IBM＆rsquo的地理空间AI模型正在帮助高危人口解决可持续性和气候变化_综合

　　IBM迄今为止发布了其最强大的地理空间基础模型，Prithvi-eo-2.0拥有6亿个参数。

　　该模型经过NASA的HLS V2产品的训练，该产品提供30m粒度，Prithvi 2.0能够从卫星图像中挑选单个树种和农作物类型，以及从无人机镜头中挑选出牛和太阳能电池板。

　　IBM＆rsquo范围的地理空间模型允许社区经历气候变化的第一手影响，以识别风险区域，并提前警告人口。

　　你可能喜欢

　　可持续发展周：AI作为气候行动的力量

　　卫星，AI和区块链：可持续性创新的无名英雄

　　可持续性周：扩展AI-英国的超大数据中心如何发展为可持续性和增长

　　与能量，洪水和城市热岛作斗争

　　在苏黎世IBM研究的Prithvi 2.0开发时，Juan Bernabe-Moreno欧洲和爱尔兰与英国局长说，该模型均经过了对统一的Landsat Sentinel-2（HLS）数据和现代时代的研究和应用程序的追溯分析（MERRA-2）数据（MERRA-2）数据的培训。

　　使用HLS数据使用户可以微调专业模型，能够检测洪水，野火和滑坡，并量化生物质，对特定的农作物进行分类，测量冠层高度并跟踪土地使用情况。

　　MERRA 2模型能够跟踪天气，飓风和湍流，以及气候模型降水，天气建模和温度映射中的特定功能。Bernabe-Moreno指出，IBM希望拥有2025年发布的气候预测模型。

　　更重要的是，Prithvi 2.0扩大了功能，例如诸如多阶段云间隙插补，使该模型可以重建被云覆盖的卫星图像的区域，这有助于在监视环境，计划农业变化和估计作物产量时提高准确性。

　　你是专业人士吗？订阅我们的新闻通讯

　　注册techradar Pro新闻通讯，以获取您的业务成功所需的所有首选，意见，功能和指导！取得成功！请与我联系我们的其他未来品牌的新闻，并代表我们值得信赖的合作伙伴或Sponsorsby提交您的信息，您同意您同意的条款和隐私政策，并年龄在16岁或超过16岁之间。

　　IBM还希望从Prithvi 2.0的开发中吸取教训，并使用它们来创建旨在管理功率基础设施和可持续能源的开源模型，称为GRIDFM。该项目与LF Energy和Hydro Quebec合作，旨在建立一个能够预测功率负载和可再生能源产生，跟踪电源和功率传输的模型，并模拟未来的功率用法以帮助预测定价和需求。

　　气候预测的未来

　　肯尼亚共和国技术特使大使说：“全球南方是气候变化的最前沿。”

　　通过能够访问Prithvi 2.0等工具，现在资源较少的国家可以解决气候变化的影响并有助于保护其生态系统。

　　2023年，IBM宣布与肯尼亚政府建立合作伙伴关系，目的是协助在人类活动引起的大量生物质下降的地区的重新造林工作。Thigo大使指出，IBM＆Rsquo的地理空间模型使肯尼亚政府不仅能够准确地跟踪其重新造林工作，而且还可以通过能够提供有关其努力的详细信息来吸引项目资金。

　　此外，Prithvi 2.0及其数据已用于跟踪和预测洪水模式，从而使肯尼亚政府在大雨期间发出48小时警告，以供有洪水风险的社区。

　　对于Wits Rhi气候和健康局的研究教授Matthew Chersich来说，Heat是一个重要的关注领域。切尔西奇（Chersich）着重于城市热岛 - 由于基础设施，人类活动和绿色空间减少，其城市地区比周围地区明显热。

　　地理空间AI一直是绘制非洲城市地区热量变化的关键工具，并允许研究人员根据热岛，洪水和其他气候问题对健康风险进行建模 - 特别有用作为早期警告系统。Prithvi 2.0提供的30m x 30m分辨率允许高度局部的温度读数，可以与干旱数据交叉，以向热岛和干旱风险区域内及其周围的居民提供指定的警告。

　　GridFM可以使通往可持续性的途径更加可持续

　　“到2050年，魁北克水电公司的研究人员弗朗索瓦·米拉尔斯（FrançoisMirallès）指出：“到2050年，为了实现脱苯式化的目标才能达到脱苯式化的目标。”在太阳能，风能和潮汐等可持续能源时，缺乏一致性，管理和预测供求的困难会加剧。

　　GRIDFM开发的长期目标是为能源行业提供一个模型，该模型可以训练以执行高度专业化的任务，以解决和处理这些多个变量，不仅可以提供长期的能量预测，还可以提供小时的预测和异常检测。

　　LF Energy Foundation的营销主管Dan Brown增加了Mirallès＆rsquo;点指出，解决气候变化和脱碳“需要从头开始变化”。可持续能源的复杂性使扩大规模难以扩展，但是开源模型和研究有助于推动创新，并应对创造可持续未来的关键挑战，尤其是对于诸如负载预测和扩张预测等任务。

　　AI培训以预测能源使用和峰值负载面临的一个特殊挑战是，能源数据受到了其使用情况的治理问题的调节。布朗指出，在这种情况下，诸如OpenSynth之类的工具特别有用，因为它经过了实际数据的培训，但在其输出中提供了合成数据。

　　IBM及其在AI联盟中的合作伙伴表明，开源是研究和创新的未来，可以在透明和协作中建立和证明AI模型的信任。