科学家如何利用机器学习研究地球

2019-10-28 22:56:17

如今,地球科学家花在站立在采集土壤样品的田地上的时间越来越少,而在计算机屏幕后面花费的时间却更多。大多数地球科学数据是由传感器和卫星自动收集的。最大的挑战是如何理解所有数据,以便科学家们能够回到自己最擅长的领域:观察世界,提出问题,进行实验并寻找证据。

科学家使用来自政府程序(例如NASA,NOAA和USGS)的大型公开数据集(这是美国国家航空航天局,美国国家海洋与大气管理局和美国地质调查局的简称)。许多地球科学家也有私人资源,将这些公共和私人数据集组合起来既困难又费时。

例如,如果科学家想查看卫星图像以更好地了解气候变化,他们就必须花费数小时来筛选数据并管理多个软件程序。

安妮·伯吉斯博士说:“您希望减少管理数据的时间,并解决那些真正的难题。” 她是地球科学信息合作伙伴(ESIP)实验室的实验室主任,该实验室资助了一个由乔治梅森大学空间信息科学与系统中心首席研究员孙子恒博士领导的项目。他开发了Geoweaver,该程序可解决地球科学家面临的大数据挑战。

Sun开发了一个基于Web的系统来对多个数据集进行深度学习。它为地球科学家提供了一种系统,用于了解公共数据(例如来自NASA和NOAA的卫星图像)和私人数据(例如现场观察)。这个名为Geoweaver的项目帮助地球科学家有效地利用机器学习筛选数据,以便他们了解我们星球的真正状况。

Sun解释说:“ ESIP Lab Geoweaver是供科学家管理其工作流程的在线应用程序。” “它可以安装在任何地方,可以从任何地方访问。这是一个拯救生命的项目,人们可以使用多种语言进行编码,可以处理多种设施和多个数据集以执行其科学工作流程。”

机器学习并不是新事物,但是以前的版本太慢了,无法支持地球科学家所需的实时数据。今天的计算能力要好得多,因此Sun的程序可以在更少的时间内训练现场数据。他说,旧的慢速版本不起作用,因此地球科学家对机器学习不抱有信心。这就是为什么他创建了一个程序,将最新的AI技术与他们已经知道并信任的程序相结合。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。