OlmoEarth v1.3: AI2、地球全体の最先端衛星埋め込みを公開

OlmoEarth v1.3は、AI2による最先端の衛星埋め込みモデルで、1年間のSentinel-1、Sentinel-2、Landsatの時系列データを、10メートルピクセルあたり128次元のベクトルに変換します。AI2はこの埋め込みを地球全体について事前計算し、オープンに公開しました。このリリースが重要なのは、地球観測をGPU負荷の高いファインチューニング問題から、誰でも少数のラベルから実行できる軽量な分類問題に変えるからです。結果を探索するためのサインイン不要のブラウザツールも付属しています。

OlmoEarth v1.3の実際の内容

OlmoEarth v1.3は、1年間のレーダー（Sentinel-1）およびマルチスペクトル（Sentinel-2とLandsat）の衛星時系列データを読み取り、地球上の10メートルピクセルごとに128次元のベクトルを生成する衛星埋め込みモデルです。最初の64次元は、それ単独でも小さな半分サイズの埋め込みとして機能します。

AI2は、モデルとともに4つの補助成果物を公開しました。

10メートル解像度での地球全体の事前計算済み年次埋め込み（Source Cooperativeで公開）。
OlmoEarth Embeddings Explorer：これらの埋め込みから地図を探索・カスタマイズするためのブラウザベースのツール。
結果と方法論を説明するテクニカルレポート。
実際の例を解説するインタラクティブストーリー。

これらの資料は発表ページからリンクされています：モデル重み、テクニカルレポート、データ、コード、埋め込みエクスプローラー、インタラクティブストーリー。モデル重み、事前学習データ、事前学習コードはすべて完全にオープンで、OlmoEarth v1およびv1.2で使用されたのと同じオープンライセンスであるOlmoEarth Artifact Licenseの下で公開されています。

一度計算すればどこでも再利用：埋め込みがワークフローを変える理由

OlmoEarth v1.3以前は、OlmoEarthを使用する主な方法はOlmoEarth Studioでのファインチューニングでした。タスクごとにモデルを訓練し、衛星画像に適用して地図を作成するというものです。このワークフローにはGPUアクセスと、画像のダウンロードおよび保存能力が必要でした。

埋め込みモデルは、これを再利用パターンに置き換えます。埋め込みは衛星データをすぐに使える特徴量に圧縮し、多くのタスクで安価に再利用できます。AI2がすでに埋め込みをグローバルに計算しているため、作物地図、土地被覆図、変化分析は軽量なモデリング問題になります。つまり、その上で小さな分類器を訓練し、ローカルで実行するだけです。

実際には、OlmoEarth埋め込みで訓練された小さな分類器で、地上の状況をマッピングするのに十分です。AI2は、ケニアの小規模農家の作物分類、ダッカ西方のレンガ窯の検出、インドネシアの火災被害の評価、ペルーアマゾンの金採掘の追跡を例として挙げています。

アーキテクチャの3ステップ

埋め込みパイプラインには3つの段階があります。

ビジョントランスフォーマーが衛星データを読み取ります。
Attention Poolerがそれを土地のパッチごとに1つのベクトルにプールします。
線形層がそれを128個の数値に削減します。

結果は10メートルピクセルごとに1つのベクトルで、64次元に切り詰めた軽量版も利用できます。

ベンチマーク結果：27評価中20勝

OlmoEarth v1.3の埋め込みは、AlphaEarth Foundations (AEF)およびTessera v2と、6大陸にわたる多くの異なるタスクを含む27の評価で比較されました。128次元の埋め込みは27評価中20で最高スコアを獲得し、総合でも最高位です。半分のサイズの64次元版でも、27評価中18でリードしています。

この評価の一環として、AI2は熱帯農業向けの新しい作物タイプのベンチマークであるPLANTEURを導入しました。埋め込みは、分類器が一度も見たことのない場所に最もよく一般化します。PLANTEURのテクニカルレポートも別途公開されています。

OlmoEarth v1.3は、ファインチューニングモデルとしても強力で、研究およびパートナーラベルにおいてv1.2の性能と同等です。

トレーニング効率：これまでで最も安価なOlmoEarth世代

OlmoEarth v1.3は、トレーニングが最も安価なOlmoEarthモデルでした。計算時間はv1.2の53%、v1の18%で、二酸化炭素排出量はそれぞれ50%と22%でした。

AI2は、このモデルを以前のOlmoEarthバージョンと同じ基盤の上に構築し、タスク全体の精度を犠牲にせずに埋め込みを軽量に保つように調整したものと位置づけており、その効率化の取り組みは将来のバージョンにも引き継がれます。

コストについて、AI2はOlmoEarth v1.3 Baseの事前学習を再現するには、最終ランでレンタルH100時間で約2,720ドルかかると述べています。比較として、発表ではOlmoEarth v1 Baseが15,060ドル、v1.2 Baseが5,100ドルと記載されています。

ケーススタディ：ペルー、ラ・パンパでの9年間の違法金採掘

実際の例は、モデルトレーニングなしで埋め込みが何ができるかを示しています。ペルーのマードレ・デ・ディオス地域では、ラ・パンパ周辺の違法金採掘が2017年と2018年にピークに達し、タンボパタ国立保護区の緩衝地帯で1,200ヘクタール以上の森林が伐採されました（Amazon ConservationのMAAP監視プログラムによる）。2019年2月、ペルーの「メルクリオ作戦」によりそのほとんどが停止されました。

埋め込みは、それが実際に停止したままかどうかを答えるのに役立ちます。各ピクセルのベクトルを年ごとに比較するには、モデルトレーニングは不要です。2017年から2020年のペアは、採掘が南東に広がっていた場所を明らかにし、取り締まりの効果も埋め込みに見えます。2020年から2025年で同じ比較を行うと、シグナルが変化していることがわかります。その一角は静かになり、変化は現在、西側の古い採掘地帯にあり、一部は再成長、一部は新たな掘削です。

2番目の地図が暗くないこと自体が情報です。MAAPによると、北西部の一部は操業を続け、古い採掘地帯は土地の回復に伴って変化し続けています。埋め込みもそれを捉えています。2026年8月、AP通信は、検察が採掘がタンボパタ自体に及んだことを発見した後、ペルーが海軍パトロールを保護区に戻したと報じました。

OlmoEarth Embeddings Explorer

OlmoEarth Embeddings Explorerは、埋め込み自体から構築されたインタラクティブな分析ツールで、地球の疑似カラーマップとしてレンダリングされます。AI2によると、その機能は次のとおりです。

どこにでもパンし、年を切り替えて景観の変化を確認できます。
基になるSentinel-2画像を呼び出して、地図を実際のものと照合できます。
場所をクリックすると、類似した他の場所を見つけられます。
いくつかのラベル付きポイントをドロップし、その場で小さな分類器を訓練し、結果をGeoTIFFとしてエクスポートできます。
アカウントもセットアップも不要です。

ワークフローの比較は実務者にとって重要です。OlmoEarthでアイデアをテストすることは、これまで数時間のファインチューニングランを意味することが多かったですが、Explorerでの最初のパスは数秒で完了します。GPUなしで、ほんの一握りのラベルから地域全体を分析できます。タスクがファインチューニングを必要とする場合でも、埋め込みはそれが計算リソースに値するかどうか、モデルがどこで不足しているかを判断するのに役立ちます。

グローバル埋め込みアーカイブ：カバレッジと来歴

Explorerの背後にあるアーカイブには、10メートル解像度の埋め込みが保持されており、年間約150 TBで、陸地と隣接する沿岸水域をカバーしています。

ローンチ時：

2025年、2024年、2023年はグローバル。
2017年から2022年は選択された国をカバーし、今後さらにカバレッジが拡大予定。

埋め込みは、完全な128次元版または軽量な64次元版で取得できます。すべての埋め込みには、その由来の記録も付属しています。20キロメートルのタイルと年ごとに、来歴テーブルにはモデルが読み取ったSentinel-1、Sentinel-2、Landsatシーンがリストされ、それらをホストする公開カタログへのリンクがあるため、任意のピクセルをその背後にある画像まで追跡できます。

リリースに含まれるものと開始方法

OlmoEarth v1.3リリースには、OlmoEarth v1.3 Baseモデル、事前計算済みのグローバル埋め込み、OlmoEarth Embeddings Explorer、テクニカルレポートが含まれています。

特定の時間枠を必要とする作業には、OlmoEarth Studioがユーザーが選択した日付、モダリティ、解像度で同じモデルを実行し、allenai/rslearnリポジトリのチュートリアルでは、自分の計算リソースで埋め込みを生成する方法を示しています。ツールは連携するように設計されています。Embeddings Explorerで探索し、タスクが必要な場合はStudioでファインチューニングし、そこから地図を取得します。