浙大团队提出GeoAI系列方法，助力地球科学领域智能化发展
浙大团队提出GeoAI系列方法，助力地球科学领域智能化发展
地球科学领域正迎来一场由AI引领的重大变革。近日，在HyperAI超神经联合出品的COSCon'24 AI for Science论坛中，浙江大学地球科学学院专聘研究员戚劲分享了其团队在GeoAI领域的最新研究成果。通过将传统地理加权回归理念与神经网络技术相结合，团队提出了一系列创新性方法，为房价分析、海洋遥感、大气污染和成矿预测等领域带来了突破性进展。
戚劲老师演讲现场
GeoAI的跨学科应用
随着地球科学领域时空数据的爆炸式增长，如何构建更精细的模型结构和更多尺度的建模对象成为了一个重要挑战。为应对这一挑战，浙江大学团队提出了一类新的模型，包括地理神经网络加权回归（GNNWR）、地理时空神经网络加权回归（GTNNWR）等。
自第一篇论文发表以来，GNNWR、GTNNWR等系列方法已在多个方向得到广泛应用，累积发表相关论文超30篇。目前，GNNWR已在GitHub上开源，支持直接调用pip install gnnwr（Python≥3.9）。
创新性突破
房价分析
在房价分析领域，GNNWR模型不仅具有更高的拟合精度，还具备更强的可解释性。以武汉房价为例，团队采集了近1,000套二手房交易记录的数据，按85:15的比例划分为训练集和测试集。通过引入新的“空间距离”概念，将通勤距离与欧氏距离一同输入神经网络中，模型性能比传统建模提高了12%。
海洋生态环境建模
在海洋生态环境建模方面，团队利用GTNNWR模型对硅酸盐的时空分布进行估算。研究发现，硅酸盐含量与长江水流向和流速存在显著相关性，皮尔逊系数达到0.462。此外，AI方法还能揭示时空上的细微变化，为硅藻藻华的实时监测和预警提供重要信号。
大气污染预测
在大气污染预测领域，GNNWR模型能够建立空间非平稳的回归关系，估算PM2.5浓度，提供全国范围内高精度、细节合理的PM2.5分布情况。
成矿预测
在地质学领域，特别是在金矿空间分布预测方面，团队引入了Shapley方法，以增强模型的可解释性，实现了对复杂空间环境下矿化的精确预测和解释。
研究团队
本次参与分享的嘉宾戚劲老师来自浙江大学地球科学学院，研究方向为人工智能海洋学、地学大数据分析平台研发。他主持了多项重要科研项目，包括“十四五”国家重点研发计划子课题、国家自然科学基金项目，曾担任浙江近岸海域生态环境多源信息智能服务平台的技术负责人，获海洋工程科学技术奖一等奖等。
戚劲个人主页：
https://person.zju.edu.cn/qijin
他所在的团队由杜震洪教授、吴森森教授带头，近年来在地学和信息学交叉等领域取得了系列成果。团队提出的GNNWR系列模型被行业人才广泛使用，模型的下载量、调用数和引用累计超万次。
GNNWR课题组负责人吴森森研究员的个人主页及时空智能回归模型简介：
https://mypage.zju.edu.cn/wusensen/#977161
团队目前招收博士后及科研助理，欢迎有GIS、遥感、地理、海洋、地质、计算机科学与技术背景的研究人员加入，欢迎海外优青、各类高层次人才加盟！