您尚未登录账户
您的企业账号申请正在审核中
DescartesLabs：利用全球传感器了解农业面貌的变化
我们的算法是查看每个像素值以及不同数据类型和地理位置上相邻像素之间的差异。像素值的大变化表示边缘。我们不断发现的边缘让我们能够区分场边界和伪边缘，比如云或它们的阴影。
在美国，我们使用光学图像，如美国宇航局的陆地卫星，来识别磁场。在像爱荷华州这样的人口稠密的农田里，你可以看到农田是直线的，而且很密集。
几乎整个爱荷华州的景观都是农业，整个州都有密集的田地
在西部，在笛卡尔实验室总部所在的新墨西哥州，您可以清楚地看到圆形中心枢纽灌溉区域。
相比之下，干旱的新墨西哥农业很少，所拥有的就是灌溉，圆形中心枢纽灌溉区显而易见。
不幸的是，在热带地区，如越南，种植水稻等作物，光学图像无法通过云层工作。幸运的是，欧洲航天局的Sentinel-1卫星（Sentinel-1 Satellite）上有一种传感器-合成孔径雷达（SAR），可以透过云层看到。人们最熟悉的光学图像是被动采集的；卫星上的一个传感器绕地球运行，记录从地球表面反射的可见光和红外线。另一方面，当传感器向地球表面发射雷达脉冲并记录返回的后向散射时，会主动收集SAR数据。虽然肉眼看不见，但发射的微波辐射有足够长的波长穿透云层，这意味着这些障碍物被清除了。对于同一日期采集的图像，如果景观被陆地卫星8图像中的云遮挡，Sentinel-1数据将完全无云：
预测全球粮食安全需要一年四季都能看到多云的热带地区。玉米和大豆变成了牛饲料、生物柴油或其他衍生物。在热带地区种植的水稻是不同的是人们吃大米。事实上，全球超过20%的热量供应是由大米构成的，它是近10亿人每天生活费不足1.25美元的主食。
越南是世界上最大的大米出口国之一，该国大部分出口大米都是在湄公河三角洲种植的。该地区的季风季节从5月持续到11月。在此期间，我们很幸运能够获得一个相对无云且适合分析的Landsat场景。使用Sentinel-1 SAR数据，云无关紧要，因此我们可以全年清晰地了解景观。
世界上大多数的大米都生长在低洼的热带三角洲，如湄公河，整个地区的海拔高度平均只有海拔2米。这些三角洲特别容易受到气候变化的影响。海洋上升是一个问题，可能是更加阴险的盐度入侵缓慢蔓延。这种情况发生在干旱季节盐水流入淡水河流并渗透到周围的景观中，对农作物造成严重破坏。鉴于未来几十年海洋和气温都将上升，了解水稻作物的位置和健康状况将对依赖它们的种群产生重大影响。
我们的野外测绘能力旨在更深入地了解地球上农业和粮食供应的变化。一旦我们知道了哪些领域，我们就可以结合物候和光谱信息来对作物类型进行分类，并使用天气数据来建立产量模型。基于全球数据和机器学习模型，农业的可见度更高，对资源分配，生物多样性，干旱准备以及全球粮食安全都有影响。虽然公司成立初期我们的应用程序多样化，但我们仍然对农业及其对人类的所有重要影响充满热情。
