面向星群的遥感影像智能服务关键问题

zhangjie2026

关键词：星群    智能服务    任务本体描述    任务规划    在轨处理  

对地观测卫星在提高遥感信息自主获取能力，把握全球经济、资源、环境、社会发展态势等方面具有重要作用[1]。高精度实时智能的遥感信息是保障国家安全、服务国民经济的关键核心技术，是世界各国竞相抢占的科技战略制高点。近10年来，我国遥感卫星实现了从“有”到“好”的跨越式发展，逐步实现了业务化、商业化和国际出口[2-3]。2010—2020年高分辨率对地观测系统重大专项的实施，更是加快了我国对地观测卫星的发展[4]，该系统将与其他观测手段结合，具备全天候、全天时、全球覆盖的对地观测能力。

美国忧思科学家联盟(The Union of Concerned Scientists，UCS)2022年1月1日更新的数据显示，目前绕地球运行的卫星共计4852颗，美国占2944颗，俄罗斯占169颗，我国占499颗，其中我国对地观测卫星共计264颗，通信卫星共计61颗，导航卫星共计49颗，其他用途卫星共计125颗，我国已成为全球卫星发射数量排名第二的国家。

卫星数量和种类的增多在使遥感应用得到快速发展的同时，也面临着许多的问题[5]。目前，大多数卫星存在着“空转”和“过多获取无用数据”的问题，造成了卫星资源、传输、计算和存储资源的浪费。除此之外，我国现有的通信、导航、遥感卫星系统各成体系，且遥感卫星的单星应用和服务模式在运控、接收、处理和应用环节独立工作，数据处理及信息获取链路长，导致服务滞后、系统响应慢，难以满足分钟级甚至秒级信息获取需求[6-8]。为了进一步促进全天时、全天候和全球的遥感信息近实时智能服务的发展，未来亟须结合各类卫星观测和服务能力，通过星群组网的方式提高数据的获取和服务效率，从而满足更短的重访周期、更大范围的观测覆盖范围以及基于特定任务目标需求的快速响应、持续动态监测等数据获取需求。

卫星星群是在轨且能正常工作的卫星的集合，通常由一些卫星按一定的方式配置而成[9]。相较于传统的单星服务模式而言，星群卫星载荷种类多、高低轨道跨度广、应用场景复杂度高、服务模式更加复杂化。近年来，国内外商业遥感公司逐步部署起了卫星星座，期望通过星座组网的方式实现对全球区域的遥感信息快速获取，但现阶段的卫星星座服务模式仅是在数据获取方面实现了协同观测，处理和服务模式仍采用传统方法，智能化水平低，无法最大程度发挥在轨卫星的协同价值，满足大众化、高时效的服务需求，亟须协同多样化在轨星群资源，研究面向星群的遥感影像智能服务方法，实现对地观测卫星到对地观测脑的转变[10-12]。

本文针对遥感星群卫星体系特点和对地观测用户需求特征，开展面向星群的遥感影像智能服务关键问题研究，提出了面向任务的全球多尺度动态任务本体描述模型，统筹全球动静态的任务语义描述，在此基础上重点分析面向星群的自主任务管理、精准动态任务规划和智能处理等关键技术。首先，构建多尺度动态任务本体描述模型，有效分析和管理对地观测任务需求；然后，协同规划高、低轨遥感卫星资源，实现任务需求和卫星资源的合理配置，获取更多高价值的对地观测数据，减少资源浪费；最后，在智能规划的基础上结合协同计算平台、协同在轨处理、终端请求与服务等技术形成星群智能服务体系，推动自主化和智能化的近实时星群智能服务，为全天时、全天候和全球的遥感信息近实时智能服务奠定基础。

1 单星到星群的发展现状及趋势

随着卫星性能不断提高，对地观测由传统的单星模式发展为轻小型卫星组网模式[13]。早期的卫星星群主要用于导航定位和全球通信方面。随着卫星的小型化、批量化发展，卫星星群在对地观测方面的应用开始被发展起来[14]。

国外关于对地观测卫星星座的研究起步较早，现已逐步进入卫星星座稳定运行阶段。如美国Planet公司于2013—2020年间构建了高时频成像对地观测小卫星星座SkySat，主要用于获取时序图像，制作视频产品，并服务于高分辨率遥感大数据应用[15]，该星座目前已经发射21颗卫星，是世界上卫星数量最多的亚米级高分辨率卫星星座。除此之外，Planet公司还部署了Flock对地观测星座，可提供3~5 m分辨率的图像，能够获取连续的对地观测数据[16]。美国的DigitalGlobe和SpaceX于2020年宣布共同合作WorldView Legion星座，拟采用6颗卫星组网观测，在需求最大的地球区域内获取更多的影像[17]。法国的AirBus公司也在开始部署Pleiades-Neo星座，并于2020—2021年间发射了4颗光学对地观测卫星，该星座可直接访问欧洲数据中继通信系统，可实现每天高达40 TB的数据传输。日本的多家新型商业公司也部署了相应的光学、雷达、气象小卫星星座。如日本Axelspace公司的灰鹤(GRUS)对地观测卫星星座，日本Synspective公司的StriX雷达卫星星座[17]。2021年美国商业航天公司Albedo获准研发10 cm遥感卫星，未来航天遥感将进入10 cm空间分辨率时代，遥感影像精准处理与智能服务的需求更加迫切[18]。

随着高分辨率对地观测系统重大专项的实施，我国对地观测卫星也有了快速的发展。近年来，国内一些商业遥感公司也相继部署起了对地观测卫星星座。如中国四维测绘技术有限公司于2016年开始部署高景一号卫星星座[19]，目前已完成第一阶段的4颗光学小卫星发射，星座部署完成后，期望能够实现国内十大城市1天覆盖1次的能力。长光卫星技术有限公司部署了吉林一号光学遥感卫星星座[20]，截至2021年9月，共有30颗卫星在轨运行，预计2025年前后，可完成138颗卫星组网观测，具备全球任意地点10 min内重访能力。21世纪空间技术应用股份有限公司于2015年发射了北京二号卫星星座[21]，2021年发射了北京三号卫星，并将与北京二号系统协同工作，提高我国高分辨率遥感卫星数据的供给能力。除此之外，珠海欧比特宇航科技股份有限公司部署了珠海一号卫星星座[22]，该星座将由34颗卫星组成，包括视频卫星、高光谱卫星、雷达卫星、高分光学卫星和红外卫星，期望能够构成一个高时空分辨率的遥感微纳卫星星座，可全天时、全天候、无障碍地获取遥感数据。

对地观测卫星星座的发展可分为概念提出、大规模部署、稳定运行三个阶段[16]。国外现已逐步进入卫星星座稳定运行阶段，国内方面相对而言起步较晚，且现阶段部署的卫星星座服务模式仅是在数据获取方面实现了协同观测，处理和服务模式仍采用传统方法，智能化水平低，无法最大程度发挥在轨卫星的协同价值，满足大众化、高时效的服务需求。随着对地观测卫星的发展，基于星座的遥感影像智能服务逐渐成为遥感领域竞争的热点和太空经济新的增长点[23]，因此，在进行星座部署和运行的同时，还需结合在轨处理、星地星间链路传输、终端接收、5G/6G等技术，实现卫星星座的智能化服务。

2 面向星群的智能服务体系

为了提升卫星星群的在轨测控、运控管理效能，构建面向星群的智能服务体系，保障卫星星群任务正常完成。面向星群的智能服务体系主要思路是结合对地观测目标特征构建多尺度动态任务本体描述模型，依据多尺度动态任务本体描述模型中对地观测常规需求和实时变化的用户需求进行面向星群的智能任务规划，依据规划方案开展在轨处理、星地星间链路传输和终端分发等智能服务。

面向星群的遥感影像智能服务能够集任务描述、任务管控、任务规划、在轨处理、终端分发为一体。以多尺度动态任务本体描述模型为驱动，对任务进行统一管理和自主生成，通过将用户应用反馈到任务管理环节来不断更新对地观测任务需求分析，完善用户服务体系，实现卫星资源的最大化利用。充分利用对地观测卫星星群中各类卫星资源的优势，通过中高轨预警发现，低轨确认、识别和跟踪的方式，兼得任务的时间和空间分辨率。星群中的每颗卫星一星多用多功能设计，卫星集观测、处理和传输功能于一体，每颗卫星既是任务观测节点，同时也是计算单元和数据传输节点，通过一星多用、多星协同的方式星群内部可以组成观测网、处理网和传输网，与卫星通信网集成实现对全球范围遥感信息的实时智能服务。

面向星群的遥感影像智能服务能够有效提高突发事件的动态应急响应速度和效率，通过星地联动的方式，实现遥感信息的时空连续服务。图 1为面向星群的智能服务体系架构，其主要流程如下：首先，需要结合对地观测目标特征和用户对目标的需求特点构建包含静态地物、动态地物和时间变化因素的多尺度动态任务本体描述模型，实现对全球地物信息的统一描述与管理。然后，依据高时间分辨率的中高轨卫星对热点区域进行全天时观测，当探测到应急目标时，经在轨处理提取应急区域信息；多尺度动态任务本体描述模型依据提取的应急区域位置、类型等信息快速匹配灾害类型，生成合适的专业应急目标；低轨高分辨率卫星针对应急目标进行协同任务规划，并依据指令进行多种模式的图像、视频数据获取，通过星间数据传输，实现多源数据在轨处理、信息提取、数据压缩等处理，生成满足需求的数据产品。最后，通过对地观测卫星之间的传输能力，或借助通信卫星的传输能力，实现数据和产品的及时下传。地面用户可通过手机、平板等设备直接下载和查看灾区变化情况，为下一步的决策提供依据。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

图 1 面向星群的智能服务体系

Fig. 1 Constellation-oriented intelligent service system   

3 面向星群的遥感影像智能服务关键问题

遥感系统是新型基础设施的重要组成部分，未来民用商业航天将进入10 cm空间分辨率卫星遥感竞争时代，使得高分辨率卫星遥感影像精准处理与智能服务的需求更加迫切。根据智能服务体系特点，将面向星群的遥感影像智能服务分为多尺度动态任务本体描述模型构建、星群资源任务协同精准动态规划和面向星群的协同智能处理3个关键问题来进行研究。其中多尺度动态任务本体描述模型构建为智能服务提供了基础目标数据库，使得服务体系以任务为驱动，实现对地观测目标的自主管理，是智能服务的前提；星群的任务规划能够实现任务需求和卫星资源的合理配置，最大限度地发挥星群资源的优势，获取更多高价值的遥感数据；面向星群的协同智能处理是实现智能化的关键，通过在轨处理、压缩、传输、分发等流程，能够实现遥感信息的近实时服务。

3.1

多尺度动态任务本体描述模型构建

多尺度动态任务本体描述模型的构建使得卫星规划有据可依，是卫星自主规划和智能服务的前提。该模型以对地观测任务为驱动，模型构建的基本思路是通过对全球不同地物进行分析，充分了解对地观测目标的特征及用户对遥感数据的需求特点，形成多尺度动态任务本体描述模型，同时依据地物特性和用户偏好为不同任务赋予不同程度的优先级，从而实现对全球任务的统一描述。

多尺度动态任务本体描述模型主要有两大优势。一是统筹全球动静态的任务语义描述，为星群规划提供一个基础数据库，让卫星在没有用户目标的时段内，也可对该基础数据库中优先级较高的目标进行数据获取，解决卫星在无用户需求时“空转”和“过多获取无用数据”造成的卫星、存储、计算等资源浪费的问题，实现对卫星资源最大程度的利用。二是实现不同类型任务的统一描述，能够依据少量的普通用户需求对任务进行分析，快速推断出满足用户需求的专业遥感信息，解决大众用户在提交任务需求时“不知道获取什么类型数据”和“不了解卫星传感器属性”等问题，最大限度地满足用户需求。除此之外，在星群资源协同规划的过程中，多尺度动态任务本体描述模型能够根据中高轨卫星实时发现的应急灾害位置和类型等少量信息，快速构建出匹配的周期性的高优先级应急任务，并经低轨高分辨率卫星协同观测，实现对应急区域的连续监测，提高应急事件的快速响应能力。

多尺度动态任务本体描述模型构建主要包括不同类型地物多尺度目标网格划分、静态地物遥感数据类型需求分析、动目标和应急目标遥感数据类型需求分析、基于时间变量的观测目标需求变化分析，在此基础上构建基于对地观测目标的多尺度动态语义网络模型，形成动态变化实时更新的对地观测目标库，实现对用户目标和对地观测目标的智能管理。多尺度动态任务本体描述模型主要分为3个层次，如图 2所示，其中L1为静态地物，其主要包括：①土地类型分类，不同类型地物对传感器类型、分辨率、幅宽等需求不同；②历史数据获取结果统计，依据历史数据获取位置信息对不同地区进行重要程度叠加作为任务优先级划分指标之一，同时分析历史数据利用信息，来对不同地区所需遥感数据类型进行分析；③历史灾害地区统计，统计历史发生重大灾害如森林火灾、地震等区域，作为重要观察对象。L2为动态目标，其主要包括：①历史动态目标数据获取结果统计，依据历史数据获取位置和数据利用情况，对易出现动态目标的地区进行分类管理；②统计移动目标如飞机、舰船、车辆可能出现的场所如机场、港口、重要航线、交通要道等地区进行分类管理。L3为时间变化因素，其主要包括：①分析季节、气候、云层变化对不同地区遥感数据应用的影响，如不同季节对研究植被遥感和森林遥感的影响、雨季对自然灾害的影响等情况，按照不同月份或不同季度的变化对语义网格的信息做出相应调整，包括变化地区对遥感数据需求变化情况、尺度划分大小变化情况等。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

图 2 多尺度动态任务本体描述模型构成Fig. 2 Composition diagram of multi-scale dynamic task ontology description model   

3.2

星群资源任务协同精准动态规划

卫星对地面目标进行观测主要是根据用户提出的请求结合星地资源现状，形成卫星观测任务执行方案，然后依据规划方案，利用卫星携带的传感器，对地球表面和低层大气进行观测，从而获取图像信息以供用户使用。为了得到更为优质的影像数据，研究人员从模型的构建和求解算法的改进方面对问题进行优化。例如通过云量信息的考虑，降低卫星影像的含云量；通过目标函数的设定，争取规划方案的最优化；通过求解算法的改进，找寻更为优质的解集。但是这些研究主要集中在模型构建和算法选择和优化方面，缺少高低轨卫星的协同利用，不能主动地发现观测目标[24]，无法满足星群环境下大众化的高时效服务需求。随着对地观测卫星能力的提高，髙轨和低轨卫星协同观测是未来的发展趋势。

对地观测遥感卫星在观测波段、空间分辨率、时间分辨率及成像模式等方面优势适应性各有不同，面对不同时空尺度的应用需求，需要相互之间协同观测，以充分发挥各自的优势，实现优势互补。高低轨卫星协同观测主要以中高轨卫星获取的目标信息为基础，指导低轨卫星进行观测。其技术路线如图 3所示，通过结合多尺度动态任务本体描述模型，构建星地联动时空兼容的星群智能任务规划方案，通过中高轨预警发现，低轨确认、识别和跟踪的方式，发挥不同类型星群资源的优势，兼顾任务的时间与空间分辨率，从而提高卫星利用效率，获取更多高价值的遥感信息。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

图 3 星群资源任务协同规划技术路线Fig. 3 Constellation resource task collaborative planning technical route   

面向星群的智能任务规划是一个复杂得多对多动态优化问题，通过分析卫星组网观测的时间周期、时间窗口、空间分辨率、波谱分布、侧摆角度等主要约束条件，发展并构建以综合效益为优化目标的约束满足模型和优化算法，提高卫星调度或侧摆计划实施的能力，最大限度地发挥中高轨和低轨对地观测卫星的优势，兼顾任务的时间与空间的分辨率，提高应急任务的响应能力。星群资源任务协同规划除了能够依据多尺度动态任务本体描述模型对任务进行智能管理与动态规划外，还需进一步以任务驱动为核心，通过位置感知和目标感知的方式，实现对研究区域的精准规划，减少冗余信息的获取，实现资源的最大化合理分配，避免卫星、存储、计算等资源的浪费，提高多任务快速规划的精度和效率。图 4为星群资源任务协同观测的示意图。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

图 4 星群资源任务协同观测

Fig. 4 Schematic diagram of collaborative observation of constellation resource tasks   

面向星群的智能任务规划在考虑星群对多目标复杂优化的同时，还要针对实时更新的用户任务对原有规划方案进行动态调整，大大增加了问题的难度。为了降低问题的复杂度，设计了一种新任务单独规划再合并的面向星群的任务规划方案。其主要思想是对新增的任务单独进行任务规划，然后将得到的新增任务规划方案与当前时刻原有规划方案中未执行的方案相合并，并按照综合效益最大化原则对具有时间冲突的任务进行选择，从而得到调整后的规划方案。这种方法将星群动态规划问题分解成多个规划问题，降低了问题的复杂度。同时仅对新增任务进行任务规划的思路，避免了对原有任务进行重复规划计算，提高了计算效率。面向星群的任务规划主要是对实时更新的用户目标和多尺度动态任务本体描述模型中基础目标数据库的目标协同进行规划，在保证用户目标优先规划的同时，按照基础数据库中目标优先级对基础目标进行规划。该规划方案能够在无用户目标时，依据分析的基础目标优先级对潜在价值目标进行协同规划，从而提高卫星资源利用效率，提高卫星任务规划智能化水平。

3.3

面向星群的协同智能处理

面向星群的协同智能处理就是在智能规划的基础上结合人工智能、5G/6G等技术，构建集遥感影像在轨处理、星地星间链路传输、遥感信息产品终端分发于一体的星群智能服务体系，使用户能够直接通过智能终端发布需求、查看进程、下载数据，为用户提供获取端到用户终端的快、准、灵的智能服务，同时高低轨卫星的协同观测与处理能够实现应急目标的自主监测与识别处理，为遥感信息的近实时大众、军事服务提供重要支撑。

3.3.1

协同计算平台

协同计算平台是将星座与分布式云计算相结合的新一代空间通信与计算基础设施，能够使用云计算的运维方式对星群的存储、计算资源进行调度与管理，进而实现多星的在轨协同计算。协同计算平台主要依托于天基进行存储与计算工作，将星群视作为一个具有原始数据集与分布式计算资源的算力云资源池，为用户提供更加实时的、面向地球空间全域范围的智能通信及计算服务。

协同计算平台的构建需要结合星群的动态网络拓扑架构，对传统云计算的虚拟化、软件定义、算力协同等技术做出优化升级，通过整合空间信息网络中在轨卫星存储/计算资源，以及星—星、星—地的互传网络资源，将整个卫星系统构建为一个可进行集中管理、调度的，具有原始数据集的算力云资源池。地面用户可根据自身需求，在该协同计算平台中部署自己的算法，利用卫星本地存储的数据执行在轨分析工作。通过软件定义的星上资源管理机制，提高星载计算资源利用效率，设计多星协同云计算框架，提高星群协同计算效能，部署轻量化深度学习网络平台，提高星群智能化处理能力，建立符合受限条件下星群计算特点的云计算架构，为星群智能分析与处理提供保障。

3.3.2

协同处理方法

多星/多源遥感影像在轨处理技术主要通过建立多星数据在轨分布式协同处理机制，通过充分利用遥感数据处理的各类智能算法资源，依据不同任务信息(地理位置、观测区域大小、目标类型)智能规划星地协同的数据处理模式与流程，实现自动化、智能化的多星协同处理，从而快速提供任务决策所需的高精度、高质量、高可靠空间决策支持信息。

针对光学卫星姿态和轨道数据时空离散、观测精度受限等问题，开展在轨实时高精度定轨和在轨实时高精度定姿方法研究。通过采用星地协同的方式将地面在轨几何定标参数经过上行链路上注到处理单元并进行使用，实现全色和多光谱遥感影像精密定姿、在轨几何定标，以及高精度定位解算，从而提高姿态、轨道时空离散观测数据实时处理精度。

针对SAR卫星数据地面处理延时大的问题，开展星载SAR在轨实时处理方法研究。结合编队小卫星干涉合成孔径雷达间基线测量信息，实现SAR干涉测量[25-26]。通过设计可重构、可容错、多模式兼容的在轨SAR处理算法，实现在轨受限环境下不同模式SAR影像在轨处理，并经数据压缩后大大降低下传数据量。

针对现有互补信息高保真的融合算法复杂度较高，难以满足星上处理即时性需求的问题，研究面向多星/多源遥感数据的在轨协同融合方法，突破传统单星应用能力不足的瓶颈。通过建立多源影像的严格几何成像模型，实现多源数据几何误差的整体优化，利用多星遥感数据的在轨融合处理，降低星上融合计算代价。同时发展星上受限资源下的多星协同融合的快速求解算法，通过多星协作的分步融合，实现多星互补多维度特征信息的在轨高效聚合。

针对传统遥感信息产品生产模式效率低下，难以满足应用需求的问题，研究星上快速正射校正和自适应融合处理方法，设计基于智能检测算法的星地联动的“训练—应用”系统应用框架，研究基于深度学习的云检测、目标检测、变化检测等智能算法，在轨进行遥感影像云检测、目标检测、变化检测等处理，快速准确得到地面感兴趣区域的遥感信息产品或目标信息，满足用户高时效性需求。

3.3.3

终端请求与服务

传统的卫星服务体系主要依靠地面站进行指令和数据传输，后经地面处理中心对数据处理后将产品分发到用户手中。这种方式链路长，服务滞后，境外或无地面站区域无法及时上传任务指令，获取的数据也无法及时传输到地面，过多的星上数据存储会导致卫星在数据下传之前无法执行其他的任务，有限的传输带宽也无法实现海量数据的及时下传，难以满足用户的高时效需求。

近年来，智能遥感卫星的概念被人们所提出，该卫星具有遥感数据在轨处理和星间星地数据传输的能力，能够满足遥感信息快、准、灵的服务需求[27]，如国内的高分辨率多模综合成像卫星[28]具备在轨处理智能特征。除此之外，兼具观测和通信功能的卫星也被发展起来，如韩国的GK 2A卫星，可以同时实现通信和对地观测[29]。随着卫星技术的不断发展，未来的对地观测卫星将能够集观测、处理和传输功能于一体，通过结合星地星间通信链路与便携式移动终端，能够降低对地面站的依赖，打破境外数据无法及时获取和下传的问题，使在轨处理好的数据能够直接通过便携式移动终端下传分发到用户手中，真正实现从移动终端到卫星再到移动终端的端到端信息服务。

终端请求与服务技术使得用户能够通过移动终端直接提交个性化观测需求，后经运控中心进行地面任务规划与分析，并将任务指令上注至中继卫星或具备通信功能的遥感卫星，经过星间网络将任务指令快速传输到待观测卫星上，卫星获取数据后经星上智能处理单元对数据进行实时处理，通过星间传输链路将处理结果实时下传至测控数传站或移动站，最后通过5G/6G信号增强后，以WiFi热点方式将结果反馈给用户移动终端。终端请求与服务技术能够使用户直接通过终端对卫星进行控制，提高数据传输与服务的整体效率，解决现有地面站资源有限、任务繁重造成的数据延时问题，为近实时端到端的快、准、灵服务提供技术支撑。

4  结 论

高精度实时智能的遥感信息是保障国家安全、服务国民经济的关键核心技术，是世界各国竞相抢占的科技战略制高点。本文针对遥感星群卫星体系特点和对地观测用户需求特征，开展了面向星群的遥感影像智能服务关键问题研究。通过分析对地观测目标的特点，来构建多尺度动态任务本体描述模型，同时结合高低轨星群任务规划、在轨处理、终端请求与服务等技术形成以对地观测目标为驱动的智能服务体系。充分发挥星群协同的优势，降低各环节时间延迟，提高数据处理精度，为全天时、全天候和全球的遥感信息近实时智能服务奠定基础。