OlmoEarth Studio exportuje embeddingy satelitných dát, nezávislé testy však ukazujú limity prenosu medzi regiónmi

Od satelitnej snímky k použiteľnej reprezentácii

OlmoEarth Studio od Allen Institute for AI (Ai2) umožňuje vypočítať a exportovať embeddingy pre zvolenú oblasť a obdobie. Namiesto práce so všetkými pôvodnými pásmami satelitných snímok dostane používateľ vektorovú reprezentáciu každého miesta, ktorá zhŕňa vlastnosti zachytené modelom. Výstup má formát Cloud-Optimized GeoTIFF, takže ho možno otvoriť v bežných geoinformačných nástrojoch alebo spracovať cez GDAL, rasterio či vlastný analytický postup. Praktickou zmenou oproti prvému predstaveniu platformy je, že aktuálna dokumentácia už opisuje štyri varianty modelu OlmoEarth – Nano, Tiny, Small a Base – s embeddingmi od 128 do 768 rozmerov.

Používateľ si v Studio vyberá polygón záujmového územia, priestorové rozlíšenie 10, 20, 40 alebo 80 metrov, jeden až dvanásť mesiacov časového kontextu a optické dáta Sentinel-2, radarové dáta Sentinel-1 alebo ich kombináciu. Jednotlivé rozmery embeddingu sa ukladajú ako samostatné pásma rastra. Hodnoty sú kvantizované na podpísané osembitové celé čísla od mínus 127 po 127; hodnota mínus 128 označuje chýbajúce dáta. Takýto zápis znižuje veľkosť súboru a uľahčuje prenos, no pri citlivej úlohe treba overiť, či kvantizácia alebo chýbajúce pozorovania nemenia výsledok.

Základný model sa učil z viacerých zdrojov pozorovania Zeme vrátane Sentinel-1, Sentinel-2 a Landsatu, ako aj z odvodených máp. Pôvodná výskumná práca Ai2 uvádza najlepší výsledok embeddingov v 15 z 24 hodnotených úloh pri porovnaní s dvanástimi ďalšími základnými modelmi. Ide však o výsledky autorov systému, nie o univerzálnu záruku kvality. Rozhodujúce je, či sa reprezentácia osvedčí na konkrétnom území, v inom ročnom období a pri dátach, ktoré sa líšia od tréningového rozdelenia.

Čo možno robiť bez trénovania veľkého modelu

Najjednoduchším použitím je podobnostné vyhľadávanie. Analytik označí bod alebo menšiu plochu, vypočíta jej priemerný vektor a pomocou kosínovej podobnosti nájde lokality s príbuznou reprezentáciou. Ai2 demonštrovalo tento postup na poľnohospodárskej oblasti pri kalifornskom meste Merced, kde sa zastavané plochy a cesty oddeľovali od polí bez pripravených tried. Takýto výsledok je vhodný najmä na prieskum a tvorbu kandidátnych oblastí; podobnosť v embeddingovom priestore sama osebe nepotvrdzuje rovnaký druh plodiny, vlastníctvo ani príčinu pozorovanej zmeny.

Druhým príkladom je segmentácia mangrovov pri vietnamskom meste Ca Mau. Nad embeddingmi modelu Tiny natrénovalo Ai2 logistickú regresiu iba zo 60 označených pixelov, po 20 pre mangrov, vodu a ostatný povrch. Deklarované vážené F1 skóre dosiahlo 0,84 a zvýšenie počtu označení z 30 na 300 prinieslo len malú zmenu. Príklad ukazuje, že predpočítaná reprezentácia môže výrazne znížiť potrebu ručného označovania, ale nejde o nezávislý benchmark ani dôkaz, že rovnaký počet vzoriek postačí pri slovenských lesoch, poľnohospodárskej mozaike alebo záplavových územiach.

Mesačné embeddingy možno porovnávať aj v čase. Ai2 ukázalo rozdiel medzi snímkami pred a po požiari Park Fire v Kalifornii, pričom zasiahnutá plocha vystúpila cez kosínovú vzdialenosť bez dodatočného učenia. Rovnaký princíp môže pomáhať pri predbežnom vyhľadávaní následkov vetra, požiarov, povodní, ťažby či zmien vegetácie. Výsledná mapa však nehovorí, čo zmenu spôsobilo. Rozdiel môže vytvoriť aj oblačnosť, atmosférický artefakt, sneh, odlišná fáza vegetácie alebo nerovnaké pokrytie vstupnými snímkami.

Nezávislé testy spresňujú hranice použitia

Dôležité doplnenie prináša nezávislá práca From Pixels to Patches, predstavená na workshope ML4RS pri ICLR 2026. Autori vytvorili EuroSAT-Embed s 81-tisíc embeddingovými GeoTIFF súbormi z modelov AlphaEarth, OlmoEarth a Tessera. Zistili, že bežné priemerovanie pixelových vektorov môže pri geograficky oddelenom teste zahodiť užitočnú vnútornú variabilitu územia. Štatistická agregácia minima, maxima, priemeru a smerodajnej odchýlky znížila geografickú generalizačnú medzeru oproti samotnému priemeru o viac než polovicu a pri priestorových deleniach zlepšila presnosť až o šesť percentuálnych bodov.

Tento výsledok nemení samotný export zo Studio, ale mení odporúčaný analytický postup. Organizácia by nemala považovať stiahnutý vektor za hotový indikátor a automaticky ho spriemerovať na parcelu alebo obec. Pri pilotnom projekte je rozumné porovnať jednoduchý priemer so štatistickou a prípadne kovariančnou agregáciou, pričom testovacie lokality majú byť geograficky oddelené od tréningových. Náhodné rozdelenie susediacich pixelov môže vytvoriť optimistické skóre, pretože tréningová a testovacia množina zdieľajú veľmi podobné miestne podmienky.

Ďalšia nezávislá práca skúmala OlmoEarth pri prenose kompaktných embeddingov pre palubné vyhľadávanie v diaľkovom prieskume. Na verejnom viacúlohovom benchmarku našla rozdielne najlepšie rozhodovacie metódy pre rôzne úlohy: vyhľadávanie najbližších susedov bolo úspešnejšie pri klasifikácii oblakov, zatiaľ čo triedne centroidy výrazne lepšie fungovali pri časovej detekcii zmien. Záver je praktický: rovnaký embedding môže byť užitočný vo viacerých aplikáciách, no nadstavba, prahovanie a validačný protokol sa musia vyberať podľa úlohy. Obe nezávislé práce sú preprinty alebo workshopové výsledky, preto ich treba čítať ako podporné dôkazy, nie ako definitívne hodnotenie.

Slovenské využitie a podmienky dôveryhodného nasadenia

Pre Slovensko a širšiu Európu je podstatné, že OlmoEarth pracuje s dátami európskeho programu Copernicus. Exportované reprezentácie by mohli dopĺňať existujúce vrstvy, napríklad CORINE Land Cover, pri mapovaní krajinnej pokrývky, kontrole zmien v lesoch, sledovaní povodňových oblastí alebo hľadaní podobných poľnohospodárskych lokalít. CORINE ponúka harmonizovanú európsku inventarizáciu so 44 triedami, no jej stavové vrstvy vznikajú v dlhších intervaloch a pri hrubšej mierke. Mesačné embeddingy preto môžu slúžiť ako rýchlejší signál, ktorý následne preverí odborník alebo presnejší model.

Pri nasadení samosprávou, štátnou inštitúciou či environmentálnou organizáciou je potrebné uchovať pôvod použitých scén, dátumy, konfiguráciu modelu, verziu váh, spôsob agregácie a lokálne validačné dáta. Osobitne opatrné musí byť použitie pri rozhodnutiach o dotáciách, vlastníctve pôdy, sankciách alebo ochranných režimoch. Embedding nie je vysvetlenie ani dôkaz udalosti a hranica objektu odvodená z desiatok metrov veľkého pixelu nemusí zodpovedať katastrálnej hranici. Otvorený kód, váhy a tréningové podklady OlmoEarth zlepšujú auditovateľnosť, zatiaľ čo hostovaná kapacita Studio zostáva viazaná na pridelenie prístupu.

OlmoEarth Studio tak znižuje technickú bariéru medzi surovými satelitnými dátami a praktickou analýzou, nie však potrebu geoinformačnej expertízy. Najväčšou hodnotou exportu je možnosť opakovane použiť štandardný raster v lokálnych nástrojoch, skúšať jednoduché klasifikátory a porovnávať obdobia bez trénovania veľkého modelu od začiatku. Otvorenou otázkou zostáva stabilita medzi regiónmi, sezónami a verziami modelu, ako aj miera straty po kvantizácii. Dôveryhodný projekt preto potrebuje geograficky oddelený test, porovnanie s jednoduchou referenčnou metódou a manuálnu kontrolu chýb pred tým, než sa mapa stane podkladom pre rozhodovanie.