今天，谷歌地球推出了一项名为“动态世界”的项目，这是一项新的举措，它创建的地图配有一个新颖的深度学习人工智能模型。它能够以 10 米（32 英尺）的分辨率按类型（水、城市、森林、农作物）对土地覆盖进行分类。这意味着每个像素覆盖约 10 米的土地。相比之下，以往最先进的技术分辨率为 100 米（320 英尺）。
动态世界是一种人们可以从太空中观察地球上土地覆盖变化的各种方式的工具，无论是由于季节性自然变化、受气候变化加剧的风暴和灾害，还是由于人类活动造成的长期变化，例如为农作物、牛或伐木而清除野生栖息地。专家和研究人员可以利用这个新项目来了解土地覆盖如何自然变化，并标记出出现任何意外变化的时间。
用户可以访问谷歌的 动态世界网站 来浏览各种数据集，看看标记的地图是什么样的。例如，一张地图显示了在雨季和旱季之间，博茨瓦纳奥卡万戈三角洲的水量和绿化带的增减情况。
该地图模型利用欧洲航天局的 Sentinel-2 卫星图像，可以每 2 至 5 天更新一次全球土地覆盖监测的数据流。事实上，Sentinel-2 卫星每天会产生约 12TB 的数据。之后，这些数据会进入谷歌的 数据中心 和谷歌地球引擎，这是一个用于组织和传输地球观测和环境分析的云平台。地球引擎连接着数万台计算机，这些计算机通过计算机模型处理信息并提取见解，然后才能在地球引擎数据目录中获得。
为了能够自动标记所有卫星图像中显示的土地的利用方式，谷歌需要人工智能的帮助。他们作为该项目一部分开发的土地覆盖标记人工智能，是通过 50 亿个人工标注（以及一些非专业人士标注）的像素进行训练的。在训练数据中，他们识别了 Sentinel-2 图像中的像素以及它们的土地覆盖类别（水、树木、草地、淹没植被、城市等建成区、农作物、裸地、灌木、雪）。然后，他们会向模型展示一张不在训练集中的图像，并要求它对土地覆盖类型进行分类。地图上的不同土地类型不仅可以通过颜色差异区分，还可以通过阴影差异区分。这是因为像素也传达了概率。颜色越亮，模型对其分类准确性的信心就越高。这会在地形从陆地变为森林或从陆地变为水时产生一种纹理效果。
[相关：谷歌街景刚刚发布了其新相机——它看起来像一只猫头鹰]
他们的数据集的详细描述已在《自然科学数据》杂志上发表。
“我们正在以免费和开放的许可方式提供所有这些内容，”谷歌地球总监 Rebecca Moore 在宣布 之前的一次新闻发布会上表示。“数据集是免费和开放的。人工智能模型是开源的。”
大约 10 年前，谷歌和世界资源研究所合作推出了 全球森林观察 项目，该项目旨在监测森林覆盖，以保护这些区域，同时查找非法活动（如伐木或采矿）的变化。现在，他们正试图将工作范围扩大到仅保护和观察一种土地覆盖类型之外。
目的是帮助理解现有的可用数据。“我们从许多政府和研究人员那里得知，他们致力于采取行动，但他们缺乏关于地面情况的环境监测信息，以便他们能够制定基于科学的数据驱动政策、跟踪其行动的结果，以及与利益相关者沟通，”Moore 说。“讽刺之处不在于数据量不足。但他们却渴望获得见解。他们正在寻找可操作的指导来支持他们需要做出的决定。在许多情况下，处理原始数据是压倒性的。”
谷歌认为，动态世界的作用在于它可以填补土地利用和土地覆盖方面的数据空白，并描述森林、水资源、农业、城市发展等基本生态系统所在的位置。Moore 表示，这类信息可用于指导有关稀缺自然资源、粮食和水的可持续管理的决策。它还可以帮助解决有关如何管理灾害韧性、如何应对海平面上升、在哪里建立保护区、在哪里修建水坝以及可能需要做出哪些权衡等问题，这仅仅举几个例子。
