Google DeepMindのAlphaEarth Foundationsは、多様な衛星観測データを統合した地球の埋め込み表現を作る基盤モデルで、2025年7月に技術報告が公表された。土地被覆や作物の分類といった地図作成タスクで、少ない教師データでも高い精度が得られたと報告されている。衛星データの利用を『画像ごとに解析する』形から『基盤表現を使い回す』形へ変える試みである。

AlphaEarth Foundationsとは：衛星データの埋め込み基盤

仕組みは、異なる時期・異なるセンサーで撮られた衛星画像や関連データを、場所ごとの特徴ベクトル（埋め込み）に変換し、年単位で提供するものである。利用者はこの表現の上に軽い分類器を載せるだけで、森林変化の検出や土地利用の分類といった課題に取り組める。開発側は、従来手法と比べた精度の改善や、必要データ量の削減を複数のベンチマークで報告した。数値は2025年の技術報告に基づく評価条件での結果である。

報告された性能：少ない教師データでの地図作成

意義は、地球観測の専門人材が少ない地域や組織でも、衛星データ活用の入口が下がる点にある。農地管理、森林監視、都市変化の把握といった応用は、日本の自治体や事業者にも関係する。一方で、埋め込みは学習データの地域や時期に依存し、日本の地形や農地のような細かい区画での精度は、現地の検証データ（グラウンドトゥルース）なしには保証できない。

地球観測AIの論点：更新頻度と地上検証の重要性

また、基盤モデルへの依存は供給側の仕様変更や提供形態に左右されるリスクも伴う。公共性の高い用途では、公開データと自前の検証を組み合わせ、モデル更新時の再検証手順を用意することが実務上の備えになる。研究者にとっては、埋め込み表現の解釈可能性や、異なる基盤モデル間の比較評価が今後の論点である。

地理空間データを扱う担当者は、小規模な検証から始める材料にできる。研究者は埋め込みの汎化範囲を自地域データで確かめる姿勢が重要である。性能値は報告のベンチマーク条件に依存する点に留意したい。

あわせて読みたい

「ディープテックの領域地図：バイオ・宇宙・素材・エネルギーの違い」 https://seed.aohalab.ai/#/article/22

「海外の支援モデルから学ぶ：エコシステムの作り方」 https://seed.aohalab.ai/#/article/9

出典：Google DeepMind発表「AlphaEarth Foundations」（2025年7月） https://deepmind.google/discover/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/

本記事で紹介した内容は2026年11月時点の公表情報に基づきます。最新の内容は出典の一次情報をご確認ください。