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
|
3月前
|
消息中间件 人工智能 资源调度
云上AI推理平台全掌握 (5):大模型异步推理服务
针对大模型推理服务中“高计算量、长时延”场景下同步推理的弊端,阿里云人工智能平台 PAI 推出了一套基于独立的队列服务异步推理框架,解决了异步推理的负载均衡、实例异常时任务重分配等问题,确保请求不丢失、实例不过载。
|
3月前
|
人工智能 缓存 资源调度
云上AI推理平台全掌握 (4):大模型分发加速
为应对大模型服务突发流量场景,阿里云人工智能平台 PAI 推理服务 PAI-EAS 提供本地目录内存缓存(Memory Cache)的大模型分发加速功能,有效解决大量请求接入情况下的推理延迟。PAI-EAS 大模型分发加速功能,零代码即可轻松完成配置。
|
3月前
|
人工智能 负载均衡 安全
云上AI推理平台全掌握 (3):服务接入与全球调度
阿里云人工智能平台 PAI 平台推出的全球化的服务接入矩阵,为 LLM 服务量身打造了专业且灵活的服务接入方案,正重新定义 AI 服务的高可用接入标准——从单地域 VPC 安全隔离到跨洲际毫秒级调度,让客户的推理服务在任何网络环境下都能实现「接入即最优」。
|
18天前
|
人工智能 Serverless API
函数计算的云上计费演进:从请求驱动到价值驱动,助力企业走向 AI 时代
函数计算计费方式历经三阶段演进:从按请求计费,到按活跃时长毫秒级计费,再到按实际资源消耗分层计费。背后是资源调度、安全隔离与开发体验的持续优化。尤其在AI时代,低负载减免、会话亲和等技术让计费更贴近真实价值,推动Serverless向“按需使用、按量付费”终极目标迈进。
|
18天前
|
人工智能 Serverless API
函数计算的云上计费演进:从请求驱动到价值驱动,助力企业走向 AI 时代
在 AI 时代,函数计算一直坚持走向“让开发者只关心业务逻辑,云厂商自动完成一切资源管理与调度”的愿景,最终让计算像水、电一样随时可得、按实际使用价值付费。
|
18天前
|
人工智能 Kubernetes 安全
重塑云上 AI 应用“运行时”,函数计算进化之路
回顾历史,电网的修建,深刻地改变了世界的经济地理和创新格局。今天,一个 AI 原生的云端运行时的进化,其意义也远不止于技术本身。这是一次设计哲学的升华:从“让应用适应平台”到“让平台主动理解和适应智能应用”的转变。当一个强大、易用、经济且安全的 AI 运行时成为像水电一样的基础设施时,它将极大地降低创新的门槛。一个独立的开发者、一个小型创业团队,将有能力去创造和部署世界级的 AI 应用。这才是技术平权的真谛,是激发全社会创新潜能的关键。
|
3月前
|
机器学习/深度学习 人工智能 自动驾驶
AI Agent多模态融合策略研究与实证应用
本文从多模态信息融合的理论基础出发,构建了一个结合图像与文本的AI Agent模型,并通过PyTorch代码实现了完整的图文问答流程。未来,多模态智能体将在医疗、自动驾驶、虚拟助手等领域展现巨大潜力。模型优化的核心是提升不同模态的协同理解与推理能力,从而打造真正“理解世界”的AI Agent。
AI Agent多模态融合策略研究与实证应用
|
3月前
|
机器学习/深度学习 人工智能 算法
深度强化学习在异构环境中AI Agent行为泛化能力研究
随着人工智能技术的迅猛发展,AI Agent 在游戏、智能制造、自动驾驶等场景中已逐步展现出强大的自适应能力。特别是深度强化学习(Deep Reinforcement Learning, DRL)的引入,使得智能体能够通过与环境的交互,自动学习最优的行为策略。本文将系统性地探讨基于深度强化学习的AI Agent行为决策机制,并结合代码实战加以说明。
深度强化学习在异构环境中AI Agent行为泛化能力研究
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
原来AI也能“读心术”?——聊聊AI在心理学研究中的那些突破
原来AI也能“读心术”?——聊聊AI在心理学研究中的那些突破
132 1
|
4月前
|
人工智能 监控 测试技术
云上AI推理平台全掌握 (1):PAI-EAS LLM服务一键压测
在AI技术飞速发展的今天,大语言模型(LLM)、多模态模型等前沿技术正深刻改变行业格局。推理服务是大模型从“实验室突破”走向“产业级应用”的必要环节,需直面高并发流量洪峰、低延时响应诉求、异构硬件优化适配、成本精准控制等复杂挑战。 阿里云人工智能平台 PAI 致力于为用户提供全栈式、高可用的推理服务能力。在本系列技术专题中,我们将围绕分布式推理架构、Serverless 弹性资源全球调度、压测调优和服务可观测等关键技术方向,展现 PAI 平台在推理服务侧的产品能力,助力企业和开发者在 AI 时代抢占先机,让我们一起探索云上 AI 推理的无限可能,释放大模型的真正价值!

热门文章

最新文章