人工智能助力卫星地图提升清晰度，展示全球可再生能源项目和森林覆盖率

欢迎各位小伙伴来到golang学习网，相聚于此都是缘哈哈哈！今天我给大家带来《人工智能助力卫星地图提升清晰度，展示全球可再生能源项目和森林覆盖率》，这篇文章主要讲到等等知识，如果你对科技周边相关的知识非常感兴趣或者正在自学，都可以关注我，我会持续更新相关文章！当然，有什么建议也欢迎在评论留言提出！一起学习！

9 月 3 日消息，由微软联合创始人保罗・艾伦创立的艾伦人工智能研究院（Allen Institute for AI）近日发布了一款全新的工具，名为 Satlas，其中包含全球首个利用生成式人工智能技术提高卫星图像清晰度的地图，可以显示全球范围内的可再生能源项目和森林覆盖率。

本站注意到，该地图使用了来自欧洲空间局（European Space Agency）哨兵-2（Sentinel-2）卫星的卫星图像。但是，这些图像仍然无法清楚地显示地面细节，于是他们使用了一种名为“超分辨率”（Super-Resolution）的解决办法。基本上就是使用深度学习模型来填补细节，例如建筑物可能是什么样子，从而生成高分辨率的图像。

上图是人工智能生成的肯尼亚纳库鲁的高分辨率图像，下图是卫星拍摄的同一位置的低分辨率图像

目前，Satlas 主要关注全球的可再生能源项目和森林覆盖率。数据每月更新，包括哨兵-2 监测的地球部分区域，这包括除了南极洲和远离陆地的公海之外的大部分地区。

该地图显示了太阳能发电场和陆上和海上风力涡轮机，还可以用它来查看树冠覆盖率随时间的变化，这些对于试图实现气候和其他环境目标的政策制定者来说非常重要。

据艾伦研究院称，这是第一款覆盖范围如此广泛且免费向公众开放的工具，其开发者也表示，这可能是超分辨率技术在全球地图中的首次展示。

当然，还有一些问题需要解决。与其他生成式人工智能模型一样，Satlas 也容易出现“幻觉”，有时会以一种奇怪的方式绘制建筑物，例如建筑物是矩形的，而模型可能认为它是梯形或者别的什么，这可能是由于不同地区的建筑风格差异导致模型难以预测。另一个常见的“幻觉”是在模型认为应该有汽车和船只的地方放置汽车和船只，这是基于训练模型所用的图像。

为了开发 Satlas，艾伦研究院的团队不得不手动浏览卫星图像，标记出 3.6 万台风力涡轮机、7 千个海上平台、4 千个太阳能发电场和 3 千个树冠覆盖率。对于超分辨率，他们向模型输入了同一地方在不同时间拍摄的许多低分辨率图像。模型使用这些图像来预测高分辨率图像中的亚像素细节。

艾伦研究院还计划扩展 Satlas，提供其他类型的地图，包括一种可以识别全球种植作物类型的地图。

今天关于《人工智能助力卫星地图提升清晰度，展示全球可再生能源项目和森林覆盖率》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于人工智能的内容请关注golang学习网公众号！