描绘地球观测的未来：气候智能的技术创新

绘制地球观测未来图景：气候变化情报技术革新 2024年9月 白皮书 Getty Images 图片： 目录 前言 3执行摘要 4引言 5 1字节到洞察 6 1.1在感知能力方面实现更高的分辨率和多元化。61.2将EO数据处理时间减少，以实现接近实时的气候响应。81.3小型和大型地球观测卫星的并行进化10 2 新时代气候预测，以适应和韧性为目标 12 3 民主化气候洞察 15 脚注 20贡献者 19结论18 免责声明 本文件由世界经济论坛发布，作为对项目、洞察领域或互动的贡献。其中表达的研究发现、解释和结论是世界经济论坛协助和认可的协作过程的结果，但其结果并不一定代表世界经济论坛的观点，也不代表其全体成员、合作伙伴或其他利益相关者的观点。 © 2024 世界经济论坛。保留所有权利。本出版物任何部分不得以任何形式或任何手段进行复制或传播，包括影印和录音，或通过任何信息存储和检索系统。 序言 塞巴斯蒂安·巴克普头部，网络与合作伙伴关系；世界经济论坛执行委员会成员 达瓦·纽曼主任，麻省理工学院媒体实验室；麻省理工学院阿波罗计划宇航学教授 随着气温的升高、天气事件的日益严重以及前所未有的温室气体排放水平，世界正站在一个十字路口。科学共识强调，采取立即措施是减轻气候变化最严重影响的必要手段。在这个新的范式下，地球观测（EO）技术和创新正在引领气候智能的新时代，提供了前所未有的见解和解决方案，以应对这些紧迫的挑战。最近的EO创新，加上协同技术的增长（增强彼此有效性的技术），正在消除大规模有效使用EO的障碍。今天的变革性技术，包括先进的卫星传感器、算法和人工智能（AI），正在证明是我们需要的“推动者”，拓宽了我们对我们不断变化的环境的理解。同时，许多国家发射额外的EO卫星——以及越来越多的私营部门EO数据提供商——扩大了图像和数据的获取。 可观测的测量来自具有最高重访周期的卫星（访问特定地理区域的卫星频率更高）。因此，这提供了更多与气候变化各种元素相关的详细遥感数据。 这份由麻省理工学院（MIT）媒体实验室共同撰写的白皮书，突出了遥感技术在气候智能和预测方面的变革潜力。通过结合MIT媒体实验室的研究能力和世界经济论坛的全球平台，该报告确定了加速处理和分析卫星遥感数据的科技通道，以提供无与伦比的气候变化洞察。白皮书还强调了获取和包容性气候洞察的必要性，特别是对于最易受气候变化影响的社区。我们希望这份出版物将成为解决气候变化紧迫挑战的遥感技术通道的有价值资源。 地球观测技术和高级数据处理正在革命性地改变气候智能，为积极主动的行动提供了前所未有的洞察。 系统性挑战历史性地阻止了环境观测（EO）数据被完全整合到气候解决方案中，这主要是由于数据量大且复杂。卫星和传感器技术的快速进步正在解决这些系统性问题，同时伴随着新的人工智能（AI）算法、机器学习（ML）技术和高级数据可视化平台。这些协同技术使得几乎实时的处理大量数据成为可能，仅需几分钟就将原始卫星图像转化为可操作的气候洞察。这些进步的驱动因素包括： 各国及中小企业（SMEs）自行发射卫星，增加可公开获取的地球观测（EO）数据量。与此同时，更大、更复杂的卫星平台的发展也在增加。这些平台可以搭载更大的传感器仪器和电源设施，以满足对可靠且连续的地球观测数据传输日益增长的需求。 引言 整合互补技术与卫星遥感，将复杂数据转化为可操作的气候洞察。 到2032年，卫星遥感预计将累计产生高达2艾字节（20亿吉字节）的数据，占预测期间空间应用部分总数据量的约86%。3然而，卫星遥感数据在管理气候变化影响方面的潜力尚未得到充分利用。这部分原因是大型卫星遥感数据集固有的复杂性，这些数据集需要大量处理和分析才能将数据转化为可操作的气候洞察，以及需要持续的技术培训的专家和其他人员。这种复杂性可能会限制其可访问性和及时性，降低气候和灾害响应应用的有效性。 自1980年以来，美国经历了391场天气灾难，造成了超过2755兆美元的损失。1包括严重的风暴、飓风、洪水和野火。世界气象组织（WMO）估计，全球社会经济从天气预报中获得的效益每年不少于1580亿美元。2 到2032年，卫星遥感预计将累计产生超过2艾字节的数据。 地球观测（EO）对于监测和应对这些气候挑战至关重要。它涉及使用遥感技术和现场数据方法，从一系列传感器和来源收集地球的物理、化学、生物和人类系统数据。遥感数据通过卫星、有人驾驶飞机、高空平台站（HAPS）和无人机等平台获取。相反，现场数据是通过配备GPS的设备、物联网（IoT）传感器以及各种由人类操作或自动化的测量方法收集的。虽然其他遥感技术（如无人机和HAPs）很有价值，但超过50%的基本气候变量（ECVs）只能从太空中有效测量。因此，卫星地球观测在全局覆盖、可扩展性、持久性和连续且定期的监测方面提供了无与伦比的优势。 在航天工业领域，如改进的传感器和卫星边缘计算等技术的进步，正在通过更高的空间和时间分辨率以及近实时气候相关灾害洞察的机载处理能力来增强地球观测（EO）。地球观测卫星的趋势正以两种截然不同的方式演变：首先，新进入者越来越多地发射具有EO能力的较小卫星。这是由于发射成本的降低，许多具有新兴航天能力和中小企业（SMEs）的门槛降低。其次，存在一种发展具有先进和复杂EO传感器的较大卫星的趋势。 气候变化情报指的是收集、分析和应用关于地球系统的历史、当前和预测性数据以管理气候风险和减轻气候影响。在卫星地球观测技术领域的下一代技术管线中，结合人工智能（AI）、机器学习（ML）和深度学习（DL）等协同技术，正在为将大量数据转化为实际可行的气候洞察力奠定基础。通过使关键气候数据获得更广泛的可访问性，这些技术促进了政府、私营部门和民间社会组织进行明智的决策。这种访问权限对于国内外应对气候变化至关重要，为未来的到来做准备，届时地球观测数据的全部潜力可以被用于气候变化情报。 在平行进行中，协同技术的发展也在为高级数据处理、分析、可视化以及气候洞察的沟通奠定基础。人工智能与这些技术的进一步整合正在以前所未有的速度和规模提升数据处理能力。数字孪生的扩展开发，用于生成和测试各种气候情景，沉浸式AR/VR数据决策平台和数据立方，使用户能够根据他们的具体需求和请求，对地球观测数据（EO）进行情境化和定制。此外，通过这些平台融合卫星地球观测（EO）和实地数据的能力，有助于支持从全球到地方层面的准备和应对工作。 字节到洞察 革命性地利用先进的遥感技术，为灾害响应与管理提供实时气候智能。 实时跟踪气候相关事件的工具可以监测天气条件的变化，并有助于预测灾害的路径。在灾害响应情况下，准确且快速的数据分析对于及时决策至关重要， EO数据随时间推移而价值下降。然而，新兴技术创新正在推动新的机会，以提供EO启用近实时气候相关灾害洞察。 1.1 增强的分辨率和多样化的传感能力 卫星具有高分辨率和多样化的感测能力，更能精确地检测和监测与气候相关的灾难。例如，在森林火灾场景中，能够每几个小时（或更少）利用卫星在高分辨率下检测到新火和热点，大大提升了灾祸响应效率，并为一线应急人员提供了更好的操作指导。 地球成像卫星进入超低地球轨道。该公司打算提供高分辨率的光电卫星图像（10厘米）和热成像（2米）。这意味着光电图像中的每个像素代表地面上10x10厘米的区域，提供以前只有从飞机或保密侦察卫星才能获得的细节水平。5南非和比利时基于EO光成像解决方案的公司Simera Sense在2024年筹集了1500万美元，以加快更高分辨率和先进短波红外相机产品的开发，以满足EO卫星制造商不断增长的需求。6 技术管线：卫星遥感传感器技术的最新进展 受快速扩张的市场机遇、潜在客户和应用的增多驱动，预计到2030年，EO的经济价值将超过7000亿美元。4这种对数据需求的增加推动了卫星技术的进步（例 如，提高遥感卫星传感器的时空和光谱分辨率），从而使得对环境变化的监测和分析以及野火、洪水和干旱等灾害的检测和记录更加完善。 基于Landsat计划的成功，NASA也在扩展其地球观测卫星的传感器阵列。Landsat Next任务，计划于2030年发射，旨在收集所有26个“超光谱”波段，比之前Landsat任务的11个“多光谱”波段更多。多光谱卫星影像通常捕捉从可见光到非可见光的电磁谱的4-12个波段。超光谱影像将捕捉更多波段，从而实现更详细和精确的数据。LandsatNext的超光谱波段将产生2-3倍的时空和光谱分辨率。7 2024年，卫星初创公司Albedo在早期投资（A-1轮融资）中筹集了总计9700万美元，用于建造和发射其首支由24颗高分辨率卫星组成的星座。 利用Landsat Next将增加光谱覆盖范围，以支持新兴应用。 μ子空间，一家专注于开发小型卫星以监测地球气候的初创公司，宣布与非营利组织地球之火联盟建立了合作伙伴关系，旨在建立由50颗卫星组成的星座，专注于野火预防和监测。这组三颗卫星的第一阶段将于2026年发射，并装备有六波段多光谱红外仪器，这些仪器提供高保真数据，能比地面观测更快地检测到火灾。多光谱红外仪器能够区分真实野火事件与误报，并增强野火检测和火灾强度评估。FireSat将在低地球轨道上运行，观测带宽为1,500公里，平均地面采样尺寸为80米。这将使它能检测到25平方米（m²）大小的火灾点火点，并具有较短的回访时间。 20分钟。这可以显著提高初始响应和监控，尤其是在偏远地区。相比之下，美国国家航空航天局（NASA）的资源管理火灾信息系统（FIRMS）使用中分辨率成像光谱仪（MODIS）和可见光红外成像辐射计套装（VIIRS）仪器进行卫星观测，以检测活跃火灾和热异常。MODIS通常可以检测到1,000平方米大小的冒烟和火焰火灾。在非常好的条件下，高质量的观测可以检测到十分之一这种大小（100平方米）的火灾；在最佳且极罕见的情况下，甚至可以检测到更小的50平方米火灾。8 FireSat在最佳条件下比MODIS提高了100%，在良好条件下则提高了高达300%。 整合 人工智能与边缘计算计算进入EO平台是革命性的数据处理以及分析。 将EO数据处理时间缩短至1.2，以实现近乎实时的气候响应。 随着对及时气候智能全球需求的增加，数据获取与实际见解之间的时间间隔需要显著缩短。将人工智能和边缘计算整合到地球观测（EO）平台上正在革新数据处理与分析。这些进步大大提高了计算效率，并使实时分析得以实现，从而改善气候相关决策的速度和准确性。 高级AI、ML和DL。在卫星地球观测（EO）数据背景下，AI执行广泛的数据分析，而ML，作为AI的一个子集，专注于识别大型EO数据集中模式和异常。更进一步，是DL，它有助于从高分辨率卫星图像中提取详细信息。这些算法几乎可以实时处理大量的复杂EO数据，从而减少了数据收集与生成洞察之间的时间间隔。通过提高计算效率，ML技术克服了传统数据处理方法的多个局限性。 技术管线：人工智能、机器学习和深度学习模型 高分辨率遥感数据的增加可用性和复杂性要求使用 在灾后事件中，由于迫切需要加快损害评估，高分辨率地球观测数据（EO）和机器学习（ML）模型采用“语义分割”技术来对卫星图像中的每个像素进行分类，这类似于物体识别。9这允许进行详细和准确的损害评估，而这些评估在过去需要数周才能完成，现在只需数小时或几分钟。传统上，地理空间损害评估每座建筑需要30秒，这意味着在像伊恩飓风这样的灾害之后评估410万座建筑需要一个人16年的时间。在伊恩飓风的情况下，使用了机器学习算法，从而实现了快速评估。 以及8000万美元的紧急援助金，用于灾害幸存者。10最近，例如，微软与Planet合作，利用人工智能模型和卫星遥感图像来评估加勒比地区格林纳达的卡里亚库岛在飓风贝瑞尔中的受损程度。微软训练了一个变化检测模型，该模型分析了事件前后遥感图像，并将这些数据与来自不完整OpenStreetMap数据集的建筑足迹层数据相交。尽管分析仅覆盖了受影响区域的一部分，但这种方