Satelliittikuvantaminen: Periaatteet, sovellukset ja tulevaisuuden suuntaukset

Määritelmä ja perusperiaatteet

Satelliittikuvat tarkoittavat Maasta (tai muista planeetoista) kiertävien satelliittien keräämiä kuvia. Nämä kuvat ovat kaukokartoituksen muoto, eli data hankitaan etäältä ilman suoraa kosketusta. Satelliiteissa on antureita, jotka havaitsevat Maasta heijastuvaa tai emittoitunutta sähkömagneettista säteilyä. Useimmat kuvaussatelliitit käyttävät passiivisia antureita, jotka tukeutuvat auringonvaloon valonlähteenä (tallentaen näkyvää, infrapuna- tai lämpösäteilyä heijastuneena), kun taas toiset käyttävät aktiivisia antureita, jotka lähettävät oman signaalinsa (esim. tutkasykäyksiä) ja mittaavat paluusignaalin earthdata.nasa.gov earthdata.nasa.gov. Tallentamalla tätä säteilyä ja muuntamalla se digitaalikuviksi, satelliitit tarjoavat yksityiskohtaisen ja laaja-alaisen näkymän Maan pinnasta ja ilmakehästä. Kuvien täytyy olla georeferoituja (kohdistettu maantieteellisiin koordinaatteihin) ja korjattu vääristymien varalta, jotta ne olisivat käyttökelpoisia paikkatietojärjestelmissä (GIS) en.wikipedia.org.

Ytimeltään satelliittikuvantaminen mahdollistaa Maan tarkkailun ja monitoroinnin globaalilla tasolla. Se on usein täydentävää ilmakuvaukselle ja tarjoaa laajemman peiton, tosin yleensä matalammalla erotuskyvyllä en.wikipedia.org. Nykyaikaiset satelliittikuvat voivat erottaa noin 30–50 cm kokoisia kohteita huippuluokan kaupallisissa järjestelmissä en.wikipedia.org, kun taas julkisen sektorin toiminnot, kuten Landsat, tarjoavat 10–30 m resoluution en.wikipedia.org. Satelliitit kuvaavat eri osia sähkömagneettisesta spektristä, mikä mahdollistaa paitsi luonnollisen näköiset valokuvat myös väärennösvärikuvat ja tietokerrokset, joita ihminen ei näe (esim. infrapuna tai mikroaallot). Näiden ominaisuuksien ansiosta satelliittikuvantaminen on tehokas työkalu ympäristön prosessien tarkkailuun, Maan ominaisuuksien kartoitukseen ja muutosten havaitsemiseen ajan myötä.

Satelliittikuvantamisen historiallinen kehitys

Satelliittikuvauksen kehitys ulottuu karkeista varhaisista yrityksistä nykyisiin edistyneisiin avaruuspohjaisiin kameraverkostoihin. Ensimmäiset kuvat avaruudesta saatiin vuonna 1946 Yhdysvaltain V-2 -raketin suborbitaalilennolta, joka otti valokuvia noin 105 km korkeudesta en.wikipedia.org. Ensimmäinen varsinainen satelliitin ottama valokuva Maasta otettiin 14. elokuuta 1959 Explorer 6 -satelliitilla, ja se esitti sumean näkymän Tyynenmeren yläpuolisista pilvistä en.wikipedia.org. Vuonna 1960 TIROS-1-satelliitti lähetti ensimmäisen televisiokuvan Maasta kiertoradalta, mikä oli merkittävä edistysaskel säätarkkailussa en.wikipedia.org.

1960-luvulla satelliittikuvantamista kehitettiin erityisesti kahdella saralla: meteorologiassa ja sotilaallisessa tiedustelussa. TIROS- ja myöhemmät NOAA:n sääsatelliitit osoittivat jatkuvan pilvihavainnoinnin arvon ennusteille. Samanaikaisesti Yhdysvalloissa aloitettiin salainen CORONA-ohjelma (1960–1972), jossa vakoilusatelliitit käyttivät filmikameroita, joiden filmikasetit pudotettiin takaisin maahan ja poimittiin kesken lennon. (Corona-kuvat, jotka salattiin vasta vuosikymmenten kuluttua, sisältävät noin 7,5 metrin yksityiskohtia, mikä oli tuolloin poikkeuksellista en.wikipedia.org.) Vuoteen 1972 mennessä satelliittikuvantaminen avautui siviilikäyttöön Landsat 1:n (alun perin ERTS-1) myötä. Landsat oli ensimmäinen satelliitti, joka oli omistettu systemaattiseen Maan havainnointiin tieteellisiin ja siviilitarkoituksiin en.wikipedia.org. Ohjelma on luonut yhtenäisen 50 vuoden monispektrisen kuva-arkiston, ja viimeisin, Landsat 9, laukaistiin vuonna 2021 en.wikipedia.org.

Useita tärkeitä virstanpylväitä saavutettiin. Vuonna 1972 Apollo 17:n astronautit ottivat kuuluisan “Blue Marble” -valokuvan Maasta, mikä lisäsi yleistä tietoisuutta satelliittikuvista en.wikipedia.org. Vuoteen 1977 mennessä Yhdysvalloilla oli ensimmäinen lähes reaaliaikainen digitaalinen kuvaussatelliitti (KH-11 KENNEN -tiedustelusatelliitti), jonka ansiosta filmin palautus ei ollut enää tarpeen ja tiedustelun nopeus kasvoi huomattavasti en.wikipedia.org. Vuonna 1986 Ranskan SPOT-1 toi käyttöön korkeamman resoluution (10–20 m) monispektrisen kuvantamisen, ja muut maat (Intia, Venäjä, Japani jne.) alkoivat kehittää omia Maa-havaintoprojektejaan.

Kaupallisten satelliittikuvien aikakausi alkoi 1990-luvulla. Yhdysvallat lievensi yksityisten yritysten rajoituksia, jolloin vuonna 1999 laukaistiin IKONOS – ensimmäinen kaupallinen tarkkakuvainen satelliitti 1 m resoluutiolla mdpi.com. Tätä seurasivat nopeassa tahdissa alle metrin tarkkuuden satelliitit: esim. QuickBird (60 cm, 2001) ja WorldView-1/2 (~50 cm, 2000-luvun loppu) mdpi.com. Nykyisin Maxar Technologies (entinen DigitalGlobe) operoi WorldView-sarjaa, johon kuuluu mm. WorldView-3, jonka panchromaalinen tarkkuus on noin 0,3 m. 2010-luvulle tultaessa CubeSatit ja mikrosatelliitit mahdollistivat kymmenien edullisten kuvaajien laukaisun kerralla. Esimerkiksi Planet Labs laukaisi nanosatelliiteista (5–10 kg “Doves”) koostuvia laivastoja, joiden avulla koko Maapallo voidaan kuvata päivittäin 3–5 m resoluutiolla. Seurauksena on ollut kerätyn kuva-aineiston määrän räjähdysmäinen kasvu. Vuonna 2010 kiertoradalla oli vain noin 100 Maata havainnoivaa satelliittia; vuoteen 2023 mennessä niitä oli laukaistu yli 2 500, mikä on 25-kertainen kasvu, ja sen mahdollisti piensatelliittikonstellaatiot patentpc.com.

Toinen merkittävä kehityssuunta on ollut avoimen datan politiikka valtion satelliittiarkistoissa. Vuonna 2008 USGS teki koko Landsat-arkistosta vapaasti julkisen, mikä “lisäsi huomattavasti datan käyttöä” tiede-, hallinto- ja teollisuussektoreilla science.org. Vastaavasti Euroopan unionin Copernicus-ohjelma (Sentinel-satelliitit) tarjoaa ilmaista ja avointa kuva-aineistoa. 2000-luvun alkuun mennessä satelliittikuvista oli tullut helposti saavutettavia kaikille, joilla on internet-yhteys – kiitos Google Earthin ja verkkomappien kaltaisten työkalujen. Erään kuvauksen mukaan edullinen ohjelmisto ja avoimet tietokannat mahdollistivat, että “satelliittikuvista tuli laajasti saatavia” arkipäivän sovelluksiin en.wikipedia.org.

Satelliittien radat ja kuvantamissatelliittien tyypit

Satelliitit voidaan sijoittaa erilaisille radoille tehtävänsä mukaan. Rata määrittää satelliitin nopeuden, peittoalueen ja paluutiheyden. Kaksi yleisintä Maankuvantamisen rataluokkaa ovat geostationaarinen ja polaarinen auringonsynkroninen (eräs matala kiertorata), joilla on selvästi erilaiset ominaisuudet:

• Geostationaarinen rata (GEO): Geostationaarinen satelliitti kiertää noin 35 786 km:n korkeudella päiväntasaajan yläpuolella ja tekee 24 tunnin kierroksen Maan ympäri, pysyen synkronissa Maan pyörimisliikkeen kanssa esa.int. Näin ollen se pysyy koko ajan saman maapallon pisteen yläpuolella päiväntasaajalla. Geostationaariset satelliitit tarkkailevat jatkuvasti samaa laajaa aluetta (noin kolmasosaa maapallon pinnasta) etäiseltä paikalta esa.int. Tämä rata on ihanteellinen tehtäviin, joissa tarvitaan jatkuvaa havainnointia, kuten sääsatelliitit, jotka seuraavat pilvi- ja myrskykulkua reaaliajassa esa.int. Haittapuolena on alhaisempi erotuskyky suuren korkeuden vuoksi – yksityiskohdat ovat karkeampia, mutta peitto laaja ja yhtäjaksoinen.
• Matala kiertorata (LEO), polaarinen auringonsynkroninen: Matalat kiertoradat vaihtelevat noin 500–1000 km:n korkeudella, ja satelliitit kiertävät Maan noin 90–100 minuutissa eos.com. Monet Maata havainnoivat satelliitit käyttävät polaarista kiertorataa (lähellä napoja kulkeva), joka on auringonsynkroninen – eli ne ylittävät päiväntasaajan aina samalla paikallisella aurinkoajalla earthdata.nasa.gov. Tämä takaa yhtenäiset valaistusolosuhteet kuvaukselle. LEO-satelliitit ovat paljon lähempänä Maata, mikä mahdollistaa tarkemmat kuvat ja eri alueiden peiton jokaisella kierroksella Maan pyöriessä niiden alla earthdata.nasa.gov. Yksi polaarikiertoinen satelliitti voi palata samaan sijaintiin muutaman päivän tai viikon välein (esim. Landsatin 16 päivän kiertojakso), mutta käyttämällä konstellaatiota eli monta satelliittia voidaan päästä lähes päivittäiseen peittoon. LEO:ta käyttävät lähes kaikki kartoitus-, ympäristönvalvonta- ja vakoilusatelliitit. Esimerkiksi NASAn Aqua-satelliitti kiertää noin 705 km korkeudella auringonsynkronisella radalla ja tarjoaa maailmanlaajuisen Maan pinnan peiton päivittäin tai kahden välein earthdata.nasa.gov.

Muita rataluokkia ovat keskikorkea kiertorata (MEO) (~2 000–20 000 km), jota käytetään pääasiassa paikannusjärjestelmissä kuten GPS (12 tunnin radat) earthdata.nasa.gov earthdata.nasa.gov, sekä hyvin elliptiset radat erityisiin viestintä- tai valvontasovelluksiin (esim. Molniya-radat). Yleisesti ottaen mitä matalampi rata, sitä parempi yksityiskohtien erotus, mutta peittoalue on pienempi, kun taas korkealla radalla yksityiskohdat ovat karkeampia mutta pinta-ala laaja. Taulukko 1 tiivistää tärkeimmät erot geostationaaristen ja polaaristen (auringonsynkronisten) satelliittiratojen välillä:

Huom: Monet kuvauskonstellaatiot käyttävät aurinkosynkronista matalaa kiertorataleveyttä maailmanlaajuiseen kartoitukseen, kun taas geostationaarisia ratoja käyttävät sääsatelliitit (esim. NOAA:n GOES) tarkkaillakseen jatkuvasti yhtä pallonpuoliskoa.

Kuvantamissensorit ja -teknologiat

Satelliittien kuvantamissensorit voidaan luokitella niiden kuvausteknologian ja havaitseman sähkömagneettisen spektrin osan mukaan. Tärkeimmät tyypit ovat optiset kamerat, multispektraali/hyperspektraali -skannerit ja tutkakuvantajat. Näillä jokaisella on omat erityiset ominaisuutensa:

• Optinen kuvantaminen (näkyvä/infrapuna): Nämä sensorit toimivat kuin kamera, havaitsevat auringonvalon heijastumista laajoissa aallonpituuskaistoissa (yleensä näkyvä spektri ja lähi-infrapuna). Ne tuottavat kuvamateriaalia, joka muistuttaa ilmavalokuvia tai ”satelliittikuvia”. Optiset kuvat voivat olla aitoja värejä (sellaisena kuin ihmissilmä näkee) tai väärävärisiä (infrapunakaistojen avulla tuodaan esiin esim. kasvillisuutta). Tällaiset sensorit ovat passiivisia ja ne ovat riippuvaisia Auringon valaistuksesta earthdata.nasa.gov earthdata.nasa.gov. Siksi ne eivät voi nähdä pilvien läpi tai yöllä, sillä pilvet estävät auringonvalon eikä yön puolella Maata ole valaistusta earthdata.nasa.gov earthdata.nasa.gov. Optinen kuvantaminen on ollut ohjelmien, kuten Landsat ja kaupalliset satelliitit, kulmakivi. Aikaiset optiset satelliitit tallensivat panchromaattisia (musta-valkoisia) kuvia filmille; nykyaikaiset käyttävät digitaalisia ilmaisimia. Modernit korkearesoluutioiset optiset satelliitit pystyvät erottamaan alle metrin yksityiskohtia – esimerkiksi Maxarin WorldView-2 tuottaa n. 0,46 m panchromaattisen resoluution en.wikipedia.org. Optista kuvamateriaalia on helppoa tulkita ja sitä käytetään laajalti kartoissa ja visuaalisessa analyysissa, mutta se on sääriippuvaista.
• Multispektraali- ja hyperspektraalisensorit: Nämä ovat edistyneitä optisia kuvantajia, jotka tallentavat tietoa monilla erityisillä aallonpituuskaistoilla yhden laajan värikaistan sijaan. Multispektraalinen viittaa tavallisesti sensoreihin, joissa on kohtuullinen määrä selkeitä kaistoja (esim. 3–10 kaistaa kattavat näkyvän, lähi-infrapunan, lyhytaaltoisen IR:n jne.), kuten Landsatin 7-kaistainen TM tai Sentinel-2:n 13-kaistainen laite. Hyperspektraaliset sensorit tallentavat kymmeniä tai satoja erittäin kapeita, toisiinsa liittyviä kaistoja, ja käytännössä tallentavat jatkuvan spektrin jokaisesta pikselistä en.wikipedia.org en.wikipedia.org. Hyperspektraalikuvassa jokainen pikseli sisältää tarkan heijastusspektrin, jonka avulla voidaan tunnistaa aineita (mineraalit, kasvilajit, saasteet) erittäin tarkasti. Erona on paitsi kaistojen määrä myös niiden jatkuvuus – multispektraaliset kuvat eivät tarjoa täyttä spektriä per pikseli, kun taas hyperspektraaliset tarjoavat (esim. 400–1100 nm tallennettuna 1 nm välein) en.wikipedia.org. Hyperspektraalinen kuvantaminen, eli kuvantava spektroskopia, kehitettiin ensimmäistä kertaa mm. NASAn AVIRIS-instrumentilla 1980-luvulla en.wikipedia.org. Multispektraalisensorit tarjoavat kompromissin tietosisällön ja datamäärän välillä, kun taas hyperspektraaliset tuottavat valtavasti dataa ja niissä on usein karkeampi spatiaalinen erotus/tai kapeampia kaistoja teknisistä syistä en.wikipedia.org. Molemmat tyypit ovat hyödyllisiä: multispektraalikuvausta käytetään rutiininomaisesti maanpeitteen luokitteluun (esim. veden, maaperän, viljelykasvien, metsien erottaminen), ja hyperspektraalikuvausta erikoisanalyysiin, kuten mineraalien etsintään, kasvistressin tunnistamiseen ja ympäristöseurantaan, jossa spektrisignatuurit ovat tärkeitä. Esimerkiksi Landsat (multispektraali) on pitkään seurannut maailmanlaajuista maanpeitettä en.wikipedia.org, kun taas uudemmat hyperspektraalisatelliitit (kuten Italian PRISMA tai tulevat missiot) voivat havaita hienovaraisiakin biokemiallisia eroja kasvillisuudessa tai geologissa rakenteissa.
• Lämpöinfrapuna: Monilla optisilla multispektraalisensoreilla on myös lämpöinfrapuna kaistoja (esim. Landsatin TIRS-laite), jotka mittaavat Maan pinnan lähettämää lämpösäteilyä. Lämpökuvat voivat osoittaa lämpötilaeroja, ja ne ovat hyödyllisiä esimerkiksi metsäpalojen, kaupunkien lämpösaarekkeiden tai meren pintalämpötilojen yöseurannassa. Nämä ovat passiivisia sensoreita, mutta toimivat eri spektrissä (pitkäaaltoinen IR) ja voivat toimia sekä päivällä että yöllä (sillä Maa säteilee IR:ää ilman auringonvaloakin). Lämpöresoluutio on kuitenkin yleensä paljon karkeampi (kymmeniä tai satoja metrejä) ilmaisinteknologian rajoitteista johtuen.
• Tutkakuvantaminen (SAR – Synteettinen apertuuritutka): Tutkakuvantajat ovat aktiivisia sensoreita – ne lähettävät mikroaaltoisia radiosignaaleja kohti Maata ja mittaavat takaisinsirontaa. Yleisin muoto on synteettinen apertuuritutka (SAR), joka hyödyntää satelliitin liikettä simuloimaan suurta antennia, jolloin saavutetaan korkea erotuskyky. Tutkasatelliitit toimivat aallonpituuksilla kuten X-kaista, C-kaista tai L-kaista mikroaallot. Olennaisesti tutka läpisee pilvipeitteen ja toimii pimeässä, mahdollistaen säästä riippumattoman, ympäri vuorokauden tapahtuvan kuvantamisen earthdata.nasa.gov. Tutkakuva näyttää hyvin erilaiselta kuin optinen kuva – tutka mittaa pinnan karheutta ja kosteutta, tuottaen mustavalkokuvia, joissa vesi näkyy tummana (pieni paluu) ja kaupungit tai vuoret kirkkaina. SAR on korvaamaton esimerkiksi maanpinnan muodonmuutosten (maanjäristykset, painumat) kartoitukseen, laivojen tai tulvien havaitsemiseen pilvien läpi sekä trooppisten alueiden monitorointiin, joissa pilvipeite on lähes pysyvä. Esimerkkejä ovat ESA:n Sentinel-1 (C-kaistan SAR) ja kaupalliset tutkasatelliitit, kuten TerraSAR-X ja Capella Space. Varhaiset tutkamissiot 1990-luvulla (esim. Kanadan RADARSAT-1) saavuttivat ~10 m resoluution. Nykyiset parhaat SAR-satelliitit saavuttavat 1 m tai paremman resoluution mdpi.com (italialainen COSMO-SkyMed ja saksalainen TerraSAR-X, laukaistu 2007, olivat ensimmäisiä ~1 m tutkaresoluutioon yltäneitä mdpi.com). Tutkakuvantaminen vaatii monimutkaisempaa tulkintaa, mutta se laajentaa suuresti Maan havainnointimahdollisuuksia silloin kun optinen kuvantaminen epäonnistuu (yö, pilvet) ja se voi jopa läpivalaista joitakin pintoja (esim. L-kaistan tutka tunkeutuu kasvillisuuden tai kuivan hiekan läpi ja voi paljastaa piilossa olevia kohteita).

Kuvantamistekniikat: Satelliitit käyttävät erilaisia menetelmiä kuvien tallennukseen. Nykyaikaiset optiset ja multispektraalisatelliitit hyödyntävät yleensä push-broom-skanneria rakenneratkaisuna: antureiden lineaarinen rivi muodostaa kuvaa yksi rivi kerrallaan satelliitin liikkuessa radallaan en.wikipedia.org. Tämä eroaa vanhemmasta whisk-broom-skannerista, jossa yksi ilmaisinyksikkö liikkuu edestakaisin radan suuntaisesti ja skannaa maata kaistaleina en.wikipedia.org. Push-broom -järjestelmissä (ns. line scan -kamerat) ei ole liikkuvia osia satelliitin liikkeen lisäksi, ja ne antavat laadukkaamman signaalin, minkä vuoksi ne ovat nykyisin yleisimpiä (esim. Sentinel-2, WorldView jne.). Joissain kuvantamisjärjestelmissä otetaan kohdekuva (kaksidimensionaalinen ”snapshot”) kerralla polttotasoanturilla – tämä on tyypillisempää ilmakameroissa ja varhaisissa vakoilusatelliiteissa (jotka siis käyttivät filmiä). Hyperspektraalikuvantamisessa käytetään erikoismenetelmiä, kuten spatiaalista skannausta (push-broom kapealla raolla ja dispersiivisellä optiikalla) tai spektraalista skannausta (tunesuotimella tallennetaan yksi aallonpituus kerrallaan) en.wikipedia.org en.wikipedia.org. Synteettinen apertuuritutka taas muodostaa kuvan liikuttamalla antennia ja prosessoimalla Doppler-siirtyneitä paluusignaaleja, jolloin saadaan kuva, jonka erotus on paljon parempi kuin antennin fyysinen koko antaisi ymmärtää.

Toinen keskeinen kuvantamisen osa-alue ovat erilaiset resoluutiot, jotka kuvaavat kuvan laatua ja käyttökelpoisuutta:

• Paikallinen resoluutio (spatiaalinen resoluutio): yhden kuvapikselin maanpinnan koko (esim. 30 m Landsatille, 50 cm WorldView’lle). Se määrittää pienimmän kohteen, jonka voi erottaa. Korkeampi spatiaalinen resoluutio (pienempi pikselikoko) paljastaa enemmän yksityiskohtia. Esimerkiksi NASA:n Terra/Aqua-satelliittien MODIS-instrumentilla pikselikoko vaihtelee 250 metristä 1 kilometriin, mikä soveltuu alueelliseen tai globaaliin kartoitukseen, kun taas kaupalliset satelliitit alle 1 m pikselikoolla voivat tunnistaa yksittäisiä ajoneuvoja en.wikipedia.org. Paikallinen resoluutio määräytyy sensorioptiikan ja kiertoradan korkeuden perusteella earthdata.nasa.gov earthdata.nasa.gov.
• Spektraalinen resoluutio: kyky erotella pieniä aallonpituuseroja – käytännössä spektrikaistojen määrä ja leveys. Monispektriset sensorit, joilla on vain muutama laajakaistainen spektri, omaavat karkeamman spektraalisen resoluution verrattuna hyperspektrisiin sensoreihin, joilla on satoja kapeita kaistoja ja siten erittäin korkea spektraalinen resoluutio earthdata.nasa.gov. Esimerkiksi AVIRIS-instrumentti mittaa 224 peräkkäistä spektrikanavaa ja saavuttaa hyvin tarkan spektraalisen resoluution, joka mahdollistaa eri mineraalien tai kasvilajien tunnistamisen earthdata.nasa.gov. Yleisesti ottaen enemmän kaistoja/kapeammat kaistat = korkeampi spektraalinen resoluutio, mikä mahdollistaa yksityiskohtaisemman materiaalien tunnistamisen earthdata.nasa.gov earthdata.nasa.gov.
• Ajallinen resoluutio (uudelleenkäyntitiheys): kuinka usein sama paikka Maassa voidaan kuvata satelliitilla. Tämä riippuu kiertoradasta ja satelliittien muodostelmasta. Geostationäärisillä satelliiteilla on käytännössä jatkuva havainto tietystä alueesta (ajallinen resoluutio minuuttien luokkaa, sillä ne voivat ottaa kuvia muutaman minuutin välein sääanimaatioita varten) earthdata.nasa.gov. Napa-kiertoratasatelliittien ajallinen resoluutio vaihtelee päivittäisestä (laajakaistaisilla sensoreilla kuten MODIS) yli viikkoon (kapeammilla kaistasensoreilla kuten Landsatilla 16 päivän välein) earthdata.nasa.gov. Esimerkiksi Sentinel-2:lla kahden satelliitin avulla saavutetaan 5 päivän uudelleenkäynti, ja Terra/MODIS on noin 1–2 päivää earthdata.nasa.gov. Korkea ajallinen resoluutio on ratkaisevan tärkeää nopeasti muuttuvien ilmiöiden (sää, katastrofit) seuraamisessa, kun taas joissakin sovelluksissa voidaan vaihtaa ajallista tiheyttä parempaan spatiaaliseen/spektraaliseen yksityiskohtaisuuteen earthdata.nasa.gov. Useita satelliitteja koordinoiduissa radoissa (tähdistöt) käytetään yhä useammin parantamaan uudelleenkäyntiä – esimerkiksi Planet Labs käyttää yli 150 minisatelliittia saavuttaakseen päivittäisen globaalin kuva-aineiston.
• Radiometrinen resoluutio: sensorin herkkyys erottaa signaalin voimakkuuseroja, tyypillisesti mitattuna pikseliä kohden tallennettavien bittien määrällä (esim. 8-bittinen = 256 harmaasävyä, 11-bittinen = 2048 tasoa, jne.). Korkeampi radiometrinen resoluutio tarkoittaa, että sensori voi havaita pienempiä kirkkaus- tai lämpötilaeroja. Nykyaikaisilla optisilla sensoreilla radiometrinen resoluutio on usein 10–12 bittiä tai enemmän, mikä parantaa mahdollisuutta erottaa hienovaraisia kontrasteroja (tärkeää esimerkiksi meriveden värissä tai kasvillisuuden hyvinvoinnissa). Esimerkiksi pienten vesivärin muutosten erottaminen vedenlaadun arvioinnissa vaatii korkeaa radiometristä tarkkuutta earthdata.nasa.gov earthdata.nasa.gov.

Sisäisiä kompromisseja on: satelliitti, jolla on hyvin korkea spatiaalinen ja spektraalinen resoluutio, voi kattaa pienemmän alueen tai sen ajallinen resoluutio voi olla huonompi datavolyymin rajoitusten vuoksi earthdata.nasa.gov. Suunnittelijoiden on tasapainotettava näitä tekijöitä kunkin satelliittihankkeen tavoitteiden mukaisesti.

Satelliittikuvien tärkeimmät käyttökohteet

Satelliittikuvista on tullut välttämättömiä monilla eri aloilla. Alla on joitakin merkittäviä käyttökohteita ja tapoja, joilla satelliittikuvia hyödynnetään:

Ympäristön ja ilmaston seuranta

Maan ympäristön ja ilmaston seuranta on satelliittikuvauksen perustavaa käyttöä. Koska satelliitit tarjoavat maailmanlaajuisen, toistuvan näkymän, ne ovat ihanteellisia ympäristön muutosten seuraamiseen ajan kuluessa.

• Ilmaston havainnointi: Satelliitit auttavat mittaamaan ilmaston kannalta tärkeitä muuttujia, kuten globaaleja lämpötilatrendejä, ilmakehän koostumusta ja jäiden peittoa. Esimerkiksi lämpöinfrapunasensorit kartoittavat merenpinnan ja maapinnan lämpötiloja maailmanlaajuisesti, tarjoten dataa ilmastomalleille. Napa-kiertoratasatelliitit, kuten NASA:n Aqua/Terra (MODIS-instrumentein varustettuna), tuottavat päivittäisiä havaintoja aerosoleista, kasvihuonekaasuista ja pilviominaisuuksista. Erikoistuneet tehtävät (esim. NASA:n OCO-2 CO₂:lle tai ESA:n Sentinel-5P ilmanlaadulle) seuraavat ilmakehän hivenkaasuja ja otsonia. Satelliitit seuraavat myös otsoniaukon suuruutta sekä napajäätiköiden ja vuoristojäätiköiden laajuutta vuosittain. Nämä pitkäaikaisaineistot ovat ratkaisevia ilmastonmuutoksen tutkimisessa ja kansainvälisessä ilmastopolitiikassa.
• Ympäristön muutokset ja ekosysteemit: Maanpintaa kuvaavia satelliitteja (Landsat, Sentinel-2, jne.) käytetään metsäkadon, aavikoitumisen ja ekosysteemimuutosten seurantaan. “Kaukokartoituksen avulla… asiantuntijat voivat seurata kasvillisuuden, maankäytön ja vesistöjen muutoksia”, mikä auttaa biodiversiteetin heikentymisen ja maa-alueiden köyhtymisen havaitsemisessa satpalda.com. Esimerkiksi satelliittien aikasarjat voivat paljastaa sademetsien vähenemisen Amazonilla tai kosteikkojen supistumisen. Viranomaiset ja kansalaisjärjestöt hyödyntävät tätä tietoa suojelulakien valvomiseen (esim. laittoman metsänhakkuun tai kaivostoiminnan havaitseminen suojelualueilla satpalda.com). Satelliitit voivat myös tunnistaa elinympäristöjen tilaa – monispektrikuvat mahdollistavat kasvillisuusindeksien, kuten NDVI:n (Normalized Difference Vegetation Index), laskennan, joka mittaa kasvillisuuden vihreyttä ja elinvoimaisuutta. Tällainen tieto tukee kuivuusstressin, metsien terveyden (esim. tuholaistuhojen tai metsäpaloalueiden) ja satosatojen seuraamista (limitys maatalouden kanssa).
• Meri- ja vesialueet: Ympäristösatelliitit seuraavat leväkukintoja, öljyvuotoja ja vesien laatua merissä ja järvissä havaitsemalla värien muutoksia (spektrikaistoilla, jotka ovat herkkiä esimerkiksi klorofyllille tai sameudelle). Ne seuraavat myös lumipeitettä ja jäätiköitä maalla, jotka ruokkivat jokia – tärkeä tekijä vesivarojen hallinnassa vaihtelevan ilmaston alla. Mikroaaltosensorit (tutka-altimetrit) mittaavat merenpinnan nousua ja merenjään tilaa.
• Meteorologia ja ilmastojärjestelmät: Geostationaariset sääsatelliitit (kuten NOAA:n GOES tai EUMETSATin Meteosat) tuottavat jatkuvasti kuvia pilvimuodostelmista, myrskyn kehityksestä ja laajamittaisista ilmastojärjestelmistä. Ne ovat olennaisia hurrikaanien seurantaan, rajusäiden ennustamiseen ja ilmiöiden kuten El Niño/La Niña seuraamiseen (havainnoimalla merenpinnan lämpötilaa ja pilvikonvektiota). Napa-kiertoratasatelliitit, joissa on infrapuna- ja mikroaaltosondit, täydentävät tätä tarjoamalla pystysuoria profiileja lämpötilasta ja kosteudesta, mikä ruokkii numeerisia sääennustusmalleja.

Yhteenvetona satelliittikuvat mahdollistavat globaalin näkökulman ympäristön muutoksiin, joita olisi maasta käsin mahdoton havaita. Ne ovat välttämättömiä esimerkiksi ilmastonmuutoksen arvioinnissa (esim. todisteet jään sulamisesta, metsäkadon asteet, ilmakehän saasteiden leviäminen). Satelliittidata on osoittanut esimerkiksi kasvillisuuden vihertymisen tai ruskettumisen ilmastonmuutoksen seurauksena sekä kartoittanut maailmanlaajuiset ilmakehän epäpuhtausalueet. Esimerkki ympäristön seurannasta satelliitin avulla näkyy Kuvassa 1, jossa Landsat-kuva paljastaa kastelun aiheuttamia kuvioita pelloissa ja osoittaa, kuinka satelliitti voi havaita kasvillisuuden tilaa ja vedenkäyttöä:

Kuva 1: Satelliittikuva kastelluista viljapelloista ja kastelukanavasta (viistossa) Etelä-Ukrainassa, otettu Landsat 8 -satelliitilla 7.8.2015. Kuva esitetään luonnollisissa väreissä (punainen, vihreä, sininen kaistat). Keskipistesadetusmenetelmästä johtuvat pyöreät ”viljakuviot” ovat näkyvissä. Tällaista kuvamateriaalia käytetään maatalouden seurantaan – terveet viljelykasvit näkyvät vihreinä ja erottuvat muodoiltaan, mikä auttaa tunnistamaan kastelumenetelmiä commons.wikimedia.org. Kirkkaanvihreät ympyrät osoittavat aktiivisesti kasteltua, rehevää kasvillisuutta, kun taas vaaleammat tai ruskeat alueet voivat viitata kesannointiin tai kuiviin peltoihin. (Kuvan lähde: USGS/NASA Landsat -ohjelma, käsittely: Anastasiya Tishaeva.)

Maatalous ja Metsätalous

Satelliittikuvantamisella on keskeinen rooli maataloudessa ja metsien hallinnassa, usein ”täsmäviljelyn” ja kestävän resurssien käytön alla:

• Satojen seuranta: Monikaistaiset satelliittikuvat mahdollistavat viljelijöille ja analyytikoille kasvustojen tilan seurannan laajoilla alueilla. Erilaiset spektrikaistat (erityisesti lähi-infrapuna) reagoivat kasvien kuntoon – terve kasvillisuus heijastaa voimakkaasti NIR-kaistaa. Laskemalla indeksejä kuten NDVI satelliittidatasta, voi tunnistaa stressiä, joka johtuu esimerkiksi kuivuudesta, taudeista tai ravinnepuutteesta. ”Monikaista- ja hyperspektrikuvantamisen avulla viljelijät voivat tunnistaa tuholaisia, seurata kasvustojen kuntoa sekä optimoida kastelua” satpalda.com. Esimerkiksi satelliittidata voi paljastaa mitkä peltolohkot kärsivät vesipulasta (näkyvät vähemmän vihreinä), jolloin kastelua voidaan säätää, tai tunnistaa sairaiden kasvien signaalit jo varhain. Tämä mahdollistaa täsmäviljelyn – vettä, lannoitteita tai torjunta-aineita käytetään vain tarvittaessa, mikä lisää satoa ja pienentää ympäristökuormaa satpalda.com.
• Pinta-alojen ja satomäärän arviointi: Hallitukset ja organisaatiot käyttävät satelliittikuvia tärkeimpien viljelykasvien pinta-alojen ja odotettujen satojen arviointiin. Koska satelliitit pystyvät kuvaamaan suuria alueita usein, niistä saadaan ajankohtaista tietoa kasvuvaiheista sekä vahingoista (tuhoisat tulvat, myrskyt, kuivuudet). Tämä tehtiin aiemmin keskitarkkuuden kuvilla (Landsat, Sentinel-2, 10–30 m resoluutio, jotka tunnistavat peltokohtaiset muutokset). Nykyään päivittäiset PlanetScope- tai kaupalliset korkearesoluutiokuvavirrat voivat jopa laskea kasvirivejä ja tunnistaa viljelylajeja. Näitä tietoja käytetään ruokaturva-arvioissa sekä hyödykemarkkinoilla.
• Metsätalous: Satelliitteja hyödynnetään metsien hallinnassa seuraamalla metsäkatoon, uudelleenmetsitystä ja metsien terveyttä. ”Korkean resoluution satelliittivalokuvausta käytetään metsien kunnossapidossa seuraamaan metsien kuntoa ajan mittaan ja havaitsemaan laitonta hakkuuta” satpalda.com. Esimerkiksi Landsatin pitkä arkisto mahdollistaa metsäpeitteen muutosten laskemisen vuosittain, jolloin nähdään missä metsää on hakattu. Viranomaiset käyttävät tätä valvoessaan metsälainsäädännön toteutumista ja tunnistaessaan laittomat hakkuut syrjäseudulla. Satelliitit auttavat myös metsien terveydentilan seurannassa – esimerkiksi hyönteistuhojen tai myrskytuhojen tunnistamisessa latvavärin muutosten perusteella. Kun aineistoon lisätään korkeusdataa (lidarilta tai stereosatelliitteilta), voidaan arvioida biomassaa ja hiilivarastoja metsissä.
• Laitumien ja laidunalueiden hallinta: Karjatalousalueilla keskitarkan resoluution kuvilla seurataan laidunten kuntoa (mm. ylikarjatalouden havaitseminen kasvillisuuden kattavuudesta). Tämä ohjaa kiertolaidunnusta ja kuivuuden aikaista päätöksentekoa.

Kaiken kaikkiaan satelliitit mahdollistavat siirtymisen tasapäisestä viljelyn ohjauksesta kohdennettuun hallintaan tarjoamalla ajantasaista, alueellisesti yksityiskohtaista tietoa. Tämä laskee kustannuksia ja edistää kestävyyttä. Kasvukaudella satelliitit voivat havaita ongelmat varhain (esim. peltolohkon ruskistuminen), ja sadonkorjuun jälkeen ne auttavat arvioimaan mitkä menetelmät tai lajikkeet antoivat parhaat tulokset missäkin lohkossa. Metsätaloudessa satelliittiseuranta on nyt keskeistä REDD+-ohjelmissa (metsäkadon vähentämiseksi maksettavat kannustimet), koska ne tarjoavat avointa, todennettavaa tietoa metsäpeitteen muutoksista ajan yli.

Kaupunkisuunnittelu ja Infrastruktuuri

Nopeasti kaupungistuvassa maailmassa satelliittikuvat ovat keskeinen tietolähde kaupunkisuunnitteluun, infrastruktuurin kehittämiseen ja maankäytön kartoitukseen:

• Kaupunkikasvun kartoitus: Analysoimalla kuvia eri aikapisteistä kaupunkisuunnittelijat voivat tarkkailla miten kaupungit laajenevat ja minne uutta rakentamista kohdistuu. Satelliittikuvat auttavat ajantasaistamaan kaupunkialueen laajuuskarttoja, näyttäen esimerkiksi miten viljelys- tai metsäalueita muutetaan asutukseksi. Suunnittelijat käyttävät tätä hallitakseen kaupunkien leviämistä ja palvelujen kohdentamista. ”Satelliittikuvantaminen on olennainen työkalu kaupunkisuunnittelussa, jossa kartoitetaan ja seurataan maankäytön, infran kehityksen ja kaupunkikasvun muutoksia” satpalda.com. Korkean resoluution kuvat (alle metrin) ovat riittävän yksityiskohtaisia näyttääkseen yksittäisiä rakennuksia, teitä ja jopa ajoneuvoja, jolloin uusien rakennusten tai laitonta asutuksen voi kartoittaa tarkasti euspaceimaging.com. Suunnittelijat voivat näin havaita luvattomia rakentamisia tai esimerkiksi uuden tien rakentamisen ennen kuin se näkyy maastossa.
• Infrastruktuuri ja liikenne: Satelliittikuvia käytetään teiden, rautateiden ja hyödykeverkkojen suunnittelussa tarjoamalla ajantasaista maantietoa. Suunnittelijat asettavat suunnitellut reitit tuoreiden kuvien päälle välttääkseen päällekkäisyydet ja luonnonesteet. Rakennushankkeiden etenemistä voidaan seurata – esimerkiksi nähdä moottoritien, rautatien tai lentokentän laajennuksen eteneminen avaruudesta. Omaisuudenhallinnassa satelliitit havaitsevat muutoksia tai ongelmia infrakäytävissä (esim. maanvyörymät tai painumat läheisillä putkistoilla). Liikennesuunnittelussa kuvista nähdään liikennemalleja (epäsuorasti: ruuhkat, pysäköintialueiden laajeneminen) sekä maankäyttö, joka vaikuttaa liikenteen kysyntään.
• Kaupunkiluonto ja viherympäristö: Satelliittidataa käytetään ympäristön seurantaan – kuten kaupunkivihreän, puupeitteen tai läpäisemättömän pinnan kartoitukseen. Lämpöinfrared-kuvat voivat paljastaa kaupunkien lämpösaarekkeet (kuumimmat, vähäkasviseiset alueet). Tämä ohjaa kaupunkien viher- ja ilmastostrategioita. Osa erikoistuotteista pohjautuu satelliittidataan, joka luokittelee kaupunkialueen maankäyttöä (asuin, teollisuus, liiketila) ja arvioi väestöjakaumaa rakennusten ja tiheyden perusteella.
• Karttojen ja kiinteistörekisterien päivitys: Ajantasaiset peruskartat ovat kaupunginhallinnon perusvaatimus. Satelliitit tuottavat ajankohtaista kuvamateriaalia, jolla voidaan päivittää rakennusten, teiden ja maamerkkien GIS-tasot. Tämä on erityisen tärkeää alueilla, joilla maastokartoitus on jäljessä kehityksestä. Korkean resoluution kaupallisia kuvia, joista näkyvät yksittäiset talot, käyttävät usein karttalaitokset sekä palvelut kuten Google Maps satelliittikuvan tausta-aineistona en.wikipedia.org. Kuvamateriaali ortorektifioidaan (koordinoidaan mittakaavaan ja oikeaan sijaintiin) karttapohjaksi. Kiinteistörekisterikartoituksessa kuvista voidaan tunnistaa luvattomia rakennelmia tai käyttää maapalstojen käytön kartoituksessa.
• Katastrofiriskit ja kaupunkien resilienssi: (Päällekkäisyyttä katastrofiosion kanssa) Suunnittelijat käyttävät satelliittitietoa tunnistaakseen kaupunkien haavoittuvat alueet – esimerkiksi matalat naapurustot ovat helposti nähtävissä tulva-aluekartoituksessa tai tiheästi rakennettu vyöhyke maanjäristysriskissä. Ennen tapahtumaa otetut korkearesoluutiokuvat tarjoavat lähtötilanneaineiston varautumista varten (evakuointireitit jne.), ja tuhon jälkeen uusi kuvamateriaali auttaa jälleenrakennussuunnittelussa.

Yhteenvetona satelliittikuvantaminen tarjoaa kaupunkisuunnittelijoille usein päivittyvän, lintuperspektiivistä otetun yleiskuvan kaupunkiympäristöstä. Se varmistaa, että suunnittelupäätökset perustuvat oikeaan, ajantasaiseen tilanteeseen, eivätkä vanhentuneisiin karttoihin. Kuvien yhdistäminen kolmiulotteisiin kaupunkimalleihin ja GIS-sovelluksiin on kehittynyt huomattavasti, mikä mahdollistaa ”entä jos” -simulaatiot (esimerkiksi nähdä, miltä uusi tie tai kaavamuutos näyttäisi oikeassa ympäristössä). Havaitsemalla muutokset maankäytössä nopeasti viranomaiset voivat reagoida luvattomaan rakentamiseen tai infratarpeisiin ennakoivasti.

Katastrofitilanteiden hallinta ja hätätilanteet

Yksi kriittisimmistä humanitaarisista satelliittikuvien sovelluksista on katastrofien hallinta – niin varautumisessa kuin nopeassa reagoinnissa:

• Nopea vaurioarvio: Luonnonkatastrofien – kuten maanjäristysten, hirmumyrskyjen, tulvien tai metsäpalojen – jälkeen satelliittikuvat ovat usein nopein tapa arvioida vahinkojen laajuutta, kun maapohjainen pääsy on rajoitettua. ”Satelliittidata auttaa järjestämään avustusoperaatioita ja antaa reaaliaikaista tietoa vaurioiden laajuudesta luonnonkatastrofien aikana” satpalda.com. Esimerkiksi jo muutaman tunnin sisällä suuresta maanjäristyksestä, kuvaussatelliitit voivat ottaa korkearesoluutioisia kuvia tuhotusta kaupungista, jolloin pelastajat näkevät sortuneet rakennukset, tukkeutuneet tiet ja evakuointileirit. Tyypillistä on ennen-jälkeen-kuvien vertailu: päällekäistämällä kuvat ennen ja jälkeen tapahtuman, analyytikot löytävät nopeasti tuhoutuneet rakennukset ja pahimmin kärsineet alueet satpalda.com. Tätä käytettiin laajasti esimerkiksi Haitin vuoden 2010 maanjäristyksessä ja Beirutin vuoden 2020 räjähdyksessä – satelliitit paljastivat missä kokonaisia kortteleita oli tuhoutunut. YK:n kaltaiset tahot aktivoivat Kansainvälisen avaruuskartoitus- ja suurkatastrofi-järjestelytoimiston (International Charter on Space and Major Disasters), joka antaa ilmaista satelliittikuvantamista kriisiteissä monilta eri mailta, varmistaen ajankohtaisen kuvamateriaalin saatavuuden.
• Tulvien ja myrskyjen seuranta: Laajojen tulvien tai hirmumyrskyjen aikana satelliitit (erityisesti tutka- ja usein kuvaavat optiset satelliitit) seuraavat katastrofia lähes reaaliajassa. Tulvissa tutka-aineisto on erityisen tärkeää, koska se läpäisee pilvet: tulvatut alueet näkyvät SAR-kuvissa tummina, sileinä pintoina, jolloin tulvan laajuus voidaan nähdä pilviselläkin säällä. Tämä auttaa pelastusviranomaisia tunnistamaan mitkä alueet ovat veden alla ja suunnittelemaan evakuointeja tai avustuksen kuljetusta. Myrskytilanteessa säätutkasatelliitit seuraavat myrskyn reittiä, ja jälkeenpäin optiset satelliitit tarjoavat selkeää kuvaa vaurioalueesta (esim. nähdäkseen, mitkä kylät ovat eristyksissä tai mitkä sillat ovat tuhoutuneet). Metsäpalotilanteessa Nasan MODIS- ja VIIRS-satelliitit havaitsevat aktiiviset palopesäkkeet ja palorintaman rajat jopa savun läpi. Näin pelastusvoimat voidaan ohjata tehokkaasti tarpeellisimpiin kohteisiin.
• Hätätilanteen kartoitus ja logistiikka: Heti katastrofin jälkeen erikoistuneet kartoitustiimit tuottavat satelliittikuvien pohjalta ajankohtaisia karttoja, joilla merkitään esimerkiksi käyttökelpoiset tiet, tuhoutunut infrastruktuuri ja kansojen pakolaiskeskittymät. Tämän tarpeellisuus nähtiin esimerkiksi tsunami- ja taifuunikatastrofeissa, joissa satelliittikartat osoittivat käyttökelpoiset avustusreitit ja alueet, joissa selviytyjät kokoontuivat. Koska satelliitit peittävät laajoja alueita, niistä on erityisesti hyötyä, kun katastrofi iskee syrjäisiin tai laajoihin alueisiin (esim. 2004 Intian valtameren tsunamin koko rannikon tuhon kartoitus). Kuvamateriaali paljastaa myös sekundääriset riskit – esimerkiksi järistyksen jälkeiset kuvat voivat näyttää onko maanvyöry tukkinut joen (tulvauhka ylävirtaan), jotta viranomaiset ehtivät reagoida.
• Katastrofivalmius: Ennen katastrofeja kuvamateriaalia käytetään riskialueiden kartoittamiseen ja vaikutusten mallintamiseen. Esimerkiksi korkean resoluution satelliittikorkeusmallit yhdistettynä kuvamateriaaliin tunnistavat tulva-alueet; kuvapohjaiset maankäyttökartat syötetään metsäpaloriskimalleihin (mm. rajapinta-alueiden paikantaminen). Toistuvat kuvat auttavat seuraamaan luonnollisten puolustusvarusteiden, kuten patojen tai metsäkadon jyrkillä rinteillä, kuntoa. Lisäksi hitaasti käynnistyvissä katastrofeissa, kuten kuivuuksissa, satelliitit seuraavat indikaattoreita (kasvillisuuden tila, vesivarastojen tasot) aikaistaakseen varoitukset ruokaturvariskeistä.

Yhteenvetona satelliittikuvantaminen tarjoaa puolueettoman, ajantasaisen tilannekuvan, joka on korvaamatonta ensiapuhenkilöstölle ja avustusjärjestöille. Se laajentaa näkyvyyttä – esimerkiksi avustajat näkevät koko katastrofin vaikutusalueen, mutta pystyvät myös yksilöimään paikallisia yksityiskohtia, mikä ei olisi mahdollista pelkkien maastoraporttien avulla. Mahdollisuus saada tietoa lähes reaaliajassa (kiitos kasvavan satelliittimäärän ja nopeiden tiedonsiirtojärjestelmien) mahdollistaa avun kohdentamisen tehokkaammin ja voi pelastaa ihmishenkiä. Kuten SATPALDA -raportissa todetaan, vertaamalla ennen- ja jälkeen-kuvia viranomaiset voivat ”kohdentaa resurssit parhaaseen käyttöön, priorisoida korjaukset ja arvioida tarkasti menetykset” satpalda.com.

Puolustus ja tiedustelu

Jo avaruusajan alusta lähtien sotilaallinen ja tiedustelun tiedonkeruu on ollut satelliittikuvauksen merkittävä ajuri. Tiedustelusatelliitit (usein kutsutaan ”vakoilusatelliiteiksi”) tarjoavat strategisia valvontamahdollisuuksia:

• Tiedustelu ja valvonta: Puolustusviranomaisten käyttämät korkean resoluution kuvaussatelliitit voivat tallentaa yksityiskohtaisia kuvia maanpinnan tapahtumista. Varhaisia esimerkkejä ovat CORONA-ohjelma, joka oli CIA:n ja Yhdysvaltain ilmavoimien pyörittämä strategisten tiedustelusatelliittien sarja en.wikipedia.org. Yksityiskohdat ovat usein salaisia, mutta tiedetään, että modernit tiedustelusatelliitit (esim. Yhdysvaltain Keyhole/CRYSTAL-sarja) omaavat optisia järjestelmiä, joiden erotuskyky on kymmenien senttimetrien luokkaa. Niillä voidaan tarkkailla sotilastukikohtia, ohjusasemia, joukkojen liikkeitä ja muita tiedustelukohteita. Satelliitit muistuttavat kiertoradalla olevia kaukoputkia, jotka voivat joskus jopa muuttaa rataansa vieraillakseen usein kiinnostavissa kohteissa. Sotilaskäytössä satelliitit tarjoavat ratkaisevaa tietoa, joka muutoin edellyttäisi riskialttiita lentotiedusteluita. Satelliitit tuottavat tietoa rikkomatta ilmatilaa (koska ne toimivat kiertoradalla), minkä vuoksi niistä on tullut tärkeitä työkaluja esimerkiksi sopimusten (kuten aserajoitusten) valvonnassa, vastustajien tarkkailussa ja sotilasoperaatioiden ohjaamisessa.
• Geospatiaalinen tiedustelu (GEOINT): Modernit puolustusviranomaiset yhdistävät satelliittikuvia muuhun dataan tiedustelun tuottamiseksi. Tähän kuuluu muutosten havaitseminen tunnetuissa kohteissa (esim. uuden infrastruktuurin ilmestyminen tai poikkeuksellinen aktiivisuus lentokentällä), maaston kartoitus operaation suunnitteluun sekä kohdentaminen. Kuvia käytetään korkearesoluutioisten karttojen ja 3D-mallien tuottamiseen kiinnostavista alueista sotilasoperaatioita varten (esim. Osama bin Ladenin piilopaikan operaatiota edelsi satelliittikuvien mallinnus). Synteettisen apertuuran tutka-satelliitteja (SAR) käytetään myös puolustuksessa niiden kyvyn vuoksi kuvata kaikissa sääolosuhteissa ja vuorokauden aikoina – hyödyllistä esimerkiksi naamioinnin tunnistamiseen tai muutoksiin, jotka optinen kuvaus voisi jättää huomaamatta. Uusia nousevia alueita ovat avaruudesta tehtävä radiotaajuuskartoitus (RF) sekä hyperspektrikuvantaminen tiettyjen materiaalien (esim. polttoaineen tai räjähteiden) etähavaitsemiseen.
• Tiedon jakaminen ja avoin tiedustelu: Mielenkiintoisesti kaupallisten kuvaussatelliittien yleistyessä osa puolustuksen kuvantamistehtävistä on ulkoistettu tai täydennetty kaupallisilla toimijoilla. Yritykset kuten Maxar ja Planet tuottavat luokittelemattomia korkean resoluution kuvia, joita analyytikot (ja jopa yleisö) voivat käyttää globaalien tapahtumien seurantaan. Esimerkiksi konfliktien tai aserajoituskiistojen yhteydessä hallitukset ovat julkaisseet kaupallisia satelliittikuvia tuekseen. Esimerkkinä Venäjän hyökkäys Ukrainaan 2022: Planet Labsin päivittäiset kuvat paljastivat venäläisjoukkojen kasautumisen ennen hyökkäystä ja niitä on sittemmin käytetty sodan aikaisen vaurioiden ja liikkeiden dokumentointiin defenseone.com. Tiedustelun demokratisoituminen tarkoittaa, että myös avoin tiedustelu (OSINT)-analyytikot ja ei-valtiolliset toimijat voivat seurata strategisia kohteita (kuten Pohjois-Korean ydinlaitoksia tai Syyrian tukikohtia) kaupallisesti saatavilla kuvilla defenseone.com. Sotilaskohteiden julkiset satelliittikuvat ovat joskus aiheuttaneet poliittisia kiistoja (esim. jotkut maat vastustavat arkaluontoisten kohteiden esittämistä; Yhdysvalloissa on vain yksi erityinen rajoitus – Kyl–Bingaman-amendment, joka rajoittaa kuvien tarkkuutta Israelin yläpuolella, mutta tätäkin lievennettiin vuonna 2020).
• Paikannus ja kohdentaminen: Vaikka tämä ei varsinaisesti ole kuvantamista perinteisessä mielessä, satelliitit (kuten GPS-järjestelmä) tarjoavat paikannustietoa, joka on ratkaisevaa sotilaalliseen navigointiin ja kohdennukseen. Lisäksi kuvaussatelliitteja voidaan käyttää tarkkojen iskujen ohjaamiseen tuottamalla ajantasainen kuvaus kohdealueesta juuri ennen operaatiota (varmistetaan kohteen oikeellisuus sekä arvioidaan sivuvaurioiden riski). Konfliktitilanteessa lähes reaaliaikaista kuvaa voidaan toimittaa joukoille kentälle (tämä riippuu tosin nopeasta tiedon siirrosta ja prosessoinnista).

Yhteenvetona puolustussatelliitit tarjoavat väsymättömän silmän, joka parantaa tilannekuvaa merkittävästi. Ne ovat siirtäneet tiedustelun painopistettä lentokoneiden ja maanpäällisten vakoojien käytöstä avaruuspohjaisiin ratkaisuihin. Sotilassatelliittien erotuskyky ja ominaisuudet ovat yhä pääosin salaisia, mutta teknologiat kuten pilvien läpi näkevä tutka, lämpöjälkiä havaitseva infrapuna sekä tiheäkäyntiset optiset tähdistöt osoittavat avaruuteen perustuvan tiedustelun kehittyneisyyttä. Edistyneen tekoälyanalyysin (käsitellään jäljempänä) myötä kuvamassat voidaan prosessoida nopeasti uhkien ja kiinnostavien muutosten tunnistamiseksi, tavoitteena kohti automaattisia hälytys- ja ohjausjärjestelmiä (algorithmit nostavat epäilyttävät kohdat ihmisanalyytikoiden tarkasteltaviksi).

Navigointi ja kartoitus

Vaikka ehkä vähemmän näyttävästi, yksi satelliittikuvauksen yleisimmistä käyttötarkoituksista on kartta- ja navigointipalvelut, joita miljardeja ihmisiä käyttää:

• Pohjakartat ja kartografia: Korkean resoluution satelliittikuvat ovat useiden digitaalisten karttojen ja karttapalveluiden perusta. Esimerkiksi Google Maps, Google Earth, Bing Maps ja muut käyttävät satelliitti-/ilmakuvaustasoja, joita käyttäjä voi tarkastella. Kuvat tuovat kontekstia ja yksityiskohtia, joita vektoritieto ei tarjoa. Yritykset kuten Google lisensoivat kuvat satelliittipalveluntarjoajilta (esim. Maxar) päivittääkseen globaalia mosaiikkiaan en.wikipedia.org. Näin yleisölle on käytännössä tarjolla planeetanlaajuinen atlas lähes valokuvamaisella tarkkuudella. Kansalliset karttalaitokset käyttävät satelliittikuvia myös topografisten karttojen päivittämiseen, etenkin syrjäisten alueiden osalta, joita on vaikea kartoittaa säännöllisesti. Kuvia ortorektoidaan ja käytetään muun muassa teiden, rakennusten ja jokien digitointiin, jotka julkaistaan karttoina.
• Navigointi ja GPS-sovellukset: Vaikka navigointijärjestelmät perustuvat ensisijassa satelliitti-paikannukseen (GPS), kuvat parantavat sovelluksia mahdollistamalla maamerkkien tunnistuksen ja tie- sekä katuverkon oikeellisuuden tarkistuksen. Esimerkiksi kuljetusalan ja logistiikan yritykset voivat käyttää satelliittikuvia rakennusten sijaintien ja parhaiden sisäänkäyntien arviointiin. Itseajavien autojen kehittäjät hyödyntävät huippuresoluutioisia kuvia yhtenä tasona laatiessaan HD-tiekarttoja. Myös tavalliselle autoilijalle satelliittinäkymän käyttö sovelluksessa voi helpottaa kohteen ympäristön hahmottamista (esim. tunnistaa huoltoaseman oikealla kulmalla).
• Geospatiaalinen viite ja GIS: GIS-järjestelmissä (paikkatietojärjestelmät) satelliittikuvat ovat keskeinen tietokerros. Ne tarjoavat todellisuuslähtöisen pohjan, jolle muut datakerrokset (esim. infrastruktuuri, hallinnolliset rajat tai ympäristötiedot) voidaan asettaa päällekkäin. Koska satelliittikuvat ovat georeferoituja, voidaan etäisyyksiä ja pinta-aloja mitata suoraan. Kuvia käytetään usein ensimmäisenä kartan laatimisessa tuntemattomasta alueesta: teitä ja asutusta voidaan piirtää kuvista pohjakartaksi (avustushankkeiden OpenStreetMap-yhteisö tekee näin laajasti katastrofi- ja kehitysalueilla digitointia satelliittien avulla).
• Kohteiden tunnistus ja kartta-automaatio: Tarkkuuden ja konenäön kehittyessä monet kohteet voidaan tunnistaa ja piirtää automaattisesti satelliittikuvista. Esimerkiksi algoritmit voivat havaita ja vektoroida rakennusten ääriviivat, tieverkkoja tai maanpeiteluokkia satpalda.com. Tämä nopeuttaa karttojen alku- ja päivitystyötä huomattavasti. Lidar-data (ilmasta tai pian satelliiteista) sekä stereo-satelliittikuvat mahdollistavat myös 3D-korkeusmallien muodostamisen, mikä yhdistettynä kuvantamiseen takaa tarkan topografisen kartoituksen.
• Merikartoitus ja esteiden navigointi: Mannerkartoituksen lisäksi satelliitit auttavat merenkulun kartoituksessa (esim. riuttojen ja rannikkokohteiden kuvaus selkeässä vedessä merikarttojen päivityksessä) ja ilmailussa (lentokenttien esteiden ja maaston kuvaus).

Kaiken kaikkiaan satelliittikuvaus on vallankumouksellistunut kartoituksen varmistaen, että kartat eivät ole staattisia ja nopeasti vanhenevia tuotteita, vaan eläviä kokonaisuuksia, joita voi päivittää aina uusimmilla näkymillä ylhäältä. Esimerkiksi ennen satelliitteja uuden moottoritien karttaan ilmestymisessä saattoi kestää vuosia; nykyisin satelliittikuva näyttää sen heti, vaikka vektoridata ei olisi ajan tasalla. Lisäksi kuvantaminen mahdollistaa kartoituksen paikoissa, joihin maasto ei tarjoa pääsyä (sademetsät, konfliktialueet, jne). Euroopan Space Imagingin mukaan erittäin korkean resoluution kuvat näyttävät selvästi tieviivat, jalkakäytävät, ajoneuvot, pienrakenteet – yksityiskohtia, jotka mahdollistavat tarkan kaupunkisuunnittelun ja infrastruktuurisuunnittelun euspaceimaging.com. Yhdistettynä GPS:ään tämä tekee nykykartastosta erittäin yksityiskohtaista ja käyttäjäystävällistä.

Merkittävimmät satelliittiohjelmat ja tarjoajat

Satelliittikuvia tuottaa sekä viranomaisohjelmat että kaupalliset yritykset. Alla on joitakin merkittävimpiä satelliittiohjelmia ja tarjoajia ominaisuuksineen:

• NASA/USGS Landsat-ohjelma (USA): Landsat-sarja (käynnistetty 1972) on pisimpään jatkunut Maan kuvausohjelma en.wikipedia.org. Landsat-satelliitit (nykyisin Landsat 8 ja 9) tuottavat 30 m tarkkuuden monikanavaisia kuvia maanpinnasta globaalisti, lämpökanavat 100 m ja 15 m panchromatinen kanava. Data on vapaasti saatavilla kaikille avoimen politiikan ansiosta vuodesta 2008 earthobservatory.nasa.gov earthdata.nasa.gov. Landsat on ollut tieteen ja luonnonvaravalvonnan tukijalka yli 50 vuoden yhtäjaksoisilla havainnoilla maankäytön, metsähakkuiden, kaupunkikasvun ja muun analyysissä en.wikipedia.org. Jokainen Landsat vierailee annetun kohdan yläpuolella 16 päivän välein; kahdella satelliitilla tämä on noin 8 päivää. Kohtuullinen tarkkuus ja pitkä kuva-arkisto ovat erityisen arvokkaita muutosten seurannassa vuosikymmenten aikana. (NASA kehittää satelliitit, USGS operoi ja hallinnoi arkistoa.)
• Copernicus Sentinel -satelliittisarja (ESA/EU): Euroopan avaruusjärjestö ESA operoi EU:n Copernicus-ohjelman puolesta useita Sentinel-satelliitteja (käynnistetty 2014). Tärkeitä ovat Sentinel-1 (C-kaistan tutka satelliitti kaiken sään kuvaukseen), Sentinel-2 (10 m resoluutioinen monikanavainen optinen kuvaus, viiden päivän välein), Sentinel-3 (keskitaso merien ja maaston monitorointi), Sentinel-5P (ilmakehän saasteiden tarkkailu) ja muut. Kaikki Sentinel-data on vapaasti ja avoimesti saatavilla globaalisti Landsatin mallia seuraten en.wikipedia.org. Sentinel tarjoaa säännöllisen ja tiheän kattavuuden ympäristön monitorointiin EU:ssa ja maailmanlaajuisesti ja sitä käytetään usein Landsatin kanssa yhdessä (esim. Sentinel-2:n tiheämpi kuvantahti täydentää Landsatin pidempää arkistoa). ESA:lla on ollut aiempiakin satelliitteja (ERS, Envisat), mutta Sentinel on nyt järjestön ydintyökalu kuvaamisessa.
• NOAA ja EUMETSAT meteorologiset satelliitit: Sää- ja valtamerivalvontaan NOAA (USA) ja EUMETSAT (Eurooppa) käyttävät geostationaarisia sääsatelliitteja (esim. NOAA:n GOES-East ja GOES-West Amerikoiden yllä, EUMETSAT:in Meteosat Euroopan/Afrikan yllä ja vastaavat Japanin (Himawari), Intian (INSAT) jne.) Nämä tuottavat jatkuvia kuvia koko Maasta 5–15 minuutin välein noin 0,5–2 km resoluutiolla eri aallonpituuksilla (näkyvä, infrapuna, vesihöyry) sääjärjestelmien seuraamiseksi. Lisäksi polaarikiertävät sääsatelliitit (NOAAn JPSS-sarja, Euroopan MetOp, jne) tarjoavat globaalia dataa ennustusmalleille ja ilmastolle. Vaikka nämä ovat suunniteltuja sääkäyttöön, niistä saatua kuvamateriaalia (etenkin näkyvä ja IR) käytetään laajasti myös muissa sovelluksissa (esim. metsäpalojen tai lumen laajuuden päivittäinen seuranta). Nämä tiedot ovat vapaasti saatavilla, usein lähes reaaliaikaisesti, ja ne ovat olleet meteorologian tukipilari vuosikymmeniä.
• Maxar Technologies (DigitalGlobe) – kaupallinen huipputarkka kuvaus: Maxar (yhdysvaltalainen yritys) on johtava kaupallisen tarkkakuvauksen tarjoaja. Yritys operoi WorldView ja GeoEye -satelliitteja. Esimerkkinä WorldView-3 (laukaistu 2014) tallentaa n. 31 cm panchromaattista ja n. 1,2 m monikanavakuvaa; WorldView-2 (2009) tarjoaa 46 cm pan-kuvaa en.wikipedia.org; vanhempi GeoEye-1 tuottaa n. 0,5 m pan-kuvaa. Maxarin satelliitteja voidaan ohjata lähes mihin tahansa maanpäälliselle alueelle ja ne pystyvät usein päivittäisiin tai lähes päivittäisiin uusiokuviin keskileveyksillä (kun hyödynnetään sivusuuntaista kuvaamista). Niiden kuvat ovat sekä viranomais- että yritysasiakkaiden käytössä kartoituksessa, tiedustelussa sekä palveluissa kuten Google Maps ja Microsoft Bing (jotka ostavat kuvia Maxarilta) en.wikipedia.org. Maxarin arkisto kattaa viimeiset kaksi vuosikymmentä miljardeilla neliökilometreillä kuvapintaa. Yhdysvaltain lainsäädännön vuoksi suurin kaupallisesti saatava tarkkuus on noin 30 cm (Maxar sai luvan myydä 30 cm kuvia). Maxar tarjoaa myös johdannaispalveluita, kuten 3D-maasto- ja rakennusmalleja kuva-aineistollaan.
• Planet Labs – kaupallinen pienisatelliittitähdistö: Planet (Yhdysvalloista) operoi maailman suurinta Maan kuvaussatelliittien laivastoa. Yli 100 kenkälaatikon kokoista Dove-satelliittia kuvaa maata n. 3–5 metrin tarkkuudella (monikanavaiset) joka päivä. Tämä päivittäinen globaali kuvaus (PlanetScope) on ainutlaatuista – vaikka resoluutio on keskitasoa, tiheys on omaa luokkaansa. Lisäksi Planet omistaa SkySat-satelliitteja (ostettu Google Terra Bellalta), jotka ovat pienempi laivasto 50 cm resoluution satelliitteja, joiden avulla saadaan nopeita uusiokuvia ja jopa lyhyitä videoleikkeitä. Planet operoi aiemmin myös viiden RapidEye-satelliitin tähdistöä (5 m, poistui käytöstä 2020) en.wikipedia.org. Planetin data on kaupallista, mutta yrityksellä on erilaisia ohjelmia tutkimus- ja järjestökäyttöön. Data on osoittautunut erittäin hyödylliseksi lyhytaikaisten muutosten seurannassa: kasvukauden vaiheet, katastrofivauriot päivittäin, konfliktien seuranta jne., tarjoten käytännössä päivittäisen ”juoksevan kuvavirran” maapallon muutoksista. Planet mallintaa trendiä, jossa monet halvat satelliitit korvaavat harvat huippukalliit tietyissä käyttötarkoituksissa.
• Airbus Defence & Space (Airbus Intelligence): Airbus (Euroopasta) operoi korkearesoluutioisia satelliitteja kuten SPOT 6/7 (1,5 m resoluutio, laaja kaistale) ja Pleiades-1A/1B (0,5 m, erittäin tarkka). Lisäksi yhtiö omistaa TerraSAR-X ja PAZ -tutkasatelliitit. Airbus tarjoaa kaupallisia kuvia Maxarin tapaan eurooppalaisille ja kansainvälisille asiakkaille. SPOT-sarja (alkaen 1986) oli yksi ensimmäisistä kaupallisista Maan kuvausohjelmista ja sillä on pitkä arkisto 10–20 metrin tarkkuusluokassa. Pleiades (laukaistu 2011–2012) lisäsi sub-metrin kuvauskyvyn eurooppalaisten tarpeisiin. Airbusin kuvia käytetään laajalti kartoitukseen, puolustukseen ja ympäristön seurantaan (osa SPOT-datasta vapautetaan tieteelliseen käyttöön muutamien vuosien jälkeen).
• Muut merkittävät ohjelmat: Monilla mailla on omia maanhavainnointisatelliitteja. Esimerkiksi Intian ISRO operoi IRS-sarjaa (Indian Remote Sensing satellites) ja uusia korkearesoluutioisia CARTOSAT-satelliitteja (jopa n. 0,3 m pan). Japanin JAXA on operoinut mm. ALOS-ohjelmaa (mukana tutka-PALSAR ja optinen PRISM). Kiina kasvattaa nopeasti omaa Gaofen-sarjaansa (korkearesoluutioinen optinen ja tutka) osana kansallista EO-järjestelmää, ja sillä on myös kaupallisia toimijoita kuten 21AT. Kanada tunnetaan radarijärjestelmistä kuten RADARSAT ja uusi Radarsat Constellation Mission. Venäjä käyttää esimerkiksi Resurs-P ja Kanopus-V satelliitteja. Lisäksi on kymmeniä pienempiä yrityksiä ja startupeja esimerkiksi SAR-kuvauksen (Capella Space, Iceye), kasvihuonekaasujen mittauksen (GHGSat) ja muiden erityissovellusten satelliiteilla.

Yhteenvetona alalla on vapaata julkista dataa hallitusten satelliiteista (kuten Landsat, Sentinel, sääsatelliitit) ja kaupallista dataa yksityisilta satelliiteilta (jotka tarjoavat erittäin korkean tarkkuuden tai erityisominaisuuksia – mutta maksusta). Usein käyttäjät yhdistävät näitä – esimerkiksi analysoivat laajemmin ilmaisella Sentinel-2:n 10 m kuvalla ja ostavat Maxarilta 30 cm kuvan siltä pieneltä alueelta, jossa tarvitaan maksimitarkkuutta. Planetin kaltaisten toimijoiden kasvu osoittaa, että korkeataajuiselle kuvaukselle on kysyntää, ja Landsatin ja Sentinelin jatkuva menestys osoittaa avoimen datan merkitystä tieteelle ja yhteisölle yleisesti.

Dataformaatit, saavutettavuus ja käyttötavat

Dataformaatit: Satelliittikuvia tallennetaan ja jaetaan tyypillisesti vakiomuotoisina rasteritiedostoina. Yksi yleinen formaatti on GeoTIFF, joka on käytännössä TIFF-kuvatiedosto, johon on upotettu maantieteelliset koordinaattitiedot (niin että jokainen pikseli vastaa todellista sijaintia) equatorstudios.com earthdata.nasa.gov. GeoTIFFiä käytetään laajasti prosessoitujen kuvien (kuten Landsat-otosten tai korkean resoluution kuvien) jakeluun, koska ne voi ladata suoraan paikkatieto-ohjelmaan oikeilla koordinaateilla. Suuriin tieteellisiin aineistoihin käytetään myös HDF (Hierarchical Data Format) tai NetCDF-formaatteja, joissa voidaan tallentaa usean kaistan, moniajallista dataa itsekuvaavalla tavalla earthdata.nasa.gov. Esimerkiksi NASA jakaa MODIS-dataa HDF-tiedostoina. Monet sää- ja ilmastotuotteet käyttävät myös NetCDF:ää. Yhä enemmän käytetään pilvioptimoituja formaatteja, kuten COG (Cloud Optimized GeoTIFF), joiden avulla kuvia voi ladata osittain internetin kautta ilman kokonaisten tiedostojen lataamista. Kuvatoimijat voivat käyttää myös omia tai erikoisformaattejaan tehokkuuden vuoksi, mutta yleensä tarjoavat työkalut konvertointiin.

Datan tasot ja prosessointi: Raaka satelliittidata vaatii usein esikäsittelyä (radyometrinen kalibrointi, geometrinen korjaus jne.), ennen kuin sitä voi käyttää kuvana. Avaruusvirastot määrittävät prosessointitasot (Taso-0 raakadata, Taso-1 georeferoitu radianssi, Taso-2 johdetut tuotteet kuten heijastavuus tai indeksit jne.) earthdata.nasa.gov earthdata.nasa.gov. Suurin osa julkisesti julkaistuista kuvista on vähintään Taso-1 (georeferoitu). Osa, kuten Landsat Taso-2, on korjattu ilmakehän vaikutuksista ja ne ovat valmiita analyysiin (pintaheijastavuus). Formaatin valinta voi riippua tasosta – raakadata voi olla binääripakattua, mutta käyttäjille jaetaan GeoTIFF- tai HDF-tiedosto prosessoinnin jälkeen.

Avoin vs. kaupallinen saatavuus: Keskeinen trendi viimeisen 1-2 vuosikymmenen aikana on ollut siirtymä avoimeen dataan julkisrahoitteisissa satelliittikuvissa. Kuten aiemmin mainittiin, USGS:n Landsat-arkistosta tuli ilmainen vuonna 2008, mikä johti “tieteellisen ja operatiivisen soveltamisen nopeaan kasvuun” Landsatin hyödyntämisessä sciencedirect.com science.org. Tutkijat eivät enää tilanneet kymmeniä kuvia (kustannusten takia), vaan nyt pystyivät lataamaan satoja tai tuhansia, mahdollistaaen laajat vertailututkimukset. Samoin ESA:n Sentinel-data on avointa ja ilmaista, ja sitä on ladattu käyttäjien toimesta miljoonia kertoja, tukien lukuisiin sovelluksiin maataloudessa, hätäavussa jne. NASA ja NOAA tekevät lähes kaiken Maata havainnoivan datansa vapaasti saatavaksi (esim. NASA:n EarthData ja NOAA:n CLASS -järjestelmät), usein ilman kirjautumista. Ajatuksena on, että verorahoilla tuotettu data on julkista omaisuutta. Tämä avoimuus on demokratisoinut datan käytön – myös pieni tutkimusryhmä tai kehitysmaan maatalousministeriö voi hyödyntää satelliittidataa ilman budjettirajoitteita.

Sen sijaan kaupalliset satelliittikuvat (erityisesti erittäin korkean resoluution kuvat yrityksiltä kuten Maxar tai Airbus) myydään lisenssien alaisena. Hallitukset ovat suuria asiakkaita (esim. armeijat, karttalaitokset), samoin alat kuten kaivokset, rahoitus, vakuutus sekä teknologiayritykset (karttoihin). Hinnat voivat olla huomattavia (satoja tai tuhansia euroja/kuva korkeimmalla resoluutiolla). Kuitenkin kaupalliset yhtiöt voivat ajoittain julkaista tietoa humanitaarisiin tarpeisiin tai avata arkistojaan ajan kuluttua. Lisäksi ”new space” -yritykset ovat siirtymässä hybridimalleihin – esimerkiksi Planetin avoimen datan ohjelman kautta tieteelliset tutkijat ja kansalaisjärjestöt voivat saada kuvia ei-kaupalliseen käyttöön ja katastrofitilanteissa kuvia voidaan jakaa laajasti.

Palvelualustat ja saavutettavuus: Jättimäisten datamäärien vuoksi on kehitetty uusia alustoja kuvien hallintaan ja jakeluun. Google Earth Engine on tästä hyvä esimerkki – pilvialusta, joka sisältää petatavukaupalla julkista satelliittidataa (Landsat, Sentinel, MODIS jne.) ja jonka avulla käyttäjät voivat analysoida dataa suoraan verkkokäyttöliittymässä. Tällöin käyttäjän ei tarvitse ladata teratavukaupalla dataa omalle koneelle, vaan analyysi tehdään suoraan datan vieressä. Tällaiset alustat ovat lisänneet valtavasti kuvien käyttöä, koska ne tarjoavat sekä datan että laskentatehon saumattomasti. Vastaavasti Amazon Web Services (AWS) ja muut isännöivät avoimia kuva-arkistoja (kuten koko Landsat- ja Sentinel-kokoelmia pilvioptimoiduissa formaateissa) avoimen datan ohjelmiensa kautta.

Datamäärät ja trendit: Satelliittikuvien määrä on valtava ja kasvaa nopeasti. Vuonna 2021 Euroopan Sentinel-arkisto ylitti 10 petatavua, kasvaen yli 7 teratavua päivässä ceda.ac.uk. Yksi Sentinel-2-satelliitti tuottaa n. 1,5 TB dataa päivässä kompression jälkeen eoportal.org. Planet Labsin satelliittikonstellaatio tuottaa miljoonia kuvia päivittäin (tosin matalammalla resoluutiolla). Näin suuren datamäärän hallinta ja analysointi on haaste – ja siksi pilvitallennus, hajautettu prosessointi ja tekoäly ovat yhä tärkeämpiä (käsitellään seuraavassa osiossa). Datan tulva on johtanut innovaatioihin, kuten Analysis Ready Data (ARD)-ratkaisuihin – eli valmiiksi prosessoituihin aineistoihin yhtenäisessä formaatissa/projektiossa, jotta kuvat voidaan pinota ja analysoida helposti, sekä esim. Googlen Earth Engine Data Catalog -laisiin laatikkoskeemoihin.

Käyttötrendit: Parempi saatavuus on johtanut siihen, että satelliittikuvien käyttäjäkunta on laajentunut valtavasti. Enää vain kaukokartoituksen asiantuntijat eivät käytä erikoisohjelmia, vaan nyt ekologit, kaavoittajat, taloustieteilijät ja jopa tavalliset kansalaiset hyödyntävät kuvia sovellusten ja alustojen kautta. Esimerkiksi humanitaariset vapaaehtoiset käyttävät ilmaisia kuvia OpenStreetMapissa kartoittaakseen katastrofialueita. Maataloudessa agronomit voivat saada satelliittipohjaisia satoennusteita verkkopalveluista. Mediassa julkaistaan satelliittikuvia uutistarinoiden tueksi (esim. todisteet ihmisoikeusrikoksista tai ympäristötuhoista). Laaja käyttöönotto johtuu osittain käyttäjäystävällisistä työkaluista (verkkokarttapalvelut, yksinkertaiset API:t) sekä kuvien integroinnista arkipäivän palveluihin (esim. sääsovellusten satelliittikuvat tai finanssiyhtiöiden parkkipaikkalaskennat myyntien arviointiin).

Toinen trendi on lähes reaaliaikainen kuvasaatavuus. Osa toimijoista (etenkin sääpalveluissa) saa kuvat käyttöön muutaman minuutin sisällä kuvauksesta. Muut, kuten Landsat ja Sentinel, tarjoavat kuvia tyypillisesti muutamassa tunnissa vastaanotosta ja prosessoinnista. Tämä mahdollistaa nopeamman reagoinnin – esimerkiksi uuden öljyvuodon havaitsemisen satelliittikuvissa heti tapahtumapäivänä ja tiedottamisen viranomaisille.

Lopuksi, kun kuva-arkistot kasvavat, kiinnostus ajalliseen tiedon louhintaan kasvaa: ei katsota vain yksittäisiä kuvia, vaan tarkastellaan trendejä ja muutoksia kymmenien kuvien aikajaksoissa (aikasarja-analyysi). Tällaisia menetelmiä käytetään esimerkiksi kaupunkikasvun mallinnukseen, metsäkadon arviointiin tai monivuotisten kuivuuksien vaikutuksien tutkimiseen. Ilmaiset arkistot ja laajamittaiset tietotyökalut mahdollistavat pitkäjänteisen analyysin. Huomattava esimerkki: tutkijat käyttivät yli 30 vuoden Landsat-dataa kartoittaakseen maailman pinta-vesien muutoksia ja kaupunkialueiden laajenemista – mikä olisi ollut lähes mahdotonta ennen avointa dataa.

Lyhyesti: satelliittikuvat ovat nyt helpommin saatavilla kuin koskaan. Avoimen datan liike on käynnistänyt käytön räjähdyksen tieteessä ja muualla earthobservatory.nasa.gov earthobservatory.nasa.gov. Tietokoneiden kehityksen kanssa tämä on muuttanut koko toimintakentän: enää ei katsota vain muutamaa kuvaa, vaan voidaan analysoida “todella suuria ongelmia” globaalisti louhimalla petatavujen laajuisia arkistoja earthobservatory.nasa.gov. Haasteena ei enää ole niinkään datan saatavuus, vaan hyödyllisten oivallusten tehokas louhinta siitä.

Satelliittikuvauksen haasteet

Vaikka satelliittikuvauksella on valtava arvo, siihen liittyy useita haasteita ja rajoituksia, joita käyttäjien ja palveluntarjoajien on otettava huomioon:

• Datamäärät ja hallinta: Kuten mainittu, satelliittimissiot tuottavat valtavia määriä dataa. Tallennus, arkistointi ja siirto ovat suuria haasteita. Esimerkiksi Copernicus Sentinels -satelliitit lisäävät 7–10 TB dataa päivittäin arkistoihin ceda.ac.uk, ja Landsat-arkistossa on nyt petatavujen verran aineistoa 50 vuoden ajalta. Tämä vaatii vahvaa infrastruktuuria: monitasoista tallennusta (nopeat verkkolevyt tuoreelle datalle, nauha-arkistot vanhemmalle), suurinopeuksisia yhteyksiä jakelua varten ja tehokkaita tiedostomuotoja. Käyttäjät kohtaavat haasteen ladatessaan suuria aineistoja – siksi siirrytään yhä enemmän pilvianalyysiin. Näiden volyymien hallinnassa on myös korkeat kustannukset ja kansainvälistä koordinaatiota, jotta päällekkäisyydet vähenevät (monet virastot peilaavat toistensa dataa kuorman tasaukseksi). Datan ylikuorma tarkoittaa, että analyytikko voi “hukkua dataan” – siksi automaattiset suodatusmenetelmät ja big data -tekniikat yleistyvät (esim. pilvettömien pikselien tai tiettyjen kohteiden haku massoista).
• Prosessointi ja osaaminen: Raaka satelliittidata ei ole heti käyttökelpoista – se vaatii usein monimutkaisia esikäsittelyvaiheita. Ortorekifikaatio (maaston ja sensorin kulmista johtuvien vääristymien korjaus), radiometrinen kalibrointi (sensoriarvojen muuttaminen heijastuvuudeksi/tarkaksi kirkkaudeksi) ja ilmakehän oikaisu (utuisuuden tai kosteuden poisto) ovat tarpeen kvantitatiiviseen analyysiin. Vaikka moni tuote on jo valmiiksi esikäsitelty korkeammille tasoille, tarkkaa tulosta tarvitsevan on ymmärrettävä nämä prosessit. Se vaatii kaukokartoituksen osaamista. Lisäksi multispektraali- tai hyperspektraalikuvien käsittely tarkoittaa suurten, monikaistaisten tiedostojen tulkintaa, mihin pitää tuntea niiden erityispiirteet. Myös käytännön sovelluksissa (esim. maankäytön luokittelu, kohteiden tunnistus) data vaatii lisäprosessointia, usein monimutkaisten algoritmien tai koneoppimismallien avulla. Tarve erikoisohjelmiin (GIS, kaukokartoitusohjelmistot) ja tekniseen osaamiseen on ollut este, vaikkakin modernit helppokäyttöiset työkalut madaltavat tätä kynnystä.
• Tarkkuus ja kalibrointi: Satelliittikuvien laatu ja tarkkuus vaihtelevat. Geopaikannuksen tarkkuus (jokaisen pikselin sijainnin tiedon tarkkuus) ei ole täydellinen – huipputason satelliiteilla geo-virhe voi olla muutamia metrejä, mutta vanhemmilla tai tietyillä tuotteilla jopa kymmeniä metrejä. Analyytikot joutuvat usein yhteisrekisteröimään (kohdistamaan) eri lähteistä olevat kuvat, mikä voi olla työlästä, jos niissä on pieniä eroja. Säteilyn mittauksen ja sensorien kalibroinnin erot aiheuttavat ongelmia: esim. Sentinel-2:n heijastavuus-arvon vastaavuus Landsat-8:n kanssa ei ole suora. Sensorien aallonpituus- tai kalibrointierot pitää huomioida yhdistetyissä analyyseissä. On meneillään projekteja harmonisoida dataa eri satelliiteista (esim. Sentinel-2 mukautetaan Landsatin historian linjaan ajan myötä). Lisäksi ilmakehän häiriöt (pilvet, utuisuus) ja kuvauskulman erot vaikuttavat laatuun. Pilvet ovat optisen kuvauksen pahin ongelma – jo vähäinenkin pilvisyys estää kohteiden näkyvyyden, ja pilvien varjot voivat aiheuttaa virhetulkintoja. Siksi käytetään pilvien tunnistusalgoritmeja tai siirrytään esimerkiksi tutkakuviin pilvisillä alueilla. Myös varjot, maaston vaikutukset (vuorien rinteet näyttävät tummemmilta ilman auringonvaloa) ja kausivaihtelut (fenologia) tuovat melua analyyseihin – vaatii tarkkaa normalisointia tai moniaikaisia vertailuja.
• Yksityisyyden ja turvallisuuden kysymykset: Koska satelliittikuvien tarkkuus ja levinneisyys kasvavat, on noussut esiin yksityisyyshuolia. Vaikka tarkkuus ei yleensä riitä yksittäisten henkilöiden tunnistamiseen (kasvot, rekisterikilvet), kuvat voivat paljastaa paljon yksityisestä omaisuudesta tai toiminnasta. Jotkut kokevat epämiellyttävänä palvelut, kuten Google Earthin, joissa oma piha-alue näkyy satelliittikuvassa. “Yksityisyyshuolia ovat nostaneet ne, jotka eivät halua omaisuuttaan näkyville ylhäältä” en.wikipedia.org. Palveluntarjoajat ja kartta-alustat kuitenkin huomauttavat, että satelliittikuvat näyttävät vain mitä taivaalta voi nähdä, aivan kuin lentokoneesta katsottuna, eivätkä yleensä ole reaaliaikaisia – kuvat voivat olla viikkoja tai kuukausia vanhoja en.wikipedia.org. Useimmissa maissa ei ole oikeudellista yksityisyydensuojaa ilmasta havaittaville asioille. Kuitenkin erityistapauksia on ollut: esim. Yhdysvalloissa oli (nyt höllennetty) laki, joka kielsi erittäin tarkkojen kuvien julkaisun Israelista turvallisuussyistä, ja Intia rajoittaa kuvaresoluutiota maan sisällä 1 metriin siviilikäytössä. Myös herkkien kohteiden (esim. sotilastukikohdat, kriittinen infrastruktuuri) kuvaus voi aiheuttaa turvallisuusnäkökulmia. Koska satelliittikuvat ovat globaalisti saatavilla, useimmat hallitukset ovat kuitenkin sopeutuneet tähän ”läpinäkyvään maailmaan”. Joitakin ratkaisuvaihtoehtoja ovat esimerkiksi tiettyjen kohteiden sumentaminen julkisissa karttapalveluissa (epäyhtenäisesti toteutettu) tai tulevaisuudessa mahdollisesti suodatus satelliitilla jo ennen tallennusta (nykyisin harvinaista).
• Sääntely- ja lisenssihaasteet: Kaupallisiin kuviin liittyvät lisenssirajoitukset. Käyttäjän on huomioitava rajaukset – esim. kuvaostoksen käyttö voi olla sallittua vain sisäisesti, ei julkaisuksi ellei hankita laajempia oikeuksia. On käyty keskustelua pitäisikö valtion ostama data avata kaikille. Yhdysvalloissa kaupallista satelliittikuvausta säätelee NOAA, joka on historiallisesti määrännyt resoluutiorajoja (esim. 50 cm, nyt 30 cm optisille kuville ja erityissääntöjä yö- tai IR-kuville). Vastaavasti SAR-datan hyvin korkea tarkkuus tai tietyt tekniikat (kuten koherenssi maanliikkeen tunnistuksessa) voivat olla arkaluontoisia. Sääntely pyrkii tasapainottamaan kaupallisen innovaation ja turvallisuuden. Uudenlaisten teknologioiden (esim. jatkuvaa videokuvaa tarjoavat satelliitit) myötä tullaan säätämään uusia sääntöjä (kuten reaaliaikaisen videon tai suuren kuvausnopeuden rajoituksia ei-sallittuihin käyttötarkoituksiin).
• Kustannukset ja tasa-arvo: Vaikka ilmaisia ohjelmia on, korkeimman resoluution kuvat ovat usein maksullisia, mikä voi olla este joillekin ryhmille. Tämä voi aiheuttaa eriarvoisuutta tiedon saatavuudessa. Hyvin rahoitettu organisaatio voi teettää 30 cm satelliitille päivittäin kuvan alueestaan, kun taas pieni kansalaisjärjestö joutuu tyytymään ilmaiseen 10 m kuvaan tai harvoihin otoksiin. Osa ohjelmista (kuten Digital Globe Foundation tai Earth Observation for Sustainable Development) pyrkii tukemaan kehitysmaita tai tutkijoita edullisemmilla kuvilla, mutta eroja jää. Keskustelu jatkuu siitä, että satelliittikuvien hyödyt pitäisi ulottaa koko maailmalle (katastrofiapu, ilmastotoimet) ja missä mahdollista, yritykset ja hallitukset tekevätkin yhteistyötä näiden tavoitteiden edistämiseksi.
• Tulkinta ja virhetulkinnat: Satelliittikuvat näyttävät helpoilta, mutta oikea tulkinta voi olla hankalaa. Virhetulkinnat johtavat vääriin johtopäätöksiin – esimerkiksi varjo saatetaan sekoittaa veteen, tai kasvuston kausivaihtelu metsänhakkuuseen. Ilman oikeaa taustatietoa tai vertailua maastoon virheanalyysin riski kasvaa. Tiedustelussa on historiallisia tapauksia, joissa viattomia kohteita on virheellisesti tunnistettu vaarallisiksi (tai päinvastoin). Siksi paras käytäntö on yhdistää kuvatieto muihin aineistoihin (maastotarkastukset, anturidata, paikallistieto). Lisäksi on haasteena tietotulva – analyytikko voi helposti ohittaa tärkeän kohteen tuhansien kuvien joukosta. Automaatio (tekoäly) auttaa jo (esim. poikkeavuuksien tai muutosten automaattinen merkitseminen), mutta AI voi myös tuottaa vääriä tuloksia, jotka vaativat ihmisen tarkistuksen.

Kaikista näistä haasteista huolimatta ala kehittyy jatkuvasti niiden ratkaisemiseksi: parempi datakompressio ja pilvijakelu tilavuuteen, kehittyneet algoritmit ja kalibrointi tarkkuuteen, selkeät käyttöehdot ja valikoiva sumentaminen yksityisyyteen sekä koulutusohjelmat osaamisen laajentamiseen. Satelliittikuvien hyödyt ylittävät yleensä vaikeudet, mutta käyttäjän on hyvä tiedostaa rajoitteet voidakseen hyödyntää tietoa vastuullisesti ja tehokkaasti.

Nousevat trendit ja tulevaisuuden suuntaviivat

Satelliittikuvauksen ala kehittyy nopeasti. Useat nousevat trendit muokkaavat sitä, miten kuvia kerätään, analysoidaan ja hyödynnetään tulevaisuudessa:

Tekoäly ja automatisoitu analyysi

Datatulvan myötä tekoälystä (AI) – erityisesti koneoppimisesta ja syväoppimisesta – on tullut välttämätöntä tiedon louhinnassa satelliittikuvista. Tekoälymalleja voidaan opettaa tunnistamaan kuvista kuvioita tai kohteita paljon nopeammin (ja joskus tarkemmin) kuin ihmiset. Esimerkiksi suhteellisen yksinkertainen koneoppiminen voi jo tunnistaa piirteitä, kuten autoja parkkipaikoilla tai laivoja satamissa tarkkarajaisista kuvista defenseone.com. Tällä hetkellä kokeillaan kehittyneempää tekoälyä (esimerkiksi syviä neuroverkkoja ja kuvallisia suuria kielimalleja) korkeamman tason oivallusten tuottamiseen:

• Kohteidentunnistus ja piirteiden poiminta: AI-kuvamallit tunnistavat ja laskevat automaattisesti erilaisia kohteita: rakennuksia ja teitä (kartoitukseen), puita (metsätalouteen), viljelykasvilajeja (maatalouteen) sekä ajoneuvoja ja lentokoneita (tiedusteluun). Tämä automaatio voi käsitellä suuria kuvamääriä, merkitä muutoksia tai tuottaa tietokantoja havaituista kohteista. Esimerkkinä voidaan mainita kaikki kaupungin uima-altaat, jotka lasketaan alle metrin tarkkuudella, tai laittomien kaivosalueiden havaitseminen sademetsistä – tehtäviä, jotka olisivat liian työläitä manuaalisesti.
• Muutosten havainnointi ja hälytykset: AI on erinomainen vertailemaan kuvia ajassa ja havaitsemaan, mikä on muuttunut. Tämä on ratkaisevaa esimerkiksi päivittäisissä satelliittikuvauksissa. Algoritmit voivat käydä läpi päivittäisiä Planetin kuvia vaikkapa kriisialueelta ja ilmoittaa analyytikoille uusista rakennusvaurioista tai ajoneuvoista, joita ei ollut edellisenä päivänä. Tämä lähestyy yhä enemmän reaaliaikaista seurantaa. Satelliittiyritykset panostavat tekoälyyn tarjotakseen analytiikka-palveluna: raakakuvien sijaan he myyvät hälytystilauksia (esim. ”ilmoita, jos kohteessa X havaitaan uutta rakentamista”). Planetin toimitusjohtaja korosti, että nykyanalyysi on usein jälkikäteistä ja ihmiskeskeistä, mutta uudet AI-työkalut lupaavat nopeampaa, jopa ennakoivaa analyysia – kuvadataa voidaan käyttää tapahtumien ennakointiin (esim. merkkejä kuivuudesta, joka voi johtaa levottomuuksiin) defenseone.com defenseone.com.
• Ennakoiva analytiikka ja mallinnus: Pelkän menneen havainnoinnin sijaan AI:tä kehitetään ennustamaan tulevaa. Kuvien aika­jatkumosta voidaan mallintaa esimerkiksi kaupunkien kasvusuuntia, satosatoa tai kuivuuden vaikutuksia. Kuten DefenseOne-haastattelussa todetaan, satelliittidatan ja tekoälyn yhdistelmällä voidaan kenties ennakoida tilanteita, kuten ”tälle alueelle on todennäköistä tulla kuivuus, joka saattaa johtaa levottomuuksiin” defenseone.com. Tämä on vielä alkuvaiheessa, mutta siitä haetaan kyvykkyyttä ennakoivaan toimintaan.
• Luonnollisen kielen käyttöliittymät: Uusimpana kehityksenä AI:ta hyödynnetään helpottamaan satelliittikuvien hakua. GIS-asiantuntijan ei tarvitse kirjoittaa koodia, vaan järjestelmälle voi kysyä luonnollisella kielellä: ”etsi kaikki kuvat, joissa tämän alueen järvi on alimmillaan viimeisen viiden vuoden aikana” – AI hoitaisi haun. Joitain suuria kielimalleja viritetään tällaisiin paikkatiedon tehtäviin.
• AI:n haasteet: Opetusdatan laatu on ratkaisevaa – onneksi vuosikymmenten ajan kartoittamiseen on kertynyt nimettyä satelliittikuva-aineistoa. AI:n pitää kuitenkin pystyä käsittelemään myös monikanavaisia ja tutka-aineistoja, jotka ovat monimutkaisempia kuin tavalliset valokuvat. Tekoälyn ”musta laatikko” -luonne on haaste – analyytikkojen on voitava luottaa ohjelmiston tuotoksiin, mutta ne on myös kyettävä varmistamaan, etenkin kriittisissä käyttökohteissa kuten sotilastiedustelussa. Myös laskentateho voi olla pullonkaula, mutta pilvipohjaiset GPU-alustat auttavat ratkaisemaan tätä.

Tuloksia näkyy jo: yhdessä tapauksessa tekoäly auttoi tunnistamaan aiemmin raportoimattomia metaanipäästölähteitä satelliittidatasta, ja toisessa AI kartoittaa kaikki rakennukset Afrikassa ylläpidon ja infrastruktuurisuunnittelun tueksi. National Geospatial-Intelligence Agency (NGA) onkin todennut AI-kyvykkyyksien olevan ”kiistatta tulevaisuutta” analyysissä ja visioi syklin, jossa sensorit havaitsevat muutokset ja tekoäly yhdistää kuvat muihin tietoihin (kuten uutis- tai sosiaalisen median lähteisiin) tuottaakseen toimintakelpoinen tieto, mikä ohjaa lisää tiedonkeruuta palautekinossa defenseone.com defenseone.com. Tämäntyyppinen integraatio viittaa ”älykkääseen” satelliittitiedustelujärjestelmään.

Reaaliaikainen ja nopearytminen kuvaus

Olemme siirtymässä lähes reaaliaikaisen Maan havainnoinnin aikaan. Koko maapallon jatkuva livestriimaus ei vielä ole todellisuutta, mutta kuvausvälit lyhenevät ja jotkin yritykset testaavat jo lähes reaaliaikaisia ratkaisuja:

• Suuret konstellaatioiden määrät: Planetin päivittäinen globaalikattavuus mullisti alaa, ja nyt muut pyrkivät vieläkin nopeampaan sykliin. Yritykset, kuten BlackSky ja Capella, markkinoivat aamusta iltaan toistuvia kuvauksiaan tärkeistä kohteista. Esimerkiksi BlackSky pystyy kuvaamaan tiettyjä alueita jopa 15 kertaa päivässä ja mainostaa reaaliaikaista talous- tai konfliktiseurantaa. Korkea kuvausfrekvenssi mahdollistaa kehityksen lähes reaaliaikaisen seuraamisen (esim. tunnista tunnille rakennettavien hätämajoitusten seuranta tulva-alueella). Tavoitteena on ”live”-näkyvyys mihin tahansa tärkeään kohteeseen minimaalisella viiveellä – päivitykset ehkä vain minuuttien välein.
• Geostationaarisen korkearesoluutio-kuvauksen kehitys: Perinteiset geostationaarisatelliitit olivat matalan resoluution (kilometriluokkaa) ja lähinnä sääkäyttöön. Uusi teknologia mahdollistaa korkeamman resoluution sensorit GEO-radalla. On ehdotettu GEO-alustoja, jotka tarjoaisivat videokuvaa tai nopeita otoksia katastrofeista niiden tapahtuessa (kuvittele GEO-satelliitti, joka ottaa 10 sekunnin välein kuvia metsäpalosta tai kaupungista). Haasteena on fysiikka (GEO on kaukana, joten tarvitaan valtavia optisia instrumentteja). Silti jo pienillä parannuksilla voidaan saada esimerkiksi 50–100 m resoluution reaaliaikakuvia mantereiden yli, mikä olisi hyödyllistä suurten tapahtumien seurannassa.
• Videokuva matalalta radalta: Harvat satelliitit (SkySat sekä startup EarthNow) voivat ottaa lyhyitä videopätkiä – esim. 90 sekunnin klippi, jossa nähdään liikettä (autoja ajamassa, lentokoneita rullaamassa). Jatkuva videokuvaus on haastavaa kiertoratasyistä (satelliitti kulkee nopeasti kohteen yli), mutta satelliittilaivueen kasvaessa on mahdollista limittää ylilennot ja näin päästä lähes jatkuvaan kattavuuteen. Jotkut sotilassatelliitit voivat kenties tehdä tätä mobiilitavoitteiden seuraamiseen. Myös reaaliaikainen toimitus on kehityksen kohteena: kuvan saaminen satelliitista käyttäjälle yhä nopeammin. Useampien maa-asemien ja suoran alalinkin avulla viive on saatu leikattua tunneista usein alle tuntiin ja erityistapauksissa minuutteihin.
• Laitteistopohjainen prosessointi & älykkäät satelliitit: AI:hin liittyen pyritään tekemään satelliiteista ”älykkäämpiä”. Kokonaisten kuvien lataamisen sijaan (mikä vie kaistaa ja aikaa) satelliitti voi käsitellä kuvatiedon jo kiertoradalla ja lähettää vain olennaiset hälytykset tai tiivistetyt kohdat alas. Esimerkiksi satelliitti voisi tekoälyn avulla havaita ohjuksen laukaisun savupatsaan tai palavan rakennuksen ja lähettää välittömän ilmoituksen (ehkä jopa välityssatelliitin kautta) analyytikoille ilman, että tarvitsee ensin ladata koko kuvaa. BlackSky on vihjannut tällaisista sisäänrakennetuista analytiikoista: ”tekoäly on prosessissa mukana jo ennen kuin kuva jaetaan asiakkaille” defenseone.com. Tämä on kuin satelliitilla olisi yksinkertainen ”silmä” ja ”aivot” – se tarkkailee tiettyjä tapahtumia ja lähettää vain tärkeimmät kohdat, mikä mahdollistaa nopeamman reaktion (ja vähentää maa-aseman datatulvaa).

Jos nämä kehityssuunnat jatkuvat, satelliittikuvauksen ajantasaisuus lähestyy live-lennokeista tuttua reaaliaikaisuutta – mutta maailmanlaajuisessa mittakaavassa. Tällä on valtavia vaikutuksia: pelastajat voivat seurata tulvavesien etenemistä evakuoinnin ohjaamiseksi, armeijat voivat havaita taistelukenttiä avaruudesta tauotta, ympäristötarkkailijat voivat seurata laittomia tekoja (kuten laivojen jäteveden laskua) reaaliajassa. Se nostaa myös poliittisia kysymyksiä, sillä reaaliaikainen väestön tarkkailu lähestyy valvontaa. Teknologisesti olemme kuitenkin matkalla kohti maailmaa, jossa ”nykyhetken ja menneisyyden kuvien välinen muuri ohenee.”

Pienentäminen ja uudet satelliittiteknologiat

Pienet satelliitit ovat selvää trendiä – satelliitit ovat yhä pienempiä, halvempia ja lukuisampia:

• CubeSatit ja nanosatelliitit: Vakioidut pienoissatelliitit, jotkin niinkin pieniä kuin 10 cm kuutioita (1U CubeSat), ovat madaltaneet osallistumisen kynnystä. Yliopistot, startupit ja jopa lukiot voivat rakentaa peruskuvaavan CubeSatin. Vaikka 3U CubeSat pienellä kaukoputkella ei ylläkään WorldView-3:n laatuun, se voi saavuttaa jo 3–5 m tarkkuuden – riittävä moniin tarkoituksiin – murto-osalla kustannuksia. Lukuisten cubesattien parvi (kuten Planetin Dovet) voi jopa päihittää ison satelliitin kuvausfrekvenssissä ja kattavuudessa, vaikka ei voittaisikaan resoluutiossa. CubeSat-kuvausmissioita on nähty jo paljon: Planetin laivueesta kokeellisiin hyperspektri- tai videokameroihin. Noin kaksi kolmasosaa aktiivisista satelliiteista on nyt pieniä satelliitteja joidenkin arvioiden mukaan nanoavionics.com, mikä kertoo muutoksesta. Tämä demokratisoi avaruuden: yhä useammin myös pienet maat ja yritykset voivat rakentaa oman ”silmänsä taivaalle”. Kyse ei ole enää vain suurvaltojen yksinoikeudesta – myös vaatimattoman kansallisen tutkimuslaitoksen tai yksityisyrityksen on mahdollista lähettää oma kuvakonstellaatio kantoraketin yhteislastissa.
• Kehittyneet sensorit pienillä alustoilla: Tekniikka kehittyy niin, että myös pienet satelliitit voivat kantaa monimutkaisia mittalaitteita: esimerkiksi miniatyrisoituja synteettisen apertuuri-tutkia (Capellan satelliitit ovat noin 100 kg ja tarjoavat alle 0,5 m tarkkuuden tutkakuvia), pieniä hyperspektrikameroita (esim. 16U CubeSateissa 30 m hyperspektrillä) tai infrapunasensoreita yökuvaukseen. Laitteiden pienentyessä ja tietokoneiden tehon kasvaessa (on-board processing) satelliittien kyvykkyys kasvaa suhteessa painoon. Tämä mahdollistaa esimerkiksi parvisatelliittiarkkitehtuurit, joissa moni halpa satelliitti toimii yhteistyössä (vähän kuin muurahaislauma saavuttaa yhdessä monimutkaisia asioita).
• Korkean ilmakehän pseudot (HAPS): Vaikka ne eivät ole satelliitteja, myös stratosfäärin droonit ja ilmapallot yleistyvät. Ne voivat leijailla alueen yllä päiviä korkearesoluutio-kameroilla ja täydentää satelliittidataa paikallisella, jatkuvalla valvonnalla. Jatkossa HAPS-, lentokone- ja satelliittidatan integraatio voi olla saumatonta.
• Kvantti- ja optiset yhteydet: Tulevaisuuden satelliitit voivat käyttää laserviestintää maan ja satelliittien välillä, mikä kasvattaa kaistanleveyttä (data siirtyy nopeammin, jopa suorat videostriimit mahdollisia). Tämä on jatkuvan kehityksen kohde (esim. European Data Relay System hyödyntää lasereita Sentinel-datan nopeaan siirtoon). Suurempi kapasiteetti tukee reaaliaika- ja videokuvakäyttötapauksia.
• Satelliittikonstellaatioiden hallinta: Kun satelliitteja on paljon, ratojen hallinta ja törmäysten välttäminen (avaruusliikenteen hallinta) korostuu. Lisäksi konstellaatioiden koordinointi yhteistoiminnalliseen kuvaukseen – esimerkiksi yksi satelliitti ottaa stereo-kuvaparin heti toisen jälkeen (3D-informaation tuottamiseen), tai tutkasatelliitit lentävät muodostelmassa interferometriaan. Euroopan Tandem-X-missio teki näin (kaksi tutkasatelliittia tuotti yhdessä globaalin 3D-kartan). Tällaista paritettua tai verkotettua mallia voi nähdä tulevaisuudessa lisää.

Yhteenvetona pienentäminen + massatuotanto satelliiteissa muistuttaa tietotekniikan kehitystä (suurtietokoneista PC:ihin ja älypuhelimiin). Tämä merkitsee, että kuvadata tulee entistä läpitunkevammaksi ja arkipäiväisemmäksi. Toisaalta pienillä satelliiteilla on myös lyhyempi elinkaari (yleensä ~3-5 vuotta), joten tähtikuvioita pitää päivittää säännöllisesti (uusia laukaisuja tasaisin väliajoin). Tämä onnistuu nyt helpommin edullisten laukaisupalveluiden ansiosta (raketit pienille lasteille, kuten Rocket Lab Electron tai SpaceX rideshare). Satelliittien tiheä päivitystahti voi myös kiihdyttää innovaatiota – uutta teknologiaa voi ottaa käyttöön paljon nopeammin kuin odottamalla 15 vuotta ison satelliittisukupolven vaihtoon.

Avaruusperusteinen analytiikka ja integroidut alustat

Laitteiston lisäksi satelliittikuvien analytiikka ja oivallusten toimitus on suuri seuraava askel. Pelkkien kuvien myymisen sijaan yritykset siirtyvät ”arvoketjussa ylöspäin” ja tarjoavat analyysia ja vastauksia:

• Sensor-to-Decision-putki: Näkemyksenä on päästä päästä–loppuun -järjestelmään, jossa satelliitit keräävät tietoa, tekoäly tulkitsee sen ja loppukäyttäjä saa käyttökelpoista tietoa tai visualisointeja minimaalisella ihmisen väliintulolla. Esimerkiksi maanviljelijä ei välttämättä halua satelliittikuvaa, vaan tiedon siitä, mikä osa pellosta tarvitsee lannoitetta. Avaruusperusteista analytiikkaa tarjoavat yritykset pyrkivät tuottamaan näitä vastauksia suoraan, usein pilvipalveluiden tai API-rajapintojen kautta. Toinen esimerkki: sijoitusyhtiö ei halua tarkastella satamakuvia manuaalisesti, vaan tilaa palvelua, joka antaa viikoittaisen indeksin siitä, kuinka täynnä suurimmat satamat ovat (päätelty laskemalla konteja kuvista). Tätä tapahtuu jo – esimerkiksi yritykset kuten Orbital Insight ja Descartes Labs prosessoivat kuvia (monesta lähteestä) tuottaakseen talousindikaattoreita (kuten liikkeiden parkkipaikkojen täyttöasteen vähittäiskaupan suoriutumisen mittarina, tai satotilastoja).
• Paikkatiedon big data -alustat: Google Earth Engineen viitattiin jo aiemmin; vastaavasti Microsoftin Planetary Computer, Amazonin Open Data Registry ja muut integroivat monilähteistä paikkatietoa skaalautuvien analyysityökalujen kanssa. Näillä alustoilla on kasvavassa määrin käytettävissä ei vain kuvia, vaan myös analyysimalleja. Esimerkiksi koko Afrikan laajuinen maankäytön luokitusalgoritmi voidaan ajaa tunneissa – vielä vuosikymmen sitten tämä oli mahdotonta. Tulevaisuus on kohti lähes reaaliaikaisia Maa-kojenalustoja, joissa voi kysellä lähes livenä planeetan tilasta (metsäkato, ilmanlaatu, maaperän kosteus jne.), satelliittisyötteiden ja analyysialgoritmien avustamana.
• Integraatio muihin tietolähteisiin: Satelliittikuvat yhdistetään yhä enemmän muihin ”sensoreihin” – sosiaalisen median, IoT-maasensoreihin, joukkoistetun datan kanssa – analyysin rikastamiseksi. Esimerkiksi katastrofitilanteessa tulvimisalueiden satelliittikarttoja voidaan yhdistää Twitter-dataan siitä, missä ihmiset tarvitsevat apua. Maataloudessa satelliittinen satoterveystieto voidaan yhdistää paikallisten sääasemien dataan sadon ennustamiseksi paremmin. Tämä datan fuusio on myös yksi tekoälyn käyttöalueista, kun erilaisia tietovirtoja korreloidaan syvällisempien havaintojen saamiseksi defenseone.com.
• Reuna-analytiikka satelliitissa: Kuten aiemmin mainittiin, datan analysointi itse satelliitissa (edge computing) on nousemassa esiin. Jos satelliitti osaa tunnistaa, mikä osa tiedosta on arvokasta, voidaan siirtää vain tiivistettyä tietoa – tai jopa laukaista muut satelliitit oikealle alueelle. Esimerkiksi yhden satelliitin havainto (infrapunasatelliitti havaitsee lämpöanomalian, ehkä tulipalon) voi automaattisesti ohjata optisen satelliitin ottamaan korkean resoluution kuvan kyseiseltä alueelta. Tällainen autonominen, monen satelliitin tehtäväjako on uudenlaista avaruusanalytiikkaa, jossa satelliittiverkko toimii yhteistyössä tapausten optimaaliseen havainnointiin. NASA:n sensorweb ja muut ovat jo kokeilleet tätä, mutta toimivia versioita on odotettavissa tulevaisuudessa enemmän.
• Käyttäjäystävällisyys ja democratisaatio: Viimekädessä tavoite on, että satelliittidata-analyysit olisivat yhtä helposti saatavilla kuin sääennusteet. Voimme nähdä kuluttajasovelluksia, jotka hyödyntävät satelliittidataa taustalla (joitakin on jo, esimerkiksi sovellukset jotka varoittavat kasvisairauksista Sentinel-2-datan avulla). Mitä enemmän analyysit tiivistävät monimutkaiset kuvat yksinkertaisiksi mittareiksi tai hälytyksiksi, sitä matalammaksi satelliittihavaintojen käyttökynnys tulee. Olennaista on, että analyysit ovat luotettavia ja tasapuolisia – ja siksi tarvitaan läpinäkyvyyttä myös tekoälypohjaisissa tuotteissa.

Korkeampi resoluutio ja uudet anturitekniikat

Kannattaa huomata, että anturit kehittyvät edelleen: voimme tulevaisuudessa nähdä entistä korkeampiresoluutioista kaupallista kuvausta (Yhdysvallat saattaa sallia alle 30 cm tarkkuudella tuotetun kuvamateriaalin myynnin, ja myös muut valtiot lähettävät 20 cm -luokan järjestelmiä). Uusien spektrialueiden, kuten avaruudesta käsin tehtävän LiDARin, myötä voidaan saada maailmanlaajuista kolmiulotteista kasvillisuus- ja rakennedataa (NASAn GEDI-LiDAR ISS:llä on askel tähän suuntaan; satelliitti-LiDAR-projekteja ollaan ehdottamassa kartoitukseen). Lämpöinfrapunasatelliitteja (kuten NASAn ECOSTRESS avaruusasemalla tai tuleva Landsat Next monilla lämpökaistoilla) käytetään tulevaisuudessa tarkempaan lämpötilakartoitukseen – tämä on tärkeää muun muassa vedenkäytön ja kaupunkien lämpösaarekkeiden seurannassa. Yövalaistuskuvaus (kuten VIIRS-instrumentti) voi kehittyä tarkemmilla yöaikasensoreilla, mikä paljastaa ihmisaktiivisuuden kuvioita yksityiskohtaisemmin (esim. sähkön saatavuuden tai konfliktien vaikutusten seuraaminen valoisuuden perusteella).

Myös kvanttianturit tai korkearesoluutioiset hyperspektriset kamerat voivat olla tulevaisuudessa mahdollisia, mikä entisestään monipuolistaa saatavaa dataa.

Yhteenvetona: satelliittikuvauksen tulevaisuus etenee kohti enemmän: enemmän satelliitteja, enemmän dataa, tiheämmin, tarkemmin, automaattisemmin. Lopulta muodostuu ”elävä digitaalinen kaksonen” Maasta, jota satelliitit päivittävät jatkuvasti ja tekoäly analysoi, niin että ihmiset voivat kysyä lähes mitä tahansa planeetan tilasta lähes reaaliaikaisesti. Tämä avaa uskomattomia mahdollisuuksia resurssien kestävään hallintaan, kriisitilanteisiin vastaamiseen ja maailman ymmärtämiseen – mutta tuo mukanaan myös eettisiä, yksityisyys- ja tasa-arvohaasteita. Tulevina vuosina satelliittikuvat tulevat todennäköisesti yhä vahvemmin osaksi arkea – sovelluksista lainsäädäntöön – ja toteuttavat avaruusajan alkuperäisen lupauksen: tarkkailla ja hyödyttää ”Avaruusalus Maata”.

Lähteet:

• Satelliittikuvauksen määritelmä ja historia en.wikipedia.org en.wikipedia.org en.wikipedia.org
• Varhaiset avaruuskuvat ja ohjelmat en.wikipedia.org en.wikipedia.org
• Landsat-ohjelma ja jatkuvuus en.wikipedia.org en.wikipedia.org
• Geostationääristen ja polaaristen ratojen erot esa.int esa.int earthdata.nasa.gov
• NASA Earthdata – ratatyypit ja esimerkit earthdata.nasa.gov earthdata.nasa.gov earthdata.nasa.gov
• Passiiviset vs. aktiiviset anturit earthdata.nasa.gov earthdata.nasa.gov
• Multispektri vs. hyperspektri en.wikipedia.org en.wikipedia.org
• Resoluutioiden määritykset (avaruudellinen, spektrinen, ajallinen) earthdata.nasa.gov earthdata.nasa.gov earthdata.nasa.gov
• Kaupallisen resoluution esimerkit (WorldView) en.wikipedia.org ja historia (Ikonos) mdpi.com
• Datamäärä (Sentinel ~7 TB/päivä) ceda.ac.uk
• Yksityisyyshuolia satelliittikuvien yhteydessä en.wikipedia.org
• Tekoäly satelliittitiedolle (Planetin toimitusjohtaja tekoälystä ja kuvista) defenseone.com defenseone.com
• BlackSky ja reaaliaikainen tekoälyintegraatio defenseone.com
• Avoimen datan merkitys (Landsatin ilmainen politiikka) science.org
• Ympäristö- ja maataloussovellukset satpalda.com satpalda.com
• Kaupunkisuunnittelu ja infrastruktuuri satpalda.com
• Katastrofien hallinta satelliittikuvilla satpalda.com satpalda.com
• Puolustus ja tiedustelu (Planet ja Ukraina, Corona-ohjelma) defenseone.com en.wikipedia.org
• Kartoitus ja navigointisovellukset en.wikipedia.org satpalda.com
• Suurimmat ohjelmat: Landsat ja Sentinel avoin data en.wikipedia.org earthdata.nasa.gov, Maxar ja Planet -kapasiteetit en.wikipedia.org en.wikipedia.org, pikkusatelliittien kasvu patentpc.com.