随着气候变化加剧了洪水、飓风、干旱和野火等日益严重的天气事件，传统的灾难响应方法正在努力跟上。虽然卫星技术、无人机和远程传感器的进步可以更好地进行监控，但对这些重要数据的访问仍然仅限于少数组织，这使得许多研究人员和创新者没有他们需要的工具。每天生成的大量地理空间数据也成为一项挑战，使组织不堪重负，并且更难提取有意义的见解。为了解决这些问题，需要可扩展、可访问和智能的工具，将大量数据集转化为可操作的气候见解。这就是地理空间 AI 变得至关重要的地方 — 一种新兴技术，有可能分析大量数据，提供更准确、主动和及时的预测。本文探讨了 IBM 和 NASA 之间的开创性合作，以开发先进、更易于访问的地理空间 AI，为更广泛的受众提供推动创新环境和气候解决方案所需的工具。
为什么 IBM 和 NASA 是 Foundation Geospatial AI 的先驱
基础模型 （FM） 代表了 AI 的新前沿，旨在从大量未标记的数据中学习，并将其洞察应用于多个领域。这种方法提供了几个关键优势。与传统的 AI 模型不同，FM 不依赖于大量、精心策划的数据集。相反，他们可以对较小的数据样本进行微调，从而节省时间和资源。这使它们成为加速气候研究的强大工具，而收集大型数据集可能既昂贵又耗时。
此外，FM 简化了专用应用程序的开发，减少了冗余工作。例如，一旦 FM 经过培训，它就可以适应多种下游应用，例如监测自然灾害或跟踪土地使用情况，而无需进行广泛的再培训。尽管初始训练过程可能需要大量的计算能力，需要数万个 GPU 小时。但是，一旦它们经过训练，在推理期间运行它们只需几分钟甚至几秒钟。
此外，FM 可以让更广泛的受众访问高级天气模型。以前，只有资金雄厚、资源充裕、能够支持复杂基础设施的机构才能运行这些模型。然而，随着预先训练的 FM 的兴起，气候建模现在可供更广泛的研究人员和创新者使用，为更快的发现和创新的环境解决方案开辟了新的途径。
Foundation Geospatial AI 的起源
FM 的巨大潜力促使 IBM 和 NASA 合作构建地球环境的全面 FM。这种合作伙伴关系的主要目标是使研究人员能够以有效且可访问的方式从 NASA 广泛的地球数据集中提取见解。
在这一追求中，他们在 2023 年 40 月取得了重大突破，推出了开创性的地理空间数据 FM。该模型在 NASA 庞大的卫星数据集上进行了训练，该数据集包括来自 Harmonized Landsat Sentinel-2 （HLS） 计划的 <> 年图像档案。它使用先进的 AI 技术（包括 transformer 架构）来高效处理大量地理空间数据。HLS 模型使用 IBM 的 Cloud Vela 超级计算机和 watsonx FM 堆栈开发，分析数据的速度比传统深度学习模型快四倍，同时需要的标记数据集要少得多。
该模型的潜在应用范围很广，从监测土地利用变化和自然灾害到预测农作物产量。重要的是，这个强大的工具可以在 Hugging Face 上免费获得，让世界各地的研究人员和创新者能够利用其功能并为气候和环境科学的进步做出贡献。
Foundation Geospatial AI 的进步
基于这一势头，IBM 和 NASA 最近推出了另一个开创性的开源模型 FM：Prithvi WxC。该模型旨在应对短期天气挑战和长期气候预测。FM 基于 NASA 40 年的地球观测数据进行了预训练，这些数据来自现代研究和应用回顾性分析，第 2 版 （MERRA-2），与传统预测模型相比，FM 具有重大进步。
该模型是使用视觉转换器和掩码自动编码器构建的，使其能够随时间对空间数据进行编码。通过结合时间注意力机制，FM 可以分析 MERRA-2 再分析数据，这些数据集成了各种观测流。该模型既可以在球面（如传统气候模型）上运行，也可以在平坦的矩形网格上运行，从而允许它在全球和区域视图之间切换而不会损失分辨率。
这种独特的架构使 Prithvi 能够在全球范围内、区域和本地范围内进行微调，同时在几秒钟内在标准台式计算机上运行。该 FM 模型可用于一系列应用，包括预测当地天气到预测极端天气事件、增强全球气候模拟的空间分辨率以及改进传统模型中物理过程的表示。此外，Prithvi 还配备了两个专为特定科学和工业用途而设计的微调版本，为环境分析提供了更高的精度。该模型可在 hugging face 上免费获得。
最后
IBM 和 NASA 的合作伙伴关系正在重新定义地理空间 AI，使研究人员和创新者能够更轻松地应对紧迫的气候挑战。通过开发可以有效分析大型数据集的基础模型，这种合作增强了我们预测和管理恶劣天气事件的能力。更重要的是，它为更广泛的受众打开了大门，让他们能够访问这些强大的工具，而这些工具以前仅限于资源丰富的机构。随着越来越多的人可以使用这些先进的 AI 模型，它们为创新解决方案铺平了道路，这些解决方案可以帮助我们更有效、更负责任地应对气候变化。
