
CDA数据分析师 出品
编译:Mika
【导读】
你是否想搜索地球表面的实时影像?Marshall和他在Planet的团队将使用世界上最大的卫星群每天拍摄整个地球的图像。现在他们正在进行一个新的项目:使用人工智能对地球上所有的物体进行索引——这可以使船只、树木、房屋和地球上的一切东西都可以搜索,就像谷歌等搜索引擎一样。
4年前就在TED的讲台上,我公布了地球任务1号:
发射一系列卫星,从而能每天拍摄地球全貌,并让大众能获得这些信息。
我们要解决的问题很简单。在网上,你能找到的卫星图片很旧了,甚至早就过时了。但是人类活动每时每刻、每天、每周、每月都在发生。
我们不能解决自己看不见的问题,我们想要给人们工具去看见变化,并且采取行动。
阿波罗17号的宇航员在1972年照下了美丽的蓝色星球图片,这帮助人们了解到我们生活在一个脆弱的星球上。
因此我们想要继续这项事业,为人们提供保护地球的工具。
在完成了多个我们自己的阿波罗任务,发射了人类历史上数量最多的一组卫星后,我们完成了既定目标。
今天,Planet每天都在记录着地球的全貌,任务完成!
这个任务完成了21次火箭发射。这个图让整个过程看起来很轻松,但事实并非如此。
现在我们有超过200个卫星在轨道上环绕运行,将搜集到的数据发送到31个全球站点。
每天,我们总计得到150万张,共计29兆像素的地球表面图片。并且,在地球表面任意一点,我们现在拥有平均超过500张图片。
这些巨大的数据记录着巨大的改变,很多人在使用这些图片。
农业企业用他们来提高农民的产量;商业地图公司用他们来提高地图的精度;政府用他们来监管边疆安全,或是应对自然灾害,比如洪水、火灾或地震;很多非政府组织也在用它们,去追踪并阻止森林砍伐,帮助找到逃离缅甸的难民,或追踪叙利亚危机中的活动,以令各方势力负责。
今天我有幸能够宣布Planet stories的上线,任何人都可以登陆planet.com,创建一个账户,就能在网上看到所有的图片。
这相当于一个实时版的Google Earth,你还可以看到历史数据。你可以比较任何两天,然后发现我们的星球发生的巨大改变。或者你可以用这500张照片创造一个延时视频,去显示该地点随着时间发生的巨大变化。你还可以把它们分享到社交网络上,这很酷。
我们最初为新闻工作者创造了这个工具,为了让他们得到对于世界不带偏见的信息。但现在我们把它向公众开放,用于非盈利或个人用途。
我们希望这个工具能够让人们发现地球发生的变化,并做出改变。
那么人类现在有了这个不断变化的地球数据库,我们的下一个任务是什么呢?
简而言之,就是空间加上人工智能。
我们利用人工智能检索卫星图片中的事物。网上用来在视频中标记猫狗的AI工具,同样可以用来处理我们的照片。
想象这里有艘船,这里有棵树,这是辆车,这是条路,这是个大楼,这是个卡车。
如果你能够对每天产生的几百万张图片,这样处理就基本上创造出了一个数据库。当中包含了地球上每天存在的有形事物,并且这个数据库是可以被搜索的。
这就是我们在做的事。这是一个使用了我们API的原型。
这是北京,如果我们想要统计机场的飞机数量,只需要选择机场,程序就会检索出今天照片中的飞机和以前所有照片中的飞机。然后它生成了这张标记了北京机场飞机的统计图。当然,你可以对世界上任何一个机场这样操作。
让我们来看看温哥华的一个港口,我们用同样的流程来统计船只。放大并选中温和华,搜索这片区域,然后我们搜索船只,就会得到船只的情况。
想象一下这将为负责追踪并组织非法捕鱼的海岸保卫人员提供多么大的帮助。合法的捕鱼船只,用AIS灯塔传达他们的位置。但我们经常发现违反规则的船只,图片不会撒谎。所以海岸保卫人员可以利用这个信息来发现非法船只。
我们将会很快加入不局限于飞机、船只的其他对象,并且我们可以生成这些地点的对象数据流。
从人们的工作流程中进行数字化集成,未来我们还可以建立一个更复杂的浏览器,让人们放入不同来源的信息。
但是最终,我们可以把图像完全抽象化,产生一个可检索的地球表面界面。
想象一下我们可以这样问:
“巴基斯坦有多少栋楼房?对时间做个统计图。” “亚马逊有多少树?还有从上周到这周倒下的树的地点?”
这不是很棒吗?这就是我们想要达到的目标,我们叫它“可检索地球”。
地球任务1号负责每天记录地球表面的图像,并对大众开放。
地球任务2号负责对地球上所有事物编码,生成检索信息。
不妨这样类比,Google把互联网上的事物编码,建立了搜索引擎。我们要将地球上所有事物编码,同样方便大家查询。
非常感谢!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10