“碳中和”、“高分专项”下的自然资源调查监测体系

跨入2022年的门槛，距离习近平主席在2020年9月22日联合国大会上宣布“3060”的双碳目标，也已过去了一年多时间。由于“碳中和”目标与提升生态系统碳汇能力、系统治理“山水林田湖草”密不可分，各地自然资源部门也加快以卫星遥感为基底的自然资源监测系统建设步伐，面向生态系统修复、综合治理、碳汇等目标进行专项监测。在这样的背景下，业务端对卫星遥感数据获取端提出了实时、自动化、定量、高复用等应用需求。

反观卫星数据获取端，被称为“中国人自己的全球观测系统”的“高分专项”也在2020年建设完成。高分专项统筹建设天基系统、航空系统等数据源，设计了高分辨率、多分辨率、多光谱等“时间分辨率+空间分辨率”结合模式，形成“数据型谱”以及“时空协调、全天时、全天候”的对地观测能力，为自然资源监测的数据需求建立了成熟而强大基础设施。

那么，如何将高分专项的“对地观测能力”，与自然资源智慧监测体系建设、“碳中和”监测要求，自动、精准、智能地对接在一起呢？

1.超擎「遥感时空数据流」创新数据管理应用模式

在我们的印象中，卫星遥感是面向地球表面广大范围的观测，获取的是一幅幅“视觉”影像，就像谷歌地球。

但当对地观测系统的建设日趋完善、卫星重访率大幅提升的情况下，就像高分专项“全天时、全天候”源源不断地向地面输送影像时，遥感影像就进入了“时空大数据”的时代，人们基于不同时相下的地物变化比对获取信息，应对气候变化、灾害与生态变迁。

在这样的背景下，遥感影像如何面向应用端更加流畅、实时地提供信息价值？便捷化的数据组织管理，让影像如同数字数据那样容易地被机器读取。——这意味着我们必须减少中间处理环节，让数据的管理应用行云流水，对AI算法友好。

上游面向不间断获取的遥感卫星数据，下游面向机器学习和算法，超擎采用一种创新的数据管理应用模式——「遥感时空数据流」。在保证“获取端”数据流般高度自动化处理、数据聚合高效组织的同时，也保持“应用端”遥感影像图形特征快速呈现、以及与智能算法动态兼容，让自然资源监测向高度自动化、智能化方向的深度数字化转型发展。

超擎影像云平台全景图

“物理分散，逻辑集成”分布式存储，集中化管理的数据组织模式

一些地方自然资源监测系统建设指导意见中，提到了“物理分散，逻辑集成”原则，这与遥感时空大数据“海量、多源、快更新”的特性有着密切联系。

“高分专项”中就拥有各种不同种类的卫星，它们各有擅长，各司其职，但是同样的特性是体量大、更新快，这就需要在物理形式上采取分布式存储，“物理分散“即将获取到的大量数据分散存储于不同的服务器上；“逻辑集成”，便是平台通过灵活的数据组织形式，让用户基于云对多源卫星数据数据进行便捷的查询、管理和应用，这个中间过程需要一个交互友好的平台聚合与牵引。

超擎影像云在平台模式上，采用了多源卫星影像“分布式存储，集中化管理”机制。卫星数据一旦获取，便自动入库、实时更新，实现了百PB级、多源卫星数据支持的分布式存储的“物理分散”；

同时基于超擎时空索引云技术，以“文件+源数据信息+时空索引”的方式，在影像数据管理上实现“逻辑集成”：对多尺度、多时相、多传感器、多光谱的影像数据进行弹性灵活的组织。

不仅如此，平台实现了从CS端到BS端的跨越，用户能随时随地进行数据调取、查询和预览，不受平台与设备限制。

仅需简单设置参数，用户便能在线快速处理影像数据，并通过“目录-图层-服务”的方式，对卫星源数据、中间与成果数据同时进行管理，实现数据服务的灵活创建、编辑、局部更新和个性化应用（多光谱浏览、动态投影浏览、实时渲染浏览等）。

超擎遥感时空数据流信息处理框架

「遥感时空数据流」数管平台模式，能够助力自然资源调查建立监测时空数据库及管理系统，实现对各类调查监测数据成果的高效集成、展示、管理和应用；同时，也支持自然资源监测建立“统一组织、分工实施、共享应用”的“总—分—总”的工作模式。

“一次监测，多次应用”用户端在线灵活定制化共享数据

高效利用卫星遥感数据资源，充分挖掘数据价值，已经成为共识，在各地自然资源监测系统建设规划中也提出了“一次监测，多次应用”的要求。如何实现这一点，我们还是应当回到“逻辑集中”的遥感平台上来。

超擎影像云平台的“混合云高效共享”与“系统数据功能处理”两大特性结合，让客户端根据自身需求，对数据中心发出定制化影像的订单请求，如目标识别、图像分类、数据裁剪、波段运算等；中心以按需服务的灵活数据模式提供分析计算等功能，满足多样化业务需求，真正实现“一次监测，多次应用”，高效利用遥感数据资源。

同时，基于超擎影像云提供的统一数据接口，行业与学科专家可将遥感算法与智能模型，与数据实时对接、算法集成，实现对自然资源的高度自动化监测与精准定量。

2.超擎遥感时空数据流+AI模型 = 自然资源自动监测体系

要从大面积、高分辨率、高频更新的遥感影像中获取最新的、有价值、精准的地物变化信息，遥感图像解译（Image Interpretation）是少不了的。根据Sigma的理论，典型的遥感图像理解系统包括三个部分：

• - 一是如何统计图像中的空间关系；
• - 二是面向目标的知识表达及其分布式解决方法；
• - 三是基于知识的图像分割。

图：百度百科

通俗地说，就是通过既有知识经验，即样本和模型，对整幅图像中的目标物进行空间计算、表达和区别提取，根据具体业务应用需求，目前主流遥感AI有目标识别、变化检测、地物提取等功能。

超擎遥感AI - 目标识别

超擎遥感AI - 变化检测

超擎遥感AI - 遥感时空数据移动端实时AI水体提取

除了AI，遥感影像加载专业学科的算法模型，也可以实现自然资源监测的应用价值，例如水质反演、大气反演等，从而获取水环境、大气等的异常数值和可视化表达。

由此可见，遥感智能的本质在于，从海量遥感图像中高效、自动挖掘出精确信息。当这种对海量遥感影像的智能解读，与上游自动化的数据生产、更新与处理模式结合，便形成了下一代自然资源自动化、智能化监测模式。

为了创造下游AI模型更友好的数据集成与可视化环境，超擎影像云提供基于OGC标准WTMS协议的拓展，支持前端根据瓦片规则或者自定区域获取对应服务的真实数据（自动融合，指定波段，单一影像文件拓展到服务），支持前端基于真实数据进行各种行业应用运算以及超分辨率平滑渲染。

这种“前端实时计算渲染”模式，让学科模型、AI解读的计算结果能够基于影像即时呈现，实时融合业务端需求提供时空智能服务，实现“实时自动监测、即时精准定量”的自然资源监测效果。

3.“遥感时空+N”行业智能应用场景 大气智能监测

在「“碳中和”为何需要时空大数据」一文中，我们已经介绍过，基于遥感时空数据反演与地面实测相结合的大气碳浓度监测机制，是精确定量与治理的关键手段，是全国与省市地方政府能够基于统一时空基准，协力实现“碳达峰、碳中和”目标的重要途径。

该机制的具体实现与发展，与底层多源时空数据的聚合驱动力密切相关。建立遥感时空为主，融合物联网、网格等多源时空数据的碳中和时空数据平台，以统一数据接口与标准估算模型对接，自动智能监测、实时发布共享，进一步提高碳监测的数字化、自动化、智能化水平，加强省、市、区和不同行业的数据共享能力与协作效率，实现网格化的精细管理，同时也为碳排放量配额的合理分配和指导碳排放权市场交易提供科学依据与技术支撑。

水环境动态监测

在维护生态方面，水是永恒的话题。内陆水系不仅是城市气候生态的调节器，更与居民生活与饮水安全息息相关，要满足对水体水质的实时、大尺度监测评价需求，对地观测体系是最为适宜的途径与手段。

超擎遥感影像云「遥感时空数据流」级别的实时获取更新、实时共享数据服务，接入专业学科领域的水体参数、目标识别等AI手段构建的“水环境动态实时监测应用”，利用时空智能的强大能力，支持水环境常态化监测、专项监测、重点监测等多种监测机制，实现对水体高度自动化、多维度的评估性监测，如透明度、悬浮物、营养状态等，形成对水环境的实时、全方位智能保护，及早、有效制止废水排放、水华蔓延等水污染问题。

植被覆盖动态监测

地球表面的植被覆盖与气候变化有着重要联系。在区域性的生态管理中，植被覆盖变化可影响辐射平衡、水分循环等生态过程；土地植被覆盖变化，又可以反映当地人类生产生活需求与经济社会发展之间的区域性动态关系，是自然资源部门重点关注的专题领域。

大尺度植被生长和覆盖的动态变化，通常基于卫星遥感监测。其中，归一化植被指数（NDVI）是衡量植被覆盖度与长势健康度的重要定性与定量指标。

随着对地观测分辨率的进一步提升，通过“遥感时空数据流”+反演估算模型，形成基于NDVI时序数据的植被覆盖动态监测机制，能够对全国与区域性的植被覆盖形成高分辨率的监测与评估，敏感地反映出植物生长、季节和时空动态等变化特征，并对城市化进程、经济发展、人类活动以及退耕还林还草工程的成效，实现直接/间接的精细定量，对“碳达峰、碳中和”目标实现的作用也将进一步体现。

近期一系列事件可以看到，在数字经济时代下，政企业务效率不仅与数字化程度相关，更与底层数据效率密不可分，无论在防疫抗疫工作中，还是在碳中和、自然资源管理领域。业务需求驱动，只是政企数字化的第一步；而政企竞争力进一步体现，关键在于数字综合能力，是数据底层驱动能力、数据中台鲁棒性、智能应用与算法等构建的多象限综合实力。

超擎也希望以时空驱动力，在“元宇宙”与“数字孪生”背景下，助力政企穿越数字化深水区，奠定领先数据技术基础，进一步提升时空智能综合实力。