探索基于物理知识的神经网络用于作物产量损失预测

本研究解决了在极端天气条件下评估作物生产力的挑战，通过结合作物模拟模型和机器学习模型的优势，提出了一种新方法，能够在像素级别上估计水分使用和作物对水短缺的敏感性。研究发现，该模型的准确性很高，R2值可达0.77，为行业、政策制定者和农民在应对极端天气条件时提供了解释性和符合物理原则的预测。