把气候、排放、土地利用、基础设施、灾害和社会经济变量放进同一个训练张量，听上去像基础模型的理想起点。但这些来源有不同的投影、分辨率、时间粒度、许可和缺失方式；若只因它们被对齐到同一网格就默认可以混用，模型很可能学到时间覆盖或重采样留下的伪关联。WorldTensor 的价值在于把这种数据工程问题明确为可检查的全球数据合同。
可核查事实
WorldTensor 论文于 2026 年 7 月 3 日提交 arXiv。它提出面向地球系统基础模型的统一训练数据：将数百个环境与社会经济变量对齐到全球 0.25°×0.25° 经纬网格和年度时间框架。论文明确将它定位为研究基础设施，而不是针对单一模型的基准。
该数据表示覆盖气候、极端事件、空气质量、排放、土地利用、植被、水文、冰冻圈、海洋生物地球化学、农业、能源基础设施、人类系统、灾害、冲突和静态地理协变量。构建时，作者对不同原始分辨率和投影的栅格重投影，将点和矢量来源栅格化，并把日/月观测与稀疏多年社会经济快照协调到年度层。
论文的统一网格纬度从 −90° 到 90°、经度从 0° 到 359.75°，间隔 0.25°，与 ERA5 网格匹配。非静态变量按年度保存；日/月产品用变量适当的统计量汇总，稀疏社会经济数据从锚点年份插值。静态层如水深则单独保存，不能被误解为年度观测。
发布物包含 757 个单元：658 个时变变量族和 99 个静态层，对应 52,823 个 NetCDF 文件，约 46 GB。文件采用压缩 float32，带标准化坐标、变量级元数据、CF conventions 标记和来源血缘；时变数据通常按 <domain>/<variable>/<YYYY>.nc 布局，静态数据在 static/<group>/<variable>.nc。
气候部分基于 ERA5 月度再分析，发布 276 个年度气候层，包含均值或总和以及标准差、最小值和最大值，覆盖 1940—2025。静态层包括地形、水深、土壤、植被类型、距海岸和河流距离、到城市的旅行时间等 99 层。论文还提供两个 PyTorch 示例接口：YearDataset 生成 [C,H,W] 年度张量，PatchDataset 支持可配置大小的空间裁剪，并随样本提供有限值掩码、坐标和年份标签。
时间并非全域一致：数据总体跨 1900—2025，但气候从 1940 年开始、海洋生物地球化学从 2010 年开始、空气质量从 2003 年开始、植被从 2000 年开始。论文指出模型训练要么限制到所选变量共同可用年份，要么显式采用缺失变量掩码；不能把没有观测的年份当作零值或完整覆盖。
核心机制
WorldTensor 的核心不是“把更多列拼到一起”，而是四项共同约束：共享空间支撑、共享时间单位、多模态域覆盖和机器可读格式。来源的本来模式被转换为统一表示，换来跨域组合能力，也会引入分辨率损失、时间聚合、栅格化假设和覆盖不均等新风险。
因此，模型输入应当有两层证据：第一层是每个变量的原始来源、单位、许可、原生分辨率、处理统计和有效时间；第二层是对齐后的网格、重采样方法、缺失掩码和处理版本。只有这两层均可追溯，基础模型的跨域表征才可被解释和复跑。
GIS 场景
区域气候风险、土地变化、基础设施暴露和社会脆弱性分析往往需要多源图层共同解释。统一全球网格可以帮助团队先做跨域探索、表征预训练或候选特征生成，但它不替代项目级的矢量边界、传感器原始分辨率和权威统计口径。
GIS 门户应将每个模型输入层展示为带时间可用性和处理标签的数据卡。用户选择 2015 年的城市风险模型时，系统应列出哪些变量有实际观测、哪些来自插值、哪些是静态先验，以及从矢量或点数据到栅格的聚合方式。这样，模型的预测才能回到真正适用的空间和时间范围。
技术路径
- 为每个输入变量建立来源、许可、单位、原始 CRS/分辨率、时间覆盖和重采样方法台账。
- 选择任务所需变量后，计算共同有效年份；若使用非交集年份，必须输出并训练缺失掩码。
- 对点、线、面栅格化制定独立的聚合规则，并在海岸、国界、极区和稀疏区域抽样检查。
- 将静态地理先验与年度观测分通道、分版本管理，禁止用静态层伪装时间变化。
- 在地理隔离、时间隔离和来源隔离测试中评估模型，并保留可回滚的数据切片与特征版本。
检查清单
- 是否能追溯每个变量的来源、许可、单位和原生时间覆盖。
- 是否显示统一网格的重采样、栅格化与年度汇总规则。
- 是否对不同覆盖期使用共同年份筛选或显式缺失掩码。
- 是否将静态地理先验与时间变量分开处理和解释。
- 是否在海岸、边界、极区和稀疏数据区做空间质量抽查。
风险边界
同网格不意味着同精度、同可信度或同因果含义。年度聚合会掩盖季节过程，插值和栅格化会改变局地信号，跨域变量还可能因共同处理链路产生伪相关。WorldTensor 的论文是数据集说明，不应被解读为任何具体风险模型的性能保证；高影响地图结论仍须与权威台账、原始观测和领域审查交叉验证。
结论
WorldTensor 把基础模型的全球数据层变成可描述、可选择和可复核的标准化张量。GIS 团队应借鉴的不是无差别堆叠变量，而是把网格、时间、缺失、血缘和重采样假设写进每一次模型运行，让跨域数据真正能够被审计。