近日，人工智能学院教师、创新研究学院研修学者李清亮教授团队联合中山大学、吉林大学、香港科技大学等单位，以“99905银河yh”为第一完成单位，在地球科学领域国际知名学术期刊 Communications Earth & Environment 上发表题为 “Three-Dimensional Canopy Morphology and Wind Dynamics Govern Global Rainfall Interception”（《三维冠层结构与风速共同调控全球降雨截留》）的研究论文。李清亮教授为第一作者和第一通讯作者，中山大学魏忠旺教授为共同通讯作者，人工智能学院2023级硕士研究生金小淳为导师外第一作者。该研究得到了国家自然科学基金和教育部科技突破先导项目等项目的支持。
冠层截留是陆地水循环中的关键过程，直接影响降水在植被冠层、土壤水分、蒸散发和地表产流之间的分配。然而，现有陆面模式中的冠层截留参数化方案多以叶面积指数作为核心表征变量，难以充分刻画冠层三维结构和风速条件对截留过程的共同影响。这一结构性不足限制了陆面模式对陆地水文过程的精细表达，也增加了蒸散发、土壤水分和径流模拟的不确定性。
针对这一问题，李清亮教授团队围绕“冠层结构和风速如何调控全球冠层截留过程”这一核心，系统整合323篇文献资料，构建了覆盖1982年至2020年的全球月尺度冠层截留率观测数据集，为冠层截留机制识别和参数化方案构建提供了重要数据基础。在此基础上，团队提出了特征约束深度符号回归框架（FC-DSR）。该框架首先利用随机森林和SHAP方法识别影响冠层截留的关键物理因子，再将这些因子嵌入深度符号回归搜索过程，从而推导出同时融合冠层结构和风速影响的显性参数化表达式。
研究发现，冠层截留并非仅由叶面积指数控制，冠层深度、冠层宽度等三维结构特征以及风速条件对截留过程具有重要调控作用。
团队进一步利用新参数化方案重建了1982年至2020年全球冠层截留数据集。结果表明，近四十年来全球冠层截留量和截留率总体呈上升趋势，但不同区域存在显著空间差异。这种差异并非单纯由降水变化决定，而是受到冠层结构、降水强度和风速条件的共同调控，说明植被冠层形态变化和气象动力条件正在共同影响全球陆地降水分配格局。
该研究的贡献不仅在于提出了一套新的冠层截留参数化方案，更重要的是通过数据整合、人工智能符号回归、机制识别和陆面模式验证，揭示了冠层结构与风速共同调控冠层截留的新机制。相关成果为改进地球系统模式中的陆面水文过程参数化提供了新的科学依据，也为人工智能驱动的地球系统模式参数化重构提供了可解释、可嵌入、可验证的新路径。
该论文聚焦全球陆地水文与生态水文模拟中的关键科学问题，围绕人工智能方法与地球系统过程机理融合开展研究，契合当前人工智能赋能地学模拟、生态水文预测和地球系统模型改进的前沿方向。
该成果依托学校人工智能学院在智能计算、数据建模和交叉应用方面的研究基础，体现了学院服务国家生态文明建设、气候变化应对和水资源管理等重大需求的科研能力，也进一步凸显了学校推动人工智能与地理科学、生态环境等学科交叉融合的发展定位。论文的发表不仅提升了学校在相关交叉研究领域的学术影响力，也为学院凝练“人工智能+地球科学”特色方向、培育高水平科研团队、支撑学科建设和跨校协同创新提供了重要成果基础。
（人工智能学院 供稿）
初审：景洋 复审：郭琳 终审：钱立贤
