中国工业报记者  孟凡君

“每次大灾发生的时候，都特别感受到快速的信息、及时的信息对于决策、对于指挥、对于应急、对于救助都是极其重要的。”北京师范大学副校长汪明表示。在全球变化和经济快速发展的背景下，各类地表突发事件（如自然灾害、安全事故、环境事故等）呈高发态势，损害和影响越来越大，其及时发现和预警已成为国家重大战略需求。

中国工程院院士、北京师范大学卫星应用前沿交叉研究院首席科学家王桥认为，突发性地表异常主要具有“随机性、聚变性、偶然性、隐蔽性、耦合性、多样性、连锁性、危害性”特征。同时，突发性地表异常卫星遥感面临“看不到、看不快、看不准”的困境。

5月9日，在第一届即时遥感国际研讨会上，中国科学院院士、武汉大学教授龚健雄认为，随着卫星空间分辨率和重访能力的迅速跃升及凝视型、视频型卫星技术的发展，催生了普查、详查、监测之外的一种动态能力更高的应用，即动态监视。他说，静止轨道监测卫星使用可折叠伸展的光学薄膜，在轨道上展开作为卫星光学系统的物镜，满足静止轨道高分辨率成像苛刻要求，一次可覆盖40%的地表区域，能够在任何时间传输世界上任何地点的实时高清影像。

时空智能存在“即时感知”的难点

突发性地表异常就是在自然或人为因素等作用下，地表在短时间内发生的显著偏离常态的变化。当前，我国已部署了包括国家自然科学基金重大项目、重点研发项目等在内的一批科研项目开展系统攻关，以解决和突破地表突发事件遥感探测“看不到、看不清、看不快”技术难题。经过近几年的不懈探索，我国在即时遥感星簇构建、即时遥感探测机理、在轨即时处理、地表突发事件即时发现与诊断等研究方面取得了一系列突破性进展。

事实上，具有大范围空间探测能力的卫星遥感是地表突发事件探测的最有效方法，但传统卫星遥感受任务链条长，处理过程复杂、智能化水平低等限制，很难满足弱信号、强随机性的突发性地表异常事件即时探测的需要。因此，亟需发展即时遥感与智能处理技术，这不仅成为国内外遥感学界的共识，也引起减灾、国土、环境、气象、海洋、农业、林业等诸多领域的高度重视。

我国遥感学科专业已经发展到了未知域、无人引领区，具备了广域扩展、时空连续、跨界泛在，时空智能技术渗透到广泛遥感场景，但时空智能存在“即时感知”的难点。解放军信息工程大学专业技术一级教授张永生认为，遥感测绘地理空间作业，随着需求变化快速转型，既面临AI路径的选择，也面临AI对测绘遥感地理空间核心技术冲击的挑战，要重点关注从“感”到“知”、从“即时探测”到“实时重建-服务执行”。

龚健雄分析，动态监视型对地观测卫星目标监视与跟踪，需要解决四个关键技术：一是大规模高中低轨卫星联合监视，实现重要目标连续不间断监视与跟踪。二是信息的实时获取与传输，从获取信息到终端时间要小于分钟级。三是影像高精度自主定位，目标影像的实时自主定位精度达到3-5米。四是在轨目标自动识别，采用人工智能方法，目标在轨识别精度达到95%以上。

对地观测卫星到了“井喷式”发展阶段

我国遥感应用经历了对地理要素与目标的普查、详查，资源环境与土地变化监测，已开始发展到对态势与目标的监视。龚健雄表示，对地观测卫星到了“井喷式”发展阶段，为我国进行态势与目标监视奠定了基础。但是，从遥感静态观测到动态监视，特别是对动目标监视还有大量课题需要研究，需要统筹军民卫星资源，构建天基实时监测系统。“AI赋能即时遥感，可借助AI强大的自主学习、协同推理与高效计算能力，实现突发性地表异常的即时遥感。”王桥认为。

王桥介绍，针对突发性地表异常卫星遥感“看不到”问题，AI赋能星上实时分析+星地按需传输，算法、算力和体制自适应协同，推动突发性地表异常遥感监测从“被动成像”走向“主动发现”。针对突发性地表异常卫星遥感“看不快”问题，AI重塑“采集-传输-后处理”的被动、滞后监测模式，推动突发性地表异常遥感监测从“天或小时”跃升到“分钟”级。针对突发性地表异常卫星遥感“看不准”问题，AI建立“即采-即感-即知”的主动、智能感知闭环，推动突发性地表异常遥感监测从一般性模式识别转变为精准捕捉。

即时遥感分钟级任务闭环的遥感监测将滞后、低效的地表异常遥感提升到实时、高效的地表异常遥感。但是目前，AI赋能即时遥感面临的挑战：一是星载边缘资源受限与实时处理能力的硬约束。二是弱信号、多模态AI模型的泛化与稳健性“瓶颈”。三是AI模型可解释性缺失与物理因果推理的断层。“AI赋能即时遥感发展前景：一是响应时效：分钟级异常监测到秒级风险预判。二是探测能力：已知强信号覆盖到未知弱信号挖掘。三是决策闭环：单一报警输出到自主应急智能体。”王桥表示。

遥感智能解译模型复杂，参数量越来越大（大模型），但是边缘端如卫星、无人机等算力资源极度受限（弱终端），形成巨大的“剪刀差”。中国科学院院士、中国科学院空天信息创新研究院研究员张兵认为，传统监测模式下，很多瞬时事件由于“看不见、传不回”错失发现“精致的过程”良机，而多模态实时处理技术是实现筛选、协同、反应，捕捉事件过程演变机理观测新范式。