Google DeepMind推出AlphaEarth Foundations：高精度环境监测AI系统
核心功能
- 虚拟卫星系统：以10×10米分辨率呈现全球陆地和沿海水域数字模型
- 多源数据整合：融合光学卫星影像、雷达、3D激光测绘和气候模拟数据
- 高效数据压缩：将输入数据转化为64维嵌入表示
技术突破
- 训练规模：
- 使用全球500万+地点的30亿+观测数据
- 数据源包括Sentinel-2、Landsat等卫星任务及维基百科文本
- 性能表现：
- 平均错误率比传统方法降低24%
- 在15个评估数据集表现优异（含土地利用分类、生物物理变量估算等）
- 独特能力：
- 穿透持续云层覆盖
- 绘制南极复杂地表
- 检测加拿大小麦种植的细微变化（人眼不可见级别）
架构创新
- 时空精度架构(STP)：
- 将不同时期卫星图像视为视频帧处理
- 学习空间、时间与测量值间的关系
- 生成包含局部环境与时间轨迹的嵌入表示
- 数据稀缺应对：在数据不足情况下仍保持有效工作
- 连续时间分析：对非完全对齐时段仍能精确预测
应用现状
- 合作机构：50+组织已投入实际应用
- 全球生态系统图集：分类未测绘生态系统（如沿海灌木、超干旱沙漠）
- 巴西MapBiomas：深度分析亚马逊雨林等关键生态系统的农环变化
- 数据开放：
- 年度卫星嵌入数据集（通过Google Earth Engine发布）
- 年生成1.4万亿+嵌入足迹
- 支持全球环境相似性识别、变化检测等场景
支持计划
- 研究资助：提供最高5000美元资金支持卫星嵌入应用案例研究
- 未来方向：计划与通用推理大语言模型(LLMs)结合开发更强应用
系统价值：为理解地球动态变化提供重要工具，显著提升粮食安全、森林砍伐和水资源等议题的决策支持能力
