导语：达摩院推出放开的AI Earth地球科学云平台。

　　故事的起点可以追溯到整整半个世纪前。

　　1972年，罗马俱乐部发表了一份著名的研究报告《增长的极点》。在这份报告中，当时全球上最著名的学者们深入探讨了人口、食物、工业、污染和不可再生的天然资源之间的关系，并借此开始了壹个最新的研究领域。

　　15年后，联合国委托全球环境和进步委员会编写的报告《大家共同的未来》中，将这个研究领域概括为可持续进步——“既能满足当代人的需要，又不对后代人满足其需要的能力构成危害的进步”。

　　又过了差不多40年，在第70次联合国大会上，193个联合国成员国通过了包括17个可持续进步目标和169项具体目标的《变革大家的全球：2030年可持续进步议程》。全人类都希望能加强对社会、经济和环境的认识，推动人类社会真的走上可持续进步的道路。

　　但科学家很快发现，实现这样的目标面临着诸多严峻的挑战，例如科学界对相互制约的目标间的关系并不了解，他们也缺少足够的数据和从这些数据中提高认知的工具——能够处理地球科学中海量数据的算法。

　　处理数据的能力是科学界面对的核心挑战其中一个。除了规模惊人，这些数据还都具有空间属性，因此兼具海量、多源、异构、多实相、多尺度、非平稳的大数据传统特性以及很强的时空关联和物理关联性。不但传统的算法在这里难有用武之地，甚至传统的计算机也很难在这里发挥影响。

　　达摩院也注意到了这些挑战，并认识到遥感数据获取的高成本、现有解析方式自动化程度低、成本高和解译效率低的难题正阻碍着人类对地球、社会、环境及其相互关系的领会，因此推出了AI Earth地球科学云平台。

500)this.width=500">

达摩院AI Earth地球科学云平台遥感影像数据检索页面

　　这个搭建在阿里云上的平台具备高性能计算和存储能力，集成经过预处理的PB级开源卫星遥感数据(涵盖Landsat 8、Landsat 9、Sentinel-1和Sentinel-2)，以及地物分类、变化检测、SAR水体提取等十余种AI算法。平台将定量不收费为用户放开，帮助提高卫星遥感数据处理效率。

　　该平台的AI算法采用了多项创造技术。基于NAS网络结构搜索技术，平台设计了高效分类网络结构MuffNet等一系列针对遥感数据的专用高效特征提取网络结构，基于Transformer的旋转目标检测框架在DOTA等遥感检测数据集上取得了最佳效果。

　　这也是循序前进的一系列职业的一部分。早在2024年9月，达摩院公开的AI Earth平台，就已经实现了对卫星影像、无人机影像、实时视频流、气象数据、IoT数据等多源数据的融合解析，并已应用于水利部、民族气象中心、生态环境部等机构。

　　达摩院AI Earth团队负责人李昊表示：“遥感影像解析任务需要强大的算力和创造算法，大家的放开平台通过融合云计算和AI算法的优势，为用户提供良好的线上研究环境，用云上AI助力科研。”

（转载）