AI将卫星“废片”变成高分辨率地图资源

文章正文
2020-06-30 08:26

卫星虽被形象地称为“天眼”,事实上卫星数据的应用,却难以做到“尽收尽用”。

C嗨na工程院院士杨小牛就曾经表示,卫星在天上飞来飞去,效能其实并不高,每天只有几十minute时段内采集到的数据是地面需要的。

那些大量的被认为是无效数据的“废片”,有没有可能被利用起来?

近日,清华大学理学院院长、地球系统Science系主任宫鹏介绍,在高性能云计算的支持下,通过数据建模、人工智能算法等手段,清华大学地球系统Science系makefinish了首套C嗨na30米逐日无缝遥感观测数据集,以及逐sea如此n土地覆Guy和逐年土地利用的数据集,让“jigsaw无解”的卫星“废片”be able 直到成为高分辨率的map资源。

人工智能深度“补片”

“传统的对地卫星观测,拍下来的pho直到是不同time采集的,拼在直到gether并不完整,use门槛很高。”宫鹏解释,卫星直接获得的图片不能拿来直接用,because卫星图片不是自然连续的,很可能像100块的jigsaw,sometimes候是少了50块的效果,但也有可能同样的jigsaw来了好几块。

不止so,卫星轨道的偏差还会造成同一#@re地方@#不同time拍摄的图片难以重叠,云彩的遮挡、雾气不均匀的散射都会导致大量的卫星遥感数据难以反映地表的真实情况,而成为难用的“废片”。

基于此前finish10米分辨率全球地表覆Guy制图数据处理过程中积累的经验,清华大学地球系统Science系团队自主研发了时空数据融合重建的技术。

“we构建了人工智能需要的知识库,其中包括世界首套全球全sea如此n普适样本库和相关领域知识。库中分为训练样本库和完全独立的验证样本库。”清华大学博士生刘涵介绍,团队设计了一套适应遥感大数据的深度遥感特征study和分类模型,利用machinestudy和数据建模对人工智能系统进行了训练,使其be able 直到“理解”或者说“推断”出缺失的图块,进而补缺。

“就好像now一些APP身份验证时,会有一个补图的步骤,past训练的模型,也可以大规模分析现有的卫星图片,自动补图,且做到数据与真实情况相符合。”刘涵说。

通过训练,模型可finish高性能的推理,把不完整的“jigsaw”重建成时空一致的图像库,建立起这一深度遥感制图模型的“超能力”,finish各种不合格“废片”的补片work,从而生成与真实情况相匹配的遥感观测数据集。例如通过人工智能技术可识别Lou面是沥青、土Lou还是水泥Lou面等地表覆Guy类型。

计算上云避免巨大资源消耗

“地球系统Scienceuse和产生的数据是极其巨大的,例如气候模拟和预测会生成time间隔在hour级、地面分辨率是3公里的气候数据,these数据的数据量级往往相当于数百万集高清film的量级。”宫鹏介绍,因此需要超强算力来finish。

如果为these数据进行数据中心建设的话,需要三四百个机柜,占地成本和time成本耗费巨大。对these数据集中的数据进行AI处理时,如果不在云上进行而是搬运下载后再运算,那光是用来搬运的time也可能需要几个月。

而通过云上高性能计算,则be able 直到把算力部署在公共数据集周边,围绕数据进行计算。据介绍,亚马逊云服务(AWS)为此次项目的finish提供了10万核左右的云上高性能计算资源。

此外,AWS上还提供一整套完善的人工智能和machinestudy的套件和服务以及自动化多层堆叠集成技术,可用于对模型结构和参数进行深度调优,并进行分布式高性能推理。

“now中pupil、小pupil想拿数据做点什么,从里面拉几条曲线,或者把一个区域拿出来做一些探测、变化、趋势的分析,都已经变得非常容易。”宫鹏说,对于卫星公共数据的梳理、重建,让卫星遥感图的use门槛大大降低,如果说之前只有专业用户能从数据中获得价值,然后以后更多的普通用户也能看懂和利用these数据。

(责编:田虎、刘佳)

文章评论