La IA y los problemas difíciles del mundo · Ciencias de la Tierra y del clima · arXiv · 2026-10-21
Aprendizaje de la hidrodinámica de los sistemas fluviales globales con un modelo fundacional informado por la topología
Título original: Learning global river system hydrodynamics with a topology-informed foundation model
La predicción precisa de los ríos es esencial para la seguridad hídrica, alimentaria y energética, pero extenderla de forma fiable desde estaciones de medición in situ dispersas hasta la red fluvial completa sigue siendo un desafío abierto. GraphRiverCast (GRC) es un modelo fundacional fluvial informado por la topología que explota la conectividad y la energética de los ríos, se entrena con estaciones de medición dispersas y predice hidrodinámica multivariada diaria a nivel de tramo en toda la red fluvial global sin condiciones fluviales previas, superando a potentes modelos basados en la física y de aprendizaje automático. Como reconstruye los estados del río a partir de la topología y el forzamiento en lugar de depender de la recurrencia temporal, su habilidad apenas decae con el plazo de anticipación incluso mucho más allá de su horizonte de entrenamiento, y generaliza a tramos sin medir y a redes de resolución más fina, llevando la predicción hidrodinámica fiable a regiones poco monitoreadas.