Google DeepMind揭開了Alphaearth基礎,這是一個突破性的AI系統,可創建整個星球的高度詳細地圖。該系統今天宣布,該系統針對科學家和政府面臨著一個關鍵的挑戰:如何處理每日衛星數據的壓倒性洪水。

它通過融合來自多個來源的信息(例如光學圖像和雷達)的信息來工作。該功能強大的工具可幫助組織跟踪森林砍伐,管理水資源並以更高的速度和準確性監視環境變化。

的目標是使行星規模分析更便宜,更容易獲得,從而改變我們從空間中了解世界的方式。現在,研究人員可以通過。 src=”https://winbuzzer.com/wp-content/uploads/2025/07/Google-Earth-AI-AlphaEarth.webp”>

From Data Overload to Actionable Intelligence

For decades, a fundamental paradox has plagued Earth observation.儘管衛星捕獲了我們星球的近實時視圖,但這些數據的巨大音量和復雜性卻帶來了新的挑戰:將不同的數據集連接到可行的智能上仍然令人沮喪。

Google DeepMind的Alphaearth基金會直接面對這個問題。根據

這標誌著與傳統方法的重大轉變。 Instead of treating each satellite image as a separate piece of data, the system weaves them together into a unified digital model that computer systems can easily process, providing a more complete and consistent picture of the星球的進化。該系統吸收了來自多種多樣的公共資源的觀察結果。

它結合了來自Sentinel-2和Landsat等衛星,雲雷達雷達數據,3D激光映射,全球抬高模型,甚至氣候模擬的衛星的光學和熱圖像。最終的目標是賦予科學家和組織的能力,以對關鍵全球問題做出更明智的決定,從糧食安全和森林砍伐到城市擴張以及對重要水資源的管理。

alphaearth如何壓縮行星

系統的核心創新領域在創造了什麼領域的領域呼籲“創造了恩比”。 Alphaearth基礎並沒有將每個衛星圖像視為單獨的數據,而是為地球表面的每10米廣場創建高度壓縮的數字摘要。每個像素都轉化為一個豐富的64維特徵矢量,總結了整整一年的多源觀測值。

這些不是常規的光譜帶。正如Google解釋的那樣,64個維度代表了高維“球”的坐標,不僅捕獲了像素的屬性,還可以捕獲其空間和時間上下文。這使該模型可以區分孤立的表面,例如停車場的瀝青與高速公路的瀝青,因為它們的周圍環境使它們具有不同的嵌入。

這種技術非常有效。 According to the research, the system reduces error rates by approximately 23.9% compared to existing approaches while requiring 少16倍存儲空間。數據開銷的這種急劇減少對於克服諸如雲覆蓋之類的常見障礙並降低行星規模分析的成本至關重要。

也許最重要的是,該系統在“稀疏數據制度”中表現出色,即“在現場驗證的信號”中,該系統受到限制。 As the research paper notes, “high-quality maps depend on high-quality標記的數據,但是在全球尺度上工作時,必須在測量精度和空間覆蓋率之間達到平衡。” Alphaearth從極少數數據點中準確推斷出的能力解決了這一基本挑戰。

這種多模式方法在復雜的科學任務中產生了卓越的結果。例如,在一項充滿挑戰的測試中,估計蒸散量(從土地到大氣的水的過程)取得了強烈的積極結果。 In contrast, all other methods tested performed worse than simply guessing the average, underscoring the new model’s advanced capabilities in biophysical variable估計

引擎蓋下:地理空間AI

的新架構在技術上使系統與眾不同的是其精緻的時間處理。 The model architecture, dubbed “Space Time Precision”or STP, is the first Earth observation featurization approach to support continuous time, according to the research paper.這代表了地理空間AI的基本架構創新。

這種獨特的功能意味著系統可以按需要在任何特定的日期範圍內生成準確的地圖。它可以在現有的衛星觀測值之間進行插值,以填補空白,甚至沒有直接覆蓋的時期。這有效地使模型可以通過持續的雲覆蓋“查看”,這是熱帶區域中臭名昭著的問題,通常使其他衛星數據集無法使用。

STP體系結構旨在同時維護高度局部化的表示,同時建模跨時時間和空間的長途關係。這種雙重重點使其能夠了解一個10米像素的環境,與幾週,幾個月或幾年的更廣泛的環境以及其進化有關。

通過處理隨著時間的推移的衛星圖像,就好像它們是視頻中的框架一樣,這些模型可以學會產生嵌入的嵌入方式,從而捕獲空間上下文並保存時間段。這意味著每個嵌入矢量都包含季節性信號,例如

早期採用者跟踪森林砍伐和地圖生態系統

,與其花費時間和計算功率爭吵數據。夥伴關係涵蓋了保護小組,學術機構和國際機構,包括聯合國’食品和農業組織 target=“ _ black”>哈佛森林和斯坦福大學

在巴西,保護技術集團, mapbiomas 正在使用數據集更深入地了解全國的農業和環境變化。這項工作對於在亞馬遜雨林等重要生態系統中為保護策略和可持續發展計劃提供信息至關重要。 Mapbiomas的創始人Tasso Azevedo強調了直接影響,並指出:“衛星嵌入數據集可以改變我們的團隊的工作方式-我們現在有了新的選項來製作更準確,精確和快速生產的地圖-我們從來沒有做過的事情。 href=“ http://www.globalecosystemsatlas.org/” target=“ _ blank”>全球生態系統地圖集倡議,正在利用該技術來創建第一個綜合資源來繪製和監測世界生態系統。該項目正在幫助各國對以前未蓋的區域進行分類為特定類別,例如 castalal shrublands target=“ _ blank”>超級方便的沙漠。

這個“同類資源的首先”在幫助各國更好地確定保護區,優化恢復工作並打擊全球生物多樣性的喪失方面起著至關重要的作用。詹姆斯·庫克大學全球生態實驗室的主任尼克·默里(Nick Murray)強調了該項目的重要性。他說:“嵌入數據集的衛星通過幫助各國繪製未知的生態系統的革新我們的工作徹底改變了我們的工作-這對於確定將其集中在哪裡進行保護工作至關重要。” href=“ https://blog.google/technology/ai/google-earth-ai/” target=“ _ blank”>“ google erace ai” 旨在滿足地球上最關鍵需求的地理空間模型和數據集的集合。該計劃擴展了多年的工作,為現實世界中的問題建立AI系統。 In a joint blog post, Google executives Yossi Matias and Chris Phillips wrote, “these models already power features used by millions, like flood and wildfire alerts in Search and Maps; they also provide actionable insights through Google Earth, Google Maps Platform and Google Cloud Platform.”

The most tangible result of this work is the public release of the satellite嵌入數據集現在可以通過Google Earth Engine獲得。 Described as one of the largest of its kind with over 1.4 trillion embedding footprints per year, the dataset provides annual snapshots from 2017 through 2024, offering a rich historical context for tracking environmental shifts over time.

By making these pre-computed embeddings available, Google aims to democratize access to sophisticated Earth observation capabilities.以前,創建如此詳細的地圖需要大量的計算資源和深厚的專業知識。研究小組認為,這對科學界來說是一個關鍵時刻。他們寫道:“這一突破使科學家能夠做一些不可能的事情,直到現在:創建我們世界的詳細,一致的地圖,按需。”

對企業的影響很重要。參與供應鏈監測,農業生產,城市規劃或環境合規性的企業現在擁有強大的新工具。在全球範圍內跟踪10米分辨率變化的能力為從驗證可持續採購主張到優化農業收益率的應用提供了基礎。

在整個公告中,Google強調該系統以設計用於環境監測的解決方案,而不是個人跟踪。該公司澄清說,數據集“無法捕獲單個對象,人或面孔”。這個10米的分辨率是一個故意的設計選擇,旨在平衡實用程序和隱私保護。

Categories: IT Info