衛星遙感的大挑戰丨觀天測地

衛星遙感的大挑戰丨觀天測地 來自中科院之聲 00:00 07:41

編者按:從古至今,人類從未停止過探索未知世界的腳步,認知世界的能力和手段與日俱增。中科院之聲與中國科學院空天信息創新研究院聯合開設「觀天測地」專欄,為大家介紹天上地上探索的那些事兒,帶來空天信息領域最新進展,普及科學知識。

經過五十年的發展,衛星遙感成為在區域和全球空間尺度上探測地球最有效的工具之一,提供了之前無法想像的數據量。衛星遙感能夠快速監測大氣、陸地和海洋,非接觸式的觀測過程有效避免了實地測量中的限制和危險。目前,衛星遙感數據支持了大量的實際應用。例如,支持天氣預報、農業漁業、測繪、城市規劃和礦產資源勘探,監測環境污染、氣候變化、海岸線動態、海面溫度和鹽度、海洋生態系統和生物量、海平面變化、植被、森林等,並為應對COVID-19等科學研究提供了重要的遙感數據支撐。

尤其在近二十年,衛星設計發展迅猛,推出了更先進的衛星載荷。例如,在環境領域對二氧化碳和甲烷監測的MOPITT、GOSAT和OCO,通過監測大氣狀態進行天氣預報和應對氣候變化的紅外測深儀AIRS、TES、IASI、IMG和CRIS,還有多用途的MODIS、MERIS和SGLI,以及比較專用的ATSR、AATSR、MISR和POLDER等載荷。除了傳統的被動觀測之外,還發射了CloudSat、CALIPSO和Aeolus等主動觀測載荷,用於監測雲層、氣溶膠和風場的垂直結構。

空間儀器技術和信息學的繁榮發展使得從硬件、數據採集和處理方面對衛星觀測的限制大大削弱,學術界在管理和分析衛星數據方面也積累了豐富的經驗,不斷挖掘現有衛星數據集的潛力,並逐步了解如何改善未來的衛星數據。這些進步幫助人們了解了衛星遙感的真正價值和潛力,但也認識到其局限性。學術界從未停止嘗試解決遙感技術存在的基本困難,如信號與噪聲分離、準確的儀器校準、觀測數據信息量少且不足以完全描述地球物理化學和生物過程、可觀測目標和對象數量不斷增長等問題。這些衛星遙感根本問題在實際處理過程中,往往需要通過理論模型、先驗知識和輔助觀測進行適當約束,在一定程度上尚未完全解決。

當前衛星遙感技術面臨的主要挑戰包括時空覆蓋的挑戰、增加信息量與協同觀測的挑戰、遙感反演算法的挑戰、高質量長期數據一致性和連續性的挑戰。着眼未來,有必要從衛星設計、觀測、數據處理和監測應用等多個角度梳理面臨的挑戰。

一、時空覆蓋的挑戰

衛星遙感的主要優點之一是能夠快速觀察地球的大部分區域,但當前可用衛星數據的覆蓋範圍有明顯的局限性。低軌道中的地球極地軌道載荷通常需要至少一天或更長時間才能實現全球覆蓋,因此無法完全捕獲許多具有較高時空變異性的自然現象,而對地靜止觀測高軌道(GEO)載荷通過高頻次對同一區域進行晝夜觀測來解決這一局限。但是,在空間覆蓋範圍和衛星圖像的解析度之間仍然需要權衡取捨(通常,較高的覆蓋範圍會導致較低的空間解析度)。

最理想的情況是衛星遙感具有廣泛的高解析度時空覆蓋,但這極具挑戰性。為此,衛星觀測的設計需要創新,並發揮輔助數據以及互補觀測的協同作用,以增加時空數據記錄的覆蓋範圍和解析度。

二、增加信息量與協同觀測的挑戰

儘管現有衛星觀測性能已經較高,但是這些觀測提供的信息量仍然有限。在複雜的環境中,沒有哪種單一載荷可以提供有關目標的全面信息,因此仍須開發部署具有增強功能的新傳感器或其組合。例如,多角度偏振載荷可以提供表徵大氣氣溶膠和雲詳細特性的最合適的數據,然而由於對氣溶膠和雲的垂直變化的敏感性有限,即使是目前最先進的多角度偏振載荷也不能確保得到完全可靠的氣溶膠特性的三維表徵。而以星載雷射雷達和雷達為代表的主動遙感載荷則可提供有關大氣垂直變化的詳細信息。

因此,在部署具有增強能力的衛星儀器的同時,必須探索互補性的協同觀測,綜合在不同的時間或空間尺度上、不同光譜範圍內對目標物有不同靈敏度的載荷觀測值,並將衛星觀測與亞軌道觀測以及化學傳輸模型結果相結合,以增加觀測的總信息量。如圖所示,在觀測雲這種高度異質性目標時,綜合被動觀測數據(光譜、偏振和微波)和主動觀測(雷射雷達和雷達),以降低觀測不確定性。

衛星遙感的大挑戰丨觀天測地

被動觀測載荷(光譜、偏振和微波)與主動觀測載荷(雷射雷達和雷達)協同觀測

三、遙感反演算法的挑戰

算法性能是影響衛星遙感產品質量的一個關鍵要素。實際上,一旦部署了一個載荷,就無法從硬件上提高所獲得觀測數據的質量,而反演算法卻仍可以不斷改進。在過去的十年中,新的遙感反演算法取得了顯著進步。例如,新算法傾向於使用更準確的大氣狀態模型(而不是使用預先計算的查找表),實現氣溶膠與陸地表面特徵和雲特性的同時獲取,並能夠同時反演大量參數。面對協同觀測任務,則需開發適當的算法,應用於不同載荷或它們的組合,並分析多源數據的結果。越來越多的研究人員以此作為算法開發的目標,而算法演進過程也確實表明利用協同觀測提高反演準確性具有很大的潛力。

同時,把機器學習方法不斷地應用在算法開發中得到的經驗說明,機器學習非常適合於對地球觀測數據進行分析和解釋。機器學習可以從數據中「學習」,並在最少的人工干預下做出決策,近年來這一方法中新興的深度學習和深度神經網絡技術不但應用於遙感研究中處理和分析大量數據,並有望進一步改進物理現象的預測和建模。

四、高質量長期數據一致性和連續性的挑戰

長期且高質量的基礎變量觀測記錄對於監測和研究地球(例如,氣候變化等)至關重要。為保證高質量觀測的連續性,正確闡釋和解釋多載荷數據記錄中的差異和一致性成為關鍵。為此,載荷的絕對定標和多個相關載荷間的相互定標至關重要。校準和定標對許多新型儀器,特別是小衛星星群本身就具有挑戰性。在解決定標和數據真實性檢驗的問題後,未來衛星載荷與當前載荷產生數據的延續性和兼容性也同等重要,如此才能實現衛星觀測和高質量長期數據的連續性,確保積累的記錄滿足氣候變化等全球重大問題研究的需求。

自第一顆衛星發射超過半個世紀以來,衛星遙感已經發展成為一種高度複雜的工具,提供大量數據,支撐從基礎科學到日常生活的人類活動的方方面面。衛星遙感面臨的這些重大挑戰,也同時孕育了該領域未來巨大的發展空間。在此,我們誠摯邀請各位讀者貢獻自己的所知所學,共同解決這些挑戰。

日前,中科院空天信息創新研究院遙感衛星應用國家工程實驗室李正強研究員與法國國家研究中心(CNRS)、美國國家航天局(NASA)、英國國家對地觀測中心(NCEO)、荷蘭空間研究組織(SRON)等多國知名遙感專家共同撰寫了《衛星遙感的大挑戰》一文,並於近期發表在 Frontiers in Remote Sensing (《遙感前沿》)期刊。

論文:Dubovik O, Schuster GL, Xu F, Hu Y, Bösch H, Landgraf J and Li Z (2021) Grand Challenges in Satellite Remote Sensing. Front. Remote Sens. 2:619818. DOI: 10.3389/frsen.2021.619818.

來源:中國科學院空天信息創新研究院

【來源:中科院之聲】

聲明:轉載此文是出於傳遞更多信息之目的。若有來源標註錯誤或侵犯了您的合法權益,請作者持權屬證明與本網聯繫,我們將及時更正、刪除,謝謝。 郵箱地址:[email protected]