В рамках миссии NASA Harmonized Landsat Sentinel-2 (HLS) собираются спутниковые снимки Земли со сверхвысоким пространственным и временным разрешением: 30 метров на пиксель каждые два-три дня. Такая гранулярность данных достаточна для детального анализа широкого ряда экологических явлений.
IBM использовала свои облачные платформы, такие как watsonx, для обучения модели на данных NASA. Prithvi – визуальный трансформер с временным разрешением. В модели используется самообучающийся энкодер с MSE в качестве функции потерь. Prithvi принимает на вход данные дистанционного зондирования в видеоформате и выполняет сегментацию пикселей в соответствие с поставленной задачей. Например, модель может разметить области пожаров и наводнений, а также выделить области с различным земельным покровом.
На основе выходных данных появляется возможность выполнения анализа причин, динамики и параметров распространения тех или иных явлений, а также построения прогноза дальнейшего распространения выделенных областей. Изначально модель настроена на поиск областей пожара и наводнений, но при дополнительном конфигурировании ее можно применить для решения произвольных задач.
Pritvhi и спутниковые данные IBM и NASA доступны на платформе Hugging Face. Это крупнейшая на текущий момент открытая геопространственная модель.
