遥感AI大模型可用于农业产量估计和地理灾害防治

阿里达摩院推出了业界首个遥感AI大模型，该模型能够识别农田、作物、建筑等多种地表物体，使AI技术能够深入到农业实际应用中，显著提高了灾害防治、自然资源管理和农业产量估计等遥感应用的分析效率。目前，该模型已在AI EaRth地球科学云平台上开放使用。

遥感技术在城市管理、耕地保护和应急救援等领域的应用广泛。结合遥感AI，可以显著提升现有数据的使用深度，提供更为细致和准确的分析结果。例如，通过结合卫星图片和历史气象数据，可以“计算”出特定农田作物的生长状态，使农业生产从被动转为主动，真正实现“看天吃饭”。

过去，由于遥感卫星影像数据庞大且地物分类复杂，识别不同地表物体通常需要多个专用遥感模型进行训练。此外，单个模型的识别准确率往往较低，泛化能力也较差。2023年4月，Meta发布的论文《SegMent AnytHing》使计算机视觉领域进入了快速迭代的大模型时代，进一步推动了遥感AI朝着“一个模型解决多个任务”的方向发展。

达摩院提出的遥感AI解译通用分割模型（AIE-SEG），在遥感领域首次实现了图像分割任务的统一，该模型能够快速提取“万物零样本”，识别农田、水域、建筑物等近百种地物类别。在多任务处理时，依然能够保持高精度的识别，并且能够根据用户的交互反馈自动优化识别结果。在特定场景下，与传统遥感模型相比，实例提取的准确率提高了25%，变化检测的准确率提高了30%。

该模型支持多模态交互，例如，当输入“提取影像中的耕地农田”时，系统会自动识别所选目标。

基于上述能力，遥感AI大模型提供“开箱即用”的API服务，用户可以根据不同需求定制遥感AI解译功能，如水体提取、耕地变化监测、光伏识别等。

自2022年起，山东省国土测绘院与达摩院在自然资源调查和耕地保护等领域展开合作，利用遥感AI大模型进行全省冬小麦的生长监测研究，识别精度超过90%，有效提升了冬小麦的遥感解译效率，帮助农业管理者更准确地预测粮食产量，提高农业生产效益。

国家自然灾害防治研究院利用遥感AI大模型进行滑坡和倒塌建筑物的识别，在对历史自然灾害区域的遥感图像进行测试时，仅需十几分钟就能提取受灾信息，相比人工识别方式，效率提升了数十倍，为科学救灾提供了高效且精准的遥感分析支持。

达摩院视觉技术实验室的AI EaRth算法负责人罗浩表示，推进遥感多模态是更好理解地球的必经之路。达摩院将继续推动遥感AI大模型的研究，利用AI助力地球科学的探索和应用。

AI EaRth是达摩院在2022年推出的一站式地球科学云平台，基于深度学习、计算机视觉和地理空间分析等技术，提供多源观测数据的云计算分析服务，目前已与国内50多所高校建立合作，相关技术也已应用于水利部、国家气象中心、生态环境部等机构。