"

千福彩票|手机app下载拥有全球最顶尖的原生APP,每天为您提供千场精彩体育赛事,千福彩票|手机app下载更有真人、彩票、电子老虎机、真人电子竞技游戏等多种娱乐方式选择,千福彩票|手机app下载让您尽享娱乐、赛事投注等,且无后顾之忧!

"
x

大地量子創始人王馳:用時空大數據解決農業大問題

農世界網    泰伯網 2018-06-21 來源:農世界網

大地量子創始人王馳(趙盈 攝)

我們公司是成立于去年年初的創業公司,現在主要做空間大數據應用。公司位于成都,目前是十幾個人的規模,其中有5位博士,而我自己在博士期間是做量子計算的。以上是我們公司基本的情況。

今天想在此作一些關于時空大數據結合農業大問題的分享。時空大數據是關于時間和空間的大數據,在座都是專家,我就不再班門弄斧,只是分享一下自己對于這個問題的感受。

  時空大數據最大的問題是“大”

相比于其它大數據比起來,特點是大。例如遙感行業的朋友們會了解到,它每天的新增數據量是20T,每年新增數據量是7PB。7PB是是什么樣的概念呢?以家用的100M帶寬,要連續下載19年,才把這些數據下載完。然而,這樣大的數據并沒有很好地利用起來,利用率非常低,這就是時空大數據很大的挑戰。光是為了儲存這些數據,每年都要買上1000張左右的硬盤。

回顧全球人造衛星,總共發射了963顆。隨著美國政策的不斷開放,美國FAA預計在未來十年,再發射2619顆衛星,差不多是過去十年的三倍。這意味著,數據質量會不斷上升,數據成本會不斷下降,也意味著數據總量會大幅度增加。

我們拿著這些數據干什么?怎么做我們想做的事情?

我認為有兩點至關重要:1、算法;好比系統的大腦;2、算力;好比肌肉。

算法的創新可以帶來更多的應用,比如說可以去監測海浪的能量來幫助潮汐發電站正確的選址;算力則可以讓應用得到更好的發展。

  關于算力

在實際應用過程中,會發現算力的提升比算法的創新更困難,且并不意味著多買一些CPU、一些硬盤,就可以提高算力,實際上整個過程相當復雜,而有些時候量變會導致質變。對于我們來講,要兩手抓兩手硬——既要在算法上創新,也要在算力上提升,這樣才可以拓寬應用面。

舉例,我們拿著一個玉米的模型,想要去計算北京周邊種了多少玉米,可這樣的數據誰會關心?似乎沒有人關心北京周邊種了多少玉米。但如果把數據擴展到全球或者是中國,像中國種了多少的玉米,或是全球種了多少玉米,這樣的問題就有很多公司關心,例如期貨、基金、農糧公司。不斷提高算力,會帶來更大的應用面,而這些應用面在小范圍內是無法挖掘到的,這就是量變到質變。

  關于算法

在遙感衛星數據的基礎上能開發出很多的算法,有些算法甚至是以前從來沒想過的。例如滑雪——通過遙感衛星監測雪的厚度,并把這個數據交給滑雪愛好者,讓他們在滑雪前可以先看一下雪場的雪有多厚,幫助他們做出正確的決策。這說起來挺簡單的,而實際做起來時,不僅有商業模式的問題,也有技術上的問題。而目前,更多的是技術問題。

  從農業延伸更廣闊的應用

我們回到農業大問題。遙感在農業中的應用,其實在美國已經做得比較成熟了,特別是美國比較代表性的公司Farmlogs ,基于NDVI指數,在農田領域做得比較成熟,在美國擁有三分之一以上的市場。

而這樣的應用場景,中國是否可以復制?從衛星遙感、衛星時空大數據角度而言,它的優勢在于大范圍地監測、大范圍地去回答一些比較大的問題。在農場級別,能做,但不是一個優勢點。

可能一提到農業,大家就想到農場,實際上農業并不僅僅停留在農場,農業有很多的產業。

比如,作為一個農場,要采購農藥、化肥和種子。我們是否可以把宏觀的數據,比如說作物分類的數據提供給這樣的農資公司,讓他們進行市場決策?買了農資之后,他可能會去貸款,找農村金融、農村信貸,或者是流轉土地。而偏金融的行業(在拿到農業相關的宏觀數據后)是否可以做一些跟風控相關的東西?比如查看一個農戶若干年的種植情況,判斷他是否認真種地,從而推斷他的信用。

再比如,農場發生災害之后。大多數農戶都購買了農業保險,而農業保險公司要去定損?,F在的方法是派人到地里面去,拿著GPS在地里測。那么,這個定損過程能否(通過衛星遙感大數據產品來)減少保險公司的人力?是否可以通過更大范圍的數據洞察,幫助再保險更好的服務于農業保險,從而更好的服務農戶?

(以上)這些是農場的上游。在(農業)下游,東西種出來之后得賣,賣到哪里去?期貨市場就是比較好的利用領域。通過對產量的預測,比如說對全美玉米的產量或大豆產量進行預測,可以很好地幫助期貨、基金來預判一些風險。同樣,對于大宗貿易商或飼料廠商等會從期貨市場購買很多農產品的公司,通過產量預測或者是作物的種植面積,能幫助他們減少一些風險。

比如種植面積,這是我們的一個案例:

作物分類識別案例

通過底層技術結合一些業務邏輯,可以開發出比較有意思的模塊。其中一個底層技術是,針對地球上面每一個像素來判斷它上面種的是什么作物。這個技術沒有我現在說的這么成熟,但它是現在我們研發的方向。如果可以把所有的像素點全部加起來的話,就可以得到美國全國的玉米種植面積。這個種植面積如果可以比美國農業部USDA(United States Department of Agriculture)提前發布的話,那就是對市場而言很有價值的信息。

那么,通過作物識別和作物分類模塊,是否也可以結合其它的模塊(拓展新的應用領域)?比如通過作物識別,結合衛星來監測洪水。

如果可以把水稻的種植分布和洪水結合起來的話,(這些價值數據)可以提供給農資企業,讓他們知道這里水稻受災之后可能需要補種,是不是要往這些地方銷售一些產品;或者提供給保險公司,(讓他們)在這些方面進行比較精準的洪水定保。

這是我們想要做的方向和創新,通過底層技術和其它技術結合起來,然后結合業務邏輯,做有意思的事情。

關于算力方面,也有兩個比較簡單的案例。這是我們處理的10m分辨率的全國耕地分布圖:

耕地分布圖

在這上面可以在10m分辨率下清楚地看到鄉間的小路。中國有19億畝耕地,每個像素是100平方米,有興趣可以簡單算下需要對多少像素進行計算才可以得到這樣一張圖。

這是美國地區產量的預測:

做這張圖差不多需要處理60億個像素。即使在里面用到AI的模型,如果一秒鐘可以計算一個像素今年的產量是多少,那么對于20多億個像素,計算時間也會超過60年,這是算力的問題。很多時候,會忽略了算力對于整個空間大數據產業在應用時的重要性。

  歸根結底都是技術的問題

回歸到時空大數據的應用,我們認為,和用戶業務場景、業務邏輯結合過程中,要深入的理解(用戶所在的)這個行業——(如何深入另一個行業)這是很大的問題。同樣,算法和算力的創新,也是很大的問題。但歸根到底,在目前階段,用戶的需求其實是相對比較清晰的。

往往很多時候是技術上的無法實現——要么是因為算法做不到,要么因為算力不行,無法做到大規模的實現。目前遇到的問題,歸根到底都是技術問題。經常有朋友跟我說,在這個行業市場是需要被教育的,但我并不是這樣認為的。我覺得需要被教育的我們自己,我們需要更深入了解行業,以更虔心的研發技術。

比如用戶提出要95%的精度,我們不可能教育用戶說你其實需要90%就行了,(反而是)我們要力爭做到95%以上。要在這個行業建立認知,在技術上不停發展的話,我們是為整個行業提供基于時空大數據的基礎數據,為其它行業進行賦能,而不是取代其它的行業去做(那些行業)它們本身做的事情。

要么幫助他們(其它行業的從業者)做市場的決策,要么增加一種新特性吸引更多的C端用戶,要么提供市場的洞察,獲取更多的leads。這是時空大數據產業,去做的事情。

版權說明:文章來源農世界網,經農世界網授權發布,版權歸原作者所有。轉載或內容合作請點擊轉載申請,違規轉載法律必究;轉載文章已標注來源和出處,版權歸原作者所有,如有侵權,請聯系我們。

參與討論

所有評論

熱門文章

回到頂部 千福彩票|手机app下载