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”。

中国工程院院士杨小牛就曾经暗示，卫星在天上飞来飞去，效能其实并不高，天天只有几十分钟时段内收罗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”，有没有大概被操作起来？

克日，清华大学理学院院长、地球系统科学系主任宫鹏先容，在高机能云计较的支持下，交通标牌设备，通过数据建模、人工智能算法等手段，清华大学地球系统科学系建造完成了首套中国30米每日无缝遥感视察数据集，以及逐季候地皮包围和逐年地皮操作的数据集，让“拼图无解”的卫星“废片”可以或许成为高判别率的舆图资源。

人工智能深度“补片”

“传统的对地卫星视察，拍下来的照片是差异时间收罗的，拼在一起并不完整，利用门槛很高。”宫鹏表明，卫星直接得到的图片不能拿来直接用，因为卫星图片不是自然持续的，很大概像100块的拼图，有时候是少了50块的结果，但也有大概同样的拼图来了好几块。

不止如此，卫星轨道的毛病还会造成同一处所差异时间拍摄的图片难以重叠，云彩的遮挡、雾气不匀称的散射城市导致大量的卫星遥感数据难以反应地表的真实环境，而成为难用的“废片”。

基于此前完成10米判别率全球地表包围制图数据处理惩罚进程中积聚的履历，清华大学地球系统科学系团队自主研发了时空数据融合重建的技能。

“我们构建了人工智能需要的常识库，个中包罗世界首套全球全季候普适样本库和相关规模常识。库中分为练习样本库和完全独立的验证样本库。”清华大学博士生刘涵先容，团队设计了一套适应遥感大数据的深度遥感特征进修和分类模子，操作呆板进修和数据建模对人工智能系统举办了练习，使其可以或许“领略”可能说“揣度”出缺失的图块，进而补缺。

“就仿佛此刻一些APP身份验证时，会有一个补图的步调，颠末练习的模子，也可以大局限阐明现有的卫星图片，自动补图，且做到数据与真实环境相切合。”刘涵说。

通过练习，交通设施厂家，模子可完成高机能的推理，把不完整的“拼图”重建成时空一致的图像库，成立起这一深度遥感制图模子的“超本领”，完成各类不及格“废片”的补片事情，从而生成与真实环境相匹配的遥感视察数据集。譬喻通过人工智能技能可识别路面是沥青、土路照旧水泥路面等地表包围范例。

计较上云制止庞大资源耗损

“地球系统科学利用和发生的数据是极其庞大的，譬喻气候模仿和预测会生成时距离断在小时级、地面判别率是3公里的气候数据，这些数据的数据量级往往相当于数百万集高清影戏的量级。”宫鹏先容，因此需要超强算力来完成。

假如为这些数据举办数据中心建树的话，需要三四百个机柜，占地本钱和时间本钱淹灭庞大。对这些数据会合的数据举办AI处理惩罚时,假如不在云长举办而是搬运下载后再运算，那光是用来搬运的时间也大概需要几个月。

而通过云上高机能计较，则可以或许把算力陈设在民众数据集周边，环绕数据举办计较。据先容，亚马逊云处事（AWS）为此次项目标完成提供了10万核阁下的云上高机能计较资源。

另外，AWS上还提供一整套完善的人工智能和呆板进修的套件和处事以及自动化多层堆叠集成技能，可用于对模子布局和参数举办深度调优，并举办漫衍式高机能推理。

“此刻中学生、小学生想拿数据做点什么，从内里拉几条曲线，可能把一个区域拿出来做一些探测、变革、趋势的阐明，都已经变得很是容易。”宫鹏说，对付卫星民众数据的梳理、重建，让卫星遥感图的利用门槛大大低落，假如说之前只有专业用户能从数据中得到代价，那么今后更多的普通用户也能看懂和操作这些数据。

(责编：田虎、刘佳)