OlmoEarth v1.3 发布卫星嵌入模型及全球数据集

🤗 模型 | 📄 技术报告 | 📊 数据 | 💻 代码 | 🌎 嵌入向量探索器 | 🗺️ 互动故事

今天，我们发布了 OlmoEarth v1.3，这是一款先进的卫星嵌入模型。与 OlmoEarth v1.3 一同推出的，还有覆盖整个地球的预计算年度嵌入向量（10m、64 维和 128 维），以及一款全新的浏览器工具，可探索并自定义基于这些嵌入向量的地图——OlmoEarth 嵌入向量探索器。这意味着任何人都可以立即使用 OlmoEarth v1.3，从追踪随时间发生的变化到查找相似地点——无需登录，也不需要高深的技术知识。

迄今为止，使用 OlmoEarth 的主要方式是在 OlmoEarth Studio 中进行微调：针对每项任务训练一个模型，并将其应用于卫星影像来生成地图。这需要 GPU 访问权限，以及下载和存储影像的能力。嵌入模型会将卫星数据压缩成可直接使用的特征，这些特征可低成本地重复用于多种任务。

借助 OlmoEarth v1.3，我们很高兴能为用户提供更多方式，让他们以最适合自己的方式探索并利用地球上的数据。

一次计算，随处复用

嵌入向量代表模型从数百万张图像中学到的内容。OlmoEarth v1.3 读取一整年的雷达（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 个维度也可单独作为更小的嵌入向量使用。

基础模型和全球嵌入向量的制作成本高昂。为确保所有人都能获得这些技术带来的益处，我们已计算出覆盖整个地球的嵌入向量，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轻量级建模问题：在其基础上训练一个小型分类器，并在本地运行即可。

OlmoEarth v1.3 如何生成嵌入向量：视觉 Transformer 读取卫星数据，Attention Pooler 将其汇聚为每个地块对应的一个向量，再由线性层将其缩减为 128 个数字。

先进的嵌入向量

我们在涵盖六大洲和多种不同任务的 27 项评估中，将 OlmoEarth v1.3 的嵌入向量与 AlphaEarth Foundations (AEF) 和 Tessera v2 进行了比较。OlmoEarth 的 128 维嵌入向量在 27 项评估中有 20 项得分最高，综合排名也位居首位。尺寸只有一半的 64 维版本，在 27 项评估中仍有 18 项领先。在这项评估中，我们还推出了PLANTEUR，这是一个面向热带农业的新作物类型基准；这些嵌入向量对分类器从未见过的地点泛化效果最佳（PLANTEUR 技术报告见此处）。其背后的所有内容均完全开放：模型权重、预训练数据和预训练代码。

在实际应用中，这意味着只需使用 OlmoEarth 嵌入向量训练一个小型分类器，就足以绘制地表情况：例如，对肯尼亚的小农作物进行分类、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。它的计算耗时仅为上一版本（v1.2）的 53%、首个版本（v1）的 18%，碳排放量则分别为 50% 和 22%。它也仍然是强大的微调模型，在研究标签和合作伙伴标签上的表现均与 v1.2 相当。我们的最新模型建立在早期 OlmoEarth 版本的同一基础之上，经过调优，在保持嵌入轻量的同时，不牺牲模型在各项任务上的准确性；这项效率优化也将延续到未来版本中。

完整结果和方法详见我们的技术报告。

如果你想复现该模型，使用租赁的 H100 计算资源进行 OlmoEarth v1.3 Base 预训练，最终一次运行的费用约为 $2,720。权重、数据和代码均已开放。

同一地点，九年变迁

2017 至 2020 年（左）和 2020 至 2025 年（右）之间，每个像素的嵌入变化幅度。洋红色表示变化最大。左图：采矿活动向东南扩展，右下方有一大片区域。右图：那个角落已趋于平静；变化如今出现在西侧较早的采矿区，部分是植被复长，部分是重新开采。你可以在OlmoEarth 嵌入探索器中亲自探索。

在秘鲁马德雷德迪奥斯地区，拉潘帕周边的非法金矿开采于 2017 年和 2018 年达到高峰，在坦博帕塔国家保护区缓冲区内砍伐了 1,200 多公顷森林，据 Amazon Conservation 的 MAAP 监测项目称。2019 年 2 月，秘鲁的“水星行动”关闭了其中大部分矿场。此后人们一直在问：采矿活动真的停下来了吗？

嵌入数据有助于回答这个问题。无需训练模型，只需比较不同年份每个像素的向量，2017 至 2020 年的对比就会显示采矿活动向东南扩展的区域。对 2020 至 2025 年进行同样的比较，信号便发生了转移。嵌入数据清晰呈现了这次打击行动的影响。

更值得关注的是第二张地图仍然显示的内容。那里并非一片沉寂。据MAAP称，西北部的一些区域仍在开采，旧矿区也随着土地恢复而持续变化。嵌入数据同样记录下了这些变化。这次缓和只是短暂的，开采压力又在逐渐加大。2026 年 8 月，美联社报道称，检察官发现采矿活动已侵入坦博帕塔保护区，秘鲁因此再次派遣海军巡逻队进入保护区。

我们的互动故事从马德雷德迪奥斯的这片区域展开，并由此介绍其他几个案例。

OlmoEarth 嵌入探索器

OlmoEarth 嵌入探索器是一款基于嵌入数据构建的交互式分析工具，并以地球伪彩色地图的形式呈现。你可以平移浏览任意地点，切换年份以查看地貌变化，还能调出底层的 Sentinel-2 影像，将地图与真实影像进行对照。随后，你可以开始提出问题：点击某个地点，查找外观相似的其他地点；也可以放置几个带标签的点，即时训练一个小型分类器，然后将结果导出为 GeoTIFF。无需账户，也无需进行任何设置。

对许多团队而言，用 OlmoEarth 测试一个想法意味着要运行一次微调，通常需要数小时。在 Explorer 中，初步分析只需几秒钟。无需 GPU，只需少量标签，就能分析整个区域。当任务需要微调时，嵌入可以帮助你判断是否值得投入计算资源，以及模型在哪些方面存在不足。

Explorer 背后的档案库以 10 米分辨率存储嵌入数据，每年约 150 TB，覆盖陆地及邻近沿海水域。发布时，2025、2024 和 2023 年的数据覆盖全球，2017 至 2022 年的数据则覆盖部分国家，覆盖范围还将继续扩大。你可以获取完整的 128 维嵌入，也可以获取较轻量的 64 维版本。每个嵌入还附有来源记录。对于每个 20 公里瓦片和年份，公开的溯源表会列出模型读取的 Sentinel-1、Sentinel-2 和 Landsat 场景，并附上托管这些场景的公共目录链接，让你能将任意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、预计算的全球嵌入数据、OlmoEarth Embeddings Explorer 和技术报告。如果你的工作需要特定的时间范围，OlmoEarth Studio 可以按照你选择的日期、模态和分辨率运行同一模型；这份教程则展示了如何在自己的计算资源上生成嵌入。这些工具相辅相成：在 Embeddings Explorer 中探索，在任务需要时于 Studio 中微调，然后以此为基础绘制地图。所有内容均依据 OlmoEarth Artifact License 发布，与 v1 和 v1.2 使用相同的开放许可证。

获取你关心地点的嵌入数据，向它们提出你的问题，再向我们展示你的发现。