美國非營利研究機構艾倫人工智慧研究所（Ai2）在 2026 年 10 月 22 日發布衛星嵌入模型 OlmoEarth v1.3。這次一起公開的有三樣東西：OlmoEarth v1.3 Base 模型、預先算好的全球年度嵌入資料，以及不用登入就能使用的網頁工具 OlmoEarth Embeddings Explorer。模型權重、預訓練資料和程式碼都公開，採用 OlmoEarth Artifact License。

衛星嵌入是什麼

衛星每隔幾天就會拍下同一個地方，一年下來累積大量影像。要從中判斷一塊地是稻田、森林還是礦區，過去通常要針對每個任務另外訓練模型，還要下載和儲存大量影像，並使用 GPU 運算。

同一地區不同地表類型的衛星影像
同一地區不同地表類型的衛星影像（AI 生成示意圖）

嵌入（embedding）的做法是先用一個大型模型把這些影像「讀過一遍」，再把每個位置一整年的特徵壓縮成一串數字。OlmoEarth v1.3 讀取一整年的 Sentinel-1 雷達影像和 Sentinel-2、Landsat 多光譜影像，為地球上每一個 10 公尺見方的像素產生一組 128 個數字的向量；前 64 個數字也可以單獨當作較小的版本使用。模型架構是視覺 Transformer 讀取衛星資料，再由 Attention Pooler 匯整成每塊土地一個向量，最後由線性層壓縮成 128 個數字。

可以把這組數字想成一塊土地的「特徵摘要」。地表狀況相似的地方，向量也會相近；同一個地方的向量在不同年份差很多，代表地表有變化。有了全球現成的嵌入，製作作物圖、土地覆蓋圖或變化分析，就變成在上面訓練一個小型分類器、在自己電腦上執行的輕量工作。

資料範圍和評比結果

嵌入資料放在 Source Cooperative 平台，解析度 10 公尺，每年約 150 TB，涵蓋陸地和鄰近海岸水域。發布時 2023、2024、2025 年為全球範圍，2017 至 2022 年只涵蓋部分國家。每個 20 公里圖塊和年份都附有來源表，列出模型讀取的 Sentinel-1、Sentinel-2 和 Landsat 影像，可以追溯每個像素背後用了哪些原始影像。

衛星資料的處理運算
衛星資料的處理運算（AI 生成示意圖）

Ai2 拿 OlmoEarth v1.3 和 Google DeepMind 的 AlphaEarth Foundations、Tessera v2 比較，共 27 項評測，涵蓋六大洲和多種任務。128 維版本在 20 項拿到最高分，64 維版本在 18 項領先。Ai2 也提出新的熱帶作物分類基準 PLANTEUR。訓練成本方面，v1.3 的運算時間是 v1.2 的 53%、v1 的 18%，碳排放是兩者的 50% 和 22%；Ai2 估計重現最終一次 Base 模型預訓練，約需 2,720 美元的 H100 租用費。

Ai2 舉的應用例子包括肯亞小農作物分類、孟加拉達卡西邊的磚窯偵測、印尼火災損害評估，以及秘魯亞馬遜的金礦開採追蹤。

用嵌入看土地變化：秘魯金礦區

秘魯馬德雷德迪奧斯（Madre de Dios）地區 La Pampa 一帶的非法金礦開採在 2017、2018 年達到高峰。依亞馬遜保育組織 MAAP 監測計畫的資料，坦博帕塔國家保護區（Tambopata National Reserve）緩衝區有超過 1,200 公頃森林被清除。2019 年 2 月，秘魯政府的「Mercurio 行動」關閉了大部分礦區。

亞馬遜雨林中的礦區地表變化
亞馬遜雨林中的礦區地表變化（AI 生成示意圖）

Ai2 的做法是比較每個像素在不同年份的向量差異，不需要另外訓練模型。2017 到 2020 年的比較顯示礦區往東南擴張；2020 到 2025 年的比較中，東南角趨於平靜，變化轉到西側的舊礦區，一部分是植被恢復，一部分是重新開挖。美聯社在 2026 年 8 月報導，檢方發現採礦已越界進入保護區本身，秘魯因此再派海軍巡邏。

Embeddings Explorer 把嵌入畫成全球假色地圖，可以切換年份看變化、叫出 Sentinel-2 影像對照實景、點一個地方找相似地點，或標幾個點當場訓練小型分類器，再把結果匯出成 GeoTIFF，全程不需要 GPU。

森林碳匯監測可以怎麼用

依政府間氣候變遷專門委員會（IPCC）國家溫室氣體清冊指南，土地部門的排放和移除，基本上是用「活動數據」乘上「係數」估算：活動數據是各類土地的面積和變化，例如森林轉為礦區或農地的面積；係數是每公頃碳量的變化。

森林樣區調查與碳匯監測
森林樣區調查與碳匯監測（AI 生成示意圖）

嵌入資料能協助的是活動數據這一側。用少量標記點訓練分類器，就能逐年畫出森林範圍，比較不同年份找出森林減少或恢復的位置和面積。每公頃的碳量則要靠地面樣區調查或其他資料估算，嵌入本身不含碳量數字。另外，2017 至 2022 年的嵌入只涵蓋部分國家，做長期比較前要先確認目標地區有沒有資料。

同樣的分析也開始進入商用 GIS 軟體。Esri 在 2026 年 5 月推出的 ArcGIS Pro 3.7，GeoAI 工具箱新增「Embeddings Based Analysis」工具組，包括 Generate Embeddings Using AI Models、Find Similar Features Using Embeddings、Merge Embeddings 和 Extract Embeddings To Fields，可以用嵌入做相似地點搜尋。

臺灣可以參考的方向

  • 先用 Explorer 試看臺灣的地表變化：2023 至 2025 年為全球範圍，可以直接檢視臺灣近三年的土地變化，例如山坡地開發或光電場址，評估是否值得進一步分析。
  • 和既有調查資料搭配：國土利用現況調查、森林資源調查等既有資料可以當作訓練分類器的標記，嵌入負責擴大到全區和逐年比較。
  • 用在碳權專案的監測與查證：森林類碳權專案需要定期確認森林範圍有沒有變化，嵌入和來源表可以提供可追溯的衛星證據，相關做法可參考本站〈數位 MRV 讓碳權更快交付？買方先問資料、查證與責任〉。
  • 注意授權條件：資料採用 OlmoEarth Artifact License，用於商業服務前要先確認授權內容。

資料來源