卫星数据与人工智能
卫星数据全链路、云边智能与服务。
- 机器学习在卫星数据中的应用
机器学习在卫星数据中的应用是指利用监督学习、无监督学习和深度学习等算法，从卫星遥感影像和遥测数据中自动提取地物信息、检测异常状态和预测系统行为的技术实践。其核心价值在于用数据驱动的方法替代人工解译和固定阈值判读，使处理效率和数据利用率大幅提升。
- 深度学习在遥感中的应用
深度学习在遥感中的应用是指利用卷积神经网络、Transformer、状态空间模型等深度架构，从卫星影像中自动学习多尺度空间-光谱-时序特征，完成分类、检测、分割和变化监测等任务的技术实践。其核心优势在于端到端特征学习替代了传统的手工特征设计。CNN仍是基础架构，Transformer和Mamba架构扩展了长程依赖建模能力。迁移学习、自监督预训练和基础模型正在缓解遥感标注样本稀缺的瓶颈。
- 卫星边缘计算
卫星边缘计算是指将计算资源直接部署在卫星平台上，在轨完成数据预处理、AI推理和智能决策，而非将所有原始数据回传地面处理的技术范式。其核心逻辑是“数据在哪里产生，就在哪里处理”，以缓解星地链路带宽瓶颈和缩短响应时间。Space Compass在轨演示通过AI船舶检测将下传数据量减少98.1%。Unibap iX20平台可处理高达100 Gbps的传感器数据。
- 卫星大数据
卫星大数据是指由卫星、航空、无人机等多平台对地观测获取的，具有体量巨大、种类繁多、动态多变、冗余模糊和高内在价值（5V特征）的海量多源异构数据集，以及运用大数据思维与手段从中挖掘价值信息的相关技术活动。全球在轨遥感卫星超过1500颗，日原始数据量已突破200TB。
- 卫星人工智能
卫星人工智能是指将人工智能算法、模型和推理能力部署到卫星平台或在卫星数据处理流程中应用AI技术，使卫星从被动数据采集平台向具备在轨感知、分析和决策能力的智能节点演进的技术体系。其核心不是“把大模型搬上天”，而是在星载算力、功耗和辐射约束下实现“天感天算”——数据在哪里产生就在哪里处理。
- 卫星数据安全
卫星数据安全是指为保障卫星数据的机密性、完整性和可用性，在数据采集、传输、存储、处理、分发和出境等全生命周期环节中采取的技术、管理和法律措施的总和。其核心挑战来自星地融合网络的高动态拓扑、全球开放接入和星载资源受限三重约束。法律层面，《数据安全法》构成基础框架，商业卫星数据安全分类分级标准正在制定中。
- 卫星数据标准
卫星数据标准是指为规范卫星遥感数据的生产、管理、交换、分发和应用而制定的技术规范和规则体系，涵盖产品分级、格式规范、元数据要求、质量评价和接口标准等维度。其核心目标是实现多源卫星数据之间的互操作性和可比性。中国已建立涵盖产品分级（GB/T 38026、GB/T 38028）、格式规范（GB/T 38198）、元数据（GB/T 35643）和质量评价（GB/T 41449）的国家标准体系。
- 卫星数据采集
卫星数据采集是指卫星平台通过星载传感器获取地球表面、大气或空间环境信息，并将信号数字化后经遥测链路下传或存储在星上记录器中的过程。其核心不是“拍照”，而是将电磁波信号转化为可测量的数字量化值。采集方式按传感器类型分为被动式（多光谱成像仪、微波辐射计）和主动式（合成孔径雷达、激光雷达）。
- 卫星数据处理
卫星数据处理是指对卫星下传的原始数据或半加工数据进行一系列数学与物理操作，将其从信号量化值逐级转化为具有明确物理意义和地理坐标的可用产品的工程过程。其核心不是单一算法，而是“辐射校正—几何校正—产品分级”的标准化流程。辐射校正将传感器记录的DN值转换为表观反射率或辐射亮度，大气校正进一步消除大气散射和吸收的影响，得到地表反射率。
- 卫星数据传输
卫星数据传输是指将卫星采集的数据通过无线电链路或光链路从星上传输到地面接收站，或在地面站与任务控制中心之间转发的过程。其核心约束是星地可见窗口短暂与数据量巨大之间的矛盾。传输链路由物理层调制编码、数据链路层帧协议和网络层包协议共同构成。CCSDS的射频与调制标准、遥测同步与信道编码标准、AOS空间数据链路协议和空间包协议构成了主流技术框架。
- 卫星数据存储
卫星数据存储是指利用星载存储介质（固态存储器、磁记录器或新兴的铁电存储器）在卫星过站窗口之外临时保存采集的载荷数据和平台遥测，待卫星飞越地面站时再回放传输的工程过程。其核心价值是弥合“采集持续进行”与“下传间歇发生”之间的时间差。存储容量、读写速率、抗辐射能力和非易失性是选型的四大核心指标。
- 卫星数据分发
卫星数据分发是指卫星数据中心或运营机构将处理后的各级数据产品，通过数据服务网站、卫星广播、专线网络、客户端工具等渠道，按照分级分类的管理规则传递给不同用户类型的过程。其核心不是“把文件传出去”，而是“按权限、按时效、按需求把数据送达正确的人”。
- 卫星数据服务
卫星数据服务是指卫星数据持有机构或商业企业将遥感影像、定量反演产品和分析解译结果，以数据即服务（DaaS）、增值服务与定制化、卫星即服务（SaaS）等模式提供给最终用户，帮助其完成监测、评估和决策的商业与技术活动。其核心不是“卖数据文件”，而是“卖决策依据”。长光卫星2025年营收超过10亿元，数据服务收入占比超过80%。Planet Labs以200多颗小卫星构建了订阅制数据服务，2025财年总收入约2.45亿美元。
- 卫星数据概述
卫星数据是指由人造卫星搭载的传感器采集、以数字形式记录并传输到地面的观测信息，涵盖地球表面特征、大气状态和空间环境等对象。其核心特征由空间、光谱、辐射和时间四种分辨率共同描述，四者之间存在此消彼长的工程权衡——追求极高空间分辨率往往以牺牲时间分辨率为代价。卫星数据按处理层级分为0至6级产品体系，从原始信号量化数值逐级加工为面向决策的专题知识。
- 卫星数据共享
卫星数据共享是指卫星数据持有机构依据相关法规政策，将各级数据产品以免费、开放或受限的方式提供给国内外各类用户使用的制度安排与工程实践。其核心不是“把数据放出去”，而是在数据安全、公益服务与产业激励之间划定清晰的边界。风云气象卫星按共享内容将数据分为内部使用、基本、定制、涉密四类，基本数据向所有用户免费提供。
- 卫星数据可视化
卫星数据可视化是指将卫星采集的原始数字信号或处理后数据产品，通过色彩映射、地理投影和图形渲染等技术，转化为人类视觉可感知的图像或交互式三维场景的过程。其核心不是“把数据画成图”，而是将不可见的物理量转换为可被视觉系统快速识别和判读的空间信息。关键技术包括波段的伪彩色合成、空间分辨率与显示尺度的匹配、以及基于WMS/WMTS等开放标准的在线地图服务。
- 卫星数据伦理
卫星数据伦理是指围绕卫星遥感数据的采集、处理、分发和应用，在隐私保护、公平可及、数据主权和防止滥用等方面形成的道德准则与治理框架。其核心不是“能不能拍到”，而是“该不该用、该怎么用”。高分辨率卫星影像对个人隐私构成独特挑战——从太空识别个人身份在技术边界上已不再是不可逾越的障碍。
- 卫星数据融合
卫星数据融合是指将来自不同卫星平台、不同传感器或不同时相的数据，通过一定的算法进行综合处理，以获得比单一数据源更丰富、更可靠信息的过程。其核心不是数据的简单叠加，而是利用多源数据之间的冗余性、互补性和合作性来弥补单一传感器的局限。融合分为像素级、特征级和决策级三个层次，层次越高信息损失越大但容错性越强。
- 卫星数据商业模式
卫星数据商业模式是指卫星数据持有机构或运营企业将遥感影像、定量反演产品和分析解译结果转化为可持续收入的方式，其核心不是“卖数据文件”，而是“卖信息产品”或“卖决策依据”。当前主要有三类模式：数据即服务（DaaS）按需提供影像和接口，增值服务将数据封装为行业信息产品，卫星即服务（SaaS）提供全套卫星解决方案。
- 卫星数据未来
卫星数据未来是指卫星数据从“地面处理、人工解译、文件交付”向“在轨智能、自主决策、知识服务”演进的技术与产业趋势。其核心驱动力是在轨算力提升、AI模型轻量化和星间高速链路成熟。星载AI从“辅助筛选”向“自主决策”演进，木铎1号实现地表异常在轨识别全流程1分钟完成，华山大模型完成星上训练闭环。数据形态从标准产品向“就绪型数据”和“数据立方体”转变，使分析无需预处理即可执行。
- 卫星数字孪生
卫星数字孪生是指为在轨航天器或卫星星座构建与其物理实体实时同步的虚拟模型，通过双向数据流实现状态镜像、故障预测和决策支持的技术体系。其核心不是静态的仿真模型，而是物理实体与虚拟模型之间持续同步的“数字-物理闭环”。中国电科15所的三维综合立体显示系统已应用于神舟二十三号和天舟十号任务，1:1构建空间站虚拟环境并支持全流程仿真推演。
- 卫星云计算
卫星云计算是指将云计算的计算、存储和服务能力应用于卫星数据处理领域，使海量遥感数据无需下载到本地即可在云端完成处理、分析和应用的技术模式。其核心不是“把服务器放上天”，而是“让算力靠近数据”，消除PB级遥感数据在传输和本地部署中的瓶颈。