AlphaEarth: Embedding‑Dimensionen enthüllen hierarchische Landbedeckung

Geografische Foundation‑Modelle wie AlphaEarth erzeugen hochdimensionale Einbettungen, die zwar hervorragende Vorhersagen liefern, deren interne Struktur jedoch lange Zeit im Dunkeln blieb. Ein neues Forschungsprojekt hat dieses Rätsel endlich zu lösen begonnen.

Die Autoren stellen ein funktionales Interpretationsframework vor, das die Rolle einzelner Embedding‑Dimensionen aus dem Klassifikationsverhalten herausliest. Durch umfangreiche Experimente und eine strukturierte Analyse der Beziehungen zwischen Embedding‑ und Klassifikationsmerkmalen – unter Einsatz von Feature‑Importance‑Mustern und schrittweiser Ablation – wird die interne Organisation des Modells sichtbar.

Die Ergebnisse zeigen, dass die Dimensionen konsistente, aber nicht einheitliche Funktionsweisen aufweisen. Sie lassen sich in einen hierarchischen Funktionsspektrum einordnen: Spezialist‑Dimensionen, die spezifische Landbedeckungsklassen repräsentieren; niedrig- und mittel‑Generalisten, die gemeinsame Merkmale zwischen Klassen erfassen; sowie hoch‑Generalisten, die breitere Umweltgradienten widerspiegeln.

Beeindruckenderweise kann die Landbedeckungsklassifikation mit 98 % der Basisleistung bereits mit nur 2 bis 12 der 64 verfügbaren Dimensionen erreicht werden – je nach Klasse. Das verdeutlicht, dass ein großer Teil der Information in wenigen, gezielt ausgewählten Dimensionen konzentriert ist.

Diese Erkenntnisse eröffnen neue Wege, geospatiale Foundation‑Modelle wissenschaftlich nutzbar zu machen, und ermöglichen eine gezieltere Nutzung der Embedding‑Dimensionen für Umweltanalysen und -vorhersagen.