马克·约翰逊想在自己的游戏中击败美国农业部：预测美国农作物的产量。美国农业部（USDA）在10月份玉米丰收前，每月派出数百名工人调查数千个农场，这是美国最大的作物。约翰逊的初创公司笛卡尔实验室只有20名员工，他们从未离开过新墨西哥州洛斯阿拉莫斯的办公室。取而代之的是，笛卡尔依靠4 PB的卫星成像数据和机器学习算法，从太空中找出玉米作物的健康程度。

玉米产量预测在美国是一项大生意。随着8月份玉米开始从地里出来，每年农业供应链上的数十亿美元岌岌可危。谷物升降机运营商、乙醇生产商、大宗商品交易商、对冲基金、保险公司，甚至种植玉米的农民，都将关注美国农业部8月12日发布的8月作物报告，试图了解玉米市场供应方面的表现。

笛卡尔说，它可以始终如一地预测美国农业部的玉米估计

在美国农业部去年8月作物报告发布之前，2014年推出的Descartes开始发布玉米产量预估。约翰逊说，该模型在生长季节的每一个点上都一直超出美国农业部在全国范围内的预测。根据笛卡尔提供的数据，它比美国农业部2015年8月预测的准确率高出一个百分点。现在，Johnson说他们的算法已经变得更加精确了，通过历史回溯测试时平均误差为2.5%。

约翰逊认为，他的公司能够分析的数据的深度和频率是作物预测的一个游戏规则改变者。”约翰逊对《边缘报》说：“我们的技术最棒的地方在于，传统上，你必须和美国成吨的农民交谈，才能得到一个美国农业部式的数字。”通过机器学习技术，我们可以从卫星上看到成吨的像素，这告诉我们什么在增长。”

缩小的传感器和廉价的云计算

目前，这是一个很常见的说法——各行业的公司都在利用不断缩小的传感器和使用谷歌和亚马逊等公司廉价云计算服务处理传感器的激增而积累的大量数据集。例如，气象公司刚刚宣布其当地的超级天气预报员“深雷”，该公司利用机器学习通过历史天气报告进行嘎吱嘎吱作响，以预测未来的天气状况。

但大数据和机器学习只是笛卡尔方程的一个侧面。

近五年来，纳米卫星（大小大致相当于鞋盒大小）的普及，为笛卡尔和类似的初创企业开辟了广阔的发展空间。

过去，如果一家公司想要卫星图像数据，它将转向美国**运营的卫星项目，如Landsat或MODIS，这类项目每周大约一次，将全球的分辨率想象为20到30米。现在，新的纳米卫星星座，像卫星成像启动行星运行的一个星座，每天以3到5米的分辨率拍摄整个地球的快照。

爱荷华州的勒火星的图片由行星的卫星星座拍摄。

目前正在收集的成像数据量是巨大的。”约翰逊说：“考虑到这一点，陆地卫星用了40多年的时间，用7颗卫星收集了不到1 PB的数据。这颗行星一年的产量很容易超过1 PB。”

越来越多的公司利用这些数据来分析全球趋势。今年早些时候，卫星图像提供商DigitalGlobe帮助Facebook绘制了一张全球20亿失联人口的地图。Orbital Insights跟踪中国的工业发展，并从太空监控50多家美国零售商的停车场，以了解商店的交通状况。

约翰逊和他的伙伴选择跟踪农业有几个原因。首先，粮食短缺和全球气候变化是紧迫的问题。第二，从陆地卫星和MODIS拍摄的图像中已经有了一年的数据集，可以用来训练他们的机器学习模型。第三，玉米生长缓慢，农民可以通过红外等额外的光谱波段来观察玉米，这是老一代和新一代成像卫星记录的。

从太空测量叶绿素

最后，也是最重要的一点，约翰逊说，这是一个棘手的问题“这不像是一个卫星在所有的沃尔玛停车场，并挑选出汽车，”约翰逊说这是自动化的问题；这是人类可以做到的。我们所做的是将人类不能做的事情自动化。”

笛卡尔利用人眼看不见的光谱信息来测量叶绿素含量。”有很多成熟的方法可以从叶绿素水平上获得作物健康的指标，”Planet负责商业发展的副总裁Josh Alban说。Planet是Descartes的正式合作伙伴，它提供数据来计算产量估算，并帮助它为企业客户构建定制产品。约翰逊不愿提供其公司任何客户的姓名，他说，ag业务的供应方人员对从何处获得数据守口如瓶。知情人士对此并不感到意外。

笛卡尔的作物识别算法在行星卫星图像上分层。

笛卡尔说，它每天分析美国每个农场的卫星数据（前提是没有云层覆盖），每两天更新一次玉米产量预测。美国农业部每月只更新一次预测。虽然美国农业部提供了全国和全州的预测，笛卡尔除了提供县级预测之外，还提供了这两个预测，而美国农业部只在季末提供，那时这些数字无关紧要。

全球作物和分析公司Geosys的创始人达米恩•莱普特（Damien lepotre）表示，提供当地估算的能力至关重要在过去的35年里，我看到的一件事就是农业的复杂性农业总是地方性的。在不同的地方没有两种相同的土壤。每次都有点不同。”

困难的部分是建立你的神经网络

Geosys还分析光谱卫星数据，与业界其他大型企业一样。但是莱普特认为，最近技术的进步，包括对机器学习的特别关注，给初创企业比过去更好的生存机会。

普华永道（PricewaterhouseCoopers）首席技术专家克里斯•科伦（Chris Curran）表示：“这一切都归结于一家公司的模式。”最困难的部分是训练你的算法，建立你的神经网络，让你的数据真正创造价值。”

约翰逊说：“有了更好的卫星、更好的数据访问和更强大的算法，我们的模型将继续变得更好。”。随着笛卡尔完成这一任务，约翰逊说，他们将开始转向其他作物（笛卡尔已经开始跟踪大豆）和其他地区，如巴西和阿根廷、黑海地区、中国和欧盟。

在那之后，约翰逊说他的公司有野心更好地了解地球作为一个活的有机体。他说，笛卡尔的目标是“了解我们的自然资源，了解这些资源是如何运转的，然后我们人类是如何改变地球的。”