利用地球基础模型与 AlphaEarth 嵌入提升水文模型的模拟性能

arXiv:2601.01558v3 公告类型：替换 摘要：无测站流域预测（PUB）的准确性依赖于在水文特征各异的区域之间实现有效迁移。尽管深度学习推动了大样本水文建模的发展，但其跨区域泛化能力在一定程度上取决于用于引导模型行为的流域静态描述符。地球基础模型（EFMs）通过从多模态卫星数据中学习环境表征，提供了一种有前景的替代方案。本研究将 64 维 AlphaEarth Foundations（AEF）嵌入作为一种新型流域静态表征进行评估，并使用 CAMELS 数据集考察其在样本内（IS）和样本外（OOS）情景下对流量预测的价值。结果表明，尽管 AEF 嵌入与 CAMELS 属性在 IS 情景下的表现几乎相同，但 AEF 嵌入在 OOS 情景下具有更强的稳健性。互信息分析揭示了 AEF 嵌入与地形、植被及根系特征相关的传统流域属性之间的统计关联。我们进一步研究了使用 CAMELS 属性和 AEF 嵌入、基于相似性为 PUB 选择供体流域的方法。在 100 个目标流域中，AEF 静态输入总体上改善了 PUB 性能。使用 AEF 输入时，在供体流域池较小的情况下，基于相似性的供体选择优于随机选择，但其优势随流域池规模的扩大而减弱。增加供体流域数量并不总能提升性能。留一簇交叉验证实验表明，AEF 输入的收益取决于流域划分方式，这说明可迁移性仍对训练期间所涵盖的流域条件敏感。总体而言，本研究表明，地球基础模型嵌入为 PUB 提供了可迁移的表征，并强调了流域表征质量和供体流域池设计的重要性，为未来开展统一水文基础模型研究提供了动力。