LIM Center, Aleje Jerozolimskie 65/79, 00-697 Warsaw, Poland
+48 (22) 364 58 00

Satelliidipildid: Põhimõtted, rakendused ja tulevikusuundumused

TS2 Space - Global Satellite Communications

Satelliidipildid: Põhimõtted, rakendused ja tulevikusuundumused

Satellite Imagery: Principles, Applications, and Future Trends

Definitsioon ja põhialused

Satelliidipildid viitavad Maa (või teiste planeetide) piltidele, mis on kogutud orbiidil tiirlevate satelliitide poolt. Need pildid kujutavad endast kaugseiret ehk andmed kogutakse distantsilt ilma otsese kontaktita. Satelliidid kannavad sensoreid, mis tuvastavad elektromagnetkiirgust, mis on Maa pinnalt peegeldunud või kiiratud. Enamik pildistavatest satelliitidest kasutavad passiivseid sensoreid, mis sõltuvad päikesevalgusest kui valgustusallikast (salvestades peegeldunud nähtavat, infrapuna või termilist kiirgust), samas kui teised kasutavad aktiivseid sensoreid, mis kiirgavad ise signaali (näiteks radari impulsid) ja mõõdavad selle tagasipõrget earthdata.nasa.gov earthdata.nasa.gov. Seda kiirgust jäädvustades ja digipiltideks teisendades annavad satelliidid üksikasjaliku ja sünoptilise ülevaate Maa pinnast ja atmosfäärist. Pildid tuleb georeferentseerida (siduda geograafiliste koordinaatidega) ning korrektsiooni teha moonutuste osas, et need oleksid kasutatavad geoinfosüsteemides (GIS) en.wikipedia.org.

Põhimõtteliselt võimaldavad satelliidipildid meil Maad jälgida ja seirata globaalses ulatuses. Tihti on need täienduseks aerofotodele, pakkudes laiemat katvust, kuid tavaliselt madalama detailsusega en.wikipedia.org. Kaasaegsed satelliidipildid suudavad tuvastada objekte, mis on umbes 30–50 cm suurused tippklassi kommertssüsteemides en.wikipedia.org, samas kui avalikus domeenis nagu Landsat on resolutsioon 10–30 m en.wikipedia.org. Satelliidid jäädvustavad elektromagnetilise spektri eri osi, võimaldades mitte ainult loomulikku välimust omavaid fotosid, vaid ka väärvärvilisi pilte ja andmekihte, mis asuvad inimsilmale nähtavast spektrist väljaspool (nt infrapuna või mikrolaineala). Need omadused muudavad satelliidipildid võimsaks tööriistaks keskkonnaprotsesside jälgimisel, Maa omaduste kaardistamisel ning muutuste tuvastamisel ajas.

Satelliidipildistamise ajalooline areng

Satelliidipildistamise areng hõlmab algelisi varaseid katseid kuni tänapäevaste keerukate kosmosekaamerate võrgustikeni. Esimesed pildid kosmosest saadi 1946. aastal suborbitaalsest USA V-2 raketi lennust, mis tegi fotosid umbes 105 km kõrguselt en.wikipedia.org. Esimene tegelik satelliidi pilt Maast tehti 14. augustil 1959 USA Explorer 6 satelliidi poolt, mis näitas ähmast vaadet pilvedest üle Vaikse ookeani en.wikipedia.org. 1960. aastal saatis TIROS-1 satelliit esimese televisioonipildi Maast orbiidilt, mis oli verstapost ilmaennustuses en.wikipedia.org.

1960. aastatel arenesid satelliidipildid peamiselt kahes valdkonnas: meteoroloogias ja sõjaluures. TIROS ja hilisemad NOAA ilmasatelliidid näitasid pideva pilvepildi väärtust ilmaennustuses. Paralleelselt käivitas USA salajase CORONA programmi (1960–1972), sarja luuresatelliite, mis kasutasid filmikaameraid ning mille kapslid toodi õhust alla ja haarati lennul kinni. (Corona pildid deklassifitseeriti alles aastakümneid hiljem ja näitasid detaili umbes 7,5 m, mis oli tolle aja kohta tähelepanuväärne en.wikipedia.org.) 1972. aastaks sisenes satelliidipildistamine tsiviilvaldkonda Landsat 1 (algse nimega ERTS-1) kaudu. Landsat oli esimene satelliit, mis oli pühendatud süsteemsele Maa seiramiseks teaduslikel ja tsiviileesmärkidel en.wikipedia.org. Programmi tulemusena loodi üle 50-aastane pidev, mõõduka resolutsiooniga multispikaalsete piltide arhiiv, mille Landsat 9 lasti orbiidile 2021. aastal en.wikipedia.org.

Järgnes mitu olulist tähist. 1972. aastal tegid Apollo 17 astronaudid kuulsa “Sinise marmoriku” foto Maast, mis tõstis avalikkuse teadlikkust Maa pildist en.wikipedia.org. 1977. aastaks oli USA paigaldanud esimese peaaegu reaalajas töötava digitaalse pildisatelliidi ( KH-11 KENNEN luuresatelliit), millega kõrvaldatigi vajadus filmi tagasitoomise järele ja kiirendati oluliselt luureinfo kogumist en.wikipedia.org. 1986. aastal tõi Prantsusmaa SPOT-1 turule kõrgema lahutusvõimega (10–20 m) multispektraalse pildistamise ning teised riigid (India, Venemaa, Jaapan jne) alustasid oma Maa seireprogramme.

Kommertssatelliidipiltide ajastu algas 1990. aastatel. USA leevendas erakompaniide piiranguid, mis viis IKONOS satelliidi orbiidile saatmiseni 1999. aastal – see oli esimene kõrge lahutusvõimega kommertspildisatelliit, saavutades 1 m detailsuse mdpi.com. Varsti järgnesid sub-meetri lahutusvõimega satelliidid, nt QuickBird (60 cm, 2001) ja WorldView-1/2 (~50 cm, 2000ndate lõpus) mdpi.com. Praegu opereerib Maxar Technologies (endise nimega DigitalGlobe) WorldView sarja, mille seas WorldView-3 pakub umbes 0.3 m pankromaatilist lahutusvõimet. 2010ndateks võimaldasid CubeSatid ja mikrosatelliidid mitmete odavate sensorite korraga orbiidile saatmist. Näiteks Planet Labs paigaldas nanosatelliitide (5–10 kg “Doves”) parvesid, et pildistada kogu Maad iga päev 3–5 m lahutusvõimega. Selle tulemusel on kogutava pildi hulk plahvatuslikult kasvanud. 2010. aastal oli orbiidil vaid umbes 100 Maa seiresatelliiti; 2023. aastaks oli käivitatud juba üle 2500 satelliidi, mis tähistab 25-kordset kasvu, mille peamiseks tõukejõuks olid väikesatelliitide parved patentpc.com.

Teiseks oluliseks trendiks on olnud avatud andmete poliitika valitsuse satelliidiarhiividele. 2008. aastal muutis USGS kogu Landsati arhiivi avalikkusele tasuta kättesaadavaks, mis “suurendas oluliselt” andmekasutust teaduses, riigiasutustes ja tööstuses science.org. Samuti pakub Euroopa Liidu Copernicus (Sentineli satelliidid) tasuta ja avatud pildimaterjali. 21. sajandi alguseks oli satelliidipilt laialdaselt kättesaadav kõigile internetiühendusega inimestele – seda populariseerisid sellised tööriistad nagu Google Earth ja veebikaardid. Nagu üks ülevaade märgib, võimaldas taskukohane tarkvara ja avalikud andmebaasid “satelliidipiltide muutumise laialdaselt kättesaadavaks” igapäevategevustes en.wikipedia.org.

Satelliidid orbiidil ja pildistavate satelliitide tüübid

Satelliite saab paigutada eri orbiitidele sõltuvalt nende ülesandest. Orbiit määrab satelliidi kiiruse, katvusala ja taastulemissageduse. Maa pildistamisel on kaks levinumat orbiidiklassi geostatsionaarne ja polaarne päikese-sünkroonne (üks madalast maaorbiidist), millest mõlemal on oma eripärad:

  • Geostatsionaarne orbiit (GEO): Geostatsionaarne satelliit tiirleb umbes 35 786 km kõrgusel ekvaatoril ja teeb 24 tunniga ühe tiiru ümber Maa, järgides Maa pöörlemist esa.int. Seega püsib satelliit fikseeritult ekvaatori joonel asuva punkti kohal. Geostatsionaarsed satelliidid jälgivad pidevalt sama suurt ala (umbes kolmandikku Maa pinnast) kaugelt esa.int. See orbiit sobib ideaalselt missioonidele, mis vajavad pidevat seiret, näiteks ilmasatelliidid, mis jälgivad pilvede liikumist ja torme reaalajas esa.int. Miinuseks on madalam ruumiline detailsus suure orbiidikõrguse tõttu – detailid on karedamad, kuid katvus on lai ja pidev.
  • Maa madal orbiit (LEO), polaarne päikese-sünkroonne: Maa madalad orbiidid jäävad vahemikku umbes 500–1000 km, kus satelliidid tiirlevad ümber Maa umbes 90–100 minutiga eos.com. Paljud Maa seireks mõeldud satelliidid kasutavad polaarset orbiiti (ületades pooluseid), mis on päikese-sünkroonne – see tähendab, et need läbivad ekvaatori igal tiirul sama kohaliku päikeseaja hetkel earthdata.nasa.gov. See tagab järjepideva valgustuse pildistamisel. LEO satelliidid on Maale palju lähemal, saavutades kõrgema lahutusvõimega piltide jäädvustamise ning katavad iga tiiruga erinevaid ala, kuna Maa pöörleb nende all earthdata.nasa.gov. Üks polaarne satelliit võib sama kohta üle lennata iga paari päeva kuni nädalatega (nt Landsat’i 16-päevane kordustsükkel), kuid kasutades satelliitide parvi saab saavutada peaaegu igapäevase katvuse. LEO-d kasutavad enamik kaardistamis-, keskkonnaseire- ja luuresatelliite. Näiteks NASA Aqua satelliit tiirleb ~705 km kõrgusel päikese-sünkroonsel orbiidil, pakkudes Maa pinna üleilmset katvust iga päev või kahe tagant earthdata.nasa.gov.

Teisteks orbiiditüüpideks on Maa keskorbiit (MEO) (~2 000–20 000 km), mida kasutatakse eelkõige navigatsioonisüsteemides nagu GPS (12-tunnine orbiit) earthdata.nasa.gov earthdata.nasa.gov, ning tugevalt elliptilised orbiidid, mida kasutatakse erisuhtlus- või seiremissioonides (nt Molniya orbiidid). Üldiselt madalamad orbiidid annavad parema detailsuse, kuid katavad väiksemaid alasid, samas kui kõrgemad orbiidid katavad suuri alasid karedama detailsusega. Tabel 1 võtab kokku olulised erinevused geostatsionaarsete ja polaarsete (päikese-sünkroonsete) satelliitide orbiitide vahel:

Orbiidi tüüpKõrgusOrbiidi perioodKattuvuse iseloomTüüpilised kasutusviisid
Geostatsionaarne (GEO)~35 786 km Maa kohal esa.int~24 tundi (vastab Maa pöörlemisele) esa.intFikseeritud vaade ühele piirkonnale (pidev jälgimine); üks satelliit näeb ~1/3 Maast esa.intPidev ilma jälgimine (nt orkaanid), telekommunikatsioon esa.int.
Madalmaa polaarne (päikese-sünkroonne)~500–800 km kõrgusel earthdata.nasa.gov~90–100 minutit orbiidi kohta eos.comGlobaalne katvus ribadena; Maa pöörleb orbiidi all, võimaldades täielikku katvust kordustsüklitega. Päikese-sünkroonne orbiit ületab ekvaatori alati samal kohaliku aja hetkel, tagades ühtlase valgustuse earthdata.nasa.gov.Kõrgeresolutsiooniline Maa seire (maa kaardistamine, keskkonna- ja militaarseire). Igapäevaseks vaatluseks vaja mitut satelliiti. Näited: Landsat, Sentinel-2.

Märkus: Paljud kaugseire konstellatsioonid kasutavad ülemaailmseks kaardistamiseks päikese-sünkroonset madal-maa orbiiti, samas kui geostatsionaarseid orbiite kasutavad ilmasatelliidid (nt NOAA GOES), et pidevalt jälgida üht poolkera.

Kujutiste sensorid ja tehnoloogiad

Satelliitide sensorid võib jaotada vastavalt nende kujutise loomise tehnoloogiale ja elektromagnetilise spektri osale, mida nad mõõdavad. Peamised tüübid on optilised kaameradmultispektraalsed/hüperspektraalsed skannerid ja radarikujutajad. Igal neist on ainulaadsed võimalused:

  • Optiline pildistamine (nähtav/infrared): Need andurid töötavad nagu kaamera, tuvastades peegeldunud päikesevalgust laias lainepikkuste vahemikus (tavaliselt nähtav spekter ja lähi-infrapuna). Nad toodavad kujutisi, mis on sarnased aerofotode või „satelliidifotodega”. Optilisi pilte saab esitada tõelise värvusega (sellisena, nagu inim-silm näeks) või valetoonides (kasutades infrapunakanaleid, et tuua esile taimestikku jne). Sellised sensorid on passiivsed, tuginedes Päikese valgustusele earthdata.nasa.gov earthdata.nasa.gov. Seetõttu ei näe need läbi pilvede ega öösel, sest pilved blokeerivad päikesevalgust ning ööpoolel puudub valgus earthdata.nasa.gov earthdata.nasa.gov. Optiline pildistamine on olnud programmide nagu Landsat ja kommertssatelliitide põhimeetod. Varased optilised satelliidid jäädvustasid mustvalgeid (pankromaatilisi) pilte filmile; tänapäevased kasutavad digitaalseid detektoreid. Kõrgeresolutsioonilised optilised satelliidid suudavad lahutada juba alla meetriseid detaile – näiteks Maxari WorldView-2 pakub ~0,46 m pankromaatilist eraldusvõimet en.wikipedia.org. Optiline kujutis on lihtne tõlgendada ning laialdaselt kasutusel kaartidel ja visuaalsel analüüsil, kuid sõltub ilmast.
  • Multispektraalsed ja hüperspektraalsed sensorid: Need on täiustatud optilised sensorid, mis jäädvustavad andmeid paljudes erinevates lainepikkuste kanalites, mitte ainult ühes laias värvikanalis. Multispektraalne tähendab tavaliselt mõningate eristuvate kanalitega sensoreid (nt 3 kuni 10 kanalit, katmas nähtavat, lähi-infrapunast, lühilaine-IR-d), nagu 7-kanaliline Landsat TM või 13-kanaliline Sentinel-2 instrument. Hüperspektraalne viitab sensoritele, millel on kümneid kuni sadu väga kitsaid, järjestikuseid kanaleid ning mis jäädvustavad iga pikslikohta praktiliselt pidevat spektrit en.wikipedia.org en.wikipedia.org. Hüperspektraalsel kujutisel sisaldab iga piksel detailset peegeldusspektrit, võimaldades täpselt tuvastada materjale (mineraale, taimeliike, saasteaineid). Oluline erinevus pole ainult kanalite arvus, vaid nende jätkuvuses – multispektraalsed kujutised ei anna igale pikslile täielikku spektrit, samas kui hüperspektraalsed annavad (nt 400–1100 nm jäädvustatud 1 nm sammuga) en.wikipedia.org. Hüperspektraalne tehisnägemine, tuntud ka kui spektroskoopia kujutisel, sai alguse NASA AVIRIS instrumentidega 1980. aastatel en.wikipedia.org. Multispektraalsed sensorid pakuvad head tasakaalu info hulga ja andmemahu vahel, hüperspektraalsed seevastu genereerivad tohutult andmeid ning sageli pakuvad väiksemat ruumilist lahutust või kitsamaid ribasid tehniliste piirangute tõttu en.wikipedia.org. Mõlemad tüübid on olulised: multispektraalset kujutist kasutatakse sageli maakatte klassifitseerimiseks (nt vee, pinnase, põllukultuuride, metsade eristamiseks), hüperspektraalset kujutist spetsialiseeritud analüüsiks nagu maavarade otsingul, põllukultuuride stressi avastamisel ja keskkonnaseires, kus olulised on detailsed spektraalsed signatuurid. Näiteks Landsat (multispektraalne) on pikaajaliselt globaalse maakatte jälgija en.wikipedia.org, hilisemad hüperspektraalsatelliidid (näiteks Itaalia PRISMA või tulevased missioonid) suudavad avastada peent iseloomulikku erinevust taimkattes või geoloogias.
  • Termiline infrapuna: Paljud optilised multispektraalsed sensorid hõlmavad ka termilise infrapuna ribasid (nt Landsati TIRS instrument), mis mõõdavad Maa pinnalt kiiratavat soojuskiirgust. Termopildid näitavad temperatuurierinevusi, aidates jälgida metsatulekahjusid, linna kuumasaari või merepinna temperatuuri öösel. Need on passiivsed sensorid, kuid töötavad erinevas spektriosas (pikalaineline IR) ja suudavad töötada nii päeval kui öösel (sest Maa kiirgab IR-kiirgust ka pimedas). Siiski on termiline lahutus sageli palju jämedama lahutusega (kümned kuni sajad meetrid) detektorite piirangute tõttu.
  • Radari pildistamine (SAR – sündteetiline apertuuriga radar): Radarikujutajad on aktiivsed sensorid – need saadavad Maale mikrolaine signaale ja mõõdavad nende tagasikaja. Enim levinud on sündteetilise apertuuriga radar (SAR), mis kasutab satelliidi liikumist justkui suure antenni simuleerimiseks, saavutades kõrge lahutusvõime. Radarisatelliidid töötavad näiteks X-, C- või L-bändi mikrolainetel. Oluline on, et radar läbib pilvekatte ja töötab pimedas, võimaldades igasugustes tingimustes ning ööpäev läbi pildistamist earthdata.nasa.gov. Radari pildid erinevad väga palju optilistest – radar mõõdab pinna karedust ja niiskust, andes mustvalged kujutised, kus vesi paistab tume (vähe signaali), linnad ja mäed aga heledad. SAR on hindamatu näiteks pinnadeformatsiooni (maavärinad, vajumine), laevade või üleujutuste tuvastamisel pilvede all ja troopiliste piirkondade jälgimisel, kus on pidev pilvisus. Näiteid: ESA Sentinel-1 (C-bändi SAR) ning kommertssatelliidid TerraSAR-X ja Capella Space. Varased radari missioonid 1990ndatel (nt Kanada RADARSAT-1) võimaldasid ~10 m lahutusvõimet. Tänapäeva parimad SAR-satelliidid jõuavad 1 m või parema lahutuseni mdpi.com (Itaalia COSMO-SkyMed ja Saksamaa TerraSAR-X, käivitatud 2007, olid ühed esimestest, mis jõudsid ~1 m radarikujutiseni mdpi.com). Radaripiltide tõlgendamine on keerulisem, kuid see suurendab Maa seirevõimekust seal, kus optiline pildistamine jääb alla (öö, pilved) ja radar suudab isegi läbida mõningaid pindu (nt L-bändi radar suudab tungida lehtedesse või kuiva liiva, et paljastada varjatud jooniseid).

Kujutamise meetodid: Satelliidid kasutavad erinevaid viise kujutiste jäädvustamiseks. Kaasaegsed optilised ja multispektraalsed satelliidid rakendavad tavaliselt push-broom-skanneri disaini – lineaarne sensorirea jäädvustab kujutist ühe joone kaupa, kui satelliit mööda orbiiti liigub en.wikipedia.org. See erineb vanemat tüüpi whisk-broom-skanneritest, mis liigutavad üht detektorit edasi-tagasi orbiidi suhtes (külgsuunas), et skaneerida maapinda ribadena en.wikipedia.org. Push-broom-süsteemidel (tuntud ka kui line-scan kaamerad) puuduvad liikuvad osad peale kosmoseaparaadi enda ning need tagavad parema signaali kvaliteedi – seetõttu on need nüüd standard (nt Sentinel-2, WorldView jt). Mõni kujutissüsteem jäädvustab kaadri-pildi (kahemõõtmelise hetkepildi) korraga kogu fookustasandiga – see on sagedamini kasutusel aerokaamerates ja varastes luuresatelliitides (mis kasutasid otse filmikaadreid). Hüperspektraalse pildistamise puhul rakendatakse spetsiaalseid tehnikaid nagu ruumiskaneerimine (push-broom piluläätse ja dispersioonoptikaga) või spektriskaneerimine (muudetava filtriga jäädvustatakse üks lainepikkus korraga) en.wikipedia.org en.wikipedia.org. Sündteetilise apertuuriga radar töötab aga nii, et liigutab antenni mööda ning töötleb Doppleri nihkega tagasikajasid, sünteesides seeläbi kujutise, mis on palju detailsem kui antenni füüsiline suurus võimaldaks.

Teine oluline pildistamise aspekt on erinevad resolutsioonid, mis kirjeldavad kujutise kvaliteeti ja kasutusvõimalusi:

  • Ruumiline resolutsioon: pildi ühe piksli suurus maapinnal (nt 30 m Landsat’i puhul, 50 cm WorldView puhul). See määrab ära väikseima objekti, mida saab eristada. Kõrgem ruumiline resolutsioon (väiksem piksli suurus) toob esile rohkem detaile. Näiteks MODIS satelliidil NASA Terra/Aqua pardal on piksli suurus 250 m kuni 1 km, mis sobib regionaalseks ja globaalseks kaardistamiseks, samal ajal kui kommertssatelliidid suudavad alla 1 m piksliga tuvastada üksikuid sõidukeid en.wikipedia.org. Ruumilist resolutsiooni määravad sensori optika ja orbiidi kõrgus earthdata.nasa.gov earthdata.nasa.gov.
  • Spektraalne resolutsioon: võime eristada peeneid lainepikkuse erinevusi – sisuliselt spektraalribade arv ja laius. Mõne laia ribaga multispektraalsed sensorid on jämedama spektraalse resolutsiooniga, samas kui kitsaste ribadega hüperspektraalsed sensorid saavutavad väga peene spektraalse lahutuse earthdata.nasa.gov. Näiteks mõõdab instrument AVIRIS 224 järjestikust spektraalriba, saavutades väga peene spektraalse resolutsiooni, mis võimaldab eristada erinevaid mineraale või taimeliike earthdata.nasa.gov. Üldiselt rohkem ribasid/kitsamad ribad = kõrgem spektraalne lahutus, mis võimaldab detailsemat materjalide tuvastamist earthdata.nasa.gov earthdata.nasa.gov.
  • Ajutine resolutsioon (revisit-sagedus): kui sageli saab satelliit sama asukohta Maa peal pildistada. See sõltub orbiidist ja satelliitide konstellatsioonist. Geostatsionaarsed satelliidid täidavad põhimõtteliselt pideva vaatluse fikseeritud alale (ajutine resolutsioon minuti suurusjärgus, kuna saavad iga paari minuti järel teha ilmafilme) earthdata.nasa.gov. Polaarorbiidil satelliitide ajutine resolutsioon varieerub päevast (laia vaatega sensorite, nt MODIS puhul) kuni rohkem kui nädalani (kitsama vaatega instrumentide puhul, nt Landsat 16 päeva) earthdata.nasa.gov. Näiteks Sentinel-2 kahekümne satelliidiga on külastussagedus 5 päeva, Terra/MODIS ligikaudu 1–2 päeva earthdata.nasa.gov. Kõrge ajutine sagedus on oluline kiiresti muutuvate nähtuste jälgimisel (ilm, katastroofid), samas kui mõnes rakenduses saab ajutist sagedust vahetada suurema ruumilise/spektraalse detailsuse vastu earthdata.nasa.gov. Koordineeritud orbiitidel paikneva mitme satelliidi kasutamine (konstellatsioon) võimaldab üha paremat külastussagedust – näiteks Planet Labs haldab üle 150 minisatelliidi, et saavutada igapäevane globaalne pildistamine.
  • Radiomeetriline resolutsioon: sensori tundlikkus signaali intensiivsuse erinevuste suhtes, mida tavaliselt mõõdetakse bittide arvuga piksli kohta (nt 8-bitine = 256 halli tooni, 11-bitine = 2048 taset jne). Kõrgem radiomeetriline resolutsioon tähendab, et sensor suudab tajuda peenemaid heleduse või temperatuuri gradatsioone. Kaasaegsetel optilistel sensoritel on sageli 10–12 bitine radiomeetriline resolutsioon või kõrgem, mis parandab võimet eristada väikeseid kontraste (oluline näiteks merevärvi või taimkatte tervise rakendustes). Näiteks nõuab väikeste veevärvi erinevuste eristamine kõrget radiomeetrilist täpsust earthdata.nasa.gov earthdata.nasa.gov.

Needel omadustel on omavahel kompromissid: väga kõrge ruumilise ja spektraalse resolutsiooniga satelliit võib katta väiksemat ala või omada madalamat ajutist sagedust andmemahu piirangu tõttu earthdata.nasa.gov. Disainerid peavad neid tegureid iga missiooni eesmärgi saavutamiseks tasakaalustama.

Satelliidipiltide peamised rakendused

Satelliidipildid on muutunud asendamatuks väga erinevates valdkondades. Allpool on toodud mõned peamised rakendusvaldkonnad ja kuidas satelliidipilte igas valdkonnas kasutatakse:

Keskkonna- ja kliimaseire

Maa keskkonna ja kliima jälgimine on üks satelliidipiltide alusrakendusi. Kuna satelliidid annavad ülemaailmse ja korduva vaate, sobivad need ideaalselt pikaajaliste keskkonnamuutuste jälgimiseks.

  • Kliimaseire: Satelliidid aitavad mõõta kliima võtmemuuttujaid, nagu globaalsed temperatuuritrendid, atmosfääri koostis ja jääkate. Näiteks kaardistavad soojuskaamerad mere- ja maismaa pindtemperatuure kogu maailmas, pakkudes andmeid kliimamudelite jaoks. Polaarorbiidil satelliidid nagu NASA Aqua/Terra (MODIS sensoritega) teostavad igapäevaseid vaatlusi aerosoolide, kasvuhoonegaaside ja pilveomaduste kohta. Spetsiaalsed missioonid (nt NASA OCO-2 CO₂ või ESA Sentinel-5P õhukvaliteedi jaoks) jälgivad atmosfääri jälgelemente ja osooni. Satelliidid jälgivad ka osooniaugu suurust ning polaarkatte ja liustike ulatust aastate lõikes. Need pikaajalised andmekogumid on kliimamuutuste uurimiseks ja rahvusvaheliseks kliimapoliitikaks hädavajalikud.
  • Keskkonnamuutused ja ökosüsteemid: Maapinda pildistavad satelliidid (Landsat, Sentinel-2 jne) kasutatakse metsade raie, kõrbestumise ja ökosüsteemide muutuste jälgimiseks. „Kaugseire kaudu… saavad spetsialistid jälgida muutusi taimestikus, maakattes ja veekogudes”, mis aitab tuvastada elurikkuse kadu ja maa degradeerumist satpalda.com. Näiteks paljastavad satelliitide ajaarjad Amazonase vihmametsade kadumise või märgalade kahanemise. Valitsused ja vabaühendused kasutavad neid andmeid looduskaitsealaste seaduste täitmise jälgimisel (nt ebaseadusliku metsaraie või kaevandamise tuvastamine kaitsealadel satpalda.com). Satelliidid võimaldavad hinnata ka elupaikade tervist – multispektraalsed pildid võimaldavad arvutada taimestiku indekseid, nagu NDVI (Tgestatud Taimestiku Indeks), mis näitavad taimede rohelust ja elujõudu. See aitab jälgida põuastressi, metsade tervist (nt kahjurite kahjustused või põlengute alad) ja hinnata saagikust (kokkupuutepunkt põllumajandusega).
  • Ookeanid ja vesi: Keskkonna satelliidid jälgivad vetikate õitsenguid, naftaleke ja veekvaliteeti ookeanides ja järvedes, tuvastades värvimuutusi (kasutades spektraalriba, mis on tundlik klorofülli või hägususe suhtes). Samuti jälgitakse maismaa lund ja liustikke, mis toituvad jõgesid – oluline muutliku kliima veevarude haldamiseks. Mikrolainetundlikud sensorid (radar-altimeetrid) mõõdavad merepinna tõusu ja merejää seisundit.
  • Meteoroloogia ja kliimasüsteemid: Geostatsionaarsed ilmasatelliidid (näiteks NOAA GOES või EUMETSAT’i Meteosat) pakuvad pidevalt pilte pilvemustritest, tormide kujunemisest ja suurtest kliimasüsteemidest. Need on hädavajalikud orkaanijälgimiseks, äärmusliku ilma prognoosimiseks ja nähtuste, nagu El Niño/La Niña, jälgimiseks (vaadeldes merepinna temperatuuri ja pilvede konvektiivseid mustreid). Polaarorbiidil satelliidid, millel on infrapuna- ja mikrolainevõnkumise mõõturid, täiendavad seda, pakkudes õhutemperatuuri ja õhuniiskuse vertikaalprofiile, mis sisestatakse numbrilistesse ilmaprognoosimudelitesse.

Kokkuvõttes võimaldavad satelliidipildid saada ülemaailmse perspektiivi keskkonnamuutustest, mida oleks võimatu maapinnalt hankida. See toetab rahvusvahelisi jõupingutusi, näiteks kliimamuutuste hindamist (nt andes tõendeid jää sulamise, metsade raadamise kiiruse, õhusaaste hajumise kohta). Satelliidi andmed on näidanud näiteks taimestiku rohetumise või pruunistumise trende kliimamuutuste tingimustes ning kaardistanud õhusaaste globaalset jaotust. Näide satelliidipõhisest keskkonnaseirest on toodud joonisel 1, kus Landsat’i pilt näitab niisutusmustreid põldudel, illustreerides, kuidas satelliidid suudavad tuvastada taimestiku tervist ja vee kasutust:

Joonis 1: Lõuna-Ukrainas asuvate niisutatud põldude ja niisutuskanali (diagonaalne joon) satelliidipilt, jäädvustatud Landsat 8 poolt 7. augustil 2015. Pilt on tõevärviline (kasutatud punase, rohelise ja sinise lainepikkuse ribasid). Näha on keskpunktniisutuse tõttu tekkinud ümmargused “viljaringid”. Selliseid kujutisi kasutatakse põllumajanduslikuks seireks – terved põllukultuurid paistavad rohelised ning erilised kujundid aitavad tuvastada niisutusviise commons.wikimedia.org. Ere rohelised ringid näitavad aktiivselt kastetavaid, elujõulisi taimi, samas kui heledamad või pruunikad alad võivad viidata kesa- või kuivale põllule. (Pildi allikas: USGS/NASA Landsati programm, töötleja Anastasiya Tishaeva.)

Põllumajandus ja metsandus

Satelliidipildid mängivad olulist rolli põllumajanduses ja metsamajanduses, olles tihti osa “täppispõllumajanduse” ja kestliku ressursihalduse lahenduste kogumist:

  • Kultuuride seire: Multispektraalpiltide abil saavad põllumehed ja analüütikud jälgida põllukultuuride seisundit suurtel aladel. Erinevad spektraalribad (eriti lähi-infrapuna) on tundlikud taimede tervisele – terved taimed peegeldavad tugevalt LIR-i. Arvutades satelliitandmetest indekseid nagu NDVI, saab tuvastada kultuuride stressi, mille põhjuseks on põud, haigused või toitainete puudus. “Multispektraal- ja hüperspektraalpiltide abil on võimalik tuvastada kahjureid, jälgida kultuuride tervist ning optimeerida kastmist” satpalda.com. Näiteks näitab satelliidiinfo, millised põlluosad on veepuuduses (paistavad vähem rohelised), võimaldades kastmist vastavalt kohandada, või tuvastada varakult kahjurikoldeid eripäraste spektraalmustrite järgi. See võimaldab täppispõllumajandust – vee, väetiste või taimekaitsevahendite andmist vaid sinna, kus vaja, mis tõstab saaki ja vähendab keskkonnamõju satpalda.com.
  • Põllumajandusala ja saagi prognoosimine: Valitsused ja organisatsioonid kasutavad satelliidipilte, et hinnata peamiste taimede külvipinda ja prognoosida saagikust. Kuna satelliidid saavad regulaarselt hõlmata suuri põllumajanduspiirkondi, pakuvad need õigeaegset infot kultuuride arenguetappide ja kahjustuste (tulvavesi, tormid, põud) kohta. Traditsiooniliselt kasutati mõõduka lahutusega andmeid (nt Landsat, Sentinel-2, 10–30 m, millega tuvastatakse põllupõhised muutused). Tänapäevased igapäevased PlanetScope’i või kõrge lahutusega äripildid suudavad isegi taimeread loendada või kultuuriliigi määrata. Need andmed sisestatakse toidujulgeoleku analüüsidesse ja kaubaturgudele.
  • Metsandus: Satelliite kasutatakse metsade majandamisel, jälgides raideid, uute metsade kasvu ja metsade tervist. “Kõrglahutusega satelliidifotosid kasutatakse metsamajanduses metsade pikaajalise tervise jälgimiseks ja illegaalse metsaraie tuvastamiseks” satpalda.com. Näiteks Landsati pikk arhiiv võimaldab metsakatte muutusi iga aasta kohta arvutada, tuues välja, kus on metsi raiutud. Valitsused kasutavad seda regulatsioonide jõustamiseks ja salaraie tuvastamiseks ka kaugetes piirkondades. Satelliidid aitavad ka metsatervise seires – tuvastada kahjurite rünnakuid või tormikahjusid võrakatte värvuse muutuste järgi. Lisaks saab koos kõrgusandmetega (Lidar või stereosatelliidi pildid) hinnata metsade biomassi ja süsinikuvarusid.
  • Karjamaa ning rohumaade haldamine: Karjakasvatuse piirkondades aitab mõõduka lahutusega pildistus jälgida rohumaade seisundit (nt üleganuse tuvastamine taimkatte järgi). See suunab rohumaa pöörleganemise planeerimist ja põuaga seotud kriisidele reageerimist karjakasvatajatele.

Üldiselt võimaldavad satelliidid liikuda ühtlaselt majandatud põldudelt kohapõhise halduse suunas, pakkudes õigeaegset ja ruumiliselt detailset informatsiooni. See vähendab kulusid ja suurendab kestlikkust. Kasvuperioodil saavad satelliidid märku anda probleemidest (nt osa põllust pruunistub), ja pärast saagikoristust saab hinnata, millised võtted või sordid andsid millistes kihtides paremaid tulemusi. Metsanduses on satelliitseire kesksel kohal ka REDD+ programmides (mis premeerivad raadamise vähendamist), kuna see pakub läbipaistvat ja kontrollitavat tõendust metsakatte muutuste kohta ajas.

Linnaplaneerimine ja infrastruktuur

Kiiresti linnastuvas maailmas on satelliidipildid keskseks allikaks linnaplaneerimises, infrastruktuuri arenduses ja maakasutuse kaardistamises:

  • Linnalise kasvu kaardistamine: Pildiseeriaid ajas võrreldes saavad linna planeerijad jälgida linnade laienemist ja uusarenduste tekkekohti. Satelliidipildid aitavad uuendada linnade piire kaardistavaid andmeid, näidates nt põldude või metsade muundamist äärelinnadeks. Planeerijad kasutavad seda linnastumise ohjamiseks ja teenuste kavandamiseks. “Satelliitkujutised on linnaarenduses oluline tööriist, millega saab kaardistada ja jälgida maakasutuse, infrastruktuuri ja linna kasvu muutusi” satpalda.com. Kõrge lahutusega (alla meetrise) pildid näitavad üksikhooneid, teid ja isegi sõidukeid, võimaldades täpset uute ehitiste või mitteametlike asumite kaardistamist euspaceimaging.com. Näiteks saab tuvastada, kus on ebaseaduslikud hõivamised või kuhu ehitatakse uusi teid, tihti enne, kui neid maapealsetelt mõõdistustelt näeb.
  • Infrastruktuur ja transport: Satelliidipildid toetavad teede, raudteede ja kommunaalteenuste planeerimist, pakkudes värsket geograafilist konteksti. Soovitavad trassid hõlmavad pildid, et vältida kattuvusi olemasolevate rajatiste või looduslike tõketega. Võimalik on jälgida ehitusprojektide edenemist; näiteks saab kosmosest jälgida maanteede või lennujaamade laiendustöid. Varade halduses aitavad satelliidid tuvastada muutusi infrastruktuurikoridorides (nt maalihete mõju teedele või torujuhtmete läheduses kerkinud maapinna vajumisi). Transpordiplaneeringus annavad pildid aimu liiklusmustritest (nt ummikute jälgimine või parklate suurenemine) ning maakasutusest, mis mõjutab liikumisvajadust.
  • Linnakeskkond ja rohealad: Linnavalitsused jälgivad satelliidiandmete abil rohealasid, puuvõrade ulatust või vett mitteläbilaskvate pindade osakaalu. Termoinfrapunapildid aitavad tuvastada linnalisi “sooja-saari” (kuumemad alad, kus on rohkem betooni ja vähem taimestikku). See teave aitab linnahaljastuse ja kliimakohanemise planeeringuid kavandada. Spetsiaalsed satelliidandmetel põhinevad kaarditooted klassifitseerivad isegi linna maakasutust (elamud, tööstus, ärialad) ning võimaldavad hoonepindade ja tiheduse alusel hinnata rahvastiku paiknemist.
  • Kaardistamine ja katastriuuendused: Põhikaartide värskus on keskne vajadus linnavalitsemiseks. Satelliidid pakuvad käesolevaid pilte, millega värskendada GISi kihte hoonete, teede ja maamärkide kohta. See on eriti kasulik piirkondades, kus maapealne kaardistamine jääb arengust maha. Kõrgsageduslikud äripildid, mis näitavad ka üksikuid elamuid, on tihti kartograafiakeskuste või ka Google Mapsi satelliitvaadete kihtide värskendamise aluseks en.wikipedia.org. Pildid on ortorekifitseeritud (geograafiliselt korrigeeritud), et need oleksid tõetruudeks aluskaartideks. Katastrikaardistamises saab satelliitpiltide abil tuvastada maa hõlmamist või maatükkide kasutust.
  • Kriisioht ja linnade vastupanuvõime: (Kattub kriiside teemaga) Planeerijad kasutavad satelliidiandmeid ka haavatavate piirkondade tuvastamiseks linnas – nt madalal asuvad naabruskonnad üleujutusriskikaartidel või tiheda hoonestusega alad maavärinaohuga piirkondades. Suure eraldusvõimega pildid enne sündmust annavad lähteandmed kriisiplaanis (evakuatsiooniteed jm), ajalised pildid pärast katstroofi aitavad taastamist kavandada.

Kokkuvõttes pakub satelliidipildistus linnaplaneerijatele sage, linnumuna-perspektiivi kogu linnaruumi kohta. See tagab, et planeeringud lähtuvad tegelikust olukorrast, mitte vananenud kaartidest. Piltide integreerimine 3D linnamudelitesse ja GIS süsteemidesse on oluliselt arenenud, võimaldades “mis siis kui” stsenaariume visualiseerida tõelise taustinformatsiooni baasil. Kiire maakuasutuse muutuste märkamine võimaldab ametnikel reageerida loata arengule või taristu vajadustele ennetavalt.

Kriisihaldus ja hädaabi planeerimine

Üks olulisemaid humanitaarvaldkondi, kus satelliidipildid on kriitilise tähtsusega, on kriisihaldus – nii valmisolekus kui ka kiireloomulistele sündmustele reageerimisel:

  • Kiire kahjustuste hindamine: Pärast maavärinaid, orkaane, üleujutusi või metsatulekahjusid on satelliidipildid sageli kiireim vahend ahata kahjude ulatust, kui maapealne ligipääs puudub. “Satelliidiandmed aitavad korraldada abistamisoperatsioone ning annavad reaalajas teavet kahjustuste ulatuse kohta loodusõnnetuse ajal” satpalda.com. Näiteks mõne tunni jooksul pärast suurt maavärinat saavad satelliidid saata kõrge lahutusega pildid kahjustatud linnast, mille põhjal näeb kokkuvarisenud hooneid, ummistunud teid või telklaagreid. Tüüpiline tehnika on enne-pärast-võrdlus: asetades kõrvuti sündmuse-eelseid ja toimunu-järgseid pilte, saab analüütik kiirelt otsustada, kus on suurimad kahjustused ja hävitatud ehitised satpalda.com. Seda kasutati rohkelt näiteks 2010 Haiti maavärinas või 2020 Beiruti plahvatuses – satelliidid näitasid, kus olid terved linnaosad hävinenud. Sellistel puhkudel aktiveerib näiteks ÜRO International Charter on Space and Major Disasters raames tasuta satelliiditarned eri riikidest, et värsked kujutised oleksid olemas kriisipiirkondade jaoks.
  • Üleujutuste ja tormide monitooring: Suuremate üleujutuste või tormide ajal jälgivad satelliidid (eriti radar- ja tiheda ülesvõttega optilised satelliidid) katastroofi praktiliselt reaalajas. Üleujutuste puhul on radaripildid eriti kasulikud, kuna läbivad pilvi: üleujutatud alad paistavad SAR-piltidel tumedate siledatena ja nende põhjal saab selgelt määrata uputuse ulatuse ka pilviste ilmaolude korral. See aitab hädaolukorra juhtidel otsustada, millised kogukonnad on vee all ning kavandada evakuatsioone või abi saatmist. Orkaanide puhul jälgivad ilmasatelliidid tormi liikumist, ning seejärel annavad optilised satelliidid selgeid fotosid kahjustatud piirkonnast (nt tuvastatakse, millised asulad on lõigatud ära prügiga või millised sillad on hävinenud). Metsatulekahjude tarbeks suudavad NASA MODIS ja VIIRS tuvastada aktiivseid tulekoldeid ja piiritleda põlenguala ka suitsu sees. See võimaldab päästetöid suunata kõige kriitilisematesse kohtadesse.
  • Hädaabikaardid ja logistika: Kohe pärast katastroofi koostatakse satelliitpiltide põhjal operatiivkaarte, mis toovad esile kasutatavad teed, kahjustada saanud infrastruktuuri ja põgenikekogunemised. Seda kasutati näiteks tsunami ja suurte taifuunide puhul, kus satelliitkaardid näitasid, millised teed on päästemeeskondadele läbitavad ja kuhu on kogunenud inimesed. Kuna satelliidid katavad suuri alasid, on need hindamatu abi eriti juhtudel, kui katastroof tabab suuri või ligipääsmatuid alasi (nt kogu rannikuala kaardistamisel 2004 India ookeani tsunami järel). Kujutiselt saab näha ka teiseseid ohte – näiteks võib maavärina järel radaripildilt näha, kas maalihe on jõge tõkestanud ning tekkinud pais võib põhjustada uue üleujutuse ja see võimaldab võimudel reageerida.
  • Kriisiks valmistumine: Enne katastroofi kasutatakse pilte ohtlike piirkondade kaardistamiseks ja mõjude modelleerimiseks. Näiteks ühendatakse kõrglahutusega satelliitide kõrgusmudelid ning optilised pildid, et tuvastada üleujutuspiirkonnad; maakasutuskaardid (nii kultuurid kui rohumaad) on sisendiks metsapõlenguriskide mudelitesse (nt asulate ja metsa piirialad). Perioodilised satelliidipildid aitavad jälgida looduskatastroofide tõkete seisukorda (nt tamme, metsakatet järskudel nõlvadel). Samuti jälgivad satelliidid aeglaste kriiside, näiteks põua puhul, näitajaid (taimkatte seisukord, reservuaaride veetase), et anda varajasi hoiatusi toidujulgeoleku kriiside puhul.

Kokkuvõttes annavad satelliidipildid erapooletu, kiire hinnangu, mis on hindamatu väärtusega esmareageerijatele ja abiorganisatsioonidele. Need võimaldavad “ulatuslikku ülevaadet” – reageerijad saavad näha nii kogu ulatust kui keskenduda detailidele, mida üksnes maapealsed raportid ei võimalda. Võimalus saada infot peaaegu reaalajas (tänu kasvavale satelliitide arvule ja kiirematele andmesidevõrkudele juba tundidega) võimaldab abi prioriseerida ja tõhusamalt saata, päästes potentsiaalselt elusid. Nagu SATPALDA raport märgib, võimaldab enne- ja pärastkriisifotode võrdlus ametnikel “parimal viisil jaotada ressursse, määrata parandust vajavad asukohad ning hinnata täpset kaotust” satpalda.com.

Kaitse ja luure

Alates kosmoseajastu algusest on sõjaline ja luurekogumine olnud satelliidipiltide arengu peamisi tõukejõude. Luuresatelliidid (sageli kutsutud “spioonisatelliitideks”) pakuvad strateegilise järelevalve võimalusi:

  • Luure ja seire: Kaitseorganite juhitud kõrge lahutusvõimega satelliidid suudavad jäädvustada üksikasjalikke pilte maapinnast toimuvast. Varasteks näideteks on CORONA programm, mis oli USA Strateegilised luuresatelliidid, mida haldasid CIA ja õhuvägi en.wikipedia.org. Kuigi detailid on sageli salastatud, on teada, et tänapäevased luuresatelliidid (nt USA Keyhole/CRYSTAL seeria) suudavad pakkuda optikasüsteeme, mille lahutusvõime on kümnete sentimeetrite suurusjärgus, võimaldades neil jälgida sõjaväerajatisi, raketibaase, vägede liikumist ja muid luure sihtmärke. Need satelliidid on sisuliselt orbiidil olevad teleskoobid, mis võivad olla manööverdatavad huviväärsuste korduval külastamisel. Sõjalisel otstarbel võimaldavad satelliidid kriitilist infot, mis muidu eeldaks riskantseid õhuluure lende. Nad teevad seda ka ilma õhuruumi rikkumata (kuna töötavad orbiidilt), mis on muutnud nad oluliseks vahendiks lepingute täitmise kontrollimisel (nt relvastuse kontroll), vastaste jälgimisel ja sõjaliste operatsioonide suunamisel.
  • Georuumiline luure (GEOINT): Kaasaegsed kaitseorganid integreerivad satelliidipilte teiste andmetega, et tuletada luureinfot. See hõlmab muutuste tuvastamist tuntud rajatistes (nt uue infrastruktuuri ootamatu ilmumine või ebatavaline tegevus lennuväljal), maastiku kaardistamist missiooni planeerimiseks ja sihtmärkide määratlemist. Piltidest valmistatakse kõrge lahutusvõimega kaarte ja 3D-mudeleid sõjaliste operatsioonide jaoks (näiteks enne Osama bin Ladeni varjupaiga rünnakut modelleeriti objekti satelliidipiltide põhjal). Sünteetilise apertuuri radar satelliite kasutatakse samuti sõjaväe eesmärkidel tänu nende kõikides ilmastikutingimustes ja ööpäevaringselt toimivale pildistamisvõimele — see aitab näiteks tuvastada maskeeringut või muudatusi, mida optilised satelliidid võivad märkamata jätta. Tõusvaks valdkonnaks on ka raadiosageduse (RF) kaardistamine kosmosest ning hüperspektraalne tehnoloogia kindlate materjalide (nt kütus või lõhkeained) kaugseireks.
  • Luure jagamine ja avatud allika analüüs: Huvitaval kombel on kommertspiltide satelliitide levikuga osa kaitsega seotud pilditöid outsource’itud või täiendatud erafirmadega. Sellised ettevõtted nagu Maxar ja Planet pakuvad salastamata kõrge lahutusega pilte, mida analüütikud (ja isegi avalikkus) saavad kasutada üleilmsete sündmuste jälgimiseks. Näiteks konfliktide või relvade leviku küsimustes on valitsused avaldanud kommertssatelliidi pilte oma seisukoha toetamiseks. Üks näide on 2022. aasta Vene sissetung Ukrainasse: Planet Labs’i igapäevased pildid aitasid paljastada Vene vägede ja tehnika koondumist enne sissetungi ning neid kasutatakse ka sõjategevuse ja hävingu jälgimiseks defenseone.com. See satelliitluure demokratiseerumine tähendab, et ka avatud lähtekoodiga luure (OSINT) analüütikud ja riigivälised tegutsejad saavad kommertspiltidel põhinevalt jälgida strateegilisi objekte (nt Põhja-Korea tuumarajatised või Süüria lennuväljad) defenseone.com. Sõjaväeliste objektide avalikud satelliidipildid on vahel tekitanud poliitilisi probleeme (nt mõned riigid on protesteerinud tundlike asukohtade näitamise vastu; USAs on olemas vaid üks eriline piirang – Kyl–Bingaman’i parandus, mis piirab pildis resolutsiooni Iisraeli kohal ning seda leevendati 2020. aastal).
  • Navigatsioon ja sihtmärgistamine: Kuigi see pole traditsioonilises mõttes pildistus, tasub mainida, et satelliidid (nt GPS-konstellatsioon) pakuvad asukohamääramist, mis on sõjalise navigatsiooni ja sihtmärgistamise seisukohast elulise tähtsusega. Lisaks kasutatakse pildistamissatelliite, et juhtida täppislööke, pakkudes vahetult enne operatsiooni ajakohaseid sihtkoha ülevaateid (see aitab hinnata tabamustäpsust ja võimalikke kõrvalmõjusid). Konfliktides võib peaaegu reaalajas pildimaterjali allalaadimine toetada vägesid (ehkki see sõltub kiirest andmeedastusest ja -töötlemisest).

Kokkuvõttes pakuvad kaitsesatelliidid vankumatut pilku, mis oluliselt kasvatab olukorrateadlikkust. Need on muutnud kogu luurekogumise tasakaalu – õhu- ja maismaal töötavast luurest on liigutud kosmosest juhitava seire poole. Kuigi sõjasatelliitide tegelik lahutus ja võimekus on endiselt enamjaolt salastatud, näitavad olemasolevad tehnoloogiad nagu radar, mis näeb läbi pilvede, infrapuna, mis tuvastab soojusallikad, ning sagedased optiliste piltide konstellatsioonid kosmosepõhise luure põhjalikkust. Tänu arenenud tehisintellekti analüütikale (vt allpool) saab pildivoogu läbi töötada kiiremini ning tuvastada ohte või olulisi muutusi, liikudes automaatsete “tip-and-cue” süsteemide suunas (kus algoritm tõstab esile kahtlase tegevuse piltidel, et inimene saaks selle üle vaadata).

Navigatsioon ja kaardistamine

Ehkki ehk vähem glamuurne, on üks levinumaid satelliidipiltide kasutusviise kaartide ja navigatsiooniteenuste vallas, mida kasutavad miljardid inimesed:

  • Baaskaardid ja kartograafia: Kõrge lahutusvõimega satelliidipildid on tänapäeva digitaalkaartide ja -teenuste aluseks. Sellised platvormid nagu Google Maps, Google Earth, Bing Maps jpt sisaldavad satelliidi/õhuvaatekihte, mida kasutajad saavad vaadata. Pildid pakuvad konteksti ja detailsust rohkem kui vektorkaardid. Google ja teised ostavad pilte satelliidioperaatoritelt (nt Maxar), et värskendada oma üleilmseid mosaiike en.wikipedia.org. See on andnud avalikkusele sisuliselt planetaarsel tasemel atlase lähedase detailiulatusega. Rahvuslikud kaardistusasutused kasutavad samuti satelliidipilte topograafiliste kaartide uuendamisel, eriti raskesti ligipääsetavates piirkondades, mida pole võimalik regulaarselt maapeal üle mõõta. Pilte ortorektifitseeritakse ning neid kasutatakse sageli teede, hoonete, jõgede ja muude objektide digitaliseerimiseks, mis avaldatakse kaartidena.
  • Navigatsioon ja GPS-rakendused: Kuigi navisüsteemid toetuvad peamiselt satelliit positsioneerimisele (GPS), täiustavad pildikihid navirakendusi näiteks maamärkide tuvastamise ja teede kulgemise kontrollimise kaudu. Näiteks kasutavad kuller- ja logistikafirmad satelliidipilte, nägemaks hooneid ja parimaid sisenemisteid. Isejuhtivate autode arendajad kasutavad kõrglahutusega pilte ühe kihina ülitäpsete teekaardistuste loomiseks. Isegi tavakasutajad saavad kaardirakendusest “satelliidivaate” sisse lülitada, et visuaalselt sihtkoha ümbrust vaadata (nt tuvastada tankla täpne asukoht nurgal).
  • Georuumiline võrdlus ja GIS: Geoinfosüsteemides (GIS) on satelliidipilt oluline andmekiht. See annab pärismaailma tausta, millele saab kihiti peale panna muid andmeid (infrastruktuur, halduspiirid, keskkonnaandmed jne). Kuna satelliidipildid on georeferentseeritud, võimaldavad need täpseid kauguse- ja pindala-arvutusi otse pildi pealt. Sageli on pildid esimene andmeallikas täiesti kaardistamata piirkondade puhul: hiljutistelt ülesvõtetelt saab silmaga ära märkida teed ja asulad, et luua baaskaarte (humanitaarne OpenStreetMap kogukond teeb seda laialdaselt loodusõnnetustele vastuvõtlikes või muidu vähekaardistatud piirkondades, digitaliseerides objekte satelliitide põhjal).
  • Objektide tuvastus ja kaardistamise automatiseerimine: Resolutsiooni ja arvutinägemise arenguga suudetakse tänapäeval paljusid objekte satelliidipiltidelt automaatselt tuvastada ja kaardistada. Näiteks algoritmid suudavad tuvastada ja vektoreerida hoone jooniseid, teevõrke või maakatte tüüpe piltidelt satpalda.com. See kiirendab oluliselt kaartide koostamist ja värskendamist. LiDAR-andmed (õhust või peagi satelliitidelt) ning stereo-satelliidipildid võimaldavad luua ka 3D kõrgusmudeleid, mida koos piltidega kasutatakse üksikasjalike topograafiliste kaartide koostamiseks.
  • Navigatsiooni kaartide koostamine: Lisaks maismaa kaardistamisele aitavad satelliidid ka merenduse navigatsioonikaartide koostamisel (nt korallrahude ja rannikuobjektide tuvastamine selges vees) ning lennunduses (lennuväljade ümbruse takistuste ja reljeefi kaardistamisel).

Kokkuvõtteks on satelliidipildid revolutsiooniliselt muutnud kaardistamist, tehes kaardid mitte enam staatilisteks artefaktideks, mis vananevad, vaid elavateks toodeteks, mida saab viimaste ülevaatepiltidega pidevalt uuendada. Näiteks enne satelliidiaega võis uue maantee kandmine paberkaardile aastaid aega võtta; nüüd saab värskeima satelliidifotoga selle tee näidata kohe, isegi kui vektorandmed pole värskendatud. Samuti võimaldavad pildid kaardistamist piirkondades, kuhu maapinnalt ligi ei pääse (tihedad džunglid, sõjalised konfliktitsoonid jne). Euroopa Space Imaging on nimetanud, et väga kõrge lahutusega pildid on piisavalt selged, et näidata teejooni, kõnniteid, sõidukeid, väikeseid ehitisi – detailid, mis võimaldavad täpseid linnaplaane ja infrastruktuuri planeerimist euspaceimaging.com. Koos GPS-iga muudab see kaasaegse navigatsiooni erakordselt üksikasjalikuks ja kasutajasõbralikuks.

Peamised satelliidiprogrammid ja -teenusepakkujad

Satelliidipilte pakuvad nii riiklikud programmid kui eraettevõtted. Allpool on toodud mõned olulisemad satelliidiprogrammid ja -pakkujad koos nende omadustega:

  • NASA/USGS Landsat programm (USA): Landsati seeria (alustati 1972) on maailma pikim pidev Maa seireprogramm en.wikipedia.org. Praegused Landsati satelliidid (Landsat 8 ja 9) pildistavad maapinda 30 m lahutusvõimega multispektraalselt üle kogu maailma, soojusribad 100 m ja 15 m mustvalge ribaga. Andmed on avatud ja tasuta kõigile alates 2008. aastast earthobservatory.nasa.gov earthdata.nasa.gov. Landsat on olnud teadusuuringute ja ressursiseire tööhobune, pakkudes üle 50 aasta pidevat seiret maakasutuse muutustest, metsade raadamisest, linnastumise kasvust jms en.wikipedia.org. Üks Landsat satelliit pildistab sama asukohta iga 16 päeva järel; kahega lüheneb intervall 8 päevale. Mõõdukas lahutus ja pikk arhiiv muudavad Landsati eriti väärtuslikuks aastakümnete muutuste jälgimisel. (NASA arendab satelliidid, USGS haldab ja arhiveerib andmeid.)
  • Copernicuse Sentineli konstellatsioon (ESA/EL): Euroopa Kosmoseagentuur, ELi Copernicuse programmi nimel, opereerib mitut Sentinel satelliiti alates 2014. aastast. Olulisemad on Sentinel-1 (C-sagedusriba radar kõigi ilmastikutingimuste jaoks), Sentinel-2 (10 m lahutusvõimega multispektraalkaamera, sarnane Landsatile, 5 päevaline uuendus), Sentinel-3 (keskmise resolutsiooniga ookeani- ja maamonitooring), Sentinel-5P (atmosfääri saaste jälgimine) jm. Kõik Sentineli andmed on tasuta ja avatud üle maailma, järgides Landsati eeskuju en.wikipedia.org. Sentinel pakub süsteemset ja sagedast seiret ELis ja kogu maailmas, sageli koos Landsatiga (nt kasutades sagedasemat Sentinel-2 pildistamist, et täiendada Landsati ajaloolist arhiivi). ESA-l oli varasemaid Maa seire missioone (ERS, Envisat), ent Sentinel on nüüd põhivara.
  • NOAA ja EUMETSAT ilmasatelliidid: Ilma ja ookeanide seireks opereerivad agentuurid nagu NOAA (USA) ja EUMETSAT (Euroopa) geostatsionaarseid ilmasatelliite (nt NOAA GOES-East ja GOES-West Ameerika kohal, EUMETSAT Meteosat Euroopa/Aafrika kohal, Jaapani Himawari, India INSAT jm). Need pildistavad pidevalt Maa kogu ketast iga 5–15 minuti tagant ~0.5–2 km lahutusvõimega mitmes spektriribas (nähtav, infrapuna, veeaura), et jälgida ilmastikusüsteeme. Lisaks pakuvad polaarorbiidil tiirlevad ilmasatelliidid (NOAA JPSS seeria, Euroopa MetOp jt) üleilmset seiret ilmaprognoositarkvarale ja kliimamudelitesse. Kuigi põhikasutus on ilmavaatlus, kasutatakse nende (eriti nähtava ja IR) pilte laialdaselt ka muudes valdkondades (nt tulekahjude või lumeulatuse kaardistamisel igapäevaselt). Need andmed on üldiselt vabalt kättesaadavad, tihti reaalajas, ja on olnud meteoroloogia selgrooks aastakümneid.
  • Maxar Technologies (DigitalGlobe) – kommertslik kõrge lahutusvõime: Maxar (USA ettevõte) on juhtiv kõrglahutusega kommertssatelliidipiltide pakkuja. Ta opereerib WorldView ja GeoEye satelliitide seeriat. Näiteks WorldView-3 (lennutatud 2014) pildistab ~31 cm mustvalges ning ~1,2 m multispektraalset lahutust; WorldView-2 (2009) pakub 46 cm pan lahutust en.wikipedia.org; vanem GeoEye-1 ~0,5 m pan. Maxari satelliite saab sageli suunata peaaegu igasse Maa punkti ning tiheda orbiidi tõttu pildistada sageli (mõni satelliit suudab kesklaiustel peaaegu päevaselt üle pildistada, kui kasutada viltustatud pildistamist). Nende pilte kasutavad valitsused ja ärikliendid kaardistamiseks, kaitseluureks ning teenustes nagu Google Maps ja Microsoft Bing (kes litsentsivad pilte oma platvormidele) en.wikipedia.org. Arhiiv hõlmab kahte viimast aastakümmet miljardite ruutkilomeetritega. USA poliitika tõttu on maksimaalne äriliselt lubatud resolutsioon umbes 30 cm (ning tõesti, Maxaril on luba seda pakkuda). Maxar pakub ka tuletatud tooteid nagu 3D maastiku- ja hoonemudeleid oma piltide põhjal.
  • Planet Labs – eraettevõttest väikekonstellatsioon: Planet (asub USAs) opereerib kõige suuremat Maa seiratavate satelliitide laevastikku. Neil on sadu “kingakarbimõõdulisi” Dove satelliite, mis pildistavad Maad ~3–5 m lahutusega (mitmes ribas) iga päev. See igapäevane, globaalne pildistamine (PlanetScope) on ainulaadne – kuigi resolutsioon on keskmine, on sagedus võrreldamatu. Lisaks omab Planet SkySat satelliite (omandatud Google Terra Bella käest), mis on väiksemate (~50 cm resolutsiooniga) satelliitide flotte, suutes teha kiiret uuendust ning lühikesi videoklippe. Planet opereeris varem ka RapidEye konstellatsiooni (5 m, pensionil 2020) en.wikipedia.org. Andmed on äriliselt saadaval, kuid firmal on mitmeid programme MTÜ-dele ja teadusele. Planet on väga väärtuslik lühiajaliselt muutuvate objektide seiramisel: kasvuperioodi jälgimine, kahjude kaardistamine päevast päeva, konfliktide seire jne – sisuliselt igapäevane “tikker” Maal toimuvatest muutustest. See mudel näitab suunda “palju odavaid satelliite asendab mõnda unikaalset kallist”, vähemalt teatud rakendusalade jaoks.
  • Airbus Defence & Space (Airbusi luure): Airbusi peakontor on Euroopas ning ta opereerib kõrglahutusega satelliite nagu SPOT 6/7 (1,5 m laius, lai ala) ja Pleiades-1A/1B (0,5 m lahutus, väga detailne). Lisaks on kaasomanduses TerraSAR-X ja PAZ radarid. Airbus müüb pilte kommertsturule sarnaselt Maxarile, teenindades Euroopa ja globaalseid kliente. SPOT-seeria (alates 1986) oli üks esimesi kommertslikke satelliidipildiprogramme ning sellel on pikk arhiiv 10–20 m klassi piltidega. Pleiades (alustas 2011–2012) tõi Euroopa tööstusele alla ühe meetri lahutusega võimekuse. Airbusi andmeid kasutatakse laialdaselt kaardistamises, kaitseseires ja keskkonnavaatluses (osa SPOTi andmeid tehakse teadusuuringuteks vabaks paari aasta möödumisel).
  • Muud olulised programmid: Paljudel riikidel on oma Maa seiresatelliidid. Näiteks India ISRO opereerib IRS seeriat (India kaugseire satelliidid) ja uusi kõrglahutusega CARTOSAT satelliite (~0,3 m pan). Jaapani JAXA omab ALOS missioone (sealhulgas PALSAR radar ja PRISM optikasensorid). Hiinal on kiiresti kasvav Gaofen-seeria (kõrglahutuse optika ja radar) oma Maa seire süsteemis, lisaks kommertsfirmad nagu 21AT. Kanada on tuntud RADARSAT radaritega (nüüd ka RADARSAT satelliitkonstellatsioon). Venemaal on jätkuvalt Resurs-P ja Kanopus-V optiliseks pildistamiseks. On ka kümneid väiksemaid ettevõtteid/startup’e spetsialiseerudes nišiturgudele – nt Capella Space ja Iceye opereerivad väikseid SAR satelliite nõudluspõhisteks radaripiltideks; GHGSat kasutab mikrosatelliite tööstushoonete kasvuhoonegaaside tuvastuseks jne.

Kokkuvõttes koosneb maastik avalikust tasuta andmestikust riigi satelliitidelt (nagu Landsat, Sentinel, ilmasatelliidid) ning kommertsandmetest eraettevõtete satelliitidelt (väga kõrge lahutus või unikaalsed omadused, aga tasu eest). Tihti kasutatakse neid koos – näiteks kasutatakse tasuta Sentinel-2 10 m pilte üldiseks analüüsiks ja ostetakse Maxari 30 cm pilt konkreetse huvipakkuva koha detaile nõudval juhul. Planet tõusev trend näitab soovi sagedaseks ülevaatamiseks, Landsati ja Sentineli jätkuv edu näitab avatud andmete tähtsust teadusele ja avalikule hüvele.

Andmevormingud, juurdepääsetavus ja kasutustrendid

Andmevormingud: Satelliidipiltid salvestatakse ja levitatakse tavaliselt standardiseeritud rasterfaili vormingutes. Üks levinumaid vorminguid on GeoTIFF, mis on põhimõtteliselt TIFF-pildifail, kuhu on lisatud geograafiline koordinaatinfo (nii et iga piksel vastab reaalsele asukohale) equatorstudios.com earthdata.nasa.gov. GeoTIFF-vormingut kasutatakse laialdaselt töödeldud piltide (nt Landsati stseenid või kõrglahutusega pildid) edastamiseks, sest neid saab õige georeferentsiga otse GIS-tarkvarasse laadida. Suurte teadusandmekogumite puhul on tavaliseks vorminguks HDF (Hierarchical Data Format) või NetCDF, millega saab salvestada mitmeribalisi ja mitme ajaga andmeid isedokumenteeruvalt earthdata.nasa.gov. Näiteks NASA levitab MODIS-andmeid HDF-failidena. Paljud ilmateenistuse ja kliimatoodete andmed on samuti NetCDF-vormingus. Üha enam kasutatakse pilvepõhiseid vorminguid, näiteks COG (Cloud Optimized GeoTIFF), mis võimaldavad pilte osaliselt internetis laadida ilma kogu faili allalaadimata. Pildipakkujad võivad kasutada ka omandivorminguid või spetsiaalseid vorminguid tõhususe suurendamiseks, kuid tavaliselt pakuvad nad teisendustööriistu.

Andmetasemed ja töötlemine: Toores satelliidiandmestik vajab sageli töötlemist (radiomeetriline kalibreerimine, geomeetriline korrektsioon jne), enne kui sellest saab kasutatav pilt. Kosmoseagentuurid määratlevad töötlemistasemed (tase 0 – toorpikslite väärtused, tase 1 – georeferentseeritud radiantsus, tase 2 – tuletatud tooted nagu peegeldus või indeksid jne) earthdata.nasa.gov earthdata.nasa.gov. Enamik avalikult levitatavaid pilte on vähemalt tase 1 (georeferentseeritud). Mõned, näiteks Landsat tase 2, on ka atmosfääriefektide osas korrigeeritud ja analüüsiks valmis pindmise peegeldusena. Vormingu valik sõltub sageli tasemest – toorandmed võivad olla allalaaditud tihendatud binaarvormingus, kuid kasutajad saavad pärast töötlemist GeoTIFFi või HDFi.

Avatud vs kommertslik juurdepääs: Viimase 1–2 aastakümne pöördeline trend on olnud avatud andmete liikumine riiklikult rahastatud satelliidipiltidele. Nagu mainitud, muutus USA Geoloogiateenistuse Landsati arhiiv 2008. aastal tasuta kättesaadavaks, põhjustades “kiire teaduslike ja operatiivsete rakenduste laienemise” Landsati kasutamisel sciencedirect.com science.org. Teadlased läksid kümnete piltide tellimiselt (kallis hind) sadade või tuhandete allalaadimiseni, võimaldades suuri võrdlevaid uuringuid. Samamoodi on ESA Sentineli andmed vabad ja avatud ning neid on alla laaditud miljonite kasutajate poolt, käivitades lugematul hulgal rakendusi põllumajanduses, kriisireageerimises jne. NASA ja NOAA teevad peaaegu kogu oma Maa vaatluse andmevara vabalt kättesaadavaks (NASA EarthData ja NOAA CLASS-süsteemid), sageli ilma sisselogimiseta. Põhimõte on, et maksumaksja rahastatud andmed on avalik hüve. See avatud lähenemine on demokratiseerinud juurdepääsu – ka väike teaduslabor või areneva riigi põllumajandusministeerium saab kasutada satelliidiandmeid ilma eelarvetõketeta.

See-eest kommerts-satelliidipildid (eriti väga kõrge lahutusega andmed firmadelt nagu Maxar, Airbus jt) müüakse litsentsi alusel. Peamised kliendid on valitsused (nt sõjaväed või kaardistamisametid ostavad pilte), samuti tööstused (kaevandamine, finants, kindlustus) ja tehnoloogiaettevõtted (kaartide jaoks). Kulud võivad olla märkimisväärsed (kõrgeimal lahutusel pildid maksavad sadu kuni tuhandeid dollareid tükk). Kuid kommertsettevõtted vabastavad mõnikord andmeid humanitaarkriiside puhul või teevad osa arhiividest avalikuks pärast kindlat aega. Uute kosmoseettevõtete seas on ka hübriidmudelid – näiteks Planetil on avatud andmeprogramm teadlastele ja MTÜdele mittetulunduslikuks kasutamiseks ning kriiside ajal võidakse pilte laiemalt vabastada.

Platvormid ja juurdepääsetavus: Suurte andmemahude tõttu on tekkinud uued platvormid piltide majutamiseks ja jagamiseks. Google Earth Engine on märgilise tähendusega – pilveplatvorm, kus majutatakse petabaite avalikke satelliidiandmeid (Landsat, Sentinel, MODIS jne) ja mis võimaldab kasutajatel neid pilte veebiliidese kaudu analüüsida. See välistab vajaduse andmete massiliseks allalaadimiseks – analüüs toimub andmete juures. Taolised platvormid on oluliselt kasvatanud piltide kasutust, pakkudes nii andmeid kui ka arvutusvõimsust ühtselt. Sarnaselt majutavad Amazon Web Services (AWS) ja teised avatud piltide arhiive (nt kogu Landsati ja Sentineli kogud pilveoptiliseeritud formaatides) osana oma avatud andmete programmidest.

Andmemaht ja trendid: Satelliidipiltide andmemaht on tohutu ja kasvab kiiresti. 2021. aasta seisuga oli Euroopa Sentineli arhiiv üle 10 petabaidi, suurenedes rohkem kui 7 terabaiti päevas ceda.ac.uk. Üksainus Sentinel-2 satelliit toodab pärast tihendamist ligikaudu 1,5 TB andmeid päevas eoportal.org. Planet Labsi satelliidikonstellatsioon teeb iga päev miljoneid pilte (kuigi madalama lahutusega). Selle “suurandmete” haldamine ja analüüs on väljakutse – seetõttu muutuvad pilvesalvestus, hajutatud töötlemine ja tehisintellekt üha olulisemaks (sellest pikemalt järgmises jaotises). Andmetulv on toonud innovatsioone nagu analüüsivalmis andmed (ARD) – pildid on eelprotsessitud ühte vormingusse/projektsiooni, nii et neid on lihtne omavahel võrrelda ja analüüsida, ning näiteks Google Earth Engine’i andmekataloogide nagu tiling-skeemid.

Kasutustrendid: Kasutuse suurenemine on satelliidipiltide kasutajaskonna oluliselt laiendanud. See pole enam vaid kaugseire spetsialistide pärusmaa. Nüüd kasutavad pilte ökoloogid, linnaarhitektid, majandusteadlased ja isegi tavakodanikud erinevate rakenduste ja platvormide vahendusel. Näiteks kasutavad humanitaarvabatahtlikud tasuta pilte OpenStreetMapis katastroofipiirkondade kaardistamiseks. Põllumajanduses kasutatakse satelliidipõhiseid saagiprognoose veebitöölaudadel. Ajakirjanduses avaldavad uudisteportaalid satelliidipilte lugude tõendamiseks (nt inimõiguste rikkumistele või keskkonnakahjule viitamiseks). See laialdane kasutuselevõtt tuleneb osalt kasutajasõbralikest tööriistadest (veebikaardid, lihtsad API-d) ning satelliidipiltide sobitamisest igapäevatoodetesse (näiteks ilmarakendustes satelliidi silmused või finantsfirmad, kes hindavad kaupluste parklates autode arvu piltidelt ning ennustavad selle põhjal jaemüüki).

Veel üks trend on peaaegu reaalajas piltide kättesaadavus. Mõned andmepakkujad (eriti ilmateenistused) võimaldavad ligipääsu piltidele minutite jooksul pärast salvestamist. Teised, nagu Landsat ja Sentinel, teevad pildid kättesaadavaks tavaliselt tundide jooksul pärast alla laadimist ja töötlemist. Lõppkasutajad saavad nüüd reageerida kiiremini – näiteks märgata uut õlileket satelliidipildilt samal päeval ja sellest kiiresti ametivõime teavitada.

Lõpuks, pildiarhiivide kasvades suureneb huvi ajalise andmekaeve vastu – ei vaadata enam ainult üksikuid pilte, vaid trende ja muutusi kümnete või sadade piltide seeriates (ajareahanapiline analüüs). Seda kasutatakse näiteks linnaksvõi mudelite koostamisel, metsade raie trendide, aastate pikkuste põuaperioodide jm hindamisel. Tasuta arhiivid ja suurandmete tööriistad on teinud selle pikaajalise analüüsi võimalikuks. Märkimisväärne näide: teadlased, kes kasutasid 30+ aastat Landsati andmeid globaalse pinna vee muutuste või linnade laienemise kaardistamiseks – mis oleks avatud andmete puudumisel olnud peaaegu võimatu.

Lühidalt – satelliidipildid on nüüd kättesaadavamad kui kunagi varem. Tasuta ja avatud andmete liikumine vallandas kasutusplahvatuse teaduses ja mujal earthobservatory.nasa.gov earthobservatory.nasa.gov. Koos arvutusvõimekuse hüppelise arenguga on see muutnud, mis üldse võimalik on: üksikute piltide vaatamise asemel võime nüüd analüüsida “tõeliselt suuri probleeme” kaevates petabaitide mahus arhiive earthobservatory.nasa.gov. Väljakutse pole enam niivõrd andmetes, vaid selles, kuidas neist tõhusalt teadmisi ammutada.

Satelliidipiltide väljakutsed

Vaatamata tohutule väärtusele kaasnevad satelliidipiltidega mitmed väljakutsed ja piirangud, mida kasutajad ja andmepakkujad peavad arvestama:

  • Andmemaht ja -haldus: Nagu mainitud, genereerivad satelliidimissioonid tohutul hulgal andmeid. Nende salvestamine, kataloogimine ja edastamine on suur väljakutse. Näiteks Copernicuse Sentinelid lisavad arhiividesse iga päev 7–10 TB andmeid ceda.ac.uk ning Landsati arhiiv on nüüdseks üle 50 aasta kasvanud petabaitideks. Selle haldamine nõuab võimsat taristut: mitmetasandilist salvestust (kiire võrgupõhine salvesti värsketele andmetele, lindiarhiivid vanematele), kõrge läbilaskevõimega võrke ja tõhusaid failiformaate. Kasutajad seisavad silmitsi väljakutsetega suurte andmekogumite allalaadimisel – seepärast liigub analüüs üha enam pilvepõhiseks. Suurte mahtude korral tõusevad ka kulud ja tekib vajadus rahvusvaheliseks koordineerimiseks topeltarhiivide vältimiseks (paljud agentuurid peegeldavad üksteise andmeid koormuse hajutamiseks). Andmetulva tõttu riskivad analüütikud “upumisesse” – seetõttu kasutatakse enim automaatseid filtreid (nt et leida piltidelt pilvevabasid piksleid vms) ja suurandmete tehnikaid.
  • Töötlemine ja ekspertiis: Toores satelliidiandmestik ei ole kohe kasutatav – see nõuab sageli keerukaid töötlussamme. Ortorektifitseerimine (geomeetriliste moonutuste parandamine maastiku või anduri kalde tõttu), radiomeetriline kalibreerimine (andurite loendite teisendamine peegeldusväärtusteks või heledustemperatuuriks), atmosfäärikorrektsioon (udu, niiskuse mõju eemaldamine) on vajaliku kvantitatiivse analüüsi eeltingimuseks. Kuigi paljud tooted on nüüd eelprotsessitud kõrgematele tasemetele, peab täpsete tulemuste saamiseks kasutaja ise nende protsesside põhimõtetest aru saama. See nõuab kaugseire-asjatundmist. Lisaks tähendab multispektraalsete või hüperspektraalsete andmete töötlemine suurte, mitmeribaliste failidega hakkamasaamist ja nende õiget tõlgendamist. Algajatele on sageli õppimiskõver, milliseid kanalite kombinatsioone või millist visuaali kasutada. Ka rakenduspoolel vajab info (nt maakattte klassifitseerimine või objektide tuvastamine) leidmine sageli keerulisi algoritme või masinõpe-mudeleid. Spetsiaalse tarkvara (GIS, kaugseiretarkvara) ja tehniliste teadmiste vajadus on olnud barjääriks, kuigi see langeb tänapäevaste kasutajasõbralike tööriistadega.
  • Täpsus ja kalibreerimine: Satelliidipiltide kvaliteet ja täpsus on varieeruvad. Geopositsioneerimise täpsus (teada iga piksli täpsed koordinaadid) pole kunagi täiuslik – tippklassi satelliitidel võib viga olla paar meetrit, vanematel instrumentidel või mõnel tootel isegi kümneid meetreid. Analüütikud peavad sageli erinevatest allikatest pärinevaid pilte kokku viima (joondama), et teha muutuste tuvastamist – see võib olla aeganõudev, kui piltidel on väikesed nihked. Radiomeetriline täpsus ja instrumentidevaheline kalibreerimine on teine probleem: nt tagada, et Sentinel-2 peegeldusväärtus vastaks Landsat-8 omale. Andurite kalibreerimise või lainepikkuste erinevused nõuavad mitme allika analüüside puhul ettevaatust. Töö käib pidevalt andmete ühtlustamise nimel eri satelliitide vahel (nt mõned projektid muudavad Sentinel-2 andmed kooskõlla Landsati ajaloolise jada jaoks). Lisaks mõjutavad täpsust atmosfäärimõjud (pilved, udu) ning vaatenurga erinevused. Pilved on optilise pildistamise suurim probleem – isegi osaline kattuvus võib halvendada analüüsi kvaliteeti, samuti võivad segadust tekitada pilvevarjud. Kasutajad peavad kas kasutama pilvetuvastusalgoritme pilves pikslite “maskeerimiseks” või kasutama radarit/pilvimatu pildistamise tehnikaid. Varjud, reljeefiefektid (nt mäenõlvad varjus), ja hooajalised erinevused (fenoloogia) võivad kõik lisada “müra”, mis vajab hoolikat normaliseerimist või mitme kuupäeva võrdlust.
  • Privaatsuse ja turvalisuse küsimused: Satelliidipiltide detailsuse ja leviku suurenedes on tõstatunud privaatsusprobleemid. Kuigi lahutus pole üldiselt piisav, et tuvastada isikuid (näod või autonumbrid), võimaldab see näha palju eraomandi ja -tegevuse kohta. Mõned inimesed on vastu sellistele teenustele nagu Google Earth, kus on näha nende õue või basseini. “Privaatsusprobleemid on tekkinud neid, kes ei soovi, et nende vara oleks ülalt nähtav” en.wikipedia.org. Kuid andmepakkujad ja kaardifirmad märgivad, et satelliidipildid näitavad vaid seda, mis on taevast näha, sarnaselt lennukilt nähtavale, ning tavaliselt pole need reaalajas – sageli on need nädalate või kuude vanused en.wikipedia.org. Enamikus jurisdiktsioonides puudub õiguslik ootus privaatsusele avalikust õhuruumist nähtavale. Siiski on olnud erijuhte: näiteks USAs oli seadus (nüüd leebem), mis keelas väga kõrglahutusega Iisraeli piltide avaldamise julgeolekukaalutlustel, Indias piiratakse mittesõjaväelastele piltide lahutust 1 meetriga. On ka tundliku infrastruktuuri küsimus – satelliidid saavad pildistada sõjaväebaase või kriitilist taristut, mis võib tõstatada rahvusliku julgeoleku küsimusi. Kuid ülemaailmse pildilevi tõttu on enamik valitsusi kohanenud selle “läbipaistva maailmaga”. Privaatsuslahendused on nt teatud rajatiste hägustamine avalikel kaarditeenustel (tehakse ebaühtlaselt) või tulevikus automaatne pardafilter (pole praegu levinud).
  • Õiguslik ja litsentsiväljakutsed: Kommertspildid kuuluvad litsentside alla. Kasutajad peavad mõistma piiranguid – nt võib ostetud pildi kasutada ainult sisemiselt, mitte avaldamiseks, kui pole selleks lisaluba ostetud. On olnud vaidlusi küsimuses, kas valitsuse ostetud pildid peaksid olema avalikult kättesaadavad (avatud) või mitte. USAs reguleerib kommerts-kaugseiret NOAA, mis on ajalooliselt kehtestanud lahutuspiiranguid (nt 50 cm) ja on andnud aja jooksul erandeid (praegu 30 cm optilisel pildil ning eritingimused öise või lühilainelise infrapuna puhul). Samuti võib väga täpne SAR-andmestik või teatud signaali omadused (nt koherents liikumise tuvastamiseks) olla tundliku iseloomuga. Regulatiivne raamistik tasakaalustab kommertsinnovatsiooni ning rahvuslikku julgeolekut. Uusi tehnoloogiaid (nt tiheda kordusega videosatelliidid) reguleeritakse tõenäoliselt uute reeglitega (nt piirangud reaalajas voogedastusele või väga kõrge kaadrisagedusega püüdmisele, vältimaks mittevolitatud jälgimist).
  • Kulud ja võrdsus: Kuigi tasuta programme on, maksab kõrgeima lahutusega pildimaterjal sageli raha, mis võib olla takistuseks vähemkindlustatud rühmadele. See loob ebavõrdsuse ligipääsus infole. Hästi rahastatud organisatsioon võib tellida 30 cm satelliidilt pildistamist igapäevaselt, väike MTÜ peab leppima tasuta 10 m piltidega või harva tehtavate salvestustega. Mõned algatused (nt Digital Globe Foundation või Maa Vaatluse programm arenguriikidele) pakuvad pilte arengu- ja teadusriikidele soodsamalt, kuid lõhe on siiski olemas. Arutelu jätkub, et satelliidipiltidest saadavad hüved oleksid laiemalt kättesaadavad (nt kriisiabi, kliimategevus), ning võimaluse korral teevad ettevõtted ja valitsused koostööd andmete osas.
  • Tõlgendamine ja valede järelduste oht: Satelliidipilt tundub lihtne, kuid õige tõlgendamine nõuab oskusi. Vale tõlgendamine võib tuua valesid järeldusi – nt peetakse varju veeks või hooajalist taimestiku kadu metsaraiumiseks. Ilma konteksti või kohapealse kontrollita on valeanalüüsi risk suur. Luureinfos on olnud juhtumeid, kus analüütikud on ekslikult tuvastanud ohutuid rajatisi ohtlikena või vastupidi. Seda riski saab vähendada – hea tava on pildi kombineerimine muu andmestikuga (kohauuringud, sensorid, kohalik teadmine). Samuti on infoüleküllus – analüüsija võib pildi rohkuses olulise kahe silma vahele jätta. Automaatika (tehisintellekt) hakkab seda nüüd aitama (nt “anomaaliate” või muutuste automaatne märkimine), kuid ka tehisintellekt võib anda vale-negatiivseid või vale-positiivseid tulemusi, mis vajavad siiski inimese kinnitust.

Vaatamata neile väljakutsetele areneb valdkond pidevalt: andmemahtude jaoks arendatakse paremat tihendust ja pilvepõhist jagamist, täpsuse jaoks uusi algoritme ja kalibreerimist, privaatsuse jaoks selgeid kasutusreegleid ja valikuliselt hägustamist, ning ekspertiisi kasvatamiseks koolitusprogramme. Satelliidipiltide eelised kaaluvad valdavalt puudused üles, kuid kasutajad peavad arvestama nende piirangutega, et kasutada andmeid vastutustundlikult ja tõhusalt.

Tekkivad trendid ja tuleviku suunad

Satelliidipiltide valdkond areneb kiiresti. Mitmed tekkivad trendid kujundavad tulevikku selles, kuidas pilte kogutakse, analüüsitakse ja kasutatakse:

Tehisintellekt ja automaatne analüüs

Andmete kuhjumise tõttu on tehisintellektist (AI) – eriti masinõppest ja süvaõppest – saanud satelliidipiltidelt info ammutamisel hädavajalik töövahend. AI-mudeleid saab õpetada piltdel mustreid või objekte ära tundma palju kiiremini (ja mõnikord täpsemalt) kui inimesed. Näiteks suudab suhteliselt lihtne masinõpe juba tuvastada kõrge eraldusvõimega piltidelt parkimisplatsidel autosid või sadamas laevu defenseone.com. Uues suunas liigutakse nüüd täiustatud AI kasutamisega (sealhulgas sügavad neurovõrgud ning isegi suured keelemudeli analoogid pilditöötluseks) kõrgema taseme teadmiste tuletamiseks:

  • Objekti tuvastus ja tunnuste eraldamine: AI-nägemismudeleid kasutatakse automaatseks tuvastamiseks ja loendamiseks alates hoonetest ja teedest (kaardistamiseks), kuni puudeni (metsanduses), konkreetsete põllukultuurideni (põllumajanduses), sõidukite ja lennukiteni (luureks). See automatiseerimine suudab töödelda pilte suures mahus, märkides muudatusi või luues tunnustebaase. Näitena võib kõik linna basseinid tuvastada alammeetrites eraldusvõimega piltidelt või leida ebaseaduslikke kaevandusalasid vihmametsades – ülesanded, mis oleksid käsitsi liiga aeganõudvad.
  • Muudatuste tuvastus ja hoiatused: AI paistab silma kujutiste võrdlemisega ajas, et leida muutusi. See on ülioluline juhul, kui mõnest piirkonnast on igapäevased pildid. Algoritmid suudavad sorteerida iga päev näiteks Planeti pilte konfliktitsoonist ning teavitada analüütikuid, kui avastatakse uusi hoonete kahjustusi või ilmub kuhugi palju sõidukeid, kus neid polnud veel eile. See liigub aina enam reaalajas jälgimise poole. Satelliidiettevõtted investeerivad AI-põhistesse analüütikateenustesse: toorestest piltidest pakutakse hoopis teavituste tellimusi (nt saada hoiatus, kui asukohas X avastatakse uusehitis). Planeti tegevjuht tõi välja, et kuigi tänane analüüs on tihti tagantjärele ning inimtöö nõudlik, lubavad uued AI-tööriistad kiiremat ja isegi ette ennustavat analüüsi – kasutades pildivaru sündmuste prognoosimiseks (nt põua tundemärgid, mis võivad viia rahutusteni) defenseone.com defenseone.com.
  • Ennustav analüüs ja modelleerimine: AI-d uuritakse mitte ainult selleks, et tuvastada, mis on juhtunud, vaid ka selleks, et prognoosida, mis juhtub. Kujutiste ajalisi andmestikke kasutades võivad mudelid prognoosida linnade kasvu, saagikust või põuast tingitud mõju. Nagu on märgitud DefenseOne’i intervjuus, võiks satelliidiandmete ja AI-mudelite kombineerimine ennustada stseenaariume näiteks „siin on ilmselt tulemas põud, mis võib viia ühiskondlike rahutusteni“ defenseone.com. See on alles algusjärgus, ent võimalus tegutseda proaktiivselt on väga oodatud võimekus.
  • Loomuliku keele kasutajaliidesed: Uuenduslik suund on tehisintellekti kasutamine satelliidipiltide päringute muutmiseks tavainimesele arusaadavaks. Selle asemel, et GIS-ekspert kirjutaks koodi, võib süsteemile esitada lihtsas keeles päringu: „Leia viimase 5 aasta jooksul kõik pildid, kus selle regiooni järv on olnud kõige madalamal tasemel,“ ning AI tegeleb ülejäänuga. Mõned suured keelemudelid koolitataksegi sellisteks georuumilisteks ülesanneteks.
  • AI väljakutsed: Treeningandmed on võtmetähtsusega – õnneks on aastakümneid märgistega satelliidipilte (nt kaardistamisprojektidest), mille pealt mudeleid õpetada. Kuid AI peab suutma analüüsida ka multispektraalseid ja radarandmeid, mis on palju keerukamad kui tavalised fotod. AI „must kast“ võib olla probleem – analüütikud peavad AI-tulemusi usaldama, kuid neid ka kontrollima, eriti kriitilistes valdkondades nagu sõjaluure. Arvutusvõimsuse probleem on samuti olemas; seda aitavad lahendada pilveplatvormid koos GPU-dega.

Näeme juba esimesi tulemusi: näiteks aitas AI-tüüpi mudel satelliitandmete põhjal tuvastada varem teata polnud metaani niinimetatud „ülieraldajaid“, teisel juhul kasutatakse AI-d Aafrika kõikide hoonete kaardistamiseks taristuplaanide koostamisel. National Geospatial-Intelligence Agency (NGA) on öelnud, et sellised AI-võimekused on „kahtlemata analüüsi tulevik“ ja kirjeldab tsüklit, kus andurid avastavad muutusi ning AI ühendab pildid muu andmestikuga (nt uudised või sotsiaalmeedia), et anda kasutatavat infot, suunates vajadusel edasi kogumistsükli järgmisesse etappi defenseone.com defenseone.com. Selline integratsioon viitab „nutikale“ satelliidiseiresüsteemile.

Reaalaegne ja kiire korduskuvamisega pildistamine

Liigume ajastusse, kus peaaegu reaalajas Maa jälgimine saab võimalikuks. Kuigi päris otseülekanne kogu Maast pole veel käes, vähenevad korduse ajad ja osa ettevõtteid katsetab juba peaaegu reaalajas pildistamist:

  • Suured konstellatsioonid: Planeti igapäevane ülemaailmne katvus oli murranguline. Nüüd tahavad teised minna veelgi kiiremaks. Sellised ettevõtted nagu BlackSky ja Capella turundavad end kui võtmekohtade koidikust ehani pideva pildistamise pakkujad. Näiteks BlackSky väike konstellatsioon suudab teatud asukohti pildistada kuni 15 korda päevas, pakkudes väidetavalt reaalajas majandustegevuse või konfliktide jälgimist. See sagedus lubab arenguid peaaegu „otse“ jälgida (nt tund-tunni haaval vaadata, kuidas abi telgid kuhugi piirkonda ilmuvad). Lõppeesmärk on „elav“ vaade igale kriitilisele Maal asukohale väga väikese viivitusega – ehkki võib-olla vaid mõni minut uuenduste vahel.
  • Geostatsionaarsed kõrge eraldusvõimega pildid: Traditsiooniliselt on geostatsionaarsed satelliidid andnud jämeda (kilomeetri ulatuses) lahutusega pilte peamiselt ilma jaoks. Kuid tehnoloogia võib lubada paigaldada GEO-le kõrge eraldusvõimega sensoreid. On tehtud ettepanekuid GEO platvormidele, mis suudaks anda videot või raporteid katastroofidest piltide näol (näiteks geostatsionaarne satelliit teeb iga 10 sekundi tagant pilte põlengust või linnast). Füüsikalised piirangud (GEO on väga kaugel, nii et optika peab olema massiivne) on takistuseks. Kuid isegi väikesed edusammud, näiteks 50–100 m reaalajas resolutsioon kontinendi ulatuses, oleksid kasulikud suurte sündmuste jaoks.
  • Video madalalt orbiidilt: Mõned satelliidid (SkySat ja startup EarthNow) suudavad teha lühikesi videolõike – nt 90-sekundilised klipid, kus on näha liikumist (sõitvad autod, takseerivad lennukid). Pidev videoülekanne on keerukas orbiidipiirangute tõttu (satelliit liigub kiiresti üle vaadeldava asukoha), kuid satelliitide arvu kasvades võib korduvate ülelendudega saada peaaegu pideva katvuse. Mõned sõjaliseks kasutuseks mõeldud satelliidid võivad seda juba kasutada liikuvate sihtmärkide jälgimiseks. Oluline suund on ka reaalajas edastus: kuidas tuua pilt Maa orbiidilt kasutajani kiiremini. Maajaamade ja otse-allalaadimise lisandumine on vähendanud seda viivitust tundidelt sageli <1 tunnini ning erijuhtudel vaid mõne minutini.
  • Pardal töötlemine ja nutikad satelliidid: Koos AI-ga arendatakse ka ideed, et satelliidid on ise „nutikamad“. Täispiltide allalaadimise asemel, mis on aeglane ja mahukas, suudaks satelliit töödelda pildid kohe pardal ning saata Maa peale ainult hoiatuse või olulise väljavõtte. Näiteks võiks satelliit tuvastada AI abil pildil raketi väljalaske või põleva hoone ja saata kohe teate (või isegi relaysatelliidi kaudu) analüütikutele, ilma et pilt ise hiljem alles alla laaditaks. BlackSky on viidanud sellistele pardaanalüütika võimalustele, kus „AI on juba protsessis enne, kui pildid klientidele jõuavad“ defenseone.com. See sarnaneb satelliidile „silmade“ ja „ajude“ andmisega – see tuvastab määratletud sündmused ja saadab ainult vajaliku info, mis võimaldab palju kiiremat reageerimist (ja vähendab maa-andmeside ülekoormust).

Kui need arengud jätkuvad, siis satelliidipiltide ajakohasus jõuab peaaegu otseülekandega droonikaadrite tasemele, kuid ülemaailmsel skaalal. Sellel on tohutu mõju: päästeteenistused võiks reaalajas jälgida tulvavete lähenemist ja suunata evakuatsiooni, sõjaväed jälgida lahinguvälju katkematult kosmosest, keskkonnajälgijad saaks teolt tabada ebaseaduslikku (nt laevaheitmete) tegevust. See toob kaasa ka poliitilisi küsimusi, kuna rahvastikurühmade reaalajas jälgimine jõuab piiri jälgimise ja jälitamiseni. Aga tehnoloogiliselt oleme teel Maale, kus „oleviku ja mineviku pildistamise vahe on hõrenemas“.

Miniaturiseerumine ja uued satelliiditehnoloogiad

Väikeste satelliitide pealetulek on selge trend – satelliidid muutuvad väiksemaks, odavamaks ja neid on rohkem:

  • CubeSatid ja nanosatelliidid: Standardiseeritud väikseid satelliite, mõned neist kõigest 10 cm kuubid (1U CubeSat), saab ehitada ülikool, startup või isegi keskkool, sisenemiskünnis on langenud. Kuigi 3U CubeSat’iga ja väikese teleskoobiga ei saavuta WorldView-3 taset, võib see siiski anda 3–5 m resolutsiooni – paljude rakenduste jaoks piisav – ja seda murdosaga hinnast. Paljude cubesatide konstellatsioonid (nagu Planeti „Dove“ satelliidid) võivad ületada ühe suure satelliidi tõhusust kordussageduse ja katvuse poolest, kui ka mitte nii hea pildi detailis. Neid missioone on loendamatu hulk: alates Planeti laevast kuni hüperspektraal- või videokaamerate testimiseni. Kaks kolmandikku aktiivsatelliitidest on nüüd juba väiksed satelliidid mõne andmeallika hinnangul nanoavionics.com, mis peegeldab muutust. See demokratiseerumine tähendab, et rohkem riike ja ettevõtteid pääseb ligi omaenda „taevasilmale“. See ei ole enam vaid suurriikide valitsuste pärusmaa; ka väikeriigi teadusagentuur või eraklient saab raketiga ühissõidu korras üles viia oma pildikonstellatsiooni.
  • Tipptehnoloogilised sensorid väikestel platvormidel: Tehnoloogia areneb nii, et ka väikesed satelliidid saavad kanda keerulisi sensoreid: näiteks minituriseeritud sünteetilise ava radarid (Capella satelliidid kaaluvad ~100 kg ja annavad <0.5 m radaripilte), väiksed hüperspektraalkaamerad (nt 16U cubesat suudab anda 30 m hüperspektraalset resolutsiooni) ning isegi infrapunakaamerad öiseks pildistamiseks. Kui komponendid muutuvad väiksemaks ja arvutuskiibid võimsamaks (pardal töötlemiseks), tõuseb iga kilogrammi satelliidi võimekus. Võimalikuks saavad parvearhitektuurid, kus paljud odavad satelliidid töötavad koos (nagu sipelgakoloonia saab koos keerulisi ülesandeid täita).
  • Kõrgkõrgusel olevad pseudo-satelliidid (HAPS): Kuigi need pole satelliidid, arenevad ka stratosfääridroonid või õhupallid, mis toimivad ajutiste satelliitidena. Need võivad päevade kaupa püsida ühe piirkonna kohal, pakkudes kõrge resolutsiooniga pilte ja täiustades satelliidiandmeid veelgi püsivama kohapealse jälgimisega. HAPSide, õhusõidukite ja satelliitide integreeritud andmekasutus võib tulevikus täiesti sujuvaks muutuda.
  • Kvant- ja optiline side: Tulevikus võivad satelliidid kasutada laserühendust andmete edastamiseks Maale või satelliitide vahel, mis suurendab ribalaiust (saab kiiremini andmeid alla laadida või isegi edastada tooreid videovooge). See on aktiivse arenduse valdkond (nt Euroopa andmekiirteesüsteem kasutab lasereid Sentinel-andmete kiiremaks allatoomiseks). Suurem läbilaskevõime toetab just neid päris-reaalajas ja videoülekande lahendusi.
  • Satelliidikonstellatsioonide haldus: Paljude satelliitide korral muutub tähtsaks orbiidihaldus ja kokkupõrgete vältimine (kosmoseliikluse kontroll). Samuti võimaldab see kooperatiivset pildistamist – näiteks üks satelliit teeb vahetult pärast teist stereopildi, et tuletada 3D-infot, või lendavad radarisatelliidid formatsioonis interferomeetriaks. Euroopa Tandem-X missioon tegi seda (kaks radarisatelliiti tandemis lõid globaalse 3D-kaardi). Võime näha tulevikus rohkem selliseid paaris- või võrkvõimekusi.

Lühidalt: miniaturiseerumine + masstootmine satelliitide maailmas on võrreldav sellega, mis juhtus arvutitega (mainframe’ist PC-de ja nutitelefonideni). See tähendab, et pildistamine muutub veelgi kõikjalolevamaks. Samas on väikeste satelliitide eluiga lühem (tihti ~3–5 aastat), seega tuleb konstellatsioone pidevalt uuendada (regulaarselt uusi satse üles lennutada). See on muutumas võimalikuks odavamate kanderakettide (sh spetsiaalselt väikekoormuste jaoks nagu Rocket Lab Electron või SpaceX rideshare) abil. Satelliitide asendamise tempo võib omakorda kiirendada innovatsiooni – uued lahendused saab välja vahetada kiiremini, kui oodata 15 aastat järgmise suure satelliidipõlvkonna valmimiseni.

Kosmosepõhised analüütikad ja integreeritud platvormid

Lisaks riistvarale on satelliidipiltidest saadud analüütika ja teadmiste edastamine üks suurimaid arengusuundi. Selle asemel, et lihtsalt pilte müüa, liiguvad ettevõtted „väärtusahelas ülespoole“ ning pakuvad analüütikat ja vastuseid:

  • „Sensor-to-Decision“ torustik: Vision on luua otspunkt-lõplahendus, kus satelliidid koguvad andmeid, tehisintellekt tõlgendab neid ja lõppkasutaja saab minimaalse inimsekkumisega tegutsemiseks vajaliku info või visualiseeringu. Näiteks põllumees ei soovi tingimata satelliidipilti, vaid teada, milline põlluosa vajab väetist. Kosmosepõhised analüütikaettevõtted soovivad selliseid vastuseid otse pakkuda, tihti pilveplatvormide või API-de kaudu. Teine näide: investeerimisfirma ei taha sadamapilte käsitsi hinnata, vaid tellib teenuse, mis annab iganädalase indeksi maailma suurte sadamate täituvuse kohta (leedetud konteinerite arvu põhjal). See toimub juba täna – ettevõtted nagu Orbital Insight ja Descartes Labs töötlevad satelliidipilte (erinevatest allikatest), et toota majandusindikaatoreid (nt kaupluste parklate hõivatus kui kaubanduse näitaja, või hinnata saagikuse prognoose).
  • Georuumilised suurandmete platvormid: Rääkisime Google Earth Engine’ist; samamoodi integreerivad Microsofti Planetary Computer, Amazoni Open Data Registry ja teised firmad mitmest allikast georuumilisi andmeid mastaapse analüütikaga. Nendel platvormidel ei lisata enam ainult pilte, vaid ka analüütilisi mudeleid. Näiteks on võimalik käivitada maakatte klassifitseerimise algoritm kogu Aafrikas mõne tunniga – see oleks olnud kümme aastat tagasi mõeldamatu. Tulevik liigub suunas, kus tekivad peaaegu reaalajas Maa armatuurlauad, mis võimaldavad pärida andmeid planeedi seisundi kohta (metsa kadu, õhukvaliteet, mullaniiskus jne) peaaegu elavas edastuses, tänu pidevatele satelliidiandmevoogudele ja analüütilistele algoritmidele.
  • Integreerimine teiste andmeallikatega: Satelliidipilte ühendatakse nüüd teiste „anduritega“ – sotsiaalmeedia, IoT maapealsed sensorid, ühisloomeandmed – et rikastada analüüsi. Näiteks katastroofi ajal võib üleujutusalade kaardid kombineerida Twitteri andmetega, et leida, kus inimesed abi vajavad. Põllumajanduses saab põllukultuuride tervise pilte ühendada kohalike ilmajaamade andmetega, et saagikust paremini prognoosida. Selline andmete sidumine on veel üks koht tehisintellektile, mis suudab eri andmevoogusid omavahel seostada sügavamate teadmiste huvides defenseone.com.
  • Orbiidil piirseadmete analüütika: Nagu varem mainitud, on kujunemas andmete töötlemine satelliidil endal (edge computing). Kui satelliidid suudavad tuvastada, milline andmeteosa on väärtuslik, saavad nad alla saata juba destilleeritud info või käivitada teisi satelliite. Näiteks kui üks infrapunasatelliit tuvastab tulekahju kohta soojusanomaalia, võib ta anda automaatselt korralduse optilise satelliidi suunamiseks sellele asukohale kõrglahutusega pildi tegemiseks. See autonoomne ülesannete jagamine on kosmosepõhise analüütika vorm, kus satelliitide võrgustik teeb koostööd sündmuste optimaalseks jäädvustamiseks. NASA sensorweb ja mõned teised on sellel suunal juba eksperimente teinud, kuid oodata on rohkem operatiivseid lahendusi tulevikus.
  • Kasutajale ligipääsetavus ja demokratiseerimine: Lõppeesmärk on muuta satelliidipõhine info sama hõlpsasti kättesaadavaks kui ilmateade. Võime juba varsti näha tarbijarakendusi, mis kasutavad taustal satelliidiandmeid (mõned juba eksisteerivad, nt äpid, mis hoiatavad põllukultuurihaiguste eest Sentinel-2 andmete põhjal). Mida enam analüütika muudab keerulised pildid lihtsateks näitajateks või teadeteks, seda madalamaks langeb barjäär satelliiditulenevate teadmiste kasutamiseks. Samas on ülioluline tagada, et see analüütika oleks täpne ja erapooletu – seetõttu on oluline läbipaistvus ka AI-põhistes toodetes.

Suurem lahutusvõime ja uued mõõtmismeetodid

Tasub märkida, et sensorite areng jätkub: võime peatselt näha isegi kõrgema lahutusvõimega kommertspilte (USA võib tulevikus lubada <30 cm pildi müüki ja teised riigid käivitavad 20 cm klassi satelliite). Uued spektraalmeetodid, nagu kosmosest tehtav LiDAR, võiksid lisada ülemaailmse 3D taimestiku ja struktuuride kaardistamise (NASA GEDI LiDAR ISS-i pardal on samm selles suunas; ettepanekud satelliit-LiDAR-i kasutamiseks on olemas). Termiline infrapuna satelliidipildistus (nt NASA ECOSTRESS kosmosejaamal või tulemas Landsat Next mitme termilise kanaliga) annab parema temperatuurikaardistuse – oluline veekasutuse, linnasoojuse jms jaoks. Öine valgustuse pildistamine (nt VIIRS instrument) võib paraneda suurema lahutusvõimega öösensorite abil, tuues esile inimtegevuse mustreid üksikasjalikumalt (nt elektrivarustuse jälgimine või konfliktipiirkondade tuvastamine valgusallikate põhjal).

Samas võivad tulevikus muutuda võimalikuks ka kvantsensorid või kõrglahutusega hüperspektraalkaamerad, rikastades veelgi kättesaadavaid andmeid.

Kokkuvõtteks liigub satelliidipildi tulevik suunas: rohkem – rohkem satelliite, rohkem andmeid, sagedamini, detailsemalt, automaatsemalt. Kujuneb „elav digitaalkaksik“ Maast, mida satelliidid ja AI pidevalt uuendavad, nii et inimene saab peaaegu reaalajas pärida planeedi ükskõik millise aspekti kohta. See avab erakordseid võimalusi ressursside kestlikuks haldamiseks, kriisidele kiirelt reageerimiseks ja dünaamiliseks maailma mõistmiseks – kuid toob kaasa ka uusi andmeeetika, privaatsuse ja õiglasema kasutuse väljakutseid. Tõenäoliselt on satelliidipildid tulevikus meie igapäevaelusse veelgi sügavamalt integreeritud, alates äppidest, mida kasutame, kuni poliitikate ja otsusteni, mida riigid langetavad – ja nii saavad täidetud Kosmoseajastu esimesed lubadused „Kosmoselaev Maa“ jälgimiseks ja hüvanguks.

Allikad:

Tags: , ,