卫星AI能否让没有GPU的团队也制作地表分析图？Ai2在2026年10月22日的公告中发布OlmoEarth v1.3，并提供预计算的年度遥感特征与浏览器探索工具。变化在于：用户可以复用已经算好的特征，做相似区域检索、训练小型分类器，而不必每次从原始影像运行基础模型。但“10米”“全球”和“年度”各有边界，它不是一套实时监控地球的系统。

2020年12月24日国际空间站拍摄的秘鲁Madre de Dios地区，河流与反光的采金坑分布在雨林间
真实历史资料图：2020年12月24日，国际空间站拍摄的秘鲁Madre de Dios地区，照片编号ISS064-E-16203。Ai2此次展示的跨年变化案例也位于该地区；本图用于说明观测背景，不是OlmoEarth输出，也不是2026年现场照片。来源：NASA Earth Observatory／ISS Crew Earth Observations Facility、NASA-JSC；依NASA媒体使用指南作信息性报道使用并署名，不代表NASA背书。本页仅缩小原图，未移除水印或改动画面内容。

它提供的是特征，不是现成的地物答案

OlmoEarth v1.3把Sentinel-1雷达、Sentinel-2与Landsat多光谱时间序列汇集成位置特征：每个10米网格对应一组128维数值，前64维也能单独使用。这里的“维”是特征长度，不是128种地物标签；向量本身不会直接告诉读者“这里一定是某种作物”。

官方探索工具支持浏览不同年份、寻找相似地点、用少量标注点训练小分类器，并导出GeoTIFF。对于需要特定时间窗口或更复杂任务的项目，仍可能需要自行生成特征或微调。所谓“无需GPU”，指复用已有特征的分析入口，不是模型训练与全球预计算没有算力成本。

先对齐三个条件：年份、覆盖与任务

条件 当前资料说明 不能直接推导什么
时间 预计算产品按参考年份汇集影像。 不能据此确定某项变化发生在哪一天，更不等于实时报警。
覆盖 发布时2023—2025年为全球覆盖；2017—2022年仍为部分国家，正在补算。 存储中有九个年度位置，不代表每个地点都有九年完整数据。
空间 输出为10米网格，覆盖陆地及邻近沿岸水域；报告明确不含南极洲。 网格间距不是对所有物体的识别精度，也不意味着覆盖全部海洋。

例如，官方用秘鲁La Pampa周边的年度向量差异展示地表变化。变化信号适合帮助筛选值得进一步查看的区域，但植被恢复、重新挖掘等不同过程都可能造成变化；判断原因仍需回到对应影像、观测日期及其他证据。不能把一张变化热图直接当成违法活动的判定书。

NASA发布的两期Landsat自然色影像，比较秘鲁Pariamanu河附近2020年5月31日和2021年5月2日的地表变化
真实历史遥感资料：Madre de Dios地区Pariamanu河附近，左为2020年5月31日，右为2021年5月2日。保留原始日期和地名，展示跨时段核查需要对应真实观测；它不与首图构成同一地点的前后对照，也不是本次模型的成绩图。来源：NASA Earth Observatory，Lauren Dauphin，使用USGS Landsat数据；依NASA媒体使用指南作信息性报道使用，保留原图720×480分辨率、不放大、不去除标注，不代表NASA认可本次AI解读。

评估中的领先，不等于在新地区自动可靠

技术报告第3.1节比较年度特征在不同分类任务上的表现。一个值得注意的对照来自热带作物基准PLANTEUR：128维特征在随机划分下的mIoU为36.7，换成“留一岛屿不参与分类器训练”的地理泛化测试后为24.9。后者仍高于报告中的对比方法，但分数变化说明，测试集怎么划分会显著影响结果。

mIoU是类别区域重叠程度的评价指标，不能改写成“识别正确率36.7%”。这些数值来自Ai2团队自己的报告，不是本文独立复测；作者也注明，基准评估采用的分块推理特征与实际发布的Searchlight推理特征并非逐位相同。因此，不宜用一个榜单数字替代对目标地区、年份和类别的验证。

本站此前的MIRAGE雷达遥感数据解读也涉及类似区别：数据采样、标签与实际应用证据必须分开看。对OlmoEarth而言，向量可以降低试验门槛，但不能省掉标签质量检查与地域外测试。

64维为何更省？先算清“特征大小”与“实际下载”

以下为根据公开规格作的简单估算，而非实测：1平方公里若按10米网格完整铺开，包含100×100、即1万个像素。按产品的int8存储，每像素128个数，原始特征负载约1.28 MB；只取64维则约0.64 MB。这里采用十进制MB，未计压缩、掩膜、坐标及其他元数据。

实际网络开销还受数据分块影响。技术报告说明，即使只查询一个像素，也可能需要传输整个压缩块，约3 MB。因此，“64维负载减半”不等于每次点击都只下载几十字节。实际使用宜按区域批量读取，并先检查年份覆盖、无数据标记和来源记录，而不是立即下载约150 TB一年的全球档案。

森林、农田与河流地形上方悬浮半透明网格层，概念性表现将多时相遥感信息压缩成可复用特征
AI原创概念图，非真实现场。地形和分层网格比喻可复用的空间特征，不代表实际卫星影像、模型输出或实时变化记录。来源：小花儿AI使用内置ImageGen原创生成，用于本文配图。

更合适的入口，是先验证一个小区域

基于公开资料的应用建议是：先在目标年份与区域检查有效数据，再选取经过核实的样本，测试相似性检索或轻量分类；评估时把训练地区与测试地区分开，最后回看原始影像确认错误类型。这是由产品条件推导的使用思路，并非本文已完成的部署或体验报告。

还要区分“公开可获取”与“没有用途限制”。模型和嵌入采用OlmoEarth Artifact License，包含军事、防务、人员监视与执法，以及开采类活动等用途限制；分发时也有署名和许可传递要求。具体使用应阅读原文，不能把“开放”概括成所有场景都可任意使用。

资料来源与说明

  • Ai2：OlmoEarth v1.3发布公告，页面日期2026年10月22日，未标明具体时区；支持发布内容、浏览器工具与案例说明。
  • OlmoEarth v1.3技术报告，随本次发布链接提供；重点核对第3.1节、表2和第4节，报告本身未显示精确发布日期。
  • 预计算数据说明，载明初始发布日2026年10月22日；模型卡与OlmoEarth Artifact License用于核对格式和使用条件。以上均为同一提供方资料，不视作独立复现。
  • 两张历史资料图分别发表于NASA Earth Observatory的2021年2月7日、6月16日页面，采集日期见图注；它们提供真实观测背景，不证明OlmoEarth的性能。

资料核验时间：2026年10月25日09:05（北京时间）。本文由小花儿AI使用AI辅助整理公开资料。