您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[世界经济论坛]:描绘地球观测的未来:气候智能的技术创新 - 发现报告

描绘地球观测的未来:气候智能的技术创新

AI智能总结
查看更多
描绘地球观测的未来:气候智能的技术创新

与麻省理工学院媒体实验室合作 绘制地球观测未来图景 :气候变化情报技术革新 2024年9月白皮书 GettyImages图片: 目录 前言3 执行摘要4 引言5 1字节到洞察6 1.1在感知能力方面实现更高的分辨率和多元化。6 1.2将EO数据处理时间减少,以实现接近实时的气候响应。8 1.3小型和大型地球观测卫星的并行进化10 2新时代气候预测,以适应和韧性为目标12 3民主化气候洞察15结论18 贡献者19 脚注20 免责声明 本文件由世界经济论坛发布,作为对项目、洞察领域或互动的贡献。其中表达的研究发现、解释和结论是世界经济论坛协助和认可的协作过程的结果,但其结果并不一定代表世界经济论坛的观点 ,也不代表其全体成员、合作伙伴或其他利益相关者的观点。 ©2024世界经济论坛。保留所有权利 。本出版物任何部分不得以任何形式或任何手段进行复制或传播,包括影印和录音,或通过任何信息存储和检索系统 。 九月2024 绘制地球观测的未来:技术创新以提升气候智能 序言 塞巴斯蒂安·巴克普 头部,网络与合作伙伴关系 ;世界经济论坛执行委员会成员 达瓦·纽曼 主任,麻省理工学院媒体实验室;麻省理工学院阿波罗计划宇航学教授 随着气温的升高、天气事件的日益严重以及前所未有的温室气体排放水平,世界正站在一个十字路口。科学共识强调,采取立即措施是减轻气候变化最严重影响的必要手段。在这个新的范式下 ,地球观测(EO)技术和创新正在引领气候智能的新时代,提供了前所未有的见解和解决方案,以应对这些紧迫的挑战。最近的EO创新,加上协同技术的增长(增强彼此有效性的技术),正在消除大规模有效使用EO的障碍。今天的变革性技术,包括先进的卫星传感器、算法和人工智能(AI ),正在证明是我们需要的“推动者”,拓宽了我们对我们不断变化的环境的理解。同时,许多国家发射额外的EO卫星——以及越来越多的私营部门EO数据提供商——扩大了图像和数据的获取。 可观测的测量来自具有最高重访周期的卫星(访问特定地理区域的卫星频率更高)。因此,这提供了更多与气候变化各种元素相关的详细遥感数据。 这份由麻省理工学院(MIT)媒体实验室共同撰写的白皮书,突出了遥感技术在气候智能和预测方面的变革潜力。通过结合MIT媒体实验室的研究能力和世界经济论坛的全球平台,该报告确定了加速处理和分析卫星遥感数据的科技通道,以提供无与伦比的气候变化洞察。白皮书还强调了获取和包容性气候洞察的必要性,特别是对于最易受气候变化影响的社区。我们希望这份出版物将成为解决气候变化紧迫挑战的遥感技术通道的有价值资源。 管理摘要 地球观测技术和高级数据处理正在革命性地改变气候智能,为积极主动的行动提供了前所未有的洞察。 系统性挑战历史性地阻止了环境观测(EO)数据被完全整合到气候解决方案中,这主要是由于数据量大且复杂。卫星和传感器技术的快速进步正在解决这些系统性问题,同时伴随着新的人工智能(AI)算法、机器学习(ML)技术和高级数据可视化平台。这些协同技术使得几乎实时的处理大量数据成为可能,仅需几分钟就将原始卫星图像转化为可操作的气候洞察。这些进步的驱动因素包括: 各国及中小企业(SMEs)自行发射卫星,增加可公开获取的地球观测(EO)数据量。与此同时 ,更大、更复杂的卫星平台的发展也在增加。这些平台可以搭载更大的传感器仪器和电源设施,以满足对可靠且连续的地球观测数据传输日益增长的需求。 :气候 基于机器学习和基础模型的高分辨率气候预测模型正在将气候和天气预报模型的分辨率提高十二倍。这些增强的天气预报帮助社区和政策制定者制定有针对性的缓解和适应策略,以改 比以往任何时候都善更气多候见韧解性性。数据 最近卫星遥感传感器的进步推动了全球覆盖范围 、分辨率、准确性的提升以及更广泛的可观测测 量。这使得对更大区域的土地进行监测以及更频繁的重访成为可能。这些进步有助于在传统上难以详细测绘的区域检测和分析与气候相关的事件 。 数据 上下文数据为终端用户通过增强现实(AR)和虚拟现实(VR)的需求提供了沉浸式体验,将复杂的地球观测(EO)数据集转化为交互式模型,帮助用户理解数据,并通过直观的视觉洞察提高决策质量。数字孪生通过高级分析、机器学习(ML)和人工智能(AI)分析来自多个来源 的数据,并模拟复杂的“如果这样会怎样”情景。 前所未有的数这据些处直理观速技度术使用户能够以符合他们需求的方式 高级人工智能和机器学习算法能够实现更详细的气候影响评估(例如在灾后管理中使用的评估) ,只需数小时或数分钟。使用传统模型或现场检查时,这项任务可能需要数周时间。基于现有数据的气候机器学习模型可以在大约1000倍的速度下产生相同的预测。这些数据处理速度的提高使得及时决策成为可能,这在需要实时或接近实时的洞察力的情况下尤为重要,例如快速变化的天气条件。 :EO 大型和小型地球观测卫星系统在两个对立的前沿取得了进步。小型卫星的兴起和地球观测传感器技术的微型化使得更多 更有效地探索和解读气候数据。 关键下一步包括 –扩大气候脆弱社区对地球观测数据的访问权限–投资于技术管道以推动地球观测数据衍生气候洞察力的进一步创新–将地球观测数据整合到决策支持系统和气候政策中,以实现信息化的、可操作的以及可问责的气候战略–促进跨行业合作 引言 整合互补技术与卫星遥感,将复杂数据转化为可操作的气候洞察。 到2032年,卫星遥感预计将累计产生超过2艾字节的数据。 自1980年以来,美国经历了391场天气灾难,造成了超过2755兆美元的损失。1 包括严重的风暴、飓风、洪水和野火。世界气象 组织(WMO)估计,全球社会经济从天气预报中获得的效益每年不少于1580亿美元。2 地球观测(EO)对于监测和应对这些气候挑战至关重要。它涉及使用遥感技术和现场数据方法,从一系列传感器和来源收集地球的物理、化学、生物和人类系统数据。遥感数据通过卫星、有人驾驶飞机、高空平台站(HAPS)和无人机等平台获取。相反,现场数据是通过配备GPS的设备、物联网(IoT)传感器以及各种由人类操作或自动化的测量方法收集的。虽然其他遥感技术(如无人机和HAPs)很有价值,但超过50%的基本气候变量(ECVs)只能从太空中有效测量。因此,卫星地球观测在全局覆盖、可扩展性、持久性和连续且定期的监测方面提供了无与伦比的优势。 气候变化情报指的是收集、分析和应用关于地球系统的历史、当前和预测性数据以管理气候风险和减轻气候影响。在卫星地球观测技术领域的下一代技术管线中,结合人工智能(AI)、机器学习 (ML)和深度学习(DL)等协同技术,正在为将大量数据转化为实际可行的气候洞察力奠定基础 。通过使关键气候数据获得更广泛的可访问性,这些技术促进了政府、私营部门和民间社会组织进行明智的决策。这种访问权限对于国内外应对气候变化至关重要,为未来的到来做准备,届时地球观测数据的全部潜力可以被用于气候变化情报。 到2032年,卫星遥感预计将累计产生高达2艾字节 (20亿吉字节)的数据,占预测期间空间应用部分总数据量的约86%。3然而,卫星遥感数据在管理气候变化影响方面的潜力尚未得到充分利用。这部分原因是大型卫星遥感数据集固有的复杂性,这些数据集需要大量处理和分析才能将数据转化为可操作的气候洞察,以及需要持续的技术培训的专家和其他人员。这种复杂性可能会限制其可访问性和及时性,降低气候和灾害响应应用的有效性。 在航天工业领域,如改进的传感器和卫星边缘计算等技术的进步,正在通过更高的空间和时间分辨率以及近实时气候相关灾害洞察的机载处理能力来增强地球观测(EO)。地球观测卫星的趋势正以两种截然不同的方式演变:首先,新进入者越来越多地发射具有EO能力的较小卫星。这是由于发射成本的降低,许多具有新兴航天能力和中小企业(SMEs)的门槛降低。其次,存在一种发展具有先进和复杂EO传感器的较大卫星的趋势 。 在平行进行中,协同技术的发展也在为高级数据处理、分析、可视化以及气候洞察的沟通奠定基础。人工智能与这些技术的进一步整合正在以前所未有的速度和规模提升数据处理能力。数字孪生的扩展开发,用于生成和测试各种气候情景,沉浸式AR/VR数据决策平台和数据立方,使用户能够根据他们的具体需求和请求,对地球观测数据(EO)进行情境化和定制。此外,通过这些平台融合卫星地球观测(EO)和实地数据的能力,有助于支持从全球到地方层面的准备和应对工作 。 1 字节到洞察 革命性地利用先进的遥感技术,为灾害响应与管理提供实时气候智能。 实时跟踪气候相关事件的工具可以监测天气条件的变化,并有助于预测灾害的路径。在灾害响应情况下,准确且快速的数据分析对于及时决策至关重要, EO数据随时间推移而价值下降。然而,新兴技术创新正在推动新的机会,以提供EO启用近实时气候相关灾害洞察。 1.1增强的分辨率和多样化的传感能力 卫星具有高分辨率和多样化的感测能力,更能精确地检测和监测与气候相关的灾难。例如,在森林火灾场景中,能够每几个小时(或更少)利用卫星在高分辨率下检测到新火和热点,大大提升了灾祸响应效率,并为一线应急人员提供了更好的操作指导。 技术管线:卫星遥感传感器技术的最新进展 地球成像卫星进入超低地球轨道。该公司打算提供高分辨率的光电卫星图像(10厘米)和热成像 (2米)。这意味着光电图像中的每个像素代表地面上10x10厘米的区域,提供以前只有从飞机或保密侦察卫星才能获得的细节水平。5南非和比利时基于EO光成像解决方案的公司SimeraSense在2024年筹集了1500万美元,以加快更高分辨率和先进短波红外相机产品的开发,以满足EO卫星制造商不断增长的需求。6 受快速扩张的市场机遇、潜在客户和应用的增多驱动,预计到2030年,EO的经济价值将超过7000亿美元。4 这种对数据需求的增加推动了卫星技术的进步(例 如,提高遥感卫星传感器的时空和光谱分辨率),从而使得对环境变化的监测和分析以及野火、洪水和干旱等灾害的检测和记录更加完善。 基于Landsat计划的成功,NASA也在扩展其地球观测卫星的传感器阵列。LandsatNext任务,计划于2030年发射,旨在收集所有26个“超光谱”波段 ,比之前Landsat任务的11个“多光谱”波段更多。多光谱卫星影像通常捕捉从可见光到非可见光的电磁谱的4-12个波段。超光谱影像将捕捉更多波段,从而实现更详细和精确的数据。LandsatNext 的超光谱波段将产生2-3倍的时空和光谱分辨率。7 技术创新助力气候智能制图:绘制地球观测的未来——第6部 2024年,卫星初创公司Albedo在早期投资(A-1轮融资)中筹集了总计9700万美元,用于建造和发射其首支由24颗高分辨率卫星组成的星座。 图1Landsat8/9与LandsatNext之间的光谱比较 利用LandsatNext将增加光谱覆盖范围,以支持新兴应用。 土地卫星8号和9号陆地卫星下一代 热频段10-11(TIR): 红外地表温度,作物用水蒸散量 云检测与 活跃的火灾/火山。 Bands22-26(TIR): 地表温度,作物用水量(蒸散量),矿物和表面组成 功能映射,云检测, 活跃的火灾/火山 短波6-7波段(短波红外): 红外植被 (输入生物质,)健康),土壤,和火灾区域 波段18-21(SWIR):土壤质量、作物管理及 残留物映射火灾疤痕 附近红外 9波段: cirrusclouddetection (有助于大气校正) 卷云检测波段17: 14-16波段:雪覆盖和冰雪融化 (液态水) 改进的大气校正 水蒸气,对于波段13: 波段5(近红外):植被指数 并且健康 波段11-12(近红外):植被指数 叶片面积、叶绿素、波段8-10:早期植物胁迫 可见光 波段1-4(RGB):天然颜色 水质,有害藻华 6-7频段: 8频段:全色性的 (15米分辨率) 带3-5:植被健康 第一波段:成像浅水区域 和珊瑚,以及追踪 尘埃/烟雾(气溶胶) 波段1-2:提高了气溶