人工智能的熱潮仿佛已經(jīng)過去了，以至于我們可以認真坐下來想一想，人工智能對衛(wèi)星遙感行業(yè)有什么真正的影響，雖然這種影響會比以往任何一次技術變革來的都更具沖擊性。

以地理信息、遙感為代表的技術型傳統(tǒng)行業(yè)一直沒跟上互聯(lián)網(wǎng)技術進步和發(fā)展模式變化的節(jié)奏。

互聯(lián)網(wǎng)時代剛到來的時候，我們都認為以地理信息系統(tǒng)企業(yè)的能力，一定可以做出好的地圖服務，因為相比專業(yè)的GIS服務，互聯(lián)網(wǎng)在線地圖服務的難度低得多，結果走到最后的是百度，是騰訊.

移動互聯(lián)網(wǎng)到來的時候，所有的APP都變成了LBS的應用場景，結果呢?很多人不斷的反思“為什么滴滴、摩拜沒有在地理空間行業(yè)的企業(yè)中產(chǎn)生”，卻依舊什么都沒做出來。而現(xiàn)在大家都知道，人工智能的時代來臨了，留給我們的選擇是，要么更加主動的擁抱這個時代，要么又一次被不知道哪里沖出來的野蠻人顛覆，以至于無力再起身。

作為衛(wèi)星遙感領域從業(yè)人員，深感人工智能技術的進步會對海量衛(wèi)星遙感數(shù)據(jù)應用帶來極大的變革，這一次如果遙感行業(yè)不能夠主動擁抱技術變革，那很有可能將會被時代又一次遺棄，甚至被永遠甩在身后。

衛(wèi)星遙感一直以來都跟著測繪跑偏了。遙感的概念比地理信息等技術要早，但應用場景一直有很多限制。

我們國家的衛(wèi)星遙感一直是國家層面主導進行的，所以很多研究和技術并沒有真正從用戶需求角度出發(fā)。以前衛(wèi)星遙感的應用場景是以國土測繪等行業(yè)應用為主的，所以一直跟著測繪在提升精度，而真正對精度有絕對要求的應用又不會用衛(wèi)星影像來解決。

遙感衛(wèi)星的研發(fā)也是如此，高分系列衛(wèi)星是以科學實驗為主，航天系統(tǒng)的衛(wèi)星研制參考的也是精度需求，因此過去很多年的遙感衛(wèi)星都在不停提升空間分辨率，到了亞米級以后，空間分辨率很難再提升，才開始考慮時間分辨率，而高頻次、大范圍的空間監(jiān)測，才是衛(wèi)星遙感不可替代的優(yōu)勢。

區(qū)域和行業(yè)應用中，對高頻次的空間監(jiān)測需求越來越高，而傳統(tǒng)的遙感衛(wèi)星完全不能滿足這些需求，這也是為什么微小衛(wèi)星的出現(xiàn)能夠給衛(wèi)星遙感帶來足夠沖擊的原因。

衛(wèi)星小型化的趨勢是毋庸置疑的。

這幾年商業(yè)航天發(fā)展很快，無論中外，都有一大批技術型人才從機構(NASA、航天科技等)轉向了企業(yè)，形成了一批很有競爭力的商業(yè)航天企業(yè)。動輒數(shù)億、數(shù)十億的衛(wèi)星項目不是所有人都能玩得轉的，但微小衛(wèi)星的成本可控，讓創(chuàng)業(yè)公司、商業(yè)資本都能夠相對容易進入。這種刺激導致了近年國內(nèi)出現(xiàn)了一大批衛(wèi)星發(fā)射計劃，各種“XX一號”紛紛涌現(xiàn)，以至于大家都開始討論“遙感衛(wèi)星產(chǎn)能過剩”的問題。而現(xiàn)實的問題是：中國的遙感衛(wèi)星距離滿足用戶需求的高頻次監(jiān)測能力還差得很遠。

舉個簡單的例子，農(nóng)業(yè)的用戶需要對全國多處農(nóng)作物進行長勢分析，從遙感技術角度來說沒有特別難實現(xiàn)的，而能夠保證進行分析的可用數(shù)據(jù)呢?全國中高分辨率的遙感衛(wèi)星數(shù)據(jù)，對全國范圍進行一次無縫覆蓋，以目前的能力來說，恐怕每年一次全覆蓋都是不確定的。

由于衛(wèi)星遙感受天氣因素影響較大，所以微小衛(wèi)星的出現(xiàn)有可能從數(shù)據(jù)源的問題上徹底解決——即不管所在區(qū)域的天氣狀況如何，只要存在足夠多的衛(wèi)星，保證在天氣情況適合采集數(shù)據(jù)的時候有衛(wèi)星能夠過境就可以。

美國的Planet公司通過自主發(fā)射運營、收購等手段，已經(jīng)擁有兩百多顆衛(wèi)星，已經(jīng)能夠實現(xiàn)幾乎每周一次的全球有效覆蓋;阿根廷Satellogic在2017年在由騰訊領投的B輪融資中籌到了2700萬美元的資金，正在加快組網(wǎng)亞米級衛(wèi)星星座，希望能夠通過三百顆衛(wèi)星來實現(xiàn)對地實時觀測;國內(nèi)的長光衛(wèi)星、四維世景等機構也紛紛推出各類遙感衛(wèi)星群計劃，有很多應用已經(jīng)取得進展。

如果每一家衛(wèi)星公司都按照自己的節(jié)奏來發(fā)展完全屬于自己的衛(wèi)星星座計劃，是不是會導致資源的浪費?把現(xiàn)有衛(wèi)星公司的數(shù)據(jù)資源整合起來，來實現(xiàn)更多應用場景的完善?美國衛(wèi)星數(shù)據(jù)分析公司Orbital Insight已經(jīng)在這樣做，并拿到了累計7870萬美元的融資。Orbital Insight從DigitalGlobe、Airbus、NASA、Planet等諸多機構和企業(yè)獲取數(shù)據(jù)，利用人工智能、機器學習等新的技術手段，對衛(wèi)星遙感數(shù)據(jù)進行自動化處理，從而快速為各類政府和商業(yè)機構提供服務。

以目前國內(nèi)遙感服務的體量以及政府導向的服務模式來看，單純靠人工來完成這些服務是沒有問題的。然而一旦通過衛(wèi)星資源的整合以及微小衛(wèi)星數(shù)量級式的跨越，我們很快就會實現(xiàn)真正的每天對地球全覆蓋數(shù)據(jù)獲取。

這不但會催生新的應用場景，實現(xiàn)動態(tài)監(jiān)測，讓商業(yè)化應用代替政府服務成為衛(wèi)星遙感的核心載體，更會對現(xiàn)有遙感信息處理和分析能力提出前所未有的挑戰(zhàn)：面對每天PB級的數(shù)據(jù)，如何將原始數(shù)據(jù)加工成為用戶可以使用的信息?答案只有一個，那就是智能化、規(guī)?；?、實時性遙感信息生產(chǎn)將是未來遙感產(chǎn)業(yè)發(fā)展的關鍵技術和制高點，只有這樣才能夠讓大規(guī)模智能分析和信息服務成為可能。

基于圖像的機器學習是人工智能的一個分支，也是目前所知的人工智能技術中為數(shù)不多可直接進行應用的技術。而相比其他圖像識別技術，衛(wèi)星遙感的智能提取分析則擁有更加明確商業(yè)模式，即基于衛(wèi)星遙感圖像的人工智能機器學習算法，改變傳統(tǒng)遙感數(shù)據(jù)處理耗時長、效率低等弊端，自動提取全國范圍的遙感信息，以變化監(jiān)測信息產(chǎn)品、專題信息產(chǎn)品等形式，向信息服務商、互聯(lián)網(wǎng)平臺商以及政府信息部門提供高時效、低成本、更便捷基礎空間信息，最終為政府應用、商業(yè)情報、互聯(lián)網(wǎng)運營等提供定制服務。

從技術角度來說，圖像信息提取并不是最難的，但不同用戶、不同行業(yè)對有效信息的定義不同，同樣的信息有的人是需要的，但對另一部分人就是無效的。海量數(shù)據(jù)存儲與傳輸，不同源數(shù)據(jù)的自動鑲嵌，識別、分類、變化等不同種類自動提取模型的建立，簡單高效的云端服務，如果把這些技術問題提前解決，那當遙感衛(wèi)星真的能提供每天動態(tài)監(jiān)測服務能力時，才能不使這些數(shù)據(jù)成為不能處理的垃圾。

（