1 先进的卫星传感器
2 人工智能
人工智能和机器学习(ML)算法正在加速对地观测数据的处理和分析。例如基于现有数据训练的机器学习模型生成估计值的速度比传统气候模型快1000倍，这也使得在飓风或洪水等气候相关事件发生后的数小时或数分钟内进行详细的灾后评估成为可能，速度和准确性对于及时决策至关重要。
3 卫星边缘计算
卫星边缘计算直接在飞行的卫星上处理对地观测数据，这缩短了从数据采集到可操作见解所需的时间。该技术减少了延迟和数据下载的需求，允许在灾难情况下更快地向应急响应人员传输关键信息。
4 卫星传感器小型化
小型化的传感器以及降低的制造和发射成本使更多的国家能够制造和发射自己的对地观测卫星，增加了公开的对地观测数据。微电子和半导体技术的进步将更强大的处理能力集成到更小的芯片中，这有利于传感器硬件本身进行数据分析，而不必依赖笨重、耗能的设备。
5 更大的卫星平台
除小型化之外，目前趋势是卫星尺寸更大、配备先进传感器和增强的数据传输能力。这些较大的平台更可靠，可提供更多功能，可以容纳更大、更复杂的仪器。
6 基于气候机器学习的模型
传统的地球系统模型使用复杂的数值模拟来预测未来的气候情景，通常是计算密集型的；相比之下，集成物理信息机器学习的气候模型能处理巨大的PB级数据集，以提供准确快速的天气和气候预测。这些基于机器学习的模型对于局地研究特别有效，以显著降低的计算成本提供高分辨率的预测，能源效率可提高100倍。
7 地理空间智能基础模型
该技术旨在从大量卫星对地观测数据中检测高级模式，地理空间人工智能模型以自监督的方式在许多不同的数据集上进行训练，可用于广泛的应用，并且在创建全球模式的准确模型方面非常有效。
8 数字孪生
数字孪生是气候、海洋和生态系统等地球系统的动态数字复制品，使用户能够更好地理解、预测和研究复杂的地球系统现象。数字孪生技术允许用户分析各种“假设”气候情景，可以使用它来可视化和测试不同气候相关策略的潜在影响。
9 增强现实和虚拟现实沉浸式平台
增强现实(AR)和虚拟现实(VR)平台为用户提供身临其境的体验，这些直观的平台正在改变不同利益相关者访问和理解对地观测数据的方式。
10 对地观测数据立方体
通过沿不同维度(空间、时间和变量网格)组织对地观测数据，数据立方体允许用户提取有用的见解，并在不同尺度和细节水平上对地球环境及其变化进行复杂分析。
改变对地观测的十大技术趋势涉及到卫星、传感器、数据组织、数据分析和对地观测数据可视化等，为对地观测带来的改变包括：（1）更多的观测量和更可靠的测量手段；（2）更精细、准确和海量的数据，保守估计8年后累计数据量是2000PB，激进一点的估计应该要再上一个数量级；（3）更高效率的数据处理和信息提取，依赖数据组织、星上处理和人工智能分析，近实时直接提供可操作的见解而不仅仅是数据。
欢迎分享至朋友圈！
未经授权，禁止转载！
转载与合作请联系下方二维码
