地学 AI研究与进展
内容核验2026.09.28
按领域探索
论文精选16
原始期刊按研究主题筛选；一篇论文可同时收录于多个方向。
提升混合地球系统模型的可复现性机器翻译
英文原题Enhancing reproducibility in hybrid Earth system models
AI 导读讨论 AI 与物理过程结合后带来的数值稳定性、流程透明度和计算资源差异，提出混合地球系统模型的可复现性评估与实施框架。
利用人工智能弥合天气与气候之间的鸿沟机器翻译
英文原题Bridging the weather and climate divide with artificial intelligence
AI 导读从统一建模的角度讨论天气与气候研究的交汇，并梳理物理一致性、分布外泛化、透明度与计算成本等仍待解决的问题。
利用地震神经算子进行微震监测机器翻译
英文原题Microseismic monitoring with the quake neural operator
AI 导读Quake Neural Operator 通过分类与回归联合检测和定位地震事件，无需显式震相拾取，面向不同台网几何开展微震监测。
论地球基础模型的基础机器翻译
英文原题On the foundations of Earth foundation models
AI 导读提出理想地球基础模型的 11 项特征，涵盖多传感器整合、地理位置与尺度感知、物理一致性等，并讨论评价标准与研究方向。
面向人类智能与人工智能融合的矿产资源预测新范式原文标题 · 中文
AI 导读梳理矿产资源预测理论的发展，讨论地质知识、大数据与 AI 的融合，并以覆盖区、深部矿产预测和斑岩铜矿知识图谱为例，探讨多系统关联建模与人机协同。
Samudra：用于气候研究的 AI 全球海洋模拟器机器翻译
英文原题Samudra: An AI Global Ocean Emulator for Climate
AI 导读学习海洋模式的多深度层数据，模拟温盐、流速与海表高度。在研究设定中实现长期稳定积分，但外部强迫趋势的幅度响应仍有局限。
地球系统基础模型机器翻译
英文原题A foundation model for the Earth system
AI 导读在多种地球物理数据上预训练，再适配天气、海浪、空气质量与热带气旋路径预测，探索跨任务的地球系统建模。
端到端数据驱动天气预报机器翻译
英文原题End-to-end data-driven weather prediction
AI 导读直接接收观测数据，生成全球格点和站点预报，将天气预报流程中的多个环节连接到一个可训练系统中。
基于机器学习的概率天气预报机器翻译
英文原题Probabilistic weather forecasting with machine learning
AI 导读通过扩散模型生成集合预报，研究中期天气及极端事件的概率预测，为理解不同未来情景提供机器学习方法。
用于矿产远景预测的可解释人工智能模型机器翻译
英文原题Explainable artificial intelligence models for mineral prospectivity mapping
AI 导读提出在输入数据、模型设计和输出解释各阶段融入地质领域知识的工作流程，回应 AI 成矿预测中的可解释性、泛化能力和物理一致性问题。
用于天气和气候的神经大气环流模型机器翻译
英文原题Neural general circulation models for weather and climate
AI 导读将可微分动力核心与神经网络参数化结合，用统一的混合框架研究天气预报与气候模拟，并评估长期积分的物理一致性。
无测站流域极端洪水的全球预测机器翻译
英文原题Global prediction of extreme floods in ungauged watersheds
AI 导读通过跨流域学习开展无测站流域的极端洪水预测，评估数据驱动方法在不同提前期与区域的可靠性，关注观测稀缺地区的预警需求。
将地质知识融入深度学习，以增强与成矿相关的地球化学异常识别及可解释性机器翻译
英文原题Incorporating Geological Knowledge into Deep Learning to Enhance Geochemical Anomaly Identification Related to Mineralization and Interpretability
AI 导读将地质先验知识融入对抗自编码器，在赣南钨矿背景下识别地球化学异常。利用多重分形奇异性分析量化控矿因素与已知矿床的关联，为模型提供成矿规律约束。
通过可微分建模统一地学领域的机器学习与物理模型机器翻译
英文原题Differentiable modelling to unify machine learning and physical models for geosciences
AI 导读讨论如何利用可微分计算，将物理知识与神经网络共同训练，为过程理解、参数估计与地学预测提供方法框架。
利用三维神经网络实现准确的全球中期天气预报机器翻译
英文原题Accurate medium-range global weather forecasting with 3D neural networks
AI 导读引入适配地球数据的三维网络与分层时间聚合策略，在再分析数据的评估条件下改善中期预报表现，减少迭代误差。
冥古宙构造：来自机器学习的认识机器翻译
英文原题Hadean tectonics: Insights from machine learning
AI 导读利用锆石化学数据训练机器学习模型，区分构造环境和岩浆类型，再应用于 Jack Hills 的冥古宙锆石。结果为早期地壳形成和与俯冲相关的沉积物循环提供线索。
重要新闻
机构发布利用 Anemoi 中的流匹配进行时空降尺度机器翻译
英文原题Flow matching for spatio-temporal downscaling with Anemoi
AI 导读ECMWF 介绍基于流匹配的生成模型，将低时空分辨率预报转为更精细的逐小时序列，并探索与独立预报模型的组合。
AIFL：利用面向业务应用的机器学习推进全球河流流量预测机器翻译
英文原题AIFL: advancing global streamflow prediction with operational machine learning
AI 导读研究采用两阶段训练，应对再分析数据与实际天气预报之间的分布差异，探索机器学习对全球水文预报的补充作用。
ECMWF 主要预报系统 IFS 和 AIFS 的重大更新上线机器翻译
英文原题Significant update to ECMWF’s key forecasting systems IFS and AIFS goes live
AI 导读官方宣布 IFS Cycle 50r1 与 AIFS v2 上线。AIFS 此次更新加入数据驱动的海浪与积雪覆盖预报，拓展 AI 业务产品。
NASA 的 Prithvi 成为首个进入轨道的 AI 地理空间基础模型机器翻译
英文原题NASA's Prithvi Becomes First AI Geospatial Foundation Model In Orbit
AI 导读NASA 报道，研究团队已在两个在轨平台部署并演示 Prithvi 地理空间模型，探索直接在空间平台开展地球观测数据分析。
ABOUT GEO INTELLIGENCE
连接地学问题与 AI 研究。
Geo Intelligence 是面向地学研究者与 AI 实践者的独立资讯站，关注人工智能如何帮助理解、观测与预测地球。
翻译说明
按原文语言展示原题；跨语言阅读时，译题旁标注“机器翻译”，并紧邻显示原文标题。中译英与英译中采用相同规则，原文链接、期刊名称和发表日期保持一致。
“AI 导读”是根据来源内容生成的简要概述，并非原文摘要或全文翻译。译文尽量忠于原文，专业术语及研究结论请以原始来源为准。
首期内容经过人工选编与来源核验。后续采集内容经编辑确认后发布；未提供译文时保留原题并标注。日期采用期刊在线发表或机构发布的日期。
编辑规则与重点期刊名单 →影像来源与使用说明
国际空间站于 2022 年 5 月 28 日拍摄的地球实景，用作地学主题配图。 Image courtesy of the Earth Science and Remote Sensing Unit, NASA Johnson Space Center. ISS067-E-83835.
GET IN TOUCH