近日，永利官网计算机科学与技术学院（软件学院）教师李清亮以第一作者及通讯作者，联合中山大学、吉林大学在土壤科学领域顶级期刊、中科院一区TOP期刊Geoderma (5Y~IF=6.7）上，在线发表题为“Improving global soil moisture prediction through cluster-averaged sampling strategy”的研究论文，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。

据李清亮介绍，准确预测土壤湿度对于农业灌溉和水资源合理分配非常关键，传统的土壤湿度预测方法面临许多难题。

为解决深度学习模型在预测土壤湿度时出现的误差问题，李清亮团队提出“集群平均采样策略”（CAS）方法，利用“无监督聚类”的技术，将全球各地的土壤湿度数据按不同特点，如土壤类型、地形等分成多个组。当学习模型预测土壤湿度时，CAS策略会从每一组中平均选取数据，确保模型能均衡学习每类数据的特性，从而避免模型只学习到常见的数据，忽略了其中重要但不常见的特性。实验数据显示，引入CAS策略后，学习模型的预测准确度得到了显著提升，特别是干旱区和极地地区，预测误差大幅减少。

该项研究成果进展意味着，农业灌溉和水资源管理可以更加精准地进行，帮助应对干旱或气候变化的挑战。同时，CAS策略在卫星数据上的测试结果也表明，它能在全球范围内进行短期土壤湿度预测。这不仅为农民提供了实时的灌溉建议，还为水资源的优化分配提供了可靠的技术支持，未来有望广泛应用于农业、水资源管理和气候研究领域。

（科研处 供稿）

初审：景洋 复审：郭琳 终审：薛翔宇