6.2 在轨数据处理、边缘计算与智能解译

6.2 在轨数据处理、边缘计算与智能解译

本节摘要：遥感数据从原始比特到决策信息的分级链条、星上压缩与在轨智能初筛的动机与方法、地面信息融合的产品体系。数据处理的成本正在超过数据获取，重心从"拍到"移向"看懂"。

一个数字开场：一颗高分遥感卫星每天可产生数 TB 原始数据，但地面站每天能接收的窗口合计往往不足半小时，能真正下传的可能不到生成量的三成。剩下七成去哪了？被丢弃。星上存储器满了就覆盖。这不是事故，是设计权衡——在"什么都存"与"只下传有价值的"之间，传统卫星选择了简单粗暴的丢。改变这个局面的，正是把处理能力搬到天上去。

数据分级：从比特到决策

遥感行业用产品分级描述数据的"加工深度"，理解这张表就理解了整条价值链：

价值与售价随级别陡升：0 级数据近乎白菜价，4 级的洪涝范围图在应急场景是救命的。行业的利润集中在高级别产品，而高级别的成本主要是处理与解译，不是拍摄——这就是"看懂比拍到贵"的产业逻辑。

星上处理：三个动机与三类算法

把算力搬上星的动机有三：省带宽（下传特征不下传原始像素）、抢时间（应急目标分钟级出结果，不等过境下传再地面处理）、省存储（有价值才存）。对应的星上算法三类：

压缩类：从无损压缩（约 2:1）到基于视觉感知的有损压缩（8:1 到 16:1，专业判读可接受），是所有遥感星的标配。

筛选类：云检测（阴天影像直接标记跳过）、质量评级、区域兴趣判断。传统靠阈值规则，现在普遍换成轻量神经网络——在星载算力预算内跑量化后的模型（呼应 5.4 节的算力约束）。

提取类：直接在轨产出信息——船只与飞机检测、火点提取、变化检测。这类"下传目标清单而不是影像"的应用正在重构商业模式：客户要的是"这片海域今晚有 47 艘船"，不是几百兆的海洋照片。

# 一个最简云检测思路：多光谱阈值法（教学级）
def is_cloud(nir, swir, green):
    # 云在近红外与短波红外都高反射，植被近红外高但短波红外低
    # 简化判据：三个波段都亮 -> 疑似云
    return nir > 0.4 and swir > 0.35 and green > 0.35
print(is_cloud(0.62, 0.55, 0.58))  # True：疑似云顶
print(is_cloud(0.55, 0.18, 0.12))  # False：更像植被
​

阈值法粗糙但零算力开销，实战系统是阈值+机器学习混合——这个两行函数的思路正是星上轻量算法的原型。

地面段：从影像到专题的工厂

地面处理系统是另一个被低估的重资产：辐射与几何定标场（地面已知靶标定期校验卫星）、高速接收天线阵、数据处理工厂（大规模并行做 1 至 2 级产品）、算法团队（解译模型持续迭代）。信息融合在此发生：多源影像互补（光学+雷达）、影像与非影像数据叠加（人口、经济、气象），最终产出面向决策的专题产品。

图：星地一体的数据流水线

一个案例展开：船舶检测的在轨化

传统流程：卫星过境拍下数千公里海岸带，全部下传，地面检测算法跑数小时，海警拿到的清单已滞后半天。在轨检测流程：星上模型实时扫描影像，检出船只目标（位置、尺寸、航向初步估计），只下传目标清单与少量切片影像，配合星间链路（5.5 节）几乎实时送达用户。局限也要说清：星上模型受算力约束精度略低、模型更新要等上行窗口。所以成熟的体系是星地分工——星上保证时效，地面复核保证精度，两级结果按置信度融合。这个案例展示了空天信息体系的典型设计模式：不是把地面系统搬上天，而是按"时效-精度"重新切分工。

数据同化：遥感价值的终极形态

解译产品的终点不是专题图，而是同化——把观测数据注入物理模型，让模型状态逼近真实世界。数值天气预报是最成功的例子：全球气象卫星的温湿度廓线每天数百万条进入预报模式，与地面探空、雷达数据一起被同化算法（变分与集合方法）融合，现代三天预报的准确率已接近早年两天预报。这个案例的启示超出气象：当观测密度足够、模型足够好，遥感就从"拍照片"升级为"驱动模型的持续感知"。农业估产、碳收支、海洋环流，各领域都在复制这条路——数据同化是遥感工程与机理科学交汇的最高处。

常见问答

问：星上处理会不会取代地面处理？答：不会完全取代——精细解译需要大模型与人工质检，星上只承担时效敏感的第一跳；星地分工是终局而非过渡。问：星载计算用的什么芯片？答：抗辐照版本的高性能处理器加上现场可编程门阵列加速，算力大约落后地面主流数年，这正是星上算法必须轻量化的原因。问：在轨智能模型的更新怎么做？答：通过测控上行链路推送，有严格的版本管理与回滚机制——天上软件更新失败的代价远高于地面。

再看一眼行业分工的走向：数据处理的每一环（压缩、筛选、解译）都在经历"从地面搬到星上、从人工规则搬到模型"的双向迁移，但迁移速度不同——压缩早已上星，筛选正在上星，解译的精细部分仍留在地面。判断哪一环下一步会迁移，问两个问题：算力需求降到星载预算内了吗？错误的代价可承受吗（时效性要求越高、错误代价越可容忍的环节越先上星）。这个判断框架同样适用于地面物联网的边缘计算，空天工程只是把这场迁移推到了最极端的约束下。

本节要点回顾

• 数据分级表是遥感价值链的地图，利润在高级别产品；
• 星上处理三动机：省带宽、抢时间、省存储；三类算法：压缩、筛选、提取；
• "下传目标清单而非影像"正在重构遥感商业模型；
• 地面段是重资产：定标场、接收网、处理工厂、算法团队缺一不可；
• 星地分工的原则是时效归星上、精度归地面，按置信度融合。

卫星在轨运行不是想拍就拍——轨道上越来越拥挤，避碰与协调是每个运营者的日常。下一节讲空间交通管理。