Google AlphaEarth sử dụng dữ liệu quan sát để lập bản đồ toàn cầu

Được giới thiệu vào ngày 30 tháng 7 năm 2025, AlphaEarth Foundations là một mô hình nền tảng không gian địa lý được phát triển bởi Google DeepMind. Đây là một trong những điểm nổi bật trong thời gian gần đây Google Tin tức AI được xây dựng để giúp việc xử lý dữ liệu quan sát Trái Đất toàn cầu nhanh hơn, rõ ràng hơn và đáng tin cậy hơn.

AlphaEarth Foundations được đào tạo trên hàng tỷ điểm dữ liệu từ hình ảnh vệ tinh, radar, LiDAR (Phát hiện và đo khoảng cách bằng ánh sáng), mô hình độ cao và mô phỏng khí hậu. Sử dụng nhiều loại đầu vào này, nó tạo ra các chế độ xem độ phân giải 10 mét hàng năm về hành tinh. 

Nói một cách đơn giản, điều này có nghĩa là nó có thể tạo ra các bản đồ rõ ràng, nhất quán về bề mặt Trái đất, ngay cả ở những khu vực khó nhìn thấy, do đó những thay đổi về đất, nước và khí hậu dễ phát hiện hơn và track theo thời gian. Những ảnh chụp nhanh này hiện có sẵn thông qua Google Động cơ Trái đất, Google nền tảng đám mây của cho dữ liệu không gian địa lý.

Trong bài viết này, chúng ta sẽ xem xét cách AlphaEarth Foundations sử dụng AI cho Google Earth Engine hỗ trợ các dự án quan sát Trái Đất thực tế. 

AlphaEarth: Google Mô hình AI mới của Google dành cho việc quan sát Trái Đất

AlphaEarth Foundations cung cấp một cách mới để hiểu hành tinh của chúng ta thông qua một hệ thống liên tục và năng động. Thay vì xem từng hình ảnh riêng biệt, mô hình AI mới xây dựng một bức tranh thống nhất, có cấu trúc về bề mặt Trái đất trên cả không gian và thời gian.

Để tạo ra chế độ xem này, nó lấy từ một loạt các nguồn, bao gồm hình ảnh vệ tinh, bản đồ độ cao, mô hình khí hậu và báo cáo về đa dạng sinh học. Điều này giúp nó nắm bắt những thay đổi trong môi trường và phân tích lý do đằng sau chúng.

Đặc biệt, AlphaEarth có thể giới thiệu cách cảnh quan Trái đất đang thay đổi qua nhiều năm. Những ảnh chụp nhanh này được xây dựng bằng cách sử dụng các embedding, là bản tóm tắt ngắn gọn về những gì mô hình đã học được về mỗi địa điểm. 

‍

Một bộ sưu tập các nhúng này có sẵn thông qua Google Bộ dữ liệu Nhúng Vệ tinh của Earth Engine. Chúng đã được sử dụng trong các lĩnh vực như ứng phó cháy rừng , quy hoạch đô thị và giám sát đất đai. Điều này giúp các nhà nghiên cứu và người ra quyết định chuyển đổi dữ liệu vệ tinh thành những thông tin hữu ích.

AI và khí hậu: Tầm quan trọng của AlphaEarth

Một lợi ích chính của AlphaEarth Foundations là nó giúp việc nghiên cứu những thay đổi dài hạn đối với hành tinh của chúng ta trở nên dễ dàng hơn. Nó hoạt động tốt ngay cả ở những khu vực khó khăn, nơi dữ liệu bị thiếu hoặc mây thường che khuất tầm nhìn vệ tinh. Ví dụ, ở rừng nhiệt đới Amazon, nơi mây che phủ là một vấn đề liên tục, AlphaEarth vẫn có thể phát hiện những thay đổi về đất đai bằng cách học hỏi từ các mô hình trên khắp thế giới.

Trong các bài kiểm tra điểm chuẩn, nó đã giảm lỗi phân loại sai gần 24% và yêu cầu bộ nhớ ít hơn 16 lần cho mỗi embedding. Điều thú vị là mô hình AI mới này không cần phải được đào tạo lại cho mọi ứng dụng. 

Nó hiệu quả và có khả năng thích ứng trên các khu vực và thách thức khác nhau. Điều này là do AlphaEarth tạo ra các embedding đa năng, các bản tóm tắt nhỏ gọn, giàu thông tin về mỗi vị trí, có thể được sử dụng trực tiếp cho nhiều loại phân tích mà không cần xây dựng lại toàn bộ mô hình.

Cho đến nay, cái mới Google Mô hình Earth AI đã được sử dụng để theo dõi những thay đổi về đất đai tại hơn 100 quốc gia, bao gồm rừng nhiệt đới , vùng Bắc Cực và các thành phố đang mở rộng. Những thông tin chi tiết này đang được sử dụng để hỗ trợ quy hoạch thông minh hơn và đưa ra các quyết định sáng suốt hơn về khí hậu.

‍

Cách AlphaEarth sử dụng thị giác máy tính để quan sát Trái đất

Mặc dù ảnh vệ tinh có thể được sử dụng để ghi lại hình ảnh chi tiết về bề mặt Trái Đất, nhưng việc biến những hình ảnh đó thành những thông tin chi tiết có ý nghĩa không phải lúc nào cũng dễ dàng. AlphaEarth Foundations sử dụng thị giác máy tính , một nhánh của AI cho phép máy móc diễn giải thông tin hình ảnh để detect và phân tích các mô hình trên đất, thảm thực vật và địa hình.

Đây là cách mô hình áp dụng các tác vụ thị giác máy tính khác nhau vào quan sát Trái Đất: 

• Phân loại ảnh (Image classification): AlphaEarth xác định các loại đất như rừng, đất trồng trọt, đất ngập nước và khu vực đô thị từ ảnh vệ tinh. Việc phân loại này hỗ trợ giám sát khí hậu, nghiên cứu sinh thái và quy hoạch sử dụng đất.
  
  
• Phân vùng (Segmentation): Còn được gọi là lập bản đồ theo chủ đề, phân vùng gán nhãn cho mỗi pixel trong ảnh vệ tinh bằng một danh mục như loại cây trồng hoặc độ che phủ thực vật. AlphaEarth sử dụng các embedding hàng năm của mình để duy trì độ chính xác cao trên các khu vực, cho phép lập bản đồ chi tiết cho việc sử dụng đất, độ che phủ đất và đa dạng sinh học.
  ‍
• Phát hiện thay đổi: Bằng cách so sánh các nhúng hàng năm cho cùng một vị trí, AlphaEarth có thể detect Sự thay đổi trong sử dụng đất và lớp phủ đất, chẳng hạn như nạn phá rừng , ảnh hưởng của cháy rừng hoặc sự phát triển đô thị. Nó hoạt động với cả phương pháp có giám sát (học từ các ví dụ có nhãn) và phương pháp không giám sát (tìm kiếm các mẫu không có nhãn).
  ‍
• Phân cụm không giám sát: Không cần sử dụng bất kỳ dữ liệu được gắn nhãn nào, AlphaEarth có thể nhóm các vùng có các mẫu tương tự nhau trong ảnh vệ tinh. Điều này giúp detect Các xu hướng như thay đổi thảm thực vật hoặc bất thường khí hậu ở những khu vực mới hoặc chưa được nghiên cứu đầy đủ. Điều này đặc biệt có tác động khi dữ liệu được gắn nhãn bị hạn chế hoặc thiếu.

‍

Ứng dụng thực tế của Google mô hình AI mới của

Với sự hiểu biết tốt hơn về cách AI dành cho Google Công nghệ quan sát Trái Đất mới của AlphaEarth Foundations hoạt động như thế nào, hãy cùng khám phá những ứng dụng thực tế của công nghệ này.

Google Sáng kiến AI của Trái Đất hướng tới các thành phố xanh hơn của Hoa Kỳ

Trên khắp Hoa Kỳ, các thành phố đang phát triển rừng đô thị để giảm nhiệt, hấp thụ ô nhiễm và tăng cường sức khỏe cộng đồng. Nhưng việc xác định chính xác vị trí cây cối ở đâu và không ở đâu có thể là một thách thức. Ở các khu dân cư đông đúc và đường phố hẹp, cây xanh thường không bị phát hiện trong ảnh vệ tinh hoặc các cuộc khảo sát truyền thống.

Tuy nhiên, AlphaEarth sử dụng dữ liệu vệ tinh, độ cao và môi trường để lập bản đồ độ che phủ cây với độ chi tiết cao. Để kiểm tra AI mới này Google mô hình, các nhà nghiên cứu đã sử dụng hơn 45.000 hồ sơ cây từ iNaturalist. 

Họ tập trung vào 39 chi cây phổ biến (các nhóm loài có quan hệ họ hàng gần) được tìm thấy trên tất cả các tiểu bang của Hoa Kỳ, bao gồm Alaska và Hawaii. Dữ liệu đã được làm sạch và chia thành các tập huấn luyện và kiểm tra, với 300 mẫu trên mỗi chi được sử dụng để huấn luyện và phần còn lại để kiểm tra. 

Mô hình đã lập bản đồ chính xác độ che phủ của cây từ dữ liệu vệ tinh, độ cao và môi trường, cho thấy nó có thể lấp đầy những khoảng trống mà các khảo sát truyền thống để lại. Những thông tin chi tiết này có thể giúp các thành phố như Detroit, New York và Phoenix đưa ra quyết định tốt hơn về địa điểm trồng cây, làm mát khu dân cư và hỗ trợ đa dạng sinh học địa phương.

Lập bản đồ cây trồng thông minh hơn nhờ vệ tinh quan sát Trái Đất

Việc kiểm kê mùa màng của Canada phụ thuộc rất nhiều vào các quan sát thực địa, đặc biệt là ở những khu vực không có hồ sơ bảo hiểm mùa màng (báo cáo chính thức về loại cây trồng, địa điểm và diện tích thu thập được cho các chương trình bảo hiểm nông nghiệp). Những cuộc khảo sát trên kính chắn gió này, thường được thực hiện từ các phương tiện di chuyển, được sử dụng để track các loại cây trồng chính như ngũ cốc, hạt có dầu, trái cây và thức ăn chăn nuôi. 

Nhưng vì một số loại cây trồng được ghi nhận thường xuyên hơn những loại khác, dữ liệu có thể không đồng đều và khó chuyển đổi thành bản đồ quy mô lớn đáng tin cậy. Để giải quyết những vấn đề này, AlphaEarth có thể hỗ trợ cả phân loại cây trồng cấp cao và chi tiết dựa trên dữ liệu từ vệ tinh quan sát Trái Đất. 

Nó có thể nhóm các loại cây trồng thành các danh mục rộng như ngũ cốc hoặc hạt có dầu. Ở những khu vực có dữ liệu khảo sát chi tiết, nó cũng có thể xác định các loại cụ thể như lúa mì vụ xuân, ngô hoặc cỏ linh lăng. Cách tiếp cận hai cấp độ này cân bằng giữa phạm vi bao phủ và chi tiết, mang lại một bức tranh rõ ràng hơn về những gì đang phát triển trên khắp Canada.

‍

Khám phá địa hình toàn cầu với AI cho Google Công nghệ Trái đất

Nam Cực là một trong những nơi khó lập bản đồ nhất trên Trái đất, với thời tiết khắc nghiệt, tuyết phủ liên tục và khả năng hiển thị vệ tinh hạn chế. Điều này để lại những khoảng trống trong sự hiểu biết của chúng ta về các sông băng, đá lộ thiên và cách cảnh quan thay đổi theo thời gian.

Bằng cách kết hợp ảnh vệ tinh với dữ liệu radar và độ cao, AlphaEarth tạo ra các bản đồ Nam Cực hàng năm nhất quán, ngay cả ở những khu vực có tầm nhìn hạn chế. Nó có thể bổ sung các chi tiết còn thiếu và tạo ra bản đồ địa hình có độ phân giải 10 mét, giúp các nhà nghiên cứu track sông băng, kết cấu bề mặt và vùng đất phủ tuyết chính xác hơn. 

Ưu và nhược điểm của mô hình AI mới: AlphaEarth

Dưới đây là một số ưu điểm chính mà mô hình AI mới, AlphaEarth Foundations, mang lại cho các ứng dụng quan sát Trái Đất và quy hoạch đô thị:

• Tính linh hoạt: AlphaEarth có thể được sử dụng trong nhiều lĩnh vực như nông nghiệp, quy hoạch đô thị và ứng phó thảm họa mà không cần các mô hình riêng biệt.
  ‍
• Lấp đầy khoảng trống dữ liệu: AI mới này Google mô hình có thể tạo ra các bản tóm tắt hàng năm ngay cả khi dữ liệu vệ tinh chưa đầy đủ, giúp duy trì tính liên tục trong phân tích chuỗi thời gian.
  ‍
• Đầu ra sẵn sàng cho AI: Nó tạo ra các embedding có thể đưa trực tiếp vào các công cụ như màn hình theo dõi cây trồng, máy dò lũ lụt hoặc bộ phân loại sử dụng đất, giúp tiết kiệm thời gian cho các nhà nghiên cứu và nhà phát triển.

Mặc dù AlphaEarth cung cấp hỗ trợ đáng tin cậy trên nhiều lĩnh vực khác nhau, nhưng đây là một vài hạn chế cần lưu ý:

• Không phải thời gian thực: Dữ liệu embedding hàng năm từ AlphaEarth không phù hợp cho các ứng dụng yêu cầu giám sát hàng ngày hoặc gần thời gian thực.
  ‍
• Phụ thuộc vào chất lượng đầu vào: Mặc dù nó lấp đầy các khoảng trống, nhưng mô hình vẫn dựa vào chất lượng và tính khả dụng của các nguồn dữ liệu đầu vào từ vệ tinh, radar và các nguồn khác.
  ‍
• Khả năng diễn giải hạn chế: Tương tự như hầu hết các mô hình học sâu, rất khó để diễn giải chính xác cách AlphaEarth đưa ra các mẫu hoặc dự đoán nhất định.

Những điều cần nhớ

Quỹ AlphaEarth đang giúp các nhà nghiên cứu, nhà quy hoạch và nhà hoạch định chính sách nhìn nhận hành tinh này theo những cách mới. Google Mô hình AI mới của Google có thể chuyển đổi dữ liệu vệ tinh thô thành thông tin có cấu trúc, đáng tin cậy, hỗ trợ các quyết định tốt hơn trong các lĩnh vực như khoa học khí hậu, nông nghiệp và phát triển đô thị. Bằng cách thúc đẩy quan sát Trái Đất, Google giúp việc theo dõi và hiểu rõ những thay đổi của hành tinh chúng ta theo thời gian trở nên dễ dàng hơn.

Tham gia cộng đồng của chúng tôi và khám phá những đổi mới AI trên kho lưu trữ GitHub của chúng tôi. Tìm hiểu về AI trong nông nghiệp và thị giác máy tính trong lĩnh vực chăm sóc sức khỏe thông qua các trang giải pháp của chúng tôi. Xem các gói cấp phép của chúng tôi và bắt đầu với AI ngay hôm nay!