211service.com
Zemes satelīta karte bez mākoņiem
Tā ir Zeme, jo pat astronauti to nevar redzēt — pilnīgi bez mākoņiem.
Bez mākoņiem skats uz veģetācijas modeļiem visā pasaulē, kas apvienots no NASA un citu valdības avotu datiem.
Programmatūra, ko izstrādājis startup Descartes Labs, savieno ikdienas satelītattēlus tiešā planētas virsmas kartē un automātiski rediģē mākoņa segumu. Tas nodrošina labāku skatu, kā arī palīdz algoritmiem, kas automātiski izseko izmaiņas zemes izmantojumā vai veģetācijā. Uzņēmums saka, ka tā programmatūra var labāk prognozēt Amerikas kukurūzas ražu nekā ASV Lauksaimniecības departaments.
Dekarta laboratorijas tika dibināta, lai komercializētu attēlu atpazīšanas programmatūru, kas izstrādāta satelītu un aerofotogrāfijām Losalamos nacionālajā laboratorijā. Programmatūra ir apmācīta, lai noteiktu Zemes virsmas pazīmes, piemēram, lauksaimniecību, ūdens objektus un mežu veidus, salīdzinot anotētās kartes no tādiem avotiem kā ASV Ģeoloģijas dienests ar krāsu, infrasarkano un ultravioleto satelītattēlu attēliem.
Daudzu satelītattēlu apvienošana ļauj novērot veģetācijas, kultūraugu un zemes izmantošanas izmaiņas laika gaitā, kā tas redzams šeit uz Ķīnas un Indijas robežas. Algoritmi var automātiski izsekot modeļiem, piemēram, lai paredzētu iespējamo ražas lielumu.
Uzņēmums ir arī izstrādājis programmatūru, kas savieno nepārtraukti atjauninātu Zemes karti no jaunākajiem NASA un citiem valdības avotiem citās valstīs. Daži kartē izmantotie attēli tiek atjaunināti katru dienu.
Descartes Labs attēlu atpazīšanas programmatūra var izmantot šo gandrīz reāllaika skatu, lai vizualizētu vai izmērītu izmaiņas, piemēram, plūdus vai izmaiņas labības stāvoklī. Uzņēmums izmanto mašīnmācības paņēmienu, ko sauc par dziļo mācīšanos, kas pēdējos gados ir novedusi pie ievērojamiem sasniegumiem attēlu atpazīšanas jomā (sk. 10 Breakthrough Technologies 2013: Deep Learning ).
Stīvens Brumbijs, Descartes Labs līdzdibinātājs un galvenais tehnoloģiju speciālists, saka, ka šī tehnika padara satelītattēlus daudz noderīgākus. Viņš saka, ka nekad iepriekš nav bijis iespējams plašā mērogā izmantot visus šos datus no NASA un citiem avotiem.
Brumbijs saka, ka viņa algoritmi var iegūt vērtīgus signālus no satelīta momentuzņēmumiem. Piemēram, daži ir apmācīti prognozēt nākotnes kukurūzas ražu, pamatojoties uz augu krāsu un izskatu laukā. Brumbijs saka, ka pēdējo 11 gadu datu analīze liecina, ka viņa prognozes ir precīzākas nekā USDA prognozes, kas veiktas, izmantojot datus, kas savākti no lauksaimniekiem. Viņš cer pārdot šādu informāciju lauksaimniekiem, lauksaimniecības iekārtu piegādātājiem, preču tirgotājiem un politikas veidotājiem.
Brumbijs saka, ka veģetācijas veselības vai ūdens sadalījuma izmaiņu mērīšana varētu arī ietekmēt ārpolitiku. Valsts sekretārs Džons Kerijs ieteica pagājušajā mēnesī ka vairākus gadus ilgušais sausums un slikta raža, iespējams, ir veicinājuši pilsoņu karu Sīrijā.
Descartes Labs nav vienīgais uzņēmums, kas cenšas pelnīt naudu, iegūstot datus no satelīta attēliem. Startup Orbital Insight izmanto padziļinātu mācīšanos, lai rūpīgi pārbaudītu infrastruktūru, piemēram, autostāvvietas un naftas uzglabāšanas konteinerus, ar domu, ka tas, cik tie ir pilni, atklāj svarīgus ekonomiskos datus (skatiet Startup Promises Business Insights no Satellite Images ). Pagājušajā gadā Google nopirka Skybox Imaging, kas piedāvā līdzīgus pakalpojumus un pat darbojas ar saviem satelītiem.
Brumbijs saka, ka viņa un citi uzņēmumi drīzumā varēs paplašināt savu piedāvājumu, jo pieaugs mazo, zemo izmaksu kubeku skaits, kuriem drīzumā vajadzētu uzņemt lielu skaitu Zemes attēlu. Viņš saka, ka notiks datu eksplozija.