2019年5月，团队成员朱秀迪在《Science of the Total Environment》（五年影响因子：4.984）发表最新研究成果“Reconstruction of high spatial resolution surface air temperature data across China: A new geo-intelligent multisource data-based machine learning technique”。
地表气温是生态环境和气象变化研究的关键气象因子之一，而已有的气温观测站点空间分布密度较小，区域分布不均匀，分辨率较低，使精细尺度气温时空特征研究存在较大的不确定性。该研究基于地理智能理念，率先提出考虑自适应气温时空自相关性的机器学习方法，并融合多源异构数据对大范围精细尺度的地表气温进行预测。该模型相较于同类机器学习模型极大地提高气温预测精度，为大范围地表气温的估计提供了新的研究思路。
