EN中文

地球信息科学学报 >

2025 , Vol. 27 >Issue 10: 2283 - 2290

DOI: https://doi.org/10.12082/dqxxkx.2025.250426

评论

AlphaEarth Foundations：遥感基础大模型的潜力与挑战

  • 秦其明 , *
展开
  • 北京大学地球与空间科学学院，北京 100871

作者贡献：Author Contributions

秦其明负责本文的全部学术贡献，包括述评观点与框架的提出、相关文献的调研与评述、核心论点的分析与论证、初稿的撰写以及终稿的审定。

QIN Qiming is solely responsible for all academic contributions to this article, including the proposal of perspectives and framework, the review and evaluation of relevant literature, the analysis and argumentation of the core viewpoints, the drafting of the initial manuscript, and the revision and approval of the final version.

秦其明（1955—），男，江苏徐州人，博士，教授，主要从事定量遥感与地理信息系统建模研究。E-mail:

收稿日期: 2025-09-02

  修回日期: 2025-09-08

  网络出版日期: 2025-09-25

基金资助

国家自然科学基金项目(42071314)

收起

AlphaEarth Foundations: The Potential and Challenges of Remote Sensing Foundation Models

  • QIN Qiming , *
Expand
  • School of Earth and Space Sciences, Peking University, Beijing 100871, China
*QIN Qiming, E-mail:

Received date: 2025-09-02

  Revised date: 2025-09-08

  Online published: 2025-09-25

Supported by

National Natural Science Foundation of China(42071314)

Fold

摘要

【目的】随着全球在轨地球观测卫星数量的快速增长，遥感数据呈现爆炸式积累，为地球系统科学研究提供了动态认知全球变化的前所未有机遇；与此同时，也伴生多源异构、标注稀缺、任务泛化不足与数据过载等一系列挑战。【方法】为应对这些瓶颈问题， Google DeepMind 提出了 AlphaEarth Foundations（AEF），通过整合光学、SAR、LiDAR、气候模拟及文本等多模态数据，构建统一的64 维嵌入表征场，实现了跨模态、跨时空的语义一致性的数据融合，并在 Google Earth Engine 等平台开放。【结果】AEF的主要贡献体现在： ① 缓解了长期存在的“数据孤岛”问题，建立了全球一致的嵌入层； ② 通过 vMF 球面嵌入机制提升了语义相似性度量能力，支持高效的检索与变化检测； ③ 将复杂的预处理与特征工程前置于预训练阶段，使下游应用进入“分析就绪”状态，大幅降低了应用成本。论文指出，AEF 的应用潜力释放可分为3个阶段：首先是地表覆盖分类与变化检测；其次是嵌入向量与物理模型深度耦合，推动科学发现；最后有望演化为空间智能基座，成为全球地理空间智能服务的一种基础设施。尽管如此， AEF仍面临若干挑战： ① 嵌入向量可解释性不足，限制了科学归因和因果分析； ② 域迁移与跨场景适应性存在不确定性，极端环境下的鲁棒性有待验证； ③ 性能优势需要更多跨区域、独立实验的实证支撑。【结论】AEF 以其在数据效率和跨任务泛化方面的突破，代表了遥感与地理空间人工智能研究的新方向，为未来地学研究提供了坚实支撑，但其进一步发展依据可解释性、鲁棒性及真实性验证的持续提升，并将64维嵌入向量通过不同途径转化为可广泛使用的数据资源。

关键词： AlphaEarth Foundations; 遥感基础大模型; 多模态融合; 嵌入表征; 时空建模

本文引用格式

秦其明 . AlphaEarth Foundations：遥感基础大模型的潜力与挑战[J]. 地球信息科学学报, 2025 , 27(10) : 2283 -2290 . DOI: 10.12082/dqxxkx.2025.250426

Abstract

[Objectives] With the rapid increase in the number of Earth observation satellites in orbit worldwide, remote sensing data has been accumulating explosively, offering unprecedented opportunities for Earth system science research to dynamically monitor global change. At the same time, it also brings a series of challenges, including multi-source heterogeneity, scarcity of labeled data, insufficient task generalization, and data overload. [Methods] To address these bottlenecks, Google DeepMind has proposed AlphaEarth Foundations (AEF), which integrates multimodal data such as optical imagery, SAR, LiDAR, climate simulations, and textual sources to construct a unified 64-dimensional embedding field. This framework achieves cross-modal and spatiotemporal semantic consistency for data fusion and has been made openly available on platforms such as Google Earth Engine. [Results] The main contributions of AEF can be summarized as follows: (1) Mitigating the long-standing “data silos” problem by establishing globally consistent embedding layers; (2) Enhancing semantic similarity measurement through a von Mises-Fisher (vMF) spherical embedding mechanism, thereby supporting efficient retrieval and change detection; (3) Shifting complex preprocessing and feature engineering tasks into the pre-training stage, enabling downstream applications to become “analysis-ready” and significantly reducing application costs. The paper further highlights the application potential of AEF in three stages: (1) Initially in land cover classification and change detection; (2) Subsequently in deep coupling of embedding vectors with physical models to drive scientific discovery; (3) Ultimately evolving into a spatial intelligence infrastructure, serving as a foundational service for global geospatial intelligence. Nevertheless, AEF still faces several challenges: (1) Limited interpretability of embedding vectors, which constrains scientific attribution and causal analysis; (2) Uncertainties in domain transfer and cross-scenario adaptability, with robustness in extreme environments yet to be verified; (3) Performance advantages that require more empirical validation across regions and independent experiments. [Conclusions] Overall, AEF represents a new direction for research in remote sensing and geospatial artificial intelligence, with breakthroughs in data efficiency and cross-task generalization providing solid support for future Earth science studies. However, its further development will depend on continuous advances in interpretability, robustness, and empirical validation, as well as on transforming the 64-dimensional embedding vectors into widely usable data resources through different pathways.

Key words： AlphaEarth Foundations; remote sensing foundation model; multimodal fusion; embedding representation; spatio-temporal modeling

1 研究背景与问题提出

近年来，随着全球在轨地球观测卫星数量的迅速增加，人类获得了前所未有的海量遥感数据，为地球资源、环境和灾害的动态监测与深入认知提供了巨大潜力。然而，大数据也带来了以下挑战[1]：
（1）多源异构性。遥感数据来源复杂，包括光学卫星、合成孔径雷达（SAR）、高光谱、激光雷达（LiDAR）以及气候模拟等多种类型。它们在格式、分辨率、时相和物理特性上差异显著，形成“数据孤岛”。传统的像素级、特征级或决策级融合方法难以高效整合，如何从中提炼出结构化、信息密集且便于分析的核心要素，成为亟待突破的关键问题。
（2）任务针对性强而泛化不足。现有遥感大模型大多为面向单一任务（如地物分类、变化检测）而独立设计和样本预训练，缺乏跨任务的迁移与泛化能力。每遇新任务往往需从零开始，这导致人力与成本重复投入。
（3）样本标注成本高昂。高质量样本标注稀缺且标注代价高昂。以全球土地覆盖图为例，需要大量不同类型不同地域人工标注样本，严重限制了任务型遥感大模型的推广应用。据AEF开发方统计，目前遥感数据的实际利用率不足5%，症结之一就在于缺乏遥感通用基础大模型。
上述情况表明，任务型遥感大模型存在着瓶颈问题。为此，Google DeepMind 提出了 AlphaEarth Foundations (AEF)，通过整合来自光学、SAR、LiDAR遥感、气候模拟等十余个不同来源的地球观测数据与文本数据，构建统一的“嵌入”（embedding）表征[2]。该表征以10 m×10 m分辨率像元为基础，细致刻画全球陆地与沿海动态，并将多源、多时相地球观测数据与文本数据统一编码输出为64维嵌入向量，并在Google Earth Engine（GEE）开放发布，实现了多模态、多时空一体化的“嵌入场”，初步为大规模地理空间智能分析奠定了基础。
AlphaEarth Foundations（AEF）同时具备地理空间基础模型与遥感基础大模型的特性。正如《Nature Machine Intelligence》[3]社论所指出：“地理空间人工智能模型近年来在生态与环境监测等领域展现出巨大潜力…… Google最新发布的 AEF，将数万亿观测影像整合，绘制出“从局地到全球尺度”的地球图景。”这里，AEF被视为地理空间基础模型[3]，实现了多源数据的统一语义映射与跨源融合，为地理空间认知与下游任务奠定坚实基础；从AEF通过大规模数据的预训练角度看，该模型通过微调或少样本学习，高效适配多样化应用，获得任务无关的通用表征能力，AEF是遥感基础大模型，它具有解决多种地学应用需求的泛化能力和适用性。
在遥感领域，已有多种基础模型涌现，其采用的技术各具特色（表1）：例如IBM/NASA的Prithvi-EO-1.0和Dynamic One-For-All (DOFA)。二者均旨在从大规模遥感数据中学习通用表征。Prithvi-EO-1.0基于ViT与MAE框架，利用HLS光学时序数据进行时空联合建模，用于地表分类与变化检测[4]；DOFA 则通过超网络动态权重生成机制，解决不同传感器波段不一致的问题，从而展现出卓越的跨模态适应能力[5]。
表1 3个遥感基础大模型技术特色的比较

Tab.1 Comparison of the technical features of three remote sensing foundation models

模型名称 预训练数据规模与来源 技术架构 主要创新点
Prithvi-EO-1.0
(IBM/NASA) [4]		 数百万张影像；基于HLS（Sentinel-2+Landsat，多光谱，6 波段） Vision Transformer（ViT）+Masked Autoencoder （MAE） 时空patch化与联合建模；支持变化检测与分类
DOFA
(Dynamic One-For-All) [5]		 数千万级图像样本（任意输入通道）；多源、多模态（光学、雷达等） 超网络+动态权重生成器 动态适配不同传感器通道，解决跨模态/跨传感器不一致
AEF (AlphaEarth Foundations, Google DeepMind) [2] 30.5 亿帧影像；光学遥感影像、SAR影像、LiDAR、气候模拟、文本等多模态数据 多模态编码器+统一嵌入场，训练成本极高 构建统一、连续的嵌入场；支持连续时间建模； 64维向量表征
相比之下，AEF的独特优势在于构建统一且连续的“嵌入场”（embedding field），实现多模态数据的整合与连续时间建模。其训练数据集包含约8 412 511条时序片段（覆盖5 145 244个点位），总计约30.5亿帧影像，存储需求达6 PiB（约700万GB），体现了前所未有的超大规模。通过区分输入影像时段与语义摘要生成时段，AEF能在时序数据中进行插值，并在一定条件下实现外推，从而在变化检测与时间序列分析方面具备突出优势。最终， AEF将多模态数据统一编码为64维嵌入向量，既实现了高效压缩，又支撑了跨源对齐和下游任务适配。
综上所述，为应对任务型遥感大模型面临的挑战，Google DeepMind提出了AlphaEarth Foundations (AEF)，通过输出统一的向量嵌入表征，重构了遥感基础大模型的新范式。下一节将围绕 AEF 的技术特征与应用潜力展开阐述，以揭示其在地球观测数据利用方式上的突破。

2 AEF的技术特征与应用潜力

AlphaEarth Foundations（AEF）的技术范式为遥感数据分析应用带来了显著的转变。其贡献不仅体现在遥感基础大模型在性能上的突破，更在于其重塑了对地观测数据与其它文本数据融合、表征与利用的方式。

2.1 构建全球一致的嵌入表征层

长期以来，遥感应用受困于多源数据在时空分辨率、成像机理与噪声特性上的差异，易造成信息割裂与“数据孤岛”。为此，AlphaEarth Foundations（AEF）在大规模全球数据上引入自监督对比学习与多模态对齐的联合策略：首先将观测数据统一投影到标准空间网格与时间合成窗口，并结合质量掩膜与重采样，在语义层面提升模型的跨区域鲁棒性，使相同地物在不同环境下倾向于获得一致的嵌入表示。训练过程中，除跨模态对比/匹配损失外，AEF 还引入质量感知权重与地理/季节相位约束，以缓解非均匀采样与域偏差带来的影响。
在此框架下，AEF能够稳健地从非均匀数据流中生成地点嵌入；当光学遥感长期缺测（如热带多云）或高纬观测稀疏时，模型可依赖 SAR/再分析数据替代，并同时输出不确定性或质量分数以指示信息完备度。通过上述对齐机制，AEF在光学、SAR、LiDAR 等多源数据之间形成连续且统一的数字表征层。这种“统一”不仅体现在数据格式层面的兼容，更体现为对不同区域与环境的普适性与可比性。
基于该设计，AEF 在空间维度展现出良好的跨区域可比性（例如，在嵌入空间中，加拿大与西伯利亚的针叶林样本呈现相邻聚类），在时间维度亦表现出一致的演化刻画能力（如长江中游与恒河平原“农田-城市扩展”的向量轨迹呈现相似走向）。因此，AEF不仅可视为遥感基础大模型，更通过其紧凑的64维嵌入向量构建起一个全球性、跨区域一致的地理空间语义表征层，为全球变化研究、资源评估与环境治理提供统一、紧凑且可计算的基础支撑。

2.2 语义相似性度量机制

在传统的遥感分析范式中，大模型往往依赖于特定区域或时间段的训练数据，其性能高度依赖任务场景，难以在新的时空背景下保持稳健的泛化能力。同时，不同遥感数据源在成像机制、分辨率与观测条件上存在显著差异，研究者通常需要进行辐射校正、几何配准及复杂的特征提取。这不仅增加了人力、时间与技术成本，也严重制约了跨区域和大规模应用的推广。
针对这一困境，AlphaEarth Foundations（AEF）提出了统一的解决思路：构建“时空嵌入场”。其做法是先将地表离散为一致的空间网格与时间窗口；对每个“网格—时间”单元，汇聚该时窗内来自不同模态的观测数据张量及其质量信息，经“模态专属编码器”提取特征，再由“融合模块”在质量约束与注意力机制的引导下进行加权合成，并结合时空位置编码，最终将多时相、多模态的原始观测统一映射为紧凑高效的64维嵌入向量。形式上， AEF可表示为函数映射f: (x, y, t, m)→R64，其中输入为地理坐标(x, y)、时间t及数据模m，输出为高度浓缩的向量表征。地理坐标的引入确保每个嵌入向量与地球表面10 m×10 m分辨率像元一一对应。
不同于以往方法，AEF在统一表征框架中引入vMF球面嵌入技术[6]，将多源异构数据输入压缩为64维球面嵌入向量，并通过批次均匀性目标约束其分布于单位超球面上。该设计使得AEF嵌入空间既紧凑又均匀，提升了跨模态对齐、数据稀疏场景下的鲁棒性与任务通用性。由此，语义相似性可通过点积或余弦相似度直接计算[7]，既简化了计算流程，又显著提升了下游应用的可扩展性。研究者可在全球范围内选择任意参考点，高效检索语义相似的地表或环境区域，实现大规模相似性搜索；同时，通过比较同一位置不同时相的嵌入向量，还能开展动态变化检测，如城市扩张、森林火灾影响或植被物候演变的监测。

2.3 简化预处理与降低应用成本

在传统遥感分析工作流中，数据预处理往往是最耗时且需要专业知识的环节（表2）。AEF的重要价值在于重构这一范式：将高昂的数据预处理计算成本前置，通过端到端多模态学习、球面嵌入约束和时间条件化汇总可利用无云时段补偿有云时段等方法，降低了影像噪声与大气等因子的影响[2]，增强了遥感数据的一致性与可用性。
表2 遥感预处理过程常见的问题

Tab. 2 Common issues in remote sensing preprocessing

问题 原因 产生的效果 解决途径
传感器噪声与老化 在轨运行导致电子噪声、辐射漂移、机械磨损 地物辐射测量偏差、几何畸变（如条带噪声、亮度漂移） 传感器在轨定标 + 场地定标（戈壁、盐湖等稳定目标）
大气干扰（云、气体散射与吸收等） 电磁辐射在大气层传输时发生遮挡、散射、吸收 光谱曲线偏移衰减，形成“灰霾效应”或“云污染”，降低反演精度 云检测与云去除；大气校正模型（6S、MODTRAN）
地形效应 山区地形坡度、坡向导致辐射接收与散射不均；阴影区辐射不足 阴影区辐射减弱；坡向朝阳面光谱增强，导致严重光谱失真 DEM 支持的地形辐射校正
混合像元与尺度效应 传感器分辨率限制，单个像元内包含多种地物类型 光谱信息混合，制约精细分类与参数反演 混合像元分解（线性/非线性光谱分解）
临近效应（邻近散射） 地物间多次散射、大气散射将周边信号叠加到目标像元 像元波谱受周围环境干扰，降低目标波谱纯度 大气校正 + 基于物理模型的校正（如 6S + DEM 模拟）

注： AEF解决上述问题的具体方法见文献[2]。

遥感基础大模型在预训练阶段完成多源遥感数据的融合与特征提取，其输出的嵌入向量即为“分析就绪”状态。由此，下游用户无需再承担繁琐的预处理负担，可直接利用嵌入向量开展分析与建模。同时，AEF高效的数据压缩能力（存储需求降低16倍）显著减少了全球数据分析的资源开销，降低了具体应用成本的投入。这一转变不仅提升了效率，更推动地理空间分析与应用的重心从“重复性的数据预处理准备”转向“创新性的应用开发”，从而加速科研进程与业务化落地。
综上所述， AEF通过将高昂花费的预处理与特征提取环节前置到预训练阶段，显著降低了下游应用的计算与数据准备的成本。这种范式为多样化应用提供了统一的条件保障。因此，有必要探讨AEF的嵌入向量潜力在不同阶段释放带来的应用价值。

2.4 应用潜力的阶段划分

基于AEF生成的64维嵌入向量，为跨模态、多时空序列提供了通用语义表征。其应用潜力可根据技术复杂度与实现路径，递进式地划分为3个阶段。
（1）阶段一：数据驱动的分类与变化检测
在该阶段，研究者可直接利用AEF生成的统一嵌入向量，依托Google Earth Engine等云计算平台，训练轻量级分类器（如线性模型、随机森林），即可实现高精度、高效率的大范围地表覆盖分类与制图（例如，生产10 m分辨率的全球地表覆盖产品）。在变化检测方面，基于嵌入向量训练时序变化检测模型，识别地表覆盖类型的变化并绘制变化图斑，提升地表覆盖动态监测能力。
（2）阶段二：机理模型耦合与科学发现
此阶段将AEF嵌入向量视为复杂地球系统状态的通用特征，并与物理模型、生态模型等领域模型深度耦合，用于支撑地理景观演变、水文过程、碳通量估算等科学模拟与预测。该环节面临的核心挑战包括长时序依赖、物理一致性约束与跨尺度整合。其潜在应用包括：优化生态系统模型参数，提升全球碳循环估算的精度。目前仍需大量概念验证与严格实证研究，才能实现从“空间数据关联”向“地学科学发现”的跨越。
（3）阶段三：空间智能基座与智能体服务
在更长远的展望中，AEF有望从分析工具演化为标准化的地理空间智能服务基础设施之一。通过API形式，AEF可为任意地点、任意时间提供标准化嵌入向量，使用户无需直接处理原始遥感数据，即可获取高级语义表征。在此基础上，地理空间智能体（如具身机器人）能够依托动态更新、全球一致的嵌入表征层，作为“世界模型”，结合AI的推理与规划能力，执行高危环境自主勘察、野外取样与真实性验证等地学考察任务。尽管上述任务的实现仍依赖诸多技术突破，但该范式有望引领新一代的空间信息基础设施建设。
综上所述，AEF在数据表征、跨区域一致性和时序建模方面展现了显著优势，并为未来地学研究提供了新的分析框架。然而，潜力的背后仍存在值得警惕的技术制约与应用问题。因此，下面将系统讨论AEF在可解释性、域迁移与应用精度验证等面临的挑战。

3 面临的挑战与局限性

尽管AEF强调其64维嵌入向量在性能与效率上的优势，但作为一项新兴技术，其在嵌入向量可解释性、领域适应性及应用精度仍存在固有局限与潜在挑战。本节的述评，不局限于平均性能指标或典型成功案例，而是从上述问题入手，深入剖析其技术挑战，以期为决策者和研究者提供更为严谨的评估视角。

3.1 嵌入向量可解释性不足

AEF的输出是64维嵌入向量，每个维度缺乏明确的物理或语义含义。它是一个高度抽象、将空间、时间与观测上下文压缩为紧凑表征的嵌入空间。其实现依赖于冯·米塞斯-费舍尔（vMF）分布瓶颈，强制嵌入分布在单位超球体上。这一正则化机制在引入随机扰动的同时，保证了嵌入的方向一致性，使语义相似性能够通过向量夹角（余弦相似度或点积）直接度量。借此，AEF实现了高效的数据压缩和稳健的下游任务表现，适用于聚类、变化检测等应用。然而，这种非线性抽象在解释性方面存在一定局限： 64个维度均是多模态与时序信息的高度混合结果，无法直接对应到具体的物理量（如植被指数或雷达后向散射系数等），目前尚难提供直观的物理解释。
在嵌入空间中，数据点的分布和距离解释性有限，常见的做法是选取少数维度（如A01、A16、A09）映射为RGB图像进行可视化，但这种方式只能提供局部和片面的视角，无法呈现完整的64维语义。因此，AEF的嵌入在应用中表现出一定的“黑箱”特征：它能提供高精度的分类和变化检测信息，但研究人员往往无法明确解释或预测背后的环境因子作用程度（如土壤湿度、地表温度或生物量）。
AlphaEarth Foundations 团队在其官方博客[8]中指出，合作伙伴已在真实应用中对该数据集进行了测试。反馈显示，当从AEF的64维嵌入向量中选取3个维度并分别映射为红、绿、蓝三色时，可以直观呈现地球表层的丰富细节。例如，在厄瓜多尔地区，模型能够“穿透”常年存在的云层，清晰展示不同生长阶段的作物地块。这一能力主要归因于 AEF遥感模型在表征层面对多源异构数据的深度融合，尤其是将光学影像与不受云层影响的雷达数据进行联合编码。
然而，这里需要强调的是，在AEF的64维语义空间中，单一维度通常并不具备“直接可解释”的语义，例如“第23维=农田作物”这样的严格对应关系并不存在。更合理的理解方式是：多个维度的组合模式共同承载了复杂语义，包括农作物在不同生长阶段所体现的农情特征。由此引出的挑战在于：测试者并未明确说明，在AEF的64个维度中，究竟应如何选择并组合红、绿、蓝3个通道，才能最优地反映特定农业地块及作物生长状态（可视化）；同时，对于嵌入空间的后验分析技术路径（如何解释维度贡献与语义关联）也尚缺乏系统阐释。
这一困境在归因分析与科学发现中尤为突出。例如，在全球变化研究中，科学家不仅需要回答“地球表层哪里发生了变化”，更需揭示“为什么发生变化”。目前，已有探索性尝试主要通过embedding→物理变量映射→线性探针>分析→可解释AI技术（XAI）来提升嵌入的可解释性，但目前仍处于早期阶段。由此形成一个核心悖论： AEF通过牺牲遥感影像的直观性换取了性能与效率，而这种牺牲也导致了难以进行机理解释和因果推断的后果。

3.2 域迁移与适应性挑战

AEF的嵌入向量是在一个庞大的、但特定分布的数据集上预训练得到的。AEF通过“教师-学生网络”训练范式提升了对缺失和噪声数据的鲁棒性。学生网络在被遮挡或降质的数据上学习，并与教师网络的完整嵌入保持一致，从而增强了对云覆盖等常见缺失场景的适应性。需要强调的是，AEF并不能真正“穿透”云层，而是通过跨模态学习和时序建模对云下地物进行推断。然而，该方法在训练样本分布外的场景（如极端灾害、非线性快速变化的冰盖坍塌过程）中缺乏验证，可能产生不可预测的误差。例如，在北半球温带地区训练的模型，其嵌入向量直接用于处理南极冰盖时，可能无法很好地表征这些地区独特的地表特征。极地不仅存在观测数据稀疏的问题，还面临诸多独特的环境挑战：极昼与极夜下异常的光照条件、极端低温对地表散射特性的影响，以及因卫星轨道受限的覆盖。但是ARF官方博客提到，合作伙伴曾在南极洲这一卫星成像频率极低的区域测试了ARF数据集，成功绘制出一幅较为清晰的复杂地表图像。在此需要指出的是，该实验存在一定的评估盲点。由于AEF的训练数据在极地等特殊区域的覆盖和代表性有限，其在该类场景下的泛化能力仍存在不确定性。尽管模型具备通过内插与外推来弥补遥感观测空白地区的能力，但在面对极地环境中快速、非周期性且剧烈的变化——如冰架的加速崩塌与冰川前沿的急剧消退时——这种推断能否保持稳定的可靠性与准确性，仍是一个尚未得到验证的关键挑战。因此，这方面的能力亟需由极地科学研究团队进一步开展独立评估与验证。

3.3 应用精度优势的独立验证需求

AEF宣称其突破了遥感数据来源分散、格式不一和使用复杂的核心瓶颈，实现了光学、雷达、LiDAR数据及气候模型等多模态数据的统一融合。然而，多源异构数据的整合历来是一项长期挑战，其中尤为突出的是“统计异质性”问题：不同传感器、时间段和地理区域的数据往往具有差异显著的分布和质量。例如，光学影像资源丰富的地区与主要依赖雷达观测的地区，其训练样本分布可能存在根本性偏差。
尽管AEF引入了“教师-学生”训练范式，通过模拟数据缺失提升模型鲁棒性，但其并未明确解释如何消除不同数据源之间的内在偏差。如果这些异质性未能在训练过程中得到有效建模与修正，模型在特定区域或特定任务上可能表现出系统性误差，从而削弱其泛化能力与可靠性。
根据AlphaEarth Foundations团队在技术报告《一种面向稀疏标签数据的全球精准高效制图嵌入场模型》 [2]预印本（第7页）列出的表1内容，其评估数据集涵盖多个地学与环境下游应用，包括土地覆盖、土地利用、作物类型、树种、油棕种植园、蒸散发及地表发射率，既包含分类识别，也涉及回归分析，数据范围既有全球尺度，也覆盖欧洲、撒哈拉以南非洲、加拿大和美国西部等区域。该团队报告称，AEF在这些下游任务中整体表现优于现有方法，平均错误率降低了24%，尤其在标注样本有限的情况下优势更为显著。
然而需要注意的是，这类基准评估通常建立在相对静态和理想化的条件下，而现实应用环境中普遍存在噪声、数据分布漂移以及复杂的局部特征。因此，AEF所展示的“平均性能优势”未必能直接迁移至专业化应用场景，例如作物品种精细分类或灾害损失评估。在上述任务中，基于遥感物理规律的传统方法（如蒸散发反演或地表发射率估算）具备明确的物理机理、可溯源的误差控制，而AEF属于深度神经网络驱动的端到端学习，其64维嵌入向量是高维非线性函数的输出结果，虽强调语义一致性，却缺乏物理过程可解释性，误差传递路径难以追踪，并不可避免地受到数据驱动方法的复杂性与不确定性制约。因此，更为公允的评估框架应当聚焦于AEF的数据效率优势：即在标注稀缺的下游任务中，AEF是否能够以更少的训练数据达到，甚至超越基于物理机理的反演模型的性能水平。
归纳而言，AEF的核心挑战主要体现在3个面：① 嵌入向量的“黑箱”特性限制了科学归因与机理 研究； ② 域迁移与跨场景适应性存在不确定性； ③ 模型宣称的性能优势仍缺乏独立且多场景的验证。这些问题表明，AEF的发展道路并非坦途，但在充分认清局限性的前提下，探讨其应用前景更具现实意义。下文将从下游任务建模和GIS平台集成 2个维度，阐述AEF的64维嵌入向量落地应用。

4 应用前景与平台集成

AEF通过深度学习建模，将光学、SAR、LiDAR 等异构数据映射到统一的64维嵌入空间表征，并在Google Earth Engine（GEE）上以“分析就绪”形式开放。这一机制如同一个数据融合与特征提取引擎，能够将海量对地观测数据转化为紧凑、语义丰富且时序一致的表征。其出现降低了遥感应用的门槛，使下游任务能够在标注稀缺的情况下依然取得优异表现，从而大幅减少特征工程的复杂性与成本。然而，如果AEF的应用仅停留在“潜力与挑战”的讨论层面，其对科学实践与技术落地的推动作用仍然有限。关键在于如何将64维嵌入向量转化为可广泛使用的数据资源，服务于最终用户、科研人员和决策者，推动地球信息科学和相关应用的发展。基于此，本节从以下2个方面展开讨论。

4.1 64维嵌入向量的应用

根据不同任务的应用场景，研究者可以将64维嵌入向量作为输入，结合轻量级机器学习模型完成分类、回归、变化检测和异常检测等多类任务（表3）。相比以往需要复杂特征提取的方式， AEF嵌入向量提供了高度抽象的特征表示，使下游模型在少量标注下即可达到较高精度输出。这种“数据效率优势”尤其适合标注成本高、任务多样化的遥感应用。
表3 面向不同任务的AEF嵌入向量的应用方法

Tab. 3 Application methods of AEF embedding vectors for different tasks

任务类型 适用方法 应用举例 潜在局限
地物分类 64 维嵌入作为输入，训练轻量级分类器（随机森林、SVM、梯度提升机等） 土地覆盖/利用分类、作物类型识别、局地气候区划分 可解释性差；
偏差被下游模型放大
回归分析 构建回归器（线性回归、GBDT、浅层神经网络）预测连续变量 生物量估算、蒸散发、地表温度、碳通量估算 误差归因困难；
物理规律一致性弱
变化检测 计算时序嵌入的余弦/欧氏距离，或训练孪生网络 城市扩张、森林砍伐、灾害评估 语义变化难以直接解释驱动力；
对缓慢演化现象（如植被退化）不敏感
异常检测 利用隔离森林、One-Class SVM 等算法发现异常点 非法采矿监测、突发灾害、植被病虫害 嵌入空间“异常”不一定对应真实地物物理特性异常；
易误判稀有、但正常分布地物
需要注意的是，虽然AEF在基准测试中表现出“平均错误率降低了24%”的优势，但这些评估多在相对理想化的环境中进行，真实应用场景中仍存在挑战。例如，不同地区的训练样本可能存在显著的分布差异（统计异质性），极端事件或新型（人造）地物类型也可能超出模型的学习范围。在这些情况下，模型预测结果可能出现不可控的偏差。因此，未来应建立跨区域、多场景的标准化、透明化的开放评估，对AEF的泛化能力进行更严格的独立验证。

4.2 GIS平台集成与智能数据服务

AEF输出的64维嵌入向量蕴含丰富语义，但其价值只有在与GIS工作流深度耦合后才能充分释放。为此，应将嵌入向量标准化封装为可直接消费的空间数据层（如GeoTIFF、COG，或符合STAC规范的数据集），并在QGIS等开源平台中实现可视化与调用，由此实现从“调用模型”向“调用智能数据”的范式迁移。
在技术层面，上述集成需要解决若干关键问题： ① 时序性保持：如何在静态GIS格式中表达动态演化的嵌入信息； ② 空间一致性：如何在不同分辨率、投影与坐标系统下实现无缝拼接； ③ 计算效率：如何在PB级数据规模下实现快速索引与可视化； ④ 互操作与安全：如何实现跨平台兼容、遵循OGC标准，并保障数据共享的安全性。
在应用层面，AEF嵌入向量作为通用特征层，不仅能支持空间聚类、景观变化检测、碳循环模拟、物种分布预测等生态与环境应用，还能服务于水文监测、灾害评估、土地利用规划、城市扩张建模等动态监测任务。同时，它也具备支撑社会经济应用的潜力等。在CyberGIS与知识图谱环境下，嵌入向量还可通过空间叠加、模式挖掘与因果推断，支撑跨学科复杂问题的综合分析[9]。
从长远看，这一集成不仅扩展了GIS平台的分析维度，更为构建新一代智能空间数据基础设施奠定了基础。未来可通过API服务化接口，基于OGC API与STAC的检索/切片/订阅服务，实现“嵌入即服务”；进一步与遥感知识图谱的耦合，以及跨平台、跨领域的协作机制，实现全球范围内的智能数据共享与调用，推动地理空间智能体系的建设与发展。
AI使用说明：本文述评内容均由作者独立完成，未使用任何生成式人工智能工具。在论文撰写过程中，部分文字翻译与语言润色借助了AI工具，但所有相关内容均经作者审阅和修改，以确保其准确性和学术规范性。
■ 本文图文责任编辑：黄光玉 蒋树芳

利益冲突：Conflicts of Interest 本文作者声明不存在利益冲突。

All authors disclose no relevant conflicts of interest.

注：本文根据2025年8月24日第三届北京交叉科学大会“气候变化与遥感交叉应用”前沿交叉论坛发言内容修改与补充。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
付琨, 卢宛萱, 刘小煜, 等. 遥感基础模型发展综述与未来设想[J]. 遥感学报, 2024, 28(7):1667-1680.

[ Fu K, Lu W X, Liu X Y, et al. A comprehensive survey and assumption of remote sensing foundation modal[J]. National Remote Sensing Bulletin, 2024, 28(7):1667-1680. ] DOI:10.11834/jrs.20233313

[2]
Brown, Christopher F, et al. AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data[EB/OL]. Google Deep Mind, 2025. https://arxiv.org/abs/2507.22291

[3]
EDITORIAL. Towards responsible geospatial foundation models[J]. Nature Machine Intelligence, 2025,7:1189. DOI:10.1038/s42256-025-01106-7

[4]
Klemmer K, Xu H, Jain A, et al. Foundation models for generalist geospatial artificial intelligence[J]. arXiv prep rint, arXiv:2310.18660, 2023. https://arxiv.org/abs/2310.18660

[5]
Xiong Z, Qian J, Xu H, et al. Neural plasticity-inspired multimodal foundation model for Earth observation[J]. arXiv preprint, arXiv:2403.15356, 2024. Available at: https://arxiv.org/abs/2403.15356

[6]
Banerjee A, Dhillon I S, Ghosh J, et al. Clustering on the unit hypersphere using von Mises-Fisher distributions[J]. Journal of Machine Learning Research, 2005,6:1345-1382.

[7]
Mikolov T, et al. Efficient estimation of word represen- tations in vector space[J]. arXiv preprint arXiv:1301.3 78 1, 2013.

[8]
The AlphaEarth Foundations team. AlphaEarth Foundations helps map our planet in unprecedented detail[EB/OL]. Google DeepMind, 2025-07-30. https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/

[9]
Reichstein M, Camps-Valls G, Stevens B, et al. Deep learning and process understanding for data-driven Earth system science[J]. Nature, 2019, 566(7743):195-204.

Options
文章导航

/

〈 〉