依莊防，博士，泰伯網海外特約專欄作(zuò)者。傣族，出生于西雙版納，目前就職于Development Seed（美國(guó)華盛頓特區(qū)），是一位機器學(xué)習算法工(gōng)程師。

作(zuò)者： 依莊防

　　人工(gōng)智能(néng)不可(kě)阻擋地向各行業滲透。這一現象，恰巧撞上了“商(shāng)業遙感衛星發射潮”。這似乎預示了某種潛流。此刻，從事衛星遙感影像解譯和大數據提取的專業人士、科(kē)研人員、政府部門和企業都躍躍欲試：恨不得在獲取數據的同時，一股腦兒在衛星上直接解譯、處理(lǐ)和打包，地面接收站再根據用(yòng)戶需求分(fēn)發。

　　顯然，這種願景目前還無法實現。商(shāng)業衛星影像本身數據量龐大，有(yǒu)很(hěn)多(duō)難點尚未攻關。不過，在高分(fēn)辨率影像應用(yòng)領域，市場和科(kē)研都有(yǒu)一些亮眼的成果——它們讓高分(fēn)遙感從獲取、解譯到數據分(fēn)配的一條龍服務(wù)的願景成為(wèi)可(kě)能(néng)。

　　（注：目前熱議的人工(gōng)智能(néng)，其實包括了很(hěn)多(duō)領域和應用(yòng)。講真，所有(yǒu)可(kě)以用(yòng)機器代替人工(gōng)來做，特别是重複性強的，在媒體(tǐ)報道中(zhōng)都統稱人工(gōng)智能(néng)。本文(wén)所指的人工(gōng)智能(néng)，具(jù)體(tǐ)指用(yòng)機器學(xué)習、深度學(xué)習等計算機視覺技(jì )術去分(fēn)析、解譯高分(fēn)遙感數據。）

　　所以，隻有(yǒu)充分(fēn)了解高分(fēn)辨率遙感影像的直接應用(yòng)難度，才能(néng)為(wèi)人工(gōng)智能(néng)與遙感的結合，構建合理(lǐ)的想像。

　　高分(fēn)遙感應用(yòng)難度

　　難度1. 數據大

　　高分(fēn)遙感影像的分(fēn)辨率越大，其數據就越大。

　　30米分(fēn)辨率指的是遙感影像上每一個像素對應的地物(wù)是30米x30米。比如地面120米 x 120米的地塊，在分(fēn)辨率為(wèi)30米的衛星影像圖上是16個像元，但是在3米x 3米的衛星影像上就是1600個像元，到了30厘米 x 30厘米的衛星影像圖中(zhōng)則變成了160000個像元。

　　分(fēn)辨率越高記錄的數據信息越詳細，不僅僅是像元随着高分(fēn)影像增大，其每個像元的信息複雜性也在增加，因此高分(fēn)遙感影像分(fēn)辨率的提高和其更低分(fēn)辨率影像之間的文(wén)件大小(xiǎo)不是線(xiàn)性關系。

　　難度2. 分(fēn)析難

　　分(fēn)辨率越高，信息量越大，數據提取就越難。

　　同一個地點，高分(fēn)辨率遙感影像随着分(fēn)辨率越高獲取的地面數據越多(duō)，信息越複雜，就越難提取有(yǒu)用(yòng)的信息。

　　如果在一二十年前用(yòng)Landsat衛星影像（30米分(fēn)辨率）做一個縣市級别的土地利用(yòng)分(fēn)類工(gōng)作(zuò)，直接把數據導入地理(lǐ)信息和圖像解譯工(gōng)作(zuò)平台（ERDAS，ENVI和ArcGIS等等）大概都可(kě)以作(zuò)出個産(chǎn)品來。但是如果衛星影像分(fēn)辨率達到了30厘米(相當于30m分(fēn)辨率高出100倍的精(jīng)度)：30米分(fēn)辨率時隻能(néng)看到大概的形狀，30厘米就可(kě)以看到路上行駛的車(chē)輛了——遙感影像分(fēn)辨率越高，精(jīng)度越高，可(kě)以觀察到的地物(wù)就越多(duō)，那麽在衆多(duō)繁雜的信息中(zhōng)分(fēn)辨出有(yǒu)用(yòng)信息的難度就越大。

　　普通影像處理(lǐ)軟件處理(lǐ)分(fēn)辨率越高的影像就越困難，此時人工(gōng)智能(néng)的作(zuò)用(yòng)就凸顯了。高性能(néng)超級計算機，可(kě)以不知疲倦地實時處理(lǐ)人工(gōng)和普通影像處理(lǐ)軟件無法完成的工(gōng)作(zuò)。

Digital GlobeWorldView-3影像兩個分(fēn)辨率對比圖，左圖是分(fēn)辨率為(wèi)1.24米（文(wén)件大小(xiǎo)為(wèi)1.7M），右圖分(fēn)辨率是0.31米（圖片大小(xiǎo)是10.2M）

難度3. 可(kě)用(yòng)性不确定

　　解譯數據的可(kě)用(yòng)性。

　　這時，可(kě)能(néng)會有(yǒu)遙感專業的同事說，信息量大，正是高分(fēn)辨率遙感的魅力所在。這話是沒有(yǒu)錯的。

　　下面咱們還要講怎麽使用(yòng)人工(gōng)智能(néng)遙感從高分(fēn)辨率遙感影像中(zhōng)提取有(yǒu)用(yòng)的信息。但是在實現這一步之前，有(yǒu)一個不可(kě)忽視的細節難度——分(fēn)辨率越高的影像解譯和提取的信息越多(duō)，處理(lǐ)不好，反倒可(kě)能(néng)使得結果沒辦(bàn)法用(yòng)。

　　我們從高分(fēn)辨率影像中(zhōng)提取的數據，最終目的是希望可(kě)以放在地圖上，供專業人士或者普通市民(mín)使用(yòng)。基本上很(hěn)多(duō)計算機視覺裏面使用(yòng)到機器學(xué)習和深度學(xué)習（比如圖像分(fēn)割、對象檢測和圖像分(fēn)類）都可(kě)以在高分(fēn)辨率遙感中(zhōng)應用(yòng)。

　　無人駕駛汽車(chē)使用(yòng)的機器學(xué)習算法是圖像分(fēn)割，即該車(chē)在街(jiē)道上行駛時不斷的拍照和解讀，哪裏是道路、道路邊界、行道樹和行人。從高分(fēn)辨率遙感解譯信息其實也是這麽一回事，從圖像分(fēn)割中(zhōng)知道哪裏是樓房、道路、橋梁、樹林、機場等等。

　　和一般計算機視覺不同的是，高分(fēn)遙感提取的數據需要放在地圖上，就是說這數據不僅要在機器學(xué)習（人工(gōng)智能(néng)）模型中(zhōng)達到好的精(jīng)度，還要有(yǒu)準确的地理(lǐ)信息（比如經緯度等等）——這最終才有(yǒu)可(kě)用(yòng)性。

　　比如咱們用(yòng)圖像分(fēn)割中(zhōng)解譯出來的道路在地圖上向右平移了5米，或者解譯出來的樓房缺了三分(fēn)之一等等。那麽數據要用(yòng)到現實生活，如導航或者計算建築面積，就沒啥用(yòng)了。

　　難度4.其他(tā)

　　高分(fēn)辨率遙感影像本身特點帶來的問題。

　　除了以上高分(fēn)辨率遙感影像文(wén)件大、信息複雜、信息提取難度高、以及人工(gōng)智能(néng)模型結果的可(kě)用(yòng)性不确定等因素之外，高分(fēn)辨率遙感影像本身還存在以下問題：

　　①雲層覆蓋。大家擡眼看天空，雲層千變萬化。不同的季節和地區(qū)雲層覆蓋不一。一旦衛星影像研究區(qū)域的雲覆蓋率到了10%以上就很(hěn)難從中(zhōng)提取好的數據。當然這個問題在商(shāng)業小(xiǎo)衛星覆蓋率高的地區(qū)，衛星可(kě)以在短時間内重複性的訪問一個地點，或者在天氣晴朗的時候使用(yòng)無人機獲取數據等，是可(kě)以解決這個問題的。

　　②時空分(fēn)辨率的取舍。空間分(fēn)辨率，是到目前一直強調的高分(fēn)辨率。而時間分(fēn)辨率指的是遙感影像以多(duō)高的頻率獲取，比如是一天拍一次上海，還是一個月一次，還是一年一次。

　　高分(fēn)辨率衛星影像不僅僅處理(lǐ)和解譯難，獲取的費用(yòng)也是不菲的。因此沒有(yǒu)長(cháng)期的研究、資金支持和投入，沒有(yǒu)市場需求，同時開發的高分(fēn)遙感産(chǎn)品不能(néng)在時間或空間分(fēn)辨率中(zhōng)占得優勢的話，企業很(hěn)難在市場上存活。比如美國(guó)Digital Globe，它的衛星影像是根據客戶需要去采集數據，它最好的數據産(chǎn)品WorldView-3和4的分(fēn)辨率可(kě)達0.31米。Planet Lab的商(shāng)業模式則不同，它是通過提高時間分(fēn)辨率但（部分(fēn)）放棄空間分(fēn)辨率（他(tā)們的最高分(fēn)辨率的衛星影像産(chǎn)品是1米空間分(fēn)辨率），以實現每周生成覆蓋全球的遙感影像。當然，Planet同時也在提高衛星影像的空間分(fēn)辨率來搶占市場。

　　③波段多(duō)，難以取舍。和計算機視覺的機器學(xué)習、人工(gōng)智能(néng)模型中(zhōng)大部分(fēn)隻是用(yòng)紅綠藍三個色相通道（就是普通的照片）不同，高分(fēn)辨率遙感影像可(kě)以有(yǒu)十幾到上百個波段，不同的地物(wù)解譯和圖像分(fēn)割可(kě)選取不通的波段組合。但是選擇多(duō)了也很(hěn)痛苦，因為(wèi)目前高分(fēn)率波段組合和選擇在機器學(xué)習（人工(gōng)智能(néng)）上的應用(yòng)還沒有(yǒu)足夠積累。

人工(gōng)智能(néng)和高分(fēn)遙感的結合

　　人工(gōng)智能(néng)和高分(fēn)辨率遙感可(kě)以說是天作(zuò)之合。

　　高分(fēn)辨率遙感影像的存在是為(wèi)了能(néng)讓我們實時監測地面發生的變化。比如一個城市哪裏新(xīn)建了房屋，哪裏新(xīn)建了道路橋梁；農業上哪一個作(zuò)物(wù)得了病蟲害；或者哪一個地區(qū)發生旱災澇害，要怎樣疏導災民(mín)，如何重建。也有(yǒu)保險公(gōng)司在實時監測用(yòng)戶的屋頂材料和冰雹雪(xuě)災之間的聯系，從而為(wèi)拓展房屋保險業務(wù)提供服務(wù)。人工(gōng)智能(néng)可(kě)以讓我們大規模、智能(néng)化、實時性的實現數據提取。

　　前面說了那麽多(duō)困難，那麽，人工(gōng)智能(néng)和高分(fēn)辨率遙感影像解譯能(néng)結合嗎？能(néng)有(yǒu)未來嗎？答(dá)案是肯定的。下面待我給大家一一解讀。

　　傳統計算機視覺的新(xīn)玩法

　　01.啥是機器學(xué)習（深度學(xué)習）

　　機器學(xué)習可(kě)以分(fēn)為(wèi)監督學(xué)習，非監督學(xué)習和強化學(xué)習。

　　顧名(míng)思義，監督學(xué)習指的是告訴模型你認為(wèi)圖像裏哪是房子哪是路，人工(gōng)智能(néng)就會建立原始衛星影像和你給的标簽（房子，道路）之間的數學(xué)關系。非監督學(xué)習就是不告訴模型哪是房子哪是道路，模型根據衛星影像裏面的像元值對圖像進行分(fēn)類。強化學(xué)習則是啥也不告訴模型，讓模型自己學(xué)習，并不斷強化。當然我這是往簡單裏說，具(jù)體(tǐ)的解釋大家可(kě)以參考其他(tā)機器學(xué)習的資料。

　　高分(fēn)辨率遙感影像解譯用(yòng)的最多(duō)的是監督學(xué)習。

第一排的兩張圖是監督學(xué)習中(zhōng)的圖像分(fēn)割訓練數據（左圖是衛星影像圖，右圖是标簽數據——房子和道路）。這個訓練圖集的關系就如同解方程式：其中(zhōng)衛星影像圖就相當于X，标簽數據就是y，人工(gōng)智能(néng)模型就是在X和y中(zhōng)找數學(xué)關系。然後我們可(kě)以通過這個關系從未被人工(gōng)智能(néng)模型訓練過的衛星影像圖中(zhōng)提取房子和道路的信息。

　　  第二排的兩張圖是監督學(xué)習中(zhōng)的對象檢測訓練數據（左圖是衛星影像圖，右圖是房子的對象檢測框）。

　　在第一排訓練數據訓練的圖像分(fēn)割模型，就可(kě)以從高分(fēn)辨率遙感影像中(zhōng)找出衛星影像中(zhōng)哪一個像元是房子或者道路。第二排訓練數據集訓練的模型則可(kě)以用(yòng)來“找房子”，這個方法一般可(kě)以用(yòng)來數房子，即可(kě)以用(yòng)通過新(xīn)房子在一段時間的建設數量來衡量區(qū)域經濟發展的速度。比如第一排的訓練數據集可(kě)以通過在高分(fēn)辨率遙感影像和标簽數據之間建立數學(xué)關系（這裏通常通過深度學(xué)習的方法），進而預測未知影像中(zhōng)的檢測對象。

人工(gōng)智能(néng)模型通過輸入的高分(fēn)辨率遙感影像和标簽數據來預測檢測對象。圖中(zhōng)第一排是房屋建築面積的預測模型，第二排是道路系統檢測模型。

　　02.高分(fēn)影像和開放街(jiē)道地圖（Open Street Map）為(wèi)機器學(xué)習新(xīn)玩法雪(xuě)中(zhōng)送炭

　　高分(fēn)遙感影像數據量大，傳統的分(fēn)析方法是下載一整片衛星影像，導入到可(kě)以用(yòng)來分(fēn)析這個影像的地理(lǐ)信息軟件中(zhōng)來分(fēn)析。這項工(gōng)作(zuò)繁瑣、緩慢、不讨好，而且受各種不可(kě)知因素影響。沒有(yǒu)大量的人工(gōng)投入很(hěn)難用(yòng)于應急，比如洪澇災害來了，隻能(néng)依靠過往的地圖和模型信息積累來開展工(gōng)作(zuò)。

　　通過區(qū)塊地圖服務(wù)（Tile Map Service）實現高分(fēn)遙感的實時分(fēn)享，以及開放街(jiē)道地圖的存在，它們是未來人工(gōng)智能(néng)在高分(fēn)辨率遙感影像解譯方面長(cháng)足發展的兩個重要基礎。要做到以上實時預測道路網絡，離不開這兩個基石。

　　03.區(qū)塊地圖服務(wù)（Tile Map Service）

　　大家肯定熟悉百度地圖、高德(dé)地圖、必應衛星影像圖。照理(lǐ)來說，全球或整個中(zhōng)國(guó)的地圖數據那麽大，儲存了那麽多(duō)數據，比如你喜歡的餐館、書店(diàn)、咖啡館、電(diàn)影院等等，以及你上學(xué)、上班和回家的每一條路，還有(yǒu)千千萬萬同學(xué)的同學(xué)、朋友的朋友的住宅小(xiǎo)區(qū)等等。數據那麽大，可(kě)是并不妨礙你一打開手機就可(kě)以浏覽。

　　這得益于區(qū)塊地圖服務(wù)（當然還有(yǒu)其他(tā)的技(jì )術，咱們先往簡單裏說），這個技(jì )術可(kě)以使我們從全球地圖開始，點擊放大地圖20次就可(kě)以看到世界上任何一個地區(qū)的街(jiē)景。地圖在每一次放大過程中(zhōng)的信息量不一樣，在全球水平上是非常粗糙的國(guó)家級數據，放大20次在手機屏幕上展示的信息就是你感興趣的街(jiē)景圖。

　　在放大地圖的過程中(zhōng)越來越多(duō)的信息被展現，在縮小(xiǎo)的過程你會發現經常走的那條街(jiē)不見了，慢慢的學(xué)校在地圖上消失了，然後在全國(guó)地圖上你隻看到你的省會城市。

　　這和高分(fēn)遙感影像實時分(fēn)享有(yǒu)啥關系？說白了就是同一個道理(lǐ)。高分(fēn)遙感簡單的說是你可(kě)以放到最大看到的衛星影像圖，精(jīng)細、信息量大。可(kě)以想像，這些塊狀的衛星影像就像地闆磚一樣（英文(wén)用(yòng)詞是tile，很(hěn)形象），分(fēn)辨率為(wèi)1米的塊狀衛星影像要覆蓋（鋪滿）整個中(zhōng)國(guó)大概需要千萬億塊（960萬平方公(gōng)裏）。可(kě)想而知要在這個分(fēn)辨率尺度上解譯國(guó)家級别的數據，這個工(gōng)作(zuò)量和人工(gōng)需求有(yǒu)多(duō)大，就更不要說比1米分(fēn)辨率更高的高分(fēn)辨率影像了。

　　商(shāng)業衛星影像公(gōng)司可(kě)以通過生成不同分(fēn)辨率影像，來滿足不同的用(yòng)戶需求。比如要做建築物(wù)占地面積或者道路系統的人工(gōng)智能(néng)模型，就會希望用(yòng)到最高空間分(fēn)辨率的影像（下圖提到的放大次數我們希望用(yòng)到zoom level 17以上的影像數據），但是做農業相關的土地利用(yòng)圖就不需要高分(fēn)辨率的影像。

區(qū)塊地圖服務(wù)可(kě)以從全球低分(fēn)辨率的衛星影像放大到高尺度的衛星影像。

　　04.開放街(jiē)道地圖

　　開放街(jiē)道地圖是以人人都可(kě)以編輯的世界地圖為(wèi)其宗旨。全球有(yǒu)幾百萬會員每天都在世界不同的國(guó)家和地區(qū)編輯和錄入數據。其中(zhōng)人道主義援助的貢獻特别突出，比如海地和尼泊爾地震期間就有(yǒu)全球的志(zhì)願者通過高清衛星影像編輯地圖，比如勾畫出哪個地段的道路和房子被毀了，哪裏是最近的救援點和醫(yī)院等等。

　　開放街(jiē)景地圖可(kě)以作(zuò)為(wèi)機器學(xué)習的訓練數據集，特别是訓練數據中(zhōng)的标簽數據。我們最近開發了一個開放的python數據包，叫做Label Maker。該數據包可(kě)以從開放街(jiē)道地圖的API匹配同個地區(qū)的Mapbox衛星影像來生成包括TensorFlow、MXNet、Pytorch、Theano和Keras框架下的深度學(xué)習訓練數據集。

　　我們在Label Maker的上面放了幾個機器學(xué)習的案例，包括圖像分(fēn)類和對象檢測，大家可(kě)以去看看（我的中(zhōng)文(wén)博客介紹）。

　　高分(fēn)影像、開放街(jiē)景地圖和Label Maker，加上雲計算，可(kě)以實現很(hěn)多(duō)以往傳統的中(zhōng)低分(fēn)辨率遙感影像和傳統的衛星影像解譯無法做到的。SkyNet是我們做圖像分(fēn)割的一個機器學(xué)習方法，開放的，大家可(kě)以去玩玩。

　　我們用(yòng)SkyNet可(kě)以實時從高分(fēn)遙感影像中(zhōng)解譯道路系統。當然SkyNet的背後是劍橋大學(xué)在前幾年開發的SegNet技(jì )術。機器學(xué)習中(zhōng)的圖像分(fēn)割（也是SkyNet）背後的技(jì )術是目前無人駕駛汽車(chē)中(zhōng)主要使用(yòng)的計算機視覺技(jì )術之一。 我們現在還在開發更多(duō)、更新(xīn)、運算更快的算法。北美和全球都有(yǒu)很(hěn)多(duō)類似的公(gōng)司和機構，開發各種深度學(xué)習、傳統機器學(xué)習在高分(fēn)辨率遙感影像解譯中(zhōng)的應用(yòng)軟件包和工(gōng)具(jù)。希望未來可(kě)以給大家多(duō)多(duō)介紹。

       高分(fēn)遙感影像的出現和人工(gōng)智能(néng)可(kě)以幫我們做很(hěn)多(duō)事情。作(zuò)為(wèi)這個領域的專業人士，我們該從應用(yòng)的角度出發，挖掘人工(gōng)智能(néng)和高分(fēn)影像的應用(yòng)。比如對于智能(néng)城市的建設，第一道數據關口是我們的城市裏道路建設和房屋狀況是怎麽樣的？哪裏發展最快，哪裏比較慢，為(wèi)什麽？洪澇災害來了哪裏會受災比較嚴重？醫(yī)院學(xué)校都建在哪裏，其他(tā)的公(gōng)共設施都建在哪裏？

　　高分(fēn)遙感的實時更新(xīn)以及人工(gōng)智能(néng)的快速運算，需要能(néng)夠回答(dá)智能(néng)城市建設的最基本問題。比如下圖，通過對比人工(gōng)智能(néng)模型的建築占地面積預測結果和已經在地圖上标記的建築占地面積，就可(kě)以找出一個城市哪些建築是新(xīn)的、還沒有(yǒu)标記在地圖上的。開放街(jiē)景地圖的制圖任務(wù)管理(lǐ)人員可(kě)以号召制圖志(zhì)願者到這些地方添加沒有(yǒu)地圖标記的建築物(wù)。同樣的道理(lǐ)，人工(gōng)智能(néng)和高分(fēn)辨率遙感影像的結合，除了可(kě)以幫城市規劃機構标記城市化的進程外，遙感的多(duō)光譜波段還可(kě)以“看見”城市建築物(wù)的材料，從而“預見”城市在不同自然災害下的脆弱程度，這對災後重建工(gōng)作(zuò)也會起到很(hěn)大作(zuò)用(yòng)。

淺見未來

　　01.人工(gōng)智能(néng)也需要加入人的協助

　　目前人工(gōng)智能(néng)在高分(fēn)辨率遙感影像上的應用(yòng)日新(xīn)月異，但是因為(wèi)衛星遙感影像應用(yòng)難度，以及人工(gōng)智能(néng)本身的應用(yòng)瓶頸，還不能(néng)實現全程的自動化。因此，從衛星影像采集到衛星影像解譯和數據整理(lǐ)一條龍服務(wù)還難以達到。不過，相關專業人士可(kě)以在這個過程中(zhōng)助力。

　　比如上面提到的道路系統和房屋建築占地面積預測在一定程度上是可(kě)以實現全程自動化的，但是還有(yǒu)大量案例是無法全部自動化的。

　　2018年我們幫助世界銀行制作(zuò)巴基斯坦、尼日利亞和贊比亞三國(guó)的高壓電(diàn)網圖。高壓電(diàn)網在高分(fēn)辨率影像中(zhōng)是非常難以分(fēn)辨的，我們通過人工(gōng)智能(néng)模型預測高壓電(diàn)塔的分(fēn)布、引導專業制圖人員制圖的方式完成，這要比傳統人工(gōng)查看高壓電(diàn)塔、畫高壓電(diàn)網的方法在速度上提高了33倍工(gōng)作(zuò)産(chǎn)出（該方法現在是開放的報告和模型方法，可(kě)供大家參閱）。

02.高分(fēn)辨率影像解譯和人工(gōng)智能(néng)要完成三件事

　　現在人工(gōng)智能(néng)（機器學(xué)習和深度學(xué)習）和高分(fēn)辨率遙感的解譯和應用(yòng)熱情空前高漲，但是所有(yǒu)業内人士也不能(néng)忽略這個問題：如何從高分(fēn)遙感影像中(zhōng)提取可(kě)直接應用(yòng)的數據。

　　這個問題不是專業人士拍拍腦袋就能(néng)夠決定的，而是應該從不同應用(yòng)案例和使用(yòng)者的角度出發來解譯和整理(lǐ)數據。比如同樣的方法論，我上面提到的應用(yòng)圖像分(fēn)割從高分(fēn)辨率遙感影像中(zhōng)提取道路系統。城市規劃師需要的數據與交通管理(lǐ)部門不同，澇災情況下的導航需要的道路系統也與災後重建所需要的不同。

　　道路系統屬性不同，能(néng)夠支持不同的工(gōng)作(zuò)和需求。因此，機器學(xué)習算法工(gōng)程師和高分(fēn)辨率遙感影像解譯的工(gōng)作(zuò)，必須能(néng)夠滿足三方面的要求：第一，數據的完整性；第二，預測的準确性；第三，數據的應用(yòng)性。其中(zhōng)，第三個條件不應該是最後考慮的，而是要在人工(gōng)智能(néng)模型的開發過程中(zhōng)貫穿始終。

　　希望我們可(kě)以一起做更多(duō)更有(yǒu)意義的工(gōng)作(zuò)，通過開放的軟件開發服務(wù)更多(duō)的社區(qū)、地區(qū)、國(guó)家和需要數據的人。

文(wén)章轉載泰博網