国家气象信息中心-中国气象数据网

十大新技术改变地球观测未来

近日，世界经济论坛联合麻省理工学院媒体实验室发布了《地球观测的未来图景：气候智能技术革新》报告。该报告深入剖析了卫星遥感和人工智能、卫星边缘计算、数字孪生、增强现实/虚拟现实、数据立方等十大地球观测新技术趋势，这些技术的融合与创新，为更智能、更精准地应对气候变化提供了坚实基础。

卫星传感器显著提升时空分辨率和光谱分辨率

先进卫星传感器技术实现了卫星观测覆盖面、分辨率和准确性的显著提升。配备“超光谱”成像能力的卫星可收集更精细的数据，其时间、空间和光谱分辨率是当前多光谱图像的两到三倍，极大地增强了对野火、洪水、干旱等自然灾害的监测与预警能力。

人工智能技术显著缩短地球观测数据收集处理时间

机器学习模型预测极大地缩短了天气预报模式、洪水地图等关键信息的生成周期，为高效科学决策及快速应急响应提供了有力支撑。这使得在气候灾害事件发生后的几小时（甚至几分钟）内，进行详细的灾后评估成为可能。

卫星边缘计算技术实现在轨卫星数据近实时分析

卫星边缘计算技术可以在卫星上直接处理地球观测数据，当传感器检测到环境变化时，才进行数据下传，在功耗低和存储条件有限的情况下降低了数据下载需求，大幅减少数据传输延迟，提升了卫星数据处理效率，改进了地球观测数据的管理与使用。

地球观测传感器微型化大幅提升观测效率和灵活性

最新的微电子和半导体技术可以将强大的处理能力集成到微小芯片之中，利用传感器硬件直接进行数据分析，摆脱了以往对庞大、高能耗外部处理系统的依赖，推动了地球观测向着更加灵活、高效的方向迈进。

重型载荷发射成本降低带来大型卫星发展机遇

随着新的发射器装置可以降低重型载荷发射成本，除大型卫星也渐渐迎来发展机遇。大型卫星能够承载更大尺寸、技术更为复杂的科学仪器，并增强数据传输能力，从而在地球观测、通信中继、环境监测等多个领域展现出性能优势。

基于机器学习的气候模型显著提升计算效率

基于机器学习的气候模型使用机器学习方法来处理和学习来自基于物理的地球系统模式的大数据集，通过识别输入和输出中的统计关系来模拟物理过程，可以快速评估极端气候事件的不确定性和风险，在大大降低计算需求的同时保持了模型的准确性，为天气和气候预测开辟了快速的路径。

地理空间人工智能基础模型实现更精准的气候事件识别分析

基于机器学习的地理空间基础模型和气候模型在气候预测中扮演着互补的角色。基于机器学习的气候模型，可快速生成高分辨率的预测结果，尤其适用于需要快速迭代的区域极端天气预报；而地理空间人工智能基础模型则侧重于从卫星地球观测数据中检测复杂的气候型，适用于全球和区域尺度的高分辨率气候事件分析。

数字孪生技术构建地球系统的数字建模和仿真平台

数字孪生是地球系统（如气候、海洋和生态系统）的动态数字复制品，可使用户更好地理解、预测和研究复杂的地球系统现象。数字孪生技术可以模拟并预测不同气候情景下的演变趋势，为策略制定提供可视化、可测试的支撑平台。

增强现实/虚拟现实打造地球系统的沉浸式数据平台

增强现实（AR）与虚拟现实（VR）技术的融合，直观地重塑了地球观测数据的访问与理解方式，为用户打造了前所未有的沉浸式数据平台，有益于气候分析和决策，可以深化用户对各种气候项目和政策的理解。

数据立方极大提升大型卫星观测数据集访问效率

数据立方是一种用于大数据分析与索引的技术架构，该架构可通过空间、时间和可变网格等不同维度组织地球观测数据，实现对不同尺度和细节的地球环境变化的复杂分析。数据立方把不同来源的数据转化成具有相同分辨率的标准格式数据，使得数据可直接用于计算与分析，避免了繁琐的转换步骤。

专家观点：地球观测数据正以前所未有的准确性、高效率和及时性，打开气候智能与灾害响应的新局面。特别是卫星遥感数据与新一代信息技术的融合，将有助于社区、企业及决策者构建更强大的气候韧性体系，确保人类社会在气候变化面前拥有更强的适应力与韧性。有关专家建议，探索构建一个强大且数据驱动的气候生态系统是未来发展的重要方向，包括建立一个可扩展的开源共享平台，支持快速的数据收集和整合，支持政产学研各方协同分析和探索解决方案等。在此背景下，需进一步加大对基础设施的投资力度，建立高效的数据共享机制，并积极培养与引进高精尖人才。同时，加强公私伙伴关系、深化研究合作，有效拓宽专业知识共享渠道，激发创新潜能，并促进地球观测技术方案的实际应用。

来源：中国气象报

编译：祁宁李萍吕丽莉王淼淼

责任编辑：刘淑乔

审核：苏杰西

相关文章