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。