物理可解释 AlphaEarth 基础模型嵌入启用基于 LLM 的地表智能

Mashrekur Rahman

物理可解释 AlphaEarth 基础模型嵌入启用基于 LLM 的地表智能

计算与语言 2026-02-12 v1 机器学习

作者: Mashrekur Rahman

摘要

卫星基础模型产生的稠密嵌入，其物理可解释性仍不清楚，这限制了其集成到环境决策系统中。使用 2017--2023 年覆盖美国大陆陆地的 1210 万个样本，我们首先对 Google AlphaEarth 的 64 维嵌入进行全面可解释性分析，分析对象为 26 个环境变量，涵盖气候、植被、水文、温度和地形。结合线性、非线性和注意力方法，我们展示，单个嵌入维度对应特定的地表属性，而完整的嵌入空间能够以高保真度重建大多数环境变量（12 个变量的 R^2 超过 0.90；温度和海拔接近 R^2 = 0.97）。最强的维度-变量关系在所有三种分析方法中都收敛，并在空间块交叉验证（平均 ΔR^2 = 0.017）和七个研究年份的时序稳定性方面保持稳健（平均年际相关系数 r = 0.963）。在这些经验证的解释基础上，我们开发了一个地表智能系统，该系统在 1210 万维向量构成的 FAISS 索引数据库上实现检索增强生成，将自然语言环境查询转化为卫星-地面评估。在 360 个查询-响应循环的 LLM-评判评估中，使用四个 LLM 在生成器、系统和评判者角色中轮换，获得加权得分 μ = 3.74 ± 0.77（比例 1--5），其中 grounding（μ = 3.93）和 coherence（μ = 4.25）得分最高。我们的結果表明，卫星基础模型的嵌入是物理结构化的表征，可用于环境和地理空间智能。

关键词

卫星基础模型 AlphaEarth 嵌入可解释性地表智能检索增强生成

引用

@article{arxiv.2602.10354,
  title  = {Physically Interpretable AlphaEarth Foundation Model Embeddings Enable LLM-Based Land Surface Intelligence},
  author = {Mashrekur Rahman},
  journal= {arXiv preprint arXiv:2602.10354},
  year   = {2026}
}

物理可解释 AlphaEarth 基础模型嵌入启用基于 LLM 的地表智能

摘要

关键词

引用

相关论文