Qué son las incrustaciones de datos por satélite y por qué son necesarias
Las imágenes de satélite no son sólo imágenes, sino datos multidimensionales: bandas espectrales, polarización, series temporales. Trabajar con ellos directamente es difícil: un modelo puede perderse en ruido, y los analistas necesitan comparar rápidamente grandes áreas. Aquí es donde entran las incrustaciones — representaciones vectoriales compactas que comprimen la esencia de una escena en un vector numérico. Estos vectores se pueden comparar, agrupar y utilizar como características para el aprendizaje automático.
Las incrustaciones de OlmoEarth se construyen mediante modelos de base abiertos entrenados en datos de observación de la Tierra. Su característica clave es que el código fuente y los pesos están disponibles públicamente — cualquiera puede verificar exactamente cómo se produjo un vector y , si es necesario, reproducir el propio cálculo. Esto añade confianza y flexibilidad: el resultado no es una "caja negra".
Cómo funcionan las incrustaciones OlmoEarth
Qué es OlmoEarth Studio
OlmoEarth Studio es un servicio en el que puedes calcular las incrustaciones para un área seleccionada de la superficie de la Tierra y exportarlas como archivos listos para usar. En lugar de un archivo global preconstruido de vectores, el estudio compute incrustaciones bajo demanda, adaptado a condiciones específicas. Esto significa que puede obtener imágenes para un mes o temporada específico en lugar de establecerse para una imagen mediada.
Qué parámetros se pueden establecer
Al lanzar cálculos, el usuario especifica varios parámetros:
- Esfera de interés - un polígono que define el territorio para su análisis.
- Rango de tiempo - de uno a doce meses.
- Variante de encoder — el modelo que convierte la imagen en vectores. Existen tres opciones: Nano (128 dimensiones, 1.4M parámetros), Tiny (192 dimensiones, 6.2M parámetros), y Base (768 dimensiones, 89M parámetros). Cuanto mayor sea el modelo, más rico es la representación, pero también mayor es el requerimiento computacional.
- Resolución — 10, 20, 40 o 80 metros por pixel. La elección depende de la escala de la tarea: la resolución fina se adapta al análisis de nivel punto, mientras que la resolución gruesa funciona para encuestas regionales.
- Fuentes de imágenes — Sentinel-2 L2A, Sentinel-1 RTC, o ambos. El primero proporciona datos ópticos, los últimos datos de radar.
Todas estas configuraciones están disponibles tanto a través de la interfaz gráfica como a través de la API, por lo que el proceso puede ser fácilmente integrado en tuberías automatizadas.
Cómo exportar las incrustaciones de Studio
El proceso de obtención de incrustaciones en OlmoEarth Studio funciona como un flujo de trabajo de predicción estándar: primero, el modelo se configura y se ejecuta , entonces los resultados se descargan. No se requieren medidas adicionales de exportación.
Formato de datos de salida
Los resultados se guardan como GeoTIFF optimizado en la nube (COG) — un formato optimizado para almacenamiento en la nube y streaming. Dentro del archivo, una banda corresponde a una dimensión de embedding. Por ejemplo, para el modelo Tiny esto significa 192 bandas, cada una con su propio valor numérico.
Los valores se almacenan en una forma compacta, como los enteros firmados de 8 bits que van desde −127 hasta +127. Un valor especial de −128 se reserva para los datos faltantes (nodata). Esta codificación reduce significativamente el tamaño del archivo, pero el análisis puede requerir restaurar los vectores flotantes originales. Para ello, el dequantize_embeddings función se proporciona en olmoearth_pretrain paquete — convierte los valores enteros de vuelta a los fraccionados.
Acceso al servicio
Para exportar incrustaciones personalizadas a través de Studio, necesita solicitar acceso a esta función. Para aquellos que quieren computar vectores por su cuenta sin esperar acceso, los modelos públicos están disponibles: las instrucciones para ejecutarlos se publican en la documentación del proyecto.
Aplicaciones de las incrustaciones en análisis
El valor principal de las incrustaciones es que convierten los datos satelitales en características convenientes que se pueden utilizar para resolver tareas prácticas sin etiquetar mano de obra de grandes conjuntos de datos.
Búsqueda de similitud
Al comparar vectores entre sí, puede encontrar áreas similares a una referencia dada. Por ejemplo, en un caso de prueba con el modelo OlmoEarth-v1-Tiny (192 dimensiones, resolución de 40 metros, Sentinel-2 L2A), el desarrollo urbano se separó con éxito de la tierra agrícola sin una sola muestra etiquetada. Simplemente estableces un vector de consulta, y la similitud cosina muestra qué áreas son más similares a ella y que son fundamentalmente diferentes.
Este enfoque es útil para el inventario rápido del territorio: detección de anomalías, clasificación de tipos de paisajes contra una referencia, y comprobación de cambios entre estaciones.
Serie de sesiones de poca monta
Las incrustaciones también funcionan bien en tareas con etiquetado limitado. En un experimento en Ca Mau (Vietnam), los investigadores utilizaron un clasificador lineal entrenado en sólo 60 píxeles etiquetados: 20 para cada una de tres clases: manglares, agua y otras tierras. El F1-score ponderado alcanzó 0.84, que es bastante respetable para un conjunto de entrenamiento tan modesto. Notablemente, aumentar el número de etiquetas de 30 a 300 apenas cambio de precisión, lo que significa que las incrustaciones ya contienen suficiente información para que el modelo llegue rápidamente a una meseta.
Esto hace que el enfoque sea atractivo para proyectos donde la experiencia es costosa o el territorio es difícil de acceder: en lugar de miles de píxeles etiquetados, docenas son suficientes.
