Google AlphaEarth utilizza i dati di osservazione per la mappatura globale

Presentato il 30 luglio 2025, AlphaEarth Foundations è un modello di fondazione geospaziale sviluppato da Google DeepMind. È uno dei punti salienti delle recenti notizie sull'intelligenza artificiale di Google ed è stato creato per rendere più veloce, chiaro e affidabile il lavoro con i dati globali di osservazione della Terra.

AlphaEarth Foundations si basa su miliardi di dati provenienti da immagini satellitari, radar, LiDAR (Light Detection and Ranging), modelli di elevazione e simulazioni climatiche. Utilizzando questa vasta gamma di input, crea viste annuali del pianeta con una risoluzione di 10 metri. 

In parole povere, questo significa che è in grado di produrre mappe chiare e coerenti della superficie terrestre, anche in aree difficili da vedere, in modo che i cambiamenti della terra, dell'acqua e del clima siano più facili da individuare e seguire nel tempo. Queste istantanee sono ora disponibili attraverso Google Earth Engine, la piattaforma cloud di Google per i dati geospaziali.

In questo articolo, vedremo come AlphaEarth Foundations utilizza l'AI per Google Earth Engine per supportare progetti di osservazione della Terra nel mondo reale. 

AlphaEarth: Il nuovo modello di intelligenza artificiale di Google per l'osservazione della Terra

AlphaEarth Foundations offre un nuovo modo di comprendere il nostro pianeta attraverso un sistema continuo e dinamico. Invece di visualizzare ogni immagine separatamente, il nuovo modello di intelligenza artificiale costruisce un'immagine unificata e strutturata della superficie terrestre nello spazio e nel tempo.

Per creare questa visione, attinge da un'ampia gamma di fonti, tra cui immagini satellitari, mappe altimetriche, modelli climatici e rapporti sulla biodiversità. In questo modo è in grado di cogliere i cambiamenti dell'ambiente e di analizzarne le ragioni.

In particolare, AlphaEarth può mostrare come i paesaggi della Terra stanno cambiando nel corso degli anni. Queste istantanee sono costruite usando gli embeddings, che sono sintesi compatte di ciò che il modello ha imparato su ogni luogo. 

‍

Una raccolta di queste incorporazioni è disponibile attraverso il set di dati Satellite Embedding di Google Earth Engine. Sono già utilizzati in settori come la risposta agli incendi, la pianificazione urbana e il monitoraggio del territorio. Questo aiuta i ricercatori e i responsabili delle decisioni a trasformare i dati satellitari in informazioni utili.

L'intelligenza artificiale e il clima: Il significato di AlphaEarth

Uno dei vantaggi principali di AlphaEarth Foundations è che rende più facile lo studio dei cambiamenti a lungo termine del nostro pianeta. Funziona bene anche in aree difficili, dove mancano i dati o le nuvole bloccano spesso le viste satellitari. Per esempio, nella foresta amazzonica, dove la copertura nuvolosa è un problema costante, AlphaEarth può comunque individuare i cambiamenti del territorio imparando dai modelli di tutto il mondo.

Nei test di benchmark, ha ridotto gli errori di classificazione di quasi il 24% e ha richiesto una quantità di memoria 16 volte inferiore per ogni incorporazione. È interessante notare che questo nuovo modello di intelligenza artificiale non deve essere riqualificato per ogni applicazione. 

È efficiente e adattabile a regioni e sfide diverse. Questo perché AlphaEarth produce embeddings di uso generale, sintesi compatte e ricche di informazioni di ogni località, che possono essere utilizzate direttamente per molti tipi di analisi senza dover ricostruire l'intero modello.

Finora, il nuovo modello AI di Google Earth è stato utilizzato per monitorare i cambiamenti del territorio in oltre 100 Paesi, comprese le foreste tropicali, le regioni artiche e le città in espansione. Questi dati vengono utilizzati per supportare una pianificazione più intelligente e decisioni più informate sul clima.

‍

Come AlphaEarth utilizza la computer vision per l'osservazione della Terra

Sebbene le immagini satellitari possano essere utilizzate per catturare viste dettagliate della superficie terrestre, non è sempre facile trasformare queste immagini in informazioni significative. AlphaEarth Foundations utilizza la computer vision, una branca dell'IA che consente alle macchine di interpretare le informazioni visive, per rilevare e analizzare i modelli di terreno, vegetazione e orografia.

Ecco come il modello applica diversi compiti di computer vision all'osservazione della Terra: 

• Classificazione dell'immagine: AlphaEarth identifica tipi di terreno come foreste, terreni coltivati, zone umide e aree urbane dalle immagini satellitari. Queste classificazioni supportano il monitoraggio del clima, la ricerca ecologica e la pianificazione territoriale.
  
  
• Segmentazione: Chiamata anche mappatura tematica, la segmentazione etichetta ogni pixel di un'immagine satellitare con una categoria come il tipo di coltura o la copertura vegetale. AlphaEarth utilizza le sue incorporazioni annuali per mantenere un'elevata precisione tra le regioni, consentendo una mappatura a grana fine per l'uso del suolo, la copertura del suolo e la biodiversità.
  ‍
• Rilevamento dei cambiamenti: Confrontando le incorporazioni annuali per la stessa località, AlphaEarth è in grado di rilevare i cambiamenti nell'uso e nella copertura del suolo, come la deforestazione, l'impatto degli incendi o la crescita urbana. Funziona sia con metodi supervisionati (apprendimento da esempi etichettati) sia con metodi non supervisionati (ricerca di modelli senza etichette).
  ‍
• Raggruppamento non supervisionato: Senza utilizzare dati etichettati, AlphaEarth è in grado di raggruppare le regioni che mostrano modelli simili nelle immagini satellitari. Questo aiuta a rilevare tendenze come spostamenti della vegetazione o anomalie climatiche in aree nuove o poco studiate. È particolarmente utile quando i dati etichettati sono limitati o mancanti.

‍

Applicazioni reali del nuovo modello di intelligenza artificiale di Google

Dopo aver compreso meglio il funzionamento dell'IA per le nuove tecnologie di osservazione della Terra di Google, esploriamo le applicazioni reali di AlphaEarth Foundations.

L'iniziativa AI di Google Earth per città statunitensi più verdi

In tutti gli Stati Uniti, le città stanno coltivando foreste urbane per ridurre il calore, assorbire l'inquinamento e migliorare la salute pubblica. Ma individuare esattamente la presenza e l'assenza di alberi può essere una sfida. Nei quartieri densi e nelle strade strette, il verde spesso non viene rilevato dalle immagini satellitari o dai rilievi tradizionali.

Tuttavia, AlphaEarth utilizza dati satellitari, altimetrici e ambientali per mappare la copertura arborea in modo dettagliato. Per testare questo nuovo modello di AI Google, i ricercatori hanno utilizzato oltre 45.000 registrazioni di alberi da iNaturalist. 

I ricercatori si sono concentrati su 39 generi arborei comuni (gruppi di specie strettamente correlate) presenti in tutti gli Stati Uniti, comprese Alaska e Hawaii. I dati sono stati puliti e suddivisi in set di addestramento e test, con 300 campioni per genere utilizzati per l'addestramento e il resto per i test. 

Il modello ha mappato accuratamente la copertura arborea da dati satellitari, altimetrici e ambientali, dimostrando di poter colmare le lacune lasciate dalle indagini tradizionali. Queste informazioni possono aiutare città come Detroit, New York e Phoenix a prendere decisioni migliori su dove piantare alberi, rinfrescare i quartieri e sostenere la biodiversità locale.

Mappatura delle colture più intelligente grazie ai satelliti di osservazione della Terra

L'inventario delle colture canadesi dipende in larga misura dalle osservazioni sul campo, soprattutto nelle aree prive di registri di assicurazione delle colture (rapporti ufficiali sul tipo di coltura, sull'ubicazione e sulla superficie raccolti per i programmi di assicurazione agricola). Queste indagini sul campo, spesso effettuate da veicoli in movimento, sono utilizzate per monitorare le principali colture come cereali, semi oleosi, frutta e foraggi. 

Ma poiché alcuni tipi di colture vengono registrati più frequentemente di altri, i dati possono essere disomogenei e difficili da convertire in mappe affidabili su larga scala. Per ovviare a questi problemi, AlphaEarth è in grado di supportare una classificazione delle colture sia di alto livello che a grana fine, basata sui dati provenienti dai satelliti di osservazione della Terra. 

Può raggruppare le colture in categorie ampie come i cereali o i semi oleosi. Nelle regioni in cui sono disponibili dati di indagine dettagliati, può anche identificare tipi specifici come il grano primaverile, il mais o l'erba medica. Questo approccio a due livelli bilancia la copertura con i dettagli, offrendo un quadro più chiaro di ciò che sta crescendo in Canada.

‍

Esplorare i terreni globali con l'intelligenza artificiale per la tecnologia di Google Earth

L'Antartide è uno dei luoghi più difficili da mappare sulla Terra, con un clima estremo, una costante copertura nevosa e una visibilità satellitare limitata. Questo lascia delle lacune nella nostra comprensione dei ghiacciai, delle rocce esposte e di come il paesaggio stia cambiando nel tempo.

Combinando immagini satellitari con dati radar e di elevazione, AlphaEarth produce mappe annuali coerenti dell'Antartide, anche in aree con visibilità limitata. È in grado di completare i dettagli mancanti e di generare mappe del terreno con una risoluzione di 10 metri che aiutano i ricercatori a tracciare con maggiore precisione i ghiacciai, le strutture superficiali e le terre innevate. 

Pro e contro del nuovo modello di IA: AlphaEarth

Ecco alcuni dei principali vantaggi offerti dal nuovo modello di AI, AlphaEarth Foundations, per le applicazioni di osservazione della Terra e di pianificazione urbana:

• Versatilità: AlphaEarth può essere utilizzato in diversi campi come l'agricoltura, la pianificazione urbana e la risposta alle catastrofi senza la necessità di modelli separati.
  ‍
• Colma le lacune dei dati: Questo nuovo modello AI di Google è in grado di creare riepiloghi annuali anche quando i dati satellitari sono incompleti, contribuendo a mantenere la continuità nell'analisi delle serie temporali.
  ‍
• Risultati pronti per l'intelligenza artificiale: Produce embeddings che possono essere inseriti direttamente in strumenti come i monitor delle colture, i rilevatori di inondazioni o i classificatori di uso del suolo, facendo risparmiare tempo a ricercatori e sviluppatori.

Sebbene AlphaEarth offra un supporto affidabile in vari domini, vi sono alcune limitazioni da tenere presenti:

• Non in tempo reale: Le incorporazioni annuali di AlphaEarth non sono adatte ad applicazioni che richiedono un monitoraggio quotidiano o quasi in tempo reale.
  ‍
• Dipende dalla qualità degli input: Pur colmando le lacune, il modello dipende ancora dalla qualità e dalla disponibilità di dati satellitari, radar e di altre fonti di input.
  ‍
• Interpretabilità limitata: Come per la maggior parte dei modelli di deep learning, può essere difficile interpretare esattamente come AlphaEarth arrivi a determinati modelli o previsioni.

Punti di forza

La Fondazione AlphaEarth sta aiutando ricercatori, pianificatori e politici a vedere il pianeta in modo nuovo. Il nuovo modello di intelligenza artificiale di Google è in grado di trasformare i dati satellitari grezzi in informazioni strutturate e affidabili che supportano decisioni migliori in settori quali la scienza del clima, l'agricoltura e lo sviluppo urbano. Facendo progredire l'osservazione della Terra, rende più facile monitorare e comprendere i cambiamenti del nostro pianeta nel tempo.

Unitevi alla nostra comunità ed esplorate le innovazioni dell'IA sul nostro repository GitHub. Scoprite l'IA in agricoltura e la computer vision nella sanità attraverso le nostre pagine dedicate alle soluzioni. Scoprite i nostri piani di licenza e iniziate a lavorare con l'IA oggi stesso!