Google AlphaEarth utiliza dados de observação para criar mapas globais

Apresentado em 30 de julho de 2025, o AlphaEarth Foundations é um modelo de base geoespacial desenvolvido pela Google DeepMind. É um dos destaques das notícias recentes sobre a Google AI e foi concebido para tornar o trabalho com dados globais de observação da Terra mais rápido, claro e fiável.

O AlphaEarth Foundations é treinado com milhares de milhões de pontos de dados provenientes de imagens de satélite, radar, LiDAR (deteção e medição por luz), modelos de elevação e simulações climáticas. Utilizando esta ampla variedade de dados de entrada, cria representações anuais do planeta com uma resolução de 10 metros.

Em termos simples, isto significa que consegue produzir mapas claros e consistentes da superfície terrestre, mesmo em áreas difíceis de observar, tornando mais fácil detetar e acompanhar ao longo do tempo as alterações na terra, na água e no clima. Estas representações estão agora disponíveis através do Google Earth Engine, a plataforma na nuvem da Google para dados geoespaciais.

Neste artigo, vamos analisar como o AlphaEarth Foundations utiliza AI no Google Earth Engine para apoiar projetos reais de observação da Terra.

AlphaEarth: o novo modelo de AI da Google para a observação da Terra#

O AlphaEarth Foundations oferece uma nova forma de compreender o nosso planeta através de um sistema contínuo e dinâmico. Em vez de visualizar cada imagem separadamente, o novo modelo de AI cria uma representação unificada e estruturada da superfície terrestre no espaço e no tempo.

Para criar esta representação, utiliza uma ampla variedade de fontes, incluindo imagens de satélite, mapas de elevação, modelos climáticos e relatórios sobre biodiversidade. Isto ajuda-o a identificar alterações no ambiente e a analisar as suas causas.

Em particular, o AlphaEarth consegue mostrar como as paisagens terrestres estão a mudar ao longo dos anos. Estas representações são criadas utilizando embeddings, que são resumos compactos do que o modelo aprendeu sobre cada localização.

Fig. 1. O modelo de AI da Google utiliza embeddings numéricos para mapear a superfície terrestre. (Fonte)

Uma coleção destes embeddings está disponível através do dataset Satellite Embedding do Google Earth Engine. Já estão a ser utilizados em áreas como a resposta a incêndios florestais, o planeamento urbano e a monitorização dos solos. Isto ajuda investigadores e decisores a transformar dados de satélite em informações úteis.

AI e o clima: a importância do AlphaEarth#

Um dos principais benefícios do AlphaEarth Foundations é tornar mais fácil o estudo das alterações a longo prazo no nosso planeta. Funciona bem até em áreas complexas onde faltam dados ou onde as nuvens bloqueiam frequentemente as imagens de satélite. Por exemplo, na floresta amazónica, onde a cobertura de nuvens é um problema constante, o AlphaEarth consegue identificar alterações no solo aprendendo com padrões de todo o mundo.

Nos testes de benchmark, reduziu os erros de classificação incorreta em quase 24% e exigiu 16 vezes menos armazenamento por embedding. Curiosamente, este novo modelo de AI não precisa de ser retreinado para cada aplicação.

É eficiente e adaptável a diferentes regiões e desafios. Isto acontece porque o AlphaEarth produz embeddings de uso geral, resumos compactos e ricos em informação de cada localização, que podem ser utilizados diretamente em muitos tipos de análise sem reconstruir todo o modelo.

Até agora, o novo modelo de AI do Google Earth foi utilizado para monitorizar alterações nos solos em mais de 100 países, incluindo florestas tropicais, regiões do Ártico e cidades em expansão. Estas informações estão a ser utilizadas para apoiar um planeamento mais inteligente e decisões climáticas mais fundamentadas.

Fig. 2. Visualização de padrões globais com o novo modelo de AI da Google. (Fonte)

Como o AlphaEarth utiliza visão computacional para a observação da Terra#

Embora as imagens de satélite possam ser utilizadas para captar representações detalhadas da superfície terrestre, nem sempre é simples transformar essas imagens em informações relevantes. O AlphaEarth Foundations utiliza visão computacional, um ramo da AI que permite às máquinas interpretar informações visuais, para detetar e analisar padrões no solo, na vegetação e no terreno.

Eis como o modelo aplica diferentes tarefas de visão computacional à observação da Terra:

• Classificação de imagens: o AlphaEarth identifica tipos de terreno, como florestas, terras agrícolas, zonas húmidas e áreas urbanas, a partir de imagens de satélite. Estas classificações apoiam a monitorização climática, a investigação ecológica e o planeamento do uso do solo.
• Segmentação: também denominada cartografia temática, a segmentação atribui a cada pixel de uma imagem de satélite uma categoria, como o tipo de cultura ou a cobertura vegetal. O AlphaEarth utiliza os seus embeddings anuais para manter uma elevada precisão entre regiões, permitindo uma cartografia detalhada do uso do solo, da cobertura do solo e da biodiversidade.
• Deteção de alterações: ao comparar embeddings anuais da mesma localização, o AlphaEarth consegue detetar alterações no uso e na cobertura do solo, como a desflorestação, os impactos de incêndios florestais ou o crescimento urbano. Funciona tanto com métodos supervisionados (aprendizagem a partir de exemplos rotulados) como com métodos não supervisionados (identificação de padrões sem rótulos).
• Agrupamento não supervisionado: sem utilizar dados rotulados, o AlphaEarth consegue agrupar regiões que apresentam padrões semelhantes nas imagens de satélite. Isto ajuda a detetar tendências, como alterações na vegetação ou anomalias climáticas, em áreas novas ou pouco estudadas. É especialmente útil quando os dados rotulados são limitados ou inexistentes.

Fig. 3. Um olhar sobre a utilização de AI na mais recente inovação da Google, o AlphaEarth, para compreender o ambiente terrestre em 2023. (Fonte)

Aplicações reais do novo modelo de AI da Google#

Depois de compreender melhor como funcionam as tecnologias de AI da Google para a nova observação da Terra, vamos explorar as aplicações reais do AlphaEarth Foundations.

A iniciativa de AI do Google Earth para cidades dos EUA mais verdes#

Em todos os EUA, as cidades estão a expandir as florestas urbanas para reduzir o calor, absorver a poluição e melhorar a saúde pública. No entanto, pode ser difícil determinar exatamente onde existem árvores e onde não existem. Em bairros densos e ruas estreitas, a vegetação passa frequentemente despercebida nas imagens de satélite ou nos levantamentos tradicionais.

No entanto, o AlphaEarth utiliza dados de satélite, de elevação e ambientais para mapear a cobertura arbórea com grande detalhe. Para testar este novo modelo de AI da Google, os investigadores utilizaram mais de 45 000 registos de árvores do iNaturalist.

Concentraram-se em 39 géneros de árvores comuns (grupos de espécies estreitamente relacionadas) encontrados em todos os estados dos EUA, incluindo o Alasca e o Havai. Os dados foram limpos e divididos em conjuntos de treino e de teste, utilizando-se 300 amostras por género para o treino e as restantes para o teste.

O modelo mapeou com precisão a cobertura arbórea a partir de dados de satélite, de elevação e ambientais, demonstrando que consegue preencher as lacunas deixadas pelos levantamentos tradicionais. Estas informações podem ajudar cidades como Detroit, Nova Iorque e Phoenix a tomar melhores decisões sobre onde plantar árvores, arrefecer bairros e apoiar a biodiversidade local.

Cartografia agrícola mais inteligente baseada em satélites de observação da Terra#

O inventário agrícola do Canadá depende fortemente de observações ao nível dos campos, especialmente em áreas sem registos de seguro agrícola (relatórios oficiais sobre o tipo, a localização e a área das culturas, recolhidos para programas de seguro agrícola). Estes levantamentos feitos a partir de veículos em movimento são frequentemente utilizados para acompanhar culturas importantes, como cereais, oleaginosas, frutas e forragens.

No entanto, como alguns tipos de culturas são registados com maior frequência do que outros, os dados podem ser inconsistentes e difíceis de converter em mapas fiáveis de grande escala. Para contornar estes problemas, o AlphaEarth pode apoiar a classificação de culturas de alto nível e detalhada com base em dados de satélites de observação da Terra.

Pode agrupar as culturas em categorias abrangentes, como cereais ou oleaginosas. Em regiões onde existem dados detalhados de levantamentos, também pode identificar tipos específicos, como trigo de primavera, milho ou luzerna. Esta abordagem em dois níveis equilibra cobertura e detalhe, oferecendo uma visão mais clara do que é cultivado em todo o Canadá.

Fig. 4. O Google AlphaEarth ajuda a classificar culturas no Canadá. (Fonte)

Explorar os terrenos globais com AI para a tecnologia Google Earth#

A Antártida é um dos locais mais difíceis da Terra para mapear, devido às condições meteorológicas extremas, à cobertura de neve constante e à visibilidade limitada dos satélites. Isto cria lacunas na nossa compreensão dos seus glaciares, das áreas de rocha exposta e da forma como a paisagem se altera ao longo do tempo.

Ao combinar imagens de satélite com dados de radar e de elevação, o AlphaEarth produz mapas anuais consistentes da Antártida, mesmo em áreas com visibilidade limitada. Consegue preencher detalhes em falta e gerar mapas do terreno com resolução de 10 metros, ajudando os investigadores a acompanhar com maior precisão os glaciares, as texturas da superfície e os terrenos cobertos de neve.

Vantagens e desvantagens do novo modelo de AI: AlphaEarth#

Eis algumas das principais vantagens que o novo modelo de AI, AlphaEarth Foundations, oferece para aplicações de observação da Terra e de planeamento urbano:

• Versatilidade: o AlphaEarth pode ser utilizado em vários setores, como a agricultura, o planeamento urbano e a resposta a catástrofes, sem necessidade de modelos separados.
• Preenche lacunas nos dados: este novo modelo de AI da Google pode criar resumos anuais mesmo quando os dados de entrada de satélite estão incompletos, ajudando a manter a continuidade na análise de séries temporais.
• Resultados prontos para AI: produz embeddings que podem ser integrados diretamente em ferramentas como sistemas de monitorização de culturas, detetores de inundações ou classificadores do uso do solo, poupando tempo a investigadores e programadores.

Embora o AlphaEarth ofereça um apoio fiável em vários domínios, eis algumas limitações a ter em conta:

• Não é em tempo real: os embeddings anuais do AlphaEarth não são adequados para aplicações que exigem monitorização diária ou quase em tempo real.
• Depende da qualidade dos dados de entrada: embora preencha lacunas, o modelo continua a depender da qualidade e da disponibilidade de dados de satélite, radar e outras fontes de dados de entrada.
• Interpretabilidade limitada: tal como acontece com a maioria dos modelos de deep learning, pode ser difícil interpretar exatamente como o AlphaEarth chega a determinados padrões ou previsões.

Principais conclusões#

O AlphaEarth Foundation está a ajudar investigadores, planeadores e decisores políticos a ver o planeta de novas formas. O novo modelo de AI da Google pode transformar dados brutos de satélite em informações estruturadas e fiáveis que apoiam melhores decisões em áreas como a ciência climática, a agricultura e o desenvolvimento urbano. Ao fazer avançar a observação da Terra, está a tornar mais fácil monitorizar e compreender as alterações do nosso planeta ao longo do tempo.

Junta-te à nossa comunidade e explora inovações de AI no nosso repositório do GitHub. Aprende sobre AI na agricultura e visão computacional na área da saúde através das nossas páginas de soluções. Consulta os nossos planos de licenciamento e começa hoje a utilizar AI!