AI 與世界的難題 · 地球與氣候科學 · arXiv · 2026-10-21
以拓撲資訊基礎模型學習全球河川系統水動力學
原標題: Learning global river system hydrodynamics with a topology-informed foundation model
準確的河川預測對水、糧食與能源安全至關重要,然而要將預測從稀疏的現地測站可靠地延伸到完整河川網絡,仍是未解的挑戰。GraphRiverCast (GRC) 是一個融合拓撲資訊的河川基礎模型,它利用河川連通性與能量特性,以稀疏測站進行訓練,並在無需先驗河川條件的情況下,預測全球河川網絡中各河段的每日多變量水動力,表現優於強大的物理模型與機器學習模型。由於它是從拓撲與驅動力重建河川狀態,而非依賴時間遞迴,其預報技巧即使遠超過訓練時程,也幾乎不隨前置時間衰減,並能推廣到無測站河段與解析度更精細的網絡,為監測不足的地區帶來可靠的水動力預測。