让 AI 更容易应用于 SAR 观测数据
研究人员：日本国立先进工业科学技术研究院（AIST）智能平台研究所IMAMOGLU Nevrez（高级研究员）、CAGLAYAN Ali（高级研究员）、KOUYAMA Toru（组长）、TSUTSUMI Chiaki（首席研究经理）
要点
>>>
·AIST 的 ABCI 大规模 AI 云计算系统使得能够利用 JAXA 的 DAICHI-2（ALOS-2）卫星的大规模 SAR 观测数据训练基础模型。
·使用通过最小化土地利用和土地覆盖偏差构建的训练数据集，开发了针对日本本土的 SAR 基础模型。
·通过使用基础模型降低解读 SAR 图像的难度，而解读 SAR 图像通常需要专业知识，预计 SAR 图像的应用将得到拓展。
针对特定国家土地的SAR 基础模型的构建和预期应用。本工作中使用的日本高分辨率土地利用和土地覆盖地图由 JAXA 提供。
概要
>>>
日本国立先进工业科学技术研究院（AIST）的研究人员与 JAXA 合作，利用搭载在“DAICHI-2”（ALOS-2）卫星上的合成孔径雷达（SAR）仪器 PALSAR-2 定期获取的日本上空高分辨率 SAR 观测数据，开发了针对特定国家土地的 SAR 基础模型。
PALSAR-2 观测数据覆盖全国，通过提取以选定位置为中心的图像块，构建了一个反映多样化土地利用和土地覆盖类型的训练数据集。利用该数据集，研究人员进行了大规模自监督学习，构建了针对日本本土的 SAR 基础模型。土地利用/土地覆盖估算的迁移学习结果显示，与从零开始训练的模型相比，准确率显著提高，证明了在更平衡的数据集上训练的基础模型的有效性。尽管基础模型最初由 AIST 和 JAXA 的研究人员开发，但预计通过利用能够降低模型开发成本和解读 SAR 图像门槛（通常需要专业知识）的基础模型，将拓展 SAR 的使用。
本研究是基于 AIST 与 JAXA 之间的“卫星数据 AI 分析方法研究与开发协议”以及 AIST 基于政策的预算项目“物理领域生成性 AI 基础模型的研究与开发”开展的。研究人员使用了 AIST 和 AIST Solutions 提供的 ABCI 3.0，并得到了“ABCI 3.0 开发加速使用”的支持。研究结果的详细内容已于 2025 年 6 月 4 日至 6 月 5 日举行的日本遥感学会第 78 届（2025 年春季）年会上发表。
背景
>>>
SAR 是一种基于微波的遥感技术，它利用卫星和飞机上的合成孔径技术，在白天和黑夜以及任何天气条件下捕获高分辨率陆地表面图像。搭载在 JAXA 的“DAICHI-2”（ALOS-2）卫星上的 PALSAR-2 是一种 L 波段 SAR，无论时间和天气如何，它都在持续观测包括日本在内的世界各地的区域。
然而，将SAR 的使用范围扩大到更广泛的领域面临着一个关键挑战：解读SAR 数据需要专业知识，而为此任务训练AI 模型需要大规模计算和大量数据的访问，这可能会很昂贵。基础模型提供了一个潜在的解决方案。尽管构建基础模型需要大量的数据和计算资源，但一旦训练完成，它们可以作为构建需要最少微调以完成特定任务的专用AI 模型的一般基础。论文信息：
会议名称：日本遥感学会第 78 届（2025 年春季）年会
论文标题：Self-Supervised Pre-Training and Image Segmentation Task on ALOS2 Single-Channel SAR Images（ALOS2 单通道 SAR 图像的自监督预训练和图像分割任务）
作者：Nevrez Imamoglu、Ali Caglayan、Toru Kouyama
