地理空间情报手册（英文）

GEOINT Playbook 关于地理空间智能的未来以及我们对数字化物理世界的展望的投资论文。 太空资本报告 ® 全球地理空间市场预计将从631亿美元增长到 1476亿美元五年。2 Thisislargelyduetotheproliferationofspaceanalysis;acriticalfeatureofmodernenterpriateandconsumerapplications.Yetdespitethegrowthingeospacedatadatacreationand,subsequently,thetoolstoconductgeomaticanalysis,workingwiththistypeofinformationremainscomplexand 产品数量有限。这在很大程度上是由于现有的现有企业和资金充足的技术初创企业之间更广泛的行业市场整合趋势。3这指出了地理空间堆栈中的一个相互矛盾的主题：从模块化技术堆栈（未捆绑）开始的公司然后演变成垂直集成的软件解决方案（捆绑）。新的“作为服务”范式解锁了跨计算，存储，应用程序编程接口（API）等的可扩展模块化开发，并正在加快创新步伐。 在这本剧本中，我们将通过我们的论文来分析地理空间智能（GEOINT）通过技术层的镜头：基础设施，分布和应用。该框架帮助我们将地理空间堆栈的起源和约束与市场内的演变和变化联系起来。它还帮助我们看到基于空间的技术在与现代科技行业交叉并为各种市场的客户提供服务的生态系统中发挥的更大作用。 关键收益 基础设施：各种地理空间传感器平台现在可以在不同的高度捕获数据，这得益于低成本组件，商品化存储/计算以及数十年的地理信息系统（GIS）产品开发。 分发：云，AI/ML功能以及日益强大的API和软件开发工具包（SDK）的采用正在扩大用户群以及数据工程师，GIS专家和主题专家之外的应用程序。 应用：现在，在农业，保险，气候市场和增强现实等数万亿美元的全球行业中，似乎建立了无数的风险投资规模的企业，其市场潜力与iPhone首次嵌入GPS时的基于位置的服务相似。 NASA在1960年代开始开发观测技术，以更好地了解我们的地球（遥感）。 Landsat1于1972年发射。 所得到的数据被证明能够服务于一系列应用，包括农业、林业、测绘、地质、水文、沿海资源， 和环境监测。大约在同一时间，地理信息系统（GIS）Esri成为第一家将地图信息数字化用于商业用途的公司。这种早期形式的定量和计算地理学使用户能够看到使用大型地理空间数据集的承诺，以了解事情发生的地方（模式，集群，热点），为什么它们 发生，它们何时发生（位置决定），以及事物应该位于何处（优化）。 地理信息系统(GIS)。(来源:纽伯格市) 作为这项技术的结果，与建立了地理空间数据：数据作为层(栅格和矢量)，其中每一层可以堆叠在另一层的顶部和分析可以在任何级别进行。 然后，在1990年代和2000年代，计算基础设施的重大进步使技术创新改变了地图。尽管仍需要领域知识来与地理空间数据进行交互，但有三项技术创新解锁了前所未有的功能：1）GPU发布并成为渲染复杂多维场景的标准，2）API在开发人员中获得了服务和请求所有类型数据的吸引力，3）互联网获得了吸引力，这让现代消费者了解了网络地图（导航）的优势和便利性。在1990年代，ItrisicGraphics的一组工程师在不知不觉中开发了GoogleEarth背后的核心技术；用于视频游戏的3D图形库。在首次演示发布后不久，该团队创建了一家名为Keyhole的公司，以改进产品堆栈，以流式传输带有卫星图像和航空照片的交互式3D地图。4然后，在2004年，谷歌收购了Keyhole，当时成立三年的数字地图软件公司。5,6从历史上看，Keyhole主要用于防御；此次收购扩大了Google的商业用途（包括广告）。 如今，小型卫星和商用现成组件的使用已经使捕获更具成本效益全球范围内的及时地理空间数据。 云，边缘计算，AI/ML功能以及日益强大的地理空间API和SDK的采用使地理空间智能的好处更容易获得。开发人员没有 更长时间需要成为图像捕获、数据处理或对象检测方面的专家，而可以专注于构建针对独特客户需求的专用应用程序。对地理空间数据的需求正在通过市场进行量化，并用于告知未来将建立哪些传感器和平台。收集，处理和分析无尽地理空间数据的能力正在创造强大的新应用程序，这些应用程序有助于重塑整个行业的运作方式，并改变我们与地球的关系。 Contents GEOINT剧本 尾注54 基础设施 我们将基础设施称为构建和捕获地理空间数据的硬件和软件。 基础设施 原则上，这包括可感知来自物理环境的输入的连接设备网络（从卫星到智能手机的传感器）。这些信息为了解我们的世界奠定了基础，从人员和货物的流动到农作物的健康以及天气的变化。 关键收益 如今，各种地理空间平台在不同的高度捕获数据，受益于低成本组件，商品化存储/ 计算以及数十年的GIS产品开发。 地面站和边缘即服务从根本上改变了地理空间解决方案的构建方式，并提供更及时、可操作的数据。 地理空间公司的下一个演变将看起来和感觉更像是开发人员工具和专注于计算和AI/ML的深度技术公司。 60多年来，通过地图和报告可视化信息的地理空间产品为了解我们的物理世界提供了强大的工具。卫星将现代地图从静态近似转换为地球及其活动的动态反射。在2010年代初期，小型卫星和商用现成组件的使用使及时捕获地理空间数据更具成本效益。然而,下行链路带宽是有限的并且非常昂贵,延迟是相当大的,并且计算机存储器。 andprocessingpowerwerecharacte.Further,therewerenocommonfileformatsthatdeterminedhowdatashouldbemanaged. Verticalizedsolutionswerebuilttoaddressthegapsinframeworkandsharedinfrastructure.This 碎片化源于地理空间智能及其构建者从未打算将其系统互操作的事实。相反，该技术旨在提供封闭的解决方案，具有受控的经济性，服务高价值客户的一小部分。现在，随着数据收集的快速增长以及高度专业化的处理和分析功能消除了采用障碍，这种情况正在发生变化。 全球规模的数据 基础设施 全球规模的数据 1960年代，NASA开始开发观测技术，专注于为技术发展提供信息所需的基础科学测量。Landsat星座始于1972年Landsat1的发射，并一直持续到今天，提供了世界上最长的连续获取的天基陆地遥感数据收集。7同样，自2014年以来，欧洲航天局发射了Sentinel任务 ，包括两颗遥感卫星，包括雷达和超光谱成像。 尽管它是作为一项研究活动而发起的，但Ladsat系统的数据很快证明能够为农业，林业，制图，地质学，水文学，沿海资源和环境监测等一系列应用提供服务。虽然Ladsat的商业化努力在20世纪90年代中期被放弃，但基础数据被许多企业、政府和科学组织利用。最近的研究估计，2017年Ladsat档案产生的年度经济价值约为35亿美元，高于2011年的22亿美元。8这些天基遥感平台的发展为新平台的出现和融入地理空间堆栈奠定了基础。 卫星 1957年至2021年活跃卫星数量 地球观测数据立方体 (来源:乔纳森·C·麦克道尔) (来源:联合国) 在过去十年中，发射的卫星数量和类型呈指数级增长。实际上，截至2021年4月，在轨共有971颗遥感卫星，在短短3年内增长了42％。9全球卫星地球观测（EO）市场在2021年价值36亿美元，预计到2030年将达到79亿美元。10这种快速增长是由启动服务和计算的商品化推动的，这些服务和计算降低了新数据提供商的进入门槛。 基础设施 几千公斤，大到一个校车11 从历史上看，发射成本一直是进入太空的主要障碍。卫星可以称重 全球规模的数据 NASA的航天飞机以每公斤54,000美元的价格发射到低地球轨道（LEO）的成本为15亿美元，在1970年至2010年之间，向太空发射一公斤的成本平均约为18,500美元。12SpaceX通过垂直整合生产以降低成本，通过透明定价迫使竞争，并成功实现部分可重用性，从而将发射成本降低了近19倍。13今天，SpaceXFalcon9Block5火箭耗资6200万美元，以每公斤2500美元的价格向LEO发射，14而猎鹰重型飞机的成本平均在1400美元左右。15SpaceX的Starship旨在成为世界上最大且唯一可完全重复使用的运载火箭，这将进一步降低LEO的发射成本至每公斤10至20美元。16这使发射卫星的价格更便宜，并吸引了新进入者。 处理能力是利用卫星捕获的复杂数据的另一个关键障碍。1971年，英特尔发布了第一个完整的通用中央处理器（CPU），以帮助推动集成电子产品的发展。CPU负责计算机的主要功能，包括输入，处理，数据存储和输出。除了处理关键功能外，他们还负责渲染图形。然而 ，对更高性能渲染能力的兴趣驱使工程师开发图形处理单元（GPU）。1999年，NVIDIA推出了第一个广泛可用的GPU，其中包括一个能够每秒处理1000万个多边形的渲染引擎；几年后，这个数字增加到每秒380亿。17GPU的体系结构使性能的这一步变化成为可能-而CPU则按顺序处理作业（更好地 calculation)aGPU并行化作业(更擅长渲染)。2009年,研究人员发现了GPU在构建和训练机器学习应用程序方面的承诺。这导致了GPU “通过向组合中添加CUDA驱动的GPU，我们能够将处理能力提高250倍。这将从一项不可能完成的任务中查看10年的观测数据，并将其转变为一周即可完成的任务。” BrianFurtaw，高级数据科学家，专注于NVIDIAML/AI程序的GPU硬件和软件解决方案 加速计算的新范式,使大型复杂数据集实时可用。 与GPU相似，专用集成电路（ASIC）近年来获得了牵引力。这些芯片设计应用硬件和计算配置 解决特定问题。一个众所周知的例子是Google的张量处理单元(TPU)，这是一种专用集成电路，旨在加速机器学习工作负载。TPU 在训练大型复杂神经网络时，通过最小化精确时间来加速线性代数计算的性能；训练模型需要数周，以小时为单位。18大多数ASIC都专注于超速 随着硬件的发展，以满足应用程序开发的需求，并更好地实现机器学习和深度学习工作流程。芯片组级别的进步不仅可以捕获更多的地理空间数据，还可以从中获得见解。 矩阵操作上的GPU与CPU “NVIDIA的平台正在为从模拟到设计和运营到在轨资产管理的一(来源切:Q提ubo供le)动力。 处理的变化也影响了消费电子产品，提供了更小、更强G大eo的ff智rey能L手ev机in，e，并全最球终人改工变智了能卫倡星议的和建全造球方总监式公。共自部20门1国0年防代、初气以候来行，动卫和星空工间程师开始采用一种新方法，即使用用于汽车，手机和其他消费，电N子V产ID品IA的精益，低成本和高度集成的组件来开发小型且具有成本效益的卫星。这为使用商用现货组件（COTS）从更大的技术供应商那里创建标准化的卫星总线提供了可能性，从而大大减少了开发的时间和成本。这些变化使新的卫星公司能够尝试最先进的系统，尽早降低技术挑战的风险，以更少的支出增加迭代次数，并随着星座的建立而实现增量收入。 2009年成立的SkyboxImaging是这些趋势融合的早期例子。该公司着手建立在低地球轨道（LEO）上飞行的卫星舰队。该团队认识到大型卫星开发周期长的严重缺点，并试图通过组装现成的零件和应用快速迭代工程来构建更便宜，更快的解决方案。19SpaceCapital管理合伙人TomIgersoll被引入领导公司，并证明了这种方法的技术可行性。该团队于2013年11月发射了他们的第一颗卫星，Sybox成为最早的商业