近年来，随着航天市场的需求不断增加，小卫星技术的发展越来越受到关注，小卫星具有体积小、重量轻、性能好、研制周期短、成本低、发射方式灵活等特点，已经在通讯、遥感、电子、侦察等领域获得了广泛的应用，受到航天、军事、工业及普通研究机构的普遍关注，成为当前航天技术发展的重要方向之一，并显示出良好的经济和社会效益。
鉴于卫星遥感领域常年来受限于卫星成本高、数据获取周期长等因素，用户很难及时获取所需的数据，小卫星在遥感行业受到了非常多的关注，国内外都出现了一批先行者。
目前，市场普遍认为，小卫星遥感产业的市场化、开放式、融合式发展是大势所趋。未来，小卫星遥感产业将实现从初具规模向成熟应用的跨越，商业模式创新将不断涌现。
微小卫星的爆发式发展
上世纪九十年代以来，为了降低卫星研发和制造成本、提升卫星的性能，以美国为代表的欧美国家开始进行小卫星的研究工作，美国、英国、阿根廷、以色列等国都逐渐拥有小卫星系统，很多发展中国家也在以合作等方式推进小卫星的研发和应用。
早在1995年，我国就提出要自主研制低轨道数据通信小卫星及其通信系统。1999年，中国空间技术研究院研发和发射的实践五号卫星，可视为国内第一颗小卫星，该系列卫星平台也成为后续多颗应用型小卫星的基础。
自2013年起，随着Skybox、Planet等卫星的成功发射，微纳卫星(NanoSat)开始得到飞速发展，创新型企业也取代政府机构成为航天卫星的主角。截至2015年9月30日，全球在轨小卫星的数量为460颗，占所有在轨卫星数量的1/3。其中，美国共拥有189颗在轨小卫星，排在所有国家之首，俄罗斯58颗、欧洲总计57颗。据可查资料，未来五年全球将发射510颗1kg-500kg的小卫星入轨，10kg以下的微纳卫星预计将发射300颗，是未来五年间卫星行业继续高速发展的主要驱动力。
在遥感领域，知名度较高的小卫星系统包括2014年被谷歌收购的Skybox，可提供时间分辨率较高的亚米级彩色影像和地球高清视频;国内由中科遥感独家代理的美国Planet小卫星群，是迄今为止最大的微纳卫星群，提供3-5米分辨率的可见光和近红外数据。国内的北京二号、吉林一号等商业卫星星座，可提供覆盖全球的1米左右分辨率的遥感影像，吉林一号还包括分辨率为1.12米的高分辨率视频成像系统。
小卫星之发展趋势
我们可以从这些小卫星的案例中看到全球小卫星行业的几个发展趋势：
一、卫星小型化、微型化趋势明显，星座规模不断扩大，低成本、批量化、快速制造是未来发展方向；
二、卫星星座的设计理念、应用模式和运行管理全面创新。采用天地一体化全链路设计理念，简化星上功能，强化地面处理；注重与信息技术深度融合，面向更广泛的非专业用户；
三、卫星星座应用能力进一步实用化，领域全面化，轨道立体化，应用领域进一步全面化，从局部应用向全体系扩展已成为必然趋势；应用轨道进一步立体化，立足低轨、迈向中高轨发展格局已露端倪。
微小卫星改变传统遥感服务模式
根据国家出台的《关于促进卫星应用产业发展的若干意见》，我国卫星应用产业预计2020年的产业规模可达5560亿元以上，并带动相关经济产值突破万亿元。我们相信，不管是基于国产技术自行研制、发射、运营，或基于国际合作研制、发射和运营，还是基于国内外卫星进行数据运营和信息服务，都将会在卫星应用领域改变传统的服务模式。
实际上，小卫星的优势非常明显，有效利用了信息、微电子技术、微机械、新材料和新能源技术等，在重量、功能密度、性价比、研制模式等方面显著区别于传统卫星。采用标准化星体及模块化设计技术，能够在流水线上批量生产，极大地降低了卫星研发和制造的成本、缩短了研制周期、降低了投资风险，有利于大量生产和发射，形成卫星群，提供大卫星所不具备的超强的整体数据采集能力。
以Planet微纳卫星群为例，30cm*10cm*10cm的尺寸看上去更像是玩具，一次性通过火箭发射或国际空间站释放的方式运送30余颗卫星进入轨道该卫星群大多分布在约420千米高度的国际空间站轨道(ISS)和约475千米的太阳同步轨道，相比来说通信延时和信号衰减都会少一些。随着技术的发展和进步，小卫星群的快速迭代也能够保证技术的先进性。
此外，大规模的卫星群在面临火箭发射失败等不可控因素时，也能够有效控制损失。
其实，小卫星群最大的优势就是强大的数据采集能力，通过小卫星群每日采集海量数据的及时传输和接收，可以建立海量数据实时处理和服务能力。
Planet卫星群目前约有50颗在拍摄状态，其卫星群预计2016年12月份将再发射48颗，2017年1月份发射68颗，有望形成每月全国无云覆盖能力。如今，遥感集市平台上发布的Planet数据对中国绝大多数地区(除云雨天气较多的南方地区外)，已实现每周覆盖一次。
需要指出的是，出于成本考量微纳卫星没有经过严格的测控和定标，自动化处理也会带来的整体的几何误差和拼接误差，这也决定了微纳卫星群的用途绝非传统的测绘应用，而是发挥大规模、低成本、定期全覆盖的数据采集和监测服务。一旦形成可靠的数据保障能力和服务模式，可以进入监测管理类业务应用系统，并开拓非传统弱遥感应用领域(如农业保险、大宗商品、违章建筑、建筑垃圾等)。
由微纳卫星群产生的海量遥感数据对于传统的遥感数据处理和服务也带来了挑战和机遇，催生了新型的商业模式。中科遥感进行了新商业模式的积极探索，通过整合数据源，将镶嵌好的影像通过API访问的方式为GIS用户提供实时数据服务，提供数据租赁和在线处理的服务。
遥感数据大，并不等同于遥感大数据
大数据通常而言具有数据量大、类型繁多、速度快、时效强和潜在价值大等典型特征，但数据大不等于大数据。所谓“数据量大”是指数据的采集、存储、计算量都非常大，而大数据代表着新的科学研究与思维方式。
首先，是它研究数据的出发点改变为以样本等于总体为基础;其次，放弃对精确性的追求代之以繁杂和效率的重视;同时，放弃假设模型，让数据自己说话。遥感大数据是指以海量遥感数据集为主、综合其他多种来源的辅助数据，运用大数据思维与手段，从海量遥感数据集中获取价值信息的理论、方法、技术与活动的统称，它并非传统意义上的遥感应用，而是要针对海量遥感数据的定期、大范围、智能化的目标和信息提取，形成时间序列专题指数数据库，能够为商业和宏观经济分析提供到目前为止无法获得的大数据信息。
与传统的时空数据挖掘相比，遥感大数据挖掘具有一定的复杂性：首先，遥感大数据海量、高维性的特点使得数据挖掘的搜索空间异常巨大，可能导致搜索出无意义模式的机会增加，对传统的时空数据挖掘理论与方法提出巨大的挑战;其次，遥感大数据仅仅只有小部分维度与时空模式密切相关，其余的不相关或相关性很小的维度会产生大量的噪声，从而掩盖真实的时空模式;最后，遥感大数据所涉及的数据类型复杂多样，数据格式不一，结构化、半结构化数据并存，并且由于遥感大数据信息更新频繁，数据库可能随时增加、删除或者改变变量，对时空数据挖掘所依赖的数据库提出很高的要求。
因此，与遥感数据获取能力形成鲜明对比的是遥感大数据处理技术。遥感大数据的价值不在其海量，而在其对地表多粒度、多时相、多方位、多层次的全面反映，在于隐藏在遥感大数据背后的各种知识。遥感大数据的终极目标在于对遥感大数据中隐藏知识的挖掘。因此，有必要研究适应于遥感大数据的自动处理和数据挖掘方法，通过对数据的智能化和自动分析从遥感大数据中挖掘地球上的相关信息，实现从遥感数据到知识的转变，显著提高遥感大数据的利用效率，从而加强遥感在环境遥感、城市规划、地形图更新、精准农业、智慧城市等方面的应用效力。
可以说，大数据时代每天都有海量的空间数据不断产生，但大部分没有被有效利用，而人工智能算法开源崛起，正是以“人工智能+数据创造”为模式的企业的发展机遇。极海纵横公司将机器学习应用于遥感大数据挖掘，解决遥感大数据利用率低等问题，该公司联合创始人王昊认为，机器学习实际上是用笨办法来实现识别、认知，算法没有了不起的变化，机器学习是因为数据多了，才有飞速的进展，预测要靠模型。目前，极海纵横利用深度卷积神经网络进行影像识别，以深度余差卷积网络作为模型进行遥感影像分类，以深度特征+临近搜索为模型进行相似影像搜索，利用Facebook最新开源的deepmask模型做建筑分割，可实现较高的精度。这些技术已经成功应用于建筑图层提取、潜在污染源搜索、停车场搜索、城市意象等领域，未来还将应用于毒品种植地查找、道路数据矢量提取、监控农作物生长等领域。通过以机器学习用于遥感大数据的方式，该公司已经建立了连通大数据与位置智能的桥梁，使用户更简单便捷的使用和体会地理的价值。
遥感大数据的商机在哪里？
定期全覆盖数据为大范围目标的信息提取和定期统计提供了数据基础，为遥感商业大数据带来了巨大的机会。目前，遥感商业大数据更多的应用到水利、海洋、农业、洪涝灾害等领域。
以农业为例，农业大数据最直接的应用是，通过卫星可以监测大面积土地上种的作物种类、进而观测作物的长势，而这些信息是在大面积种植中，难以通过人工在地面上监测到。数据平台将众多环境变量纳入到计算模型中，并结合实时更新的卫星数据，对农作物进行苗情监测、生长监控、病虫害预警、产量评估，并以亩为单位将数据可视化，优化管理水平，协助用户做出合理决策，从而最大化农作物的产量，提高生产效率。专门从事农业大数据分析的佳格天地，通过遥感技术结合气象和地面观测数据为农田精准化管理服务，目前平台可以给客户最高带来15%的产量提升，同时降低生产成本和气候变化带来的风险，而模型中基于机器学习的算法是在不断进化的，数据沉淀越多，模型预测的准确性和精度就越高，因此未来产量提高的比例会更大。
随着商业卫星的增多、遥感行业的发展，越来越多的科技创新公司有意愿进入遥感领域，将物理模型、地理信息数据、人工智能、大数据挖掘可视化等方面的信息与技术与遥感大数据进行结合，实现遥感产业的创新应用。以商汤科技为例，通过引领人工智能核心“深度学习”技术突破，构建人工智能、大数据分析行业解决方案，并在路网提取与更新、机场监测、土地利用类型分类、云/雪/水监测、道路伤情监测等方面得到应用。
遥感大数据为人工智能领域提供了技术的延伸渠道，拓宽了技术的消费市场，与此同时，这些企业也为遥感产业注入了成熟的智能处理技术，给遥感大数据挖掘带来了新的机遇，为遥感应用提出了新的解决思路。
对遥感应用来说，卫星不是多了而是还不够
过去两年来，国内小卫星受到的关注越来越多，也有观点认为当下的小卫星的火爆超出应有的范围，各地投资建设的小卫星有跟风之嫌，并不能真正得以有效利用。然而，随着云计算、大数据等信息技术与空间技术相结合，国外涌现出大量小卫星星座，发展面向消费市场的创新卫星应用模式和服务模式。特别是随着风投、众筹等多元化投融资方式在航天领域兴起，未来商用小卫星发展将进一步呈现繁荣增长趋势。
通讯卫星和遥感卫星的业务需求和商业模式有很大不同，不宜混为一谈。就遥感卫星而言，目前恰恰是供给能力(大规模持续性数据采集保障能力)不足导致难以支撑日常业务应用建立有效的商业模式，中科遥感首先提出并推动的遥感大数据云服务的商业模式，是在大力发展低成本高能力的小卫星新时代商业服务的必然趋势。
遥感产业化速度一直较慢的原因，是数据保障问题、产业化成本问题、数据服务的挖掘问题、产业协同问题还没解决。
要解决这些问题，进一步提高遥感大数据利用率，首先要把各种卫星资源汇集起来，形成高分辨率、高频次的遥感服务;其次，通过大数据，形成对时空连续数据的深入分析，从而形成信息产品、形成知识，乃至智慧服务;再次，要通过云计算、云服务的方式，提供在线服务、API接口，降低产业化过程中的数据使用成本，形成对数据、信息的按需使用，在线租赁;最终，要通过“互联网+”形成产业链上的创新创业环境，补齐产业链的上下游缺失环节，让所有环节都能利用一个大平台对数据做出更多增值、服务的市场部署。
随着航空航天科技、传感器、信息技术、商业模式的高速发展，遥感大数据也将顺应大数据时代发展的要求，在大数据的理论指导及技术支撑下，借助人工智能、深度学习等技术，融合各类行业和专业信息，形成综合的预测、挖掘和分析能力，提供真正的遥感大数据服务，实现遥感卫星的数据增值，为遥感产业繁荣和商业化发展开辟巨大的成长空间。（文|任伏虎 肖振强）
{{item.content}}