罗格斯大学（Rutgers）的一项研究表明，帮助消费者决定在线传输或购买内容的算法不仅可以预测消费者的习惯，还可以帮助卫星更好地看到地球。
当地球表面被云层覆盖时，光学卫星就看不见了，研究人员长期以来一直依赖不准确的工具来填补盲点，尤其是沿海岸线。罗格斯大学工程学院土木与环境工程助理教授王若谦（Roger）通过采用最初为Netflix构建的推荐算法，创建了一个比传统数据填充工具更准确、更快地预测沿海地区云层景观的系统。
研究结果发表在《国际应用地球观测和地理信息杂志》上。
“阿里巴巴（Alibaba）和亚马逊（Amazon）等电子服务平台使用推荐系统，利用大型数据集提供定制的产品推荐，以帮助客户做出决策，”王说。“有趣的是，推荐系统处理数据的方式与预测被云层遮挡的海岸景观的过程并无不同。”
在公海，遥感中使用的云填充算法测量连续数据鈥攕如水温、颜色和藻类含量鈥攖o预测隐藏的内容。但是，这些解决方案在沿海地区出现了问题，“由于云量、植被和其他变量的增加，错误被放大了”，王说，增加推荐系统“可以在这方面做得更好”
为了验证他的假设，王在西蒙·芬克（SimonFunk）的工作基础上构建了一个云填充模型。西蒙·芬克是一名软件开发人员，在Netflix推荐工具大赛中获胜。该算法称为Funk SVD，将消费者评论绘制在矩阵上。然后，这些数据被用来预测没有记录评论的用户的观看习惯。
云填充的过程类似：地图上的每个坐标都由照片上的一个像素表示，该像素可以是水，也可以是陆地，云表示未记录的数据。Wang对Funk SVD的改编基于其他数据点猜测云下的内容。
王使用特拉华湾陆地卫星任务的258帧图像数据库，训练Funk SVD完成云填充方案。他的解决方案比最广泛使用的云填充工具DINEOF（数据插值经验正交函数）更精确，并且与另一种流行工具Datawig（由机器学习提供支持）的精度相似。虽然Datawig使用了巨大的计算机能力，需要几天的时间来处理，但Wang的解决方案需要30秒。
王说，他的解决方案在长期地球观测方面有许多应用。例如，该方法可用于测量作物产量，或绘制大面积城市化速度图。它也可以比传统方法更快、更便宜地做到这一点。
“任何一般的土地利用变化都可以使用这个工具进行监测，”王说。