Google推出空间大模型AlphaEarth Foundations和卫星嵌入数据集

Google正式推出了AlphaEarth Foundations，一个 PB 级卫星数据整合 AI 模型，并发布了基于这个模型的产生的64维卫星嵌入数据集。　这个数据集将多年、多颗卫星的海量观测数据，“塞进”一个10米见方的像素中，将卫星影像、雷达、高程、气候等数十种数据源，压缩成64维“信息胶囊”，将彻底重构地理空间分析逻辑。

关于 AlphaEarth Foundations

AlphaEarth Foundations 是由 Google DeepMind 推出的一个强大的人工智能模型，它能够融合来自多种来源的数据，包括光学卫星图像、雷达扫描、激光雷达三维测绘以及气候模拟等，通过“嵌入（embeddings）”技术，将这些庞杂的数据压缩成紧凑且统一的数字化表征。这些嵌入不仅显著减少了数据存储需求（与同类人工智能系统相比减少了16倍），而且在处理和分析上实现了更高的效率和准确性。能够提供更完整、一致的地球演变图景，为粮食安全、森林砍伐、城市扩张和水资源等方面提供更精准的辅助决策。

数据集介绍

Google Satellite Embedding 是一个全球性的、可用于分析的地理空间数据集，数据集自2017年开始每年一份，分辨率为10米，数组经过了预处理，可直接用用于空间分析。涵盖陆地表面和浅水区，包括潮间带和珊瑚礁带、内陆水道和沿海水道。数据集中的每个 10 米像素都是一个 64 维的“嵌入向量”，用于编码单个日历年内各种地球观测仪器和数据集在相应像素及其周围测量的地表条件的时间轨迹。

官方链接：

https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_SATELLITE_EMBEDDING_V1_ANNUAL?hl=zh-cn

数据集应用

目前官方给的方向有：

​1. ​相似性搜索 (Similarity Search)：​​ 可在地球上任意选取一个点（例如，特定类型的农田或森林），并立即在全球范围内查找并绘制出所有具有相似地表和环境条件的位置。

2. ​变化检测 (Change Detection)：​​ 通过比较同一像素在不同年份的特征向量，可轻松发现变化并跟踪城市扩张、野火影响与恢复、水库水位波动等过程。

3. ​​自动聚类 (Automatic Clustering)：​​ 在没有任何现有标签的情况下，可使用聚类算法自动将像素分组到不同的类别中，用于区分不同类型的森林、土壤或城市发展等。

4. ​智能分类 (Smarter Classification)：​​ 可用少量训练数据创建精确的地图，而节省时间和算力。

后话

这不仅是技术升级，更是认知革命——当AI把地球压缩进64维魔方，地理分析将从‘看图说话’跃入‘解译时空本质’的新次元，新时代地地球引擎来了~