🤗 Modelle | 📄 Tech Report | 📊 Daten | 💻 Code | 🌎 Embeddings Explorer | 🗺️ Interaktive Story
Heute veröffentlichen wir OlmoEarth v1.3, ein State-of-the-art-Satelliten-Einbettungsmodell. Zusammen mit OlmoEarth v1.3 teilen wir vorausberechnete, jährliche Einbettungen für den gesamten Planeten (10m, 64- und 128-Dimensionen) sowie ein neues Browser-basiertes Werkzeug zum Erkunden und Anpassen von Karten auf Grundlage dieser Einbettungen — den OlmoEarth Embeddings Explorer. Das bedeutet, dass jeder OlmoEarth v1.3 sofort einsetzen kann, von der Verfolgung von Veränderungen über die Zeit bis zum Auffinden ähnlicher Orte — ohne Anmeldung und ohne fortgeschrittene technisches Wissen.
Bisher war der primäre Weg, OlmoEarth zu nutzen, das Fine-Tuning in OlmoEarth Studio: ein Modell für jede Aufgabe trainieren und über Satellitenbilder laufen lassen, um eine Karte zu erstellen. Das erfordert GPU-Zugang und die Fähigkeit, die Bilddatenherunterzuladen und zu speichern. Einbettungsmodelle komprimieren Satellitendaten in einsatzbereite Merkmale, die kostengünstig für viele Aufgaben wiederverwendet werden können.
Mit OlmoEarth v1.3 freuen wir uns, den Nutzern mehr Möglichkeiten zu geben, planetare Artefakte zu erkunden und sich damit zu beschäftigen, ganz so, wie es für sie am besten passt.
Einmal berechnen, überall wiederverwenden
Eine Einbettung repräsentiert, was das Modell aus Millionen von Bildern gelernt hat. OlmoEarth v1.3 liest ein Jahr lang Radar- (Sentinel-1) und multispektrale (Sentinel-2 und Landsat) Satelliten-Zeitreihen und erzeugt einen 128-dimensionalen Vektor für jedes 10-Meter-Pixel auf der Erde; die ersten 64 Dimensionen funktionieren auch eigenständig als kleinere Einbettung.
Foundation-Modelle und globale Einbettungen sind teuer in der Erstellung, und um sicherzustellen, dass jeder von den Vorteilen profitieren kann, haben wir diese Einbettungen für den gesamten Planeten berechnet und sie mit der Community geteilt auf Source Cooperative. Von dort aus wird eine Ernte-Karte, eine Landbedeckungskarte oder eine Veränderungsanalyse zu einem leichten Modellierungsproblem: einen kleinen Klassifikator darauf trainieren und ihn lokal ausführen.
Wie OlmoEarth v1.3 eine Einbettung erstellt: Ein Vision Transformer liest die Satellitendaten, ein Attention Pooler fasst sie zu einem Vektor pro Landfläche zusammen, und eine lineare Schicht reduziert ihn auf 128 Zahlen.
State-of-the-art-Einbettungen
Wir haben die Einbettungen von OlmoEarth v1.3 gegen AlphaEarth Foundations (AEF) und Tessera v2 in 27 Auswertungen getestet, die sechs Kontinente und viele verschiedene Aufgaben abdecken. OlmoEarths 128-dimensionale Einbettungen erzielen bei 20 von 27 Auswertungen die höchsten Werte und liegen insgesamt am besten. Die 64-dimensionale Version, bei halber Größe, führt weiterhin bei 18 von 27 Auswertungen. Als Teil dieser Evaluation führen wir PLANTEUR ein, ein neuer Benchmark für Anbauarten in der tropischen Landwirtschaft, und die Einbettungen generalisieren am besten auf Orte, die ein Klassifikator noch nie gesehen hat (der PLANTEUR-Technikbericht ist verfügbar hier). Alles dahinter ist vollständig offen: die Modellgewichte, die Pretraining-Daten und der Pretraining-Code.
In der Praxis bedeutet dies, dass ein kleiner Klassifikator, der auf den OlmoEarth-Einbettungen trainiert wurde, ausreicht, um abzubilden, was sich am Boden befindet: man denke an die Klassifizierung von Kleinbauernkulturen in Kenia, die Erkennung von Ziegelöfen westlich von Dhaka, die Bewertung von Feuerschäden in Indonesien und die Verfolgung von Goldbergbau im peruanischen Amazonasgebiet.
Im Vergleich zu früheren Generationen von OlmoEarth-Modellen war OlmoEarth v1.3 auch unser günstigstes Modell im Training. Es benötigte 53% der Rechenzeit unserer letzten Version (v1.2) und 18% unserer ersten (v1), mit 50% bzw. 22% der Kohlenstoffemissionen. Zudem bleibt es ein starkes Fine-Tuning-Modell und erreicht die Leistung von v1.2 über Forschungs- und Partner-Labels hinweg. Unser neuestes Modell baut auf derselben Grundlage wie frühere OlmoEarth-Versionen auf, abgestimmt so, dass die Einbettungen leichtgewichtig bleiben, ohne Genauigkeit über Aufgaben hinweg einzubüßen, und diese Effizienzarbeit wird in die kommenden Versionen weitergeführt.
Vollständige Ergebnisse und Methodik finden sich in unserem technischer Bericht.
Wenn man es reproduieren wollte, würde das Vortraining von OlmoEarth v1.3 Base für den letzten Lauf etwa 2,720 US-Dollar an gemieteter H100-Rechenzeit kosten. Die Gewichte, die Daten und der Code sind alle offen.
Ein Ort, neun Jahre
Wie stark sich das Embedding jedes Pixels zwischen 2017 und 2020 (links) sowie 2020 und 2025 (rechts) verändert hat. Magenta steht für die größte Veränderung. Links: Der Bergbau breitet sich nach Südosten aus, die große Fläche unten rechts. Rechts: Diese Ecke ist nun ruhig; die Veränderung liegt jetzt in der älteren Bergbauzone im Westen, teils Wiederbewaldung, teils erneutes Graben. Erkunden Sie es selbst im OlmoEarth Embeddings Explorer.
In der Region Madre de Dios in Peru erreichte der illegale Goldbergbau rund um La Pampa 2017 und 2018 seinen Höhepunkt und rodete mehr als 1,200 Hektar Wald in der Pufferzone des Tambopata National Reserve, laut dem MAAP-Überwachungsprogramm von Amazon Conservation. Im Februar 2019 beendete Perus Operation Mercurio den Großteil davon. Die Frage seither lautet: Ist es auch so geblieben?
Die Embeddings helfen, das zu beantworten. Vergleicht man den Vektor jedes Pixels über die Jahre hinweg – ganz ohne Modelltraining –, leuchtet das Paar 2017 bis 2020 dort auf, wo sich der Bergbau nach Südosten ausbreitete. Führt man denselben Vergleich von 2020 bis 2025 durch, verschiebt sich das Signal. Die Razzia ist in den Embeddings sichtbar.
Der interessantere Teil ist, was die zweite Karte weiterhin zeigt. Sie ist nicht dunkel. Laut MAAPbetrieben vereinzelte Gebiete im Nordwesten den Bergbau weiter, und die alte Bergbauzone verändert sich weiterhin, während sich das Land erholt. Auch das registrieren die Embeddings. Die Atempause war kurz, und der Druck nimmt wieder zu. Im August 2026, so berichtete die Associated Press , schickte Peru Marinepatrouillen zurück in das Reservat, nachdem Staatsanwälte festgestellt hatten, dass der Bergbau bis nach Tambopata selbst vorgedrungen war.
Unsere interaktive Geschichte öffnet mit diesem Abschnitt von Madre de Dios und geht von dort mehrere weitere Beispiele durch.
Der OlmoEarth Embeddings Explorer
Der OlmoEarth Embeddings Explorer ist ein interaktives Analysetool, das direkt aus den Embeddings selbst erstellt wurde und als Falschfarbenkarte des Planeten dargestellt wird. Schwenken Sie beliebig umher, wechseln Sie zwischen Jahren, um zu sehen, wie sich Landschaften verändert haben, und rufen Sie die zugrunde liegenden Sentinel-2-Bilder auf, um die Karte mit der Realität abzugleichen. Dann stellen Sie Fragen: Klicken Sie auf einen Ort, um ähnliche zu finden, oder setzen Sie einige beschriftete Punkte, trainieren Sie direkt einen kleinen Klassifikator und exportieren Sie das Ergebnis als GeoTIFF. Kein Konto, kein Setup erforderlich.
Für viele Teams bedeutete das Testen einer Idee mit OlmoEarth bisher ein Fine-Tuning, das Stunden dauert. Im Explorer dauert ein erster Durchlauf Sekunden. Sie können ganze Regionen mit einer Handvoll Labels analysieren, ganz ohne GPU. Wenn eine Aufgabe ein Fine-Tuning erfordert, können die Embeddings helfen zu entscheiden, ob sie die Rechenleistung wert ist und wo das Modell an seine Grenzen stößt.
Das Archiv hinter dem Explorer enthält Embeddings mit 10-Meter-Auflösung, etwa 150 TB pro Jahr, und deckt Landflächen und angrenzende Küstengewässer ab. Zum Start sind 2025, 2024 und 2023 global verfügbar, und 2017 bis 2022 decken ausgewählte Länder ab; weitere Abdeckung ist in Arbeit. Sie können die Embeddings in der vollständigen 128-dimensionalen Version oder der leichteren 64-dimensionalen Version abrufen. Jedes Embedding enthält zudem einen Datensatz über seine Herkunft. Für jede 20-Kilometer-Kachel und jedes Jahr listen offene Provenienztabellen die vom Modell verwendeten Sentinel-1-, Sentinel-2- und Landsat-Szenen auf, mit Links zu den öffentlichen Katalogen, die sie bereitstellen, sodass Sie jedes Pixel bis zu den dahinterliegenden Bildern zurückverfolgen können.
Loslegen
Diese Veröffentlichung umfasst das OlmoEarth v1.3 Base-Modell, die vorberechneten globalen Embeddings, den OlmoEarth Embeddings Explorer und den technischen Bericht. Wenn Ihre Arbeit ein bestimmtes Zeitfenster benötigt, führt OlmoEarth Studio dasselbe Modell über die von Ihnen gewählten Zeiträume, Modalitäten und Auflösungen aus, und ein Tutorial zeigt, wie Sie Embeddings auf Ihrer eigenen Recheninfrastruktur erzeugen. Diese Tools arbeiten zusammen: Erkunden Sie im Embeddings Explorer, führen Sie bei Bedarf ein Fine-Tuning in Studio durch und nehmen Sie Ihre Karte von dort mit. Alles ist unter der OlmoEarth Artifact License veröffentlicht, derselben offenen Lizenz wie v1 und v1.2.
Ziehen Sie die Embeddings für einen Ort, der Ihnen wichtig ist, stellen Sie ihnen Ihre Frage und zeigen Sie uns, was Sie herausfinden.