OlmoEarth 1.3: KI-Embeddings für globale Erdbeobachtung
💡 Quellen-Hinweis: Dieser Beitrag ist eine redaktionelle Zusammenfassung basierend auf einem Originalbericht von Hugging Face Blog.
Mit OlmoEarth v1.3 veröffentlicht das Allen Institute for AI ein offenes Modell für Satelliten-Embeddings samt vorab berechneter globaler Daten und einem Browser-Werkzeug zur Erkundung. Das Ziel: Informationen aus Erdbeobachtungsdaten schneller für Karten, Veränderungsanalysen und Klassifikationen nutzbar machen – ohne dass für jede neue Fragestellung ein großes Modell nachtrainiert werden muss.
Ein Vektor pro 10-Meter-Pixel
Das Modell verarbeitet jahresweise Zeitreihen aus Sentinel-1-Radar sowie multispektralen Daten von Sentinel-2 und Landsat. Daraus entstehen pro 10-Meter-Pixel 128-dimensionale Vektoren; die ersten 64 Dimensionen lassen sich auch als kompaktere Variante einsetzen. Solche Embeddings verdichten Muster aus vielen Bildern zu wiederverwendbaren Merkmalen.
Statt Rohbilder immer wieder umfassend zu verarbeiten, kann auf diesen Merkmalen ein kleiner Klassifikator aufsetzen. Der Bericht nennt etwa Anwendungen bei Landbedeckung, Anbauflächen, Brandschäden oder der Suche nach ähnlichen Orten. Die globalen, jährlich berechneten Daten werden bereitgestellt, damit Anwender die aufwendige Vorverarbeitung nicht selbst wiederholen müssen.
Vergleich und Effizienz
Nach Angaben der Autoren lag die 128-dimensionale Variante in 20 von 27 Auswertungen vor Konkurrenzmodellen und insgesamt vorn; die kleinere Ausführung führte noch in 18 Fällen. Die Tests decken mehrere Kontinente und unterschiedliche Aufgaben ab. Gewichte, Trainingsdaten und Code stehen offen zur Verfügung, die Methodik wird in einem technischen Bericht dokumentiert.
Bemerkenswert ist auch der Ressourcenvergleich mit früheren OlmoEarth-Versionen: Für v1.3 werden 53 Prozent der Rechenzeit von v1.2 und 18 Prozent von v1 genannt. Die geschätzten Emissionen lagen entsprechend niedriger. Diese Werte sind Projektangaben und keine allgemeingültige Kostenprognose, zeigen aber den Nutzen kleinerer, mehrfach verwendbarer Repräsentationen.
Analyse ohne lokale GPU
Der neue Embeddings Explorer soll einen ersten Zugang im Browser ermöglichen. Nutzer können Jahre vergleichen, ähnliche Flächen suchen, wenige Beispiele markieren und daraus einen kleinen Klassifikator erzeugen; Ergebnisse lassen sich als GeoTIFF exportieren. Für 2023 bis 2025 liegen globale Daten vor, ältere Jahrgänge decken ausgewählte Länder ab. Herkunftstabellen verknüpfen Kacheln zudem mit den verwendeten Satellitenszenen.
Für Forschung, Umweltmonitoring und datengetriebene Planung ist das ein praktischer Baustein: Eine Hypothese lässt sich zunächst schnell auf vorhandenen Merkmalen testen, bevor spezialisiertes Fine-Tuning und eigene Rechenkapazität eingesetzt werden. Die Aussagekraft hängt dennoch von Datenqualität, Zeitpunkt und dem konkreten Anwendungsfall ab.
Originalquelle: Hugging Face Blog – OlmoEarth v1.3: State-of-the-art embeddings for the whole planet
