近日，中国科学院青藏高原研究所研究员李新、冯敏与可持续发展大数据国际研究中心主任、中国科学院院士郭华东等在《自然综述：地球与环境》上发表文章，系统总结了大数据在地球系统科学领域的进展和挑战。

文章分析了遥感、原位观测和实验分析、社会感知、模拟和再分析这四类地球大数据的特征，提出了能将自然-社会大数据纳入地球系统模型的大数据同化方法框架，探讨了通过深度学习、物理知会的机器学习、因果推断、深度强化学习解决地球系统科学中高维数、复杂性和非线性难题的关键。以上大数据分析方法弥补了传统方法在可预测性、可迁移性、可解释性和决策支持方面的不足，为推动智能化数字孪生地球建设提供了先进的解决方案。

文章认为，大数据同化是融合地球大数据和地球系统模型的重要方法。大数据同化可以利用先进计算资源，实现机器学习与数据同化方法的共生集成，完成超高分辨率地球系统模型和多源地球观测（如遥感、台站、社会感知等）的相互融合，实现地球系统在洲际乃至全球时空尺度和物理意义上的一致表达，进而为数字孪生地球建设提供驱动引擎。

同时，文章分析了4种前沿大数据分析方法——深度学习、物理知会的机器学习、因果推理和深度强化学习的具体应用场景与方案，指出科学大数据分析方法将助力数据驱动新地学的发展。

最后，文章指出，数字孪生地球的建设需要深时、深地、深空的全面数据支撑。随着地球步入“人类世”时代，数字孪生地球的实现需要自然系统“硬”数据与社会系统“软”数据的无缝集成，从而捕捉自然系统和社会系统的复杂交互，而科学、开放、共享的大数据科学环境和基础设施建设正是数字孪生地球的关键保障。实现数字孪生地球是一个漫长而艰难的过程，更加广泛的跨学科合作和更加开放的科学环境有助于克服这些挑战，推动实现面向地球系统科学的人工智能工具。

相关论文信息：https://doi.org/10.1038/s43017-023-00409-w