OlmoEarth v1.3：AI2 发布覆盖全球的先进卫星嵌入模型

OlmoEarth v1.3 是 AI2 推出的先进卫星嵌入模型，它将一年的 Sentinel-1、Sentinel-2 和 Landsat 时间序列数据转换为每个 10 米像素的 128 维向量，并且 AI2 已为整个地球预先计算了这些嵌入并公开发布。这一发布意义重大，因为它将全球地球观测从依赖 GPU 的微调问题转变为轻量级分类问题，任何人都可以用少量标签运行，并提供了一个无需登录的浏览器工具来探索结果。

OlmoEarth v1.3 到底是什么

OlmoEarth v1.3 是一个卫星嵌入模型，它读取一年的雷达（Sentinel-1）和多光谱（Sentinel-2 和 Landsat）卫星时间序列数据，为地球上的每个 10 米像素生成一个 128 维向量。前 64 维也可以单独使用，作为更小的半尺寸嵌入。

AI2 随模型发布了四个配套资源：

  • 全球 10 米分辨率的年度预计算嵌入，发布在 Source Cooperative 上。
  • OlmoEarth Embeddings Explorer，一个基于浏览器的工具，用于探索和定制基于这些嵌入的地图。
  • 一份描述结果和方法的技术报告。
  • 一个交互式故事，包含工作示例。

这些材料在公告中均有链接：模型权重、技术报告、数据、代码、嵌入浏览器和交互式故事。模型权重、预训练数据和预训练代码完全开放，均采用 OlmoEarth Artifact License 发布，该许可证与 OlmoEarth v1 和 v1.2 使用的开放许可证相同。

一次计算，处处复用：嵌入如何改变工作流程

在 OlmoEarth v1.3 之前，使用 OlmoEarth 的主要方式是在 OlmoEarth Studio 中进行微调：为每个任务训练模型，并在卫星图像上运行以生成地图。这种工作流程需要 GPU 访问权限，以及下载和存储图像的能力。

嵌入模型用复用模式取代了这种方式。嵌入将卫星数据压缩为可直接使用的特征，可以低成本地复用于许多任务。由于 AI2 已经全局计算了嵌入，作物地图、土地覆盖地图或变化分析就变成了轻量级建模问题：在嵌入之上训练一个小型分类器，并在本地运行。

实际上，在 OlmoEarth 嵌入上训练的小型分类器足以绘制地面情况。AI2 列举了肯尼亚小农作物分类、达卡以西砖窑检测、印度尼西亚火灾损失评估以及秘鲁亚马逊金矿开采追踪等示例。

三步架构

嵌入流水线分为三个阶段：

  1. 视觉变换器读取卫星数据。
  2. 注意力池化器将数据池化为每块土地一个向量。
  3. 线性层将其降为 128 个数字。

结果是每个 10 米像素一个向量，并提供 64 维截断版本作为更轻量的替代。

基准测试结果：27 项评估中赢得 20 项

OlmoEarth v1.3 的嵌入与 AlphaEarth Foundations (AEF) 和 Tessera v2 在 27 项评估中进行了对比，覆盖六大洲和多种任务。128 维嵌入在 27 项评估中的 20 项中得分最高，总体排名第一。64 维版本虽然大小减半，仍在 27 项评估中的 18 项中领先。

作为评估的一部分，AI2 引入了 PLANTEUR，这是一个针对热带农业的新作物类型基准。嵌入在分类器从未见过的地区泛化效果最好。另有一份独立的 PLANTEUR 技术报告可供查阅。

OlmoEarth v1.3 仍然是一个强大的微调模型，在研究和合作伙伴标签上的表现与 v1.2 相当。

训练效率：迄今为止最便宜的 OlmoEarth 版本

OlmoEarth v1.3 是训练成本最低的 OlmoEarth 模型。它的计算时间仅为 v1.2 的 53% 和 v1 的 18%，碳排放量分别为 v1.2 的 50% 和 v1 的 22%。

AI2 表示，该模型建立在早期 OlmoEarth 版本的基础上，经过调整，使嵌入保持轻量，同时不牺牲跨任务的准确性，这一效率工作将延续到未来版本。

在成本方面，AI2 表示，复现 OlmoEarth v1.3 Base 的预训练，最终运行大约需要 2,720 美元的租用 H100 时间。作为对比，公告中列出 OlmoEarth v1 Base 为 15,060 美元，v1.2 Base 为 5,100 美元。

案例研究：秘鲁拉潘帕九年的非法金矿开采

一个工作示例展示了嵌入在无需任何模型训练的情况下能做什么。在秘鲁的马德雷德迪奥斯地区，拉潘帕周边的非法金矿开采在 2017 年和 2018 年达到高峰，根据 Amazon Conservation 的 MAAP 监测计划，在坦博帕塔国家保护区缓冲区清除了超过 1,200 公顷的森林。2019 年 2 月，秘鲁的“水星行动”将其大部分关闭。

嵌入有助于回答它是否保持关闭状态。逐年比较每个像素的向量无需模型训练。2017 年至 2020 年的对比显示采矿向东南蔓延的区域，而镇压行动在嵌入中清晰可见。从 2020 年到 2025 年进行同样的比较显示信号转移：那个角落已经安静下来，变化现在位于西部的旧矿区，部分是植被恢复，部分是重新挖掘。

第二张地图并非全暗，这本身就具有信息量。根据 MAAP，西北部的一些区域仍在运营，旧矿区随着土地恢复而持续变化。嵌入也捕捉到了这一点。2026 年 8 月，美联社报道称，在检察官发现采矿已进入坦博帕塔保护区本身后，秘鲁派遣海军巡逻队返回该保护区。

OlmoEarth Embeddings Explorer

OlmoEarth Embeddings Explorer 是一个基于嵌入构建的交互式分析工具，以行星的假彩色地图形式呈现。其功能根据 AI2 的描述如下：

  • 平移地图并在年份之间切换，查看景观如何变化。
  • 调出底层的 Sentinel-2 图像，将地图与实际情况进行核对。
  • 点击一个地点，找到其他相似的地点。
  • 放置几个带标签的点，当场训练一个小型分类器，并将结果导出为 GeoTIFF。
  • 无需账户，无需设置。

工作流程的对比对从业者很重要：在 OlmoEarth 上测试一个想法通常意味着数小时的微调运行，而在 Explorer 中首次尝试只需几秒钟。无需 GPU 即可从少量标签分析整个区域。当任务确实需要微调时，嵌入可以帮助决定是否值得投入计算资源，以及模型在哪些方面存在不足。

全球嵌入档案：覆盖范围和来源

Explorer 背后的档案包含 10 米分辨率的嵌入，每年约 150 TB，覆盖陆地和邻近沿海水域。

发布时：

  • 2025 年、2024 年和 2023 年为全球覆盖。
  • 2017 年至 2022 年覆盖特定国家，更多覆盖范围即将推出。

嵌入可以以完整的 128 维版本或更轻的 64 维版本获取。每个嵌入还附带来源记录：对于每个 20 公里的瓦片和年份，来源表列出了模型读取的 Sentinel-1、Sentinel-2 和 Landsat 场景，并链接到托管它们的公共目录，因此任何像素都可以追溯到其背后的图像。

发布内容以及如何开始

OlmoEarth v1.3 发布包括 OlmoEarth v1.3 Base 模型、预计算的全球嵌入、OlmoEarth Embeddings Explorer 和技术报告。

对于需要特定时间窗口的工作，OlmoEarth Studio 可以在用户选择的日期、模态和分辨率上运行相同的模型，allenai/rslearn 仓库中的教程展示了如何在自己的计算资源上生成嵌入。这些工具设计为协同工作：在 Embeddings Explorer 中探索，在任务需要时在 Studio 中微调，然后从那里获取地图。

Sources