云上有AI,让地球科学研究更省力

简介: 达摩院发布AI Earth地球科学云平台,将免费向科研人员开放,助力云上地球科学研究。

对于遥感卫星,我们并不陌生,一颗颗遥感卫星,就是人类安放在近地轨道和外太空的眼睛,他们准确、勤恳、不知疲倦地帮我们观察着地球。


但卫星收集回来的数据,却不会像1+1=2这样简单浅显地呈现出来,要把卫星遥感数据翻译成可供我们使用的有效信息,按照传统方式,一般分为三步走:

  1. 向卫星数据运营机构申请获取数据,或者下载行业公开数据;
  2. 将数据在本地计算机进行存储配置;
  3. 对本地的数据进行处理、分析和研究。


而分析环节对机器的计算和存储资源要求非常高,普通计算机难以胜任分析大规模的影像数据。另一方面,针对海量卫星遥感数据的分析,传统方法自动化程度低、成本高、解译效率低的难题一直未能解决。


达摩院AI Earth地球科学云平台,一个解决上述问题的综合功能平台应运而生。


AI Earth地球科学云平台基于达摩院在深度学习、计算机视觉、地理空间分析等方向上的技术积累,结合阿里云强大算力支撑,提供遥感、气象等多源对地观测数据的云计算分析服务,用数据感知地球世界,让AI助力科学研究。


如果您有以下使用需求:

个人用户,需要便捷获取海量公开遥感数据,并进行高效云上处理分析。

政企用户,需要基于自身业务场景,验证遥感AI能力,打造线下专有云系统。


欢迎体验AI Earth地球科学云平台,目前平台已支持多种公开数据在线检索、遥感影像在线分析以及相关数据管理功能。


多源数据检索

目前平台已上线Landsat 5、Landsat 7、Landsat 8、Landsat 9、Sentinel-1、Sentinel-2、MODIS等公开数据集,更多专题数据正在更新中,详细数据规格信息请参见数据集介绍页面。

平台支持四种方式确定检索区域:1.通过POI信息检索;2.通过行政区划检索;3.在地图上圈画区域检索;4.上传包含地理信息的矢量文件检索。确定检索区域范围后,继续筛选数据采集时间、数据类型、云量等信息,点击检索按钮即可得到所需数据列表。

在线数据处理

平台以达摩院遥感AI能力为优势,针对高分数据,支持地物分类、变化检测、建筑物提取、地块提取等多种遥感AI在线解译工具,针对Sentinel-1等雷达数据,上线了SAR数据AI水体提取功能。

此外,平台还提供了指数计算、镶嵌裁切、波段融合、坐标转换、栅格重采样、图斑优化、时序图制作等八类通用型栅格、矢量基础处理工具,更多遥感数据处理原子能力正在持续上云。

云GIS工作空间

平台基于GIS专业软件工作视角,以图层叠加方式呈现各类遥感数据,通过工具箱模式归类各种遥感数据处理算子,实现便捷高效的栅格和矢量数据在线处理。

对于数据处理流程,平台目前采用无代码低门槛的GUI操作链路,后期版本已规划支持基于JavaScript和Python的开发者模式,满足更多开发者用户使用需求。

多源数据管理

平台支持用户在线管理收藏的公开数据、自主上传的高分数据以及经平台分析处理后的成果数据。

近期,平台将持续完善公开数据集和数据处理原子能力,支持用户在云上完成各类遥感数据分析处理工作,免去各类原始数据查找下载的繁琐链路,数据成果可以直接云端应用或下载到本地。

模型训练

平台支持用户在线模型训练、模型管理、样本标注、以及样本库管理。


岁末年初达摩院发布了2022十大科技趋势,AI Earth就是十大趋势之首——AI for Science的实例应用。

千百年来,实验科学和理论科学是科学界的两大基础范式。“人”发现科学规律,然后运用;“人”再从大量的实验数据中,总结科学规律。

如今人工智能正在催生新的科研范式,AI可以自主发现科学规律。换言之,是AI从大量的数据中发现新规律,然后交给人类来运用。


开放的地球科学云平台,不仅带来效率的显著提升,让研究者从繁杂的数据获取分析步骤中解放出来;更科技、更高效、更便捷的AI正在伴随人类一起对母星地球探测出更深入的认知。


AI Earth 地球科学云平台https://engine-aiearth.aliyun.com

相关文章
|
4月前
|
人工智能 运维 监控
首个云上 AI 原生全栈可观测平台来了!
9月21日,2024 云栖大会,阿里云发布全新的 AI 原生全栈可观测平台,首次实现云上 AI 大模型从训练到推理再到应用的全链路实时观测、告警与诊断。
254 12
|
3月前
|
机器学习/深度学习 人工智能
打开AI黑匣子,三段式AI用于化学研究,优化分子同时产生新化学知识,登Nature
【10月更文挑战第11天】《自然》杂志发表了一项突破性的化学研究,介绍了一种名为“Closed-loop transfer”的AI技术。该技术通过数据生成、模型训练和实验验证三个阶段,不仅优化了分子结构,提高了光稳定性等性质,还发现了新的化学现象,为化学研究提供了新思路。此技术的应用加速了新材料的开发,展示了AI在解决复杂科学问题上的巨大潜力。
46 1
|
2天前
|
人工智能 自然语言处理 算法
谷歌DeepMind研究再登Nature封面,隐形水印让AI无所遁形
近日,谷歌DeepMind团队在《自然》期刊上发表了一项名为SynthID-Text的研究成果。该方法通过引入隐形水印,为大型语言模型(LLM)生成的文本添加统计签名,从而实现AI生成文本的准确识别和追踪。SynthID-Text采用独特的Tournament采样算法,在保持文本质量的同时嵌入水印,显著提高了水印检测率。实验结果显示,该方法在多个LLM中表现出色,具有广泛的应用潜力。论文地址:https://www.nature.com/articles/s41586-024-08025-4。
38 26
|
23天前
|
机器学习/深度学习 人工智能 自然语言处理
AI自己长出了类似大脑的脑叶?新研究揭示LLM特征的惊人几何结构
近年来,大型语言模型(LLM)的内部运作机制备受关注。麻省理工学院的研究人员在论文《The Geometry of Concepts: Sparse Autoencoder Feature Structure》中,利用稀疏自编码器(SAE)分析LLM的激活空间,揭示了其丰富的几何结构。研究发现,特征在原子、大脑和星系三个尺度上展现出不同的结构,包括晶体结构、中尺度模块化结构和大尺度点云结构。这些发现不仅有助于理解LLM的工作原理,还可能对模型优化和其他领域产生重要影响。
64 25
|
10天前
|
人工智能 资源调度 调度
云上AI Infra解锁大模型创新应用
本节课程由阿里云智能集团资深技术专家王超分享,主题为AI基础设施的发展趋势。课程聚焦于AI Infra设计与Scaling Law,探讨了下一代AI基础设施的设计目标、功能升级及推理场景中的应用。主要内容包括高效支持大规模模型训练和推理、全球调度系统的设计、Rack level的Scale优化以及多租户容器化使用方式。通过这些改进,旨在提升并行效率、资源利用率及稳定性,推动AI基础设施迈向更高性能和更优调度的新阶段。
|
2月前
|
人工智能 开发者
人类自身都对不齐,怎么对齐AI?新研究全面审视偏好在AI对齐中的作用
论文《AI对齐中的超越偏好》挑战了偏好主义AI对齐方法,指出偏好无法全面代表人类价值观,存在冲突和变化,并受社会影响。文章提出基于角色的对齐方案,强调AI应与其社会角色相关的规范标准一致,而非仅关注个人偏好,旨在实现更稳定、适用性更广且更符合社会利益的AI对齐。论文链接:https://arxiv.org/pdf/2408.16984
41 2
|
2月前
|
人工智能 知识图谱
成熟的AI要学会自己搞研究!MIT推出科研特工
MIT推出科研特工SciAgents,结合生成式AI、本体表示和多代理建模,实现科学发现的自动化。通过大规模知识图谱和多代理系统,SciAgents能探索新领域、识别复杂模式,加速新材料发现,展现跨学科创新潜力。
49 12
|
2月前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
2月前
|
存储 人工智能 弹性计算
对话阿里云吴结生:AI时代,云上高性能计算的创新发展
在阿里云智能集团副总裁,弹性计算产品线负责人、存储产品线负责人 吴结生看来,如今已经有很多行业应用了高性能计算,且高性能计算的负载正呈现出多样化发展的趋势,“当下,很多基础模型的预训练、自动驾驶、生命科学,以及工业制造、半导体芯片等行业和领域都应用了高性能计算。”吴结生指出。
|
4月前
|
云安全 人工智能 安全
下一篇
开通oss服务