AlphaEarth模型：AI融合多源数据实现精细地球测绘

AlphaEarth Foundations：以空前细节绘制我们的星球

每日，卫星捕捉到富含信息的图像与测量数据，为科学家和专家提供近乎实时的地球视图。这些数据极具影响力，但其复杂性、多模态性和高刷新率带来了新挑战：连接不同数据集并有效利用它们。

如今，我们推出AlphaEarth Foundations，一个像虚拟卫星一样运转的人工智能模型。它通过将海量地球观测数据整合成统一的数字表示或“嵌入”，使计算机系统易于处理，从而精确高效地描绘地球全部陆地及近岸水域。这能为科学家提供更完整、一致的地球演化图景，助力他们在粮食安全、森林砍伐、城市扩张和水资源等关键问题上做出更明智的决策。

为加速研究并解锁应用场景，现于某地球引擎平台中发布AlphaEarth Foundations的年度嵌入数据集（卫星嵌入数据集）。过去一年，已与超过50家机构合作，将其应用于实际场景。

合作伙伴已看到显著效益，利用该数据更好地分类未绘制的生态系统，理解农业与环境变化，并大幅提升测绘工作的准确性与速度。

AlphaEarth Foundations 工作原理

AlphaEarth Foundations通过解决两大挑战提供了理解地球的强大新视角：数据过载与信息不一致。

首先，它整合了来自数十种不同公共来源的信息量——光学卫星图像、雷达、3D激光测绘、气候模拟等。将这些信息编织在一起，以10米×10米的精细方格分析全球陆地和近岸水域，从而以卓越精度追踪随时间的变化。

其次，它使这些数据变得实用。该系统的核心创新在于能为每个方格创建一个高度紧凑的摘要。这些摘要所需的存储空间比测试的其他AI系统少16倍，大幅降低了行星尺度分析的成本。

这一突破使科学家能够按需创建详细、一致的世界地图——这在以前是不可能的。无论是监测作物健康、追踪森林砍伐还是观察新建工程，他们都无需再依赖单颗过顶卫星。

为确保AlphaEarth Foundations适合实际应用，对其性能进行了严格测试。与传统方法及其他AI测绘系统相比，AlphaEarth Foundations始终最为准确。它在不同时间段的广泛任务中表现优异，包括识别土地利用和估算地表属性。关键在于，它在标注数据稀缺的场景下也能达成此目标。平均而言，AlphaEarth Foundations的误差率比测试的模型低24%，展现出卓越的学习效率。

使用卫星嵌入数据集生成自定义地图

基于AlphaEarth Foundations，某地球引擎平台中的卫星嵌入数据集是同类中规模最大的之一，每年包含超过1.4万亿个嵌入足迹。全球多家组织（包括某联合国粮农机构、某大学森林研究机构、某地球观测组织、某巴西地图监测机构、某州立大学、某空间信息学集团及某大学）正在利用这一年度嵌入集合创建强大的自定义地图，以驱动真实世界的洞察。

例如，某全球生态系统图集倡议正在使用该数据集帮助各国将未绘制的生态系统分类为沿海灌丛和超干旱沙漠等类别。这一首创资源将在帮助各国更好地确定保护区优先级、优化恢复工作以及应对生物多样性丧失方面发挥关键作用。

该数据集正在革新工作方式，帮助各国绘制未知生态系统——这对精准定位保护工作重点至关重要。

在某巴西，某地图监测机构正在测试该数据集以更深入地理解全国农业与环境变化。这类地图为亚马逊雨林等关键生态系统的保护策略和可持续发展倡议提供信息。

正如该机构创始人所言：“该数据集可以改变团队的工作方式——现在有了新的选择来制作更准确、更精确且生产更快的地图，这是以前无法做到的。”

以AI赋能他人

AlphaEarth Foundations代表了理解地球变化状态与动态的重大进展。目前正使用它生成年度嵌入，并相信未来与通用推理大语言模型智能体结合时将更加有用。作为地球AI计划的一部分，我们正持续探索应用模型基于时间的能力的最佳方式。FINISHED