云中的全球规模水监控
水在我们的生活中起着许多作用。 在最基本的水平上，我们每天都需要清洁，安全，可及的饮用水。 但是，我们还将淡水用于烹饪，卫生，娱乐，电力存储和发电以及灌溉。 但是，水可能会变幻无常。 自然产生的淡水的位置和可用性随天气而变化，并且由于人类的影响和气候的变化，将来可能会改变。 长期以来，我们一直致力于通过工程的壮举来驯服河流并稳定水源，从而在全球范围内建造了近7,000个水坝。 如今，我们还有一个额外的工具可供使用：大量的卫星图像和处理该图像的计算能力，这使我们能够监视全球范围内的水量。 在笛卡尔实验室，我们开发了一个地理空间分析平台，使我们的科学家可以轻松访问PB级的卫星图像，从而使用机器学习和人工智能工具构建模型。 乍一看，对水进行制图和监视似乎很容易-只是寻找蓝色像素，对不对？ 但是实际情况要复杂得多：水可能会显示为蓝色，棕色，绿色或黑色，具体取决于光线及其污垢或藻类的水平。 而且某些非水的事物（例如阴影）可以共享与水相似的光谱特征。 为了建立我们的水模型，我们从1984年至今，从世界各地以及Landsat任务4至8和Sentinel 2中取样了超过一百万个30米像素。 使用公开可用的水发生数据集作为我们的“地面真相”，我们训练了增强型随机森林模型来预测水的概率。 除了卫星的六个本机波段（红色，绿色，蓝色，近红外，短波红外1＆2）之外，我们还使用了两次转换到色相饱和度值空间以及归一化差异（如归一化差异水指数（NDWI））的方法。 最后，我们采用了高分辨率的坡度信息，这有助于我们将地形阴影与水区分开。 由于云层经常遮挡我们对地面的视野，因此我们将对三个月季节（例如，三月，四月和五月）中每幅图像的预测结合起来，以生成季度水面罩。 对我们的模型进行训练后，就该开始有趣的部分了：大规模部署它！…
