🌍 AlphaEarth revoluciona la cartografía del planeta

Google ha presentado AlphaEarth Foundations, un modelo de inteligencia artificial que promete transformar por completo la forma en que observamos, analizamos y cartografiamos el planeta. Este desarrollo, creado por Google DeepMind junto a Google Earth, no es una herramienta más de visualización: es un verdadero satélite virtual capaz de integrar petabytes de datos de observación terrestre en una única representación digital unificada.

En MappingGIS analizamos qué es AlphaEarth, en qué se diferencia de herramientas tan conocidas como Google Maps o Google Earth Engine, y cómo puedes comenzar a utilizar su información desde cero.

Qué es AlphaEarth y por qué es tan innovador

Cada día, los satélites recogen cantidades ingentes de datos: imágenes ópticas, radar, modelos 3D, simulaciones climáticas… Sin embargo, estos datos están distribuidos entre múltiples sensores y presentan coberturas irregulares, resoluciones diferentes y niveles de calidad variables. Esto ha dificultado tradicionalmente la integración y el análisis a gran escala.

AlphaEarth da un paso adelante:

• Unifica datos de decenas de satélites y sensores. Integra imágenes ópticas, radar, LiDAR, modelos climáticos y más, generando una representación coherente para cada punto de la superficie terrestre y aguas costeras.
• Divide el planeta en píxeles de 10×10 metros. Cada celda contiene una incrustación (embedding) de 64 dimensiones, una especie de resumen matemático que almacena toda la información relevante de ese lugar.
• Reduce el tamaño de los datos. Sus embeddings ocupan 16 veces menos que los generados por otros modelos de IA, lo que hace viable el análisis planetario continuo.
• Se comporta como un “satélite virtual”. Comprende patrones espaciales y temporales sin depender de un único sensor o de condiciones atmosféricas concretas.

El resultado: mapas más precisos, rápidos de generar y consistentes a lo largo del tiempo.

En qué se diferencia AlphaEarth de Google Earth Engine (GEE)

Aunque ambos pertenecen al ecosistema Google, sus objetivos son completamente distintos:

Google Earth Engine

• Plataforma cloud para análisis satelital.
• Acceso a catálogos masivos de imágenes: Landsat, Sentinel, MODIS, etc.
• Potente para clasificación, procesado y análisis temporal.
• Requiere aportar tus propios algoritmos o modelos.

AlphaEarth + Earth Engine

• AlphaEarth no sustituye a GEE: lo potencia.
• GEE incorpora un nuevo dataset: Satellite Embeddings, generado por AlphaEarth.
• Estas incrustaciones permiten:
  • Clasificaciones con menos datos de entrenamiento.
  • Mapas más coherentes entre regiones.
  • Análisis más rápidos.
  • Mejor rendimiento en áreas con nubosidad crónica (ej. Amazonia, Indonesia, Ecuador).

En otras palabras:

📌 Earth Engine aporta el entorno; AlphaEarth aporta la inteligencia.

Qué se puede hacer con AlphaEarth hoy

Aunque el modelo completo no es directamente descargable, Google ha liberado sus embeddings anuales dentro de Earth Engine.

Ya existen casos reales de uso:

🔹 Clasificación de ecosistemas no cartografiados

El Global Ecosystem Atlas utiliza AlphaEarth para identificar ecosistemas complejos como:

• matorrales costeros,
• desiertos hiperáridos,
• tundras y humedales remotos.

🔹 Monitoreo agrícola y ambiental en Brasil

MapBiomas lo emplea para:

• detectar cambios en cultivos,
• medir deforestación,
• identificar degradación de ecosistemas.

🔹 Investigación forestal y cambio global

Universidades y centros como:

• Harvard Forest,
• Universidad de Stanford,
• FAO, están usando AlphaEarth para mejorar la precisión y la velocidad en la creación de mapas temáticos.

Cómo comenzar a trabajar con AlphaEarth desde cero

AlphaEarth aún no es una herramienta independiente, se puede usar a través de Google Earth Engine. Estos son los pasos básicos:

1. Crear una cuenta en Google Earth Engine

Accede a: https://earthengine.google.com/ y solicita acceso (es gratuito para investigación, instituciones y usuarios educativos).

2. Cargar el dataset de AlphaEarth

Puedes hacer clic en este enlace para acceder al dataset liberado. Al hacer clic se abrirá la descripción del conjunto de datos:

Y haciendo clic sobre el fragmento de Earth Engine, se abrirá el editor con el script:

// Load collection.
var dataset = ee.ImageCollection('GOOGLE/SATELLITE_EMBEDDING/V1/ANNUAL');

// Point of interest.
var point = ee.Geometry.Point(-121.8036, 39.0372);

// Get embedding images for two years.
var image1 = dataset
      .filterDate('2023-01-01', '2024-01-01')
      .filterBounds(point)
      .first();

var image2 = dataset
      .filterDate('2024-01-01', '2025-01-01')
      .filterBounds(point)
      .first();

// Visualize three axes of the embedding space as an RGB.
var visParams = {min: -0.3, max: 0.3, bands: ['A01', 'A16', 'A09']};

Map.addLayer(image1, visParams, '2023 embeddings');
Map.addLayer(image2, visParams, '2024 embeddings');

// Calculate dot product as a measure of similarity between embedding vectors.
// Note for vectors with a magnitude of 1, this simplifies to the cosine of the
// angle between embedding vectors.
var dotProd = image1
    .multiply(image2)
    .reduce(ee.Reducer.sum());

// Add dot product to the map.
Map.addLayer(
  dotProd,
  {min: 0, max: 1, palette: ['white', 'black']},
  'Similarity between years (brighter = less similar)'
);

Map.centerObject(point, 12);
Map.setOptions('SATELLITE');

Esto genera una visualización en falso color usando 3 de las 64 dimensiones disponibles:

Este script compara las representaciones generadas por IA (embeddings satelitales) en un punto concreto de los Estados Unidos entre dos años consecutivos (2023 y 2024). Además, visualiza esas representaciones y calcula la similitud entre ellas. En esta visualización, los colores más claros indican menos similitud.

3. Comenzar a realizar análisis

Puedes usar los embeddings como entrada para:

• Clasificación supervisada (con menos muestras). Al ser una representación unificada, los modelos requieren menos datos etiquetados.
• Detección de cambios. Comparando embeddings anuales.
• Identificación de patrones ambientales. Bosques, cultivos, agua, zonas urbanas…
• Análisis en zonas con nubosidad persistente. AlphaEarth “ve” más allá de las limitaciones de sensores individuales.

Conclusión

AlphaEarth marca un antes y un después en el análisis geoespacial. No es un visor, no es un mapa, y no pretende competir con Google Maps. Es una nueva base científica diseñada para comprender la Tierra con una precisión y eficiencia sin precedentes.

Su combinación con Google Earth Engine abre la puerta a:

• cartografías más rápidas,
• clasificaciones más exactas,
• análisis planetarios coherentes,
• y decisiones más informadas para agricultura, gestión forestal, cambio climático y conservación.

En MappingGIS seguiremos de cerca su evolución y publicaremos guías, tutoriales y análisis para que puedas sacar el máximo partido a esta nueva tecnología.