2024年3月9日，建筑工程学院董波副教授在4101教室，举办了题为“机器学习可改善农业生态系统中的碳定量的研究”的讲座，社团指导教师祁欣怡、张瑞；建筑工程学院相关专业学生和建筑环境社全体社员参与，本次讲座由程毓主持。

  在决策层面上对农业生态系统的碳循环进行准确和具有成本效益的量化，对于减缓气候变化和确保可持续粮食生产至关重要。然而，由于需要对复杂的生物地球化学过程进行建模，而且缺乏对许多关键状态和通量变量进行约束的观测数据，仅靠传统的基于过程或数据驱动的建模方法存在很大的预测不确定性。因此提出了一种知识指导的机器学习（KGML）框架，通过整合基于过程模型中的知识、高分辨率遥感观测数据和机器学习（ML）技术来应对上述挑战。以玉米带为试验平台，证明了 KGML 在量化碳循环动态方面优于传统的基于过程的模型和黑盒子 ML 模型。与传统的粗分辨率方法相比，研究的高分辨率方法定量揭示的土壤有机碳变化空间细节多出 81%。此外，还概述了通过各种途径改进 KGML 的方案，该方案可用于开发混合模型，以更好地预测复杂的地球系统动力学。

 通过这次讲座，学生对气候变化和可持续发展等相关前沿知识有了新的了解，普遍感觉受益匪浅。

作者：董波

审核：朱永祥