Google AlphaEarthは、多様な観測データからグローバルマップを作成し、環境変化の追跡、災害対応の改善、意思決定の強化に役立てています。
YOLO Vision 2025にご期待ください！
2025年9月25日
10:00 — 18:00（英国夏時間）
ハイブリッドイベント
Google AlphaEarthは、多様な観測データからグローバルマップを作成し、環境変化の追跡、災害対応の改善、意思決定の強化に役立てています。
2025年7月30日に発表されたAlphaEarth Foundationsは、Google DeepMindによって開発された地理空間基盤モデルです。これは、最近のGoogle AIニュースのハイライトの1つであり、地球規模の地球観測データの操作をより速く、より明確に、より信頼性の高いものにするために構築されています。
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。
簡単に言うと、これは、見えにくい場所でも地球の表面の鮮明で一貫した地図を作成できることを意味するため、土地、水、気候の変化を時間の経過とともに簡単に見つけて追跡できます。これらのスナップショットは、Googleの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ようになりました。
この記事では、AlphaEarth FoundationsがGoogle Earth Engine向けのAIをどのように活用して、実際の地球観測プロジェクトを支援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。
これらの埋め込みのコレクションは、Google Earth EngineのSatellite Embedding datasetから入手できます。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使用されています。これにより、研究者や意思決定者は、衛星データを有用な洞察に変えることができます。
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、新しい Google Earth AI モデルは、熱帯林、北極圏、拡大する都市など、100 か国以上で土地の変化を監視するために使用されています。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変動に関する意思決定を支援するために使用されています。
衛星画像は地球の表面の詳細なビューをキャプチャするために使用できますが、それらの画像を意味のある洞察に変えることは必ずしも簡単ではありません。AlphaEarth Foundationsは、マシン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用して、土地、植生、地形全体のパターンを検出および分析します。
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の新しい地球観測技術向けのAIがどのように機能するかをより深く理解した上で、AlphaEarth Foundationsの実際の応用事例を探ってみましょう。
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。
ただし、AlphaEarthは、衛星、標高、および環境データを使用して、詳細な木の被覆をマッピングします。この新しいAI Googleモデルをテストするために、研究者はiNaturalistからの45,000を超える木の記録を使用しました。
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。
カナダの作物在庫は、特に作物保険記録（農業保険プログラムのために収集された作物タイプ、場所、および作付面積の公式報告書）がない地域では、圃場レベルの観察に大きく依存しています。これらのフロントガラス調査は、多くの場合、移動中の車両から行われ、穀物、油糧種子、果物、飼料などの主要作物を追跡するために使用されます。
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。
AIを活用したGoogle Earthテクノロジーによる地球規模の地形探査
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。
AlphaEarthは、衛星画像とレーダーおよび標高データを組み合わせることで、可視性が限られた地域でも、南極の一貫した年次マップを作成します。欠落している詳細を補完し、研究者が氷河、表面の質感、雪に覆われた土地をより正確に追跡するのに役立つ、10メートルの解像度の地形図を生成できます。
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、計画担当者、政策立案者が地球を新たな視点で見られるように支援しています。Googleの新しいAIモデルは、生の衛星入力を、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する構造化された信頼性の高い情報に変えることができます。地球観測を進歩させることで、地球の変化を長期にわたって監視および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！
