构建物理驱动的机理模型一直是地学研究的核心科学范式，但仍然存 在机理认知局限、欠定系统、计算负担等瓶颈问题；发展数据驱动的机器 学习模型是地学研究范式转换的重要途径，但泛化性、迁移性、可解释性 不足是其主要问题。耦合机理模型与学习模型则可以实现“理性主义”与“经 验主义”的结合，是当前最受关注的研究热点之一。然而，将显式的机理模 型与隐式的学习模型进行耦合存在诸多挑战，尽管当前已经取得了一些研 究进展，但仍然缺乏标准、统一的范式框架。 本报告针对遥感反演与动力学数值模拟，分析机理模型与学习模型的 内在瓶颈及其互补性，阐述以机理级联学习、学习嵌入机理、机理融进学 习为核心的耦合范式框架。机理级联学习是将两种模型进行前后串联，一 种模型的输出作为另一种模型的输入；学习嵌入机理，是以机理模型为主、 学习模型为辅，将学习模型嵌入到机理模型之中，对原有的不确定过程进 行替代或优化；机理融进学习，就是以学习模型为主框架，将物理知识融 入其中，从而实现对学习过程的约束引导。