Ai2 发布 OlmoEarth v1.3 全球卫星嵌入模型

返回文章列表

OlmoEarth v1.3：面向全球的最先进嵌入模型

企业文章 发布于 2026 年 10 月 22 日 点赞 1

Kyle Wiggers Ai2Comms allenai

🤗 模型 | 📄 技术报告 | 📊 数据 | 💻 代码 | 🌎 嵌入探索器 | 🗺️ 交互式故事

今天，我们发布了 OlmoEarth v1.3，这是一款最先进的卫星嵌入模型。除了 OlmoEarth v1.3 之外，我们还分享了针对整个地球的预计算年度嵌入（10 米分辨率，64 维和 128 维），以及一款基于浏览器的新工具——OlmoEarth Embeddings Explorer，用于根据这些嵌入探索和定制地图。这意味着任何人都可以立即使用 OlmoEarth v1.3，无论是追踪随时间的变化还是寻找相似地点——无需登录，也不需要高级技术知识。

迄今为止，使用 OlmoEarth 的主要方式是在 OlmoEarth Studio 中进行微调：为每个任务训练一个模型，并在卫星图像上运行以生成地图。这需要 GPU 访问权限，以及下载和存储影像的能力。嵌入模型将卫星数据压缩为可直接使用的特征，从而能够以低成本在许多任务中重复使用。

随着 OlmoEarth v1.3 的发布，我们很高兴为用户提供更多方式来探索和参与行星数据产物，无论哪种方式最适合他们。

一次计算，随处复用

嵌入代表了模型从数百万张图像中学到的内容。OlmoEarth v1.3 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，并为地球上每 10 米的像素生成一个 128 维向量；前 64 个维度也可以独立作为一个较小的嵌入使用。

基础模型和全局嵌入的计算成本高昂。为了确保所有人都能从中受益，我们已为整个地球计算了这些嵌入，并在 Source Cooperative 上与社区共享。在此基础上，作物地图、土地覆盖图或变化分析就变成了一个轻量级的建模问题：只需在其之上训练一个小型分类器并在本地运行即可。

OlmoEarth v1.3 如何生成嵌入：视觉 Transformer 读取卫星数据，Attention Pooler 将其池化为每个地块的一个向量，线性层再将其降维至 128 个数值。

最先进的嵌入技术

我们在涵盖六大洲及多种任务的 27 项评估中，将 OlmoEarth v1.3 的嵌入与 AlphaEarth Foundations (AEF) 和 Tessera v2 进行了对比。结果显示，OlmoEarth 的 128 维嵌入在 27 项评估中有 20 项得分最高，综合排名也位居第一。而体积减半的 64 维版本仍在 27 项评估中的 18 项领先。作为此次评估的一部分，我们推出了 PLANTEUR，一个针对热带农业的新作物类型基准测试，并且发现这些嵌入在分类器从未见过的地区表现出最佳的泛化能力（PLANTEUR 技术报告可在此处获取）。其背后的所有资源均完全开放：包括模型权重、预训练数据和预训练代码。

在实际应用中，这意味着仅使用基于 OlmoEarth 嵌入训练的小型分类器，就足以绘制地面信息：例如对肯尼亚的小农户作物进行分类、检测达卡西部的砖窑、评估印度尼西亚的火灾损失，以及追踪秘鲁亚马逊地区的金矿开采活动。

与之前的 OlmoEarth 模型代际相比，OlmoEarth v1.3 也是我们训练成本最低的模型。其计算时间仅为上一版本（v1.2）的 53%，为初版（v1）的 18%；碳排放量分别为 50% 和 22%。同时，它依然是一款强大的微调模型，在研究和合作伙伴标签上的表现与 v1.2 持平。我们的最新模型建立在早期 OlmoEarth 版本的相同基础之上，经过调优以确保嵌入向量保持轻量级，同时不牺牲跨任务的准确性，这种效率优化也将延续到未来的版本中。

完整结果和方法论详见我们的技术报告。

如果你想复现这一过程，最终运行 OlmoEarth v1.3 Base 的预训练大约需要花费 2,720 美元的租用 H100 时间。权重、数据和代码均已开源。

同一地点，九年变迁

每个像素的嵌入向量在 2017 年至 2020 年（左图）以及 2020 年至 2025 年（右图）之间的变化程度。洋红色表示变化最大。左图：采矿活动向东南方向扩展，即右下角的大片区域。右图：该角落已趋于平静；当前的变化集中在西侧较早的采矿区，部分为植被再生，部分为重新开采。你可以在 OlmoEarth Embeddings Explorer 中自行探索。

在秘鲁的马德雷德迪奥斯（Madre de Dios）地区，围绕拉潘帕（La Pampa）的非法金矿开采活动在 2017 年和 2018 年达到顶峰，导致坦博帕塔国家保护区（Tambopata National Reserve）缓冲区内超过 1,200 公顷的森林被砍伐，据亚马逊保护组织（Amazon Conservation）的 MAAP 监测项目显示。2019 年 2 月，秘鲁发起“水星行动”（Operation Mercurio），关闭了大部分矿区。此后一直悬而未决的问题是：这些矿区是否真的停止了运作？

嵌入向量（embeddings）有助于回答这个问题。通过比较各年份中每个像素的向量——无需模型训练——2017 年至 2020 年的对比图在采矿活动向东南方向蔓延的区域呈现出高亮信号。若将同样的对比应用于 2020 年至 2025 年，信号则发生转变。打击非法采矿的效果在嵌入向量中清晰可见。

更引人深思的是第二张地图所揭示的情况。它并非一片漆黑。根据 MAAP 的数据，西北部的部分区域仍在持续作业，而旧矿区随着土地恢复也在不断变化。嵌入向量同样记录了这一现象。短暂的喘息期过后，压力正在重新积聚。2026 年 8 月，美联社报道称，在检察官发现采矿活动已侵入坦博帕塔保护区内部后，秘鲁派遣海军巡逻队重返该保护区。

我们的交互式故事从马德雷德迪奥斯的这片区域展开，并由此深入探讨其他几个案例。

OlmoEarth 嵌入向量浏览器

OlmoEarth Embeddings Explorer 是一个基于嵌入本身构建的交互式分析工具，将其渲染为地球的伪彩色地图。你可以平移查看任意区域，切换年份以观察景观变化，并调取底层的 Sentinel-2 影像来对照真实情况验证地图。随后即可开始提问：点击某个地点以查找外观相似的其他区域，或者标记几个带标签的点，即时训练一个小型分类器，并将结果导出为 GeoTIFF 格式。无需注册账号，也无需任何配置。

对于许多团队而言，在 OlmoEarth 上测试想法通常意味着一次耗时数小时的微调运行。而在 Explorer 中，初步尝试仅需几秒。你只需少量标签即可分析整个区域，且无需 GPU。当任务确实需要微调时，这些嵌入能帮助你判断该任务是否值得投入算力，以及模型在哪些方面存在不足。

Explorer 背后的档案库存储着分辨率为 10 米的嵌入数据，每年约 150 TB，覆盖陆地及邻近沿海水域。发布初期，2025、2024 和 2023 年的数据已实现全球覆盖，而 2017 至 2022 年的数据则涵盖部分国家，更多覆盖范围正在陆续推出。你可以获取完整的 128 维版本或更轻量的 64 维版本的嵌入数据。每个嵌入都附带其来源记录。对于每个 20 公里的瓦片（tile）和年份，打开溯源表即可查看模型读取的 Sentinel-1、Sentinel-2 和 Landsat 场景，并提供指向托管这些数据的公共目录链接，从而让你能将任意像素追溯至其背后的原始影像。

快速上手

本次发布包含 OlmoEarth v1.3 基础模型、预计算的全局嵌入向量、OlmoEarth Embeddings Explorer（嵌入向量浏览器）以及技术报告。如果你的工作涉及特定的时间窗口，OlmoEarth Studio 可以在你选定的日期、模态和分辨率上运行同一模型，并且有一篇教程展示了如何在自己的计算资源上生成嵌入向量。这些工具协同工作：在 Embeddings Explorer 中进行探索，当任务需要时在 Studio 中进行微调，然后基于此构建你的地图。所有内容均依据 OlmoEarth Artifact License 发布，这与 v1 和 v1.2 版本采用的开放许可证相同。

获取你关注区域的嵌入向量，向它们提出你的问题，并展示你的发现。