AlphaEarth Foundations 助力以前所未有的细节映射我们的星球

# AlphaEarth Foundations 助力前所未有的精准地球制图 来源：https://deepmind.google/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/ 新型人工智能模型整合了数PB级地球观测数据，生成统一的数据表示，彻底革新了全球制图和监测 每天，卫星都在捕捉信息丰富的图像和测量数据，为科学家和专家提供近实时的地球视图。尽管这些数据影响深远，但其复杂性、多模态特性和刷新频率带来了一个新挑战：如何连接不同的数据集并有效地利用它们。 今天，我们推出 AlphaEarth Foundations，一个如同虚拟卫星般运作的人工智能（AI）模型。它通过将海量地球观测数据整合成统一的数字表示（"嵌入"），精准高效地刻画地球全部陆地和沿海水域，使计算机系统能轻松处理这些数据。这使得该模型能为科学家提供关于地球演化的更完整、一致的图景，帮助他们在粮食安全、森林砍伐、城市扩张和水资源等关键问题上做出更明智的决策。 为了加速研究并释放应用潜力，我们现已在 Google Earth Engine 中发布了 AlphaEarth Foundations 的年度嵌入数据集合，即卫星嵌入数据集。在过去一年中，我们与 50 多个机构合作，在其实际应用中测试了该数据集。 我们的合作伙伴已经看到显著效益，利用这些数据更好地分类未被制图的生态系统、了解农业和环保变化，并大幅提高了制图工作的准确性和速度。在这篇博文中，我们很高兴能展示他们的反馈，并展现这项新技术的实际影响。 ## AlphaEarth Foundations 如何运作 AlphaEarth Foundations 通过解决两大挑战为理解地球提供了强大的新视角：数据过载和信息不一致。 首先，它汇合了来自数十个不同公开来源的信息量——光学卫星影像、雷达、3D 激光测绘、气候模拟等等。它将所有这些信息编织在一起，以 10×10 米的方格为单位分析世界陆地和沿海水域，能够以非凡的精度追踪随时间的变化。 其次，它使数据的使用变得切实可行。该系统的核心创新是能够为每个方格创建高度紧凑的摘要。这些摘要所需的存储空间比我们测试的其他 AI 系统生成的摘要少 16 倍，大幅降低了行星级分析的成本。 这一突破使科学家能做到之前不可能的事：按需创建详细、一致的世界地图。无论他们是在监测作物健康状况、追踪森林砍伐，还是观察新建筑，他们不再需要依赖单颗卫星的经过。他们现在拥有了地理空间数据的新型基础。 示意图显示 AlphaEarth Foundations 的工作原理，从视频序列中的非均匀采样帧索引任何时间位置。这帮助模型创建该位置的连续视图，同时解释众多测量结果。 为确保 AlphaEarth Foundations 已为实际应用做好准备，我们进行了严格的性能测试。与传统方法和其他 AI 制图系统相比，AlphaEarth Foundations 始终最准确。它在不同时期的广泛任务上表现出色，包括识别土地利用和估计地表属性。关键是，在标签数据稀缺的场景中，它也实现了这一点。平均而言，AlphaEarth Foundations 的错误率比我们测试的模型低 24%，证明了其卓越的学习效率。详情请见我们的论文。 示意图显示全球嵌入字段从左到右分解为单个嵌入。每个嵌入有 64 个分量，映射到 64 维球面上的坐标。 ## 使用卫星嵌入数据集生成自定义地图 由 AlphaEarth Foundations 驱动的卫星嵌入数据集在 Google Earth Engine 中是同类中最大的数据集之一，每年拥有超过 1.4 万亿个嵌入足迹。这份年度嵌入数据集合已被世界各地的机构使用，包括联合国粮农组织、哈佛森林、地球观测组织、MapBiomas、俄勒冈州立大学、空间信息集团和斯坦福大学，来创建驱动现实洞察的强大自定义地图。 例如，全球生态系统地图集是一项旨在创建首份综合资源来制图和监测全球生态系统的倡议，正在使用该数据集帮助各国将未被制图的生态系统分类为沿海灌木林和超干旱荒漠等类别。这一首创性资源将在帮助各国更好地确定保护区优先级、优化恢复工作和应对生物多样性丧失方面发挥关键作用。 > 卫星嵌入数据集通过帮助各国制图未知的生态系统，正在革新我们的工作——这对于确定在哪里集中保护工作至关重要。 尼克·默里 詹姆斯·库克大学全球生态实验室主任和全球生态系统地图集全球科学负责人 在巴西，MapBiomas 正在测试该数据集，以更深入地了解全国范围内的农业和环保变化。这类地图为亚马逊热带雨林等关键生态系统的保护战略和可持续发展倡议提供了指导。 MapBiomas 创始人塔索·阿泽维多说："卫星嵌入数据集能够改变我们团队的工作方式——我们现在有了新选择来制作准确、精准且快速生成的地图——这是我们以前永远无法做到的。" 详细了解卫星嵌入数据集并查看教程，请见 Google Earth Engine 博客。 ## 用 AI 赋能他人 AlphaEarth Foundations 代表了理解我们不断变化的地球的状态和动态的重大进步。我们目前在使用 AlphaEarth Foundations 生成年度嵌入，认为当将其与 Gemini 等通用推理 LLM 代理结合使用时，它们可能会更有用。我们继续探索如何将我们模型的基于时间的能力应用于 Google Earth AI（我们的地理空间模型和数据集合集），以帮助应对地球最紧迫的需求。 **详细了解 AlphaEarth Foundations** **致谢** 这项工作是 Google DeepMind 和 Google Earth Engine 团队之间的合作。 Christopher Brown、Michal Kazmierski、Valerie Pasquarella、William Rucklidge、Masha Samsikova、Olivia Wiles、Chenhui Zhang、Estefania Lahera、Evan Shelhamer、Simon Ilyushchenko、Noel Gorelick、Lihui Lydia Zhang、Sophia Alj、Emily Schechter、Sean Askay、Oliver Guinan、Rebecca Moore、Alexis Boukouvalas、Pushmeet Kohli