科学家利用火星车数据构建火星水全貌
##
太空艺术家迈克尔卡罗尔创作的火星水的图像史。
这基于火星探测数据及美国国家航空航天局艾姆斯研究中心的研究成果。
对火星上水相关矿物的探测器测量研究表明，水的分布可能比之前认为的更广泛。
由迈克尔卡罗尔提供，属于公有领域。
火星车多年前的数据揭示了古代火星存在液态水的线索。
美国国家航空航天局（NASA）的勇气号火星车携带了一种名为穆斯堡尔光谱仪的专用仪器，在火星表面的古谢夫陨石坑对土壤、岩石和尘埃进行了矿物学分析。
单独的测量结果并不总是能提供水存在的确凿证据，但当澳大利亚EdithCowan大学的科学家保罗德索萨（PaolodeSouza）将多年的测量数据放在一起分析时，一种明确的模式开始显现——存在那些只有在有水的环境中才能形成的矿物。
他的分析表明，火星过去的水量比科学家预期的要多得多，而证明其存在的数据一直都在这些数据中。
勇气号火星车在火星古谢夫陨石坑内着陆区域的全景图。
该地点的尘埃和土壤中显示出与水相关的矿物痕迹，包括蚀变磁铁矿和赤铁矿。
图片来源：美国国家航空航天局喷气推进实验室加州理工学院康奈尔大学
德索萨特别关注火星土壤中检测到的赤铁矿和蚀变磁铁矿的存在。
这两种矿物通常在岩石与水相互作用时形成。
尤其是赤铁矿，它是机遇号火星车在火星子午线平原发现的神奇蓝莓石的核心成分。
德索萨研究中的赤铁矿痕迹是从32个未受干扰的古谢夫土壤站点挖掘出来的。
德索萨的研究成果是迄今为止对火星土壤最详细的铁矿物分析。
科学家们原本没想到会在该站点的土壤中发现赤铁矿，因此这一发现令人意外。
事实证明，它一直都在那里，只是每个火星车样本测量中的含量都太小了。
德索萨教授表示：最重要的发现之一是在普通火星土壤中发现了结晶赤铁矿。
这种矿物的广泛存在不仅表明曾经有水存在，还意味着火星的大片区域可能曾被水覆盖。
火星上的赤铁矿、磁铁矿与水
赤铁矿是一种被称为氧化铁的物质。
它在液态水存在的环境中形成，也在火山区域形成。
在火星上，这两种环境都存在，但发现赤铁矿的区域似乎主要是由过去与水的接触所塑造的。
这就是为什么德索萨等人推测火星上的这些区域曾经被水淹没。
磁铁矿既存在于地球的火成岩（火山岩）中，也存在于沉积岩中。
它还是一种含铁矿物，在火星上，它的存在表明水和岩石曾发生过相互作用。
而它在火星广泛区域被发现这一事实，表明火星过去的气候更温暖、更湿润。
火星蓝莓是机遇号火星车在探索子午线平原期间观测到的。
这些赤铁矿球体很可能是在与水接触的环境中形成的。
图片来源：NASAJPL公有领域。
火星车在古谢夫撞击坑研究的含有水合矿物痕迹的尘土层，在整个火星上都有分布。
德索萨的研究结果表明，这层尘埃覆盖了火星的大片区域。
它可能是在数百万年的时间里，通过持续的风蚀、温度变化以及将大量尘埃搬运到火星表面的风暴形成的。
回顾过往数据
德索萨花了数年时间进行艰苦的工作，筛选所有测量数据，才构建出火星上（尤其是古谢夫撞击坑）的水的图景。
他必须考虑测量过程中起作用的许多因素，包括温度条件、来自不同土壤区域的样本、表面物质的物理和化学风化，以及数百万年全球沙尘暴的影响。
他在提交给施普林格自然的一篇论文中详细描述了这些细节（引用如下）。
未来，德索萨将对机遇号火星车在子午线平原研究的土壤数据进行类似分析。
如果一切按预期进行，也将分析并结合数百次测量结果，形成该区域火星水资源的全景评估。
对古谢夫撞击坑和子午线平原土壤的研究还指出，未来的火星任务需要携带光谱仪，以便对土壤进行比机遇号和勇气号仪器所能完成的更长期的研究。
更多信息
新的ECU发现为火星曾存在水的证据增添了新内容
一份针对火星古谢夫撞击坑未扰动土壤的综合穆斯堡尔谱
相关知识
火星是太阳系八大行星之一，属于类地行星，距离太阳第四近。
其橘红色外表源于地表的氧化铁（铁锈）。
火星大气稀薄，主要成分为二氧化碳，两极有干冰与水冰组成的冰盖。
它拥有太阳系最高的奥林匹斯山、最深的水手号峡谷等地形，是人类深空探索的重点目标，多国探测器已成功登陆或环绕观测。
BY: Carolyn Collins Petersen
FY: AI
如有相关内容侵权，请在作品发布后联系作者删除
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
