Goddard太空飞行中心发布SatVision TOA模型，增强全天空条件下大气变量遥感分析能力

在戈达德太空飞行中心，戈达德航天中心数据科学小组已完成 SatVision 大气层顶部 (TOA) 基础模型的测试，该模型是用于粗分辨率全天空遥感图像的地理空间基础模型。该团队由 Mark Carroll、Caleb Spradlin、Jordan Caraballo-Vega、Jian Li、Jie Gong 和 Paul Montesano 组成，现已发布其模型，供科学研究广泛应用。

基础模型可通过对大量遥感数据进行大型计算机视觉模型的预训练，从而改变遥感 (RS) 数据分析的格局。这些模型可通过少量标记训练进行微调，并应用于各种测绘和监测应用。由于大多数现有基础模型仅针对无云卫星图像进行训练，因此它们仅限于陆地表面应用或需要大气校正。SatVision-TOA 针对全天空条件进行训练，这使得涉及大气变量（例如云或气溶胶）的应用成为可能。

SatVision TOA 是一个 30 亿参数模型，基于来自 中分辨率成像光谱仪 (MODIS) 的1 亿幅图像进行训练。据我们所知，这是仅基于卫星遥感图像进行训练的最大基础模型。通过在预训练期间加入“全天空”条件，该团队纳入了传统建模中经常排除的一系列云条件。这使得 3D 云重建和云建模能够支持地球和气候科学，为大规模地球观测工作流程提供显著增强。

SatVision-TOA 具有适应性强且可扩展的模型设计，可以统一不同的地球观测数据集并减少对特定任务模型的依赖。SatVision-TOA 利用最大的公共数据集之一来捕捉全球背景和稳健特征。该模型可以广泛应用于研究光谱仪数据，包括 MODIS、VIIRS 和 GOES-ABI。该团队相信这将推动大气科学、云结构分析和地球系统建模的变革性进步。

模型架构和模型权重分别在GitHub 和 Hugging Face上提供 。有关更多信息（包括详细的用户指南），请参阅相关白皮书：  SatVision-TOA：用于粗分辨率全天空遥感图像的地理空间基础模型。