Итак, опрос выше показал, что вам ни страшны ни платная подписка на google earth, ни доступ через ВПН, поэтому вот первый пост о разработках Google 🚀

Еще в 2025 году Google выпустил SATELLITE EMBEDDING, но сделал их удобными для использования только в 2026. Поэтому и я смогла оценить их возможности тоже только в 2026:)

🛰 Что это такое

Если коротко, satellite embedding - это числовое представление информации со спутника о конкретном участке. То есть Google за вас проанализировал спутниковые снимки и представил результат в виде вектора из 64 чисел. Причем сделал это на масштабе 10*10 метров, на каждый год начиная с 2017 года по всему миру 🌍. Вот оригинальная статья, если нужны детали

🤔 Зачем это нужно

Извлечь ценность, глядя на цифры для одного квадрата 10*10 метров невозможно. Пользу можно получить только, либо сравнивая их между собой, либо с другими данными, например land use 🗺.

Полный список кейсов тут, ниже про те, что потестировала сама

📈 Обнаружение изменений за последние годы. Например, можно обнаружить вырубку леса, или постройку нового района.

Личная оценка: 5/5. Работает хорошо, есть ощущение, что даже слишком🙈 - кажется, удалось поймать появление военной базы, которая затерта на карте))
На картинке к посту районы активной застройки в Абу-Даби

🔍 Поиск похожих. Не имея статистических данных, можно с помощью embeddings найти локации похожие ( со спутника!) друг на друга (угол между их векторами будет стремиться к 0)

Личная оценка - 3/5: подходит для крупной классификации: парк, индустриальная зона, жилая многоэтажная застройка и тд. Разделить спальные районы по уровню дохода или по морфотипам не получилось - так, что внутри города использовать бы не стала.

📊 Классификация территорий.
Похоже на предыдущий кейс. Только есть второй датасет с разметкой. И тогда сначала маркируются эмбеддинги на размеченной территории, затем на них обучается модель и применяется к оставшейся выборке.

Личная оценка 4/5: зависит от качества разметки. Лучше размечать участки, а не точки- точность на квадрат выйдет лучше.

💡 Инсайты использования

1️⃣ Для доступа к эмбединг нужен аккаунт на Google Earth Engine (GEE). Загружать легко - через библиотеку GEE в python и пару строк предложенных AI . Для ресеча использование бесплатное, если для работы - тарифицируется через Google Cloud (на практике выходит порядка 0.1$ на 100 км2) 💰.

2️⃣ Оригинальное разрешение 10*10 очень тяжелое и падает с ошибкой на площади больше 100км. Для поиска крупных строек я агрегировала до 100*100m (так же доступно через библиотеку GEE) и все загружалось 🏗.

3️⃣ Вот тут хороший пример оценки изменений ( с кодом) внутри города с помощью embeddings


И последние google не единственный, кто сделал embeddings, например есть еще Tessera. Но они единственные, кто хранят их на весь мир, а считать их самим - вычислительно дорого.