使用插值物理信息图神经网络 (InterPIGNN) 的美国陆地热地球模型

该研究基于数据驱动的空间插值算法，利用物理信息图神经网络开发了美国本土深度温度图。该模型通过同时预测地下温度、地表热流和岩石导热率，近似满足三维热传导定律。在模型输入中，除了底孔温度测量值外，还包括其他物理量，如深度、地理坐标、海拔、沉积厚度、磁异常、重力异常、放射性元素的伽马射线通量、地震活动和电导率等。我们构建了 0-7 km 深度范围内以 1 km 间隔的表面热流和温度、导热率预测值，每个网格单元的空间分辨率为 18 km²。我们的模型显示了温度、地表热流和导热率的平均绝对误差分别为 4.8°C、5.817 mW/m² 和 0.022 W/(°C-m)。预测结果在模拟深度上的二维空间地图中可视化。这种对地球热过程的全面建模对于理解地下现象和开发地下自然资源至关重要。