周一 · 知古通今 | 周二 · 牧夫专栏
周三 · 风月同天 | 周四 · 观测指南
周五 · 深空探测 | 周六 · 茶余星话 | 周日 · 太空探索
原作：Leonard David
翻译：向艺文
编排：刘艳梅
后台：李子琦
https://www.space.com/astronomy/earth/the-future-of-earth-observation-private-satellites-and-ai-bring-benefits-but-also-pose-risks
地球轨道观测，正日渐转向私营领域。
图 1 这张由卡佩拉航天公司卫星拍摄的合成孔径雷达图像显示，一座太阳能发电场漂浮在中国人工湖天岗湖上。 （图片来源： 卡佩拉航天公司 ）
我们是生活在地球上的物种：除了少数值得注意的（宇航员）例外，所有曾经生活过的人都依附于我们旋转的地球，而地球现在居住着 83 亿人口。
这就是形势的严峻性。但我们同样身处一个充满洪水、台风、地震、寒暑灾害、火山爆发的世界，甚至还会遭遇太阳引起的极光以及来自小行星撞击的创伤。
这是一个非常值得关注的世界——几十年来，航天器也一直在这样做。但是，它们究竟在观察什么？又是谁在操控这些天基望远镜，捕捉我们在地球家园上的一举一动，包括我们所有的过错？
图 2 2015 年 7 月 6 日，美国政府的深空气候观测卫星（DSCOVR）从一百万英里外首次拍摄到地球向阳面的完整图像。 （图片来源：NASA）
隐私、安全和信任
Privacy, security and trust
近日，总部位于巴黎的经济合作与发展组织（OECD）发布了一份关于卫星地球观测数据获取范围不断扩大的报告 ，重点关注了其对隐私、安全和信任的影响。
“光学系统、光子学、云计算和人工智能 (AI) 的进步提高了卫星数据的质量，并让获取途径变得大众化。然而，这些技术的融合也带来了风险，包括对国家安全和隐私的威胁，”该报告指出。该报告由经合组织（OECD）的 Marit Undseth 和 Claire Jolly 撰写。
报告指出，扩大获取先进卫星数据的渠道也带来了新的挑战，例如地球观测的关键特征之一——其双重用途性质。作者写道：“用于追踪非法捕鱼的卫星，通常也能探测到军队的调动。”
图 3Illustration of a USGS-NASA Landsat remote-sensing satellite studying Earth. Government satellites the Landsat line were once the only craft doing such work. (Image credit: NASA)美国地质调查局（USGS）与美国国家航空航天局（NASA）合作的 Landsat 遥感卫星研究地球的插图。像 Landsat 系列这样的政府卫星曾是唯一从事此类工作的航天器。（图片来源：NASA）
新的担忧 New concerns
经合组织（OECD）的报告指出，地球观测数据与人工智能的技术融合，引发了关于国家安全、隐私以及此类数据伦理使用的新担忧。
事实上，该报告指出了虚假或被错误使用的卫星图像所带来的日益增长的危害。报告指出：“作为数字虚假信息增长趋势的一部分，虚假、被误解或被故意歪曲的图像可能会削弱人们对卫星数据的信任。”
Space.com 询问了领先的遥感专家，目前正在采取哪些措施、吸取了哪些教训，以及我们应该担心什么。
主权与成本效益
Sovereignty and cost efficiency
是 Space42 智能解决方案部门的首席运营官，负责监督该业务单元的运营和财务表现。
Space42 是一家总部位于阿拉伯联合酋长国的航天技术公司，集成了卫星通信、地理空间分析和人工智能能力。该集团运营着由合成孔径雷达 (SAR) 卫星组成的 Foresight 地球观测星座。
Space.com 就日益增长的国际遥感数据应用采访了 Stoyanov。
“各国政府越来越希望地球观测系统能够同时实现主权和成本效益，这两个目标长期以来被认为是互斥的，因为主权通常意味着国内需要在重复的研发和资本基础设施方面投入巨资，”他回答道。
双重用途 Dual use
Stoyanov 表示，Space42 的重点是将这两项成果结合起来。
“我们相信，这只能通过国际合作来实现。我们的 Foresight 星座反映了这一模式，它是该地区首个主权军民两用合成孔径雷达星座，”Stoyanov 说道。
这些卫星是与芬兰的 ICEYE 合作制造的，关键的集成和测试工作在该机构位于阿布扎比的设施中完成。
“阿布扎比设施是以注重成本且可扩展的方式建造的，因此它既能满足当前与星座规模相称的主权要求，又具备扩展设施以满足未来项目需求的能力，”Stoyanov 表示。
穿透云层、尘埃与黑暗
Through cloud, dust and darkness
有哪些新的在轨技术正被应用于地球观测？
“近年来最大的转变是从少数大型通用平台转向由小型专用卫星和合成孔径雷达（SAR）组成的星座，”Stoyanov 表示。
“SAR 卫星可以穿透云层、尘埃和黑暗进行成像，这对于我们所在的地区以及任何需要在任何时间、任何天气条件下保持一致性的客户来说都至关重要，”他补充道。
展望未来，Stoyanov 表示，低地球轨道卫星较短的寿命是一个契机，可以确保每一次的补给周期都成为一次升级周期。
“在我们计划维护并扩大卫星集群的过程中，我们将不断寻求在系统的各项性能指标上部署技术改进——例如分辨率、延迟和卫星寿命，”Stoyanov 表示。
人工智能Artificial intelligence
Stoyanov 表示，合成孔径雷达（SAR）星座产生图像的速度远超分析师在规定时间内手动审查的能力。因此，其价值在于从中提取的信息，而非像素本身。
Stoyanov 表示，因此 AI 正日益成为遥感数据的重要筛选工具。出于三个原因，这已成为目前唯一切实可行的工作方式：数据量、速度和准确性。
应对洪水、海事事故或供应链中断的客户需要在几分钟内得到答案，而不是下周才拿到报告——Stoyanov 解释道，这是“几分钟内即可获得的决策级情报”。
在准确性方面，虽然训练有素的分析师擅长解读和大型物体分类（如建筑物和海船），但有些变化肉眼很容易忽略。Stoyanov 说：“算法会将每一次新的扫描与历史基准进行对比——它们能始终如一地捕捉到这些变化，且不会疲劳。”
图 4 由加利福尼亚州 Planet 公司运营的一颗 SkySat 地球观测卫星，于 2019 年 8 月 29 日发现了伊朗伊玛目霍梅尼航天中心发射失败后的残骸。（图片来源：Planet Labs, Inc.）
混合模式Hybrid model
Francis Doumet 是 Metaspectral 公司的首席执行官兼联合创始人。该公司总部位于不列颠哥伦比亚省温哥华，致力于开发用于快速分析高光谱图像的 AI 技术。
Doumet 认为，各国航天机构之间的合作“非常广泛，而且在某种程度上具有独特的开放性”。他表示，任务通常通过“共享资金、仪器、专业知识和地面基础设施”来执行，由此产生的科学数据也会在国际范围内公开。
Doumet 指出，商业图像的传播开放程度较低，因为它们受到商业许可限制，并可能涉及安全影响，但商业图像正日益促进国防领域的国际合作。
例如，美国太空部队的“战术监视、侦察与跟踪”（TacSRT）项目结合了美国公司及盟国的商业卫星图像和分析数据，以快速响应作战需求，Doumet 说道。
“这已将地球观测领域塑造成一种混合模式，”Doumet 表示。他解释说，政府和盟友共享需求与情报，而商业运营商则提供图像和分析，“其速度和规模是单个国家难以独立实现的。”
图 5 Planet 公司 Pelican-2 地球观测卫星在轨运行的艺术想象图。（图片来源：Planet Labs PBC）
高光谱传感器Hyperspectral sensors
Doumet 指出，高光谱传感器空间分辨率的提升是地球观测领域的一项重要进展。
性能更佳的传感器、高速压缩技术以及光链路等改进的通信手段，正在缩小“分辨率差距”。他补充道，机载人工智能同样具有变革性。
“卫星可以实时分析图像，识别相关特征并传输警报或精简的情报产品，而无需等待下载整个高光谱数据立方体，”Doumet 解释道。
光谱指纹 Spectral fingerprints
Angie Crews 是科罗拉多大学博尔德分校国家安全倡议中心（Center for National Security Initiatives）的首席研究员。
“商业遥感行业经历了巨大的增长，”Crews 告诉 Space.com，并指出该领域此前一直由政府主导。“现在，这些商业公司已经能够部署完整的地球观测卫星星座，这从根本上改变了现有的架构。”
Crews 指出了地球遥感的高光谱特性——即获取地球上所发生事件的“光谱指纹”。
“该行业在其中一些能力方面的进展令人印象深刻，”她说道。
平衡之举 Balancing act
Crews 表示，谈到地球观测正在采取的新方向时，“既有巨大的益处，也有一些我们需要思考的问题”。她补充说，遥感数据本质上可能具有军民两用的特性。
“总的来说，我认为我们正从能力日益增强的商业遥感系统中获得巨大的收益。但这确实也引发了一些安全和治理方面的问题，”Crews 表示。
根据 Crews 的说法，这需要一种平衡。如何在为了国家安全目的而确保信息安全的同时，又不压制私营地球观测公司所展现出的创新活力？
有意义的信息 Balancing act
谈到她在科罗拉多大学博尔德分校的教学工作时，Crews 告诉 Space.com，特别重要的一点是训练遥感领域的学生，让他们学会跳出单一传感器或数据集的局限去思考。
“下一代需要了解不同传感技术的工作原理，以及如何处理海量数据集，并利用人工智能和机器学习提取有意义的信息，”Crews 说道。
“我们还需要培养学生的批判性思维，并确保他们意识到人工智能的局限性。必须理解底层的物理原理，并对结果进行验证，以便学生能够恰当地使用和解释这些结果，”她总结道。
责任编辑：张雨荷
牧夫新媒体编辑部
『天文湿刻』 牧夫出品
微信公众号：astronomycn
哈勃：土星南极周围的十边形
图片来源及版权： NASA , ESA , STScI , HST ; A. Sánchez-Lavega ( UPV ), A. Simon (NASA-GSFC), M. Wong (UC Berkeley); Processing: A. Pagan ( STScI )
谢谢阅读
热门跟贴