Um modelo base, treinado com dados de observação da Terra dos satélites Copernicus Sentinel-1 e Sentinel-2, foi amplamente disponibilizado aos investigadores, como anunciado numa conferência da indústria informática realizada esta semana em Denver, nos EUA.
O Tessera, um modelo avançado de inteligência artificial (IA), oferece conjuntos de dados de alta precisão que codificam o que o satélite “vê” a partir da superfície da Terra ao longo de um ano. Estes dados comprimidos podem ser utilizados pela comunidade científica para gerar mapas ricos em informação.
Crucialmente, os conjuntos de dados codificados – designados por “embeddings” – utilizam muito menos dados do que as imagens pixelizadas transmitidas para a Terra pelos satélites. O modelo suporta uma variedade de aplicações, desde a monitorização de plantações agrícolas até à medição de áreas queimadas por incêndios e cobertura florestal.
Um artigo sobre o Tessera foi publicado na Conferência IEEE/CVF sobre Visão por Computador e Reconhecimento de Padrões (CVPR, Conference on Computer Vision and Pattern Recognition) de 2026, realizada de 3 a 7 de Junho. O modelo em si foi lançado pela primeira vez em 2025 e o artigo marca o primeiro anúncio totalmente revisto por pares do Tessera para a comunidade científica.
O modelo base – Temporal Embeddings of Surface Spectra for Earth Representation and Analysis, ou Tessera, para abreviar – foi desenvolvido por investigadores da Universidade de Cambridge, no Reino Unido, em conjunto com parceiros globais e europeus, incluindo a Universidade Aalto, na Finlândia.
Os conjuntos de dados processados do Tessera, ou embeddings, oferecem diversos benefícios específicos para a comunidade de observação da Terra. Como os embeddings do Tessera são pré-treinados, captam padrões nos dados e alterações ao longo do tempo que outros métodos precisam de aprender a partir do zero. Isto significa que os especialistas sem formação em IA podem resolver problemas de deteção remota à escala global utilizando apenas uma fração dos dados previamente rotulados necessários. Os embeddings são também suficientemente leves para serem acedidos a partir de um portátil ou até mesmo de um dispositivo móvel, tornando-os disponíveis para utilizadores sem recursos computacionais. E, como projeto de código aberto, é livremente modificável, abrindo possibilidades quase ilimitadas para a utilização de conjuntos de dados de satélite no estudo da Terra.
Segundo Nuno Miranda, Mission Manager do Sentinel-1 na Agência Espacial Europeia (ESA), este é um passo inovador e entusiasmante no desenvolvimento e utilização da IA no campo da observação da Terra. Afirmou: “Os modelos de base são a nova fronteira da IA aplicada aos dados de deteção remota. O Tessera demonstra como os dados das missões Sentinel-1 e Sentinel-2 podem ser aplicados na prática, ajudando os utilizadores a analisar e compreender o sistema terrestre de forma mais eficiente”.
Srinivasan Keshav, professor da Universidade de Cambridge e co-líder do projeto Tessera, referiu: “Com o Tessera, abordámos alguns dos desafios de trabalhar com a enorme quantidade de dados fornecida pelo programa Copernicus. Os nossos modelos tornam os dados mais acessíveis aos utilizadores de comunidades tradicionalmente desassistidas, especialmente os das áreas da ecologia, conservação, botânica e zoologia. Também disponibilizamos estes dados sem necessidade de registo e de forma gratuita, abrindo caminho para muitas novas classes de problemas críticos.”
O que é o Tessera?
O Tessera processa enormes quantidades de dados de deteção remota das missões Copernicus, Sentinel-1 e Sentinel-2. Combina dois tipos de dados: dados óticos do Sentinel-2 e dados avançados de radar, conhecidos como dados de radar de abertura sintética (SAR), do Sentinel-1. Os conjuntos de dados óticos e de radar são fundidos pelo modelo fundamental e processados em camadas globais que abrangem cada ano de 2017 a 2025.
Assim, em vez das imagens pixelizadas e com grande volume de dados dos satélites, o Tessera comprime imagens de satélite com grande volume de dados e nuvens para criar uma camada de dados da Terra. Faz isto com uma resolução de 10 m, que é a mesma resolução mais alta captada pelo Sentinel-2.
As camadas do Tessera são basicamente dados de observação da Terra comprimidos com os valores em falta preenchidos. Cada pixel de 10 m contém uma série temporal do que aconteceu nesse ponto ao longo do ano. Isto proporciona aos investigadores uma visão da mudança – em vez de como um campo, rio ou montanha se apresenta num determinado momento – num formato pesquisável.
O Tessera conta com ferramentas que permitem aos utilizadores pesquisar e comparar imagens da Terra de diversas formas. Por exemplo, os utilizadores podem pesquisar regiões geográficas semelhantes entre si e observar as mudanças nas paisagens. É também possível fazer previsões sobre a saúde da vegetação e o crescimento urbano.
Monitorização de mudanças de habitat
Um projecto sediado no Reino Unido, que envolve a Tessera, está a desenvolver formas de avaliar os programas de protecção ambiental do governo britânico utilizando dados de satélite dos satélites Sentinel 1 e 2. Os investigadores utilizaram imagens da Tessera para monitorizar as alterações de habitat em áreas designadas para protecção em Cumbria, uma região do norte de Inglaterra. O projeto, uma parceria entre a Tessera, o Programa de Paisagens e Mares Ameaçados (Endangered Landscapes and Seascape Programme) e outros parceiros do Reino Unido, poderá, eventualmente, fornecer ao governo uma maneira de mensurar a eficácia dos investimentos em subsídios agrícolas e conservação da natureza.
Um dos líderes da Tessera e investigador sénior do projeto de monitorização da paisagem de Cumbria, o Professor David Coomes, da Universidade de Cambridge, afirmou: “Monitorizar estas alterações ambientais em grandes escalas é exatamente o tipo de problema que a Tessera foi concebida para resolver.”
A Tessera promove a transparência e a reprodutibilidade. É de código aberto e está alinhada com os princípios FAIR (Localizável, Acessível, Interoperável e Reutilizável) – um conjunto de diretrizes amplamente adotadas, desenvolvidas pela comunidade internacional de investigação, sobre a reutilização de ativos digitais.
Oferece uma alternativa aberta e transparente a sistemas como o AlphaEarth Foundation, um modelo de IA do Google DeepMind, que também comprime dados complexos de satélite de múltiplas fontes para criar representações semânticas utilizando um modelo fechado.
Além disso, a Tessera facilita o acesso aos dados do Copernicus e oferece uma forma eficiente de explorar os dados de observação da Terra.
De acordo com Srinivasan Keshav, da Universidade de Cambridge, “A adoção de representações semânticas representa uma mudança de paradigma. Em vez de distribuir imagens pesadas, modelos como a Tessera podem agora fornecer aos utilizadores representações semânticas comprimidas da informação da superfície da Terra incorporada nos dados originais.”
ESA colabora em modelos para observação da Terra
Várias equipas estão a trabalhar em modelos fundamentais para a observação da Terra, colocando a Europa na vanguarda deste campo. A ESA foi também pioneira no desenvolvimento de modelos fundamentais treinados com dados de observação da Terra através do seu laboratório de inovação aberta, o Φ-lab, um centro e catalisador para a inovação na observação da Terra. Dois modelos fundamentais recentemente desenvolvidos pelo Φ-lab são o Thor, desenvolvido pelo Centro Norueguês de Computação, e o TerraMind, desenvolvido em parceria com a IBM Research Europe. É importante realçar que, ao contrário de modelos como o Tessera ou o AlphaEarth, que agregam informação em representações de longo prazo ou anuais, tanto o Thor como o TerraMind se concentram em aprender com observações individuais, preservando informação espacial contextual rica em instantâneos de imagens individuais, em vez de encapsular tudo numa única representação comprimida.
O Thor (Transformer-Based Fundamental Model for Heterogeneous Observation and Resolution) é um modelo base multimodal versátil, que combina diferentes tipos de dados e foi concebido para superar os desafios de entradas variadas e restrições rígidas de implantação. Embora a maioria dos modelos base atuais sejam arquiteturalmente rígidos, o Thor permite ao utilizador adaptar a resolução interna e otimizar o desempenho computacional. Está treinado com dados dos satélites Sentinel 1, 2 e 3. Este modelo foi financiado e apoiado pelo projeto Foundation Models for Climate and Society (FM4CS) da ESA.
O TerraMind, um modelo base lançado em Abril de 2025, é também multimodal e capaz de responder a questões sobre o clima e a natureza. Em vez de se concentrar apenas nas tarefas subsequentes, a sua principal inovação reside na aprendizagem de um espaço de representação unificado que alinha múltiplas fontes de dados geoespaciais – incluindo imagens de satélite, topografia, uso e cobertura do solo, elevação e geolocalização. Isto possibilita o raciocínio intermodal e a interação baseada em consultas com os dados do sistema terrestre. Ao incorporar conjuntamente estas diversas fontes, o TerraMind vai além dos modelos tradicionais específicos para tarefas, rumo a uma estrutura de inteligência geoespacial de propósito mais geral. Foi treinado num conjunto de dados com mais de nove milhões de amostras distribuídas globalmente, abrangendo oito tipos de dados complementares, incluindo imagens de radar do Copernicus Sentinel-1 e imagens óticas do Sentinel-2.
Texto original: Tessera AI model offers accessible way to view Earth
Texto e imagens: ESA
Tradução automática via Google
Edição: Rui Barbosa