环境科学基础模型：新兴前沿综述
机器学习
2025-04-08 v1 定量方法
摘要
建模环境生态系统对于有效的资源管理、可持续发展以及理解复杂生态过程至关重要。然而，传统的数据驱动方法面临着捕捉内在复杂和相互关联过程的挑战，并且在许多环境应用中受限于观察数据有限。基础模型通过大规模预训练和对复杂异构数据的通用表征，为捕捉环境过程中的时空动力学和依赖性提供了变革性的机会，并且促进了适应广泛应用的能力。本综述提供了关于基础模型在环境科学中应用的全面概述，突出了在包括前向预测、数据生成、数据同化、下采样、逆向建模、模型集成和跨领域决策等常见环境用例中的进展。我们还详细描述了开发这些模型的过程，涵盖数据收集、架构设计、训练、调优和评估。通过讨论这些新兴方法及其未来机遇，旨在促进跨学科合作，加快机器学习在推动科学发现中应对关键环境挑战的进展。
引用
@article{arxiv.2504.04280,
title = {Foundation Models for Environmental Science: A Survey of Emerging Frontiers},
author = {Runlong Yu and Shengyu Chen and Yiqun Xie and Huaxiu Yao and Jared Willard and Xiaowei Jia},
journal= {arXiv preprint arXiv:2504.04280},
year = {2025}
}