技术摘要：AEF-Econ

1. 问题陈述

尽管 AlphaEarth Foundations (AEF) 通过多模态自监督学习生成物理地表嵌入，为全球遥感建立了一个强大的范式，但它们在社会经济应用中表现出一个关键局限。AEF 的预训练目标主要侧重于物理信号（如植被、土地覆盖），而忽略了社会经济语义（如人口、经济活动、功能区）。因此，当 AEF 嵌入被用作社会经济任务的“即插即用”线性探测器时，性能不足，通常需要研究人员为每个特定任务手动拼接辅助信号。

此外，现有的多源自监督学习 (SSL) 方法面临着 容量分配瓶颈 (capacity-allocation bottleneck)。在标准的融合架构中，高维、高方差的数据流（例如 64 维的 AEF 嵌入或 18 维的夜间灯光统计数据）会主导共享的重构损失，从而抑制了低维的语义流（例如 1 维的人口或 9 维的城市形态）。这导致了关键社会经济信号的坍缩，特别是在跨领域泛化场景中（例如从一个城市等级向另一个城市等级迁移）。

2. 方法论

2.1. 数据与基准构建 (CHN-Econ)

本研究构建了 CHN-Econ，这是一个涵盖中国 36 个城市、跨越八年（2017–2024）的社会经济基准。

• 输入： 集成了七种异构数据流：
  1. AEF 嵌入： 64 维物理嵌入。
  2. WorldPop： 1 维人口密度。
  3. 夜间灯光 (NTL)： 18 维统计数据。
  4. 遥感指数： 3 维指数（如 NDVI）。
  5. POI 网格： 24 维密度与距离特征。
  6. 城市形态： 9 维空间特征。
  7. 跨语言文本： 源自大语言模型 (LLM) 对 POI 描述进行抽象处理的 1024 维嵌入 (BGE-M3)，旨在捕捉独立于特定城市名称的功能语义。
• 标签： 跨越三类任务的 16 个下游验证标签：物理可观测型 (PO)、社会经济锚定型 (SEA) 和相似性任务。

2.2. 实证诊断 (31 项对照实验)

在提出新架构之前，作者系统地评估了现有融合策略在五个维度上的表现，以建立性能基线：

1. 融合架构： 对比了直接拼接、独立投影、基于 Transformer 的融合、门控加权和混合专家模型 (MoE)。研究发现 独立投影 (C2) 表现最优，因为它在融合前为每个数据流分配了相当的表示能力，防止了高维数据流压制低维数据流。
2. 自监督目标： 对比了重构、掩码重构、隐式解码和对比学习。全重构 (G1) 被证明最有效，它能在不丢弃特定流细节的情况下，保留跨源的共享结构。
3. 归一化： 逐维度归一化 (Per-dimension normalization) 被确定为平衡具有巨大尺度差异的各流之间重构误差的关键（例如 NTL 辐射度与归一化指数）。
4. 维度： 评估了 64、128 和 256 维。256 维在信息保留与存储之间提供了最佳平衡。
5. 文本集成： 测试了各种文本对齐策略。全维度、低权重 InfoNCE 对齐 (TE2) 是最优选择，它在提供语义约束的同时，不会过度干扰数值流。

2.3. 提出的解决方案：容量自适应重构 (CAR)

尽管优化了骨干网络，但由于在共享重构阶段存在 流间容量竞争 (inter-stream capacity competition)，跨等级泛化效果仍然不理想。高方差的数据流持续主导着共享解码器的梯度。

为了解决这一问题，作者提出了 CAR，它将容量公平性从输入端扩展到了输出端：

• 输入端： 保留 C2 架构（使用独立编码器将所有流投影至 64 维）。
• 输出端： 用 逐流独立解码器 (per-stream independent decoders) 取代单一的共享解码器。
• 损失函数： 用 流级重构损失 (stream-level reconstruction losses) 取代统一的重构损失。每个流由其自身的解码器进行重构，并配合维度归一化的损失，确保低维语义流在优化过程中不会被高维流所抑制。
• 总损失： $\mathcal{L} = \mathcal{L}_{CAR} + w \cdot \mathcal{L}_{text}$，其中 $\mathcal{L}_{CAR}$ 是六个独立流损失的平均值。

3. 关键结果

3.1. 性能提升

CAR 框架显著优于原始 AEF 基线以及未采用 CAR 的五轴优化骨干网络：

• 跨区域泛化 (E2)： $R^2$ 从 0.301 (仅 AEF) 提升至 0.832 (五轴骨干) ，并进一步提升至 0.848 (CAR)。
• 跨等级泛化 (E3)： $R^2$ 从 0.160 (仅 AEF) 提升至 0.671 (五轴骨干) ，并进一步提升至 0.693 (CAR)。
• 坍缩恢复： CAR 成功恢复了此前发生坍缩（$R^2$ 为负值）的标签（如空间形态和房价）。例如，房价任务 ($Vd15$) 从 AEF 的 $R^2 = -14.439$ 提升到了 CAR 的 $0.317$。

3.2. 产品发布：AEF-Econ

作者发布了 AEF-Econ，一种社会经济基础嵌入产品：

• 覆盖范围： 覆盖 36 个城市的 1440 万像素（2017–2024）。
• 维度： 原生 256 维嵌入，并提供压缩后的 128 维和 64 维版本。
• 自我诊断： 该嵌入表现出无维度坍缩现象，具有稳定的分布形状，并且在没有显式等级监督的情况下，能自发捕捉城市等级体系 (T1 > T1.5 > T2 > T3 > T4)。

3.3. 应用案例研究

在完全无监督的设置下，AEF-Econ 展示了以下能力：

1. 刻画城市增长： 通过嵌入轨迹长度识别沿海开发区（如前海、临港）的快速空间重组。
2. 聚类功能区： 无监督聚类揭示了建成环境强度和区域背景的连续梯度，有效地将 CBD 和旧核心区进行分组，而无需功能标签。
3. 绘制社会经济梯度图： 恢复了真实的城市内部社会经济等级 (L0–L4)，这些等级与夜间灯光、建筑高度和房价相一致，并能识别出如河流等自然边界。

4. 意义与主张

本文声称 AEF-Econ 提供了一种与 AEF 物理嵌入具有 互补性 的“即插即用”型社会经济遥感基础嵌入。

• 方法论贡献： 本研究识别并解决了多源自监督学习中的 容量竞争瓶颈，证明了容量公平分配不仅必须在输入端强制执行（通过独立编码器），还必须在输出端强制执行（通过独立解码器和流级损失）。
• 实际影响： 它消除了研究人员需要为每个新社会经济任务手动拼接辅助信号的需求，提供了一种能够捕捉跨城市等级和城市内部空间组织的统一表示。
• 局限性： 作者谦虚地指出，该框架假设所有流的贡献相等（这可能会在稀疏区域导致过拟合），依赖于 POI 数据覆盖（限制了在中国以外地区的迁移性），且无法完全替代宏观经济变量来完成如房价预测等任务。

总之，这项工作为如何将全球训练的基础模型适配到社会经济领域提供了一条具体的路径，实现了从特定任务的手动融合向统一的自监督社会经济表示学习的转变。