新 AI 模型整合 PB 级地球观测数据，生成统一的数据表示，革新全球测绘与监测
每天，卫星都在捕获信息丰富的图像和测量数据，让科学家和专家几乎能实时观察我们的星球。这些数据虽然影响巨大，但其复杂性、多模态特性和更新频率也带来了新的挑战：如何把彼此割裂的数据集连接起来，并有效地加以利用。
今天，我们推出 AlphaEarth Foundations，这是一个功能类似“虚拟卫星”的人工智能（AI）模型。它把海量地球观测数据整合成一种计算机系统易于处理的统一数字表示，即“嵌入（embedding）”，从而准确、高效地刻画地球全部陆地和沿海水域。这使模型能为科学家提供更完整、更一致的地球演变图景，帮助他们在粮食安全、森林砍伐、城市扩张和水资源等关键议题上做出更明智的决策。
为了加速研究并释放更多应用场景，我们现将 AlphaEarth Foundations 的年度嵌入数据作为卫星嵌入数据集（Satellite Embedding dataset），发布在 Google Earth Engine 中。过去一年里，我们与 50 多家机构合作，在其真实应用中测试这一数据集。
我们的合作伙伴已经看到了显著的收益：他们借助这些数据更好地对尚未测绘的生态系统进行分类，理解农业和环境变化，并大幅提高测绘工作的精度和速度。在这篇博客中，我们很高兴能分享他们的一些反馈，并展示这项新技术带来的切实影响。
AlphaEarth Foundations 的工作原理
AlphaEarth Foundations 解决了数据过载和信息不一致这两大难题，为理解我们的星球提供了一种强大的新视角。
首先，它汇集了来自数十种不同公开来源的海量信息，包括光学卫星图像、雷达、3D 激光测绘、气候模拟等，并将这些信息编织在一起，以清晰的 10×10 米方格分析全球陆地和沿海水域，从而以出色的精度追踪随时间发生的变化。
其次，它让这些数据真正好用。该系统的关键创新在于能为每个方格生成高度紧凑的摘要。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，大幅降低了行星尺度分析的成本。
这一突破让科学家能够做到迄今不可能的事情：按需生成详细、一致的世界地图。无论是监测作物健康、追踪森林砍伐，还是观察新建工程，他们都不必再依赖某一颗从头顶经过的卫星。如今，他们拥有了一种全新的地理空间数据基础。
为确保 AlphaEarth Foundations 能用于真实场景，我们对其性能做了严格测试。与传统方法和其他 AI 测绘系统相比，AlphaEarth Foundations 始终是最准确的。它在不同时间段的多种任务中表现出色，包括识别土地利用和估算地表属性。关键在于，即使在标注数据稀缺的情况下，它也做到了这一点。平均而言，AlphaEarth Foundations 的错误率比我们测试的其他模型低 24%，体现出更高的学习效率。更多细节请见我们的论文。
用卫星嵌入数据集生成定制地图
由 AlphaEarth Foundations 驱动的 Google Earth Engine 卫星嵌入数据集是同类数据集中规模最大的之一，每年有超过 1.4 万亿个嵌入足迹。这套年度嵌入数据已被世界各地的机构使用，包括联合国粮食及农业组织、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，用来制作功能强大的定制地图，推动现实世界的洞察。
例如，全球生态系统图集（Global Ecosystems Atlas）是一项旨在建立首个全面的世界生态系统测绘与监测资源的倡议，它正利用这一数据集帮助各国把尚未测绘的生态系统归入沿海灌丛和极端干旱沙漠等类别。这一同类首创的资源将在帮助各国更好地确定保护区域的优先次序、优化修复工作、遏制生物多样性丧失方面发挥关键作用。
卫星嵌入数据集正在革新我们的工作，它帮助各国绘制未知的生态系统——这对确定保护工作应聚焦何处至关重要。
Nick Murray
詹姆斯·库克大学全球生态实验室主任、全球生态系统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境变化。这类地图可为亚马孙雨林等关键生态系统的保护策略和可持续发展举措提供依据。
正如 MapBiomas 创始人 Tasso Azevedo 所说：“卫星嵌入数据集能改变我们团队的工作方式——我们现在有了新的选择，可以制作更准确、更精细、生产速度更快的地图，这是我们以前从未做到过的。”
想进一步了解卫星嵌入数据集并查看教程，请访问 Google Earth Engine 博客。
以 AI 赋能他人
AlphaEarth Foundations 在理解不断变化的地球的状态与动态方面向前迈出了重要一步。我们目前用它生成年度嵌入数据，并相信将来把它与 Gemini 这类通用推理 LLM 智能体结合使用，会更加有用。我们还在继续探索，如何在 Google Earth AI 中最好地运用该模型基于时间的能力。Google Earth AI 是我们的地理空间模型与数据集合集，旨在帮助应对地球最迫切的需求。
进一步了解 AlphaEarth Foundations
致谢
这项工作由 Google DeepMind 与 Google Earth Engine 的团队合作完成。
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