أُعلن في مؤتمر CVPR 2026 بمدينة دنفر الأمريكية، عن إصدار نموذج الذكاء الاصطناعي المؤسسي تييرا المخصص لمراقبة الأرض ومعالجتها. طور هذا النموذج باحثون من جامعة كامبريدج البريطانية بالتعاون مع شركاء دوليين وأوروبيين بينهم جامعة آلتو الفنلندية، ويعتمد على بيانات برنامج كوبرنيكس الفضائي من أقمار Sentinel-1 وSentinel-2، ليمثل خطوة متقدمة في توحيد وتحليل البيانات الملاحية والمكانية. يعمل النموذج على دمج البيانات البصرية والرادارية لصنع طبقات ضغط ذكية تُعرف بالإيمبدنغز، تغطي الفترة من 2017 إلى 2025 بدقة تصل إلى 10 أمتار. وتميز هذه الطبقات بقدرتها على ملء القيم المفقودة وتوليد سلاسل زمنية تُظهر تحولات سطح الأرض عبر العام، مما يحول البيانات الضخمة الثقيلة إلى تمثيلات دلالية مدمجة وسهلة البحث والمقارنة. من أبرز مزايا تييرا خفته الحسابية التي تتيح تشغيله على أجهزة الحاسوب والهواتف المحمولة، وإتاحته كمصدر مفتوح مجاني ومتوافق مع مبادئ البيانات العلمية المفتوحة. هذا يتجاوز الحاجة إلى موارد حاسوبية ضخمة أو خبرات متخصصة في الذكاء الاصطناعي، حيث تكتفي النماذج المدربة مسبقاً بنمذجة الأنماط الزمانية والمكانية بأقل كمية من البيانات المؤرشفة. تُظهر التطبيقات العملية للنموذج فعاليتها في مجالات مراقبة المحاصيل الزراعية، وقياس مساحات الحرائق والغابات، وتتبع تغير الموائل البيئية. ومن ذلك مشروع تعاوني في منطقة كمبريا البريطانية يقيّم فعالية سياسات حماية الطبيعة باستخدام بيانات تييرا، مما يوفر للحكومات أدوات دقيقة لمتابعة الاستثمارات الزراعية والبيئية. يجمع تييرا بين الشفافية وإمكانية إعادة الإنتاج العلمي، مما يوفر بديلاً مفتوحاً للنماذج المغلقة الأخرى. وتشير تعليقات نونو میراند من وكالة الفضاء الأوروبية إلى أن هذا النموذج يمثل جبهة جديدة في تطبيق الذكاء الاصطناعي على بيانات الاستشعار عن بُعد. بينما يضيف بروفسور سرينيفاسان كيشاف من جامعة كامبريدج أن النموذج يوسع دائرة المستفيدين ليشمل الباحثين في علوم البيئة والحفاظ على الطبيعة دون عوائق تسجيلية أو مالية. يأتي إطلاق تييرا في إطار جهود أوروبية أوسع لتوطين نماذج الذكاء المؤسسي لمراقبة الأرض، مدفوعة بعمليات البحث في مختبر الفاي لابس التابع للوكالة الأوروبية، حيث تم تطوير نماذج مكملة مثل ثور وتيراماند التي تركز على التعلم من المشاهد الفردية أو دمج مصادر بيانات متعددة. ومع ذلك، يبقى تييرا ركيزة رئيسية في تحويل البيانات النقطية الضخمة إلى خرائط ديناميكية قابلة للاستخدام الفوري، مما يعزز القدرات التحليلية العالمية لمتابعة التغيرات المناخية والبيئية بكفاءة عالية.