你永遠不知道，衛星幫我們擋了多少災

文｜張超

今天是災年，全球各地頻發蝗災、火災、洪災、旱災……全球變暖長期累積的風險，仿佛在2020年撕開了一道口子。

然而，你看得見加州山林大火，卻看不見無數場被提前撲滅的小火；你看得見非洲之角的沙漠蝗災，卻看不見無數個成災前就被提前撲滅的蝗群……

非洲治理蝗災的工作人員

你看到的每一場災害，其實已經是全球防災體系篩選之後的結果，而防災體系中的關鍵一環，就是衛星。

此時此刻，數以千計的衛星正在你的頭頂巡梭，它們時刻睜大眼睛緊盯地球，助力人類防災消災減災。

地球上空的衛星很多

今天，衛星服務已成為全球經濟基礎，衛星提供的通訊、導航和遙感服務，從根本上影響著全球經濟發展。

特別是持續的衛星遙感對地觀測，有助於人類了解和解決一些全球範圍的挑戰，比如貧困、城市化、水安全、氣候變化和流行病風險等。

衛星提供的各類服務

隨著技術快速發展，對地觀測越來越便捷，衛星觀測數據也迅速增加，尷尬的是，人工判讀卻跟不上這些數據增長的速度，不僅效率低下，精度也難以保證。

智能化數據分析方法被認為是提升效率的最優解，今天的2020雲棲大會上，達摩院便推出了首個泛自然行業AI引擎AI EARTH，它通過對多源數據的融合分析，讓我們及時掌握地球上的資源分布、利用現狀和發展變化情況，讓AI看懂地球，讓技術發揮最大價值。

AI EARTH

防災減災離不開衛星遙感圖像

這張動圖，來自美國國家航空航天局（NASA）和美國國家海洋與大氣管理局（NOAA）。

美國西部大火產生的大量煙霧和細小顆粒，正隨著風向變化往東穿越整個美國，還飄到了加拿大首都渥太華，空氣汙染幾乎籠罩了整個北美。

這樣的發現，完全有賴於衛星觀測。

NASA和NOAA根據Suomi NPP衛星圖像指出了火點

也正是依靠衛星遙感照片，NASA還能為前線消防員及時提供全局態勢指導。

而在2018年7月2日，GOES East衛星還在美國科羅拉多州中部發現了林區中一處熱點，幫助工作人員及時撲滅了大火。

GOES East和GOES West運行示意圖

除了火災，衛星還可以監測海嘯、洪水、雪災、地震等自然災害，在全球變暖導致的氣候危機中，衛星觀測能力變得尤為重要。

如果沒有衛星，歐盟哥白尼氣候變化服務機構不會發現，近兩年北極大火異常增多；

衛星觀測到的北極地區起火點

如果沒有衛星，科學家也不會知道，格陵蘭島冰蓋在2019年減少了5300億噸，將全球海平面抬高了1.5毫米；

今年8月衛星發現格陵蘭79N冰架融化分裂

如果沒有衛星，科學家也不會監測到美國二疊紀盆地10個月的甲烷排放量，可以滿足德克薩斯州700萬戶家庭一整年的能源需求。

衛星觀測全球不同類型的甲烷排放

沒有衛星持續跟蹤海洋和極地的異常氣旋，科學家恐怕也無法解釋，為什麼南半球的智利、澳大利亞會在4月持續乾旱，北半球的美國、加拿大卻在5月迎來降雪……

當然，衛星觀測也存在短板，比如容易受到雲層幹擾，無法持續覆蓋一些區域，因此在分析衛星遙感圖像時，很多時候還要藉助飛機或地面現場採集數據作為補充。

衛星圖像會被雲層遮擋

比如聯合國糧農組織（FAO）協調組織的蝗蟲防控預警網絡。

在東非與印度之間12個蝗災前線國家，每天都有人坐著車輛搜尋蝗蟲影蹤，用平板電腦記錄下相關數據，與地面坐標打包，再通過衛星連接傳輸給FAO。

聯合國工作人員追蹤治理蝗蟲

據此，FAO再結合衛星拍攝的植被數據綜合研判，指導各國用飛機低空噴灑農藥，在蝗蟲成災前精確消滅大群。

衛星觀測能力越來越強大

面對氣候危機，衛星觀測發揮的作用越來越重要，與此同時，衛星功能也變得越來越強大，數量也越來越多。

圍繞地球的衛星

歐盟「哥白尼」計劃，致力於用遙感技術觀測陸地、水體（海洋、河流、湖泊）和大氣。

將於今年11月發射的哥白尼哨兵-6A海洋衛星，可以對全球90%的海洋表面地形，開展釐米級高精度測量，並以每10天一次的頻率循環製圖，緩解衛星資料空間、時間解析度不足的難題。

哥白尼哨兵-6A海洋衛星

中國的對地觀測衛星系統同樣先進，最新的「風雲四號」衛星，其解析度相當於在100米外看清一個芝麻點大的東西，而且還能知道芝麻的溫度，偏差不超過0.7℃。

風雲四號A星

過去，一枚典型的氣象衛星，造價高達2.9億美元。

最近20年，隨著微型立方體衛星技術發展成熟，一些民營衛星公司開始嘗試，用廉價的立方體遙感衛星組成衛星星座，以遠低於傳統中大型遙感衛星的成本捕捉和傳輸更多遙感圖像。

前NASA科學家創立的PlanetLabs公司，就旨在建立最廉價、快捷、適用性更強的遙感衛星數據獲取系統，並建設起全世界最大的遙感衛星群Flock-1。

Flock-1衛星可以捧在手上

在140多顆立方體遙感衛星的協同工作下，Flock-1能夠以3米的解析度，每天更新一次全球影像數據，其覆蓋的廣度和更新程度無與倫比，這也讓Flock-1成為全世界唯一具有全球高解析度、高頻次、全覆蓋能力的遙感衛星系統。

Flock-1遙感衛星系統

隨著近年來一箭多星技術和可回收火箭技術的進步，衛星發射成本也大幅降低。

過去，將一磅（0.45千克）有效載荷送入太空的成本長期徘徊在10000美元左右。

如今，SpaceX的發射價格已經低至1930美元/千克。

Space X一次就發射60顆Starlink衛星

這是什麼概念？PlanetLabs的立方體遙感衛星，通常只有鞋盒大小，重量不過5千克，這意味著人類能夠以前所未有的低成本觀測地球，獲取數據。

此前，PlanetLabs展示準備發射的28個Flock-1衛星照片

正因如此，近年來發射升空的繞地球飛行衛星數量顯著增加，截至今年3月底，在軌衛星數量比2019年初增長了約16%。

衛星這麼強大，為什麼預測還會出錯

衛星功能越來越強大，數量越來越多，為地面輸送回海量的對地觀測數據，令人尷尬的是，如何解讀這些數據，卻嚴重困擾著各國科學家。

傳統的人工判讀，既無法保證效率，也無法保證精度，影響了科學家預測極端氣候和事件的準確性。

今年3月，史丹福大學氣候科學家諾亞·迪芬博教授公布了一項研究。他重新審查了極端氣候事件的歷史論文，將2006年-2017年極端氣候事件的實際數據，與1961年-2005年的預測數據進行對比，發現現有天氣研究系統和模型的預測結果存在嚴重偏差，不僅低估了歐洲和東亞極端高溫的實際天數，在預測美國、歐洲和東亞的極端潮溼天數時，偏差甚至高達50%。

美國《科學日報》刊登了迪芬博教授的這項研究

「當我看到這個結果，內心是崩潰的，因為這表明我們此前分析極端氣候事件的方法，存在缺陷甚至完全錯誤。」迪芬博教授說。

究其原因，就是各類預測模型中引入了過多主觀因素。

現代衛星每隔幾個小時就能產生PB級別（1個PB等於1024個TB）數據，涵蓋溫度、降水、天氣系統變化等維度，人工判讀這些數據，難以平衡效率與精度。

氣候模型眾多，各個模型還涉及到不同維度數據

因此，許多主流氣候預測模型中，部分參數只能依靠權威科學家依經驗定義，但經驗往往並不可靠。

奧地利氣候專家道格拉斯·馬拉恩博士就曾吐槽，「模型中存在一種人為的力量，將模型拉向人為觀察，而這種力量甚至可能會改變模擬的氣候變化。」

根據衛星遙感製作出的北極海冰變化圖

國際泛自然資源行業尋求AI分析數據

為了解決海量數據和人工判讀的矛盾，各國都在嘗試向AI求助。

美國哥倫比亞大學使用AI判讀對雲的觀測數據，預測雲加熱、輻射、溫度等特徵，通過AI消除雲層帶來的誤差之後，全球氣候變化、溫室氣體排放等模型預測效果大幅提升。

受加州大火啟發，美國薩羅科學公司正在結合AI和衛星遙感技術，繪製加州地圖，以防止森林特大火災再次發生。

薩羅科學從PlanetLabs獲取了Flock-1衛星星座提供的遙感數據，每個像素大約3米，可以清楚加州每棵樹的位置。

薩羅科學利用衛星數據和AI繪製的加州地圖

薩羅科學再利用飛機裝載雷射雷達掃描森林，測量樹高，最後將衛星遙感圖和雷射雷達圖都輸入到深度學習算法中，用AI創建出了加州森林的超詳細視圖。

繪製地圖還需要飛機協助

現在，在加利福尼亞森林天文臺地圖工具上，可以看到加州森林是由一個個綠點組成的綠色區域，每一個綠點，就代表一棵真實獨立的樹木。

這款地圖工具未來將在每年火災季節結束後更新一次，可以幫助森林管理人員和消防員更好地預測火勢蔓延的速度和方向，提前清除潛在危險，防止大火再次發生。

地圖上有密密麻麻的綠點

不只是遙感，AI助力天空地一體化觀測

在中國，衛星遙感技術與AI也在加速融合。

去年12月，阿里雲利用達摩院AI技術發布了遙感AI農業解決方案。

農作物在不同生長階段，會發生一系列周期性微小變化，通過高頻遙感衛星圖像、高光譜圖像等數據源，可以有效監測農作物的生長狀況，但人力解讀衛星影像耗時長不說，解讀水平也存在高低之分。

達摩院遙感AI核心能力

而基於阿里雲和達摩院的AI方案，農作物品種、長勢、收穫基本情況的分析準確率，提升至90%以上，極大助力了穩定農業生產。

今年7月汛期，AI加持的衛星影像分析再立奇功。

原本，抗汛與河道治理，都是通過人工識別衛星遙感圖像中的水體、耕地、房屋、堤壩、養殖設施，不利於快速評估災情。

達摩院在1周內緊急升級遙感AI技術，開發出應用於防汛的水體識別算法，將圖像分析時長縮短到小時級，有力支持了專家迅速判斷災害程度、劃定安全範圍並組織有序撤離。

鄱陽湖汛期水體變化影像分析，紅色為汛期上漲水域

7月以來，達摩院遙感AI已協助相關部門完成262個臨河房屋識別任務、149個水體識別任務，大大提升防汛工作智能化水平。

有了這些積累和鋪墊，2020雲棲大會上，達摩院終於推出了重磅產品——泛自然資源行業AI引擎AI EARTH。

AI EARTH的全稱是Analytical Insight of Earth，含義就是對地球的洞察與分析。

AI EARTH綜合運用達摩院視覺AI和深度學習技術，是業界首個實現多源對地觀測數據的智能分析的解決方案。

AI EARTH對無人機影像的分析

和傳統遙感AI不同，它能融合包括衛星影像、無人機影像、多光譜影像、高光譜影像、實時視頻流、氣象數據、IoT數據多源地球觀測數據，可快速提取地表覆蓋現狀信息和時空動態變化信息，實現天空地多源數據的智能解譯分析，並且擁有比傳統遙感方案更高的精度。為自然資源監管、水利河道保護、生態環境監測和農業估產等多個領域提供高效解決方案。

AI EARTH運用領域

以大棚監測為例，北京市規劃和自然資源委員會使用阿里遙感技術，違章大棚房監測準確率達到90％。

此外，遙感應用場景極為豐富和多樣，同一解譯對象在不同空間、時間維度下差異巨大，AI EARTH通過域自適應等遷移學習技術，大幅提升了AI算法在不同場景下的精度及泛化能力。

AI EARTH對合成孔徑雷達SAR影像的分析

國家衛星氣象中心主任楊軍等國內衛星遙感行業的專家們曾公開表示，天地空一體化的觀測體系是大勢所趨。

而達摩院這次推出的AI EARTH，恰恰契合了未來對地觀測新體系的建設思路，這也意味著人類對地觀測的發展已經踏上了新的徵程。