期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
滇东南富宁地区风化壳型钛铁砂矿隐伏矿成矿预测:来自AlphaEarth数据融合与机器学习的应用
1
作者 赵志芳 钱第伟 +3 位作者 王泽传 章涛 袁嘉晨 马华盛 《地学前缘》 北大核心 2026年第4期272-294,共23页
钛金属因独特的理化性质,被誉为“第三金属”,在航空航天、海洋工程与生物医学等领域应用广泛。在我国,风化壳型钛铁砂矿是重要的钛资源类型,其中滇东南富宁地区风化壳型钛铁砂矿潜力巨大,但勘查推进效率仍较缓慢。遥感地质作为近年愈... 钛金属因独特的理化性质,被誉为“第三金属”,在航空航天、海洋工程与生物医学等领域应用广泛。在我国,风化壳型钛铁砂矿是重要的钛资源类型,其中滇东南富宁地区风化壳型钛铁砂矿潜力巨大,但勘查推进效率仍较缓慢。遥感地质作为近年愈来愈广泛拓展应用的智能找矿方法,在表生风化壳型矿找矿勘查中优势显著。但以往遥感地质研究往往面临多源遥感异构数据难有效融合、成控矿条件无法精细解析等挑战。针对这些挑战,本研究选取富宁钛铁砂矿区为研究区,基于谷歌2025面向全球发布、融合了多源异构遥感数据、分辨率达10 m、具有64维的AlphaEarth数据,结合地质、地球化学及地形地貌等多维数据进行成控矿条件解析,构建基于“机器学习建模”的遥感智能找矿方法体系。基于随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)与多层感知机(Multilayer Perceptron,MLP)模型对比实验,优化开展钛铁砂矿成矿预测。实验结果表明:AlphaEarth数据显著增强了矿化异常信息识别能力并明确约束了地质指示意义;MLP模型较RF模型和SVM模型在预测精度与稳定性上表现最优,对复杂地质背景下的矿化异常信息识别能力突出。基于MLP生成的成矿有利度信息与已知矿床高度吻合,经成功率曲线精度评价及野外验证,预测准确性高(AUC=0.94)。本研究为富宁地区钛铁砂矿勘查提供了科学依据,也为类似地区同类矿床的智能预测提供了可参考的技术路径。 展开更多
关键词 机器学习 alphaearth数据 风化壳型钛铁砂矿 成矿预测 滇东南富宁地区
在线阅读 下载PDF
AlphaEarth Foundations:遥感基础大模型的潜力与挑战 被引量:2
2
作者 秦其明 《地球信息科学学报》 北大核心 2025年第10期2283-2290,共8页
【目的】随着全球在轨地球观测卫星数量的快速增长,遥感数据呈现爆炸式积累,为地球系统科学研究提供了动态认知全球变化的前所未有机遇;与此同时,也伴生多源异构、标注稀缺、任务泛化不足与数据过载等一系列挑战。【方法】为应对这些瓶... 【目的】随着全球在轨地球观测卫星数量的快速增长,遥感数据呈现爆炸式积累,为地球系统科学研究提供了动态认知全球变化的前所未有机遇;与此同时,也伴生多源异构、标注稀缺、任务泛化不足与数据过载等一系列挑战。【方法】为应对这些瓶颈问题,Google DeepMind提出了AlphaEarth Foundations(AEF),通过整合光学、SAR、LiDAR、气候模拟及文本等多模态数据,构建统一的64维嵌入表征场,实现了跨模态、跨时空的语义一致性的数据融合,并在Google Earth Engine等平台开放。【结果】AEF的主要贡献体现在:①缓解了长期存在的“数据孤岛”问题,建立了全球一致的嵌入层;②通过vMF球面嵌入机制提升了语义相似性度量能力,支持高效的检索与变化检测;③将复杂的预处理与特征工程前置于预训练阶段,使下游应用进入“分析就绪”状态,大幅降低了应用成本。论文指出,AEF的应用潜力释放可分为3个阶段:首先是地表覆盖分类与变化检测;其次是嵌入向量与物理模型深度耦合,推动科学发现;最后有望演化为空间智能基座,成为全球地理空间智能服务的一种基础设施。尽管如此,AEF仍面临若干挑战:①嵌入向量可解释性不足,限制了科学归因和因果分析;②域迁移与跨场景适应性存在不确定性,极端环境下的鲁棒性有待验证;③性能优势需要更多跨区域、独立实验的实证支撑。【结论】AEF以其在数据效率和跨任务泛化方面的突破,代表了遥感与地理空间人工智能研究的新方向,为未来地学研究提供了坚实支撑,但其进一步发展依据可解释性、鲁棒性及真实性验证的持续提升,并将64维嵌入向量通过不同途径转化为可广泛使用的数据资源。 展开更多
关键词 alphaearth Foundations 遥感基础大模型 多模态融合 嵌入表征 时空建模
原文传递
基础模型时代的地球科学:AlphaEarth如何重塑定量地学
3
作者 成秋明 杨一琳 +1 位作者 周远志 张渊智 《地学前缘》 北大核心 2025年第5期1-11,共11页
进入21世纪以来,随着大数据和人工智能技术的快速发展与深度应用,地球科学正在经历一场深刻的变革,其特征是研究范式由定性描述转向定量分析,由对自然现象的观察转向对内在机理的深入揭示,由局部区域的研究扩展至全球尺度的综合视角,由... 进入21世纪以来,随着大数据和人工智能技术的快速发展与深度应用,地球科学正在经历一场深刻的变革,其特征是研究范式由定性描述转向定量分析,由对自然现象的观察转向对内在机理的深入揭示,由局部区域的研究扩展至全球尺度的综合视角,由基于经验的推断发展为依托数据与模型的智能预测。Alpha-Earth Foundations(AEF)作为新一代地球空间(Geo)智能平台,通过构建统一的64维共享嵌入空间,首次实现了光学、雷达、激光等12类对地观测数据的标准化表征与无缝融合,其数据同化效率显著提高,解决了长期困扰地球科学研究的“数据孤岛”问题,同时也正促进重塑地球科学研究的范式与方法论体系,特别是在定量地球科学领域实现突破性进展。本文系统论述AEF如何通过其创新的多源数据融合架构、高维特征标注学习和可扩展计算框架,对推动数据驱动的地球科学研究进入智能化、精准化和实时化发挥作用,同时,通过资源环境领域的应用实例表明AEF的潜在应用前景和创新需求。研究表明,AEF不仅显著提升了传统地球科学问题的解决效率,更催生了多个全新的地学研究方向和方法论体系。 展开更多
关键词 大模型 人工智能 矿产预测 alphaearth 知识图谱 深部与覆盖区找矿
在线阅读 下载PDF
Earth Science in the Era of Foundation Models:How AlphaEarth is Reshaping Quantitative Geoscience
4
作者 CHENG Qiuming YANG Yilin +1 位作者 ZHOU Yuanzhi ZHANG Yuanzhi 《地学前缘》 北大核心 2025年第6期396-410,共15页
Since the beginning of the 21st century,advances in big data and artificial intelligence have driven a paradigm shift in the geosciences,moving the field from qualitative descriptions toward quantitative analysis,from... Since the beginning of the 21st century,advances in big data and artificial intelligence have driven a paradigm shift in the geosciences,moving the field from qualitative descriptions toward quantitative analysis,from observing phenomena to uncovering underlying mechanisms,from regional-scale investigations to global perspectives,and from experience-based inference toward data-and model-enabled intelligent prediction.AlphaEarth Foundations(AEF)is a next-generation geospatial intelligence platform that addresses these changes by introducing a unified 64-dimensional shared embedding space,enabling-for the first time-standardized representation and seamless integration of 12 distinct types of Earth observation data,including optical,radar,and lidar.This framework significantly improves data assimilation efficiency and resolves the persistent problem of“data silos”in geoscience research.AEF is helping redefine research methodologies and fostering breakthroughs,particularly in quantitative Earth system science.This paper systematically examines how AEF’s innovative architecture-featuring multi-source data fusion,high-dimensional feature representation learning,and a scalable computational framework-facilitates intelligent,precise,and realtime data-driven geoscientific research.Using case studies from resource and environmental applications,we demonstrate AEF’s broad potential and identify emerging innovation needs.Our findings show that AEF not only enhances the efficiency of solving traditional geoscientific problems but also stimulates novel research directions and methodological approaches. 展开更多
关键词 large-scale models artificial intelligence mineral prospectivity mapping alphaearth knowledge graphs deep and covered mineral exploration
在线阅读 下载PDF
终结“数据孤岛”:AlphaEarth重构地球智能数据底座
5
作者 夏永奇 冉有华 李新 《科学通报》 北大核心 2026年第10期2084-2086,共3页
1972年Landsat卫星的成功发射,标志着地球科学数据的获取进入了以卫星遥感为核心、持续、系统化的地球观测系统新时代.此后数十年, Sentinel和MODIS等新一代遥感卫星投入使用,地球大数据得到了前所未有的扩张,为理解地球系统提供了丰富... 1972年Landsat卫星的成功发射,标志着地球科学数据的获取进入了以卫星遥感为核心、持续、系统化的地球观测系统新时代.此后数十年, Sentinel和MODIS等新一代遥感卫星投入使用,地球大数据得到了前所未有的扩张,为理解地球系统提供了丰富资料[1].与此同时, ERA5再分析、GRACE重力观测与高分辨地形数据等信息,以及诸如地理文本这类非结构化数据,共同构成了高度异质的多模态数据体系,标志着地球系统科学迈入了“PB级数据时代”[2].然而,随着数据量的不断增加,数据分散、数据管理、多源和多模态数据融合使用等方面的问题日益突出,制约了地球大数据在大尺度、自动化与智能化分析中的应用[3],因此,发展能够在多模态数据条件下有效缓解标注依赖、并支持数据之间高效组织与融合利用的基础模型体系,已成为迫切需求[4,5]. 展开更多
关键词 ERA5再分析 alphaearth 地球大数据 地球观测系统
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部