DeepMind AlphaEarth AI：以前所未有的细节绘制地球，助力全球监测

卫星持续捕获着关于我们星球的巨量数据，为科学家和专家提供了近乎实时的视角。然而，这些地球观测数据庞大的体量、多样的格式以及快速的更新频率带来了巨大的挑战：如何有效地整合不同数据集以获得全面的理解。

为解决这一问题，DeepMind推出了AlphaEarth Foundations，这是一种人工智能（AI）模型，旨在充当“虚拟卫星”。该模型能高效处理拍字节（petabytes）级的地球观测数据，将其转换为统一的数字表示或“嵌入”，以便计算机系统轻松解读。这一能力为科学家提供了更完整、更一致的地球演变视图，有助于就粮食安全、森林砍伐、城市扩张和水资源管理等关键全球问题做出明智决策。

为了加速研究和实际应用，AlphaEarth Foundations的年度嵌入集合已作为“卫星嵌入数据集”在Google Earth Engine中发布。在过去一年中，已有50多个组织合作在真实场景中测试了该数据集。合作伙伴报告了显著的益处，他们利用这些数据对以前未绘制地图的生态系统进行分类，分析农业和环境变化，并提高了其测绘工作的准确性和速度。

该模型识别精细细节的能力在其可视化中显而易见。例如，在厄瓜多尔，AlphaEarth Foundations能够穿透持续的云层，准确绘制处于不同发展阶段的农田。它还能清晰地详细描绘南极洲复杂的表面，该地区由于不规则的覆盖而对卫星成像来说是出了名的挑战。此外，它还能揭示加拿大农业用地利用中人眼难以察觉的细微变化。

AlphaEarth Foundations解决了地球观测中的两个主要挑战：数据过载和信息不一致。首先，它整合了来自数十个公共来源的海量数据，包括光学卫星图像、雷达、3D激光测绘和气候模拟。然后，这些多样化的信息被编织在一起，以精确的10x10米方格分析全球陆地和沿海水域，从而能够极其准确地跟踪随时间的变化。

其次，该模型使得这些数据的使用变得实用且具有成本效益。其核心创新在于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其他经过测试的AI系统生成的少16倍，大大降低了行星尺度分析相关的计算成本。这一突破使科学家能够创建详细、一致、按需的地图，这是以前无法实现的能力。无论是监测作物健康、跟踪森林砍伐还是观察新建筑，研究人员不再依赖单一的卫星过境，而是拥有了地理空间数据的新坚实基础。

严格的测试验证了AlphaEarth Foundations的性能。与传统方法和其他AI测绘系统相比，它在广泛的任务和时间段内（包括识别土地利用和估计地表属性）始终表现出卓越的准确性。关键的是，即使在标记数据稀缺的情况下，该模型也保持了其高性能。平均而言，AlphaEarth Foundations的错误率比其测试对象模型低24%，突显了其高效的学习能力。

由AlphaEarth Foundations驱动的卫星嵌入数据集是同类中最大的数据集之一，每年包含超过1.4万亿个嵌入足迹。这一庞大的集合已被世界各地的组织利用，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、空间信息学小组和斯坦福大学。这些合作正在生成强大的定制地图，产生真实的洞察。

例如，“全球生态系统图集”是一个旨在创建第一个全面资源以绘制和监测世界生态系统的倡议，它正在利用该数据集帮助各国将未绘制地图的生态系统分类为沿海灌木丛和极端干旱沙漠等类别。预计该资源将在帮助各国更好地优先考虑保护区、优化恢复工作和对抗生物多样性丧失方面发挥至关重要的作用。詹姆斯库克大学全球生态实验室主任兼全球生态系统图集全球科学负责人尼克·默里表示：“卫星嵌入数据集正在通过帮助各国绘制未绘制地图的生态系统来彻底改变我们的工作——这对于确定将保护工作重点放在何处至关重要。”

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。根据这些数据生成的地图为亚马逊雨林等关键生态系统中的保护策略和可持续发展倡议提供信息。MapBiomas创始人塔索·阿泽维多评论道：“卫星嵌入数据集可以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、更精确、更快生成的地图——这是我们以前从未能做到的。”

AlphaEarth Foundations标志着在理解我们不断变化的星球的状态和动态方面取得了重大进展。该团队目前正在生成年度嵌入，并相信未来通过将其与Gemini等通用推理LLM代理结合，可以进一步增强其效用。作为Google Earth AI的一部分，对模型基于时间的能力的进一步探索正在进行中，Google Earth AI是一系列旨在解决地球最关键需求的地理空间模型和数据集。