靠“腦補”AI將衛(wèi)星“廢片”變成高分辨率地圖資源

張佳星

衛(wèi)星雖被形象地稱為“天眼”，事實上衛(wèi)星數(shù)據(jù)的應用，卻難以做到“盡收盡用”。

近日，清華大學理學院院長、地球系統(tǒng)科學系主任宮鵬介紹，在高性能云計算的支持下，通過數(shù)據(jù)建模、人工智能算法等手段，清華大學地球系統(tǒng)科學系制作完成了首套中國30米逐日無縫遙感觀測數(shù)據(jù)集，以及逐季節(jié)土地覆蓋和逐年土地利用的數(shù)據(jù)集，讓“拼圖無解”的衛(wèi)星“廢片”能夠成為高分辨率的地圖資源。

“傳統(tǒng)的對地衛(wèi)星觀測，拍下來的照片是不同時間采集的，拼在一起并不完整，使用門檻很高。”宮鵬解釋，衛(wèi)星直接獲得的圖片不能拿來直接用，因為衛(wèi)星圖片不是自然連續(xù)的，很可能像100塊的拼圖，有時候是少50塊的效果，也有可能同樣的拼圖來了好幾塊。

不止如此，衛(wèi)星軌道的偏差還會造成同一地方不同時間拍攝的圖片難以重疊，云彩的遮擋、霧氣不均勻的散射都會導致大量的衛(wèi)星遙感數(shù)據(jù)難以反映地表的真實情況，而成為難用的“廢片”。基于此前完成10米分辨率全球地表覆蓋制圖數(shù)據(jù)處理過程中積累的經(jīng)驗，清華大學地球系統(tǒng)科學系團隊自主研發(fā)了時空數(shù)據(jù)融合重建的技術。

“我們構建了人工智能需要的知識庫，其中包括世界首套全球全季節(jié)普適樣本庫和相關領域知識。庫中分為訓練樣本庫和完全獨立的驗證樣本庫。”清華大學博士生劉涵介紹，團隊設計了一套適應遙感大數(shù)據(jù)的深度遙感特征學習和分類模型，利用機器學習和數(shù)據(jù)建模對人工智能系統(tǒng)進行了訓練，使其能夠“理解”或者說“推斷”出缺失的圖塊，進而補缺。

“就好像現(xiàn)在一些APP身份驗證時，會有一個補圖的步驟，經(jīng)過訓練的模型，也可以大規(guī)模分析現(xiàn)有的衛(wèi)星圖片，自動補圖，且做到數(shù)據(jù)與真實情況相符合。”劉涵說。

通過訓練，模型可完成高性能的推理，把不完整的“拼圖”重建成時空一致的圖像庫，建立起這一深度遙感制圖模型的“超能力”，完成各種不合格“廢片”的補片工作，從而生成與真實情況相匹配的遙感觀測數(shù)據(jù)集。例如通過人工智能技術可識別路面是瀝青、土路還是水泥路面等地表覆蓋類型。