Google DeepMind 推出 AI，可進行前所未有的全球繪圖

Google DeepMind 發表了一套突破性的 AI 系統，可改變組織分析地球表面資料的方式，有可能為政府、保護團體和全球企業的環境監測和資源管理帶來革命性的改變。

這套命名為 AlphaEarth Foundations 的系統，可解決地球觀測中長期存在的挑戰：將龐大的衛星資料流轉換為可操作的智慧。儘管衛星每天都會收集 TB 級的影像，但要將這些不同的資料集整合為一致的洞察力卻一直是個問題。

"AlphaEarth Foundations 以虛擬衛星的方式運作，」研究團隊在刊物中解釋。「它通過將海量地球觀測資料集統一為全面的數位表示，有效地描述了地球陸地和沿海地區的特徵」。

這種 AI 解決方案比現有方法減少了約 23.9% 的錯誤，同時所需的儲存容量卻比同類系統少了 16 倍。這種增強效率與精確度的結合，可大幅降低地球尺度環境分析的相關成本。

AI 如何將衛星資料轉換為可操作的智慧

系統的核心創新在於其資料處理方法。AlphaEarth Foundations 不會單獨分析個別衛星影像，而是會產生「嵌入區域」（embedding fields），即高度壓縮的數位摘要，代表地球表面 10 公尺網格區段的重要特徵。

"研究人員指出：「這個系統的突破性功能在於為每個網格區段建立精簡的摘要。「這些摘要所需的儲存空間比我們評估的其他 AI 系統少十六倍，大幅降低了行星尺度的分析費用」。

這種壓縮可以保持詳細的精確度。該系統在監控時間變化的同時，保留了開發人員所描述的「清晰的 10×10 公尺」解析度。這種粒度可讓組織追蹤個別城市區塊、農地或森林區段 - 對於城市規劃和保育應用來說至關重要。

巴西團隊以接近即時的精確度監控亞馬遜森林砍伐情況

在過去的一年中，已有超過 50 個組織測試了此系統，初步結果顯示此系統具有跨產業的變革潛力。

在巴西，MapBiomas 利用該技術監測全國的農業和環境轉變，包括亞馬遜雨林內部。「衛星嵌入數據集重塑了我們的操作方法，」MapBiomas 創始人 Tasso Azevedo 表示。"我們現在能以前所未有的速度生成更精確、更精確的地圖，這些能力以前是我們無法企及的。

全球生態系統圖集」計畫採用這套系統開發第一套全面的全球生態系統地圖資源。該項目協助各國將尚未開發的領土分類，如沿海灌木地和超乾旱沙漠，這些都是制定保護策略的重要資訊。

"詹姆斯庫克大學全球生態實驗室主任兼全球生態系統圖集全球科學領導人 Nick Murray 解釋說：「衛星嵌入數據集改變了我們的方法，幫助各國繪製未知生態系統圖，這對於定位保育優先順序至關重要。

解決衛星影像的主要挑戰：雲層遮蓋與資料缺口

這篇研究論文詳述了這些功能背後的精密工程。AlphaEarth Foundations 整合了多種來源的資料 - 光學衛星影像、雷達、3D 雷射測圖、氣候模擬 - 將它們合成為連貫的地球表面呈現。

該系統的時間處理代表了其技術特色。"研究人員指出：「據我們所知，AEF 是第一個支援連續時間分析的 EO 特徵化方法。這可針對特定日期範圍進行精確的繪圖，包括在缺乏直接衛星覆蓋期間進行觀測間的內插和外推。

此模型架構稱為「時空精準」（Space Time Precision，簡稱 STP），可維持高度區域性的表達，同時建立跨越時間與空間的長距離關係模型。此功能克服了熱帶地區經常遮蔽衛星影像的雲層覆蓋等持久障礙。

無需進行成本高昂的地面測量，即可進行廣闊區域的企業繪圖

對於企業和政府部門的技術決策者而言，AlphaEarth Foundations 可以從根本上重塑地理空間情報方法。

該系統在 「稀疏資料環境」（即地面驗證有限的場景）中表現出眾。這解決了地球觀測的基本困境：雖然衛星提供全球覆蓋，但現場驗證仍然昂貴且複雜。

"論文指出：「高品質的繪圖取決於精確的標示資料，然而全球規模的作業需要在測量精確度與空間覆蓋之間取得平衡。AlphaEarth Foundations 從有限的地面觀測資料中精確推斷的能力，可大幅降低製作詳細大面積地圖的開支。

研究顯示，AlphaEarth Foundations 在從作物分類到蒸發散率估算等多種應用中都具有強大的性能。在一項要求嚴苛的蒸散評估中 (測量水從土地到大氣的轉移)，AlphaEarth Foundations 的 R² 值高達 0.58，而所有比較方法的 R² 值均為負值，顯示其表現不如平均值猜測。

Google 整合地球監測 AI 與天氣與野火系統

這項宣布讓 Google 站在該公司所謂的「Google Earth AI」的最前線 - 一套解決地球挑戰的地理空間模型。這包括天氣預測、洪水預報和野火偵測系統，目前正透過 Google 搜尋和地圖為數百萬人使用的功能提供動力。

"Google Research 副總裁兼總經理 Yossi Matias 和 Geo 副總裁兼總經理 Chris Phillips 在一篇博文中寫道：「我們多年來致力於開發功能強大的 AI 模型，以解決現實世界的挑戰。"這些模型已經驅動了數百萬人使用的功能，包括搜尋和地圖中的洪水和野火警報；它們也透過 Google Earth、Google Maps Platform 和 Google Cloud Platform 提供可行的洞察力。

該版本包括衛星嵌入數據集，其特點是 「每年有超過 1.4 兆個嵌入足跡，是最大的集合之一」，可通過 Google Earth Engine 進行存取。此資料集提供從 2017 年到 2024 年的年度快照，提供追蹤環境變化的歷史背景。

10 公尺解析度可保障隱私，同時促進環境監測

Google 強調該系統的解析度是為環境監控而設計，而非個人追蹤。"資料集無法辨識特定物件、個人或臉部特徵，僅代表氣象衛星等公開資料來源。

10 公尺的解析度雖然對大多數環境應用來說已經足夠精確，但仍刻意限制個別結構或活動的識別 - 這是一種平衡實用性與隱私權保護的設計理念。

透過 Google Earth Engine 推進行星智慧

AlphaEarth Foundations 可透過 Google 地球引擎提供精密的地球觀測功能。以前，產生詳細的大面積地圖需要大量的計算資源和專業知識。現在，組織可以利用預先計算的嵌入技術快速製作客製化的地圖。

"研究團隊指出：「這項突破讓科學家有能力完成以前不可能完成的任務：依需求產生詳細、一致的全球地圖。"無論是監測作物生命力、追蹤森林砍伐或觀察新建築，他們都不再依賴單次的衛星傳送。

對於從事供應鏈監控、農業生產、城市規劃或環境合規的企業來說，這項技術為他們帶來了新的數據驅動決策可能性。以 10 公尺解析度監控全球變化，並每年更新的能力，為從可持續採購驗證到農業產量最佳化等各種應用奠定了基礎。

Satellite Embedding 資料集目前可透過 Google Earth Engine 取得，而 AlphaEarth Foundations 則會在 Google 更廣泛的 Earth AI 計畫中持續開發。正如一位研究人員在新聞簡報會上指出，組織所面對的問題並非是否需要地球規模的智慧，而是他們能否負擔得起沒有智慧的運作。