利用AlphaEarth嵌入提升水文模型的仿真性能

预测缺乏流量记录地区的河流流量具有挑战性，因为流域对气候、地形、植被和土壤的反应各不相同。传统流域属性描述了其中一些差异，但无法完全表征自然环境的复杂性。本研究考察了AlphaEarth基础模型嵌入——这些嵌入是从大型卫星图像集合中学习得出的，而非由专家设计——是否提供了更具信息性的方式来描述流域特征。这些嵌入总结了植被、地表属性以及长期环境动力学的模式。我们发现，使用它们的模型在预测未用于训练的流域中的流量时达到更高的准确率，表明它们比传统属性更有效地捕捉了关键物理差异。我们进一步研究了选择合适捐赠流域如何影响未标定区域的预测。基于嵌入的相似性有助于识别具有相似环境和水文行为的流域，从而提高性能，而添加许多不相似的流域则会降低准确率。结果表明，卫星信息化的环境表征可以强化水文预测，并支持开发更易适应不同景观的模型。