تنها با چند خط کد پایتون، اکنون می‌توان منطقه‌ای از جنگل‌های مانگرو در ویتنام را تنها با ۶۰ پیکسل برچسب‌دار شناسایی کرد. OlmoEarth Studio، پلتفرم تخصصی ساخت مدل‌های مشاهده زمین، قابلیتی را معرفی کرده است که به کاربران اجازه می‌دهد بردار معنایی (Embedding) — شبیه به یک کارت معرفی عددی برای هر واژه یا تصویر که می‌گوید این مورد «همسایه‌ی» چه چیزهای دیگری است — را از مدل‌های بنیادی متن‌باز خود استخراج کنند و آن‌ها را صادر نمایند.
این بردارها در واقع نمایش‌های عددی فشرده‌ای از سطح سیاره هستند. طبق مستندات این پروژه، مکان‌هایی با ویژگی‌های سطحی مشابه، بردارهای مشابهی تولید می‌کنند و مناظر متفاوت در فضای برداری از هم فاصله می‌گیرند. از آنجا که کد منبع و وزن‌های باز (Open Weights) — یعنی «دستور پخت» مدل که علناً منتشر شده — در کنار مقاله پژوهشی در دسترس است، جامعه علمی می‌تواند دقیقاً بررسی کند که این بردارها چگونه تولید می‌شوند و مکانیسم تولید آن‌ها چیست.
مشاهده زمین به‌طور سنتی برای وظایفی مثل طبقه‌بندی محصولات کشاورزی یا ردیابی جنگل‌زدایی، به مجموعه‌های عظیم داده‌های برچسب‌دار وابسته بود تا مدل‌ها برای هر وظیفه خاص آموزش ببینند؛ فرآیندی که بسیار کند و هزینه‌بر است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدل‌های بنیادی اشاره کردیم، رویکرد جدید OlmoEarth این بار بارِ پردازش را به مرحله پیش‌آموزش (Pretraining) منتقل کرده است تا ویژگی‌های «منجمد» (Frozen) ارائه دهد که پیش از این تفاوت‌های اکولوژیک را درک کرده‌اند. این رویکرد در واقع تکامل همان سازوکارهای تحلیل سریع داده‌های حجیم ماهواره‌ای است که پیش‌تر در بررسی‌های ما مورد تحلیل قرار گرفت.
تصور کنید برای هر پیکسل روی زمین یک اثر انگشت دیجیتال داشته باشید. به‌جای اینکه از ابتدا به مدل یاد بدهید «جنگل» چیست، از این اثر انگشت‌های پیش‌محاسبه‌شده استفاده می‌کنید تا هر چیزی را که شبیه به یک پیکسل جنگلی شناخته‌شده است، پیدا کنید. این روش، یادگیری ماشین پیچیده را به هندسه‌ی ساده تبدیل می‌کند. بردارها به عنوان یک نقطه ورود سریع و مقرون‌به‌صرفه برای بهره‌برداری از OlmoEarth عمل می‌کنند و از وظایفی مانند جست‌وجوی شباهت تا قطعه‌بندی و اکتشاف بدون نظارت را پشتیبانی می‌کنند.
مشخصات فنی و استخراج
کاربران می‌توانند تنظیمات استخراج بردارها را از طریق رابط کاربری (UI) استودیو یا API انجام دهند. این سامانه به‌طور خودکار بر اساس منطقه مورد نظر کاربر (Area of Interest)، فرآیند دریافت تصاویر و تکه‌تکه کردن (Tiling) آن‌ها را مدیریت می‌کند. برای ایجاد تعادل بین عملکرد و هزینه محاسبات، سه مدل رمزگذار (Encoder) ارائه شده است:
- Nano: بردارهای ۱۲۸-بعدی با ۱.۴ میلیون پارامتر.
- Tiny: بردارهای ۱۹۲-بعدی با ۶.۲ میلیون پارامتر.
- Base: بردارهای ۷۶۸-بعدی با ۸۹ میلیون پارامتر.
جزئیات پیکربندی
برای شخصی‌سازی خروجی و متناسب کردن آن با نیازهای پروژه، کاربران می‌توانند پارامترهای کلیدی زیر را در جریان کاری استودیو تنظیم کنند:
- بازه زمانی: کاربران می‌توانند بین ۱ تا ۱۲ دوره ماهانه انتخاب کنند. این قابلیت اجازه می‌دهد تا به‌جای استفاده از عکس‌های سالانه، بردارهای ماهانه تولید شوند تا دینامیک‌های فصلی زمین به‌طور دقیق ثبت گردند.
- تفکیک مکانی: گزینه‌های ۱۰ متر، ۲۰ متر، ۴۰ متر یا ۸۰ متر برای هر پیکسل در دسترس است.
- منابع تصویری: مدل می‌تواند از تصاویر Sentinel-2 L2A، داده‌های Sentinel-1 RTC یا ترکیبی از هر دو منبع استفاده کند.
قالب داده و ذخیره‌سازی
خروجی‌های نهایی در قالب Cloud-Optimized GeoTIFFs (COGs) هستند که سبک بوده و به‌راحتی به اشتراک گذاشته می‌شوند. استودیو یک فایل COG تحویل می‌دهد که برای هر بُعد از بردار، یک باند (Band) مجزا دارد.
برای بهینه‌سازی فضای ذخیره‌سازی، بردارها به‌صورت اعداد صحیح ۸-بیتی علامت‌دار (int8) ذخیره می‌شوند. مقادیر بین ۱۲۷- تا ۱۲۷+ متغیر هستند و مقدار ۱۲۸- برای داده‌های خالی (nodata) رزرو شده است. کاربران می‌توانند با استفاده از تابع dequantize_embeddings که در کتابخانه olmoearth_pretrain موجود است، این مقادیر را به بردارهای اعشاری (floating-point) بازگردانند. از آنجا که همه چیز بر اساس تقاضا (on demand) محاسبه می‌شود، بردارها دقیقاً بازتاب‌دهنده شرایط و بازه‌های زمانی مورد نظر کاربر هستند.
کاربردهای عملی
جست‌وجوی شباهت به کاربران اجازه می‌دهد یک پیکسل پرس‌وجو (Query Pixel) را انتخاب کرده و با محاسبه شباهت کسینوسی نسبت به تمام پیکسل‌های دیگر، یک نقشه حرارتی (Heatmap) از مناظر مشابه تولید کنند. در یک آزمایش در کالیفرنیا نزدیک مرکز شهری Merced، مدل توانست بدون هیچ برچسبی، بافت شهری و کریدورهای جاده‌ای را از قطعات کشاورزی تشخیص دهد.
وقتی هدف روی یک پنجره کوچک کشاورزی تنظیم شد، بردار پرس‌وجو به عنوان میانگین بردارهای موجود در آن پنجره تعریف گردید. نتایج نشان داد که مشابه‌ترین نقاط (با ضریب ۰.۸۹ و بالاتر) همگی قطعات کشاورزی با مزارع آبیاری‌شده بودند. در مقابل، نقاط با کمترین شباهت (نزدیک به صفر)، شامل یک فرودگاه با زمین لخت، یک مخزن آب با زمین خشک و مراتع خشک بودند. تمام این‌ها بدون نیاز به داده‌های آموزشی و تنها با یک ضرب داخلی (Dot Product) ساده در فضای برداری رخ داد.
قدرت این نمایش‌ها در «قطعه‌بندی با نمونه اندک» (Few-shot segmentation) مشهود است. با برچسب‌گذاری تنها ۶۰ پیکسل (۲۰ پیکسل برای هر کلاس) برای مانگروها، آب و سایر انواع زمین در منطقه Ca Mau ویتنام، یک طبقه‌بندی‌کننده خطی ساده به امتیاز F1 (F1 Score) وزنی ۰.۸۴ رسید. این رویکرد در کنار تکنیک‌های تبدیل زبان طبیعی به مختصات مکانی، افق‌های جدیدی را برای اتوماسیون قطعه‌بندی تصاویر ماهواره‌ای می‌گشاید.
پژوهشگران با استفاده از ESA WorldCover 2021 به عنوان منبع برچسب، یک رگرسیون لجستیک با استانداردسازی هر ویژگی را آموزش دادند. آن‌ها دریافتند که طبقه‌بندی‌کننده به‌سرعت به اشباع می‌رسد: افزایش برچسب‌ها از ۳۰ به ۳۰۰ مورد، دقت مدل را به‌سختی تغییر داد، زیرا بردارها بخش سخت کار (Heavy Lifting) را انجام داده بودند. این کاوش خطی (Linear Probe) تایید می‌کند که رمزگذار Tiny تفاوت‌های اکولوژیک را در طول مرحله پیش‌آموزش سازماندهی کرده است.
تشخیص تغییرات نیز با مقایسه بردارهای دو بازه زمانی مختلف مدیریت می‌شود. با اندازه‌گیری فاصله کسینوسی پیکسل-به-پیکسل بین بردارهای ماهانه Sentinel-2 از سپتامبر ۲۰۲۳ و سپتامبر ۲۰۲۴ در شهرستان Butte کالیفرنیا، آثار سوختگی ناشی از آتش‌سوزی Park Fire (جولای تا سپتامبر ۲۰۲۴) به‌طور فوری و بدون نیاز به برچسب شناسایی شد. این فرآیند تنها به دو فایل COG برداری و چند خط کد پایتون نیاز دارد.
برای اکتشاف بدون نظارت، کاربران می‌توانند از تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد بردارها به سه بعد استفاده کنند. این کار داده‌ها را به رنگ‌های RGB تبدیل می‌کند و ساختار منظر را آشکار می‌سازد. در منطقه Flevoland هلند، که یک منظر reclaimed polder است، این روش توانست شبکه منظم قطعات کشاورزی را با دقت بالا بازسازی کند. انواع مختلف محصولات، بدنه های آبی و مناطق شهری هر کدام رنگ‌های متمایزی دریافت کردند، که ثابت می‌کند مدل ساختار منظر را بدون اینکه به او گفته شود «قطعه زمین» یا «محصول» چیست، درونی کرده است.
فراتر از بردارهای منجمد
اگرچه بردارهای منجمد سریع و ارزان هستند، اما سقف توانایی مدل نیستند. برای کاربردهایی که نیاز به دقت حداکثری دارند، OlmoEarth Studio از تنظیم نظارت‌شده (SFT) پشتیبانی می‌کند. این قابلیت به کاربران اجازه می‌دهد تا یک «سرِ مدل» (Model Head) مخصوص برای یک وظیفه خاص را روی برچسب‌های خودشان آموزش دهند، که معمولاً عملکرد بهتری نسبت به کاوش‌های خطی روی ویژگی‌های منجمد دارد. این دقت در استخراج جزئیات، مشابه رویکردهای GeoAI در تبدیل تصاویر NAIP به چندضلعی‌های دقیق ساختمان است که بر روی استخراج دقیق هندسی تمرکز دارند.
محدودیت‌ها و منابع داده
عملکرد مدل به‌شدت به کیفیت تصاویر ورودی وابسته است. پوشش ابری مداوم، مصنوعات اتمسفری یا نبود مشاهدات در بازه زمانی ترکیب‌شده (Composite Period) می‌تواند بر بردارهای نهایی اثر بگذارد. کاربران تشویق می‌شوند تا کیفیت بردارها را برای مورد خاص خود با استفاده از تکنیک‌های ذکر شده بررسی کنند.
منابع داده برای این مدل‌ها شامل تصاویر Sentinel-2 L2A از آژانس فضایی اروپا (که از طریق Microsoft Planetary Computer دسترسی یافته) و ESA WorldCover 2021 v200 برای مرجع مانگروها است. برای بصری‌سازی خوشه‌بندی جهانی، تیم از OlmoEarth-v1-Base (۷۶۸-بعدی) با ترکیب‌های فصلی Sentinel-2 در اندازه پچ ۸ استفاده کرد و از بردارهای سطح نمونه (Instance-level) روی ۱.۱ میلیون نمونه پیش‌آموزش بهره برد.
این چرخش به سمت بردارهای مدل‌های بنیادی به این معناست که تحلیلگران ژئوسپاسیال دیگر نیازی ندارند متخصص یادگیری عمیق باشند تا نقشه‌هایی با دقت بالا بسازند. پیچیدگی‌ها در وزن‌های مدل نهفته است و کاربر تنها با داده‌های رستر استاندارد در ابزارهایی مثل QGIS، GDAL یا rasterio سروکار دارد. برای کسانی که می‌خواهند این قابلیت‌ها را بدون نصب محلی تست کنند، تیم یک نوت‌بوک Colab و یک آموزش کامل بردارها شامل کدهای آماده برای جست‌وجوی شباهت، قطعه‌بندی Few-shot، تشخیص تغییرات و بصری‌سازی PCA ارائه داده است.
گام بعدی شما
- اگر تحلیلگر داده‌های ماهواره‌ای هستید، نوت‌بوک Colab تیم OlmoEarth را برای تست رایگان جست‌وجوی شباهت امتحان کنید.
- برای پروژه‌های محیط‌زیستی، به‌جای جمع‌آوری هزاران برچسب، ابتدا با مدل Tiny و تعداد کمی نمونه (Few-shot) پیش‌رونده شوید.
- خروجی‌های COG را در نرم‌افزار QGIS بارگذاری کنید تا توزیع بردارها در منطقه مورد نظرتان بصری کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو