人工智能研究所（Ai2）今日正式发布卫星地图嵌入模型 OlmoEarth v1.3，同步推出覆盖全球多分辨率的预计算年度嵌入数据，以及一款基于浏览器的制图工具。
该模型能将一年的卫星观测数据压缩为地面每个 10x10 米图层的“数字指纹”（最小分辨率），并提供 64 平方米和 128 米分辨率选项。这些指纹可捕捉特定模式，帮助其他软件区分农作物、森林、矿山及其他土地覆盖类型。
此前，使用 OlmoEarth 需在 OlmoEarth Studio 中进行微调，为每项任务单独训练模型并运行于卫星数据以生成地图。这一过程不仅要求具备下载和存储影像的能力，还需消耗大量图形处理单元（GPU）资源。
此次发布的 OlmoEarth Embeddings Explorer 改变了这一局面。作为一款基于浏览器的制图工具，它允许用户无需注册登录即可将 OlmoEarth 应用于实际工作，如追踪随时间的变化或寻找相似地点。
嵌入表示模型从数百万张卫星图像中学习特征。OlmoEarth 读取包括 Sentinel-1、Sentinel-2 和 Landsat 在内的一年雷达图像数据。其中，Sentinel-1 测量雷达反射，Sentinel-2 和 Landsat 则捕捉可见光和红外波段光线，三者提供互补的地球视角。
Ai2 表示，与前代模型相比，v1.3 是训练成本最低的版本。其计算时间仅为 v1.2 的 53%、初代 v1 的 18%；碳排放量分别为两者的 50% 和 22%。尽管成本大幅降低，v1.3 仍保留了 v1.2 的性能价值，是一款强大的微调模型，利于研究和实验室伙伴使用。
现实世界的应用场景
卫星模型有助于压缩跨越时空的海量数据，对理解地球变化至关重要。
以秘鲁马德雷德迪奥斯地区为例，拉潘帕周围的非法金矿开采在 2017 年和 2018 年达到顶峰，清除了坦博帕塔国家保护区缓冲区内超过 1,200 公顷的森林。亚马逊保护团队 MAAP 监测项目报告了这一活动，随后秘鲁于 2019 年 2 月通过“水星行动”关闭了大部分矿区。
嵌入技术清晰揭示了这一变化过程。通过比较 2016 年至 2020 年的数据像素，无需任何模型训练即可观察到南部采矿带明显向东推进，显著变化面积达 34 平方公里。而 2020 年至 2024 年的同期比较显示，该面积降至 9 平方公里，关停效果显著。
在农业领域，分析师可利用该技术绘制油棕榈种植区域图，识别因种植园扩张取代森林而需仔细检查的区域，从而评估环境影响的具体波及范围。
Ai2 指出，以往针对 OlmoEarth 测试想法需进行耗时数小时且昂贵的微调运行。而在新的探索器中，首次尝试仅需几秒钟。对于仅有少量标签的区域分析，无需 GPU 支持；当任务确需微调时，嵌入数据也能辅助判断实验是否值得投入计算资源，以及模型存在的不足。