AlphaEarth 임베딩을 활용하여 수문 모델의 시뮬레이션 성능 향상: 지구 기반 모델의 활용

Utilizing Earth Foundation Models to Enhance the Simulation Performance of Hydrological Models with AlphaEarth Embeddings

하천 유량 기록이 없는 지역에서 하천 유량을 예측하는 것은 기후, 지형, 식생, 토양 등 다양한 요소에 따라 유역의 반응이 달라지기 때문에 어렵습니다. 기존 유역 속성은 이러한 차이 중 일부를 설명하지만, 자연 환경의 복잡성을 완전히 반영하지 못합니다. 본 연구에서는 전문가가 설계한 속성 대신, 위성 이미지 대규모 데이터 세트에서 학습된 AlphaEarth 기반 모델 임베딩이 유역 특성을 설명하는 데 더 유용한 방법을 제공하는지 조사합니다. 이러한 임베딩은 식생 패턴, 지표 특성 및 장기적인 환경 변화를 요약합니다. 연구 결과, 이러한 임베딩을 사용하는 모델은 훈련에 사용되지 않은 유역의 유량을 예측할 때 더 높은 정확도를 달성했으며, 이는 기존 속성보다 중요한 물리적 차이를 더 효과적으로 포착한다는 것을 시사합니다. 또한, 적절한 기준 유역을 선택하는 것이 관측되지 않는 지역의 예측에 미치는 영향을 추가적으로 조사했습니다. 임베딩을 기반으로 한 유사성 분석은 유사한 환경 및 수문학적 거동을 보이는 유역을 식별하여 성능을 향상시키지만, 너무 많은 이질적인 유역을 추가하면 정확도가 감소할 수 있습니다. 이러한 결과는 위성 데이터를 활용한 환경 표현이 수문 예측을 강화하고 다양한 지형에 더 쉽게 적응할 수 있는 모델 개발을 지원할 수 있음을 보여줍니다.

Predicting river flow in places without streamflow records is challenging because basins respond differently to climate, terrain, vegetation, and soils. Traditional basin attributes describe some of these differences, but they cannot fully represent the complexity of natural environments. This study examines whether AlphaEarth Foundation embeddings, which are learned from large collections of satellite images rather than designed by experts, offer a more informative way to describe basin characteristics. These embeddings summarize patterns in vegetation, land surface properties, and long-term environmental dynamics. We find that models using them achieve higher accuracy when predicting flows in basins not used for training, suggesting that they capture key physical differences more effectively than traditional attributes. We further investigate how selecting appropriate donor basins influences prediction in ungauged regions. Similarity based on the embeddings helps identify basins with comparable environmental and hydrological behavior, improving performance, whereas adding many dissimilar basins can reduce accuracy. The results show that satellite-informed environmental representations can strengthen hydrological forecasting and support the development of models that adapt more easily to different landscapes.