智慧應用 影音
泰富國際
Vector Japan

衛星影像與AI可助因應重大氣候變遷

人造衛星影像與深度學習可規模化解決增加作物收成、終結貧窮與飢餓、保護環境等問題。Planet Labs

即將部署至軌道的人造衛星數量破紀錄、人造衛星影像品質與深度學習技術日益精進,可用於規模化解決增加作物收成、終結貧窮與飢餓、保護環境等重大問題,以因應日益嚴重的氣候變遷,不過相關作為仍受政府官僚主義、缺乏政治決心或資源等障礙掣肘。

根據WIRED報導,人造衛星影像與機器學習可助非洲找出未開墾耕地,以減少進口食物倚賴與轉型世界糧倉,但須輔以建立專業人才庫與政府政策支持;也能辨識鹽分流動對灌溉與作物收成的影響、解決農戶土地管理問題;但商業供應商的高解析度人造衛星影像取得成本也是挑戰。

90%被砍伐的亞馬遜雨林在新闢道路方圓5公里,從人造衛星影像追蹤新闢道路,以往需人工註記發現,目前已累積大量影像,用於訓練巴西非營利組織Imazon的人工智慧(AI)系統,發現的新闢道路比人工多13倍、正確率70~90%,結合預測模型可找出2023年森林砍伐風險最高社區。

保育團體Global Fishing Watch運用機器學習模型辨識關閉全球定位系統(GPS)以規避偵測的船隻,能預測船隻型態、漁具配置、可能目的地,支援發現非法捕撈、登船檢查決策,但強化港口執法是威嚇措施兼顧成本與可規模化的關鍵。

顧問公司Capgemini與非營利環境組織大自然保護協會(TNC)從人造衛星影像找出與繪製越野行駛車輛的蹤跡,創建自動辨識新闢道路的AI模型,提供野生生物與生物多樣性潛在威脅警示,支援強化執法以保護Mojave沙漠瀕危動物棲地。

Iceye運用微人造衛星與機器學習監測冰的發展,根據能隨時穿透雲層的微波波長影像預測洪水災損,但政府與保險公司是最大障礙。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 深度學習 衛星 氣候變遷 AI