好奇的计划员致力于使地球的变化可见、可访问和可操作。
今天，我们很高兴地发布分析就绪PlanetScope（ARPS）。ARPS利用先进的专有算法生成一致且空间上连贯的接近每日图像堆栈，从而支持时间序列分析和机器学习应用。
ARPS通过对PlanetScope每日3米分辨率图像中的捕获不一致性进行校正来规范化数据。然后，它将这些数据与时间上和空间上一致的第三方来源（如Landsat、Sentinel-2、MODIS和VIIRS）的数据进行协调，以生成预处理后的影像堆栈。结果是一个更精确且易于操作、分析和可视化的数据集。行星洞察平台.
虽然PlanetScope数据支持及时调查和实时决策，但ARPS优化了考虑过去的时间分析，确保在一个感兴趣的区域内长期期间内的变化准确测量。其一致性和可定制性意味着用户花费较少时间格式化数据，而更多时间用于分析数据的变化。
分析就绪的PlanetScope与PlanetScope地表反射率场景的比较。分析就绪的PlanetScope在时间上表现出更佳的辐射一致性，并且空间组合的PlanetScope场景能为AOI提供更为完整的覆盖范围。
“政府机构和商业客户都经常利用卫星数据和机器学习算法来管理大片土地，”Planet公司的首席产品官Troy Toman表示。“但目前的模型常常是基于不一致、与第三方来源对不上号的数据构建的，或者需要大量时间进行准备。ARPS通过简化数据分析解决了这一问题，并且它是该公司一系列产品的最新推出产品，这些产品使用户能够最大限度地发挥其AI和ML模型的作用。”
ARPS 是 Planet 用户管理大面积土地更高效方式的重要工具。对于监控和执行自然资源法规的政府部门，ARPS 允许他们检测未经授权使用农药或滥伐森林等偏差，并及时采取行动。对于农业操作，ARPS 可以提供有关植被健康、灌溉需求以及入侵物种检测的准确且及时的信息。在林业领域，利用 ARPS 的公司可以更好地估算生物量，进行火灾后的恢复评估，并监测碳储量。
“分析就绪型PlanetScope对我们的产品产生了巨大的影响，”Joaquin Peraza（首席技术官）说道。稻属（或直接使用拉丁学名Oryzativa，如果在特定语境中没有对应的中文专有名词）“我们在从Landsat和Sentinel数据切换到ARPS后，显著降低了生物质生长模型的误差率，我们很高兴继续使用ARPS来帮助提高模型的准确性。”
在快速变化、数据饱和的世界中，帮助区分信号和噪声的工具现在比以往任何时候都更重要。通过将ARPS集成到Planet洞察平台中，利益相关者有了一个易于访问的方式，在一个地方近实时地分析对他们来说重要的长期变化。
了解ARPS如何帮助解决数据科学家和图像分析师面临的问题。敏捷EO网络研讨会.