Ai2 发布卫星嵌入模型 OlmoEarth v1.3 并开源全球预计算嵌入

Hugging Face 社区博客·2026-10-23 00:11· 1 小时前AI 评分56

OlmoEarth v1.3：面向整个地球的最先进嵌入

AI 导读

AllenAI 在 Hugging Face 发布卫星嵌入模型 OlmoEarth v1.3，将 Sentinel-1、Sentinel-2 和 Landsat 时间序列压缩为全球每个 10 米像素的 128 维向量，并共享全年份预计算嵌入和浏览器端 OlmoEarth Embeddings Explorer。

正文 · 原文

🤗 模型 | 📄 技术报告 | 📊 数据 | 💻 代码 | 🌎 嵌入浏览器 | 🗺️ 交互式故事

今天，我们发布 OlmoEarth v1.3，一个最先进的卫星嵌入模型。与 OlmoEarth v1.3 一同发布的，还有覆盖整个地球的预计算年度嵌入（10 米，64 维和 128 维），以及一个全新的基于浏览器的工具，可基于这些嵌入探索和自定义地图——OlmoEarth Embeddings Explorer。这意味着任何人都可以立即将 OlmoEarth v1.3 投入使用，从追踪随时间的变化到寻找相似地点——无需登录，也无需高级技术知识。

到目前为止，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，并在卫星影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，可以低成本地复用于许多任务。

借助 OlmoEarth v1.3，我们很高兴为用户提供更多方式，以最适合自己的方式探索和接触行星数据产物。

一次计算，处处复用

嵌入表示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，并为地球上每个 10 米像素生成一个 128 维向量；前 64 维也可以单独作为更小的嵌入使用。

基础模型和全球嵌入的生产成本很高，为确保每个人都能获得其益处，我们为整个地球计算了这些嵌入，并在 Source Cooperative 上与社区共享。由此，作物地图、土地覆盖地图或变化分析就变成了一个轻量级建模问题：在其上训练一个小型分类器并在本地运行。

OlmoEarth v1.3 如何生成嵌入：视觉 transformer 读取卫星数据，Attention Pooler 将其池化为每块土地一个向量，线性层将其降维为 128 个数字。

最先进的嵌入

我们在 27 项评估中，将 OlmoEarth v1.3 的嵌入与 AlphaEarth Foundations (AEF) 和 Tessera v2 进行了比较，覆盖六大洲和许多不同任务。OlmoEarth 的 128 维嵌入在 27 项评估中的 20 项得分最高，总体排名最高。64 维版本体积减半，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，一个面向热带农业的新作物类型基准，这些嵌入对分类器从未见过的地方泛化效果最好（PLANTEUR 技术报告见此处）。其背后的一切完全开放：模型权重、预训练数据和预训练代码。

在实践中，这意味着一个基于 OlmoEarth 嵌入训练的小型分类器就足以绘制地面情况：比如对肯尼亚的小农户作物进行分类、检测达卡以西的砖窑、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。

与之前几代 OlmoEarth 模型相比，OlmoEarth v1.3 也是我们训练成本最低的模型。它的计算时间是我们上一版本（v1.2）的 53%，是我们第一个版本（v1）的 18%，碳排放分别为 50% 和 22%。它同时仍然是一个强大的微调模型，在研究和合作伙伴标签上与 v1.2 的表现相当。我们的最新模型与早期 OlmoEarth 版本建立在相同的基础之上，经过调优使嵌入保持轻量，同时不牺牲跨任务的准确性，而这种效率工作也将延续到未来的版本中。

完整结果和方法论见我们的技术报告。

如果你想复现它，预训练 OlmoEarth v1.3 Base 的最终运行大约需要花费 2,720 美元的租用 H100 时间。权重、数据和代码全部开放。

一个地方，九年

每个像素的嵌入在 2017 年至 2020 年（左）和 2020 年至 2025 年（右）之间的变化程度。洋红色表示变化最大。左图：采矿向东南扩展，右下方的大块区域。右图：那个角落已经安静下来；变化现在位于西侧较旧的采矿区，部分是植被恢复，部分是重新开挖。你可以在 OlmoEarth Embeddings Explorer 中自行探索。

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 年达到顶峰，根据 Amazon Conservation 的 MAAP 监测项目，在坦博帕塔国家保护区的缓冲区内清除了超过 1,200 公顷的森林。2019 年 2 月，秘鲁的“水星行动”取缔了其中大部分。自那以后，问题一直是：它是否被彻底遏制了？

嵌入有助于回答这个问题。比较每个像素的向量在不同年份间的变化，无需任何模型训练，2017 年至 2020 年的对比就会在采矿向东南扩展的地方亮起来。对 2020 年至 2025 年进行同样的比较，信号发生了转移。打击行动在嵌入中清晰可见。

更有趣的是第二张图仍然显示的内容。它并不是暗的。根据 MAAP 的说法，西北部的零星区域仍在运营，而旧采矿区随着土地恢复不断变化。嵌入也记录到了这一点。喘息是短暂的，压力正在再次积聚。2026 年 8 月，美联社报道称，在检察官发现采矿已越过边界进入坦博帕塔本身之后，秘鲁重新向保护区派遣了海军巡逻队。

我们的互动故事从马德雷德迪奥斯的这一段开始，并介绍了那里的其他几个例子。

OlmoEarth Embeddings Explorer

OlmoEarth Embeddings Explorer 是一个基于嵌入本身构建的交互式分析工具，以地球的假彩色地图呈现。可以任意平移，在年份之间切换以查看景观如何变化，并调出底层的 Sentinel-2 影像来对照真实情况检查地图。然后开始提问：点击一个地方以找到其他相似的地方，或者放置几个带标签的点并就地训练一个小型分类器，然后将结果导出为 GeoTIFF。无需账户，无需设置。

对许多团队来说，用 OlmoEarth 验证一个想法意味着一次耗时数小时的微调运行。而在 Explorer 中，第一轮分析只需几秒钟。你可以仅凭少量标签分析整个区域，无需 GPU。当任务需要微调时，嵌入可以帮助你判断它是否值得投入算力，以及模型在哪些方面存在不足。

Explorer 背后的存档保存着 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、2024 和 2023 年为全球覆盖，2017 至 2022 年覆盖部分国家，更多覆盖范围即将推出。你可以获取完整的 128 维版本或更轻量的 64 维版本嵌入。每个嵌入还附带其来源记录。对于每个 20 公里瓦片和年份，开放溯源表列出了模型读取的 Sentinel-1、Sentinel-2 和 Landsat 场景，并附有托管这些场景的公共目录链接，因此你可以将任何像素追溯到其背后的影像。

开始使用

本次发布包括 OlmoEarth v1.3 Base 模型、预计算的全球嵌入、OlmoEarth Embeddings Explorer 和技术报告。如果你的工作需要特定时间窗口，OlmoEarth Studio 会在你选择的日期、模态和分辨率上运行同一模型，并且有一篇教程展示如何在你自己的算力上生成嵌入。这些工具协同工作：在 Embeddings Explorer 中探索，当任务需要时在 Studio 中微调，然后从那里开始制作你的地图。所有内容均在 OlmoEarth Artifact License 下发布，与 v1 和 v1.2 相同的开放许可证。

为你关心的地方提取嵌入，向它们提出你的问题，并向我们展示你的发现。

来源：Hugging Face 社区博客 · huggingface.co