AI与世界难题 · 地球与气候科学 · arXiv · 2026-10-21
利用拓扑信息基础模型学习全球河流系统水动力学
原标题: Learning global river system hydrodynamics with a topology-informed foundation model
准确的河流预测对水、粮食和能源安全至关重要，但如何将其从稀疏的现场水文站可靠地扩展到整个河网，仍是一个未解的挑战。GraphRiverCast (GRC) 是一种拓扑感知的河流基础模型，它利用河流的连通性和能量特性，在稀疏水文站数据上训练，无需先验河流条件即可在全球河网范围内预测河段级的每日多变量水动力学，性能优于强大的基于物理的模型和机器学习模型。由于它是从拓扑结构和外强迫重建河流状态，而非依赖时间递归，其预测技巧即使在远超训练范围的情况下也几乎不随预见期衰减，并能泛化到无站观测的河段和更高分辨率的河网，为监测薄弱的地区带来可靠的水动力学预测。