11 августа 2025 г.
Google AlphaEarth создает глобальные карты на основе разнообразных данных наблюдений для отслеживания изменений окружающей среды, улучшения реагирования на стихийные бедствия и совершенствования принятия решений.
Представленная 30 июля 2025 года AlphaEarth Foundations — это геопространственная базовая модель, разработанная Google DeepMind. Это один из основных моментов в последних новостях Google AI, созданный для того, чтобы сделать работу с глобальными данными наблюдения Земли быстрее, понятнее и надежнее.
AlphaEarth Foundations обучена на миллиардах точек данных из спутниковых снимков, радаров, LiDAR (Light Detection and Ranging), моделей рельефа и климатических симуляций. Используя этот широкий спектр входных данных, она создает ежегодные виды планеты с разрешением 10 метров.
Проще говоря, это означает, что он может создавать четкие, последовательные карты поверхности Земли, даже в труднодоступных для обзора областях, поэтому изменения в земле, воде и климате легче обнаружить и отслеживать с течением времени. Эти снимки теперь доступны через Google Earth Engine, облачную платформу Google для геопространственных данных.
В этой статье мы рассмотрим, как AlphaEarth Foundations использует ИИ для Google Earth Engine для поддержки реальных проектов по наблюдению за Землей.
AlphaEarth Foundations предоставляет новый способ понимания нашей планеты через непрерывную и динамическую систему. Вместо просмотра каждого изображения отдельно, новая модель AI строит единую, структурированную картину поверхности Земли как в пространстве, так и во времени.
Чтобы создать это представление, он использует широкий спектр источников, включая спутниковые снимки, карты высот, климатические модели и отчеты о биоразнообразии. Это помогает ему улавливать изменения в окружающей среде и анализировать причины, стоящие за ними.
В частности, AlphaEarth может продемонстрировать, как ландшафты Земли меняются с годами. Эти снимки создаются с использованием embeddings, которые представляют собой компактные сводки того, что модель узнала о каждом местоположении.
Коллекция этих вложений доступна через набор данных Satellite Embedding Google Earth Engine. Они уже используются в таких областях, как реагирование на лесные пожары, городское планирование и мониторинг земель. Это помогает исследователям и лицам, принимающим решения, превращать спутниковые данные в полезную информацию.
Ключевым преимуществом AlphaEarth Foundations является то, что он облегчает изучение долгосрочных изменений нашей планеты. Он хорошо работает даже в сложных областях, где данные отсутствуют или облака часто блокируют спутниковые снимки. Например, в тропических лесах Амазонки, где облачный покров является постоянной проблемой, AlphaEarth все еще может обнаруживать изменения земли, изучая закономерности по всему миру.
В эталонных тестах он снизил ошибки классификации почти на 24% и потребовал в 16 раз меньше места для хранения на одно встраивание. Интересно, что эту новую модель AI не нужно переобучать для каждого приложения.
Он эффективен и адаптируется к различным регионам и задачам. Это связано с тем, что AlphaEarth создает универсальные эмбеддинги, компактные, информационно насыщенные сводки по каждому местоположению, которые можно использовать непосредственно для многих видов анализа без перестройки всей модели.
На данный момент новая модель Google Earth AI использовалась для мониторинга изменений ландшафта в более чем 100 странах, включая тропические леса, арктические регионы и расширяющиеся города. Эти данные используются для поддержки более разумного планирования и принятия более обоснованных климатических решений.
Хотя спутниковые снимки можно использовать для получения детальных видов поверхности Земли, превращение этих снимков в значимую информацию не всегда является простой задачей. AlphaEarth Foundations использует компьютерное зрение, раздел AI, который позволяет машинам интерпретировать визуальную информацию, для обнаружения и анализа закономерностей на земле, растительности и местности.
Вот как модель применяет различные задачи компьютерного зрения к наблюдению за Землей:
Теперь, когда мы лучше понимаем, как работает ИИ для новых технологий наблюдения Земли от Google, давайте рассмотрим реальные приложения AlphaEarth Foundations.
В США города расширяют городские леса, чтобы снизить температуру, поглотить загрязнение и улучшить здоровье населения. Но точно определить, где деревья есть, а где их нет, может быть непросто. В густонаселенных районах и на узких улицах зелень часто остается незамеченной на спутниковых снимках или при традиционных обследованиях.
Однако AlphaEarth использует спутниковые данные, данные о высоте и окружающей среде для детального картирования древесного покрова. Чтобы протестировать эту новую модель AI Google, исследователи использовали более 45 000 записей о деревьях из iNaturalist.
Они сосредоточились на 39 распространенных родах деревьев (группах близкородственных видов), встречающихся во всех штатах США, включая Аляску и Гавайи. Данные были очищены и разделены на обучающие и тестовые наборы, при этом для обучения использовалось 300 образцов на род, а для тестирования — остальные.
Модель точно отобразила древесный покров по спутниковым, высотным и экологическим данным, показав, что она может заполнить пробелы, оставленные традиционными исследованиями. Эти данные могут помочь таким городам, как Детройт, Нью-Йорк и Феникс, принимать более взвешенные решения о том, где сажать деревья, охлаждать районы и поддерживать местное биоразнообразие.
Инвентаризация посевов в Канаде в значительной степени зависит от наблюдений на уровне полей, особенно в районах, где нет записей о страховании посевов (официальные отчеты о типе, местоположении и площади посевов, собранные для программ сельскохозяйственного страхования). Эти визуальные обследования, часто проводимые из движущихся транспортных средств, используются для отслеживания основных культур, таких как зерновые, масличные, фрукты и кормовые культуры.
Но поскольку некоторые типы сельскохозяйственных культур регистрируются чаще, чем другие, данные могут быть неравномерными и их трудно преобразовать в надежные крупномасштабные карты. Чтобы обойти эти проблемы, AlphaEarth может поддерживать как высокоуровневую, так и детальную классификацию сельскохозяйственных культур на основе данных со спутников наблюдения Земли.
Он может группировать культуры в широкие категории, такие как зерновые или масличные культуры. В регионах, где имеются подробные данные обследований, он также может идентифицировать конкретные типы, такие как яровая пшеница, кукуруза или люцерна. Этот двухуровневый подход обеспечивает баланс между охватом и детализацией, предлагая более четкое представление о том, что растет в Канаде.
Исследование глобальных территорий с помощью ИИ для технологии Google Earth
Антарктида — одно из самых труднодоступных мест на Земле для составления карт из-за экстремальных погодных условий, постоянного снежного покрова и ограниченной видимости со спутников. Это оставляет пробелы в нашем понимании ее ледников, обнаженных скал и того, как ландшафт меняется со временем.
Объединяя спутниковые снимки с данными радаров и высот, AlphaEarth создает последовательные ежегодные карты Антарктиды, даже в районах с ограниченной видимостью. Она может заполнять недостающие детали и создавать карты местности с разрешением 10 метров, которые помогают исследователям более точно отслеживать ледники, текстуры поверхности и покрытые снегом участки.
Вот некоторые из ключевых преимуществ, которые предлагает новая модель ИИ AlphaEarth Foundations для наблюдения за Землей и применения в градостроительстве:
Хотя AlphaEarth предлагает надежную поддержку в различных областях, вот несколько ограничений, которые следует иметь в виду:
AlphaEarth Foundation помогает исследователям, планировщикам и политикам увидеть планету по-новому. Новая модель AI от Google может превратить необработанные спутниковые данные в структурированную, надежную информацию, которая поддерживает принятие более эффективных решений в таких областях, как климатология, сельское хозяйство и городское развитие. Благодаря развитию наблюдения за Землей, становится легче отслеживать и понимать изменения нашей планеты с течением времени.
Присоединяйтесь к нашему сообществу и изучите инновации в области ИИ в нашем репозитории GitHub. Узнайте о применении ИИ в сельском хозяйстве и компьютерного зрения в здравоохранении на страницах наших решений. Ознакомьтесь с нашими планами лицензирования и начните работу с ИИ уже сегодня!
