Google AlphaEarth utiliza datos de observación para crear mapas globales

Presentado el 30 de julio de 2025, AlphaEarth Foundations es un modelo geoespacial fundacional desarrollado por Google DeepMind. Es uno de los avances más destacados de las noticias recientes sobre IA de Google y está diseñado para agilizar, clarificar y hacer más fiable el trabajo con datos globales de observación de la Tierra.

AlphaEarth Foundations se ha entrenado con miles de millones de puntos de datos procedentes de imágenes satelitales, radar, LiDAR (detección y medición de distancias), modelos de elevación y simulaciones climáticas. A partir de esta amplia variedad de datos, genera imágenes anuales del planeta con una resolución de 10 metros.

En pocas palabras, esto significa que puede generar mapas claros y coherentes de la superficie terrestre, incluso en zonas difíciles de observar, lo que facilita detectar y seguir a lo largo del tiempo los cambios en la tierra, el agua y el clima. Estas imágenes están ahora disponibles a través de Google Earth Engine, la plataforma en la nube de Google para datos geoespaciales.

En este artículo, veremos cómo AlphaEarth Foundations utiliza la IA en Google Earth Engine para apoyar proyectos reales de observación de la Tierra.

AlphaEarth: el nuevo modelo de IA de Google para la observación de la Tierra#

AlphaEarth Foundations ofrece una nueva forma de comprender nuestro planeta mediante un sistema continuo y dinámico. En lugar de visualizar cada imagen por separado, el nuevo modelo de IA crea una imagen unificada y estructurada de la superficie terrestre a lo largo del espacio y el tiempo.

Para crear esta imagen, utiliza una amplia variedad de fuentes, como imágenes satelitales, mapas de elevación, modelos climáticos e informes sobre biodiversidad. Esto le permite detectar cambios en el entorno y analizar sus causas.

En concreto, AlphaEarth puede mostrar cómo cambian los paisajes de la Tierra a lo largo de los años. Estas imágenes se generan mediante embeddings, que son resúmenes compactos de lo que el modelo ha aprendido sobre cada ubicación.

Fig. 1. El modelo de IA de Google utiliza embeddings numéricos para cartografiar la superficie terrestre. (Fuente)

Hay disponible una colección de estos embeddings a través del conjunto de datos Satellite Embedding de Google Earth Engine. Ya se utilizan en ámbitos como la respuesta ante incendios forestales, la planificación urbana y la vigilancia del territorio. Esto ayuda a investigadores y responsables de la toma de decisiones a convertir los datos satelitales en información útil.

La IA y el clima: la importancia de AlphaEarth#

Una de las principales ventajas de AlphaEarth Foundations es que facilita el estudio de los cambios a largo plazo en nuestro planeta. Funciona bien incluso en zonas complicadas donde faltan datos o las nubes suelen bloquear la visión de los satélites. Por ejemplo, en la selva amazónica, donde la nubosidad es un problema constante, AlphaEarth puede detectar cambios en el terreno aprendiendo de patrones observados en todo el mundo.

En las pruebas de referencia, redujo los errores de clasificación errónea casi un 24 % y necesitó 16 veces menos almacenamiento por embedding. Curiosamente, este nuevo modelo de IA no necesita volver a entrenarse para cada aplicación.

Es eficiente y adaptable a distintas regiones y desafíos. Esto se debe a que AlphaEarth genera embeddings de propósito general, resúmenes compactos y ricos en información de cada ubicación, que pueden utilizarse directamente para muchos tipos de análisis sin tener que reconstruir todo el modelo.

Hasta ahora, el nuevo modelo Google Earth AI se ha utilizado para vigilar los cambios en el territorio de más de 100 países, incluidos los bosques tropicales, las regiones árticas y las ciudades en expansión. Esta información se utiliza para facilitar una planificación más inteligente y tomar decisiones climáticas mejor fundamentadas.

Fig. 2. Visualización de patrones globales con el nuevo modelo de IA de Google. (Fuente)

Cómo utiliza AlphaEarth la visión artificial para observar la Tierra#

Aunque las imágenes satelitales permiten obtener vistas detalladas de la superficie terrestre, no siempre es sencillo convertirlas en información útil. AlphaEarth Foundations utiliza la visión artificial, una rama de la IA que permite a las máquinas interpretar información visual, para detectar y analizar patrones en el terreno, la vegetación y el relieve.

Así aplica el modelo distintas tareas de visión artificial a la observación de la Tierra:

• Clasificación de imágenes: AlphaEarth identifica tipos de terreno como bosques, tierras de cultivo, humedales y zonas urbanas a partir de imágenes satelitales. Estas clasificaciones facilitan la vigilancia climática, la investigación ecológica y la planificación del uso del suelo.
• Segmentación: La segmentación, también llamada cartografía temática, asigna a cada píxel de una imagen satelital una categoría, como el tipo de cultivo o la cobertura vegetal. AlphaEarth utiliza sus embeddings anuales para mantener una gran precisión en distintas regiones, lo que permite crear mapas detallados del uso y la cobertura del suelo y de la biodiversidad.
• Detección de cambios: Al comparar los embeddings anuales de una misma ubicación, AlphaEarth puede detectar cambios en el uso y la cobertura del suelo, como la deforestación, los efectos de los incendios forestales o el crecimiento urbano. Funciona tanto con métodos supervisados (que aprenden de ejemplos etiquetados) como con métodos no supervisados (que encuentran patrones sin etiquetas).
• Agrupamiento no supervisado: Sin utilizar datos etiquetados, AlphaEarth puede agrupar regiones que muestran patrones similares en las imágenes satelitales. Esto ayuda a detectar tendencias, como cambios en la vegetación o anomalías climáticas, en zonas nuevas o poco estudiadas. Resulta especialmente útil cuando los datos etiquetados son escasos o no están disponibles.

Fig. 3. Ejemplo del uso de la IA de la última innovación de Google, AlphaEarth, para comprender el entorno terrestre en 2023. (Fuente)

Aplicaciones reales del nuevo modelo de IA de Google#

Ahora que conocemos mejor cómo funcionan las nuevas tecnologías de observación de la Tierra de Google basadas en IA, exploremos las aplicaciones de AlphaEarth Foundations en el mundo real.

La iniciativa de IA de Google Earth para crear ciudades estadounidenses más verdes#

En todo Estados Unidos, las ciudades están ampliando sus bosques urbanos para reducir el calor, absorber la contaminación y mejorar la salud pública. Sin embargo, puede ser difícil determinar con exactitud dónde hay árboles y dónde no. En barrios densos y calles estrechas, las imágenes satelitales o los estudios tradicionales suelen pasar por alto la vegetación.

Sin embargo, AlphaEarth utiliza datos satelitales, de elevación y medioambientales para cartografiar la cubierta arbórea con gran detalle. Para poner a prueba este nuevo modelo de IA de Google, los investigadores utilizaron más de 45 000 registros de árboles de iNaturalist.

Se centraron en 39 géneros de árboles comunes (grupos de especies estrechamente emparentadas) presentes en todos los estados de Estados Unidos, incluidos Alaska y Hawái. Los datos se limpiaron y se dividieron en conjuntos de entrenamiento y prueba; se utilizaron 300 muestras por género para el entrenamiento y el resto para las pruebas.

El modelo cartografió con precisión la cubierta arbórea a partir de datos satelitales, de elevación y medioambientales, lo que demuestra que puede cubrir las carencias de los estudios tradicionales. Esta información puede ayudar a ciudades como Detroit, Nueva York y Phoenix a decidir mejor dónde plantar árboles, refrescar los barrios y apoyar la biodiversidad local.

Cartografía de cultivos más inteligente gracias a los satélites de observación de la Tierra#

El inventario de cultivos de Canadá depende en gran medida de las observaciones sobre el terreno, sobre todo en zonas sin registros de seguros de cultivos (informes oficiales sobre el tipo de cultivo, la ubicación y la superficie, recopilados para programas de seguros agrícolas). Estas inspecciones desde vehículos en movimiento se utilizan para hacer un seguimiento de cultivos importantes, como cereales, oleaginosas, frutas y cultivos forrajeros.

Sin embargo, como algunos tipos de cultivos se registran con más frecuencia que otros, los datos pueden ser desiguales y difíciles de convertir en mapas fiables a gran escala. Para resolver estos problemas, AlphaEarth puede facilitar la clasificación de cultivos tanto general como detallada a partir de datos de satélites de observación de la Tierra.

Puede agrupar los cultivos en categorías generales, como cereales u oleaginosas. En las regiones donde se dispone de datos detallados de estudios, también puede identificar tipos concretos, como trigo de primavera, maíz o alfalfa. Este enfoque en dos niveles equilibra la cobertura y el detalle, y ofrece una imagen más clara de lo que se cultiva en Canadá.

Fig. 4. Google AlphaEarth ayuda a clasificar los cultivos en Canadá. (Fuente)

Exploración de terrenos de todo el mundo con la tecnología de IA de Google Earth#

La Antártida es uno de los lugares más difíciles de cartografiar de la Tierra, debido a las condiciones meteorológicas extremas, la nieve constante y la visibilidad limitada de los satélites. Esto deja lagunas en nuestro conocimiento de sus glaciares, las rocas expuestas y los cambios del paisaje a lo largo del tiempo.

Al combinar imágenes satelitales con datos de radar y elevación, AlphaEarth genera mapas anuales coherentes de la Antártida, incluso en zonas con visibilidad limitada. Puede completar los detalles que faltan y generar mapas del terreno con una resolución de 10 metros que ayudan a los investigadores a seguir con más precisión los glaciares, las texturas de la superficie y las zonas cubiertas de nieve.

Ventajas e inconvenientes del nuevo modelo de IA: AlphaEarth#

Estas son algunas de las principales ventajas que ofrece el nuevo modelo de IA AlphaEarth Foundations para la observación de la Tierra y la planificación urbana:

• Versatilidad: AlphaEarth puede utilizarse en distintos ámbitos, como la agricultura, la planificación urbana y la respuesta ante desastres, sin necesidad de modelos independientes.
• Completa las lagunas de datos: Este nuevo modelo de IA de Google puede crear resúmenes anuales incluso cuando los datos satelitales de entrada están incompletos, lo que ayuda a mantener la continuidad en el análisis de series temporales.
• Resultados listos para la IA: Genera embeddings que pueden introducirse directamente en herramientas como sistemas de vigilancia de cultivos, detectores de inundaciones o clasificadores del uso del suelo, lo que ahorra tiempo a investigadores y desarrolladores.

Aunque AlphaEarth ofrece un apoyo fiable en diversos ámbitos, estas son algunas limitaciones que conviene tener en cuenta:

• No es en tiempo real: Los embeddings anuales de AlphaEarth no son adecuados para aplicaciones que requieren una vigilancia diaria o casi en tiempo real.
• Depende de la calidad de los datos de entrada: Aunque completa las lagunas, el modelo sigue dependiendo de la calidad y la disponibilidad de los datos satelitales, de radar y de otras fuentes de entrada.
• Interpretabilidad limitada: Como ocurre con la mayoría de los modelos de aprendizaje profundo, puede ser difícil interpretar exactamente cómo llega AlphaEarth a determinados patrones o predicciones.

Conclusiones clave#

AlphaEarth Foundations ayuda a investigadores, planificadores y responsables políticos a ver el planeta de nuevas formas. El nuevo modelo de IA de Google puede convertir datos satelitales sin procesar en información estructurada y fiable que favorece la toma de mejores decisiones en ámbitos como la ciencia climática, la agricultura y el desarrollo urbano. Al impulsar la observación de la Tierra, facilita la vigilancia y la comprensión de los cambios de nuestro planeta a lo largo del tiempo.

Únete a nuestra comunidad y descubre innovaciones en IA en nuestro repositorio de GitHub. Conoce la IA en la agricultura y la visión artificial en la atención sanitaria en nuestras páginas de soluciones. Consulta nuestros planes de licencia y empieza hoy mismo a trabajar con IA.