人工智能对卫星遥感行业有什么真正的影响

人工智能的热潮仿佛已经过去了，以至于我们可以认真坐下来想一想，人工智能对卫星遥感行业有什么真正的影响，虽然这种影响会比以往任何一次技术变革来的都更具冲击性。

以地理信息、遥感为代表的技术型传统行业一直没跟上互联网技术进步和发展模式变化的节奏。

互联网时代刚到来的时候，我们都认为以地理信息系统企业的能力，一定可以做出好的地图服务，因为相比专业的GIS服务，互联网在线地图服务的难度低得多，结果走到最后的是百度，是腾讯.

移动互联网到来的时候，所有的APP都变成了LBS的应用场景，结果呢?很多人不断的反思“为什么滴滴、摩拜没有在地理空间行业的企业中产生”，却依旧什么都没做出来。而现在大家都知道，人工智能的时代来临了，留给我们的选择是，要么更加主动的拥抱这个时代，要么又一次被不知道哪里冲出来的野蛮人颠覆，以至于无力再起身。

作为卫星遥感领域从业人员，深感人工智能技术的进步会对海量卫星遥感数据应用带来极大的变革，这一次如果遥感行业不能够主动拥抱技术变革，那很有可能将会被时代又一次遗弃，甚至被永远甩在身后。

卫星遥感一直以来都跟着测绘跑偏了。遥感的概念比地理信息等技术要早，但应用场景一直有很多限制。

我们国家的卫星遥感一直是国家层面主导进行的，所以很多研究和技术并没有真正从用户需求角度出发。以前卫星遥感的应用场景是以国土测绘等行业应用为主的，所以一直跟着测绘在提升精度，而真正对精度有绝对要求的应用又不会用卫星影像来解决。

遥感卫星的研发也是如此，高分系列卫星是以科学实验为主，航天系统的卫星研制参考的也是精度需求，因此过去很多年的遥感卫星都在不停提升空间分辨率，到了亚米级以后，空间分辨率很难再提升，才开始考虑时间分辨率，而高频次、大范围的空间监测，才是卫星遥感不可替代的优势。

区域和行业应用中，对高频次的空间监测需求越来越高，而传统的遥感卫星完全不能满足这些需求，这也是为什么微小卫星的出现能够给卫星遥感带来足够冲击的原因。

卫星小型化的趋势是毋庸置疑的。

这几年商业航天发展很快，无论中外，都有一大批技术型人才从机构(NASA、航天科技等)转向了企业，形成了一批很有竞争力的商业航天企业。动辄数亿、数十亿的卫星项目不是所有人都能玩得转的，但微小卫星的成本可控，让创业公司、商业资本都能够相对容易进入。这种刺激导致了近年国内出现了一大批卫星发射计划，各种“XX一号”纷纷涌现，以至于大家都开始讨论“遥感卫星产能过剩”的问题。而现实的问题是：中国的遥感卫星距离满足用户需求的高频次监测能力还差得很远。

举个简单的例子，农业的用户需要对全国多处农作物进行长势分析，从遥感技术角度来说没有特别难实现的，而能够保证进行分析的可用数据呢?全国中高分辨率的遥感卫星数据，对全国范围进行一次无缝覆盖，以目前的能力来说，恐怕每年一次全覆盖都是不确定的。

由于卫星遥感受天气因素影响较大，所以微小卫星的出现有可能从数据源的问题上彻底解决——即不管所在区域的天气状况如何，只要存在足够多的卫星，保证在天气情况适合采集数据的时候有卫星能够过境就可以。

美国的Planet公司通过自主发射运营、收购等手段，已经拥有两百多颗卫星，已经能够实现几乎每周一次的全球有效覆盖;阿根廷Satellogic在2017年在由腾讯领投的B轮融资中筹到了2700万美元的资金，正在加快组网亚米级卫星星座，希望能够通过三百颗卫星来实现对地实时观测;国内的长光卫星、四维世景等机构也纷纷推出各类遥感卫星群计划，有很多应用已经取得进展。

如果每一家卫星公司都按照自己的节奏来发展完全属于自己的卫星星座计划，是不是会导致资源的浪费?把现有卫星公司的数据资源整合起来，来实现更多应用场景的完善?美国卫星数据分析公司Orbital Insight已经在这样做，并拿到了累计7870万美元的融资。Orbital Insight从DigitalGlobe、Airbus、NASA、Planet等诸多机构和企业获取数据，利用人工智能、机器学习等新的技术手段，对卫星遥感数据进行自动化处理，从而快速为各类政府和商业机构提供服务。

以目前国内遥感服务的体量以及政府导向的服务模式来看，单纯靠人工来完成这些服务是没有问题的。然而一旦通过卫星资源的整合以及微小卫星数量级式的跨越，我们很快就会实现真正的每天对地球全覆盖数据获取。

这不但会催生新的应用场景，实现动态监测，让商业化应用代替政府服务成为卫星遥感的核心载体，更会对现有遥感信息处理和分析能力提出前所未有的挑战：面对每天PB级的数据，如何将原始数据加工成为用户可以使用的信息?答案只有一个，那就是智能化、规模化、实时性遥感信息生产将是未来遥感产业发展的关键技术和制高点，只有这样才能够让大规模智能分析和信息服务成为可能。

基于图像的机器学习是人工智能的一个分支，也是目前所知的人工智能技术中为数不多可直接进行应用的技术。而相比其他图像识别技术，卫星遥感的智能提取分析则拥有更加明确商业模式，即基于卫星遥感图像的人工智能机器学习算法，改变传统遥感数据处理耗时长、效率低等弊端，自动提取全国范围的遥感信息，以变化监测信息产品、专题信息产品等形式，向信息服务商、互联网平台商以及政府信息部门提供高时效、低成本、更便捷基础空间信息，最终为政府应用、商业情报、互联网运营等提供定制服务。

从技术角度来说，图像信息提取并不是最难的，但不同用户、不同行业对有效信息的定义不同，同样的信息有的人是需要的，但对另一部分人就是无效的。海量数据存储与传输，不同源数据的自动镶嵌，识别、分类、变化等不同种类自动提取模型的建立，简单高效的云端服务，如果把这些技术问题提前解决，那当遥感卫星真的能提供每天动态监测服务能力时，才能不使这些数据成为不能处理的垃圾。

（