Google AlphaEarthは、多様な観測データから地球規模の地図を作成し、環境変化のtrack 、災害対応の改善、意思決定の強化を実現します。
2025年7月30日に発表されたAlphaEarth Foundationsは、Google DeepMindが開発した地理空間基盤モデルである。最近のGoogle AIのニュースのハイライトの一つであり、グローバルな地球観測データでの作業をより速く、より明確に、より信頼できるものにするために構築されている。
AlphaEarth Foundationsは、衛星画像、レーダー、LiDAR（光検出と測距）、標高モデル、および気候シミュレーションからの数十億のデータポイントでトレーニングされています。この幅広い入力を使用して、地球の年間10メートル解像度のビューを作成します。
簡単に言えば、見えにくい場所でも鮮明で一貫性のある地表の地図を作成できるため、土地、水、気候の変化を見つけやすくなり、時間の経過をtrack やすくなるということだ。これらのスナップショットは現在、Google地理空間データ用クラウドプラットフォームであるGoogle Earth Engineを通じて利用できる。
この記事では、AlphaEarth FoundationsがどのようにGoogle Earth EngineのAIを使用して、実際の地球観測プロジェクトをサポートしているかを見ていきます。
AlphaEarth Foundationsは、継続的かつ動的なシステムを通じて、地球を理解するための新しい方法を提供します。新しいAIモデルは、各画像を個別に表示する代わりに、宇宙と時間の両方で地球の表面の統一された構造化された画像を作成します。
このビューを作成するために、衛星画像、標高マップ、気候モデル、生物多様性に関するレポートなど、幅広いソースから情報を取得します。これにより、環境の変化を把握し、その背後にある理由を分析できます。
特に、AlphaEarthは、地球の景観が長年にわたってどのように変化しているかを示すことができます。これらのスナップショットは、モデルが各場所について学習したことのコンパクトな要約である埋め込みを使用して構築されています。
これらのエンベッディングのコレクションは、Google Earth EngineのSatellite Embeddingデータセットから入手できる。これらはすでに、山火事対応、都市計画、土地モニタリングなどの分野で利用されている。これは、研究者や意思決定者が衛星データを有用な洞察に変えるのに役立ちます。
AlphaEarth Foundationsの主な利点は、地球の長期的な変化の研究を容易にすることです。データが欠落している、または雲が衛星からの眺めを頻繁に遮るようなトリッキーな領域でもうまく機能します。たとえば、雲に覆われることが常に問題となっているアマゾンの熱帯雨林では、AlphaEarthは世界中のパターンから学習することで、土地の変化を特定できます。
ベンチマークテストでは、誤分類エラーをほぼ24％削減し、埋め込みごとのストレージを16分の1に削減しました。興味深いことに、この新しいAIモデルは、すべてのアプリケーションで再トレーニングする必要はありません。
さまざまな地域や課題に対応でき、効率的かつ適応性があります。これは、AlphaEarthが汎用的な埋め込み、つまり各場所のコンパクトで情報量の多い要約を生成し、モデル全体を再構築しなくても、多くの種類の分析に直接使用できるためです。
これまでのところ、Google Earthの新しいAIモデルは、熱帯林、北極地域、拡大する都市など、100カ国以上の土地の変化を監視するために使用されている。これらの洞察は、よりスマートな計画と、より多くの情報に基づいた気候に関する意思決定をサポートするために使用されている。
衛星画像は地球表面の詳細なビューをキャプチャするために使用することができますが、これらの画像を意味のある洞察に変換することは必ずしも単純ではありません。アルファアース財団は、機械が視覚情報を解釈できるようにするAIの一分野であるコンピュータ・ビジョンを使って、土地、植生、地形全体のパターンをdetect し、分析する。
モデルが地球観測にさまざまなコンピュータビジョンタスクをどのように適用するかをご紹介します。
Google新しい地球観測技術のためのAIがどのように機能するかについて理解を深めたところで、AlphaEarth Foundationsの実際のアプリケーションを探ってみよう。
米国各地で、都市は熱を減らし、汚染を吸収し、公衆衛生を向上させるために都市の森林を増やしています。しかし、木がどこにあり、どこにないかを正確に特定するのは難しい場合があります。密集した地域や狭い通りでは、緑は衛星画像や従来の調査では検出されないことがよくあります。
しかし、AlphaEarthは、衛星、標高、環境データを使用して、樹木の被度を詳細にマッピングする。この新しいAIGoogle モデルをテストするために、研究者たちはiNaturalistの45,000以上の樹木記録を使用した。
彼らは、アラスカとハワイを含む、米国全土で見られる39の一般的な樹木属（密接に関連する種のグループ）に焦点を当てました。データはクリーニングされ、トレーニングセットとテストセットに分割され、属ごとに300のサンプルがトレーニングに使用され、残りがテストに使用されました。
このモデルは、衛星、標高、および環境データから樹木被覆を正確にマッピングし、従来の調査で残されたギャップを埋めることができることを示しました。これらの洞察は、デトロイト、ニューヨーク、フェニックスなどの都市が、どこに木を植え、近隣を冷やし、地域の生物多様性をサポートするかについて、より良い意思決定を行うのに役立ちます。
カナダの農作物インベントリは、特に農作物保険記録（農業保険プログラムのために収集された、農作物の種類、場所、作付面積に関する公式報告）のない地域における、圃場レベルの観察に大きく依存している。穀物、油糧種子、果実、飼料などの主要作物のtrack 、移動中の車から行うことが多い風防調査が用いられる。
ただし、一部の作物の種類は他の作物よりも頻繁に記録されるため、データが不均一になり、信頼性の高い大規模な地図に変換することが困難になる場合があります。これらの問題を回避するために、AlphaEarthは、地球観測衛星からのデータに基づいて、高レベルと詳細な作物分類の両方をサポートできます。
穀物や油糧種子のような広範なカテゴリーに作物を分類できます。詳細な調査データが入手可能な地域では、春小麦、トウモロコシ、アルファルファのような特定のタイプも識別できます。この2段階のアプローチは、網羅性と詳細さのバランスを取り、カナダ全土で何が栽培されているかについてより明確な全体像を提供します。
Google AI技術で世界の地形を探る
南極は、極端な天候、絶え間ない雪氷、限られた衛星からの可視性により、地球上で最も地図作成が困難な場所の一つです。そのため、氷河や露出した岩、そして地形が時間とともにどのように変化しているかについての理解には、まだ不明な点が多く残されています。
衛星画像とレーダーや標高データを組み合わせることで、AlphaEarthは視界の限られた地域でも、南極大陸の年間一貫した地図を作成する。欠落している詳細を補い、10メートルの解像度の地形図を作成することができるため、研究者は氷河や地表の質感、雪に覆われた土地をより正確にtrack できる。
新しいAIモデルであるAlphaEarth Foundationsが、地球観測と都市計画アプリケーションにもたらす主な利点を以下に示します。
AlphaEarthは様々な分野で信頼性の高いサポートを提供していますが、留意すべき点がいくつかあります。
AlphaEarth Foundationは、研究者、プランナー、政策立案者が新しい方法で地球を見ることを支援している。Google新しいAIモデルは、衛星からの生情報を構造化された信頼性の高い情報に変換し、気候科学、農業、都市開発などの分野でより良い意思決定をサポートします。地球観測を発展させることで、地球の経年変化をモニターし、理解することが容易になります。
当社のコミュニティに参加して、GitHubリポジトリでAIのイノベーションを探求しましょう。ソリューションページでは、農業におけるAIやヘルスケアにおけるコンピュータビジョンについて学ぶことができます。当社のライセンスプランをご確認いただき、今日からAIを始めましょう！
