(xué)習(xí)預(yù)測(cè)模型 ChloroFormer，該模型可以有效預(yù)測(cè)海洋有害藻華中的葉綠素 a 濃度，為藻華預(yù)警提供重要信息。

08、論文題目：Enhancing mineral prospectivity mapping with geospatial artificial intelligence: A geographically neural network-weighted logistic regression approach, 2024.04

中文解讀：優(yōu)于五大先進(jìn)模型，浙江大學(xué)杜震洪團(tuán)隊(duì)提出 GNNWLR 模型：提升成礦預(yù)測(cè)準(zhǔn)確性

研究內(nèi)容：浙江大學(xué)的研究團(tuán)隊(duì)提出了一種新的地理空間人工智能方法——地理神經(jīng)網(wǎng)絡(luò)加權(quán)邏輯回歸 (GNNWLR)，該模型不但能夠大幅提升礦物預(yù)測(cè)的準(zhǔn)確性，并且能夠在復(fù)雜的空間場(chǎng)景中提升礦物預(yù)測(cè)的可解釋性。

09、論文題目：Implicit learning of convective organization explains precipitation stochasticity, 2023.05

中文解讀：準(zhǔn)確預(yù)測(cè)極端降水，哥倫比亞大學(xué)推出升級(jí)版神經(jīng)網(wǎng)絡(luò) Org-NN

研究內(nèi)容：哥倫比亞大學(xué) LEAP 實(shí)驗(yàn)室使用全球風(fēng)暴解析模擬與機(jī)器學(xué)習(xí)，創(chuàng)建了一種新的算法，解決了信息缺失的問題，提供了一種更精確的極端降水預(yù)測(cè)方法。

10、論文題目：Deep learning for cross-region streamflow and flood forecasting at a global scale, 2024.05

中文解讀：分析訓(xùn)練全球 2k+ 水文站數(shù)據(jù)，中科院團(tuán)隊(duì)發(fā)布 ED-DLSTM，實(shí)現(xiàn)無監(jiān)測(cè)數(shù)據(jù)地區(qū)洪水預(yù)測(cè)
研究內(nèi)容：中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所團(tuán)隊(duì)，提出了一種全新的基于 AI 的徑流洪水預(yù)測(cè)模型 ED-DLSTM，以解決全球范圍內(nèi)有監(jiān)測(cè)數(shù)據(jù)流域和無監(jiān)測(cè)數(shù)據(jù)流域徑流預(yù)測(cè)問題。

11、論文題目：SuNeRF: Validation of a 3D Global Reconstruction of the Solar Corona Using Simulated EUV Images, 2022.11

中文解讀：AI 立大功！神經(jīng)網(wǎng)絡(luò)對(duì)太陽圖像進(jìn)行三維重建，首次揭示太陽極點(diǎn)
研究內(nèi)容：科羅拉多州國家大氣研究中心 (NCAR) 的研究人員利用 NeRFs 神經(jīng)網(wǎng)絡(luò)，將太陽的二維圖像轉(zhuǎn)換成三維重建圖像，首次揭示了太陽的兩極。

12、論文題目：Spatial planningofurban communities via deepreinforcementlearning, 2023.09

中文解讀：擊敗 8 名人類規(guī)劃師：清華團(tuán)隊(duì)提出強(qiáng)化學(xué)習(xí)的城市空間規(guī)劃模型

研究內(nèi)容：清華大學(xué)研究團(tuán)隊(duì)提出了強(qiáng)化學(xué)習(xí)的城市社區(qū)空間規(guī)劃模型與方法，并實(shí)現(xiàn)了人類規(guī)劃師與人工智能算法協(xié)作的城市規(guī)劃流程，為智能城市的自動(dòng)化規(guī)劃提供了全新思路。

13、論文題目： A new paradigm for medium-range severe weather forecasts: probabilistic random forest-based predictions, 2023.02

中文解讀：科羅拉多州立大學(xué)發(fā)布 CSU-MLP 模型，用隨機(jī)森林算法預(yù)測(cè)中期惡劣天氣

研究內(nèi)容：來自美國科羅拉多州立大學(xué)與 SPC 的相關(guān)學(xué)者聯(lián)合發(fā)布了一個(gè)基于隨機(jī)森林的機(jī)器學(xué)習(xí)模型 CSU-MLP，該模型能夠?qū)χ衅?(4-8天) 范圍內(nèi)惡劣天氣進(jìn)行準(zhǔn)確預(yù)報(bào)。

14、論文題目：Social Physics Informed Diffusion Model for Crowd Simulation, 2024.02

中文解讀：僅需 5% 訓(xùn)練樣本達(dá)到最優(yōu)性能，清華大學(xué)研究團(tuán)隊(duì)發(fā)布條件去噪擴(kuò)散模型 SPDiff，實(shí)現(xiàn)長程人流移動(dòng)模擬

研究內(nèi)容：清華大學(xué)研究團(tuán)隊(duì)提出了一種條件去噪擴(kuò)散模型 SPDiff，能夠有效地利用交互動(dòng)力學(xué)，通過社會(huì)力引導(dǎo)的擴(kuò)散過程來模擬人群行為。

15、論文題目：Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation, 2024.04

中文解讀：基于 7 大城市實(shí)景數(shù)據(jù)，清華大學(xué)團(tuán)隊(duì)開源 GPD 模型
研究內(nèi)容：清華大學(xué)電子工程系城市科學(xué)與計(jì)算研究中心提出 GPD 模型，利用擴(kuò)散模型生成神經(jīng)網(wǎng)絡(luò)參數(shù)，將時(shí)空少樣本學(xué)習(xí)轉(zhuǎn)變?yōu)閿U(kuò)散模型的預(yù)訓(xùn)練問題。