近日，美国石油地质学家协会发表了一篇名为《大数据和深度学习对当今石油产业的突破性意义》的文章，文中给出的案例是，美国高分辨率影像供应商DigitalGlobe公司，将深度学习、空间大数据、云计算等技术相结合，将油气行业的现场勘查、数据输入、数据分析等工作，全部交由机器自动完成，在短短几天完成建筑物特征提取，帮助油气行业快速完成井场选址 。
同时，DigitalGlobe的自动化建筑物矢量提取、高分辨率数字高程模型、GBDS云平台等技术，也得到了广泛等应用，节省客户数月的时间和成本。
据DigitalGlobe官网，公司可以在3天内，完成5300平方公里、21万个建筑物的识别。机器学习和大数据，是DigitalGlobe用到的两个最核心功能。
油气应用案例详细内容：http://explore.digitalglobe.com/machine-learning-satellite-imagery-well-pad-planning.html?utm_source=website&utm_medium=blog&utm_campaign=O&G-Upstream
利用深度学习和高清卫星影像，可迅速且精确地制定井场分布决策
石油软件公司Paradigm的Hamal Hami-Eddine，在接受采访时表示：
我认为大数据离不开深度学习。在日常运用中，我认为无人驾驶汽车的发展是对非数字世界影响最大的大数据应用。然而真正让我印象深刻的，是那些实时处理卫星影像的应用。这些应用每天需要传输、处理并分析数万亿字节的数据。
近18个月里，能源领域的企业纷纷开始聘请数据科学家，开设机器学习的创新中心，并与人工智能行业的初创企业展开合作。这个趋势看似新鲜，实则应运而生。大数据越来越频繁地被油气行业应用于地表及地下业务之中，包括3D地震勘测、实时地层评价、无人机航拍和现场调查标记等。也正因为如此，该行业面临着各种方面的大数据挑战，比如处理和分析海量数据，将地下数据和精确地表的位置配准等。
机器学习：大规模快速提取建筑物矢量
DigitalGlobe与Ecopia合作，将高分辨率卫星影像、人工智能和云计算结合到一起，推出了首个全球建筑物矢量提取解决方案。利用该技术，客户能够快速获得全球范围内，任意类型建筑物的高精度矢量数据，同时支持变化监测，大大提高了工作效率。
油气开采公司可以利用快速获取的建筑物矢量数据，迅速优化井场定位。节省勘测成本、制定更精确的井场布置方案，降低对环境和周围居民的影响，保障施工安全。
目前，识别建筑物矢量都是通过人工完成的，比如 GIS 分析人员需要对影像进行解译，调查人员需要实地验证等。
大数据：高分辨率高程模型
油气行业在规划新井场时，需要高质量的高程模型数据，来确定通路、优化井场的切割和填充，同时避开洪泛区，并获得居民区导航。而DigitalGlobe 可以提供全球5米分辨率的数字高程模型 (DEM)，也可以在客户需要的时候快速生成高达50厘米分辨率的DEM。
另外，DigitalGlobe的GBDX空间大数据服务平台，集云影像库、多视角摄影测量、高级分析和机器学习功能于一体，更加快了DEM的创建过程，费用低于航空激光雷达或现场勘测。
