您现在的位置:上海商网 > 游戏 > AI将卫星“废片”变成高分辨率地图资源

AI将卫星“废片”变成高分辨率地图资源

2020-05-07 01:56

卫星虽被形象地称为“天眼”,事实上卫星SJ的应用,却难以做到“尽收尽用”。

中国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,每天只有几十分钟时段内采集到的SJ是地面需要的。

那些大量的被认为是无效SJ的“废片”,有没有可能被利用起来?

近日,清华大学理学院院长、地球系统科学系主任宫鹏介绍,在高性能云计算的支持下,通过SJ建模、人工智能算法等手段,清华大学地球系统科学系制作完成了首套中国30米逐日无缝遥感观测SJ集,以及逐季节土地覆盖和逐年土地利用的SJ集,让“拼图无解”的卫星“废片”能够成为高分辨率的地图ZY。

人工智能深度“补片”

“传统的对地卫星观测,拍下来的照片是不同时间采集的,拼在一起并不完整,使用门槛很高。”宫鹏解释,卫星直接获得的图片不能拿来直接用,因为卫星图片不是自然连续的,很可能像100块的拼图,有时候是少了50块的效果,但也有可能同样的拼图来了好几块。

不止如此,卫星轨道的偏差还会造成同一地方不同时间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SJ难以反映地表的真实情况,而成为难用的“废片”。

基于此前完成10米分辨率全球地表覆盖制图SJ处理过程中积累的经验,清华大学地球系统科学系团队自主研发了时空SJ融合重建的技术。

“我们构建了人工智能需要的知识库,其中包括世界首套全球全季节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SJ的深度遥感特征学习和分类模型,利用机器学习和SJ建模对人工智能系统进行了训练,使其能够“理解”或者说“推断”出缺失的图块,进而补缺。

“就好像现在一些APP身份验证时,会有一个补图的步骤,经过训练的模型,也可以大规模分析现有的卫星图片,自动补图,且做到SJ与真实情况相符合。”刘涵说。

通过训练,模型可完成高性能的推理,把不完整的“拼图”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”,完成各种不合格“废片”的补片工作,从而SC与真实情况相匹配的遥感观测SJ集。例如通过人工智能技术可识别路面是沥青、土路还是水泥路面等地表覆盖类型。

计算上云避免巨大ZY消耗

“地球系统科学使用和产生的SJ是极其巨大的,例如气候模拟和预测会SC时间间隔在小时级、地面分辨率是3公里的气候SJ,这些SJ的SJ量级往往相当于数百万集高清DY的量级。”宫鹏介绍,因此需要超强算力来完成。

如果为这些SJ进行SJ中心建设的话,需要三四百个机柜,占地成本和时间成本耗费巨大。对这些SJ集中的SJ进行AI处理时,如果不在云上进行而是搬运下载后再运算,那光是用来搬运的时间也可能需要几个月。

而通过云上高性能计算,则能够把算力部署在公共SJ集周边,围绕SJ进行计算。据介绍,亚马逊云FW(AWS)为此次项目的完成提供了10万核左右的云上高性能计算ZY。

此外,AWS上还提供一整套完善的人工智能和机器学习的套件和FW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。

“现在中学生、小学生想拿SJ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SJ的梳理、重建,让卫星遥感图的使用门槛大大降低,如果说之前只有专业用户能从SJ中获得价值,那么以后更多的普通用户也能看懂和利用这些SJ。

(责编:田虎、刘佳)