OlmoEarth Studio 导出 Embedding 功能让地学分析摆脱 API 脚本

地学数据分析的难点往往不在于模型推理，而在于获取特征表征。此前，抽取地理空间数据的语义理解结果需要编写 Python 脚本调用 API 接口，不仅效率低且在大规模数据集上不稳定。

OlmoEarth Studio 现已支持直接导出 Embedding，省去了搭建 API 管道的步骤。用户可在界面中直接提取预训练权重生成的特征向量，供分类或聚类模型使用。由于 OlmoEarth-v1-Nano 等四个版本的模型架构与训练方式一致，且在多模态地球观测数据上进行了预训练，能够将原始信号转化为时空维度的情报与洞察。

这种工作流比全量微调更轻量。地质研究或环境监测工程师无需重新训练，仅需利用模型对地理数据的理解能力，导出高维向量后配合随机森林或线性回归等机器学习模型进行预测。在具体操作时，需先在 OlmoEarth Studio 加载数据集并确认预处理已完成，否则导出向量会出现大量空值。随后选择目标层并配置参数，明确提取特定层的特征向量，因为不同层的地理特征颗粒度不同，最后执行导出命令即可将结果保存为标准格式。

导出的 .npy 文件可通过 NumPy 加载，并配合机器学习库分析：

import numpy as np
from sklearn.cluster import KMeans

# 加载 OlmoEarth 导出的 embedding 文件
# 文件名需与导出时保持一致，例如 olmo_earth_vectors.npy
embeddings = np.load('olmo_earth_vectors.npy')

# 使用 K-means 对地学数据进行聚类
# 设定 n_clusters=5 观察地理特征的聚类分布
kmeans = KMeans(n_clusters=5, random_state=42).fit(embeddings)
labels = kmeans.labels_

这种方式能部分破解“模型黑盒”。通过 t‑SNE 或 UMAP 对底层向量进行降维可视化，可以观察向量在空间中的分布，验证模型在特定地质区域的泛化能力，而非仅仅依赖缺乏数学可解释性的 Prompt 文本输出。

在性能方面，无论使用线性探测（LP）、k-最近邻（kNN）还是监督微调（SFT），OlmoEarth 均表现出色，在单图和时间序列领域的语义分割、场景与切片分类、回归以及目标与变化检测中处于行业领先地位。在使用 kNN 进行三项任务对比时，其 Embedding 表现与 AEF 相当或更优，而一旦进行微调，其性能则大幅超过 AEF。

虽然在批量导出时 Studio 界面可能因内存调度出现短暂卡顿，但速度仍快于部署 Embedding 管道。对于地学分析师，这种异步工作流比实时调用 API 更稳健。