11. August 2025
Google AlphaEarth erstellt globale Karten aus verschiedenen Beobachtungsdaten, um Umweltveränderungen zu verfolgen, die Katastrophenhilfe zu verbessern und die Entscheidungsfindung zu optimieren.
Die AlphaEarth Foundations, die am 30. Juli 2025 vorgestellt wurde, ist ein von Google DeepMind entwickeltes georäumliches Foundation Model. Es ist eines der Highlights in den aktuellen Google AI-Nachrichten und wurde entwickelt, um die Arbeit mit globalen Erdbeobachtungsdaten schneller, klarer und zuverlässiger zu gestalten.
AlphaEarth Foundations wird mit Milliarden von Datenpunkten aus Satellitenbildern, Radar, LiDAR (Light Detection and Ranging), Höhenmodellen und Klimasimulationen trainiert. Anhand dieser breiten Palette von Eingaben erstellt es jährliche Ansichten des Planeten mit einer Auflösung von 10 Metern.
Einfach ausgedrückt bedeutet dies, dass es klare, konsistente Karten der Erdoberfläche erstellen kann, selbst in schwer einsehbaren Gebieten, sodass Veränderungen an Land, Wasser und Klima leichter zu erkennen und im Laufe der Zeit zu verfolgen sind. Diese Momentaufnahmen sind jetzt über Google Earth Engine verfügbar, der Cloud-Plattform von Google für Geodaten.
In diesem Artikel werden wir untersuchen, wie AlphaEarth Foundations KI für Google Earth Engine einsetzt, um reale Erdbeobachtungsprojekte zu unterstützen.
AlphaEarth Foundations bietet eine neue Möglichkeit, unseren Planeten durch ein kontinuierliches und dynamisches System zu verstehen. Anstatt jedes Bild separat zu betrachten, erstellt das neue KI-Modell ein einheitliches, strukturiertes Bild der Erdoberfläche über Raum und Zeit hinweg.
Um diese Ansicht zu erstellen, greift sie auf eine Vielzahl von Quellen zurück, darunter Satellitenbilder, Höhenkarten, Klimamodelle und Berichte über die Artenvielfalt. Dies hilft ihr, Veränderungen in der Umwelt zu erkennen und die Gründe dafür zu analysieren.
Insbesondere kann AlphaEarth zeigen, wie sich die Landschaften der Erde im Laufe der Jahre verändern. Diese Momentaufnahmen werden mithilfe von Embeddings erstellt, bei denen es sich um kompakte Zusammenfassungen dessen handelt, was das Modell über jeden Standort gelernt hat.
Eine Sammlung dieser Einbettungen ist über das Satellite Embedding Dataset von Google Earth Engine verfügbar. Sie werden bereits in Bereichen wie Waldbrandbekämpfung, Stadtplanung und Landüberwachung eingesetzt. Dies hilft Forschern und Entscheidungsträgern, Satellitendaten in nützliche Erkenntnisse umzuwandeln.
Ein wesentlicher Vorteil von AlphaEarth Foundations besteht darin, dass es die Untersuchung langfristiger Veränderungen unseres Planeten erleichtert. Es funktioniert auch in schwierigen Gebieten gut, in denen Daten fehlen oder Wolken oft die Satellitenansicht versperren. Zum Beispiel kann AlphaEarth im Amazonas-Regenwald, wo die Wolkendecke ein ständiges Problem darstellt, immer noch Landveränderungen erkennen, indem es aus Mustern auf der ganzen Welt lernt.
In Benchmark-Tests reduzierte es die Fehlklassifizierungsfehler um fast 24 % und benötigte 16-mal weniger Speicherplatz pro Einbettung. Interessanterweise muss dieses neue KI-Modell nicht für jede Anwendung neu trainiert werden.
Sie ist effizient und anpassungsfähig an verschiedene Regionen und Herausforderungen. Dies liegt daran, dass AlphaEarth allgemeine Einbettungen erzeugt, kompakte, informationsreiche Zusammenfassungen jedes Standorts, die direkt für viele Arten von Analysen verwendet werden können, ohne das gesamte Modell neu aufzubauen.
Bisher wurde das neue Google Earth KI-Modell verwendet, um Landveränderungen in mehr als 100 Ländern zu überwachen, darunter tropische Wälder, arktische Regionen und expandierende Städte. Diese Erkenntnisse werden genutzt, um eine intelligentere Planung und fundiertere Klimaentscheidungen zu unterstützen.
Satellitenbilder können zwar detaillierte Ansichten der Erdoberfläche liefern, aber es ist nicht immer einfach, diese Bilder in aussagekräftige Erkenntnisse umzuwandeln. AlphaEarth Foundations nutzt Computer Vision, einen Zweig der KI, der es Maschinen ermöglicht, visuelle Informationen zu interpretieren, um Muster in Land, Vegetation und Gelände zu erkennen und zu analysieren.
Hier wird beschrieben, wie das Modell verschiedene Computer-Vision-Aufgaben auf die Erdbeobachtung anwendet:
Nachdem wir besser verstanden haben, wie KI für die neuen Erdbeobachtungstechnologien von Google funktioniert, wollen wir die realen Anwendungen von AlphaEarth Foundations untersuchen.
In den USA bauen Städte zunehmend städtische Wälder an, um die Hitze zu reduzieren, die Umweltverschmutzung zu absorbieren und die öffentliche Gesundheit zu fördern. Aber genau zu bestimmen, wo sich Bäume befinden und wo nicht, kann eine Herausforderung sein. In dicht besiedelten Stadtteilen und engen Straßen bleibt Grün oft auf Satellitenbildern oder bei traditionellen Erhebungen unentdeckt.
AlphaEarth verwendet jedoch Satelliten-, Höhen- und Umweltdaten, um die Baumdecke detailliert zu kartieren. Um dieses neue KI-Modell von Google zu testen, verwendeten Forscher über 45.000 Baumdatensätze von iNaturalist.
Sie konzentrierten sich auf 39 gängige Baumgattungen (Gruppen eng verwandter Arten), die in allen US-Bundesstaaten vorkommen, einschließlich Alaska und Hawaii. Die Daten wurden bereinigt und in Trainings- und Testdatensätze aufgeteilt, wobei 300 Stichproben pro Gattung für das Training und der Rest für das Testen verwendet wurden.
Das Modell kartierte die Baumbedeckung anhand von Satelliten-, Höhen- und Umweltdaten genau und zeigte, dass es Lücken füllen kann, die von traditionellen Erhebungen hinterlassen wurden. Diese Erkenntnisse können Städten wie Detroit, New York und Phoenix helfen, bessere Entscheidungen darüber zu treffen, wo Bäume gepflanzt, Stadtteile gekühlt und die lokale Artenvielfalt unterstützt werden können.
Kanadas Ernteinventur hängt stark von Beobachtungen auf Feldebene ab, insbesondere in Gebieten ohne Ernteversicherungsnachweise (offizielle Berichte über Art, Standort und Anbaufläche der Ernte, die für landwirtschaftliche Versicherungsprogramme gesammelt werden). Diese Sichtkontrollen, die oft von fahrenden Fahrzeugen aus durchgeführt werden, werden verwendet, um wichtige Feldfrüchte wie Getreide, Ölsaaten, Früchte und Futterpflanzen zu erfassen.
Da jedoch einige Getreidesorten häufiger erfasst werden als andere, können die Daten uneinheitlich und schwer in zuverlässige, großflächige Karten umzuwandeln sein. Um diese Probleme zu umgehen, kann AlphaEarth sowohl hochauflösende als auch feinkörnige Ernteklassifizierungen auf der Grundlage von Daten von Erdbeobachtungssatelliten unterstützen.
Sie kann Feldfrüchte in grobe Kategorien wie Getreide oder Ölsaaten einteilen. In Regionen, in denen detaillierte Erhebungsdaten verfügbar sind, kann sie auch spezifische Arten wie Sommerweizen, Mais oder Luzerne identifizieren. Dieser zweistufige Ansatz gleicht Abdeckung mit Detailgenauigkeit aus und bietet ein klareres Bild davon, was in Kanada angebaut wird.
Globale Terrains mit KI für die Google Earth-Technologie erkunden
Die Antarktis ist einer der am schwersten zu kartierenden Orte der Erde, mit extremem Wetter, ständiger Schneedecke und begrenzter Satellitensichtbarkeit. Dies hinterlässt Lücken in unserem Verständnis ihrer Gletscher, des freiliegenden Gesteins und der Veränderungen der Landschaft im Laufe der Zeit.
Durch die Kombination von Satellitenbildern mit Radar- und Höhendaten erstellt AlphaEarth konsistente Jahreskarten der Antarktis, selbst in Gebieten mit eingeschränkter Sicht. Es kann fehlende Details ausfüllen und 10-Meter-Auflösungs-Geländekarten erstellen, die Forschern helfen, Gletscher, Oberflächenstrukturen und schneebedecktes Land genauer zu verfolgen.
Hier sind einige der wichtigsten Vorteile, die das neue KI-Modell AlphaEarth Foundations für Erdbeobachtungs- und Stadtplanungsanwendungen bietet:
Während AlphaEarth zuverlässigen Support in verschiedenen Bereichen bietet, sind hier einige Einschränkungen zu beachten:
Die AlphaEarth Foundation hilft Forschern, Planern und politischen Entscheidungsträgern, den Planeten auf neue Weise zu betrachten. Das neue KI-Modell von Google kann rohe Satelliteneingaben in strukturierte, zuverlässige Informationen umwandeln, die bessere Entscheidungen in Bereichen wie Klimawissenschaft, Landwirtschaft und Stadtentwicklung unterstützen. Durch die Weiterentwicklung der Erdbeobachtung wird es einfacher, die Veränderungen unseres Planeten im Laufe der Zeit zu überwachen und zu verstehen.
Treten Sie unserer Community bei und erkunden Sie KI-Innovationen auf unserem GitHub-Repository. Erfahren Sie mehr über KI in der Landwirtschaft und Computer Vision im Gesundheitswesen auf unseren Lösungsseiten. Sehen Sie sich unsere Lizenzpläne an und legen Sie noch heute mit KI los!
