科学家研发新机器学习方法更轻松洞察海量卫星地图数据

2021-08-09 11:25:03来源：cnBeta 关键词：机器学习卫星数据阅读量：24046

导读：目前有超过700颗成像卫星围绕着地球运转，每天它们都会向地面数据库传送回海量的信息，这些信息或用于监测气候变化、或用于追踪健康和贫困问题。

　　目前有超过700颗成像卫星围绕着地球运转，每天它们都会向地面数据库传送回海量的信息，这些信息或用于监测气候变化、或用于追踪健康和贫困问题。但科学家也面临着一个挑战：虽然地理空间数据可以帮助研究人员和政策制定者应对关键挑战，但只有拥有大量财富和专业知识的人才可以访问它。

　　现在，加州大学伯克利分校的一个团队设计了一个机器学习系统来解决卫星图像的问题。他们使用低成本、易于使用的技术，可以为研究人员和各国政府带来访问和分析能力。这项名为“使用全球卫星图像进行机器学习的通用且可访问的方法”的研究于2021年7月20日发表在《自然通讯》杂志上。

　　该项目的共同作者Esther Rolf表示：“卫星图像包含大量关于世界的数据，但诀窍是如何将数据转化为有用的见解，而无需人工梳理每张图像。我们为无障碍设计了我们的系统，因此一个人应该能够在笔记本电脑上运行它，而无需专门培训，以解决他们的本地问题”。

　　该论文的合著者，来自高盛公共政策学院的全球政策实验室主任Solomon Hsiang表示：“我们希望我们的行动能够带来全球的影响力。事情的发展速度比过去任何时候都快。我们比以往任何时候都更快地改变资源分配。我们正在改变地球。这需要一个反应更快的管理系统，能够看到这些事情的发生，以便我们能够及时、有效地做出反应”。

　　该项目由Hsiang带领的Global Policy Lab和Benjamin Recht电气工程和计算机科学系研究团队合作推进。其他合作者还包括目前就读于加州大学圣巴巴拉分校的Berkeley博士毕业生Tamma Carleton、现供职于哈佛大学环境与数据科学计划中心的Jonathan Proctor、来自Rhodium Group的 Ian Bolliger，来自亚马逊的Vaishaal Shankar，以及Berkeley博士生Miyabi Ishihara。

　　(原标题：科学家研发新机器学习方法更轻松洞察海量卫星地图数据)

上一篇：科学家开发新光学系统是实现空前精确的高功率激光器光束控制的关键

下一篇：智能交通技术将如何再次推动城市发展？

我要评论

昵称

匿名

文明上网，理性发言。（您还可以输入200个字符)

表情

所有评论仅代表网友意见，与本站立场无关。

未来最值得关注的人工智能和机器学习趋势是什么？
人工智能和机器学习社区最紧迫的问题之一是道德人工智能系统的开发和实施。随着人工智能技术在我们生活中变得越来越普遍，确保负责任地设计和部署这些系统至关重要。
人工智能机器学习
2024-12-23 11:21:00
2025年大数据分析：未来趋势及技术展望
本文将预测2025年的大数据分析趋势，并找到数据分析中最合适的工具、企业和新兴趋势，从而塑造未来。
大数据机器学习
2024-07-29 09:55:05
2024年十大生成式人工智能预测
展望2024年，生成式人工智能的前景是谨慎乐观的，预计将进一步增强和发展。本文揭示了2024年十大生成式人工智能预测，这些预测有可能改变各个领域的人工智能未来。
生成式人工智能机器学习
2024-05-30 09:43:50
如何利用人工智能和机器学习改变制造业？
人工智能和机器学习不再是未来概念，而是现代制造业必不可少的工具。采用这些技术的必要性源于在快速发展的市场中保持竞争力的需求。
人工智能机器学习制造业
2024-05-29 10:13:43
中国林业与环境促进会关于《国产卫星数据的森林定量碳汇监测标准体系》等10项团体标准立项的通知
近日，中国林业与环境促进会发布《国产卫星数据的森林定量碳汇监测标准体系》等 10项团体标准立项的通知。
卫星数据碳汇监测
2024-04-26 11:35:23
如何利用人工智能和机器学习来增强物联网安全
为了加强物联网安全，利用人工智能(AI)和机器学习(ML)技术已成为一种有前景的解决方案。
人工智能机器学习物联网安全
2024-03-20 09:48:05

版权与免责声明：

凡本站注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本站授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：智能制造网”。违反上述声明者，本站将追究其相关法律责任。

本站转载并注明自其它来源（非智能制造网）的作品，目的在于传递更多信息，并不代表本站赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、平台或个人从本站转载时，必须保留本站注明的作品第一来源，并自负版权等法律责任。如擅自篡改为“稿件来源：智能制造网”，本站将依法追究责任。

鉴于本站稿件来源广泛、数量较多，如涉及作品内容、版权等问题，请与本站联系并提供相关证明材料：联系电话：0571-89719789；邮箱：1271141964@qq.com。