أولمو إيرث: كيفية تصدير بيانات ناقلات البيانات الساتلية من استديو وتطبيقها في التحليل

What are satellite data embeddings and why are needed

الصور الساتلية ليست مجرد صور بل بيانات متعددة الأبعاد: النطاقات الطيفية، الاستقطاب، السلسلة الزمنية. ومن الصعب العمل معها مباشرة: فالنموذج يمكن أن يضيع في الضوضاء، والمحللين بحاجة إلى المقارنة السريعة بين المناطق الكبيرة. وهذا هو المكان الذي تأتي فيه المزجات - تمثيل ناقلات مدمجة تضغط على جوهر المشهد في ناقل رقمي. ويمكن مقارنة هذه النواقل وتجميعها واستخدامها كخصائص للتعلم الآلي.

تم بناء سفينات (أولموث) بواسطة نماذج تأسيسية مفتوحة تم تدريبها على بيانات رصد الأرض وتتمثل سمتهم الرئيسية في أن رمز المصدر والوزن متاحان علناً - أي شخص يمكن أن يتحقق تماماً من كيفية إنتاج ناقلات الوقود؛ إذا لزم الأمر، استنساخ الحساب نفسه. هذا يضيف الثقة والمرونة: النتيجة ليست "صندوق أسود".

كيف يعمل (أولمو إيرث)

ما هو استوديو (أولمو إيرث)

إستوديو (أولمو إيرث) هو خدمة حيث يمكنك أن تُحسب التزيينات لمنطقة مختارة من سطح الأرض وتصدرها كملفات جاهزة للاستخدام وبدلاً من إنشاء محفوظات عالمية سابقة للبناء للناقلات، يقوم الاستوديو بتخزين الطلب، مصممة خصيصاً لظروف محددة. هذا يعني أنه يمكنك الحصول على صور لشهر أو موسم محدد بدلا من تسوية لصورة متوسطة.

ما هي المعايير التي يمكن تحديدها

وعند بدء الحساب، يحدد المستخدم عدة بارامترات:

• مجال الاهتمام - بوليغون يحدد الإقليم للتحليل.
• النطاق الزمني - من شهر إلى اثني عشر شهرا.
• متغير Encoder - النموذج الذي يحول الصور إلى ناقلات. وهناك ثلاثة خيارات متاحة: Nano (128 بعدا، 1.4 ميمتر)، Tiny (192 بعدا، 6.2 ميمتر)، القاعدة (768 بعدا، 89 ميم). وكلما زاد هذا النموذج، كلما كان التمثيل أكثر ثراء، بل زاد أيضا الاحتياجات الحاسوبية.
• القرار - 10، 20، 40، أو 80 مترا لكل بيكسل. ويتوقف الاختيار على حجم المهمة: فالحل الدقيق يناسب التحليل على مستوى النقاط، في حين يعمل القرار المتسق على إجراء دراسات استقصائية إقليمية.
• مصادر التصوير - Sentinel-2 L2A, Sentinel-1 RTC, or both. وتوفر الفئة الأولى بيانات بصرية، وهي بيانات رادارية أخرى.

وجميع هذه البيئات متاحة من خلال الواجهة البيانية ومن خلال نظام تقييم الأداء، بحيث يمكن بسهولة إدماج العملية في خطوط الأنابيب الآلية.

How to export embeddings from Studio

The process of obtaining embeddings in OlmoEarth Studio works just like a standard prediction work flow: first, the model is configured and run ثم يتم تحميل النتائج. ولا يلزم اتخاذ خطوات إضافية للتصدير.

استمارة بيانات النواتج

وتُحفظ النتائج على أنها مادة " كلود - مبتذلة " (COG) - وهي شكل أمثل لتخزين السحابات وتيارها. داخل الملف فرقة واحدة تتطابق مع بُعد واحد فعلى سبيل المثال، بالنسبة لنموذج تيني، يعني هذا ١٩٢ قطاعا - كل منها له قيمة رقمية خاصة به.

وتُخزن القيم في شكل مدمج - كما هو مُوقّع من ثلاجات تتراوح بين 127 و127 +127. A special value of −128 is reserved for missing data (nodata). This encoding significantly reduces file size, but analysis may require restoration the original float vectors. لهذا الغرض dequantize_embeddings الوظيفة مقدمة في olmoearth_pretrain الطرد يحوّل قيم الثلاجة إلى قيم جزئية

الحصول على الخدمات

لتصدير التزيينات الجمركية عبر ستوديو، تحتاج إلى طلب الوصول إلى هذه السمة. وبالنسبة للذين يرغبون في حساب النواقل بمفردهم دون انتظار الوصول إليها، فإن النماذج العامة متاحة - وتنشر التعليمات اللازمة لتشغيلها في وثائق المشروع.

تطبيقات التجسيد في التحليل

وتكمن القيمة الرئيسية للإملاء في تحويل البيانات الساتلية الخام إلى سمات ملائمة يمكن استخدامها لحل المهام العملية دون وضع علامات على مجموعات البيانات الكبيرة كثيفة العمالة.

بحث مماثل

من خلال مقارنة النواقل مع بعضها البعض، يمكنك العثور على مناطق مماثلة لإشارة معينة. فعلى سبيل المثال، في حالة اختبار نموذج أولمو إيرث - 51- تيني (192 بعداً، قرار 40 متراً، سينتينيل - 2 ألف)، فصلت التنمية الحضرية بنجاح عن الأراضي الزراعية دون عينة واحدة مسمّاة. أنت ببساطة وضعت ناقل إستفسار، وتظهر التشابه الكوني المجالات الأكثر شبهاً بها والتي تختلف اختلافاً جوهرياً.

وهذا النهج مفيد لجرد الأراضي السريعة: الكشف عن الشذوذ، وتصنيف أنواع المناظر الطبيعية على أساس مرجعي، والتحقق من التغيرات بين المواسم.

أجزاء قليلة الطلقات

كما أن عمليات الإيداع تؤدي أداءً جيداً في مهام ذات تعريف محدود. In an experiment in Ca Mau (Vietnam), researchers used a linear classifier trained on just 60 labeled pixels — 20 for each of three classes: mangrove forests, water, and other land. ووصلت قيمة F1-score المرجحة إلى 0.84، وهو أمر جدير بالاحترام بالنسبة لمجموعة التدريب المتواضعة هذه. ومن الجدير بالذكر أن زيادة عدد البطاقات التعريفية من ٣٠ إلى ٣٠٠ بالكاد تغيرت دقتها - وهذا يعني أن الضمادات تحتوي بالفعل على معلومات كافية للنموذج للوصول بسرعة إلى لوحة.

This makes the approach attractive for projects where expertise is expensive or the territory is hard to access: instead of thousands of labeled pixels, dozens are enough.