深度学习在地学领域的运用 --- 摘译自 Markus Reichstein 2019 Nature

论文地址：https://www.nature.com/articles/s41586-019-0912-1
下一阶段，解决地球系统科学问题将采用混合模型 – 包含物理过程的模型和许多data-driven机器学习模型相结合。
地球系统数据满足"big data"的4V特征：volume, velocity, variety, and veracity.
未来的两项主要任务：
1）从海量数据中提取信息
2）发展模型从数据中学习更多（优于原先的数据同化方法）

Part 1: 机器学习在地学领域的最新进展
最早采用神经网络和高分辨率卫星数据对地表覆盖类型和云进行分类；而后机器学习方法应用在地学和遥感问题中。而在过去几年，深度学习被用来挖掘数据的时空结构。
除分类问题外，机器学习在回归问题上的表现也很成功。对土壤性质和特征的预测，biogeophysical参数，这些相对静态。而机器学习也能学习动态的特征，比如用ANN预测CO 2 _{2}