近日，我院计算机科学与技术学院李清亮教授联合中山大学、吉林大学在地球科学领域顶级期刊、中科院一区TOP期刊Catena (5Y~IF=5.9）上，在线发表了题为“Improving Global Soil Moisture Prediction based on Meta-Learning Model Leveraging Köppen-Geiger Climate Classification”的研究论文。李清亮教授为论文的第一作者以及通讯作者，研究得到了国家自然科学基金和吉林省优秀青年基金等项目的支持。

土壤湿度是水资源管理和农业生产中的核心变量。然而，现有的深度学习模型在全球土壤湿度预测中，因复杂区域模拟精度受限，难以满足精细化预测需求。尤其在气候和地形多样性显著的区域，模型性能往往受到统一训练策略的约束，导致局部区域预测精度不足。

为了解决这一难题，李清亮教授团队提出了一种基于柯本气候区域的元学习策略。这一方法结合退火算法，根据复杂区域的特性动态调整学习率，提升模型在不同区域的适应性。与传统模型采用统一学习率、关注整体平均性能指标的方式不同，该策略更注重区域差异化的改进，在保证全球土壤湿度预测精度的同时，显著增强复杂区域的预测能力。

实验结果表明，采用该策略的模型在复杂区域的预测性能优于传统方法，为全球土壤湿度的精准模拟提供了全新解决方案。这一研究可广泛应用于农业灌溉管理、水资源优化分配以及气候变化评估等领域，具有重要的实际价值。

目前，李清亮教授团队已在Nature旗下期刊npj Climate and Atmospheric Science., Earth System Science Data., Expert Systems with Application., Geoderma., Computers and Electronics in Agriculture., Journal of Hydrology., 等领域内国际权威期刊（中科院一区TOP期刊）发表10余篇有关人工智能在陆面要素模拟中的研究论文，并创建了被国家青藏高原科学数据中心评为“明星数据集”和“关键数据集”（排名第一）的高质量数据集。这些研究成果不仅获得国内外同行的高度评价，也为人工智能在陆面要素模拟领域的发展奠定了坚实基础。

论文链接：

https://doi.org/10.1016/j.catena.2025.108743