IBM聯手NASA開源地理空間大模型：標註資料減半，效能反升15%

IBM 聯手 NASA 研發的地理空間 AI 基礎模型現在可以在 Hugging Face 上免費下載了。它把原本只有科研機構才能處理的龐大衛星資料，變成了開發者可以直接拿來分析地球表面變化的現成底座。

它能做什麼

簡單來說，這個模型是用來「讀懂」衛星遙感影像的。

針對洪水分佈製圖和山火燒燬痕跡識別兩項任務，模型只用了一半的標註資料，效能就比現有最先進技術提升了 15%。

這意味著下游研究團隊不需要再從零去標註海量影像。稍微做一些微調，它就能直接套用到追蹤森林亂砍濫伐、預測農作物收成，或者監測溫室氣體排放等實際場景中。

目前研究團隊還在和克拉克大學合作，進一步把它適配到時間序列分割和地表變化相似性研究上。

怎麼訓練出來的

衛星遙感領域最大的痛點是資料堆積如山，但能拿來訓練模型的高質量標註極少。據 NASA 預估，到 2024 年新增任務產生的科學資料量將達到 25 萬 TB。

為了解決這個矛盾，IBM 和 NASA 採用了通用基礎模型的思路。他們提取了美國本土整整一年的陸地衛星與哨兵 2 號融合資料（HLS），用自監督方式讓模型先學會地表光譜和紋理的基本規律。

有了這個預訓練底座，遇到具體的下游任務時，研究人員只要喂入少量特定場景的標籤資料，模型就能快速理解並輸出高精度分析。

想動手的開發者可以直接去 Hugging Face 搜尋並下載該模型權重。商業使用者也可以留意，IBM 計劃在今年晚些時候把它整合進自家的環境智慧套件（EIS）中。

為什麼重要

做地理資訊系統、遙感分析或者氣候科研的團隊，非常值得第一時間去拉取權重跑一下測試。以前訓練一個靠譜的地表變化檢測模型，光是人工勾畫洪水邊界或火燒區域就要耗費幾週時間，現在有現成預訓練底座支撐，起步門檻被大幅拉低。

我們認為，這也是開源社群在科學 AI 領域邁出的關鍵一步。遙感大模型長期停留在各家機構內部的封閉系統裡，IBM 和 NASA 選擇把基礎權重直接公開到 Hugging Face，大機率會倒逼更多氣象和遙感機構開放自家的專業模型，讓地球觀測資料的分析真正普及開來。