Google AlphaEarth использует данные наблюдений для глобального картографирования

Представленная 30 июля 2025 года AlphaEarth Foundations — геопространственная фундаментальная модель, разработанная Google DeepMind. Она стала одной из ключевых тем последних новостей Google AI и создана, чтобы сделать работу с глобальными данными наблюдения за Землёй более быстрой, понятной и надёжной.

AlphaEarth Foundations обучена на миллиардах точек данных, полученных из спутниковых снимков, радиолокационных данных, LiDAR (обнаружение и измерение расстояния), моделей рельефа и климатических симуляций. Используя этот широкий спектр входных данных, модель создаёт ежегодные изображения планеты с разрешением 10 метров.

Проще говоря, это означает, что модель может создавать чёткие и согласованные карты поверхности Земли даже в труднодоступных для наблюдения областях, благодаря чему изменения суши, водоёмов и климата легче обнаруживать и отслеживать с течением времени. Теперь эти снимки доступны через Google Earth Engine — облачную платформу Google для работы с геопространственными данными.

В этой статье мы рассмотрим, как AlphaEarth Foundations использует AI в Google Earth Engine для поддержки реальных проектов по наблюдению за Землёй.

AlphaEarth: новая AI-модель Google для наблюдения за Землёй#

AlphaEarth Foundations предлагает новый способ изучать нашу планету с помощью непрерывной и динамичной системы. Вместо просмотра каждого изображения по отдельности новая AI-модель создаёт единую структурированную картину поверхности Земли в пространстве и времени.

Для создания этой картины модель использует широкий спектр источников, включая спутниковые снимки, карты высот, климатические модели и отчёты о биоразнообразии. Это помогает ей выявлять изменения в окружающей среде и анализировать их причины.

В частности, AlphaEarth может показывать, как ландшафты Земли меняются с годами. Эти снимки создаются с помощью эмбеддингов — компактных сводных представлений того, чему модель научилась для каждого местоположения.

Рис. 1. AI-модель Google использует числовые эмбеддинги для картографирования поверхности Земли. (Источник)

Набор этих эмбеддингов доступен через набор данных Satellite Embedding в Google Earth Engine. Их уже используют в таких областях, как реагирование на лесные пожары, городское планирование и мониторинг земель. Это помогает исследователям и специалистам, принимающим решения, превращать спутниковые данные в полезные выводы.

AI и климат: значение AlphaEarth#

Одно из ключевых преимуществ AlphaEarth Foundations заключается в том, что она упрощает изучение долгосрочных изменений нашей планеты. Модель хорошо работает даже в сложных областях, где отсутствуют данные или облака часто закрывают спутниковые изображения. Например, в тропических лесах Амазонии, где облачность постоянно мешает наблюдениям, AlphaEarth всё равно может обнаруживать изменения на суше, обучаясь на закономерностях со всего мира.

В ходе тестов на эталонных данных модель почти на 24% сократила количество ошибок классификации и потребовала в 16 раз меньше места для хранения каждого эмбеддинга. Интересно, что эту новую AI-модель не нужно переобучать для каждого применения.

Она эффективна и адаптируется к различным регионам и задачам. Это связано с тем, что AlphaEarth создаёт эмбеддинги общего назначения — компактные, насыщенные информацией сводные представления каждого местоположения, которые можно напрямую использовать для многих видов анализа без перестройки всей модели.

На данный момент новая AI-модель Google Earth используется для мониторинга изменений земель более чем в 100 странах, включая тропические леса, арктические регионы и расширяющиеся города. Эти сведения помогают поддерживать более эффективное планирование и принимать более обоснованные климатические решения.

Рис. 2. Визуализация глобальных закономерностей с помощью новой AI-модели Google. (Источник)

Как AlphaEarth использует компьютерное зрение для наблюдения за Землёй#

Хотя спутниковые снимки позволяют получать подробные изображения поверхности Земли, преобразовать их в полезные выводы бывает непросто. AlphaEarth Foundations использует компьютерное зрение — область AI, которая позволяет машинам интерпретировать визуальную информацию, — для обнаружения и анализа закономерностей на суше, в растительности и рельефе.

Вот как модель применяет различные задачи компьютерного зрения для наблюдения за Землёй:

• Классификация изображений: AlphaEarth определяет типы земель, например леса, сельскохозяйственные угодья, водно-болотные угодья и городские территории, по спутниковым снимкам. Эти классификации поддерживают мониторинг климата, экологические исследования и планирование землепользования.
• Сегментация: сегментация, также называемая тематическим картографированием, присваивает каждому пикселю спутникового изображения категорию, например тип культуры или растительный покров. AlphaEarth использует ежегодные эмбеддинги для сохранения высокой точности в разных регионах, обеспечивая детализированное картографирование землепользования, растительного покрова и биоразнообразия.
• Обнаружение изменений: сравнивая ежегодные эмбеддинги одного и того же местоположения, AlphaEarth может обнаруживать изменения в землепользовании и растительном покрове, например вырубку лесов, последствия лесных пожаров или рост городов. Модель работает как с методами с учителем (обучение на размеченных примерах), так и с методами без учителя (поиск закономерностей без разметки).
• Кластеризация без учителя: не используя размеченные данные, AlphaEarth может объединять регионы с похожими закономерностями на спутниковых снимках. Это помогает обнаруживать такие тенденции, как изменения растительности или климатические аномалии, в новых или малоизученных областях. Особенно полезно это бывает, когда размеченных данных мало или они отсутствуют.

Рис. 3. Пример использования AI в последней разработке Google, AlphaEarth, для изучения окружающей среды Земли в 2023 году. (Источник)

Практическое применение новой AI-модели Google#

Теперь, когда мы лучше понимаем, как работает AI в новых технологиях Google для наблюдения за Землёй, рассмотрим практическое применение AlphaEarth Foundations.

AI-инициатива Google Earth для более экологичных городов США#

По всей территории США города расширяют городские леса, чтобы уменьшить жару, поглощать загрязнения и улучшать здоровье населения. Однако точно определить, где находятся деревья, а где их нет, бывает сложно. В густонаселённых районах и на узких улицах зелёные насаждения часто остаются незамеченными на спутниковых снимках или при традиционных обследованиях.

Однако AlphaEarth использует спутниковые данные, данные о высотах и экологические данные для детального картографирования древесного покрова. Чтобы протестировать эту новую AI-модель Google, исследователи использовали более 45 000 записей о деревьях из iNaturalist.

Они сосредоточились на 39 распространённых родах деревьев (группах близкородственных видов), встречающихся во всех штатах США, включая Аляску и Гавайи. Данные очистили и разделили на обучающую и тестовую выборки: для обучения использовали по 300 образцов на каждый род, а остальные — для тестирования.

Модель точно картографировала древесный покров по спутниковым данным, данным о высотах и экологическим данным, показав, что она может восполнять пробелы, оставленные традиционными обследованиями. Эти сведения могут помочь таким городам, как Детройт, Нью-Йорк и Финикс, принимать более обоснованные решения о том, где высаживать деревья, охлаждать районы и поддерживать местное биоразнообразие.

Более точное картографирование сельскохозяйственных культур с помощью спутников наблюдения за Землёй#

Инвентаризация сельскохозяйственных культур в Канаде во многом зависит от наблюдений на уровне полей, особенно в районах без записей о страховании урожая (официальных отчётов о типе, местоположении и площади посевов, собранных для программ сельскохозяйственного страхования). Эти обследования с борта автомобиля, часто проводимые из движущихся транспортных средств, используются для отслеживания основных культур, таких как зерновые, масличные, фрукты и кормовые культуры.

Однако, поскольку некоторые типы культур регистрируются чаще других, данные могут быть неравномерными, и их сложно преобразовать в надёжные карты крупного масштаба. Чтобы решить эти проблемы, AlphaEarth может поддерживать как укрупнённую, так и детализированную классификацию сельскохозяйственных культур на основе данных спутников наблюдения за Землёй.

Модель может объединять культуры в широкие категории, например зерновые или масличные. В регионах, где доступны подробные данные обследований, она также может определять конкретные виды, такие как яровая пшеница, кукуруза или люцерна. Такой двухуровневый подход сочетает охват и детализацию, создавая более ясную картину выращиваемых культур по всей Канаде.

Рис. 4. Google AlphaEarth помогает классифицировать сельскохозяйственные культуры в Канаде. (Источник)

Исследование глобальных ландшафтов с помощью AI-технологии Google Earth#

Антарктида — одно из самых сложных мест на Земле для картографирования: здесь экстремальная погода, постоянный снежный покров и ограниченная видимость со спутников. Это оставляет пробелы в понимании её ледников, открытых участков горных пород и того, как ландшафт меняется с течением времени.

Объединяя спутниковые снимки с радиолокационными данными и данными о высотах, AlphaEarth создаёт согласованные ежегодные карты Антарктиды даже в областях с ограниченной видимостью. Модель может восполнять недостающие детали и создавать карты рельефа с разрешением 10 метров, помогая исследователям точнее отслеживать ледники, текстуры поверхности и заснеженные участки суши.

Плюсы и минусы новой AI-модели AlphaEarth#

Ниже перечислены некоторые ключевые преимущества, которые новая AI-модель AlphaEarth Foundations предлагает для наблюдения за Землёй и задач городского планирования:

• Универсальность: AlphaEarth можно использовать в разных областях, таких как сельское хозяйство, городское планирование и реагирование на чрезвычайные ситуации, без необходимости создавать отдельные модели.
• Восполняет пробелы в данных: эта новая AI-модель Google может создавать ежегодные сводные данные даже при неполных спутниковых входных данных, помогая сохранять непрерывность анализа временных рядов.
• Результаты, готовые для AI: модель создаёт эмбеддинги, которые можно напрямую передавать в такие инструменты, как системы мониторинга сельскохозяйственных культур, детекторы наводнений или классификаторы землепользования, экономя время исследователей и разработчиков.

Хотя AlphaEarth обеспечивает надёжную поддержку в различных областях, следует учитывать несколько ограничений:

• Не работает в реальном времени: ежегодные эмбеддинги AlphaEarth не подходят для приложений, требующих ежедневного или близкого к реальному времени мониторинга.
• Зависит от качества входных данных: хотя модель восполняет пробелы, она по-прежнему зависит от качества и доступности спутниковых, радиолокационных и других входных данных.
• Ограниченная интерпретируемость: как и в случае с большинством моделей глубокого обучения, бывает сложно точно понять, как AlphaEarth приходит к определённым закономерностям или прогнозам.

Основные выводы#

AlphaEarth Foundation помогает исследователям, специалистам по планированию и разработчикам политики по-новому видеть нашу планету. Новая AI-модель Google может превращать необработанные спутниковые данные в структурированную и надёжную информацию, поддерживающую более эффективные решения в таких областях, как климатология, сельское хозяйство и городское развитие. Благодаря развитию наблюдения за Землёй становится проще отслеживать и понимать изменения нашей планеты с течением времени.

Присоединяйся к нашему сообществу и изучай инновации в области AI в нашем репозитории на GitHub. Узнай больше об AI в сельском хозяйстве и компьютерном зрении в здравоохранении на страницах наших решений. Ознакомься с нашими тарифами лицензирования и начни использовать AI уже сегодня!