IA e os Problemas Difíceis do Mundo · Ciências da Terra e do clima · arXiv · 2026-10-21
Aprendendo a hidrodinâmica de sistemas fluviais globais com um modelo de fundação informado pela topologia
Título original: Learning global river system hydrodynamics with a topology-informed foundation model
A previsão fluvial precisa é essencial para a segurança hídrica, alimentar e energética, mas estendê-la de forma confiável de estações de medição in situ esparsas para a rede fluvial completa continua sendo um desafio em aberto. O GraphRiverCast (GRC) é um modelo de fundação fluvial informado pela topologia que explora a conectividade e a energética dos rios, é treinado com estações esparsas e prevê hidrodinâmica multivariada diária em nível de trecho em toda a rede fluvial global sem condições prévias do rio, superando fortes modelos baseados em física e de aprendizado de máquina. Como reconstrói os estados do rio a partir da topologia e das forçantes, em vez de depender de recorrência temporal, sua habilidade quase não decai com o lead time, mesmo muito além de seu horizonte de treinamento, e ele generaliza para trechos não monitorados e redes de resolução mais fina, levando previsão hidrodinâmica confiável a regiões pouco monitoradas.