YingLan：面向异构观测统一表示的多模态海洋基础模型

YingLan 在深圳近岸海表盐度预报中报告优于三个对比模型。

资讯摘要

论文提出多模态海洋基础模型 YingLan，用于统一表示卫星影像、网格化海洋场与浮标观测等异构数据。模型包含物理属性条件动态编码、时空增量耦合（STIC）与海洋状态演化感知预训练，基于 MindSpore 在华为昇腾 910B NPU 上实现。在深圳近岸七天海表盐度预报任务中，作者报告平均 RMSE 为 0.687508 PSU，较 LangYa、XiHe、GloNet2 分别降低 0.58%、5.31%、12.42%，并指出跨任务与跨区域泛化仍需评估。

要点速读

1. 论文提出 YingLan，整合物理属性条件动态编码、STIC 与海洋状态演化感知预训练。
2. 模型用 MindSpore 实现并在华为昇腾 910B NPU 上训练。
3. 深圳近岸七天海表盐度预报中平均 RMSE 为 0.687508 PSU，较 LangYa、XiHe、GloNet2 相对误差分别降低 0.58%、5.31%、12.42%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。