L’Allen Institute for Artificial Intelligence (Ai2) ha rilasciato OlmoEarth v1.3, una nuova versione del proprio foundation model per l’osservazione della Terra, accompagnata da un archivio di rappresentazioni vettoriali satellitari precalcolate, disponibili su scala globale con una risoluzione spaziale di 10 metri. Il sistema consente di analizzare caratteristiche del territorio, classificare superfici, individuare aree geografiche simili e rilevare trasformazioni ambientali attraverso rappresentazioni numeriche derivate da immagini radar e multispettrali. La distribuzione comprende il modello OlmoEarth v1.3 Base, embedding annuali in configurazioni da 128 e 64 dimensioni, un ambiente interattivo denominato OlmoEarth Embeddings Explorer e la relativa documentazione tecnica. La principale differenza rispetto alle versioni precedenti riguarda la disponibilità immediata di dati già elaborati, utilizzabili senza dover necessariamente eseguire il modello sulle immagini satellitari originali o effettuare un addestramento specifico. In precedenza, l’utilizzo operativo di OlmoEarth richiedeva generalmente il ricorso a OlmoEarth Studio, con procedure di fine-tuning, accesso a risorse GPU e disponibilità di infrastrutture per l’archiviazione delle immagini. La nuova distribuzione separa la fase computazionalmente onerosa di estrazione delle caratteristiche geospaziali dalle successive attività di analisi, consentendo di utilizzare classificatori relativamente semplici per produrre mappe tematiche, riconoscere cambiamenti nella copertura del suolo e analizzare fenomeni territoriali.
OlmoEarth v1.3 Base utilizza un’architettura Vision Transformer di classe ViT-Base con 128 milioni di parametri, progettata per elaborare osservazioni satellitari provenienti da Sentinel-1, Sentinel-2 e Landsat. Il modello integra dati radar e multispettrali acquisiti nel corso di un anno, trasformando le serie temporali di osservazioni in rappresentazioni numeriche delle caratteristiche delle superfici terrestri. Sentinel-1 contribuisce con informazioni radar, mentre Sentinel-2 e Landsat forniscono osservazioni multispettrali utili a descrivere vegetazione, superfici artificiali, corpi idrici e altre proprietà del territorio. L’architettura comprende inoltre un modulo Perceiver da 14,3 milioni di parametri e un componente lineare di circa 100.000 parametri, utilizzato per ridurre la dimensionalità delle rappresentazioni. Il Vision Transformer estrae le caratteristiche dai dati satellitari, un meccanismo di aggregazione basato sull’attenzione, denominato Attention Pooler, combina le informazioni dei token relativi alle porzioni di territorio e uno strato lineare converte le rappresentazioni risultanti da 768 a 128 dimensioni. Ogni pixel territoriale di 10 metri viene così associato a un vettore numerico che sintetizza le proprietà individuate dal modello nelle osservazioni disponibili. Le prime 64 componenti del vettore possono essere utilizzate autonomamente, permettendo di ridurre le dimensioni dei dati e il costo delle successive elaborazioni senza richiedere l’esecuzione di un secondo modello.
La compressione delle rappresentazioni è ottenuta attraverso una procedura di distillazione di tipo Matryoshka, nella quale il componente studente viene addestrato congiuntamente al modello principale durante lo stesso passaggio di elaborazione. Questa soluzione permette di ottenere embedding utilizzabili a differenti dimensionalità limitando il costo aggiuntivo della distillazione. Un ulteriore intervento riguarda la risoluzione adottata durante l’elaborazione interna: il Vision Transformer e il modulo Attention Pooler operano con una risoluzione dell’encoder di 20 metri, mantenendo una risoluzione finale degli embedding di 10 metri. Secondo le misurazioni tecniche, questa configurazione richiede 308 GMAC per finestra di elaborazione, contro i 2.378 GMAC necessari all’esecuzione del transformer direttamente a 10 metri, con una riduzione del costo computazionale di circa 7,7 volte. L’addestramento conserva la metodologia e le principali fonti informative della versione 1.2, utilizzando osservazioni Sentinel-1, Sentinel-2 e Landsat-8, integrate con riferimenti cartografici e geografici provenienti da WorldCover, WorldCereal, Shuttle Radar Topography Mission (SRTM) e OpenStreetMap. Il processo di ottimizzazione impiega AdamW, con batch di 512 elementi e 667.200 passaggi di addestramento. L’insieme delle modifiche architetturali è stato progettato per mantenere elevate capacità di rappresentazione territoriale riducendo le risorse necessarie alla produzione degli embedding su scala planetaria.
Le valutazioni comparative hanno coinvolto AlphaEarth Foundations e Tessera v2, attraverso 27 prove distribuite su sei continenti e dedicate a differenti problemi di classificazione e interpretazione geospaziale. Gli embedding di OlmoEarth v1.3 a 128 dimensioni hanno ottenuto il risultato più elevato in 20 delle 27 valutazioni, mentre la configurazione ridotta a 64 dimensioni ha raggiunto il primo posto in 18 prove. Nei dataset utilizzati per confrontare le prestazioni con AlphaEarth Foundations, il modello a 128 dimensioni ha superato entrambi i sistemi di riferimento in sette casi su otto; l’eccezione riguarda la valutazione condotta in Etiopia, nella quale Tessera v2 ha registrato prestazioni superiori. Nel benchmark PASTIS, dedicato alla classificazione delle colture agricole, OlmoEarth v1.3 ha ottenuto un valore di mean Intersection over Union (mIoU) pari a 58,6, rispetto al 58,3 di Tessera v2. Ai2 ha inoltre introdotto PLANTEUR, un nuovo benchmark per il riconoscimento delle tipologie colturali nelle regioni tropicali, sviluppato utilizzando dati etichettati provenienti da Martinica, Riunione, Guyana francese, Guadalupa e Mayotte. La metodologia di valutazione leave-one-island-out prevede l’addestramento del classificatore sui dati di alcune isole e la verifica delle prestazioni su un’isola esclusa dall’addestramento, misurando la capacità delle rappresentazioni di generalizzare a territori non osservati durante la preparazione del classificatore. In questa configurazione OlmoEarth v1.3 ha raggiunto 24,9 mIoU, contro 19,1 di Tessera v2 e 15,8 di AlphaEarth Foundations. Il modello mantiene inoltre capacità di fine-tuning comparabili a quelle della versione precedente, con una posizione media nelle classifiche di valutazione pari a 4,34, rispetto a 4,02 di OlmoEarth v1.2 Base e 4,74 di OlmoEarth v1 Base.
Le modifiche introdotte hanno determinato una riduzione significativa delle risorse impiegate nell’addestramento. OlmoEarth v1.3 Base ha richiesto il 53% del tempo computazionale della versione 1.2 e il 18% di quello necessario alla prima generazione del modello, con emissioni di carbonio rispettivamente pari al 50% e al 22% dei valori precedenti. Il preaddestramento della nuova versione ha utilizzato 539 ore GPU H100, con un consumo energetico stimato di 161 kWh ed emissioni equivalenti a 0,07 tonnellate di CO₂. Per confronto, OlmoEarth v1.2 Base aveva richiesto 1.012 ore GPU e prodotto emissioni stimate di 0,14 tonnellate di CO₂ equivalente, mentre OlmoEarth v1 Base aveva utilizzato 2.989 ore GPU, con emissioni pari a 0,32 tonnellate. Ai2 stima che la riproduzione dell’esecuzione finale di preaddestramento di OlmoEarth v1.3 Base comporterebbe una spesa di circa 2.720 dollari per il noleggio delle GPU H100. La generazione degli embedding globali costituisce tuttavia un processo distinto e considerevolmente più oneroso: l’elaborazione di un singolo anno di osservazioni satellitari su scala planetaria richiede circa 14.000 ore GPU H100, equivalenti a circa 26 volte il costo computazionale del preaddestramento del modello. La disponibilità pubblica delle rappresentazioni già calcolate consente quindi di riutilizzare questo investimento computazionale per attività successive di ricerca e analisi.
L’archivio distribuito da Ai2 comprende embedding con risoluzione di 10 metri per le superfici terrestri e le acque costiere adiacenti, con un volume indicativo di 150 TB per ciascun anno. Al momento del rilascio, la copertura globale è disponibile per il 2023, 2024 e 2025, mentre gli anni compresi tra il 2017 e il 2022 includono una selezione di Paesi destinata a essere progressivamente ampliata. L’intero archivio relativo al periodo 2017-2025 supera complessivamente il petabyte di dati e si estende approssimativamente da 59,5 gradi di latitudine sud a 83,6 gradi di latitudine nord, escludendo l’Antartide. Durante la produzione delle rappresentazioni è stata impiegata una procedura di inferenza denominata Searchlight per eliminare gli artefatti associati alla suddivisione delle immagini in riquadri di elaborazione. I dati vengono distribuiti attraverso Source Cooperative nel formato Zarr, che permette la lettura diretta da sistemi di object storage mediante client compatibili, senza richiedere chiavi API o server dedicati alla distribuzione delle mappe. Ai2 rende inoltre disponibili tabelle di provenienza in formato GeoParquet, contenenti i riferimenti alle scene Sentinel-1, Sentinel-2 e Landsat impiegate per ogni riquadro territoriale di 20 chilometri e per ciascun anno. Per il 2025, il processo comprende circa 450.000 finestre di elaborazione, 21 milioni di voci relative ai mosaici satellitari e 730.000 scene, consentendo di ricostruire la provenienza delle osservazioni utilizzate per generare le rappresentazioni numeriche.
L’accesso interattivo ai dati avviene attraverso OlmoEarth Embeddings Explorer, un’applicazione web che visualizza le rappresentazioni satellitari mediante mappe a falsi colori e permette di esplorare direttamente le trasformazioni territoriali. Gli utenti possono spostarsi tra differenti aree geografiche, selezionare gli anni disponibili, confrontare i cambiamenti delle superfici e visualizzare le immagini originali Sentinel-2 associate alle rappresentazioni. Il sistema integra una funzione di ricerca per similarità geografica, attraverso la quale la selezione di una posizione permette di individuare altri luoghi con caratteristiche rappresentative analoghe. È inoltre possibile assegnare etichette a un numero limitato di punti geografici e utilizzare queste informazioni per addestrare direttamente un piccolo classificatore, applicandolo successivamente ad aree più estese e ottenendo risultati esportabili in formato GeoTIFF. Le operazioni iniziali possono essere eseguite dal browser senza registrazione, configurazione di infrastrutture GPU o preparazione di un ambiente di machine learning. Nei casi che richiedono finestre temporali differenti, selezione specifica delle modalità satellitari o personalizzazione della risoluzione, OlmoEarth Studio continua a consentire l’esecuzione e l’adattamento del modello su osservazioni scelte dall’utente. Sono inoltre disponibili procedure per generare embedding utilizzando infrastrutture computazionali proprie.
Tra le applicazioni documentate figurano il riconoscimento delle colture agricole su piccola scala in Kenya, l’individuazione delle fornaci per mattoni nelle aree a ovest di Dhaka, la valutazione dei danni provocati dagli incendi in Indonesia e il monitoraggio delle attività minerarie nella foresta amazzonica peruviana. Quest’ultimo caso riguarda la regione di Madre de Dios e, in particolare, l’area di La Pampa, dove le attività illegali di estrazione dell’oro avevano raggiunto livelli particolarmente elevati tra il 2017 e il 2018, provocando la distruzione di oltre 1.200 ettari di foresta nella zona cuscinetto della Riserva nazionale di Tambopata. Dopo l’operazione Mercurio avviata dalle autorità peruviane nel febbraio 2019, le attività estrattive erano state in larga parte interrotte. Il confronto degli embedding relativi ai periodi 2017-2020 e 2020-2025 permette di osservare la precedente espansione delle aree minerarie verso sud-est e la successiva concentrazione dei cambiamenti nelle zone già interessate dall’estrazione, dove si sovrappongono processi di ricrescita della vegetazione e nuove alterazioni del territorio. Nell’agosto 2026 le autorità peruviane hanno inoltre disposto nuovi pattugliamenti navali dopo il rilevamento di attività estrattive estese all’interno della stessa riserva di Tambopata. L’esempio dimostra come il confronto temporale tra vettori geospaziali possa individuare trasformazioni ambientali senza richiedere l’addestramento di un classificatore specifico per ogni fenomeno osservato.
OlmoEarth v1.3 viene distribuito insieme ai pesi del modello, al codice e ai dati di preaddestramento, secondo le condizioni della OlmoEarth Artifact License, già adottata per le versioni precedenti. La licenza prevede restrizioni relative agli impieghi militari, alle applicazioni connesse alla difesa e alle attività delle industrie estrattive, mentre la documentazione richiama le linee guida di utilizzo responsabile di Ai2. Il rilascio combina quindi un modello di osservazione satellitare riutilizzabile, un archivio geospaziale pluriennale e strumenti di analisi direttamente accessibili, consentendo di passare dall’interpretazione delle immagini originali all’elaborazione di rappresentazioni territoriali condivise. La disponibilità congiunta di embedding annuali, dati di provenienza e strumenti per la classificazione rende possibile confrontare differenti periodi, sviluppare mappe tematiche e analizzare fenomeni agricoli e ambientali utilizzando una base numerica comune, senza ripetere ogni volta l’intero processo di elaborazione delle immagini satellitari.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)