AlphaEarth嵌入几何刻画：面向智能体环境推理

# 刻画 AlphaEarth 嵌入几何：面向智能体环境推理
来源：https://arxiv.org/html/2604.18715  
Samuel J. Barrett Christina Last  
达特茅斯学院达特茅斯图书馆，美国新罕布什尔州汉诺威 03755  
LGND AI，西班牙加那利群岛  
TipplyAI，英国伦敦  

###### 摘要

地球观测基础模型将地表信息编码为稠密嵌入向量，但这些表示的几何结构及其对下游推理的影响仍鲜为人知。一个尚未探索的问题是：在 AlphaEarth 嵌入上能够且应该执行哪些操作？几何理解应如何指导在其上推理的系统设计？我们利用 2017–2023 年美国本土 1210 万个样本的 64 维 Google AlphaEarth 嵌入，系统刻画其嵌入空间几何，并构建利用该几何进行环境推理的智能体系统。该流形为非欧结构：主成分分析显示有效维度为 13.3（参与比），最大似然估计给出局部本征维度约 10。切空间在流形上显著旋转，84% 的采样点切空间夹角超过 60°，局部–全局主成分对齐（mean|cos θ|=0.17）接近随机基线 0.125。类似词嵌入类比的组合向量算术在三项实验中精度均低。在三个空间尺度训练的有监督线性探针显示概念方向在流形上大幅旋转，基于 PCA 或探针方向的组合算术精度同样不佳。相比之下，检索在流形大部分区域产生物理一致的结果，局部几何特征可预测检索一致性（R²=0.32）。基于上述发现，我们提出一种智能体地理空间智能系统，集成 9 种专用工具（5 种基于检索，4 种几何感知），将自然语言环境查询分解为多步推理链，在 FAISS 索引的嵌入数据库上执行。五条件消融实验（120 条查询，分三级复杂度）表明，卫星嵌入检索是回答质量的首要贡献者（μ=3.79±0.90，vs. 纯参数生成 μ=3.03±0.77；1–5 分制），而智能体架构在多步比较查询中表现最强（μ=4.28±0.43），该任务类别确定性管道无法处理。跨模型基准（Claude Sonnet 4.5 vs. Opus 4.6）显示，几何工具使 Sonnet 加权得分下降 0.12 分，却使 Opus 提升 0.07 分；Opus 的几何接地得分显著更高（3.38 vs. 2.64）。在单点查询中，Opus 借助几何上下文提升 0.58 分，而 Sonnet 下降 0.29。结果表明，嵌入空间几何刻画的效用并非固定，而是随消费模型的推理能力而放大。

###### 关键词

卫星基础模型，嵌入几何，流形刻画，智能体系统，检索增强生成，地理空间智能

## 1 引言

地球观测基础模型将多光谱影像压缩为稠密嵌入向量，作为地表紧凑表示。Google AlphaEarth、Prithvi、Scale-MAE、Clay 等模型在土地覆盖分类、变化检测、作物制图等下游任务表现强劲。这些模型通常以任务精度评估，但其嵌入空间的内部结构尚未被全面理解：这些表示具有何种几何属性？这些属性对可在嵌入上执行的操作意味着什么？

在自然语言处理中，词嵌入支持向量算术：加减向量产生语义有意义的结果，因为嵌入空间近似线性且相关方向全局一致。流形假设认为习得表示占据高维环境空间中的低维流形，但这些流形未必平坦。若 AlphaEarth 嵌入位于弯曲、异构的流形上，则假设线性的组合操作可能无法直接迁移，推理策略的选择应受几何本身指导。

大语言模型（LLM）结合专用工具已被用于地理空间任务。ReAct 框架交错推理轨迹与工具调用；Toolformer 表明语言模型可自主学习调用外部 API。检索增强生成（RAG）将模型输出锚定在检索证据而非仅依赖参数知识。这些方法已用于文本与图像检索，但卫星基础模型嵌入尚未用作环境推理的检索骨干。关键前提是理解在何种几何条件下检索能产生物理有意义的结果。

已有研究为 AlphaEarth 嵌入建立了维度级词典，表明单维映射到具体环境属性，且完整嵌入空间可重建大多数环境变量。然而，知晓每维含义并不能告诉我们维度间如何关联、空间是否平坦、几何支持哪些操作。NLP 领域已从解释单维词嵌入转向研究完整空间的几何，因为几何决定下游操作的有效性。本文完成地球观测基础模型嵌入的类似转变，探究 64 维如何几何关联，以及该结构对推理系统意味着什么。

我们回答四个研究问题：

1. AlphaEarth 嵌入流形的几何结构是什么？局部几何与全局结构如何关联？
2. 在该嵌入空间中，哪些推理操作几何可行？
3. 具备几何感知工具的智能体系统能否将卫星接地智能从单步检索扩展到多步推理？
4. 嵌入空间几何元数据的效用是否依赖于消费语言模型的推理能力？

## 2 数据与前期研究

我们沿用前文相同的数据集与嵌入基础设施。简言之，通过 Google Earth Engine API 在美国本土（CONUS）以 0.025° 间距（约 2.75 km）提取 2017–2023 七年年度 AlphaEarth 嵌入，共约 1210 万条 64 维向量（A00–A63）。每条向量与 MODIS、PRISM、ERA5-Land、SRTM、SoilGrids、NLCD 的 26 个环境变量共位。

前期研究建立三项结果：其一，结合线性、非线性与注意力方法，证明单维与可识别地表属性相关，完整嵌入可重建大多数环境变量（14 个 R²>0.90；温度与高程接近 0.97）。其二，这些关系在空间 2°×2° 块交叉验证下稳健（平均泛化差距 ΔR²=0.017），且七年时间稳定（平均年际相关 r̄=0.963）。其三，五阶段确定性管道使用 FAISS 索引检索，将自然语言环境查询转为卫星接地评估，LLM 评判得分 μ=3.74±0.77（360 查询-回答循环）。

该研究独立处理每维，刻画单维编码内容。维度级分析是必要第一步，但未说明空间是否支持实践中可用的组合操作。本文下一步：刻画流形几何，测试类似词嵌入类比的向量算术是否迁移，并构建受几何结构指导的智能体系统。

## 3 方法

分析分三阶段。首先刻画 AlphaEarth 嵌入流形几何（3.1），问其平坦或弯曲、全局均匀或局部异构。该刻画驱动第二阶段，测试向量算术等组合操作是否可行（3.2），以及检索是否在流形上产生物理一致结果（3.3）。综合发现指导设计智能体系统（3.4–3.5），使其与嵌入空间结构协同而非对抗。

### 3.1 阶段一：流形刻画

#### 全局协方差结构

若嵌入空间沿少数独立轴组织，则方差集中于少数主成分；若 64 维均独立贡献，则空间均匀 64 维。我们计算百万向量平衡子样的 64×64 协方差与 Spearman 相关矩阵，进行特征分解，并用参与比量化有效维度：

PR = (∑λi)² / ∑λi²

参与比等于 1 表示单成分主导，等于 d 表示 d 成分均等贡献，提供维度携带有意义方差的连续度量。我们将特征向量载荷与前期维度-变量映射对照，判断主轴是否对应可识别环境梯度（如湿度轴、温度轴）。

为测试几何结构年际稳定性，对七年独立重复特征分解，计算成对主子空间夹角，并对相关矩阵进行 Ward 层次聚类识别共变维组。

#### 本征维度

参与比刻画全局特征谱形状，但不反映局部复杂度。流形可全局维度低却局部折叠，或局部更简单。我们在每点用最大似然估计局部本征维度：

d̂k(x) = [1/(k−1) Σ log(rk(x)/rj(x))]⁻¹

其中 rj(x) 为点 x 到其第 j 近邻的欧氏距离。该估计量度量邻域体积随半径增长速度：增长快意味更多局部维度。我们在 20 万点（年际平衡）上应用 k∈{5,10,20,30,50,75,100}，绘制 CONUS 局部本征维度空间分布，并用逐年 10 万点评估时间稳定性。为可视化流形，将 20 万点 PCA 降至三维，并按局部本征维度与高程着色，揭示几何复杂度与地貌关系。