La plataforma de observación terrestre OlmoEarth ha introducido una nueva funcionalidad que permite a los usuarios generar y exportar vectores de incrustación (embeddings) a partir de sus modelos base. Esta capacidad transforma datos complejos de observación satelital en representaciones numéricas compactas, facilitando el análisis geoespacial sin necesidad de procesar volúmenes masivos de imágenes crudas. Al convertir ubicaciones geográficas en vectores, el sistema agrupa automáticamente áreas con características de superficie similares, permitiendo que los usuarios identifiquen patrones, cambios y estructuras en el terreno de manera eficiente.

El proceso de generación de estos vectores se integra directamente en el flujo de trabajo de la plataforma, permitiendo a los usuarios configurar parámetros específicos como el área de interés, el rango temporal, la resolución espacial y las fuentes de imágenes, incluyendo datos de Sentinel-1 y Sentinel-2. Una vez configurado, el sistema entrega archivos GeoTIFF optimizados para la nube (COG), lo que garantiza que los resultados sean ligeros, fáciles de compartir y compatibles con herramientas estándar de análisis geoespacial como QGIS, GDAL o librerías de Python como rasterio.

La utilidad de estos vectores radica en su versatilidad para diversas tareas analíticas. Por ejemplo, la búsqueda de similitud permite seleccionar un punto específico y encontrar automáticamente otras ubicaciones con características de superficie comparables, como distinguir zonas urbanas de áreas agrícolas sin requerir etiquetas previas. Asimismo, la segmentación con pocos ejemplos (few-shot) demuestra que, con una cantidad mínima de datos etiquetados, es posible entrenar clasificadores lineales que generen mapas de cobertura terrestre precisos, aprovechando la riqueza de la información ya codificada en los vectores.

Además de la clasificación, esta tecnología facilita la detección de cambios temporales. Al comparar vectores generados en diferentes periodos, es posible identificar alteraciones en el terreno, como cicatrices de incendios forestales, mediante el cálculo de la distancia entre vectores. Por otro lado, el análisis exploratorio no supervisado, utilizando técnicas como el Análisis de Componentes Principales (PCA), permite visualizar estructuras complejas del paisaje, como la organización de parcelas agrícolas o cuerpos de agua, simplemente reduciendo la dimensionalidad de los datos a un formato visual comprensible.

Esta metodología ofrece una alternativa ágil para quienes buscan resultados rápidos y rentables en entornos con recursos limitados. Aunque la plataforma también permite el ajuste supervisado para aplicaciones que requieren un rendimiento superior, el uso de vectores congelados proporciona una base sólida para una amplia gama de análisis. No obstante, es fundamental que los usuarios verifiquen la calidad de los resultados según su caso de uso específico, considerando factores como la cobertura de nubes o posibles artefactos atmosféricos en las imágenes de origen, los cuales pueden influir en la precisión de las representaciones finales.