主 题:联合物理模型和深度学习重建全球陆地水储量时空变化信息
报告人:陈豪 博士
时 间:5月20日(本周四)中午12点
地 点:地科院221会议室
摘 要:陆地水储量(Terrestrial Water Storage, TWS)变化是地表及地下全部水文变化的综合体现,是研究气候系统和水文循环过程变化的关键指标。长期以来对全球和区域TWS变化的研究主要依赖于基于物理过程的模型和数据驱动方法。但是,由于存在着TWS变化观测数据时空分辨率粗糙、序列较短的限制,以及现有模型因物理过程描述代表性不足和数据不确定性的阻碍,准确地探究区域长期TWS演变规律和变化趋势仍是全球变化与水文学研究领域中最为核心的科学问题之一,更是难点问题。本次报告将提出一种联合物理过程模型和深度学习技术的混合建模方法,并探讨其用于重建全球尺度历史长期陆地水储量时空变化信息有效性。