AI2发布OlmoEarth v1.3：全球卫星影像嵌入模型与免费探索工具

2026-10-23 12:50 0 阅读

一次计算，随处复用

对于从事地理空间分析的研究者或开发者来说，处理卫星影像一直是个重活。以前要想用 OlmoEarth 这类基础模型，通常得在 OlmoEarth Studio里做微调：针对每个具体任务训练一个模型，然后跑在卫星图上生成地图。这不仅需要访问 GPU，还得下载并存储海量的原始影像数据。

2026年10月22日，艾伦人工智能研究所（AI2）发布了 OlmoEarth v1.3。这次 release 的核心变化在于“嵌入”（embeddings）。简单来说，模型把复杂的卫星影像压缩成了 ready-to-use 的特征向量。AI2 不仅开源了模型，还直接提供了预计算好的、覆盖整个地球的年度嵌入数据（10米分辨率，包含64维和128维两个版本）。

这意味着什么？意味着你不需要再从头训练大模型。如果你想画一张作物分布图、土地覆盖图，或者分析某地的变化，只需要在这些现成的嵌入数据上训练一个轻量级的分类器即可。这种“一次计算，到处复用”的模式，极大地降低了使用门槛。

更小、更快、更准

OlmoEarth v1.3 的工作原理是读取一年的雷达数据（来自 Sentinel-1）和多光谱数据（来自 Sentinel-2 和 Landsat），为地球上每一个10米像素点生成一个128维的向量。其中前64维也可以单独作为更小尺寸的嵌入使用。

在性能方面，AI2 在涵盖六大洲的27项评估中，将 OlmoEarth v1.3 与 AlphaEarth Foundations (AEF) 和 Tessera v2 进行了对比。结果显示，OlmoEarth 的128维嵌入在20项评估中得分最高，综合排名第一。即便是减半大小的64维版本，也在18项评估中领先。

这次评估还引入了一个新的基准测试：PLANTEUR，专门针对热带农业的作物类型分类。数据显示，OlmoEarth 的嵌入在从未见过的新区域泛化能力最强。这对于那些缺乏本地标注数据的地区尤为重要。

除了精度，效率也是 v1.3 的一大亮点。它是迄今为止训练成本最低的 OlmoEarth 模型。相比 v1.2，它的计算时间减少了53%，碳排放降低了50%；相比最初的 v1 版本，计算时间仅为原来的18%，碳排放仅为22%。据估算，如果在云端租用 H100 GPU 进行最终一轮预训练，成本大约在2720美元左右。所有的模型权重、预训练数据和代码均已公开。

九年追踪：看见秘鲁雨林的变迁

嵌入向量不仅仅是静态的分类标签，它们还能反映时间维度上的变化。通过比较不同年份同一像素点的向量差异，我们可以直观地看到地表发生了什么。

以秘鲁马德雷德迪奥斯（Madre de Dios）地区的拉潘帕（La Pampa）为例。根据亚马逊保护组织 MAAP 的监测，2017至2018年间，该地区的非法金矿开采达到顶峰，在坦博帕塔国家保护区的缓冲区内清除了超过1200公顷的森林。2019年2月，秘鲁政府发动“水星行动”，关闭了大部分矿点。

那么，之后情况如何？

利用 OlmoEarth 的嵌入数据，我们可以对比2017-2020年和2020-2025年的变化。第一张对比图显示，2017到2020年间，东南方向的采矿活动仍在蔓延，信号强烈。但到了2020-2025年的对比图中，东南角变得“安静”了，变化信号转移到了西部的老矿区——那里既有植被恢复的迹象，也有重新挖掘的痕迹。

这印证了 MAAP 的报告：西北部的某些矿点仍在运作，而老矿区随着土地恢复也在不断变化。这种压力并未完全消失。2026年8月，美联社报道指出，由于检察官发现采矿活动已侵入坦博帕塔保护区内部，秘鲁海军再次派遣巡逻队进入该区域。

OlmoEarth 的嵌入数据捕捉到了这些细微的动态：打击行动的效果、死灰复燃的迹象以及生态恢复的过程。这一切都不需要重新训练模型，只需简单的向量比对。

浏览器里的地球探索器

为了让非技术人员也能利用这些数据，AI2 同步推出了 OlmoEarth Embeddings Explorer。这是一个基于浏览器的交互式分析工具，直接将嵌入数据渲染成地球的假彩色地图。

在这个工具里，你可以平移查看任何地方，切换不同年份以观察景观变化，甚至调出底层的 Sentinel-2 原始影像进行核对。更实用的是，你可以点击某个地点，寻找其他看起来相似的区域；或者标记几个样本点，直接在浏览器里训练一个小分类器，并将结果导出为 GeoTIFF 文件。

整个过程不需要注册账号，也不需要配置本地环境。对于许多团队而言，以前验证一个想法可能需要数小时的微调运行，现在在 Explorer 里几秒钟就能完成初步分析。如果任务确实需要更精细的微调，你也可以先用嵌入数据判断是否值得投入算力，以及模型可能在哪些地方存在不足。

目前，Explorer 背后的档案库包含了约150 TB/年的10米分辨率嵌入数据，覆盖陆地及邻近沿海水域。2023、2024和2025年的数据已覆盖全球，2017至2022年的数据则覆盖了部分选定国家，后续会逐步扩充。所有数据都提供128维和64维两个版本，并且附带完整的来源记录。对于每个20公里的图块和年份，你都可以查到模型所读取的具体 Sentinel-1、Sentinel-2 和 Landsat 场景链接，确保每一像素都可追溯。

Maps of embedding change in La Pampa, Peru, comparing 2017–2020 and 2020–2025, with magenta indicating the largest changes.

如何开始使用

此次发布的内容包括 OlmoEarth v1.3 Base 模型、预计算的全球嵌入数据、Embeddings Explorer 以及技术报告。所有资源均遵循 OlmoEarth Artifact License 开源协议，与 v1 和 v1.2 保持一致。

Pixelated globe in teal and magenta above the OlmoEarth 1.3 wordmark on a dark green background.

如果你的工作需要特定的时间窗口、模态或分辨率，可以使用 OlmoEarth Studio 运行相同的模型。AI2 也提供了教程，展示如何在自己的计算资源上生成嵌入。

Diagram showing satellite time series passing through a vision transformer, attention pooler, and linear projection to produce 128-dimensional embeddings.