实验室硕士生张佳琪作为第一作者，梁士利教授作为通讯作者的论文“Spatiotemporal Meteorological Prediction Based on Fully Convolutional Neural Network“在遥感技术和地球科学领域领域权威期刊IEEE Transactions on Geoscience and Remote Sensing (TGRS) 期刊发表。（IF:7.5，中科院一区，JCR1区，CCF-B）

        气象数据的准确预测对于提高应对气候变化的能力、降低灾害风险和确保人类社会的可持续发展至关重要。然而，现有的数据驱动方法在精度和效率方面都无法满足预报需求。因此，作者在本研究中提出了基于UNet的时空气象预报网络STMP-UNet。该网络使用注意力优化的空间UNet来提取全局-局部空间联系。此外，它还利用多尺度时空金字塔门控模块来捕捉气象空间特征的时序演变模式。作者还构建了基于均方误差和时间分化的时空复合损失函数，以更好地拟合气象领域复杂的非线性演化模式。经过对比、迁移、效率等实验，证明了STMP-UNet模型可作为预测气象数据的有效工具。(https://ieeexplore.ieee.org/document/10623719)