← 返回项目科研 · 2023—至今 · 论文在投

算法研究 · 第一作者

土壤水分时空推断

面向地理空间传感网的数据缺失问题,研究图神经网络驱动的时空重建方法。

PyTorchGNNRasterioScikit-learn

问题

野外传感器会产生随机缺失、连续缺失和整站缺失。缺口不仅影响时间序列分析,也会削弱遥感产品验证与区域水文研究的可靠性。

方法

以监测站点构建空间图,将图卷积与时间依赖建模结合,并通过空间掩码和聚类策略模拟不同缺失模式。研究覆盖站点级重建、连续缺失恢复和区域格网化推断。

工作内容

结果

在高比例连续缺失条件下仍保持可用的重建精度,并形成完整论文与实验流水线。当前仅展示方法和聚合结果,不公开原始站点坐标、监测数据及未发表稿件。

反思

这个项目让我将科研中的问题定义、可复现实验和工程实现串成了一个闭环,也让我更重视数据边界与结果解释,而不只是模型指标。