地球物理反演是—種過程，使用地球物理異常的分布，來確定地質體的賦存狀態(形狀、產狀、空間位置)和物性參數(密度、磁性、電性、彈性、速度等)，這對農業生產而言具有一定指導意義。

人工智能(簡稱AI)技術已在學術和工程應用領域掀起了研究高潮，在地球物理參數和農業氣象遙感參數反演方面也表現出了強大的應用潛力。目前大部分AI技術在地學和農學的應用還是“黑箱”，沒有物理意義或缺乏可解釋性及通用性。

為了促進AI在地學和農學的應用和培養交叉學科的人才，中國農業科學院農業資源與農業區劃研究所北方干旱半干旱耕地高效利用全國重點實驗室攜手寧夏大學物理與電子電氣工程學院、中國科學院空天信息創新研究院遙感科學國家重點實驗室、北京大學環境科學與工程學院、中國科學院國家空間科學中心、國家衛星氣象中心、國家氣象中心、北京師范大學地理科學部組成毛克彪研究員團隊，該研究提出基于AI耦合物理和統計方法的地球物理參數反演范式理論。

首先基于物理能量平衡方程進行物理邏輯推理，從理論上構造反演方程組，然后基于物理推導構建泛化的統計方法。通過物理模型模擬獲得物理方法的代表性解以及利用多源數據獲得統計方法代表性的解作為深度學習的訓練和測試數據庫，最后利用深度學習進行優化求解。

判定形成具有通用性和物理可解釋的范式條件包括：(1)輸入與輸出變量(參數)之間必須存在因果關系;(2)輸入和輸出變量(參數)之間理論上可以構建閉合的方程組(未知數個數少于或等于方程組個數)，也就是說輸出參數可以被輸入參數唯一確定。如果輸入參數(變量)和輸出參數(變量)之間存在很強的因果關系，則可以直接使用深度學習進行反演。如果輸入參數和輸出參數之間存在弱相關性，則需要添加先驗知識來提高輸出參數的反演精度。

該研究以農業氣象遙感中的關鍵參數地表溫度、發射率、近地表空氣溫度和大氣水汽含量聯合反演作為案例對理論進行了證明，分析結果表明該理論是可行的，并且可以輔助優化設計衛星傳感器波段組合。

該理論和判定條件的提出在地球物理參數反演史上具有里程碑意義。

審核編輯 黃宇