IBM联手NASA开源地理空间大模型：标注数据减半，性能反升15%

IBM 联手 NASA 研发的地理空间 AI 基础模型现在可以在 Hugging Face 上免费下载了。它把原本只有科研机构才能处理的庞大卫星数据，变成了开发者可以直接拿来分析地球表面变化的现成底座。

它能做什么

简单来说，这个模型是用来「读懂」卫星遥感图像的。

针对洪水分布制图和山火烧毁痕迹识别两项任务，模型只用了一半的标注数据，性能就比现有最先进技术提升了 15%。

这意味着下游研究团队不需要再从零去标注海量影像。稍微做一些微调，它就能直接套用到追踪森林乱砍滥伐、预测农作物收成，或者监测温室气体排放等实际场景中。

目前研究团队还在和克拉克大学合作，进一步把它适配到时间序列分割和地表变化相似性研究上。

怎么训练出来的

卫星遥感领域最大的痛点是数据堆积如山，但能拿来训练模型的高质量标注极少。据 NASA 预估，到 2024 年新增任务产生的科学数据量将达到 25 万 TB。

为了解决这个矛盾，IBM 和 NASA 采用了通用基础模型的思路。他们提取了美国本土整整一年的陆地卫星与哨兵 2 号融合数据（HLS），用自监督方式让模型先学会地表光谱和纹理的基本规律。

有了这个预训练底座，遇到具体的下游任务时，研究人员只要喂入少量特定场景的标签数据，模型就能快速理解并输出高精度分析。

想动手的开发者可以直接去 Hugging Face 搜索并下载该模型权重。商业用户也可以留意，IBM 计划在今年晚些时候把它集成进自家的环境智能套件（EIS）中。

为什么重要

做地理信息系统、遥感分析或者气候科研的团队，非常值得第一时间去拉取权重跑一下测试。以前训练一个靠谱的地表变化检测模型，光是人工勾画洪水边界或火烧区域就要耗费几周时间，现在有现成预训练底座支撑，起步门槛被大幅拉低。

我们认为，这也是开源社区在科学 AI 领域迈出的关键一步。遥感大模型长期停留在各家机构内部的封闭系统里，IBM 和 NASA 选择把基础权重直接公开到 Hugging Face，大概率会倒逼更多气象和遥感机构开放自家的专业模型，让地球观测数据的分析真正普及开来。