研究新视角，AI + 卫星图像让经济可感知

（原标题：研究新视角，AI + 卫星图像让经济可感知）

最近一项有趣的研究：通过对大规模高分辨率卫星图像数据进行分析，成功识别和测绘了中国超过500个光伏发电厂的分布地图。

“我所做的研究综合起来大概可以总结为‘可感知的经济学’ （Senseable Economics)，当我们利用人工智能技术挖掘各种传感器大数据，并进行系统地量化、分析和预测，那我们的社会经济就变成了可感知的活体。”微众银行 AI 副总经理吴海山博士对 DeepTech 说到。

近期，吴海山博士带领其 AI 团队完成了一项有趣的研究：他们提出了一种新型的深度学习框架 SolarNet，通过对大规模高分辨率卫星图像数据进行分析，成功识别和测绘了中国超过500个光伏发电厂的分布地图，总面积超2000平方公里，通过对这些数据进行关联性分析，能为国家、企业在可再生能源发展方面提供决策参考。

随着全球环境气候的变化和能源问题逐年凸显，探讨可持续发展已成为世界各国和诸多科研组织重要的研究课题。

AI 如何助力可持续发展？SolarNet 或许给出了一种全新的观察视角。

从卫星图像中解读可持续发展

吴海山一直以来主攻在时空大数据领域的研究和应用。

在加入微众银行 AI 团队之前，他曾在百度人工智能研究院担任高级科学家，主导过一项基于移动大数据对中国 “鬼城” 的研究，从数据的角度更为精准和客观地对 “鬼城” 的成因和解决办法进行了有效分析。

后来他在全球最大的资产管理公司 BlackRock 担任董事，负责基于人工智能的投资研究，用 AI 技术结合卫星、手机以及物联网等时空大数据，开发出一套可以对经济或企业发展走势进行量化和预测的数据系统，展现了时空大数据与社会经济系统之间的密切关系。在2017年，吴海山被《麻省理工科技评论》评为了中国 35 位 35 岁以下的科技创新青年。

关于本次 SolarNet 的研究成果和意义，吴海山表示，这可能是首次利用深度学习的方法来揭示中国太阳能发电厂分布位置和规模的尝试。

据了解，中国是目前世界上最大的光伏发电国，国家能源局统计数据显示：

截至 2019 年 9 月底，全国光伏发电累计装机 19019 万千瓦，同比增长 15%，其中，集中式光伏发电装机 13149 万千瓦，同比增长 11%，新增 773 万千瓦；分布式光伏发电装机 5870 万千瓦，同比增长 28%，新增 826 万千瓦。2019 年前三季度，全国光伏发电量达 1715 亿千瓦时，同比增长 28%。

但这些光伏电站具体分布在什么地方，规模到底有多大？一直以来都没有精确的数据参考，进一步量化展示中国可持续能源的发展现状，以及中国对世界能源可持续发展的贡献水平显得越来越有必要。

此外，多维度量化后的数据也能监测到中国光伏产业长期的发展变化细节。

光伏产业一直以来是靠政府补贴成长的产业，年度的政策调整对很多光伏产业公司影响很大，在中国，整个光伏产业链就有 200 多家上市企业，能有一个量化指数对产业投资发展来说是一个重要的维度参考。

当然，除了宏观层面，对于一家光伏发电公司来说，科学地掌握怎么选址建厂、选址区域的天气变化、什么方向角位光伏发电效率最高等要素，对于投资回报收益也非常重要。

“我们通过 AI + 卫星图像数据分析了解了这些情况，对于国家政策制定、投资者以及光伏发电公司来说都是有参考意义的，这也是我们做这项研究工作的初衷。”吴海山说。

技术上的挑战和突破

通常来讲，我们或许认为光伏发电厂应该大多建设在光照充裕、地广人稀的沙漠戈壁、高原草原等地区，从卫星图像上应该很容易辨识出来，但通过 SolarNet 的研究发现，在中国并不完全如此，中国有不少规模性的光伏发电厂建在湖泊中，甚至偏远山区，形状也是千奇百怪。

据了解，光伏发电在中国也是一个很重要扶贫措施，在很多偏远山区，土地贫瘠根本收获不了多少粮食，政府补贴光伏公司在这里建成电站，发电的收入能够给农民一定分成，改善贫困地区的发展问题。

中国区域地理的复杂多元化，从技术上给识别分析工作提出了更高的要求。

2018 年 12 月，斯坦福大学的研究人员曾提出一种名为 DeepSolar 的深度学习框架，通过分析卫星图像识别美国居民区太阳能电池板的 GPS 定位和尺寸，但经过吴海山团队的研究发现，DeepSolar 在中国的卫星图像数据集上并不能实现很好的精准度和监测效果。

近年来，计算机视觉技术相关的图像识别、语义切割、场景分类等技术方向日渐成熟，人脸识别、车辆识别等在我们日常生活中已很常见，但区别于识别传统的照片图像，AI 技术在对卫星图像的识别分析中仍面临诸多挑战。

比如卫星遥感成像受多种因素影响，如天气、过境时间、成像角度等都对遥感影像有较大影响。不同卫星的图像分辨率也不相同，不同的时间段、不同的扫描波段和扫描区域都造成卫星图像有很大的细节差别；另外，太阳能电池板有时候跟山体、湖泊的背景颜色十分接近，再加上云层、阳光反射、高低分布等因素给目标识别检测造成很大干扰；太阳能电池板的纹理也可能因规格材质不同而不同，从卫星图像看色差较大；当然，卫星图像通常都是很大的文件，如何降低计算量消耗，提高识别精准度也是个问题。

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!