Ảnh Bìa tạo bởi Nano Banana Pro

Cuối tuần ngồi vọc bộ dữ liệu vệ tinh (Satellite Embedding) mà AlphaEarth Foundations vừa công bố.

Những loại ảnh vệ tinh độ phân giải cao truyền thống (như ảnh từ Landsat hay Sentinel-2) dù sắc nét, nhưng có nhiều hạn chế khi dùng để phân tích bề mặt địa chất. Chúng vừa thâm dụng bộ nhớ vì kích thước lớn, vừa cần nhiều thao tác xử lý ảnh cầu kỳ trước khi sử dụng.

Google DeepMind dùng mô hình học sâu (trí tuệ nhân tạo) để tự động trích xuất, liên kết dữ liệu từ hàng triệu gigabyte ảnh vệ tinh toàn cầu, rồi cô đọng những gì học được vào một bộ vectơ số. Mỗi vectơ gồm 64 chiều thể hiện thông tin cho một ô 10x10 mét bề mặt Trái Đất. Mô hình AlphaEarth ghi nhận được cả những thay đổi quang phổ rất nhỏ của hồng ngoại sóng gần và hồng ngoại nhiệt giúp “nhìn thấu”: kết cấu, độ ẩm, phát xạ nhiệt, hay chất liệu của bề mặt.

Thử hình dung, khi nhìn một bức ảnh chụp sân cỏ, bạn chỉ nhìn thấy một mảng xanh rì. Bộ vectơ AlphaEarth có thể nói cho chúng ta biết mảng cỏ đó ẩm ướt hay khô héo. Hoặc khi nhìn một bức ảnh chụp từ trên cao của thành phố, bạn chỉ thấy những mái nhà màu sậm nằm san sát nhau. Bộ vectơ AlphaEarth có thể nói cho chúng ta biết mái nhà màu tối đó là mái lợp bằng tấm nhựa đường hay tấm tôn.

Mình đã thử khoảng 20 kiểu phân tích khác nhau, với dữ liệu giai đoạn 2018-2024 của thành phố Hat Yai, tỉnh Songkla, Thái Lan. Khu vực này vừa trải qua đợt mưa lũ nặng nhất trong 300 năm, với lượng mưa kỷ lục 335mm trong một ngày.

Mình chỉ vọc vạch bằng các phương pháp phân loại đơn giản như K-Means hay PCA, trên chiếc laptop cà tàng 10 năm tuổi, để có cảm quan về chất lượng thông tin của AlphaEarth. Những bản đồ này không dùng để đưa ra những kết luận có độ tin cậy cao.

	Google Maps thường hiển thị bản đồ bằng phép chiếu Web Mercator để các mảnh ghép khớp nhau và dễ nhìn. Nhưng phép chiếu này làm biến dạng hình dạng và kích thước, đặc biệt ở các khu vực xa xích đạo.

Hệ thống thoát nước địa phương. Nước tự nhiên thường chảy đi đâu và ứ đọng lại ở đâu.	Khả năng tái tạo mạch nước ngầm của thành phố. Những nơi mới bị bê tông hoá sẽ mất khả năng thấm hút nước, buộc hệ thống thuỷ văn phải chuyển từ bổ sung nước ngầm tự nhiên sang ứng phó với dòng chảy bề mặt khi có mưa.

Đặc điểm di chuyển của cư dân (đi học, đi làm, về nhà). Không cần khảo sát, hay định vị GPS.	Theo vết hàng hoá khô số lượng lớn. Những nơi tập kết hàng và loại chất liệu của chúng: rừng cao su, mỏ khoáng sản, kho công nghiệp,…

Các tấm pin mặt trời được lắp đặt ở đâu, và có ảnh hưởng gì đến đặc tính di chuyển của cư dân địa phương. Các tấm pin lắp trên mặt đất, thay vì mái nhà sẽ thay đổi cách cư dân di chuyển.	Mô phỏng thể tích nước chảy tràn bề mặt khi hứng chịu lượng mưa 335mm một ngày. Lượng nước đó chủ yếu đến từ khu vực nào trong thành phố.