综述：高性能计算与机器学习的融合用于地理空间发现与创新

《Annals of GIS》：Converging high-performance computing and machine learning for geospatial discovery and innovation

　　

高性能计算（HPC）与机器学习的融合对于解决复杂地理空间问题和实现地理空间知识发现至关重要。研究人员对1996至2024年间Web of Science核心合集中索引的289篇精选文献进行了系统综述，这些文献将HPC与机器学习（ML）整合用于地理空间发现与创新。自2015年起，将HPC（包括超级计算、并行计算、云计算和雾计算）与机器学习模型结合用于跨领域地理空间研究的研究显著增加。研究人员基于利用机器学习和HPC进行地理空间知识发现的目的对先前工作进行了分类，包括加速、精度提升、空间和时间分辨率提升、尺度扩展、实时分析和新型模型开发。此外，研究人员提出了一个未来研究议程，包括五个关键研究问题：在HPC系统上扩展地理空间基础模型（GFMs）、在保持保真度的同时将ML与基于物理的模型集成、量化ML预测中的不确定性和伦理风险、平衡计算强度与能效，以及确保HPC-ML工作流符合FAIR原则并跨领域可用；以及四个相互关联的研究方向：可扩展的地理空间数据架构、地理空间基础模型、领域知识与ML集成，以及负责任和透明的地理空间AI（GeoAI），以及它们的未来实施策略和预期影响。

**2. Methods**
研究人员采用系统文献检索方法，从Web of Science（WoS）核心合集中筛选1996至2024年间同行评审的文献。定义概念范围：AI为广义术语，机器学习（ML）指数据驱动学习方法（如随机森林、支持向量机），深度学习（DL）为基于多层神经网络的ML子集；高性能计算（HPC）涵盖并行计算、超级计算集群、云计算及雾计算等支持计算密集型工作流的方法。文献筛选标准包括：同行评审、使用ML与HPC、研究论文且使用地理空间数据、聚焦地理空间问题。检索策略通过三个概念组件（地理空间领域、ML方法、HPC）的关键词联用，生成WoS查询，筛选后保留289篇紧密相关文献。地理空间问题涵盖农业、城市管理、土地利用/覆盖（LULC）、交通、生态、水文学及数据科学等多个学科。方法局限性包括：WoS可能未完全收录计算机科学会议论文或arXiv预印本（如Infostop工作），且基于关键词的检索可能遗漏未明确标注相关术语的研究，尤其人文地理领域代表性不足。

**3. Results**
基于使用HPC与ML的目的，文献分为六类：加速、精度提升、分辨率提升、尺度扩展、实时分析、模型/框架创新。

**a. Speed up**
并行计算根据阿姆达尔定律可加速计算，有效解决高光谱/合成孔径雷达（SAR）图像分类、旅行时间估计、空间聚类、空间金字塔匹配和道路交通预测等传统地理空间问题。超级计算机用于精细尺度或大尺度分析，如基于个体模型模拟流感、泛北极地区多年冻土检测。机器学习模型本身可用于对NP-hard问题（如最短路径距离问题）估算近似解，或用变分贝叶斯模型替代传统马尔可夫链蒙特卡罗模型以提升效率。大规模地理空间分析中，Apache Spark等并行计算工具与ML结合加速概率密度函数计算和空间数据查询。

**b. Improve accuracy**
该类别研究利用ML模型与HPC（如Google Earth Engine、NASA Earth Exchange等云资源）提升建模/预测精度。主要数据源包括地球观测数据：卫星遥感数据（Landsat、MODIS、Sentinel等）、航空遥感数据（光探测与测距LiDAR、无线电探测与测距Radar）。研究涉及遥感图像分类、目标检测、土地利用/覆盖制图与变化检测、作物类型/产量预测、树木/森林监测、植被分析、冬小麦识别、棉田监测、水质评估、冰山检测、近地表温度估算、云检测、土壤分析、光伏电站识别、地面沉降敏感性、海草生态系统、城市旅游和疾病传播预测。LiDAR数据用于基于云的U-Net模型评估板缺陷，Radar数据用于监测风力涡轮机和估算降水。传感器网络数据（如物联网IoT数据）结合雾计算、边缘计算和云计算，提升农业监测、事件检测和疫情期间密切接触检测的精度。

**c. Increase resolution**
精细空间分辨率方面，超级计算机和大计算集群用于生成100米分辨率碳排放评估、90米土壤图、30米土壤图、10米光伏电站图、1米流线检测、1米森林冠层覆盖数据集，以及亚米级苔原植被图与海洋哺乳动物监测。精细时间分辨率方面，利用超级计算机和随机森林模型每10分钟模拟城市热岛，或每1分钟生成遥感图像。并行计算与云资源结合ML模型，实现土地覆盖、城市交通流、农田、森林、湿地、红树林分布、降水、三维土壤质地和地表水变化的精细尺度制图。

**d. Large-scale**
大尺度研究多依赖卫星遥感数据。机器学习图像融合算法与HPC用于融合多源遥感影像，生成高质量数据产品。研究涵盖国家至全球尺度的农业、牧场与牲畜动态、生态系统、森林与植被、土地覆盖、洪水、场景分类和人类住区评估。近期进展包括在Frontier等超级计算机上预训练十亿级地理空间基础模型。城市传感器网络采集的时空交通与环境数据通过分布式系统（如Apache Hadoop）存储，用于交通流预测。

**e. Real-time**
位置感知设备与传感器产生的动态流数据对实时或近实时地理空间分析提出挑战。并行计算与深度学习模型用于LiDAR数据的三维场景实时理解；机器学习算法与超级计算机用于实时监测地震响应；自然语言处理技术与HPC结合位置社交媒体数据实时映射城市热岛。

**f. Novel models powered by HPC and AI**
HPC与AI为地理空间建模提供新机遇：HPC资源（超级计算机、云系统）用于地理空间数据存储与管理，AI用于边缘级数据预处理（如地理空间掩膜）。阵列事物（Array of Things）倡议搭载嵌入式计算单元支持AI驱动图像处理与边缘计算。志愿者地理信息（VGI）数据（如Twitter、Facebook图像文本）通过云计算和自然语言处理提取文化生态系统服务模式，利用新闻数据构建全球威胁图。跨学科研究包括海运航线规划、考古学中陶片检测等。

**4. Discussion**
**a. Application domains**
基于WoS“研究领域”标准化分类，289篇出版物的领域分布显示：遥感（115篇，39.79%）、环境科学与生态学（96篇，33.22%）、影像科学/摄影技术（95篇，32.87%）为最高频领域；计算机科学（82篇，28.37%）、地质学（73篇，25.26%）、工程（68篇，23.53%）也占较大比例，体现地理空间HPC与ML研究的强跨学科性；农业（12篇，4.15%）和水资源（11篇，3.81%）等专业领域聚焦特定应用线。

**b. Machine learning utilization**
语料库以传统ML与DL方法为主：180篇采用传统ML方法（如经典监督学习模型用于分类/回归），138篇使用DL方法（如神经网络架构用于图像或时空模式学习）；34篇属于更宽泛的“计算AI”（如基于AI的优化或混合策略），强化学习（RL）罕见（6篇）；生成式AI仅出现在4篇文献中，表明其作为新兴趋势，尚未成为成熟方法。

**c. Geographic distribution of authors**
作者地域分布：中国贡献最多（93篇，19.95%），其次为美国（88篇，18.88%）、印度（25篇，5.36%）、德国（21篇，4.50%）、英格兰（18篇，3.86%）和澳大利亚（16篇，3.43%）；其余国家与地区合计占34.59%。研究集中在中国与美国等主要研究经济体，但通过国际合作和区域应用，欧洲、亚洲、大洋洲、非洲和南美洲也广泛参与。

**5. Research agenda**
未来五年地理空间发现依赖于HPC与ML的集成，以将地球观测与社会系统数据转化为及时、可信和可操作的洞察。研究前沿包括开发可扩展、领域知识驱动且伦理负责任的AI方法。提出五个关键研究问题：1）如何利用大规模地球观测数据档案和模拟输出在HPC资源上训练和部署地理空间基础模型（GFMs）？需开发新颖分布式算法和高效内存架构。2）如何将ML与基于物理的模型（如水文学、天气、生态系统）融合而不失保真度和可解释性？需开发从观测数据和物理定律中学习的混合模型。3）如何量化和沟通AI增强型地理空间预测中的不确定性、偏差和伦理风险？需建立标准化框架和可视化工具。4）如何平衡GeoAI的计算强度与能效及碳减排？需采用轻量级绿色深度学习策略。5）如何确保HPC与ML工作流符合FAIR原则并跨领域可用？需应对数据格式、模型架构和计算环境异构性挑战。

**5.1. Research thrusts and milestones**
识别四个相互关联的研究方向：1）可扩展的地理空间数据架构：构建HPC与云混合平台，整合异构数据集，采用云优化GeoTIFF（COG）、Zarr数组和时空资产目录（STAC）等标准，建立HPC原生数据湖。2）地理空间基础模型（GFMs）：开发大规模多模态AI系统，基于光学影像、合成孔径雷达（SAR）、气候变量、社会经济指标等训练，支持少样本或零样本迁移学习；开源GFMs需附带性能基准和文档。3）领域知识与ML集成：构建混合建模框架，结合神经算子、物理信息神经网络和数据同化技术，加速气候、水文、城市动力学模拟10-100倍，同时保持物理一致性；应用于人文地理和社会科学中的大规模异构数据。4）负责任和透明的地理空间AI：开发工具包用于评估算法偏差、保护隐私、量化预测不确定性；通过标准化模型卡和可持续性报告确保可重复性和可审计性。

**5.2. Implementation and impact**
实施策略包括建立混合HPC与云GPU集群、可扩展数据架构和可重复容器化工作流（如Docker、Singularity）。需组建跨学科团队，建设融合课程培养下一代地理空间科学家，并与科学机构（NASA、NOAA、DOE、NSF）、行业领袖（NVIDIA、云提供商）及国际倡议（未来地球）合作。预期影响涵盖科学层面：加速可靠的地理空间发现；社会层面：为灾害韧性、粮食安全、水资源管理和生态系统可持续性提供可操作预测；创新生态系统层面：通过开放、互操作的数据与模型框架推动新前沿研究。