Google DeepMind 今年推出了 AlphaEarth Foundations (AEF) 模型，该模型以前所未有的细节水平，帮助我们绘制和监测我们赖以生存的这颗蓝色星球。
一、 AlphaEarth Foundations (AEF) 的核心内容
简单来说，AlphaEarth Foundations 是一个人工智能模型，其功能就像一颗“虚拟卫星”。
它的核心任务是整合和处理海量（PB 级）的地球观测数据，并将这些复杂、多模式的信息转化成一个统一的数字表示，我们称之为“嵌入”（embedding）。通过这种方式，计算机系统就能轻松高效地处理这些数据。
AEF 模型的输出成果，就是被称为 “卫星嵌入数据集” (Satellite Embedding dataset) 的全球年度嵌入集合，该数据集已经被发布到 Google Earth Engine 上供专家使用。这个数据集是同类中规模最大的之一，每年包含超过 1.4 万亿个嵌入足迹（footprints）。
二、 AlphaEarth Foundations 的独特特点
AlphaEarth Foundations之所以能带来一场“全球测绘与监测的革命”，是因为它解决了现有地球观测数据面临的两个主要挑战：数据过载和信息不一致。
- 多源数据深度融合： AEF 将来自数十个不同公共来源的海量信息编织在一起进行分析。这些数据源非常多样化，包括光学卫星图像、雷达、3D 激光测绘，甚至气候模拟数据。它甚至将地球观测记录中稀疏、非均匀采样的观测结果整合为一个连续的记录。
- 高精度与高效率兼得：
- 高空间精度： AEF 能够以清晰的 10×10 米（10 平方米）方格来分析世界的陆地和沿海水域，并以卓越的精度跟踪随时间发生的变化。
- 高数据压缩率： 该系统的关键创新在于能够为每个方格创建高度紧凑的摘要（即嵌入）。这些摘要所需的存储空间比我们测试过的其他 AI 系统少 16 倍，从而显著降低了行星尺度分析的成本。
- 时间连续性建模能力： AEF 是第一个支持连续时间的地球观测特征化方法。这意味着它可以将稀疏的观测记录整合为一个连续的记录，无论数据的可用性如何波动。这种能力使其能够通过分离与测量行为无关的共同信息，在保持对地球表面属性紧凑描述的同时，保持对地球成像任务固有的噪声和稀疏性的鲁棒性。
三、 AlphaEarth Foundations 带来的重要成果
AEF 的诞生解锁了一个新的发现时代，并带来了切实的全球影响。
- 卓越的测绘性能： 在严格的性能测试中，与传统方法和其他 AI 测绘系统相比，AEF 始终是最准确的。它在广泛的任务上表现出色，包括土地利用识别和地表特性估算。平均而言，AEF 的错误率比我们测试的模型低 24%，比次优方法平均降低了约 23.9% 的误差幅度。
- 解决实际挑战的能力： 该模型能够为科学家提供关于地球演变的更完整、更一致的图像，帮助他们在粮食安全、森林砍伐、城市扩张和水资源等关键问题上做出更明智的决策。
- 具体的应用案例：
- 穿透云层观测： 在厄瓜多尔，该模型能够穿透持续的云层，详细描绘处于不同发展阶段的农田。
- 复杂区域测绘： 它能清晰地描绘南极洲的复杂地表，这个区域因为不规则的卫星成像而难以成像。
- 生态系统分类和保护： Global Ecosystems Atlas 等组织正使用该数据集来帮助各国分类尚未测绘的生态系统，如海岸灌木林和极端干旱沙漠。这对于确定保护区的优先次序和应对生物多样性丧失至关重要。
- 农业与环境变化监测： MapBiomas 正在巴西测试该数据集，以更深入地了解全国范围内的农业和环境变化，这有助于亚马逊雨林等关键生态系统的保护策略和可持续发展倡议。该数据集使其能够生产出更准确、更精确、更快速的地图。
通过 AlphaEarth Foundations，科学家和从业者现在拥有了一个新型的地理空间数据基础，可以根据需要创建详细、一致的全球地图，而不再依赖单一卫星的经过。它就像一把万能钥匙，打开了长期以来受限于稀疏观测记录和庞杂数据量的地球科学大门。