人工智能的熱潮仿佛已經過去了，以至于我們可以認真坐下來想一想，人工智能對衛星遙感行業有什么真正的影響，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行業一直沒跟上互聯網技術進步和發展模式變化的節奏。

互聯網時代剛到來的時候，我們都認為以地理信息系統企業的能力，一定可以做出好的地圖服務，因為相比專業的GIS服務，互聯網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.

移動互聯網到來的時候，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的企業中產生”，卻依舊什么都沒做出來。而現在大家都知道，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。

作為衛星遙感領域從業人員，深感人工智能技術的進步會對海量衛星遙感數據應用帶來極大的變革，這一次如果遙感行業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。以前衛星遙感的應用場景是以國土測繪等行業應用為主的，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星影像來解決。

遙感衛星的研發也是如此，高分系列衛星是以科學實驗為主，航天系統的衛星研制參考的也是精度需求，因此過去很多年的遙感衛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、大范圍的空間監測，才是衛星遙感不可替代的優勢。

區域和行業應用中，對高頻次的空間監測需求越來越高，而傳統的遙感衛星完全不能滿足這些需求，這也是為什么微小衛星的出現能夠給衛星遙感帶來足夠沖擊的原因。

衛星小型化的趨勢是毋庸置疑的。

這幾年商業航天發展很快，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，形成了一批很有競爭力的商業航天企業。動輒數億、數十億的衛星項目不是所有人都能玩得轉的，但微小衛星的成本可控，讓創業公司、商業資本都能夠相對容易進入。這種刺激導致了近年國內出現了一大批衛星發射計劃，各種“XX一號”紛紛涌現，以至于大家都開始討論“遙感衛星產能過剩”的問題。而現實的問題是：中國的遙感衛星距離滿足用戶需求的高頻次監測能力還差得很遠。

舉個簡單的例子，農業的用戶需要對全國多處農作物進行長勢分析，從遙感技術角度來說沒有特別難實現的，而能夠保證進行分析的可用數據呢?全國中高分辨率的遙感衛星數據，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。

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

美國的Planet公司通過自主發射運營、收購等手段，已經擁有兩百多顆衛星，已經能夠實現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，正在加快組網亞米級衛星星座，希望能夠通過三百顆衛星來實現對地實時觀測;國內的長光衛星、四維世景等機構也紛紛推出各類遙感衛星群計劃，有很多應用已經取得進展。

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

以目前國內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。然而一旦通過衛星資源的整合以及微小衛星數量級式的跨越，我們很快就會實現真正的每天對地球全覆蓋數據獲取。

這不但會催生新的應用場景，實現動態監測，讓商業化應用代替政府服務成為衛星遙感的核心載體，更會對現有遙感信息處理和分析能力提出前所未有的挑戰：面對每天PB級的數據，如何將原始數據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、規模化、實時性遙感信息生產將是未來遙感產業發展的關鍵技術和制高點，只有這樣才能夠讓大規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不多可直接進行應用的技術。而相比其他圖像識別技術，衛星遙感的智能提取分析則擁有更加明確商業模式，即基于衛星遙感圖像的人工智能機器學習算法，改變傳統遙感數據處理耗時長、效率低等弊端，自動提取全國范圍的遙感信息，以變化監測信息產品、專題信息產品等形式，向信息服務商、互聯網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、商業情報、互聯網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。海量數據存儲與傳輸，不同源數據的自動鑲嵌，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，那當遙感衛星真的能提供每天動態監測服務能力時，才能不使這些數據成為不能處理的垃圾。

（