Ai2 发布 OlmoEarth v1.3 卫星嵌入模型及全球年度嵌入数据

Ai2，即艾伦人工智能研究所，今日发布了一款名为 OlmoEarth v1.3 的卫星地图嵌入模型，并预计算了全球多种分辨率的年度嵌入数据，同时推出了一款基于浏览器的制图工具。

该模型将一年的卫星观测数据压缩为每个 10×10 米地表区块的数值指纹（最小分辨率下），此外还提供 64 平方米和 128 米两档分辨率。该指纹所捕捉的模式可供其他软件用来区分农田、森林、矿区及其他类型的地表覆盖。

此前，使用 OlmoEarth 的主要方式是在 OlmoEarth Studio 中进行微调，为每项任务训练一个模型，再将其运行于卫星数据之上以生成地图。这需要获取大量图形处理器资源，并具备下载和存储影像的能力。

随着今日的发布，用户可以使用 OlmoEarth Embeddings Explorer 这一基于浏览器的制图工具。这意味着任何人都能将 OlmoEarth 转化为实际工作成果，从追踪随时间的变化到寻找相似地点——无需登录。

嵌入表示模型从数百万张卫星图像中学到的内容。OlmoEarth 读取一年的雷达图像数据，包括 Sentinel-1、Sentinel-2 和 Landsat。Sentinel 和 Landsat 是提供地球互补视角的卫星任务：Sentinel-1 测量雷达反射，而 Sentinel-2 和 Landsat 则捕捉可见光和红外波段的影像。

该公司表示，与之前几代 OlmoEarth 模型相比，1.3 是训练成本最低的模型。其计算时间仅为最新版本（v1.2）的 53%、第一代（v1）的 18%，碳排放分别为两者的 50% 和 22%。它同时仍是一个强大的微调模型，使 v1.2 的性能对研究和合作实验室仍具价值。

这些模型在现实世界中的应用

这些卫星模型有助于跨时间和空间压缩大量数据，这对于理解地球如何变化十分有用。

在秘鲁的马德雷德迪奥斯地区，拉潘帕周边的非法金矿开采在 2017 年和 2018 年达到顶峰，在坦博帕塔国家保护区缓冲区清除了超过 1,200 公顷的森林。亚马逊保护团队的 MAAP 监测项目报告了这一活动。2019 年 2 月，秘鲁的“水星行动”取缔了其中大部分活动。我们如何得知这一情况确实发生了？

嵌入为此提供了清晰的答案。比较数据中跨年份的像素，无需任何模型训练，观察 2016 年至 2020 年的数据，南部采矿带内明显向东推进：显著变化面积达 34 平方公里。同样的比较从 2020 年到 2024 年显示，该面积降至 9 平方公里。这次关停清晰可见。

同样地，农业分析师可以绘制油棕种植区域的地图，并识别出种植园扩张可能已取代森林、需要进一步审查的区域。这些问题可以确定环境影响在何处对全世界产生影响。

Ai2 表示，对许多团队而言，用 OlmoEarth 验证一个想法意味着进行一次微调运行，这是一项耗时数小时的昂贵而艰巨的工作。而在 Explorer 中，首轮分析只需几秒钟。

基于少量标签对某一区域进行分析无需 GPU。当任务需要对该实验进行微调时，嵌入可以帮助判断它是否值得投入计算时间，以及模型在何处存在不足。

图片：TheDigitalArtist/Pixabay