Три разных вмешательства
По обзору Zhang и др. (2022): параллельная — поправка остатка к модельному урожаю; последовательная — биофизический симулятор создаёт фазы/влагу к дате t как признаки ML; модульная — замена внутреннего подблока. Для 72 делянок двух сезонов наиболее проверяемое начало — последовательная схема с 1–2 состояниями, если сам симулятор локально откалиброван и базовые сравнения уже определены. Модульная замена без измеренных потоков энергии/влаги на таком опыте обычно неидентифицируема.
Shahhosseini и др. (2021) показали пользу APSIM-переменных для ML на кукурузе в США, не коэффициент ожидаемого выигрыша для рапса. При гибриде нельзя калибровать процессную часть на всех годах, а затем назвать ML на третьем году независимой проверкой. Для каждой внутренней складки отдельно настраивать симулятор лишь на её обучающей части; иначе simulated feature передаёт метку через настроенные параметры. В финале заморозить оба компонента на первых двух сезонах.
Наблюдение не равно ассимиляции
Передать observed NDYI в ML — просто признак. Обновлять состояние LAI/влаги динамического движка через оператор наблюдения — ассимиляция, требующая модели ошибки измерения, механизма обновления и протокола времени. На 36 делянках/год лучше начать с сопоставления измеренного LAI/фазы и симуляции, а не объявлять ассимиляцию реализованной.
Критерий допуска
Сравнить: (1) среднее/регуляризованная модель, (2) отдельная биофизическая модель, (3) гибрид при одинаковой дате среза; если гибрид не лучше простого baseline на закрытом сезоне или добавляет недоступные к t входы, пользы не установлено. Докладывать время/стоимость получения почвенных и UAV данных, а не обещанный прирост точности.
Связи
- Классы: гибрид наследует ограничения обоих компонентов.
- Параметры: локальная подгонка ограничена обучающими сезонами.
- Снимки: наблюдение полога может тестировать состояние модели.
- Дата среза: симуляция должна обрываться к t при отсутствии реального прогноза погоды.
- Складки: вложенная калибровка предотвращает утечку.