The Pulse
Ai2 pubblica embedding satellitari della Terra a 10 metri di risoluzione
Ai2 ha pubblicato OlmoEarth v1.3, con embedding satellitari annuali a 10 metri di risoluzione e uno strumento di esplorazione accessibile dal browser. L’archivio offre una copertura globale per il periodo 2023–2025, mentre per gli anni prec
AI.info Team · Scritto con l’IA · verificato ·
Circa 150 terabyte di dati ricavati dai satelliti per ogni anno: è la dimensione dell’archivio alla base della nuova pubblicazione globale di Ai2 dedicata all’osservazione della Terra. Il 22 ottobre, l’Allen Institute for AI ha pubblicato OlmoEarth v1.3, un modello e una serie di embedding annuali precalcolati che rappresentano il pianeta a 10 metri di risoluzione. Ogni pixel riceve una descrizione numerica compatta ricavata da un anno di osservazioni satellitari, anziché un’etichetta già pronta come «terreno coltivato» o «area bruciata».
Ai2 ha pubblicato anche uno strumento accessibile dal browser per confrontare gli anni, trovare luoghi simili e addestrare piccoli classificatori a partire da punti etichettati. I dati e gli strumenti consentono a ricercatori e gruppi che realizzano mappe di partire da caratteristiche riutilizzabili, senza dover prima eseguire autonomamente un grande modello sulle immagini satellitari.
Un vettore per ogni pixel di 10 metri
OlmoEarth v1.3 elabora serie temporali annuali provenienti da tre fonti satellitari: le immagini radar di Sentinel-1, le immagini multispettrali di Sentinel-2 e i dati Landsat. Produce un vettore a 128 dimensioni per ogni pixel di 10 metri; gli utenti possono anche utilizzare le prime 64 dimensioni per ottenere una rappresentazione più piccola. Secondo Ai2, il vision transformer del modello elabora le immagini, un modulo di attention pooling combina le informazioni raccolte nel tempo e dai diversi sensori, e un livello lineare comprime il risultato nel vettore.
Il rapporto tecnico descrive la pubblicazione in una frase: «Usiamo OlmoEarth v1.3 per calcolare embedding globali annualizzati a 10m, che pubblichiamo secondo la OlmoEarth artifact license». Il gruppo presenta gli embedding come caratteristiche riutilizzabili: una mappa delle colture, una mappa della copertura del suolo o un’analisi dei cambiamenti possono essere realizzate addestrando un classificatore più piccolo a partire da essi.
Usiamo OlmoEarth v1.3 per calcolare embedding globali annualizzati a 10m, che pubblichiamo secondo la OlmoEarth artifact license.
Team OlmoEarth, Allen Institute for AI
Ai2 segnala risultati migliori rispetto ad altri due insiemi di embedding
Ai2 ha confrontato OlmoEarth v1.3 con AlphaEarth Foundations di Google e Tessera v2 in 27 valutazioni che coprono sei continenti e diverse attività. Secondo l’istituto, la versione a 128 dimensioni ha ottenuto il punteggio più alto in 20 valutazioni, mentre quella a 64 dimensioni è arrivata prima in 18. Sono i risultati dei benchmark riportati da Ai2: non significano che ogni mappa realizzata con questi embedding sarà migliore di quelle basate sulle alternative.
La pubblicazione comprende anche PLANTEUR, un benchmark sui tipi di colture nell’agricoltura tropicale. Secondo Ai2, OlmoEarth generalizza particolarmente bene nei luoghi che un classificatore non ha incontrato durante l’addestramento. Tra gli esempi del gruppo figurano la mappatura delle colture dei piccoli agricoltori in Kenya, il rilevamento delle fornaci per mattoni vicino a Dhaka, la valutazione dei danni causati dagli incendi in Indonesia e il monitoraggio dell’estrazione dell’oro in Perù.
Lo strumento di esplorazione trasforma i vettori in una prima mappa
Gli utenti possono spostarsi in una visualizzazione in falsi colori, passare da un anno all’altro e confrontare gli embedding con le immagini Sentinel-2 da cui derivano. Facendo clic su una località si possono individuare luoghi simili; gli utenti possono anche aggiungere un numero limitato di punti etichettati, addestrare un classificatore nel browser ed esportarne il risultato come GeoTIFF. Secondo Ai2, un’analisi iniziale nello strumento di esplorazione richiede pochi secondi e non necessita di un account né di una GPU.
Lo strumento accessibile dal browser si affianca a un archivio scaricabile molto più grande su Source Cooperative. L’archivio copre le terre emerse e le acque costiere adiacenti; al lancio, i dati per il 2023, il 2024 e il 2025 sono disponibili a livello globale. I dati dal 2017 al 2022 coprono alcuni Paesi, non l’intero pianeta, e ogni riquadro di 20 chilometri è accompagnato da registrazioni della provenienza che elencano le immagini satellitari utilizzate.
La copertura annuale ne definisce i limiti
Questi embedding non costituiscono un monitoraggio continuo né una mappa ambientale già pronta. Riassumono gli input satellitari in vettori annuali, e per produrre molte mappe specifiche servono comunque etichette e un classificatore. Confrontare i vettori annuali può aiutare a individuare i luoghi che sono cambiati, ma la cadenza annuale dell’archivio non fornisce di per sé una mappa degli eventi mentre si verificano.
Secondo Ai2, l’addestramento di v1.3 ha richiesto il 53% del tempo di calcolo necessario per addestrare v1.2 e il 18% di quello richiesto dalla v1 originale; le emissioni di carbonio riportate sono state rispettivamente il 50% e il 22% di quelle delle versioni precedenti. L’istituto stima che riprodurre l’esecuzione finale dell’addestramento del modello Base costerebbe circa 2.720 dollari in tempo di utilizzo di H100 noleggiate. I pesi del modello, i dati di preaddestramento e il codice sono pubblicati insieme agli embedding secondo la OlmoEarth Artifact License, mentre la copertura più ampia disponibile nell’archivio globale resta quella dei tre anni dal 2023 al 2025.