近年来，深度学习支持下的Koopman算子成为数学、计算机、物理等领 域有效解决这一问题的最佳方案。
将动力学从状态空间提升到可观测空间，能够在得到原动力系统非线性特性的同时保证系统不会丢 失任何信息，Koopman算子能够挖掘时空过程中的内在固有规律，并且能进一步利用这种规律对动态系统进行解释，这是统计学模型无法实现的。

本项目是地理信息科学、统计学、信息学多学科交叉研究，我们将融合深度Koopman算子和空间算 子，建立一套面向高维、强非线性时空过程的模拟与预测理论方法体系，希望这一交叉研究成果能为地理信息领域产生巨大的影响。

通过与大气环境污染、气象降水、城市流及土地利用变化等不同应用领域问题的实验验证，这一模型方法有望为多学科共性难题的解决带来新的途径。