Surface-to-subsurface inference via AlphaEarth: A shared foundation-model representation for diverse subsurface properties

Technische Samenvatting: Oppervlakte-naar-subsurface inferentie via AlphaEarth

Probleemstelling
Het afleiden van subsurface eigenschappen uit oppervlakte-observaties is een fundamentele uitdaging in de geowetenschappen vanwege de schaarste, de kosten en de ongelijkmatige verdeling van directe subsurface metingen (bijv. boorgaten, seismische surveys). Daartegenover staan oppervlakte-observaties die wel dicht en temporeel herhaalbaar zijn. Hoewel oppervlakte-expressies (geomorfologie, lithologie, vegetatie, vochtigheid) vaak correleren met subsurface condities, zijn deze verbanden indirect, niet-uniek en schaalafhankelijk. Traditionele mapping vertrouwt vaak op handmatig gecreëerde proxies (bijv. topografische helling voor seismische snelheid), die er mogelijk niet in slagen om complexe, gekoppelde landschapscontexten te vatten. Deze studie onderzoekt of een embedding van een general-purpose Earth observation foundation model kan dienen als een gedeelde, overdraagbare geospatiale representatie om de oppervlakte-naar-subsurface inferentie over verschillende fysieke domeinen heen te verbeteren.

Methodologie
De auteurs maken gebruik van AlphaEarth, een geospatial foundation model ontwikkeld door Google DeepMind. AlphaEarth produceert een globale 64-dimensionale embedding field op een resolutie van 10 m, geleerd van multi-source Earth observation data (optische beelden, radar, topografie, LiDAR, klimaatreanalyse en door zwaartekracht afgeleide hydrologische signalen). Het model wordt niet opnieuw getraind; in plaats daarvan worden vaste embedding vectoren gebruikt als input-features voor downstream taakspecifieke regressiemodellen.

De studie evalueert deze aanpak over twee verschillende toepassingen in de conterminente Verenigde Staten (CONUS):

1. Ondiepe seismische snelheid ($V_{S30}$): Het voorspellen van de tijdgemiddelde schuifgolfsnelheid in de bovenste 30 meter.
   • Features: AlphaEarth embeddings gebruikt alleen, en in hybride sets met conventionele voorspellers (log-helling en een binaire tektonische statusindicator).
   • Modellen: Lineaire Regressie, Random Forest (RF) en XGBoost.
   • Validatie: Willekeurige 80/20 train-test splits en geografisch uitgesloten "leave-one-state-out" extrapolatietests (Californië, Oregon, Washington).
2. Subsurface Temperatuur: Het reconstrueren van temperatuurvelden op dieptes van 1.000–6.000 meter.
   • Features: AlphaEarth embeddings als de primaire geospatiale descriptor (er bestaat geen equivalent standaard laag-dimensionaal proxy-set voor diepe temperatuur).
   • Modellen: Een Multilayer Perceptron (MLP) neuraal netwerk.
   • Validatie: Willekeurige splits en geografisch uitgesloten tests voor Arizona, Missouri en New York.

Belangrijkste Resultaten

• $V_{S30}$ Voorspelling:
  • Hybride modellen die AlphaEarth embeddings combineren met log-helling presteerden aanzienlijk beter dan conventionele baselines. Het beste model (XGBoost met embeddings + log-helling) bereikte een test RMSE van 126,1 m/s en een $R^2$ van 0,53, wat een reductie van 24,3% in RMSE betekent ten opzichte van een baseline die enkel log-helling en tektonische status gebruikt.
  • Embeddings alleen presteerden beter dan de conventionele terrein-proxy baseline, wat aangeeft dat ze rijkere informatie coderen met betrekking tot lithologie, vegetatie en hydrologische organisatie.
  • Extrapolatie: In leave-one-state-out tests nam de voorspellende vaardigheid aanzienlijk af (bijv. $R^2_{log}$ daalde naar ~0,06 voor Californië), wat de lokale aard van $V_{S30}$ weerspiegelt en de invloed van specifieke sedimentdiktes en stratigrafie die niet door regionale oppervlaktepatronen worden gevangen. De modellen herstelden echter nog steeds fysiek plausibele eerst-orde regionale patronen (bijv. contrasten tussen basins en hooglanden).
• Subsurface Temperatuur:
  • Het embedding-geïnformeerde neurale netwerk behaalde sterke prestaties ($R^2 = 0,919$, RMSE = 6,0°C) vergeleken met een niet-embedding nonlinear baseline, wat aantoont dat de embedding complementaire informatie vangt buiten de modelflexibiliteit.
  • Het model slaagde erin brede thermotektonische structuren te herstellen, waarbij het onderscheid maakte tussen de actieve, warmere westelijke VS (Basin and Range, Yellowstone) en de stabiele, koelere cratonische binnenlanden.
  • Extrapolatie: State-level extrapolatietests toonden variabele vaardigheid aan, afhankelijk van de thermische heterogeniteit van de regio (bijv. hogere fout in het geologisch complexe Arizona versus het meer coherente New York). Het model behield brede thermische gradiënten maar vlakte lokale anomalieën af, wat consistent is met de verwachting dat diepe temperatuur meer regionaal georganiseerd is dan ondiepe snelheid.

Belangrijkste Bijdragen

1. Gedeelde Representatie: De studie demonstreert dat een enkele, general-purpose foundation model embedding kan dienen als een overdraagbare oppervlakte-representatie voor diverse subsurface targets (mechanische stijfheid en thermische staat) zonder taakspecifieke hertraining van de embedding zelf.
2. Rol van Embeddings: Het onderzoek verheldert de conditionele bruikbaarheid van dergelijke embeddings:
   • Voor $V_{S30}$, waar sterke physics-guided proxies (helling) bestaan, fungeert de embedding als een augmenterende feature, die niet-redundante landschapscontext toevoegt om de nauwkeurigheid te verbeteren.
   • Voor subsurface temperatuur, waar controles diffuus zijn en eenvoudige conventionele proxies ontbreken, dient de embedding als de primaire geospatiale descriptor.
3. Validatiekader: Door willekeurige uitgesloten tests te koppelen aan geografisch uitgesloten extrapolatietests, onderscheidt de studie de voorspellende vaardigheid binnen gesamplede regio's van de limieten van ruimtelijke overdraagbaarheid. Dit benadrukt dat hoewel embeddings regionale inferentie ondersteunen, extrapolatieprestaties worden beperkt door de dichtheid van de sampling, geologische heterogeniteit en de schaal van de target eigenschap.

Betekenis en Claims
Het artikel claimt dat foundation-model oppervlakte-embeddings niet louter prestatieverbeterende features zijn, maar fungeren als flexibele, gedeelde representaties die gekoppelde geomorfologische, geologische, hydrologische en landgebruik-contexten coderen. Deze contexten bieden indirecte maar statistisch significante beperkingen op de subsurface structuur.

De auteurs positioneren dit werk als een studie naar hoe overdraagbare representaties geologisch betekenisvolle context coderen, in plaats van een definitieve oplossing voor alle subsurface mapping. Ze benadrukken dat de waarde van de representatie afhangt van de target fysica, de voorspellingsschaal en de kracht van bestaande domeinkennis. De resultaten suggereren dat dergelijke embeddings de kloof tussen Earth observation en subsurface wetenschappen kunnen overbruggen voor regionale screening en eerste mapping, met name in datarme regio's, maar dat ze de noodzaak voor lokale kalibratie of locatie-specifieke onderzoeken voor engineering design niet vervangen. De studie concludeert dat deze embeddings het meest waardevol zijn wanneer ze worden gebruikt om te bestuderen hoe landschapsbrede oppervlaktesignalen de subsurface beperken, in plaats van als een directe fysieke meting van subsurface eigenschappen.