第7章 融合、时序与云平台：体系化观测
第 7 章 · 融合、时序与云平台：体系化观测
章节摘要：单星、单参数、单期的观测总有短板：光学怕云、单星重访慢、单期影像说不清趋势。本章把视角从"一颗卫星的一次过顶"升级为体系：多源融合让光学与雷达互补长短，时序分析把离散观测串成轨迹让变化检测升级为过程理解，云平台把海量数据的处理从"下载到本地"改写为"算法去数据那边"，GIS 耦合则让遥感产品真正嵌入业务系统。读完本章，你面对任务时的默认思考单位应当从"一景影像"变成"一套观测体系"。
学习目标
读完本章，你应当能够：
- 说明光学与雷达在云穿透、夜间能力、结构敏感性上的互补逻辑，选择合适的融合策略；
- 用时空融合方法把"高分辨率低重访"与"低分辨率高重访"两类数据合成高频率高细节的产品；
- 构建时间序列并做谐波拟合与滤波去噪，解释轨迹突变与物候周期的区分方法；
- 描述云平台"数据不动算法动"的架构含义，判断哪些任务适合搬上云、哪些留在本地；
- 把遥感产品接入 GIS 业务系统，说清数据模型、坐标基准与更新频率的对接要点。
核心概念速览
金句：体系化观测的价值不是简单相加——光学给颜色、雷达给结构与全天时、时序给过程、云平台给规模，融合发生在数据的缝隙里。
子章节导航
7.1 多源融合：光学与雷达互补——两大家族的强弱项清单，像素级、特征级、决策级三档融合的取舍，时空融合如何同时要细节与频率。
7.2 时序分析与变化检测——把散点观测串成物候轨迹，谐波拟合抓周期、滤波压噪声，轨迹突变检测把"变化检测"升级为"过程监测"。
7.3 云平台与遥感大数据生产——数据立方体的组织逻辑，"算法搬去数据旁"的架构转变，哪些任务适合上云、哪些不该。
7.4 遥感与 GIS 耦合——产品入库的数据模型与坐标基准问题，更新频率与业务节奏的对齐，遥感分析员与 GIS 工程师的分工界面。
子章节之间的逻辑关系
四节是"合多源 → 串时间 → 上规模 → 进业务"的体系化路线：先解决观测源互补（7.1），再解决时间维连续（7.2），然后解决规模与算力（7.3），最后解决业务落地接口（7.4）——
7.1 多源融合 --> 7.2 时序分析 --> 7.3 云平台生产 --> 7.4 GIS 耦合 --> 第8章行业任务 谁补谁 串成轨迹 规模化生产 嵌入业务
前置知识与后续延伸
需要第 3 章的载荷知识、第 5 章的变化检测概念与第 6 章的参数产品概念。时序一节用到最小二乘与傅里叶级数的直觉，云平台一节不要求分布式系统经验，概念图像足矣。往后直接对接第 8 章：行业任务单里的旱情指数、洪涝制图、碳监测，全是本章方法的组合应用。
阅读提示：本章的方法都是"组合技"——融合是把不同数据源的优势拼起来，时序是把离散观测拼成过程，云平台是把零散算力拼成规模，GIS 耦合是把数据能力拼进业务。自测标准：给你一个行业需求（比如果园霜冻监测），你应当能按本章思路组合出数据方案与处理链；组合不出来时，多半是某节的知识还没从"读过"变成"可用"。
学完自测
五个问题自查：光学与雷达的互补表怎么列？时空融合的产物是什么性质、用量算场景怎么办？谐波三系数各代表什么？上云的四问决策是什么？遥感产品进业务系统的三个接口是什么？五题答全，体系化观测的思维方式就归你所有了——下一章看这套体系如何变成一份份具体行业的任务单。
延伸：从单景思维到体系思维
本章之后，你的思维应当完成一次升级：从"处理一景影像"到"运营一套观测体系"。体系思维的三问送给你：这一批数据从多个源来，口径一致吗？这一条结论跨了多长时间，时序背景交代了吗？这一套流程要跑很多年，运维与迭代想清楚了吗？三问背后是对"持续性"的敬畏——体系化观测的难点从来不是单点技术，而是让一堆会漂移的数据源、会老化的模型、会换人的团队，长年累月地产出可比的结论。把三问养成习惯，你就从数据处理者变成了体系运营者，后者在这个行业里永远稀缺。