王驰：通过AI算法计算农产品种植面积和未来产量

　　新浪财经讯 11月16日消息，由扑克财经和弘则研究联手主办的2019春季FICC论坛在杭州和达希尔顿逸林酒店召开。本次峰会共同探讨全球经济及大宗商品市场将何去何从。新浪财经全程直播。

　　大地量子创始人兼CEO王驰出席16日下午的农产品板块分论坛并以“空间大数据在金融领域的新技术现状”为主题发表演讲。

大地量子创始人兼CEO 王驰

　　王驰表示，大豆玉米光伏曲线非常接近，可以通过AI算法把不一致捕捉到，从而区别开大豆和玉米，微观尺度上可以呈现出这样的一种形态，去看哪些地方种的什么。到更宏观的尺度上，可以得到比如说整个美国的大豆分布图，基于这样的图第一可以计算它的种植面积，第二可以去看未来的产量，第三可以结合这样的地图去叠加比如降雨、洪水这样的东西做实时的监测。

　　以下为文字实录：

　　王驰：大家好我是王驰，很荣幸在这里和大家做介绍，我们通过AI+遥感卫星遥感的方式做大数据，我们现在公司的应用主要集中在保险和期货教育领域，在座的各位都是我的老师，希望有机会向大家请教学习，我一路都是学计算机的，我们团队以科学家为主在行业比如在销售方面都比较轻，主要以研发为重的团队，首先希望有机会介绍一下整个产业的现状，卫星不是新兴的事物，最近几年发射的卫星越来越多，最近几年通信摇杆导航和北斗GPS看的卫星电视这些属于通信类型，我们集中在遥感类型对地观测卫星，整个产业2600亿左右的市场，主要是以卫星数据服务占大多数，在蓝色这块。

　　2007到2016年我们一共发射了963颗卫星，天上现在正在转着，预计未来十年会新增发射2000-3000颗左右的卫星，2013年发射Landsate耗资8.5亿美元，2010年左右开始发射Dove每颗耗资15万美元差不多，它大概是长成这样的，大概比桌子还小得多的卫星形成一个星座对地观测，这是卫星方面。

　　另外越来越多的小火箭，以前我们发卫星可能要用中等火箭排在最右边的在设计中的长征9号，实际上发射小卫星最左边的长征11号也可以做，可以想象上游数据的成本会越来越便宜，就催生了像我们做卫星服务的行业，具体到应用上面这里分享一些可能私募教育领域，比如我们分成两类光谱数据模型比如做农产品的产量预测再比如基于几个目标值数车、数房等结合起来，比如2C我们结合零售店停车场、游乐园里面多少车这样的一些，新增了多少页岩油这样的数据。现在做的经多的是光谱数据类型比较多，这里主要介绍一下它的原理，左边和右边都属于卫星遥感一部分，左边太阳光先把阳光射到地球表面通过反射被地球捕捉到，好像拍了张照片，实际上不只是照片，拍了很多的东西，另外雷达卫星的数据可以穿透云层不用在日间拍摄也间也可以拍摄，可以不受太阳光的影响，拍摄的数据会经过一系列的处理，而这样的处理通常比较麻烦，是这个领域以及技术上的难点，比方说我们想把左边这张图带有云雾的要把云层去掉等等最后得到一张比较清晰的影像，这是RGB的影像，大家平时所熟知的照片，实际上我们拿到的数据很多的波段是肉眼不可见的，比如肉红外这样的数据等等。

　　再回到农业，大豆玉米光伏曲线非常接近，这张图里绿色是大豆，红色是玉米，这是我们拿到的大概是10个波段的数据，然后可以看到他们在横轴X轴就是一个时间，第100到250天的尺度里，大豆和玉米的生长曲线非常的一致，但是也有不一致的地方，这些就可以通过AI算法把这些不一致捕捉到从而区别开大豆和玉米也就是他们不是看RGB可以看出来的，实际上要通过光伏曲线捕捉到玉米，做出来的一些影像比如这张图里基于刚才聊的原理我们可以区分比如说黄色的地方是玉米，绿色的地方是大豆，微观尺度上可以呈现出这样的一种形态，去看哪些地方种的什么。到更宏观的尺度我们可以得到比如说这是整个美国的大豆分布图，大概分布在黄色标志高亮出来的地方，基于这样的图我们第一可以计算它的种植面积，第二可以去看未来的产量，第三可以结合这样的地图去叠加比如降雨、洪水这样的东西做实时的监测。

　　我们在6月29日向7-8个关注农产品期货的基金发布了报告，最后和USBA的报告对比误差在千分之三，上升下降的趋势完全正确，比USBA提前6个小时，这是种植面积本身可能带来的价值，这还是在数据比较齐全的美国，种植面积加上一些其他的数据比如说我们去计算一个作物长得好不好是否茂盛可以得到一些把它和作物地图叠加得到相对比较实时的长势的图，这是美国大豆8月21日是这样，可以看到8月29日绿色是长势比较好，越黄色越不好，后面9月14日的时候看到已经开始慢慢地被收割，然后后来在9月30日的时候一大片地方在美国靠北的这块地方基本上得已经收割得差不多了，也就是其实这个可以去尝试把种植面积叠加长势的数据可以去看它大概的收割进度。

　　然后同时降雨也是一个非常重要的数据，我们可以得到每天降水的分布，是一个网格化的地图，这张图上面没有叠加大豆的地图，但是如果叠加上去的话可以判断哪一块地方的降雨比较多，哪块比较少，每年累积降雨是多少，从而可以预判今年美国大豆的产量是多少，同时这是决策覆盖的数据，阿根廷、巴西其实都是可以算出来的。比如我们在产业用的比较多的作物地图是中国的，因为我们现在主要的产业用图都在中国，这是中国东三省的水稻分布图，中国的数据非常的缺失，因为基于统计局的数据可能会存在一些问题没有分布图，我们的产业比如做农药化肥的这些用户他们找市场的时候可能就比较痛苦，我们可以告诉他们在哪些地方种水稻，这样的话这些水稻在每个省、市、县的面积是多少，然后现在长到了什么情况，销售应该具体到哪个地点去推他们的产品帮助他们找到市场，这是现在种植面积比较多的一点。

　　在保险行业我们去尝试用水稻分布图，比如说安徽怀宁县的水稻分布图，南侧的地方就是水稻，我们通过刚才提的雷达卫星计算洪水可以另外得到一张洪水的分布图，这是2016年南方水灾的时候发生的一次洪水，当时很多的地方都被淹了，这是当时7月5日的时候得到的影像去计算出来的洪水的分布。接下来有意思的事情就是我们可以把刚才这张蓝色的水稻图和红色的洪水图叠加起来得到了洪水影响水稻面积的图，黄色地方是洪水和水稻叠加区域，可以计算它影响多少面积，主要用于保险的定损的工作。

　　我们也有私募行业的客户告诉我们说之前他们在阿根廷也做了类似的事情，就是阿根廷好像前年起来两三年前的时候，有一次挺大的洪水淹了很大的大豆，但是他们并不知道具体多少大豆受到了损失，我觉得在座的各位可能比较清楚当时的数据，我们不太清楚，只是说这个应用是可以扩展到其他的一些行业里面去的。

　　再比如说马来西亚和印尼都是两个数据黑洞，马来西亚稍微好一点，MPOD可以发布数据，印尼基本上拿不到任何数据，我们可以通过卫星遥感拿到地图大致判断种植的产量，东南亚经常下雨，下雨会引发洪水，我们通过地图叠加可以计算，我们可以通过地面调研的数据看分布是否正确再做实时的更新。

　　另外保险行业的案例，这是保险行业之前的合作伙伴和我们计算定损，这是东北黑山的玉米分布图，有颜色的地方都是玉米，今年东三省旱灾非常严重，他们希望通过把玉米叠加干旱来看到底干旱发生在哪些地方，干旱的灾损程度是多少，我们就做了这样的事情去叠加一张干旱的地图，红色的地方是干旱受损非常严重的，最后看那边的产量到底是多少，他们到底亏了多少，主要核实这件事情，让保险行业做赔付都是协商的，可能需要我们的数据从另外一个角度看他们的赔付是否合理。

　　这个就是我们在其他行业的一些案例，我们在期货交易领域实际上案例并不多，现在也在和一些机构产生初步的合作，希望看看刚才讲的都是抛砖引玉，看看能不能再看看下面能不能碰撞新的想法和合作，大概就是这样一些，谢谢大家。

责任编辑：张瑶