Satelītattēli: principi, pielietojums un nākotnes tendences

Definīcija un pamatprincipi

Satelītattēli ir Zemes (vai citu planētu) attēli, kurus iegūst ar orbītā esošiem satelītiem. Šie attēli ir attālinātas izpētes veids, tas nozīmē, ka dati tiek iegūti attālināti bez tieša kontakta. Satelīti ir aprīkoti ar sensoriem, kas uztver elektromagnētisko starojumu, kas atstarots vai izstarots no Zemes virsmas. Lielākā daļa attēlu satelītu izmanto pasyvos sensorus, kas balstās uz saules gaismu kā apgaismojuma avotu (uzņemot atstarotu redzamo, infrasarkano vai termālo starojumu), kamēr citi izmanto aktīvos sensorus, kas paši izstaro signālu (piemēram, radara impulsus) un mēra atstaroto atbildi earthdata.nasa.gov earthdata.nasa.gov. Uzņemot šo starojumu un pārvēršot to digitālos attēlos, satelīti sniedz detalizētu un visaptverošu Zemes virsmas un atmosfēras pārskatu. Attēliem jābūt ģoreferencētiem (piesaistītiem ģeogrāfiskajām koordinātām) un jālabo kropļojumi, lai tos varētu izmantot ĢIS (ģeogrāfiskās informācijas sistēmā) en.wikipedia.org.

Būtībā satelītattēli ļauj mums novērot un uzraudzīt Zemi globālā mērogā. Tie bieži papildina aerofotografēšanu, nodrošinot plašāku pārklājumu, lai gan ar tipiski zemāku izšķirtspēju en.wikipedia.org. Mūsdienu satelītattēli augstākās klases komerciālajās sistēmās var fiksēt objektus līdz 30–50 cm izmērā en.wikipedia.org, kamēr publiskā sektora misijām, piemēram, Landsat, izšķirtspēja ir 10–30 m en.wikipedia.org. Satelīti uzņem dažādas elektromagnētiskā spektra daļas, ļaujot iegūt ne tikai dabīgus fotouzņēmumus, bet arī mākslīgās krāsas attēlus un datu slāņus, kas pārsniedz cilvēka redzes iespējas (piemēram, infrasarkanais vai mikroviļņi). Šīs īpašības padara satelītattēlus par spēcīgu rīku vides procesu novērošanai, Zemes objektu kartēšanai un izmaiņu atklāšanai ilgtermiņā.

Satelītattēlu vēsturiskā attīstība

Satelītattēlu attīstība sniedzas no pavisam vienkāršiem sākumiem līdz mūsdienu sarežģītiem kosmosa kameru tīkliem. Pirmie attēli no kosmosa tika iegūti 1946. gadā ar ASV V-2 raķetes suborbitālo lidojumu, kas uzņēma fotogrāfijas no aptuveni 105 km augstuma en.wikipedia.org. Pirmo satelīta Zemes fotogrāfiju uzņēma 1959. gada 14. augustā ASV Explorer 6 satelīts, kas attēloja izplūdušu mākoņainu skatu virs Klusā okeāna en.wikipedia.org. 1960. gadā TIROS-1 satelīts pārraidīja pirmo televīzijas Zemes attēlu no orbītas, kas kļuva par nozīmīgu pavērsienu laika novērošanā en.wikipedia.org.

1960. gados satelītattēlu attīstību noteica divas jomas: meteoroloģija un militārā izlūkošana. TIROS un vēlāk NOAA laika apstākļu satelīti pierādīja nepārtrauktas mākoņu fotografēšanas vērtību prognozēm. Paralēli ASV uzsāka slepeno CORONA programmu (1960–1972), virkni spiegu satelītu, kas izmantoja filmas kameras, kuru kasetes tika atgūtas no orbītas gaisā. (Corona attēli, kas deklasificēti vēlāk, uzrādīja līdz ~7,5 m detalizāciju, kas tajā laikā bija izcili en.wikipedia.org.) Līdz 1972. gadam satelītattēlu iegūšana kļuva pieejama arī civilām vajadzībām ar Landsat 1 (sākotnēji ERTS-1). Landsat bija pirmais satelīts, kas veltīts sistemātiskai Zemes novērošanai zinātniskiem un civiliem mērķiem en.wikipedia.org. Šī programma izveidoja nepārtrauktu 50 gadu vidējas izšķirtspējas daudzspektrālu attēlu arhīvu, piedāvājot arī 2021. gadā palaisto Landsat 9 en.wikipedia.org.

Sekoja vairāki būtiski pagrieziena punkti. 1972. gadā Apollo 17 astronauti uzņēma slaveno “Blue Marble” Zemes fotogrāfiju, kas veicināja sabiedrības interesi par Zemes attēliem en.wikipedia.org. Pēc 1977. gada ASV sāka izmantot pirmo gandrīz reāllaika digitālo attēlu satelītu (KH-11 KENNEN izlūkošanas satelīts), novēršot nepieciešamību atgūt filmas un būtiski paātrinot izlūkošanas procesu en.wikipedia.org. 1986. gadā Francijas SPOT-1 ieviesa augstāku (10–20 m) daudzspektrālo izšķirtspēju, un citas valstis (Indija, Krievija, Japāna u.c.) sāka savas novērošanas programmas.

Komerciālās satelītattēlu ēras sākums bija 1990. gados. ASV atcēla ierobežojumus privātuzņēmumiem, kas noveda pie IKONOS palaišanas 1999. gadā – pirmā komerciālā augstas izšķirtspējas satelīta, kas sasniedza 1 m izšķirtspēju mdpi.com. Drīz to pārspēja apakšmetra attēlu satelīti: piemēram, QuickBird (60 cm, 2001) un WorldView-1/2 (~50 cm, 2000. gadu beigas) mdpi.com. Šobrīd Maxar Technologies (agrāk DigitalGlobe) pārvalda WorldView sēriju, tostarp WorldView-3, kas sasniedz ~0,3 m pankromātisko izšķirtspēju. Līdz 2010. gadiem CubeSat un mikrosatelītu parādīšanās ļāva desmitiem lētu uztvērēju palaist vienlaikus. Piemēram, Planet Labs izvērsa nano-satelītu (5–10 kg “Doves”) flotes, lai ikdienā iegūtu attēlus ar 3–5 m izšķirtspēju visai Zemei. Rezultātā būtiski pieauga attēlu kopējais apjoms. 2010. gadā orbītā bija ap 100 Zemes novērošanas satelītu; līdz 2023. gadam uzsākti jau vairāk nekā 2500 satelīti, 25 reizes vairāk, to pārsvarā nodrošināja mazsatelītu konstelācijas patentpc.com.

Vēl viena būtiska tendence ir atklātu datu politika valdības satelītu arhīviem. 2008. gadā ASV Ģeoloģijas dienests (USGS) Padarīja visu Landsat attēlu arhīvu pieejamu bez maksas, kas “būtiski palielināja tā izmantošanu” zinātnē, valsts pārvaldē un industrijā science.org. Līdzīgi Eiropas Savienības Copernicus programma (Sentinel satelīti) nodrošina bezmaksas un atklāti pieejamus attēlus. 21. gadsimta sākumā satelītattēli kļuva plaši pieejami jebkuram ar interneta pieslēgumu – to popularizēja rīki kā Google Earth un tiešsaistes kartes. Kā kāds avots norāda, pieejama programmatūra un publiskas datu bāzes ļāva “satelītattēliem kļūt plaši pieejamiem” ikdienas pielietojumiem en.wikipedia.org.

Satelītu orbītas un attēlveidošanas veidi

Satelītus var novietot dažādās orbītās, atkarībā no to uzdevuma. Orbīta nosaka satelīta ātrumu, pārklājuma lauku un apmeklējuma biežumu. Zemes attēlveidošanai visizplatītākās orbītu klases ir ģeostacionārā un polārā Saules sinhronā (zemā Zemes orbīta tips), katrai raksturīgas savas īpašības:

• Ģeostacionārā orbīta (GEO): Ģeostacionārs satelīts riņķo aptuveni 35 786 km augstumā virs ekvatora un apiet Zemi 24 stundu laikā, saskaņā ar Zemes rotācijas laiku esa.int. Tādējādi tas visu laiku atrodas virs viena punkta ekvatora līnijā. Ģeostacionārie satelīti nepārtraukti novēro vienu lielu apgabalu (aptuveni trešdaļu Zemes virsmas) no liela attāluma esa.int. Šī orbīta ir ideāla nepārtrauktai novērošanai, piemēram, laika apstākļu satelītiem, kas reāllaikā seko mākoņu kustībai un vētrām esa.int. Trūkums ir zemāka telpiskā izšķirtspēja dēļ lielā augstuma – detaļas ir rupjākas, taču pārklājuma lauks ir plašs un nepārtraukts.
• Zemā Zemes orbīta (LEO), polārā Saules sinhronā: Zemās Zemes orbītas aptver apmēram 500 līdz 1000 km augstumu, satelīti apiet Zemi aptuveni 90-100 minūtēs eos.com. Daudzi Zemes novērošanas satelīti izmanto polāro orbītu (šķērsojot netālu no poliem), kas ir Saules sinhronā – t.i., tie šķērso ekvatoru katrā pārejā vienā un tajā pašā lokālajā Saules laikā earthdata.nasa.gov. Tas nodrošina vienādus apgaismojuma apstākļus attēlveidošanai. LEO satelīti ir daudz tuvāk Zemei, sasniedzot augstāku telpisko izšķirtspēju un katrā orbītā pārklājot dažādas zemes joslas, jo Zeme griežas zem tiem earthdata.nasa.gov. Vienam polārajam satelītam var būt nepieciešamas vairākas dienas līdz nedēļām, lai atkal novērotu to pašu vietu (piem., Landsat cikls ir 16 dienas), bet, izmantojot konstelācijas ar vairākiem satelītiem, var panākt gandrīz ikdienas pārklājumu. LEO izmanto lielākā daļa kartēšanas, vides monitoringa un izlūkošanas satelītu. Piemēram, NASA Aqua satelīts riņķo apmēram 705 km augstumā Saules sinhronā orbītā, piedāvājot globālu Zemes novērošanu ik pēc dienas vai divām earthdata.nasa.gov.

Citas orbītu kategorijas ir vidējā Zemes orbīta (MEO) (~2 000–20 000 km), ko galvenokārt izmanto navigācijas sistēmām kā GPS (12 stundu orbīta) earthdata.nasa.gov earthdata.nasa.gov un ļoti eliptiskas orbītas specializētai komunikācijai vai novērošanai (piem., Molnijas orbītas). Kopumā zemākas orbītas nodrošina augstāku detalizāciju, taču aptver mazākas teritorijas, bet augstākas orbītas sniedz milzīgu pārklājumu ar zemāku detalizāciju. 1. tabulā apkopotas svarīgākās atšķirības starp ģeostacionāro un polāro (Saules sinhrono) satelītu orbītām:

Piezīme: Daudzas attēlveidošanas konstelācijas izmanto saules sinhrono LEO globālai kartēšanai, bet ģeostacionārās orbītas izmanto laikapstākļu satelīti (piemēram, NOAA GOES), lai nepārtraukti novērotu pusi puslodes.

Attēlveidošanas sensori un tehnoloģijas

Satelītu sensorus var iedalīt pēc to attēlveidošanas tehnoloģijas un elektromagnētiskā spektra daļas, ko tie mēra. Galvenie veidi ir optiskās kameras, multispektrālie/hiperspektrālie skaneri un radara attēlveidotāji. Katram no tiem ir savas unikālas iespējas:

• Optiskā attēlveidošana (redzamais/infrasarkanais): Šie sensori darbojas kā kamera, uztverot atstaroto saules gaismu plašās viļņu joslās (parasti redzamajā spektra daļā un tuvējā infrasarkanajā diapazonā). Tie rada attēlus, kas līdzīgi aerofotogrāfijām vai “satelītattēliem”. Optiskie attēli var būt patiesas krāsas (kā redz cilvēka acs) vai neīstās krāsas (izmantojot infrasarkanos, lai izceltu, piemēram, veģetāciju). Šādi sensori ir pasīvi un paļaujas uz Saules apgaismojumu earthdata.nasa.gov earthdata.nasa.gov. Līdz ar to tie nespēj redzēt cauri mākoņiem vai naktī, jo mākoņi bloķē saules gaismu un nakts pusē nav apgaismojuma earthdata.nasa.gov earthdata.nasa.gov. Optiskā attēlveidošana jau sen ir galvenais paņēmiens tādās programmās kā Landsat un komerciālie satelīti. Agrīnie optiskie satelīti uzņēma pankromatiskus (meln-balti) attēlus uz filmu; mūsdienu satelīti izmanto digitālos detektorus. Augstas izšķirtspējas optiskie satelīti šodien spēj nošķirt zem metra detaļas – piemēram, Maxar WorldView-2 nodrošina apmēram 0,46 m pankromatisko izšķirtspēju en.wikipedia.org. Optiskie attēli ir intuitīvi uztverami un plaši izmantoti kartēm un vizuālai analīzei, tomēr tie ir atkarīgi no laikapstākļiem.
• Multispektrālie un hiperspektrālie sensori: Tie ir uzlaboti optiskie sensori, kas uztver datus daudzās atšķirīgās viļņu joslās, nevis tikai vienā platā krāsu kanālā. Multispektrālie sensori parasti nozīmē mērenu atsevišķu joslu skaitu (piemēram, 3 līdz 10 joslas, aptverot redzamo, tuvās infrasarkanās, īsvilņu IR utt.), tādu kā 7-joslu Landsat TM vai 13-joslu Sentinel-2 instrumenti. Hiperspektrālie sensori uztver desmitiem līdz simtiem ļoti šauru, nepārtrauktu joslu, efektīvi iegūstot katra pikseļa pilnu spektru en.wikipedia.org en.wikipedia.org. Hiperspektrālajos attēlos katrs pikselis satur detalizētu atstarošanas spektru, ar kuru var ļoti precīzi identificēt materiālus (minerālus, augu sugas, piesārņojumu). Galvenā atšķirība nav tikai joslu skaitā, bet to nepārtrauktībā – multispektrālie attēli nesniedz pilnu spektru katram pikselim, bet hiperspektrālie attēli to sniedz (piemēram, 400–1100 nm uzņemts ar 1 nm solī) en.wikipedia.org. Hiperspektrālo attēlveidošanu, arī sauktu par spektrālo attēlveidošanu, 1980. gados ieviesa tādi instrumenti kā NASA AVIRIS en.wikipedia.org. Multispektrālie sensori rada labu līdzsvaru starp informācijas saturu un datu apjomu, kamēr hiperspektrālie sensori rada milzīgu datu daudzumu un bieži ir ar zemāku telpisko izšķirtspēju vai šaurākiem sektoriem tehnisku ierobežojumu dēļ en.wikipedia.org. Abi ir ļoti vērtīgi: multispektrālie attēli ikdienā tiek pielietoti zemes klātbūtnes klasifikācijai (piemēram, atšķirt ūdeni, augsni, labību, mežus), kamēr hiperspektrālie – speciālai analīzei, piemēram, minerālu meklēšanai, kultūru stresa noteikšanai vai vides monitoringā, kur detalizēti spektrālie paraksti ir svarīgi. Piemēram, Landsat (multispektrāls) jau sen uzrauga pasaules zemes klātbūtni en.wikipedia.org, bet jaunākie hiperspektrālie satelīti (piemēram, Itālijas PRISMA vai gaidāmās misijas) var atklāt smalkas bioķīmiskas atšķirības veģetācijā vai ģeoloģijā.
• Termālais infrasarkanais: Daudzi optiskie multispektrālie sensori ietver arī termālā infrasarkanā spektra joslas (piemēram, Landsat TIRS instruments), kas mēra Zemes virsmas izstaroto siltuma starojumu. Termālie attēli var parādīt temperatūras atšķirības, kas noder, lai novērotu meža ugunsgrēkus, pilsētu karstuma salas vai jūras virsmas temperatūru naktī. Tie ir pasīvie sensori, kas darbojas citā spektra (ilgviļņu IR) un var strādāt gan dienā, gan naktī (jo Zeme izstaro IR arī bez saules gaismas). Tomēr termālā izšķirtspēja vienmēr ir krietni rupjāka (desmiti līdz simtiem metru) detektoru ierobežojumu dēļ.
• Radara attēlveidošana (SAR – sintētiskā atvēruma radars): Radara attēlveidotāji ir aktīvie sensori – tie izstaro mikroviļņu radiosignālus pret Zemi un mēra atstaroto atbildsignālu. Visbiežākā forma ir sintētiskā atvēruma radars, kas izmanto satelīta kustību, lai simulētu lielu antenu, iegūstot augstu izšķirtspēju. Radara satelīti darbojas viļņu joslās kā X-band, C-band vai L-band mikroviļņi. Svarīgi, ka radars izlien cauri mākoņiem un darbojas tumsā, nodrošinot jebkādos laikapstākļos pieejamu attēlveidošanu 24 stundas diennaktī earthdata.nasa.gov. Attēli ir ļoti atšķirīgi no optiskajām fotogrāfijām – radars mēra virsmas nelīdzenumu un mitrumu, attēlos ūdens izskatās tumši (neliela atstarotība), bet pilsētas vai kalni – spilgti. SAR ir neaizvietojams, piemēram, novērojot virsmas deformācijas (zemestrīces, subsidenci), atklājot kuģus vai plūdus zem mākoņiem vai tropiskajos reģionos. Piemēri: ESA Sentinel-1 (C-band SAR) un komerciālie radara satelīti, piemēram, TerraSAR-X un Capella Space. Agrīnās radara misijas 1990. gados (piemēram, Kanādas RADARSAT-1) bija ar apmēram 10 m izšķirtspēju. Mūsdienu labākie SAR satelīti sasniedz 1 m vai labāku izšķirtspēju mdpi.com (Itālijas COSMO-SkyMed un Vācijas TerraSAR-X, palaisti 2007. gadā, bija vieni no pirmajiem, kas sasniedza ~1 m radara attēlveidošanas izšķirtspēju mdpi.com). Radara attēlu interpretācija ir sarežģītāka, taču tas būtiski paplašina Zemes novērošanas iespējas tur, kur optiskā attēlveidošana nespēj palīdzēt (nakts, mākoņi) un pat spēj caureties dažām virsmām (piemēram, L-band radars spēj cauri koku lapotnei vai sausām smiltīm atklāt apslēptas struktūras).

Attēlveidošanas paņēmieni: Satelīti izmanto dažādas metodes attēlu iegūšanai. Mūsdienu optiskie un multispektrālie satelīti parasti izmanto push-broom skanera dizainu: lineāra sensora rinda uzņem attēlu pa vienai rindai, satelītam kustoties gar orbītu en.wikipedia.org. Tas atšķiras no agrāko whisk-broom skaneru darbības, kas ar vienu detektoru mehāniski skenēja zemes virsmu no sāna uz sānu en.wikipedia.org. Push-broom sistēmas (sauc arī par līnijkamerām) ir bez kustīgām detaļām (izņemot paša satelīta kustību) un nodrošina augstāku signāla kvalitāti, tādēļ tās tagad izmanto visbiežāk (piemēram, Sentinel-2, WorldView utt.). Dažas attēlveidošanas sistēmas uzņem kadru attēlu (divdimensiju momentuzņēmumu) ar fokālās plaknes matricu – tas ir vairāk raksturīgi aerokamerām un agrīnajiem spiegu satelītiem (kuri tiešām izmantoja filmu kadrus). Hiperspektrālai attēlveidošanai tiek izmantotas specializētas metodes kā telpiskā skenēšana (push-broom šķēles ar dispersīvām optikām) vai spektrālā skenēšana (regulējamu filtru izmantošana, lai katrā reizē uzņemtu konkrētu viļņa garumu) en.wikipedia.org en.wikipedia.org. Savukārt sintētiskā atvēruma radars darbojas, pārvietojot antenu un apstrādājot Doplera nobīdītos atbildes signālus, tādējādi sintezējot daudz smalkāku attēlu, nekā ļautu izmantotā antena pēc izmēra.

Vēl viens būtisks attēlveides aspekts ir dažādās izšķirtspējas, kas raksturo attēla kvalitāti un lietderību:

• Telpiskā izšķirtspēja: zemes virsmas laukums, ko attēlo viens attēla pikselis (piem., 30 m Landsat, 50 cm WorldView gadījumā). Tā nosaka mazāko objektu, ko iespējams atšķirt. Augstāka telpiskā izšķirtspēja (mazāks pikseļa izmērs) ļauj saskatīt vairāk detaļu. Piemēram, MODIS uz NASA Terra/Aqua ir no 250 m līdz 1 km pikseļiem, kas piemēroti reģionālai vai globālai kartēšanai, savukārt komerciālie satelīti ar <1 m pikseļiem var identificēt atsevišķus transportlīdzekļus en.wikipedia.org. Telpisko izšķirtspēju nosaka sensora optika un orbītas augstums earthdata.nasa.gov earthdata.nasa.gov.
• Spektrālā izšķirtspēja: spēja atšķirt nelielas viļņa garuma atšķirības – faktiski joslu skaits un platums. Multispektrālie sensori ar dažām plašām joslām nodrošina rupjāku spektrālo izšķirtspēju, savukārt hiperspektrālie sensori ar simtiem šauru joslu – ļoti augstu spektrālo izšķirtspēju earthdata.nasa.gov. Piemēram, AVIRIS instruments mēra 224 blakus esošus spektrālos kanālus, sasniedzot ļoti augstu spektrālo izšķirtspēju, kas ļauj atšķirt dažādus minerālus vai augu sugas earthdata.nasa.gov. Vispārīgi, vairāk joslu/šaurākas joslas = augstāka spektrālā izšķirtspēja, kas ļauj detalizētāku materiālu identificēšanu earthdata.nasa.gov earthdata.nasa.gov.
• Laika izšķirtspēja (apmeklējuma biežums): cik bieži satelīts var attēlot vienu un to pašu vietu uz Zemes. Tas atkarīgs no orbītas un satelītu zvaigznāja. Ģeostacionārie satelīti būtībā nodrošina nepārtrauktu novērošanu fiksētai teritorijai (laika izšķirtspēja minūšu līmenī, spēj iegūt attēlus ik pēc dažām minūtēm laika cilpām) earthdata.nasa.gov. Polārie satelīti nodrošina laika izšķirtspēju no vienas dienas (senzoriem ar plašu joslu, kā MODIS) līdz vairāk nekā nedēļai (instrumentiem ar šaurāku joslu, piemēram, Landsat – 16 dienas) earthdata.nasa.gov. Piemēram, Sentinel-2 ar diviem satelītiem apmeklē to pašu vietu ik pēc 5 dienām, Terra/MODIS – ~1-2 dienas earthdata.nasa.gov. Augsta laika frekvence ir ļoti svarīga strauji mainīgu parādību novērošanā (laika apstākļi, katastrofas), kamēr citām pielietojuma jomām svarīgāks var būt augstāks telpiskais/spektrālais detalizācijas līmenis earthdata.nasa.gov. Lai uzlabotu apmeklējuma biežumu, arvien vairāk izmanto vairākus satelītus koordinētās orbītās (zvaigznājus) – piemēram, Planet Labs ar vairāk nekā 150 minisatelītiem nodrošina globālus attēlus katru dienu.
• Radiometriskā izšķirtspēja: sensora spēja noteikt signāla intensitātes atšķirības, parasti izmērāma kā informācijas bitu skaits uz pikseli (piem., 8 biti = 256 pelēktoņu līmeņi, 11 biti = 2048 līmeņi u.tml.). Augstāka radiometriskā izšķirtspēja ļauj uztvert sīkākas spilgtuma vai temperatūras gradācijas. Mūsdienu optiskajiem sensoriem bieži ir 10–12 bitu radiometriskā izšķirtspēja vai augstāka, kas uzlabo spēju atšķirt smalkas kontrastu nianses (nozīmīgi, piemēram, oceāna krāsas vai veģetācijas veselības novērtējumā). Piemēram, lai atšķirtu nelielas ūdens krāsas atšķirības ūdens kvalitātes noteikšanai, nepieciešama augsta radiometriskā precizitāte earthdata.nasa.gov earthdata.nasa.gov.

Pastāv neatņemami kompromisi: satelīts ar ļoti augstu telpisko un spektrālo izšķirtspēju var aptvert mazāku teritoriju vai tikt pie zemāka laika biežuma dēļ datu apjoma ierobežojumiem earthdata.nasa.gov. Projektētājiem katrai misijai jāizvērtē un jābalansē šie faktori atbilstoši mērķiem.

Satelītu attēlu galvenās pielietojumu jomas

Satelītu attēli ir kļuvuši neaizvietojami daudzās nozarēs. Zemāk izceltas galvenās pielietojumu jomas un uzskaitīts, kā attēlus tur izmanto:

Vides un klimata monitorings

Zemes vides un klimata uzraudzība ir viens no pamatlietojumiem satelītu attēliem. Tā kā satelīti sniedz globālu, atkārtotu skatījumu, tie ir ideāli vidiskām pārmaiņām laika gaitā.

• Klimata novērošana: Satelīti palīdz mērīt nozīmīgus klimata mainīgos – globālās temperatūras tendences, atmosfēras sastāvu, ledus segas izmaiņas. Piemēram, termālie infrasarkanie radiometri kartē jūras virsmas un sauszemes temperatūras visā pasaulē, nodrošinot datus klimata modeļiem. Polārās orbītas satelīti kā NASA Aqua/Terra (ar MODIS sensoriem) iegūst ikdienas novērojumus par aerosoliem, siltumnīcas gāzēm un mākoņu īpašībām. Specializētas misijas (piem., NASA OCO-2 oglekļa dioksīdam vai ESA Sentinel-5P gaisa kvalitātei) monitorē atmosfēras izsekojamos gāzus un ozonu. Satelīti seko ozona cauruma lielumam un polāro ledāju izplatībai gadu no gada. Šīs ilgtermiņa datu kopas ir būtiskas klimata pārmaiņu pētījumiem un starptautiskai klimata politikai.
• Vides izmaiņas un ekosistēmas: Zemes virsmas attēldati no Landsat, Sentinel-2 u.c. tiek izmantoti mežu izciršanas, tuksnešošanās un ekosistēmu izmaiņu monitorēšanai. “Ar tālizpētes palīdzību… speciālisti var sekot līdzi veģetācijas, zemes seguma un ūdenstilpju izmaiņām”, tā palīdzot pamanīt bioloģiskās daudzveidības zudumu un zemes degradāciju satpalda.com. Piemēram, satelītu laika rindas atklāj lietusmežu zudumus Amazones reģionā vai mitrāju samazināšanos. Valdības un NVO izmanto šos datus, lai piemērotu dabas aizsardzības likumus (piemēram, atklājot nelikumīgu ciršanu vai ieguvi aizsargājamās zonās satpalda.com). Satelīti var arī noteikt biotopu veselību – multispektrāli attēli ļauj aprēķināt veģetācijas indeksus, piemēram, NDVI (Normalizētais veģetācijas indekss), kas norāda augu zaļumu un dzīvotspēju. Tas palīdz noteikt sausuma stresa, meža veselības (piem., kaitēkļu invāziju vai ugunsgrēku apdegumu) zonas un novērtēt ražas apjomus (saistīts arī ar lauksaimniecību).
• Okeāni un ūdeņi: Vides satelīti ar spektrālām joslām, kas jūtīgas pret hlorofilu vai duļķainību, uzrauga aļģu ziedēšanu, naftas noplūdes un ūdens kvalitāti jūrās un ezeros, identificējot krāsu izmaiņas. Tie novēro arī sniega segas un ledājus uz sauszemes, kas baro upes un ir svarīgi ūdens resursu pārvaldībā mainīga klimata apstākļos. Mikropasa sensori (radara altimetri) mēra jūras līmeņa celšanos un jūras ledus stāvokli.
• Meteoroloģija un klimata sistēmas: Ģeostacionārie laikapstākļu satelīti (piem., NOAA GOES vai EUMETSAT Meteosat) nepārtraukti iegūst mākoņu, vētru un lielu klimata sistēmu attēlus. Tie ir būtiski viesuļvētru uzraudzībai, ekstrēmo laikapstākļu prognozēm un tādu parādību kā El Niño/La Niña monitorēšanai (novērojot jūras virsmas temperatūru un mākoņu konvekciju). Polārie satelīti ar infrasarkanajiem un mikroviļņu radiometrijiem papildina tos, sniedzot temperatūras un mitruma vertikālos profilus skaitlisko prognožu modeļiem.

Kopsavilkumā, satelītu attēli sniedz globālu skatījumu par vides izmaiņām, ko no zemes nav iespējams iegūt. Tie ir pamats starptautiskiem procesiem, piemēram, klimata pārmaiņu izvērtēšanai (piem., ledāju kušanas, atmežotības, atmosfēras piesārņojuma izplatības pierādījumi). Satelītu dati, piemēram, ļāvuši konstatēt veģetācijas zaļuma/pabiruma tendences klimata pārmaiņu rezultātā un kartēt globālu atmosfēras piesārņojumu izplatību. Viens no vides monitoringa piemēriem ir 1. attēls, kur Landsat satelīta attēlā redzami lauksaimniecības lauku apūdeņošanas raksti, ilustrējot iespēju ar satelītiem noteikt augu veselību un ūdens lietojumu:

1. attēls: Satelītattēls ar apūdeņotiem lauksaimniecības laukiem un apūdeņošanas kanālu (diagonālā līnija) Ukrainas dienvidos, uzņemts ar Landsat 8 2015. gada 7. augustā. Attēls attēlots dabiskajās krāsās (izmantojot sarkano, zaļo, zilo kanālu joslas). Redzami apļveida “kultūraugu apļu” raksti, kas veidojas no centra-apūdeņošanas sistēmām. Šāda veida attēlus izmanto lauksaimniecības monitorēšanai – veselīgi augi izskatās zaļi, un raksturīgās formas palīdz identificēt apūdeņošanas praksi commons.wikimedia.org. Spilgti zaļie apļi norāda uz dzīvīgu veģetāciju, kas tiek aktīvi laistīta, savukārt bālāki vai brūni laukumi var liecināt par atstāto vai sausuma skartiem laukiem. (Attēla autortiesības: USGS/NASA Landsat programma, apstrādājusi Anastasija Tišajeva.)

Lauksaimniecība un Mežsaimniecība

Satelītattēli ir būtiski svarīgi lauksaimniecībā un mežu apsaimniekošanā, bieži šīs jomas apvieno jēdzienā “precīzā lauksaimniecība” un ilgtspējīga resursu pārvaldība:

• Kultūraugu monitorings: Vairāku spektru attēli ļauj lauksaimniekiem un analītiķiem novērot kultūru stāvokli plašās teritorijās. Dažādas spektrālās joslas (īpaši tuvais infrasarkanais) ir jutīgas pret augu veselību – veselīga veģetācija spēcīgi atstaro TIR signālu. Aprēķinot, piemēram, NDVI indeksu no satelītdatiem, iespējams noteikt kultūraugu stresu sausuma, slimību vai barības vielu trūkuma dēļ. “Izmantojot multispektrālus un hiperspektrālus attēlus, lauksaimnieki var identificēt kaitēkļu invāzijas, uzraudzīt kultūraugu veselību un optimizēt apūdeņošanu” praksi satpalda.com. Piemēram, satelītdati var parādīt, kuras laukuma daļas cieš no ūdens trūkuma (parādoties mazāk zaļas), lai laistīšanu varētu pielāgot, vai arī atklāt agrīnas kaitēkļu izplatīšanās pazīmes pēc neparastiem spektrālajiem rādītājiem. Tas ļauj ieviest precīzo lauksaimniecību – piemērot ūdeni, mēslojumu vai pesticīdus tikai tur, kur tas patiešām nepieciešams, tādējādi palielinot ražu un samazinot vides ietekmi satpalda.com.
• Kultūraugu platību un ražas novērtēšana: Valdības un organizācijas izmanto satelītattēlus, lai noteiktu galveno kultūru apsētās platības un prognozētu ražas apjomus. Tā kā satelīti regulāri fiksē plašus lauksaimniecības reģionus, tie nodrošina savlaicīgu informāciju par kultūru augšanas stadijām un iespējamajiem bojājumiem (piemēram, plūdu, vētru vai sausuma dēļ). Tradicionāli tas veikts ar vidējas izšķirtspējas datiem (piemēram, Landsat, Sentinel-2 ar 10–30 m, kas ļauj atšķirt izmaiņas lauku līmenī). Pašlaik ikdienas plūsmas no PlanetScope vai augstas izšķirtspējas komerciālajiem attēliem ļauj pat saskaitīt kultūraugu rindas vai noteikt sugas. Šie dati tiek izmantoti pārtikas drošības novērtējumos un preču tirgos.
• Mežsaimniecība: Satelīti tiek izmantoti mežu apsaimniekošanā, sekojot līdzi mežu izciršanai, atjaunošanai un veselības stāvoklim. “Augstas izšķirtspējas satelītattēli tiek izmantoti mežsaimniecībā, lai uzraudzītu mežu veselības stāvokļa izmaiņas un identificētu nelikumīgas izciršanas aktivitātes” satpalda.com. Piemēram, Landsat datu ilgtermiņa arhīvs ļauj novērtēt mežu seguma izmaiņas pa gadiem, izceļot vietas, kur meži ir izcirsti. Valstis izmanto šos datus, lai uzraudzītu zāģēšanas noteikumu ievērošanu un identificētu nelegālu izciršanu attālās vietās. Satelīti palīdz arī mežu veselības monitoringā – identificējot kukaiņu masveida savairošanos vai vētru radītus bojājumus pēc lapotnes krāsas izmaiņām. Apvienojot ar augstuma datiem (no Lidar vai stereoskopiskajiem satelītattēliem), iespējams arī aprēķināt biomasa un oglekļa rezerves mežos.
• Ganību un zālāju apsaimniekošana: Lopkopības reģionos vidējas izšķirtspējas attēli palīdz novērot ganību stāvokli (piemēram, pārganības pazīmes, analizējot sausuma pakāpi pēc veģetācijas seguma). Tas palīdz organizēt rotējošu ganīšanu un plānot pasākumus sausuma gadījumā.

Kopumā satelīti ļauj pāriet no vienveidīgas saimniekošanas uz vietai specifisku apsaimniekošanu, nodrošinot savlaicīgu, telpiski detalizētu informāciju. Tas samazina izdevumus un palielina ilgtspēju. Veģetācijas sezonas laikā satelīti var laicīgi atklāt radušās problēmas (piemēram, laukuma daļa sāk palikt brūna), bet pēc ražas novākšanas – palīdz novērtēt, kuras metodes vai šķirnes devušas labākus rezultātus dažādās lauku daļās. Mežsaimniecībā satelītu monitorings ir kļuvusi centrāla REDD+ programmās (finansiāli stimuli mežu izciršanas samazināšanai), jo tas nodrošina caurredzamus, pārbaudāmus pierādījumus par mežu segumu laika gaitā.

Pilsētu Plānošana un Infrastruktūra

Strauji urbanizētā pasaulē satelītattēli ir galvenais datu avots pilsētu plānošanai, infrastruktūras attīstībai un zemes izmantošanas kartēšanai:

• Pilsētu izplešanās kartēšana: Analizējot attēlus laikā, pilsētplānotāji var novērot, kā paplašinās pilsētas un kur notiek jaunu teritoriju attīstība. Satelītattēli palīdz atjaunot pilsētu robežu kartes, parādot, piemēram, lauksaimniecības zemju vai mežu pārvēršanu priekšpilsētās. Plānotāji izmanto šo informāciju, lai pārvaldītu pilsētu izplešanos un organizētu infrastruktūras pakalpojumus. “Satelītattēli ir būtisks rīks pilsētu plānošanā, kas palīdz kartēt un sekot līdzi izmaiņām zemes izmantojumā, infrastruktūras attīstībā un pilsētvides izaugsmē” satpalda.com. Augstas izšķirtspējas attēli (zem metra) ir pietiekami detalizēti, lai identificētu atsevišķas ēkas, ceļus un pat transportlīdzekļus, kas ļauj precīzi kartēt jaunas apbūves vai nelegālas apmetnes euspaceimaging.com. Piemēram, plānotāji var noteikt, kur notiek neautorizētas apbūves vai ceļu būvniecība vēl pirms tie ir fiksēti uz vietas veiktās apsekošanās.
• Infrastruktūra un transports: Satelītattēli atbalsta ceļu, dzelzceļu un komunālo pakalpojumu plānošanu, nodrošinot aktuālu ģeogrāfisko informāciju. Plānotāji pārklāj plānotās infrastruktūras trases uz aktuāliem attēliem, lai izvairītos no pretrunām ar esošām būvēm vai dabas objektiem. Var sekot līdzi arī būvniecības procesu attīstībai, piemēram, vērojot šoseju vai lidostu paplašināšanu no kosmosa. Aktīvu pārvaldībā satelīti var palīdzēt atklāt izmaiņas vai problēmas infrastruktūras koridoros (piemēram, zemes noslīde gar ceļu, vai iegrimšana pie cauruļvada). Transporta plānošanā attēli atklāj satiksmes raksturus (piemēram, pēc ceļu noslogojuma vai autostāvvietu paplašināšanas) un zemes izmantojumu, kas ietekmē pārvietošanās pieprasījumu.
• Pilsētu vide un zaļās zonas: Pilsētas izmanto satelītu datus, lai sekotu vides aspektiem – piemēram, kartētu pilsētu zaļās zonas, koku vainagu klājumu vai necaurlaidīgas virsmas. Termiskie infrasarkanie attēli spēj noteikt pilsētu siltuma salas (karstākas teritorijas ar vairāk betona un mazāk veģetācijas). Tas palīdz organizēt apzaļumošanas iniciatīvas un pielāgoties klimata pārmaiņām. Daži specializēti produkti no satelītu datiem klasificē pilsētvides izmantošanu (dzīvojamā, rūpnieciskā, komerciālā) pēc rakstiem un pat novērtē iedzīvotāju sadalījumu, analizējot ēku nospiedumus un blīvumu.
• Kartēšanas un kadastrālo datu atjaunināšana: Aktuālas bāzes kartes uzturēšana ir pamata pilsētvaldību vajadzība. Satelīti nodrošina jaunākos attēlus, ko izmanto, lai atjaunotu ĢIS slāņus ar ēku nospiedumiem, ceļiem un orientieriem. Tas ir īpaši vērtīgi reģionos, kur teritorijas kartēšana uz vietas atpaliek no attīstības. Augstas izšķirtspējas komerciālos attēlus, kuros redzamas pat atsevišķas mājas, bieži izmanto kartogrāfijas aģentūras karšu atjaunošanai vai pakalpojumi, piemēram, Google Maps sava satelītnometņu slāņa nodrošināšanai en.wikipedia.org. Attēli tiek ortorektificēti (ģeokorekti), lai tie būtu mērogoti un atbilstu karšu pamatam. Kadastrālajai (zemes īpašumu) kartēšanai attēli palīdz noteikt apbūves pārkāpumus vai zemes vienību faktisko izmantojumu.
• Riska samazināšana un pilsētu noturība pret katastrofām: (Sakrīt ar katastrofu sadaļu) Plānotāji izmanto satelītu datus, lai noteiktu riska zonas pilsētās – piemēram, zemienes redzamas plūdu riska kartēs vai blīvi apbūvētas teritorijas, kas apdraudētas zemestrīcēs. Augstas izšķirtspējas attēli pirms notikumiem sniedz sākotnējos datus ārkārtas pasākumu plānošanai (evakuācijas maršruti utt.), bet pēc katastrofām – palīdz atjaunošanas plānošanā.

Kopsavilkumā: satelītattēli nodrošina pilsētu plānotājiem bieži atjauninātu, putna lidojuma skatījumu uz pilsētvidi. Tas garantē, ka lēmumi tiek balstīti uz reālo situāciju, nevis novecojušām kartēm. Attēlu integrēšana 3D pilsētu modeļos un ĢIS ir ievērojami uzlabojusies, ļaujot izveidot dažādu attīstības scenāriju vizualizācijas (piemēram, kā izskatītos jauna ceļa vai zonējuma izmainīšana) ar reāliem attēliem fonā. Savlaicīga zemes izmantojuma izmaiņu atklāšana ļauj pilsētu pārvaldniekiem proaktīvi reaģēt uz nelegālu apbūvi vai infrastruktūras nepieciešamību.

Reaģēšana uz katastrofām un ārkārtas situāciju vadība

Viena no vissvarīgākajām humānajām satelītattēlu pielietošanas jomām ir katastrofu vadība – gan sagatavojoties, gan reaģējot uz ārkārtas situācijām:

• Ātra bojājumu novērtēšana: Pēc dabas katastrofām, piemēram, zemestrīcēm, viesuļvētrām, plūdiem vai meža ugunsgrēkiem, satelītattēli bieži ir ātrākais veids, kā novērtēt bojājumu apjomu, kad piekļuve uz zemes ir ierobežota. “Satelītu dati palīdz organizēt palīdzības operācijas un sniedz reāllaika informāciju par postījumu apmēru dabas katastrofu laikā” satpalda.com. Piemēram, dažu stundu laikā pēc lielas zemestrīces attēlu satelīti spēj iegūt augstas izšķirtspējas attēlus no skartās pilsētas, ļaujot glābējiem redzēt sabrukušās ēkas, bloķētus ceļus vai teltu pilsētiņas. Bieža metode ir pirms un pēc attēlu salīdzināšana: uzliekot attēlus pirms notikuma uz tiem, kas uzņemti pēc tā, analītiķi ātri atrod izpostītās būves un vissmagāk skartās zonas satpalda.com. Tas plaši tika izmantots, piemēram, 2010. gada Haiti zemestrīcē vai 2020. gada Beirūtas sprādzienā – satelīti atklāja rajonus, kur veseli kvartāli bija pilnībā nopostīti. Apvienoto Nāciju organizācija aktivizē Starptautisko Hartu par kosmosu un nozīmīgajām katastrofām, kas nodrošina daudzvalstu satelītu resursus ārkārtas situācijās bez maksas, garantējot svaigu attēlu pieejamību.
• Plūdu un vētru monitorings: Plašu plūdu vai viesuļvētru laikā satelīti (it īpaši radara un augstas apmeklējuma biežuma optiskie satelīti) uzrauga katastrofu gandrīz reāllaikā. Plūdu gadījumos radara attēli ir īpaši noderīgi, jo tie spēj caururbt mākoņus: applūdušās teritorijas SAR attēlos izskatās kā tumšas, gludas virsmas, skaidri norobežojot ūdens appludināto platību arī mākoņu apstākļos. Tas palīdz ārkārtas vadītājiem saprast, kuras kopienas atrodas zem ūdens un organizēt evakuāciju vai palīdzības piegādi. Viesuļvētras laikā, kamēr notiek stihija, laikapstākļu satelīti seko tās kustībai, bet pēc tam optiskie satelīti nodrošina skaidrus attēlus no skartajiem reģioniem (piemēram, lai redzētu, kuras pilsētas ir nogrieztas no ceļiem vai kuri tilti ir sabrukuši). Meža ugunsgrēka gadījumā tādi satelīti kā NASA MODIS un VIIRS spēj identificēt aktīvus uguns perēkļus un kartēt degšanas robežas pat caur dūmiem. Tas ļauj operatīvi novirzīt ugunsdzēsības resursus uz kritiskākajiem apgabaliem.
• Ārkārtas kartēšana un loģistika: Tūlīt pēc katastrofām specializētas kartēšanas vienības izmanto satelītattēlus, lai izveidotu ārkārtas kartes ar pieejamajiem ceļiem, bojāto infrastruktūru un bēgļu koncentrācijas vietām. Tas tika izmantots arī pēc cunami un lieliem taifūniem, kad satelītkarte palīdzēja noteikt, kuri ceļi bija joprojām šķērsojami palīdzības piegādei un kur pulcējās izdzīvojušie. Tā kā satelīti spēj aptvert lielas teritorijas, tie ir īpaši noderīgi, ja katastrofas notiek attālos vai plašos reģionos (piemēram, fiksējot visa 2004. gada Indijas okeāna cunami piekrastes ietekmi). Attēli palīdz identificēt arī sekundāros draudus – pēc zemestrīces attēli var parādīt, vai zemes nogruvums ir bloķējis upi (izraisot potenciālu plūdu risku uz augšteces), ļaujot laicīgi rīkoties atbildīgajām institūcijām.
• Sagatavošanās katastrofām: Pirms katastrofu notikumiem attēli tiek izmantoti bīstamības zonu kartēšanai un iespējamo seku modelēšanai. Piemēram, no satelītiem iegūtos augstas izšķirtspējas reljefa modeļus apvieno ar attēliem, lai noteiktu plūdu zonas; zemes izmantošanas kartes, kas iegūtas no attēliem, tiek iestrādātas meža ugunsgrēku riska modeļos (piemēram, nosakot saskari starp savvaļas un apdzīvotajām teritorijām). Regulāri uzņemti attēli palīdz uzraudzīt dabas katastrofu aizsardzības būvju stāvokli, piemēram, dambi vai meža segumu stāvajos nogāzēs. Lēni progresējošu katastrofu, piemēram, sausuma, gadījumā satelīti novēro indikatorus (veģetācijas veselību, ūdens rezervuāru līmeni), lai laicīgi izsludinātu pārtikas drošības krīžu brīdinājumus.

Kopumā satelītattēli nodrošina objektīvu, savlaicīgu situācijas novērtējumu, kas ir neaizstājams pirmajiem reaģētājiem un palīdzības organizācijām. Tie efektīvi “izmēro” skatu – glābēji var novērtēt ietekmi kopskata līmenī un pēc tam pietuvoties vietās, kas nav sasniedzamas tikai pēc ziņām no zemes. Faktiski iespēja saņemt informāciju gandrīz reāllaikā (aizvien biežāk dažu stundu laikā, pateicoties daudzākiem satelītiem un ātrākām datu apstrādes sistēmām) ļauj palīdzību prioritizēt un piegādāt efektīvāk, potenciāli glābjot dzīvības. Kā atzīmē SATPALDA atskaite, salīdzinot attēlus pirms un pēc katastrofas, amatpersonas var “vislabāk sadalīt resursus, noteikt atjaunošanas prioritātes un precīzu zaudējumu apmēru” satpalda.com.

Aizsardzība un izlūkošana

Kopš Kosmosa laikmeta rītausmas militārā un izlūkošanas informācijas vākšana ir bijis satelītattēlu dzinējspēks. Izlūkošanas satelīti (bieži dēvēti par “spiegu satelītiem”) nodrošina stratēģiskās novērošanas iespējas:

• Izlūkošana un novērošana: Augstas izšķirtspējas attēlveidošanas satelīti, kurus vada aizsardzības aģentūras, var uzņemt detalizētus uz zemes notiekošo darbību attēlus. Agrīns piemērs ir CORONA programma – ASV stratēģisko izlūkošanas satelītu sērija, kuru vadīja CIP un Gaisa spēki en.wikipedia.org. Lai gan detaļas bieži ir klasificētas, ir zināms, ka mūsdienu izlūkošanas satelīti (piemēram, ASV Keyhole/CRYSTAL sērija) ir aprīkoti ar optiskajām sistēmām, kas spēj sasniegt izšķirtspēju dažu desmitu centimetru apmērā. Tas ļauj novērot militārās bāzes, raķešu palaišanas laukumus, karaspēka pārvietošanos un citus izlūkošanas mērķus. Šie satelīti būtībā ir orbītā esoši teleskopi, dažkārt arī manevrējami, lai bieži atgrieztos pie interesējošajiem objektiem. Militārā pielietojumā tie nodrošina kritiski svarīgu informāciju, kas citādi prasītu riskantus izlūklidojumus, turklāt tie nepārkāpj valstu gaisa telpu (jo darbojas no orbītas), kas tos padarījis par neaizstājamiem līdzekļiem līgumu izpildes pārbaudē (piemēram, bruņojuma kontrolei), pretinieku uzraudzībā un militārajās operācijās.
• Ģeoizlūkošana (GEOINT): Mūsdienu aizsardzības iestādes integrē satelītattēlus ar citiem datiem, lai iegūtu izlūkošanas informāciju. Tas ietver izmaiņu noteikšanu zināmās vietās (piemēram, pēkšņa jaunas infrastruktūras parādīšanās vai neparasta aktivitāte, kā lidlauku satiksme), reljefa kartēšanu operāciju plānošanai un mērķēšanu. Attēli tiek izmantoti augstas izšķirtspējas karšu un 3D modeļu izveidei militārajām operācijām (piemēram, pirms Osamas bin Ladena mītnes uzbrukuma tika izmantoti satelītattēli objekta modelēšanai). Sintētiskās apertūras radara satelīti arī tiek izmantoti aizsardzībā, jo tie spēj attēlot jebkuros laikapstākļos un diennakts laikā — noderīgi, piemēram, maskēšanās vai izmaiņu, ko optiskie satelīti var palaist garām, atklāšanai. Vēl viena attīstības joma ir radiofrekvenču (RF) kartēšana no kosmosa un hiperspektrālā attēlošana materiālu noteikšanai attālināti (piemēram, degvielas vai sprāgstvielu).
• Izlūkošanas dalīšana un atvērtā avota analīze: Interesanti, ka, pieaugot komerciālo attēlveidošanas satelītu skaitam, daļa ar aizsardzību saistīto uzdevumu tiek uzticēta vai papildināta ar komerciālajiem pakalpojumu sniedzējiem. Uzņēmumi kā Maxar un Planet nodrošina neklasificētus augstas izšķirtspējas attēlus, kurus var izmantot analītiķi (un pat plašāka sabiedrība) globālo notikumu uzraudzībai. Piemēram, konfliktu vai bruņojuma izplatības jautājumos valdības ir publiskojušas komerciālus satelītattēlus, lai pamatotu savu pozīciju. Kā piemērs: 2022. gada Krievijas iebrukums Ukrainā – Planet Labs ikdienas attēli palīdzēja atklāt Krievijas spēku un tehnikas koncentrāciju pirms iebrukuma, un vēlāk attēli tika izmantoti kara postījumu un pārvietošanos dokumentēšanai defenseone.com. Šāda satelītu izlūkošanas “demokratizācija” ļauj arī atvērto avotu izlūkošanas (OSINT) analītiķiem un nevalstiskiem spēlētājiem uzraudzīt stratēģiskus objektus (piemēram, Ziemeļkorejas kodoliekārtas vai Sīrijas aviobāzes), izmantojot komerciāli pieejamus attēlus defenseone.com. Publiski pieejamie militāro objektu satelītattēli dažbrīd rada politiskus jautājumus (dažas valstis iebilst pret slepenas infrastruktūras parādīšanu, tomēr ASV vienīgais īpašais atbildības ierobežojums — Kyl–Bingaman grozījums – attiecas tikai uz Izraēlu un 2020. gadā tika atvieglots).
• Navigācija un mērķēšana: Lai gan ne gluži attēlveidošana tradicionālajā izpratnē, jāatzīmē, ka satelīti (kā GPS konstelācija) nodrošina pozicionēšanu, kas ir būtiska militārajai navigācijai un mērķēšanai. Turklāt attēlveidošanas satelītus var izmantot precīzu triecienu vadīšanai, sniedzot aktuālus mērķa apgabala attēlus tieši pirms operācijas (lai nodrošinātu mērķa precizitāti un novērtētu iespējamos blakuszaudējumus). Konfliktu laikā gandrīz reāllaika attēlus var nosūtīt uz leju, lai atbalstītu karaspēku (gan šī iespēja ir atkarīga no datu pārraides un apstrādes ātruma).

Kopsavilkumā, aizsardzības satelīti ir neatslābstoša acs, kas ievērojami uzlabo situācijas izpratni. Tie ir būtiski mainījuši izlūkošanas bilanci — no atkarības no lidaparātiem un aģentiem uz bāzi kosmosā bāzētiem resursiem. Militāro satelītu izšķirtspēja un spējas pārsvarā joprojām ir klasificētas, tomēr radara, kas redz cauri mākoņiem, infrasarkanās sistēmas, kas identificē siltuma pēdas, un biežas optisko konstelāciju vizītes liecina par satelītizlūkošanas ievirzītajām iespējām. Izmantojot modernu mākslīgo intelektu analītiku (apskatītu tālāk), attēlu plūsmu var apstrādāt daudz ātrāk, lai atklātu draudus vai interesējošas izmaiņas, virzoties uz automātisko izcelšanas un mērķēšanas sistēmām (kad algoritms identificē aizdomīgu aktivitāti attēlos, lai cilvēku analītiķi to pārbaudītu).

Navigācija un kartēšana

Lai arī, iespējams, mazāk iespaidīgi, viena no visbiežāk lietotajām satelītattēlu pielietojuma jomām ir karšu un navigācijas pakalpojumi, ko ikdienā izmanto miljardi cilvēku:

• Pamata kartes un kartogrāfija: Augstas izšķirtspējas satelītattēli ir plašas digitālās kartēšanas un karšu servisu pamatā. Tādi servisi kā Google Maps, Google Earth, Bing Maps u.c. izmanto satelīt/aerofoto slāņus, ko lietotāji var apskatīt. Attēli nodrošina kontekstu un detaļas, ko vektorkartes nesniedz. Uzņēmumi kā Google licencē attēlus no satelītu nodrošinātājiem (piemēram, Maxar), lai atjaunotu savu globālo mozaīku en.wikipedia.org. Tas būtībā ir devis sabiedrībai planētas atlantu ar gandrīz fototisku detalizāciju. Papildus tam, nacionālās kartēšanas aģentūras izmanto satelītattēlus, lai atjaunotu topogrāfiskās kartes, īpaši attālos reģionos, kurus ir grūti bieži uzmērīt. Attēli tiek ortorektificēti un nereti izmantojami ceļu, apbūves, upju u.c. objektu digitalizēšanai, kas pēc tam tiek publicēti kā kartes.
• Navigācijas un GPS lietotnes: Navigācijas sistēmas pamatā izmanto satelītu pozicionēšanu (GPS), taču attēli padara navigācijas lietotnes ērtākas, ļaujot identificēt orientierus vizuāli vai pārbaudīt ceļu izkārtojumus. Piemēram, piegādes un loģistikas uzņēmumi var izmantot satelītattēlus, lai noteiktu ēku izvietojumu vai ērtākos iebraukšanas punktus. Pašbraucošo auto izstrādātāji izmanto augstas izšķirtspējas attēlus kā vienu no augstas detalizācijas karšu slāņiem. Pat ikdienišķiem autovadītājiem iespēja pārslēgties uz satelīta skatu aplikācijā palīdz vizuāli identificēt galamērķi (piemēram, atpazīt, uz kura stūra atrodas degvielas uzpildes stacija).
• Ģeotelpiskais atsauces slānis un ĢIS: ĢIS (ģeogrāfisko informācijas sistēmu) vidē satelītattēli ir pamata datu slānis. Tie nodrošina reālo pasauli, uz kuras bāzes uzklāt citus datu slāņus (infrastruktūru, administratīvās robežas, vides datus u.c.). Tā kā satelītu attēli ir ģeoreferencēti, tie ļauj precīzi mērīt attālumus un laukumus tieši uz attēla. Satelītattēli bieži ir pirmais solis, kartējot neizpētītu reģionu: ceļus un apdzīvotas vietas var atrast un digitalizēt no neseniem attēliem (humāno palīdzības projektu OSM kopiena to dara plaši, digitalizējot kartes katastrofu skartiem vai attāliem reģioniem).
• Objektu noteikšana un automātiskā kartēšana: Līdz ar izšķirtspējas un datorredzes algoritmu attīstību daudzus objektus tagad var automātiski izdalīt no satelītattēliem kartēšanas vajadzībām. Algoritmi spēj noteikt un vektorizēt ēku kontūru, ceļu tīklu vai zemes segumu satpalda.com. Tas ievērojami paātrina karšu radīšanu un to atjaunošanu. LIDAR dati (no aviācijas vai drīz arī kosmosa mēroga avotiem) un stereo satelītattēli ļauj iegūt 3D reljefa modeļus, kas kopā ar attēliem sniedz detalizētas topogrāfiskās kartes.
• Navigācijas kartēšana: Bez sauszemes kartēšanas satelīti palīdz arī jūras navigācijas karšu izveidē (piemēram, koraļļu rifu vai piekrastes objektu attēlošanai un jūras karšu atjaunošanai, kur ūdenī ir laba redzamība) un aviācijā (apkārtējā reljefa un šķēršļu kartēšanai lidostu tuvumā).

Kopumā satelītattēli revolucionizējuši kartēšanu, padarot kartes par mainīgiem produktiem, nevis statiskiem artefaktiem, kas kļūst novecojuši, jo tās var atjaunot ar jaunākajiem skatiem no augšas. Piemēram, vēl pirms satelītu ēras jaunizbūvēta automaģistrāle kartēs parādījās tikai pēc gadiem, taču satelītuzņēmums attēlo to uzreiz, pat ja vektordati pagaidām nav atjaunoti. Turklāt satelītattēli ļauj kartēt reģionus, kas ir grūti pieejami uz vietas (biezi džungļi, konfliktu zonas u.tml.). Kā norāda European Space Imaging pētījums, ļoti augstas izšķirtspējas attēlos redzamas ceļu līnijas, ietves, transportlīdzekļi, mazas būves — detaļas, kas ļauj plānot precīzas pilsētas kartes un infrastruktūru euspaceimaging.com. Apvienojumā ar GPS attēlotā informācija mūsdienu navigāciju padara ārkārtīgi detalizētu un lietotājam draudzīgu.

Lielākās satelītprogrammas un nodrošinātāji

Satelītattēlus nodrošina gan valdības programmas, gan komerciālie uzņēmumi. Zemāk apkopotas dažas galvenās satelītprogrammas un nodrošinātāji ar raksturīgākajām iezīmēm:

• NASA/USGS Landsat programma (ASV): Landsat sērija (uzsākta 1972. gadā) ir visilgāk pastāvošā Zemes attēlošanas programma en.wikipedia.org. Landsat satelīti (šobrīd Landsat 8 un 9) uzņem 30 m izšķirtspējas multispektrālos attēlus par sauszemes apgabaliem visā pasaulē, ar termiskajiem kanāliem 100 m un 15 m pankromatisko kanālu. Dati ir brīvi pieejami plašai sabiedrībai kopš 2008. gada atvērtās politikas ieviešanas earthobservatory.nasa.gov earthdata.nasa.gov. Landsat ir galvenais resurss zinātniskajiem pētījumiem un resursu monitorēšanai, nodrošinot vairāk nekā 50 gadu nepārtrauktus novērojumus zemes lietojuma izmaiņu, mežu izciršanas, pilsētu izplešanās u.c. pētījumiem en.wikipedia.org. Katrs Landsat atkārto noteiktu apgabalu ik pēc 16 dienām, bet divu satelītu darbības gadījumā — ik pēc 8 dienām. Mērena izšķirtspēja un garā arhīva vērtība padara Landsat īpaši noderīgu izmaiņu detektēšanai gadu desmitos. (NASA izstrādā satelītus, USGS vada darbību un uztur arhīvu.)
• Copernicus Sentinel konstelācija (ESA/ES): Eiropas Kosmosa aģentūra ES Copernicus programmas vārdā ekspluatē vairākus Sentinel satelītus, kas palaisti kopš 2014. gada. Nozīmīgākie: Sentinel-1 (C joslas radara attēlveidotāji jebkuros laikapstākļos), Sentinel-2 (10 m izšķirtspējas multispektrālie optiskie attēli līdzīgi Landsat, ar 5 dienu atkārtojumu), Sentinel-3 (vidējas izšķirtspējas okeānu un zemes monitorings), Sentinel-5P (atmosfēras piesārņojuma monitorings) u.c. Visi Sentinel dati ir brīvi un atvērti globāli saskaņā ar Landsat piemēru en.wikipedia.org. Sentinel programma nodrošina sistemātisku un biežu aptvērumu vides monitoringam ES un pasaulē, bieži tiek izmantota kopā ar Landsat (piemēram, izmantojot Sentinel-2 biežākos attēlus, lai papildinātu Landsat ilgstošo arhīvu). ESA bija arī agrākas Zemes novērošanas misijas (ERS, Envisat), taču Sentinel tagad ir kļuvis par galveno spēlētāju attēlveidošanā.
• NOAA un EUMETSAT meteoroloģiskie satelīti: Laikapstākļu un okeāna monitoringa jomā NOAA (ASV) un EUMETSAT (Eiropa) pārvalda ģeostacionāros meteoroloģiskos satelītus (piemēram, NOAA GOES-East un GOES-West virs Amerikām, EUMETSAT Meteosat virs Eiropas/Afrikas, kā arī citi: Japānas (Himawari), Indijas (INSAT) utt.). Šie satelīti nodrošina nepārtrauktus pilnas Zemes diska attēlus ik pēc 5–15 minūtēm ~0,5–2 km izšķirtspējā dažādos spektrālajos kanālos (redzamais, infrasarkanais, ūdens tvaiks), lai izsekotu atmosfēras plūsmām. Papildus tam polārie laikapstākļu satelīti (NOAA JPSS sērija, Eiropas MetOp u.c.) piedāvā globālu pārklājumu prognožu modeļiem un klimata monitorēšanai. Kaut arī tie pamatā paredzēti meteoroloģijai, to attēli (īpaši redzamajā un IR diapazonā) tiek plaši izmantoti arī citām vajadzībām (piemēram, ugunsgrēku vai sniega klājuma ikdienas monitorēšanai). Šie dati ir brīvi pieejami, bieži vien reāllaikā, un gadiem ilgi ir meteoroloģijas pamats.
• Maxar Technologies (DigitalGlobe) – komerciāli augstas izšķirtspējas attēli: Maxar (ASV uzņēmums) ir vadošais augstas izšķirtspējas komerciālo satelītattēlu nodrošinātājs. Tas pārvalda WorldView un GeoEye satelītu sērijas. Piemēram, WorldView-3 (palaišana 2014) spēj iegūt ~31 cm pankromatisko un ~1,2 m multispektrālās izšķirtspējas attēlus; WorldView-2 (2009) nodrošina 46 cm pankromatisko izšķirtspēju en.wikipedia.org; vecākais GeoEye-1 — ~0,5 m pankromatisko. Maxar satelīti bieži vien var tikt ieplānoti jebkurai vietai uz Zemes un spēj regulāri atgriezties (daži spēj to darīt pat gandrīz katru dienu vidējos platuma grādos, izmantojot attēlošanu no sāna). To attēlus izmanto valdību un komerciālie klienti kartēšanai, izlūkošanai un tādos pakalpojumos kā Google Maps un Microsoft Bing (kas licencē attēlus savām platformām) en.wikipedia.org. Maxar arhīvs aptver divus gadu desmitus ar miljardiem kvadrātkilometru attēlu. ASV noteikumu dēļ maksimālā pieejamā tirgū izšķirtspēja ir ~30 cm (un tiešām Maxar ir saņēmis atļauju komerciāli izplatīt 30 cm attēlus). Maxar piedāvā arī atvasinātus produktus: 3D reljefa un ēku modeļus, izmantojot savus attēlus.
• Planet Labs – komerciāla mazsatētu konstelācija: Planet (bāzēts ASV) pārvalda lielāko Zemes attēlošanas satelītu floti. Uzņēmums palaidis vairāk nekā 100 kastītes izmēra Dove satelītus, kas attēlo Zemi ~3–5 m izšķirtspējā (vairākās spektra joslās) katru dienu. Šāda ikdienas, globāla attēlošana (PlanetScope) ir unikāla — pat ja izšķirtspēja ir vidēja, atkārtošanās biežums ir neapsteidzams. Papildus tam Planet pieder SkySat satelīti (pārņemti no Google Terra Bella): neliela flote ar ~50 cm izšķirtspējas satelītiem, kas spēj ātri atgriezties un pat uzņemt īsus video klipus. Planet iepriekš pārvaldīja arī 5 satelītu RapidEye konstelāciju (5 m, apturēta 2020) en.wikipedia.org. Planet dati ir komerciāli, taču uzņēmumam ir dažādas programmas NVO un pētniecības atbalstam. Šie dati ir ļoti vērtīgi izmaiņu monitorēšanai dienas laikā: kultūraugu attīstība, katastrofu postījumi pa dienām, konfliktu novērošana u.c.
• Airbus Defence & Space (Airbus Intelligence): Airbus, bāzēts Eiropā, pārvalda augstas izšķirtspējas satelītus kā SPOT 6/7 (1,5 m izšķirtspēja, liela josla) un Pleiades-1A/1B (0,5 m izšķirtspēja, ļoti augsta detalizācija). Uzņēmums līdzīpašumā darbojas arī ar TerraSAR-X un PAZ radara satelītiem. Airbus nodrošina attēlus komerciāli līdzīgi Maxar, apkalpojot Eiropas un globālos klientus. SPOT sērija (kopš 1986) bija viens no pirmajiem komerciālās Zemes attēlošanas projektiem, nodrošinot ilgu arhīvu ar 10–20 m klases izšķirtspējas attēliem. Pleiades (palaišana 2011–2012) nodrošina sub-metra attēlus Eiropas industrijai. Airbus dati tiek plaši izmantoti kartēšanai, aizsardzībai un vides monitoringam (daļa SPOT datu pēc pāris gadiem pieejami arī zinātnēm).
• Citas nozīmīgas programmas: Daudzas valstis veido pašas savas Zemes novērošanas satelītu programmas. Piemēram, Indijas ISRO pārvalda IRS sēriju (Indian Remote Sensing satellites) un jauno augstas izšķirtspējas CARTOSAT sēriju (līdz pat ~0,3 m pankromatiskajai izšķirtspējai). Japānas JAXA veic misijas kā ALOS (ieskaitot PALSAR radaru un PRISM optiskos sensorus). Ķīna veido savu augošas jaudas floti, tostarp Gaofen sēriju (optiskie un radara attēli) kā daļu no savas Zemes novērošanas sistēmas, kā arī komerciālus uzņēmumus kā 21AT. Kanāda izceļas ar RADARSAT radara satelītiem (šobrīd arī RADARSAT Constellation Mission). Krievijai ir Resurs-P un Kanopus-V sērijas optiskajai attēlošanai. Ir arī desmitiem mazāku uzņēmumu/startapu, kas ievieš satelītus nišas tirgiem — piemēram, Capella Space un Iceye piedāvā nelielus SAR radara satelītus pēc pieprasījuma, GHGSat izmanto mikrosatelītus rūpniecisko siltumnīcefekta gāzu monitorēšanai utt.

Kopsavilkumā, šajā nozarē ir bezmaksas publiskie dati no valdības satelītiem (kā Landsat, Sentinel, laikapstākļu satelīti) un komerciālie dati no privātajiem satelītiem (kas piedāvā ļoti augstu izšķirtspēju vai unikālas iespējas, taču par maksu). Lietotāji bieži kombinē šādus datus – piemēram, nespecifiskai analīzei izmanto bezmaksas Sentinel-2 (10 m) attēlus, bet konkrētam objektam ar nepieciešamu lielu detalizāciju iegādājas 30 cm attēlu no Maxar. Tādu nodrošinātāju kā Planet izaugsme liecina par pieprasījumu pēc biežas atkārtošanās, bet Landsat un Sentinel atvērtās datu politikas veiksme – par atvērto datu izšķirošo nozīmi zinātnei un sabiedrības labumam.

Datu formāti, pieejamība un lietošanas tendences

Datu formāti: Satelītattēli parasti tiek glabāti un izplatīti standartizētos rastra datņu formātos. Viens no izplatītākajiem formātiem ir GeoTIFF, kas būtībā ir TIFF attēla fails ar iegultu ģeogrāfisko koordinātu informāciju (lai katrs pikselis atbilstu reālai vietai pasaulē) equatorstudios.com earthdata.nasa.gov. GeoTIFF bieži izmanto apstrādātu attēlu (piemēram, Landsat ainas vai augstas izšķirtspējas attēlus) piegādei, jo tos var tieši ielādēt ĢIS programmās ar pareizu ģoreferencēšanu. Liela izmēra zinātniskiem datu kopumiem ir izplatīti arī HDF (Hierarchical Data Format) vai NetCDF formāti, kas ļauj glabāt daudzjoslu, daudzu laiku datu kopas pašaprakstošā veidā earthdata.nasa.gov. Piemēram, NASA izplata MODIS datus HDF failos. Daudzi laika apstākļu un klimata produkti izmanto NetCDF. Pieaugot datu apjomam, arvien vairāk izmanto mākoņiem optimizētus formātus, piemēram, COG (Cloud Optimized GeoTIFF) , kas ļauj daļēji ielādēt attēlus tiešsaistē, neielādējot visu failu. Attēlu nodrošinātāji var izmantot arī īpašus vai patentētus formātus efektivitātei, bet parasti nodrošina pārveides rīkus.

Datu līmeņi un apstrāde: Neapstrādāti satelītdati bieži prasa apstrādi (radiometriskā kalibrācija, ģeometriskā korekcija utt.), pirms tos var lietot kā attēlu. Kosmosa aģentūras definē apstrādes līmeņus (0. līmenis – izejvērtības, 1. līmenis – ģoreferencēta radiance, 2. līmenis – atvasināti produkti kā atstarojuma koeficients vai indeksi utt.) earthdata.nasa.gov earthdata.nasa.gov. Lielākā daļa publiski pieejamo attēlu ir vismaz 1. līmenī (ģeoreferencēti). Daži, piemēram, Landsat 2. līmenis, ir laboti arī attiecībā uz atmosfēras ietekmēm un gatavi analīzei kā virsmas atstarojums. Izvēlētais formāts bieži atkarīgs no līmeņa – izejvielu dati var tikt nolaisti saspiestā binārā formā, bet lietotājs pēc apstrādes iegūst GeoTIFF vai HDF.

Atvērta pret komerciālu piekļuvi: Pēdējo 1–2 desmitgažu laikā svarīga tendence ir atvērto datu politika valdības finansētiem satelītattēliem. Kā jau minēts, ASV Ģeoloģijas dienesta Landsat arhīvs tagad ir bezmaksas kopš 2008. gada, kas izraisīja “strauju zinātnisko un operacionālo pielietojumu izaugsmi” izmantojot Landsat sciencedirect.com science.org. Pētnieki pārgāja no dažiem pasūtītiem attēliem (augsto izmaksu dēļ) uz simtiem un tūkstošiem lejupielādētu attēlu, ļaujot veikt apjomīgas salīdzinošas studijas. Arī ESA Sentinel dati ir brīvi pieejami un ir lejupielādēti miljoniem reižu, veidojot neskaitāmus pielietojumus lauksaimniecībā, katastrofu pārvaldībā utt. NASA un NOAA nodrošina praktiski visus savus Zemes novērošanas datus brīvi (NASA EarthData un NOAA CLASS sistēmas), bieži bez nepieciešamības reģistrēties. Princips – nodokļu maksātāju finansēti dati ir sabiedrisks labums. Šī pieeja demokratizējusi piekļuvi – neliela pētniecības laboratorija vai attīstības valsts lauksaimniecības ministrija var izmantot satelītdatus bez budžeta ierobežojumiem.

Turpretim komerciālie satelītattēli (īpaši augstas izšķirtspējas dati no uzņēmumiem kā Maxar, Airbus u.c.) tiek pārdoti ar licencēm. Galvenie klienti ir valdības (piemēram, militārie, kartogrāfijas dienesti), industrijas (rūpniecība, finanses, apdrošināšana) un tehnoloģiju uzņēmumi (piemēram, karšu pakalpojumiem). Izmaksas var būt ievērojamas (simti līdz tūkstoši dolāru par augstākās izšķirtspējas attēlu). Tomēr komercuzņēmumi dažkārt publicē datus humāniem nolūkiem vai padara vecākus arhīvus publiskus. Pastāv arī “jaunās kosmosa” uzņēmumu tendence izmantot hibrīda modeļus – piemēram, Planet piedāvā atvērtu datu programmu zinātniskiem pētniekiem un NVO nekomerciālai izmantošanai, un katastrofu laikā plaši izplata attēlus.

Platformas un pieejamība: Milzīgo datu apjomu dēļ ir radušās jaunas platformas attēlu glabāšanai un apkalpošanai. Google Earth Engine ir ievērojams piemērs – mākoņu platforma, kas glabā petabaitus publisku satelītdatu (Landsat, Sentinel, MODIS u.c.) un ļauj lietotājiem tos analizēt tīmeklī. Tas novērš nepieciešamību lietotājiem lokāli lejupielādēt terabaitus; analīze tiek veikta tieši pie datiem. Šādas platformas ievērojami palielinājušas attēlu izmantošanu, bez problēmām nodrošinot gan datus, gan skaitļošanas jaudu. Tāpat Amazon Web Services (AWS) un citi glabā atvērto attēlu arhīvus (piemēram, pilnā Landsat un Sentinel kolekcija mākoņiem optimizētā formātā) kā daļu no savām atklāto datu programmām.

Datu apjoms un tendences: Satelītattēlu datu apjoms ir milzīgs un strauji pieaug. 2021. gadā Eiropas Sentinel arhīvs pārsniedza 10 petabaitus, palielinoties par 7+ terabaitiem dienā ceda.ac.uk. Viens Sentinel-2 satelīts pēc saspiešanas dienā saražo ~1,5 TB datu eoportal.org. Planet Labs konstelācija katru dienu uzņem miljoniem attēlu (ar zemāku izšķirtspēju). “Lielo datu” pārvaldība un analīze ir izaicinājums – tādēļ mākoņkrātuves, izkliedēta apstrāde un mākslīgais intelekts kļūst būtiski (par to vairāk nākamajā sadaļā). Datu plūdi ir radījuši inovācijas kā ARD (Analysis Ready Data) – attēli, kas iepriekš apstrādāti līdz kopīgam formātam/projekcijai, lai tos varētu viegli salikt un analizēt, un dalīšanas (tiling) shēmas, kā Google Earth Engine Datu katalogs.

Lietošanas tendences: Pieaugot datu pieejamībai, satelītattēlu lietotāju loks ir ievērojami paplašinājies. Vairs tos neizmanto tikai attālinātās izpētes eksperti ar specializētām programmām. Tagad ekologi, pilsētplānotāji, ekonomisti un pat parasti iedzīvotāji izmanto attēlus dažādās lietotnēs un platformās. Piemēram, brīvprātīgie humanitārie darbinieki izmanto brīvos attēlus OpenStreetMap kartēšanai katastrofu zonās. Lauksaimniecībā agronomi veido ražas prognozes satelītdatu virsū caur tiešsaistes paneļiem. Žurnālistikā ziņu portāli publicē satelītattēlus, lai pierādītu cilvēktiesību pārkāpumus vai vides postījumus. Šo plašo uzsūkšanos veicinājuši lietotājam draudzīgi rīki (web kartes, vienkārši API) un satelītdatu integrācija ikdienas produktos (piemēram, laika lietotnes ar satelīta kadriem, vai finanšu firmu analīze, skaitot autostāvvietu aizņemtību no attēliem, lai prognozētu mazumtirdzniecības apgrozījumu).

Vēl viena tendence ir tuvu reāllaika attēlu pieejamība. Daži nodrošinātāji (īpaši meteoroloģijā) piedāvā attēlus dažas minūtes pēc uzņemšanas. Citi, piemēram, Landsat un Sentinel, publicē attēlus dažu stundu laikā pēc nolaišanās un apstrādes. Tas nozīmē, ka lietotāji spēj ātrāk reaģēt – piemēram, konstatēt jaunu naftas noplūdi attēlos nākamajā dienā un informēt iestādes.

Visbeidzot, pieaugot attēlu arhīvu apjomam, arvien vairāk interesē laika datu analīze,– raugoties nevis uz vienu attēlu, bet tendencēm un izmaiņām daudzos attēlos laikā (laika rindas analīze). Šo metodi izmanto, lai analizētu pilsētu izaugsmi, mežu izciršanas tempus, vairāku gadu sausuma sekas utt. Bezmaksas arhīvi un lielo datu rīki ļauj šādu ilgtermiņa analīzi. Nozīmīgs piemērs – pētnieki, izmantojot 30+ gadus Landsat datus, kartē globālās ūdeņu izmaiņas vai pilsētu izplešanos, kas agrāk bez atvērtiem datiem nebūtu iespējams.

Kopsavilkumā, satelītattēli ir pieejamāki nekā jebkad. Brīvo un atvērto datu kustība uzspridzināja lietošanas apjomus zinātnē un citur earthobservatory.nasa.gov earthobservatory.nasa.gov. Kopā ar skaitļošanas attīstību tas ir pavēris jaunas iespējas: agrāk skatījāmies uz dažiem attēliem, tagad varam analizēt “ļoti lielas problēmas”, piemēram, globālas pārmaiņas, izmantojot petabaita mēroga arhīvus earthobservatory.nasa.gov. Tagad galvenais izaicinājums ir nevis iegūt datus, bet gan efektīvi no tiem iegūt ieskatus.

Satelītattēlu izaicinājumi

Neskatoties uz milzīgo vērtību, darbam ar satelītattēliem ir vairāki izaicinājumi un ierobežojumi, kas lietotājiem un sniedzējiem jāapzinās:

• Datu apjoms un pārvaldība: Kā jau minēts, satelītmisijas ģenerē milzīgas datu apjoma. To glabāšana, katalogizēšana un pārsūtīšana ir liels izaicinājums. Salīdzinājumam – Copernicus Sentinels arhīviem katru dienu pievieno 7–10 TB jaunu datu ceda.ac.uk, bet Landsat arhīvs tagad pārsniedz petabaitus 50 gadu laikā. Lai to apstrādātu, vajadzīga izturīga infrastruktūra: daudzslāņu krātuve (ātra tiešsaistes krātuve neseniem datiem, lentu arhīvi vecākiem), tīkli ar lielu caurlaidību, efektīvi datu formāti. Lietotājiem jāsaskaras ar problēmām lejupielādējot apjomīgas datu kopas – tāpēc pāreja uz mākoņanalīzi. Lielā apjoma pārvaldība nozīmē augstas izmaksas un vajadzību pēc starptautiskas koordinācijas, lai izvairītos no dublēšanās (daudzas aģentūras spoguļo cita citas datus, lai sadalītu slodzi). Datu pārpilnība nozīmē risku “noslīkt datos” – tādēļ pieaug automatizētā filtrēšana (piemēram, lai atlasītu attēlus pēc mākoņu bezmaksas pikseļiem) un lielo datu tehnoloģijas.
• Apstrāde un ekspertīze: Neapstrādāti satelītdati nav uzreiz izmantojami – nepieciešamas apstrādes darbības, kas var būt sarežģītas. Ortorektifikācija (ģeometrisko deformāciju koriģēšana reljefa un sensora leņķa dēļ), radiometriskā kalibrācija (sensora vērtību pārvēršana par atstarojumu/pietiekamu temperatūru), atmosfēriskā korekcija (miglas, mitruma u.c. ietekmes novēršana) ir vajadzīgas kvantitatīvai analīzei. Lai arī daudzi produkti tagad ir iepriekš apstrādāti, lietotājiem, kas vajag ļoti precīzus rezultātus, šīs darbības jāapgūst. Tas prasa attālinātās izpētes eksperta zināšanas. Turklāt darbs ar daudzspektrāliem vai hiperspektrāliem datiem nozīmē lielus, daudzjoslu failus, un zināšanas to interpretācijā. Iesācējiem ir mācību periods, kā pareizi interpretēt attēlus (kurus joslu kombinācijas izmantot, kā analizēt radara polarizācijas attēlus). No lietojuma puses, lai iegūtu informāciju (piemēram, zemes seguma klasifikāciju vai objektu atpazīšanu), nepieciešama papildu apstrāde, bieži ar sarežģītiem algoritmiem vai mašīnmācīšanās modeļiem. Nepieciešamība pēc specializētas programmatūras (ĢIS, attālinātās izpētes rīki) un tehniskām zināšanām līdz šim bijis šķērslis, taču tas kļūst vieglāks ar moderniem lietotājam draudzīgiem rīkiem.
• Precizitāte un kalibrācija: Satelītattēlu kvalitāte un precizitāte var atšķirties. Ģeolokācijas precizitāte(zināt precīzu katra pikseļa koordināti) nav ideāla – augstas klases satelītiem var būt dažu metru kļūda, bet vecākiem vai dažiem produktiem var būt desmitiem metru nobīde. Analītiķiem bieži jāpiereģistrē attēli no dažādiem avotiem (jāsalāgo uz viena režģa), lai noteiktu pārmaiņas, un sīkas nobīdes to apgrūtina. Radiometriskā precizitāte un sensora savstarpējā kalibrācija ir vēl viens jautājums: piemēram, atstarojuma vērtība no Sentinel-2 var atšķirties no Landsat-8. Atšķirības sensora kalibrācijā un joslu viļņu garumos liek uzmanīties daudzavotu salīdzinājumos. Ir centieni harmonizēt datus no dažādiem satelītiem (piemēram, īpaši pielāgojot Sentinel-2, lai tas atbilstu Landsat laika sērijai). Turklāt atmosfēras traucējumi (mākoņi, dūmaka) un skata ģeometrijas izmaiņas var ietekmēt precizitāti. Mākoņi ir lielākā problēma optiskajai attēlošanai – pat daļēja mākoņu sega var paslēpt pazīmes vai sabojāt kvalitāti, bet mākoņu ēnas vēl vairāk apmulst rezultātu. Lietotāji izmanto mākoņu maskēšanas algoritmus vai pāriet uz radaru, ja reģions ļoti mākoņains. Tāpat ēnas, reljefa ietekme (piemēram, kalni tumšāki, ja nav apgaismoti), sezonālas atšķirības (fenoloģija) rada “troksni” analīzē, kas jālīdzina, normalizējot vai izmantojot vairāku datumu salīdzinājumu.
• Privātuma un drošības apsvērumi: Satelītattēlu kļūstot aizvien detalizētākiem un izplatītākiem, privātuma jautājumi nonākuši uzmanības centrā. Lai arī izšķirtspēja parasti nav pietiekama, lai identificētu indivīdus (sejas vai auto numurzīmes), tie var atklāt daudz par privāto īpašumu un aktivitātēm. Daži cilvēki iebilst pret tādiem servisiem kā Google Earth, kas rāda viņu pagalmu vai baseinu. “Privātuma bažas pauž tie, kas nevēlas savu īpašumu redzēt no augšas” en.wikipedia.org. Tomēr sniedzēji norāda, ka satelītattēli parāda tikai to, kas redzams debesīs, līdzīgi lidojumam ar lidmašīnu, un tie parasti nav reāllaikā – tie var būt nedēļas vai mēnešus veci en.wikipedia.org. Lielākajā daļā valstu nav tiesiska sagaidāma privātums tam, kas novērojams no gaisa. Tomēr ir īpaši gadījumi: ASV bija (tagad atvieglināts) likums, aizliedzot ļoti augstas izšķirtspējas Izraēlas attēlus, un Indijā attēliem virs 1 m precizitātes nevalsts lietotājiem pieeja ir ierobežota. Pastāv arī jutīgu objektu jautājums – satelīti var attēlot militāras bāzes vai stratēģiski nozīmīgu infrastruktūru, radot nacionālās drošības riskus. Tomēr, ņemot vērā attēlu globālo pieejamību, vairums valdību ir pielāgojušās šai “caurspīdīgajai pasaulei”. Daži risinājumi ir noteiktu vietu aizmiglošana sabiedriskās kartēs (ne vienmēr konsekventi), vai nākotnē iespējamā filtrēšana pašā satelītā (šobrīd reti).
• Noteikumu un licencēšanas jautājumi: Komerciālie attēli ir ar lietošanas licencēm. Lietotājiem jāzina lietošanas ierobežojumi – piemēram, attēlu var izmantot iekšēji, bet lai to publicētu plašāk, jāiegūst papildu tiesības. Notiek diskusijas, vai valdības pirktajiem attēliem jābūt atvērtiem. ASV komerciālo attālināto izpēti regulē NOAA, kas vēsturiski noteica izšķirtspējas limitus (piemēram, 50 cm), kas pamazām paaugstināti (tagad 30 cm optiskajiem, noteikti noteikumi par nakts apgaismojumu, infrasarkano starojumu). Tāpat ļoti smalkas SAR attēlu spējas un atvasinājumi kā koherences kartes var būt jūtīgi. Normatīvais satvars cenšas līdzsvarot inovāciju ar nacionālo drošību. Jaunām tehnoloģijām, piemēram, augstas atkārtojamas frekvences video satelītiem, droši vien būs jauni noteikumi (piemēram, ierobežojot reāllaika straumi vai ļoti augstu kadru ņemšanas iespējas, lai novērstu nesankcionētu novērošanu).
• Izmaksas un vienlīdzība: Lai gan daudzi dati ir brīvi pieejami, visaugstākās izšķirtspējas attēli maksā naudu, kas var būt šķērslis grupām ar nabadzīgāku finansējumu. Tas rada nevienlīdzību piekļuvē informācijai. Labi finansēta organizācija var pasūtīt 30 cm satelītu attēlus katru dienu, bet nelielai NVO jāpaļaujas uz brīviem 10 m attēliem un retiem uzņēmumiem. Dažas iniciatīvas (Digital Globe Foundation, Earth Observation for Sustainable Development) piedāvā attēlus attīstības valstīm vai pētniekiem par zemākām cenām, bet plaisa joprojām saglabājas. Notiek diskusijas, ka satelītattēlu sniegtie ieguvumi būtu padarāmi pieejami vispārīgai labklājībai (katastrofu vadība, klimats), un kur iespējams, uzņēmumi un valdības sadarbojas datu sniegšanā šiem mērķiem.
• Interpretācija un aplami secinājumi: Satelītattēli izskatās vienkārši, bet pareiza interpretācija var būt sarežģīta. Nepareizi interpretējot, var nonākt pie aplamiem slēdzieniem. Piemēram, ēnas var sajaukt ar ūdeni, sezonālus veģetācijas zudumus – ar izciršanu. Bez konteksta vai uz vietas iegūtiem datiem ir risks kļūdai. Izlūkošanas darbā ir bijuši gadījumi, kad parastie objekti kļūdaini atzīti par bīstamiem (vai otrādi). Tādēļ labākā prakse ir attēlus kombinēt ar citiem datiem (uz vietas apsekojumi, citi sensori, vietējā pieredze). Pastāv arī informācijas pārslodzes problēma – analītiķi var nepamanīt svarīgas lietas attēlu uzkrājumos. Mākslīgais intelekts (AI) sāk palīdzēt (piemēram, automātiski atzīmējot “anomālijas” vai izmaiņas), bet arī AI var dot nepareizus rezultātus, kam vajadzīga cilvēka pārbaude.

Neskatoties uz šiem izaicinājumiem, nozare nepārtraukti attīstās, tos risinot: labāka datu saspiešana un piegāde mākoņos, uzlaboti algoritmi un kalibrācija lielākai precizitātei, skaidri lietošanas noteikumi un selektīva aizmiglošana privātuma dēļ, izglītības programmas, lai izplatītu ekspertīzi. Satelītattēlu sniegtās priekšrocības parasti atsver grūtības, taču lietotājiem šīs robežas jāapzinās, lai datus lietotu atbildīgi un efektīvi.

Parādās jaunākās tendences un nākotnes virzieni

Satelītattēlu joma strauji attīstās. Vairākas jaunākās tendences veido to, kā nākotnē tiks vākti, analizēti un izmantoti attēli:

Mākslīgais intelekts un automatizēta analīze

Ņemot vērā datu milzīgo apjomu, mākslīgais intelekts (MI) – īpaši mašīnmācīšanās un dziļā mācīšanās – ir kļuvis par būtisku informācijas ieguvei no satelītattēliem. MI modeļus var apmācīt atpazīt objektus un likumsakarības attēlos daudz ātrāk (un dažreiz precīzāk) nekā cilvēki. Piemēram, salīdzinoši vienkārša mašīnmācīšanās jau spēj noteikt tādas pazīmes kā automašīnas stāvvietās vai kuģus ostās augstas izšķirtspējas attēlos defenseone.com. Jaunākais virziens ir izmantot attīstītus MI (tostarp dziļos neironu tīklus un pat apjomīgu valodas modeļu ekvivalentus attēliem), lai iegūtu augstāka līmeņa secinājumus:

• Objektu noteikšana un pazīmju ieguve: MI datorredzes modeļus izmanto, lai automātiski identificētu un saskaitītu visu, sākot no ēkām un ceļiem (kartēšanai), līdz kokiem (mežsaimniecībai), konkrētu kultūraugu tipiem (lauksaimniecībai), transportlīdzekļiem un lidaparātiem (izlūkošanai). Šāda automatizācija ļauj apstrādāt attēlus lielā apjomā, izcelt izmaiņas vai ģenerēt pazīmju datu bāzes. Piemērs – saskaitīt visas peldbaseinus pilsētā no submetru izšķirtspējas attēliem vai atklāt nelegālas raktuvju vietas lietusmežā – darbus, kas manuāli būtu pārāk garlaicīgi un laikietilpīgi.
• Izmaiņu noteikšana un brīdināšanas sistēmas: MI izcili salīdzina attēlus laika gaitā, lai identificētu izmaiņas. Tas īpaši būtiski, ņemot vērā dažos gadījumos pieejamos ikdienas attēlus. Algoritmi var pārskatīt, piemēram, ikdienas Planet attēlus no konflikta zonas un brīdināt analītiķus, kad pamanīti jauni ēku bojājumi vai, kad parādās vesela rinda transportlīdzekļu, kur vakar nebija neviena. Tas arvien vairāk virzās uz reāllaika monitoringu. Satelītkompānijas iegulda MI, lai piedāvātu analītiku kā pakalpojumu: nevis pārdodot tikai izejas attēlus, bet piedāvājot abonementus uz trauksmēm (piem., paziņo, ja noteiktā vietā konstatēta jauna celtniecība). Planet vadītājs uzsvēris, ka pašreizējā analīze bieži ir novēlota un cilvēku veikta, bet jaunie MI rīki sola ātrāku, pat prognozējošu analīzi – izmantojot attēlu bagātību, lai paredzētu notikumus (piem., sausuma pazīmes, kas var izraisīt nemierus) defenseone.com defenseone.com.
• Prognozējošā analītika un modelēšana: Bez izmaiņu noteikšanas, kas jau notikušas, MI tiek izmantots, lai prognozētu, kas notiks. Izmantojot secīgu attēlu laika rindas, modeļi var paredzēt, piemēram, pilsētu izplešanās tendences, kultūraugu ražas vai sausuma ietekmi. Kā norādīts DefenseOne intervijā, apvienojot satelītdatus ar MI modeļiem, potenciāli iespējams prognozēt scenārijus, kā “šeit, visticamāk, būs sausums, kas var novest pie sabiedriskajiem nemieriem” defenseone.com. Tas vēl ir sākumstadijā, taču ir ļoti pieprasīta spēja proaktīvai rīcībai.
• Dabiskās valodas saskarnes: Jaunums ir MI izmantošana, lai padarītu satelītattēlu meklēšanu pieejamāku. Tā vietā, lai būtu vajadzīgs ĢIS eksperts, kas raksta kodu, varētu sistēmai jautāt parastā valodā: “atrodi visus attēlus, kur šī reģiona ezers pēdējo 5 gadu laikā ir zemākajā līmenī,” un MI to apstrādātu. Daži lieli valodas modeļi tiek pielāgoti šādiem ģeotelpiskajiem uzdevumiem.
• MI izaicinājumi: Apmācības dati ir būtiski – par laimi, pastāv gadu desmitiem ilgi marķētu satelītattēlu krājumi (piemēram, no kartēšanas projektiem), lai apmācītu modeļus. Tomēr MI jāsaskaras arī ar multispektrālajiem un radardatiem, kas ir daudz sarežģītāki par dabiskām fotogrāfijām. “Melnais kasts” jeb necaurspīdīgā MI lēmumu pieņemšana var būt izaicinājums – analītiķiem jāspēj uzticēties, bet arī pārbaudīt MI rezultātus, īpaši kritiskos pielietojumos, piemēram, militārajā izlūkošanā. Pastāv arī skaitļošanas jaudas izaicinājums, taču mākoņplatformas ar GPU procesoriem to arvien vairāk atrisina.

Rezultāti jau ir redzami: piemēram, MI modelis palīdzēja identificēt iepriekš nezīmētus metāna superemisijas avotus no satelītdatiem; citā gadījumā MI tiek izmantots, lai kartētu ikvienu celtni Āfrikā attēlu analizēšanas vajadzībām infrastruktūras plānošanā. Nacionālā ģeotelpiskās izlūkošanas aģentūra (NGA) ir izteikusies, ka šādas MI spējas ir “absolūtā nākotne” analīzē, iztēlojoties ciklu, kur sensori konstatē izmaiņas, MI apvieno attēlus ar citiem datiem (piemēram, ziņu vai sociālo tīklu informāciju), lai radītu praktiski izmantojamu rezultātu, kas pēc tam mudina uz turpmāku datu vākšanu atgriezeniskā ciklā defenseone.com defenseone.com. Šāda veida integrācija norāda uz “gudru” satelītu novērošanas sistēmu.

Reālā laika un biežas atkārtotas attēlveides iespējas

Mēs virzāmies uz laiku, kad būs teju reālā laika Zemes novērošana. Kamēr patiesa tiešraides video pārklājuma visai Zemei vēl nav, attēlu atkārtošanās laiki strauji samazinās un dažas kompānijas jau eksperimentē ar kvāzi reāllaika attēlveidi:

• Lielas satelītu konstelācijas: Planet ikdienas globālais pārklājums bija pavērsiens. Tagad citi cenšas darīt vēl ātrāk. Kompānijas kā BlackSky un Capella tirgojas kā diennakts attēlveides sniedzēji nozīmīgām vietām. BlackSky, piemēram, ar nelielu konstelāciju spēj attēlot noteiktas vietas līdz pat 15 reizēm dienā un piedāvā reāllaika ekonomiskās aktivitātes vai konfliktu novērošanu. Šāda augsta biežuma attēlveide ļauj gandrīz “skatīties, kā notikumi attīstās” (piem., vērojot stundu pa stundai palīdzības nometņu uzcelšanu postījumu zonā). Lielais mērķis – “dzīvs” attēls jebkurai svarīgai vietai uz Zemes ar ļoti mazu aizkavi – varbūt ar dažām minūtēm starp atjauninājumiem.
• Ģeostacionārā augstas izšķirtspējas attēlveide: Tradicionāli ģeostacionāriem satelītiem bija rupja izšķirtspēja (kilometru mērogā) īpaši laikapstākļiem. Bet tehnoloģijas var ļaut izvietot augstas izšķirtspējas sensorus arī ģeostacionārā orbītā. Ir priekšlikumi izmantot ģeostacionāras platformas, kas varētu sniegt video vai ātras momentuzņēmumus katastrofu laikā (piemēram, satelīts, kas ik pa 10 sekundēm uzņem bildi no ugunsgrēka vai pilsētas). Galvenais izaicinājums ir fizikas ierobežojumi (GEO ir tālu, tāpēc augstai izšķirtspējai vajag milzīgu optiku). Tomēr pat pakāpeniski uzlabojumi varētu dot, piemēram, 50–100 m izšķirtspējas reāllaika attēlus pāri kontinentiem, kas būtu noderīgi lielu notikumu gadījumā.
• Video no zemās orbītas: Daži satelīti (SkySat un startup EarthNow to konceptualizēja) spēj uzņemt īsus video – piemēram, 90 sekunžu video, kurā redzama kustība (braucošas mašīnas, taksējoši lidaparāti). Nepārtraukts video ir grūtāk nodrošināms dēļ orbītas ierobežojumiem (satelīts ātri pārlido pāri objektam), taču palielinoties flotei, var izkārtot apmeklēšanas laikus, lai iegūtu gandrīz nepārtrauktu pārklājumu. Daži militārie satelīti, iespējams, jau to izmanto, lai izsekotu mobiliem mērķiem. Liela uzmanība pievērsta arī reāllaika nodošanai: bilde no satelīta līdz lietotājam nonāk arvien ātrāk. Izmantojot vairāk zemes staciju un tiešos lejupsaistes risinājumus, šī kavēšanās samazināta no vairākām stundām līdz bieži <1 stundai, īpašos gadījumos – pat tikai minūtēm.
• Apstrāde uz borta un gudrie satelīti: Sasaistē ar MI tiek veikts darbs, lai paši satelīti būtu gudrāki. Tā vietā, lai lejupielādētu pilnus attēlus (kas prasa apraides platumu un laiku), satelīti varētu apstrādāt attēlus uz borta un sūtīt tikai brīdinājumus vai saspiestu, būtisku informāciju. Piemēram, satelīts var izmantot MI, lai pamanītu raķetes palaišanas izplūdi vai degšanas ēku attēlos un uzreiz nosūtīt paziņojumu (varbūt pat caur relejsatelītiem) analītiķiem, nevis gaidīt pilna attēla lejupielādi vēlāk. BlackSky pati ir norādījusi uz šādu uz borta analītikas integrāciju, lai “MI ir iekļauta procesā vēl pirms attēlu izplatīšanas” defenseone.com. Tas ir kā uzlikt “aci” un “smadzenes” pašam satelītam – tas vēro noteiktus notikumus un nosūta tikai būtiskāko, ļaujot daudz ātrāk reaģēt (un samazinot datu pārslodzi uz zemi).

Ja šīs tendences turpināsies, satelītattēlu aktualitāte tuvosies dzīvas dronu gaisa tiešraides tempam, bet globālā mērogā. Ietekme būs milzīga: katastrofu reaģētāji varētu vērot plūdu ūdeņu tuvināšanos reāllaikā, lai vadītu evakuāciju; militārie varētu nepārtraukti novērot kaujaslaukumus no kosmosa; vides uzraudzītājiem būtu iespēja pieķert nelikumīgas darbības (piemēram, kuģu piesārņojuma noplūdi) notikuma brīdī. Tas gan rada arī politikas jautājumus, jo reāllaika monitorings tuvojas uzraudzībai. Tehnoloģiski – mūsu virzienā dodas pasaule, kur “siena starp šī brīža un pagātnes attēliem kļūst arvien caurspīdīgāka.”

Miniatūrizācija un jaunas satelīttehnoloģijas

Mazo satelītu izplatība ir izteikta tendence – satelīti kļūst mazāki, lētāki un daudzskaitlīgāki:

• CubeSat un nanosatelīti: Standartizēti mazsatēlīti, daži tik mazi kā 10 cm kubs (1U CubeSat), ir pazeminājuši iesaistīšanās barjeru. Universitātes, jaunuzņēmumi, pat vidusskolas var uzbūvēt pamata attēlošanas CubeSat. Kaut arī 3U CubeSat ar nelielu teleskopu nesasniegs WorldView-3 kvalitāti, tas var nodrošināt 3–5 m izšķirtspējas attēlus – pietiekami daudz kam – par daļu no cenas. Daudzu cubesat konstelācijas (piemēram, Planet “Doves”) var pārspēt lielos satelītus attēlu atkārtošanās un pārklājuma ziņā, ja ne pēc paša attēla detaļām. Šādi CubeSat projekti kļūst arvien biežāki: no Planet flotes līdz eksperimentālām misijām ar hiperspektrāliem sensoriem vai videokamerām. Divas trešdaļas aktīvo satelītu tagad skaitās mazie satelīti pēc dažiem datiem nanoavionics.com, norādot uz šo pavērsienu. Tas nozīmē, ka vairāk valstu un uzņēmumu var realizēt savu “aci debesīs”. Tas vairs nav tikai lielvalstu prerogatīva – arī nelielas valsts pētniecības institūts vai privātuzņēmums var palaist savu attēlošanas konstelāciju, izmantojot kopīgas raķešu palaišanas iespējas.
• Attīstīti sensori mazās platformās: Tehnoloģiju izaugsme ļauj arī mazajiem satelītiem nest sarežģītus sensorus: piemēram, miniatūrizēts sintētiskās atveres radars (Capella satelīti ir aptuveni 100 kg un piedāvā <0.5 m radara attēlus), mazi hiperspektrālie attēlotāji (kā 16U CubeSat ar 30 m hiperspektrālo sensoru), vai pat infrasarkanie sensori nakts attēlošanai. Komponentēm kļūstot mazākām un ar arvien jaudīgāku procesoru (on-board apstrādei), katra satelīta spēja uz kg tikai aug. Tas ļauj plānot svaidāmas arhitektūras, kur daudz lētu satelītu darbojas kopa (kā skudras strādā kolonijā).
• Lielo augstumu pseidosatelīti (HAPS): Lai gan tie nav satelīti, augsttropos lidojošās dronu lidmašīnas vai baloni “darbojas kā pagaidu satelīti”. Tie var vairākas dienas bez apstājas novērot teritoriju ar augstas izšķirtspējas kameru, sniedzot vēl noturīgāku lokālu pārklājumu, papildinot satelītu datus. Nākotnē HAPS, gaisa un satelītu datu integrācija, iespējams, kļūs pilnīgi nemanāma.
• Kvantiskā un optiskā sakaru tehnoloģija: Nākotnes satelīti var izmantot lāzeru sakarus, lai sūtītu datus uz zemi vai starp satelītiem, palielinot joslas platumu (lai ātrāk pārsūtītu datus vai pat tiešraides video straumes). Šī joma strauji attīstās (piem., Eiropas datu relējstacijas jau izmanto lāzerus Sentinel datu nodošanai). Lielāks joslas platums ļaus atbalstīt tās reāllaika un video lietojumprogrammas.
• Satelītu konstelāciju pārvaldība: Pieaugot satelītu skaitam, orbītu menedžments un sadursmju novēršana (kosmiskās satiksmes pārvaldība) kļūst arvien nozīmīgāka. Kā arī – dažādu satelītu koordinācija kooperatīvai attēlveidei: piemēram, viens satelīts uzņem stereo pāri tūdaļ pēc cita, lai iegūtu 3D datus vai radarsatelīti lido formācijā interferometrijas vajadzībām. Eiropas Tandem-X misija to īstenoja (divi radarsatelīti tandēmā radīja globālu 3D karti). Šādu pāru vai tīkla konfigurāciju skaits, visticamāk, pieaugs.

Īsumā, miniatūrizācija + masveida ražošana satelītos ir analoģiska tam, kas notika ar datoriem (no galddatoriem–lielajiem datoriem līdz personālajiem datoriem un viedtālruņiem). Tas nozīmē, ka attēli kļūs vēl visuresošāki. Taču mazie satelīti arī kalpo īsāk (aptuveni ~3–5 gadi), tātad konstelācijas jāpapildina pastāvīgi (regulāri jāpalaiž jauni satelīti). Tas kļūst iespējams ar lētākiem palaišanas pakalpojumiem (arī īpašām mazām raķetēm kā Rocket Lab Electron vai SpaceX koppalaišanas programmas). Satelītu nomaiņas biežums var arī paātrināt inovācijas – jaunās tehnoloģijas var tikt ieviestas daudz ātrāk nekā gaidot 15 gadus līdz nākamajai lielajai satelītu paaudzei.

Kosmosā balstīta analītika un integrētas platformas

Pārsniedzot aparatūru, analītika un ieskatu piegāde no satelītattēliem ir galvenā robeža. Uzņēmumi vairs nepārdod tikai attēlus, bet “kāpj augšup vērtību ķēdē”, lai nodrošinātu analīzi un atbildes:

• Sensora līdz lēmumam” caurule: Pastāv vīzija par pilna cikla sistēmu, kur satelīti vāc datus, mākslīgais intelekts tos interpretē, un gala lietotājs saņem praktiski izmantojamu informāciju vai vizualizācijas ar minimālu cilvēka līdzdalību. Piemēram, zemniekam nav interesants tikai satelītattēls; viņš vēlas zināt, kurai lauka daļai nepieciešams mēslojums. Kosmosā balstītās analītikas uzņēmumi cenšas sniegt šādas atbildes tieši, bieži izmantojot mākoņplatformas vai API. Cits piemērs: investīciju firma nevēlas manuāli pārskatīt ostu attēlus; tā abonē pakalpojumu, kas sniedz iknedēļas indeksu par to, cik pilnas ir lielākās ostas (secinot pēc konteineru skaita attēlos). Tas jau notiek – tādi uzņēmumi kā Orbital Insight un Descartes Labs apstrādā attēlus (no dažādiem avotiem), lai radītu ekonomiskos rādītājus (kā, piemēram, veikalu autostāvvietu noslogojuma rādītājs kā mazumtirdzniecības veiktspējas indikators, vai ražas ražības aplēses).
• Ģeotelpiskās lielo datu platformas: Mēs jau pieminējām Google Earth Engine; līdzīgi arī Microsoft Planetary Computer, Amazon Open Data Registry un citi integrē daudzavotu ģeotelpisko informāciju ar mērogojamiem analīzes rīkiem. Šajās platformās arvien biežāk tiek iekļauti ne tikai attēli, bet arī analītiskie modeļi. Šajās platformās jau iespējams veikt, piemēram, zemes seguma klasifikācijas algoritma palaišanu visai Āfrikai dažu stundu laikā – kas pirms desmit gadiem bija neiedomājami. Nākotne virzās uz reālā laika Zemes paneļiem, kur lietotājs var pieprasīt planētas stāvokli (mežu zudums, gaisa kvalitāte, augsnes mitrums, utt.) gandrīz tiešraidē, pateicoties konstantai satelīta datu plūsmai un analītiskiem algoritmiem.
• Integrācija ar citiem datu avotiem: Satelītattēli tiek apvienoti ar citiem “sensoriem” – sociālajiem medijiem, IoT zemes sensoriem, pūļa avotu datiem –, lai bagātinātu analīzi. Piemēram, katastrofas laikā satelītkarte par applūdušajām teritorijām var tikt apvienota ar Twitter datiem par to, kur cilvēkiem nepieciešama palīdzība. Lauksaimniecībā datus par kultūraugu veselību no satelītiem var apvienot ar vietējo laikapstākļu staciju datiem, lai precīzāk prognozētu ražu. Šī datu saplūšana ir vēl viena joma mākslīgajam intelektam, kas spēj sasaistīt dažādas datu straumes, lai iegūtu dziļāku ieskatu defenseone.com.
• Malu skaitļošana orbītā: Kā jau iepriekš minēts, attēlu analīze pašā satelītā (malu skaitļošana jeb edge computing) kļūst aizvien aktuālāka. Ja satelīti spēj noteikt, kura datu daļa ir vērtīga, tie var uz Zemi sūtīt tikai būtisku informāciju vai pat iedarbināt citus satelītus. Piemēram, viens satelīts novēro infrasarkanā diapazonā karstuma anomāliju (piemēram, ugunsgrēku) un automātiski dod uzdevumu citam satelītam uzņemt augstas izšķirtspējas attēlu no tās vietas. Šāda autonomā sadarbība satelītu starpā ir kosmosā balstītas analītikas piemērs, kur tīkls sadarbojas, lai optimāli uztvertu notikumus. Šajā virzienā eksperimentus jau veicis NASA sensorweb un citi, taču nākotnē sagaidāmas operatīvas versijas.
• Lietotāju pieejamība un demokratizācija: Gala mērķis ir padarīt satelītdatu atvasināto informāciju tikpat pieejamu kā laikapstākļu ziņojumus. Mēs varētu sagaidīt patērētāju lietotnes, kas izmanto satelītu datus fonā (dažas jau pastāv – piemēram, lietotnes, kas brīdina par augu slimībām, izmantojot Sentinel-2 datus). Analītikai kļūstot vienkāršākai, sarežģītie attēli tiek pārvērsti uzskaitēs vai brīdinājumos, un šķērslis satelītu atziņu izmantošanai pazeminās. Tajā pašā laikā jānodrošina, ka šī analītika ir precīza un neitrāla – tādēļ ir būtiski būt atklātiem, arī attiecībā uz mākslīgā intelekta pamatotajiem produktiem.

Augstāka izšķirtspēja un jaunas modalitātes

Ir vērts atzīmēt, ka sensori kļūst arvien jaudīgāki: tuvākajā laikā varam sagaidīt vēl augstākas izšķirtspējas komerciālos attēlus (ASV varētu atļaut tirgot zemāk par 30 cm izšķirtspējas attēlus, citas valstis jau palaiž 20 cm klases sistēmas). Jaunas spektrālās modalitātes, kā LiDAR tehnoloģija no kosmosa, varētu nodrošināt globālu 3D veģetācijas un objektu kartēšanu (NASA GEDI LiDAR uz ISS ir solis šajā virzienā; jau tiek piedāvāti satelītu LiDAR projekti karšu veidošanai). Termālās infrasarkanās joslas (piemēram, NASA ECOSTRESS uz Kosmosa stacijas vai topošo Landsat Next ar papildu termālajiem kanāliem) uzlabos temperatūras kartēšanu – svarīgi ūdens lietojumam, pilsētu karstuma identificēšanai u.c. Nakts gaismas attēlveidošana (piemēram, ar VIIRS instrumentu) varētu tikt uzlabota ar augstākas izšķirtspējas sensoriem naktī, kas ļaus detalizētāk novērot cilvēku darbību (piem., elektroapgādes vai konfliktu ietekmes monitoringu pēc apgaismojuma).

Tāpat nākotnē varētu kļūt iespējami arī kvantu sensori vai hiperspektrālie dati ar augstu izšķirtspēju, kas vēl vairāk bagātinās pieejamo informāciju.

Kopumā, satelītattēlu nākotne virzās uz vairāk: vairāk satelītu, vairāk datu, biežāk, detalizētāk, automātiskāk. Veidojas “dzīvais digitālais Zemes dvīnis”, kuru nepārtraukti atjauno satelīti un analizē mākslīgais intelekts, līdz cilvēks var pieprasīt datu vaicājumu gandrīz par jebkuru planētas aspektu gandrīz reāllaikā. Tas pavērs neticamas iespējas ilgtspējīgai resursu pārvaldībai, operatīvai reaģēšanai krīzēs un dinamiskai vides izpratnei – bet tas radīs arī ētikas, privātuma un taisnīgas izmantošanas izaicinājumus. Turpmākajos gados satelītattēli, iespējams, būs vēl nozīmīgāka ikdienas dzīves daļa – sākot no lietotnēm līdz valdību politikām –, patiesi piepildot kosmosa laikmeta agrīno solījumu novērot un gūt labumu Zemei kā “Kosmosa kuģim Zeme”.

Avoti:

• Satelītattēlu definīcija un vēsture en.wikipedia.org en.wikipedia.org en.wikipedia.org
• Agrīnie kosmiskie attēli un programmas en.wikipedia.org en.wikipedia.org
• Landsat programma un nepārtrauktība en.wikipedia.org en.wikipedia.org
• Ģeostacionārie pret polārajiem orbītu raksturlielumiem esa.int esa.int earthdata.nasa.gov
• NASA Earthdata – orbītu tipi un piemēri earthdata.nasa.gov earthdata.nasa.gov earthdata.nasa.gov
• Pasīvo pret aktīvo sensoru koncepti earthdata.nasa.gov earthdata.nasa.gov
• Multispektrālo pret hiperspektrālo atšķirības en.wikipedia.org en.wikipedia.org
• Izšķirtspējas definīcijas (telpiskā, spektrālā, laika) earthdata.nasa.gov earthdata.nasa.gov earthdata.nasa.gov
• Komerciālās izšķirtspējas piemēri (WorldView) en.wikipedia.org un vēsturiskie pirmie piemēri (Ikonos) mdpi.com
• Datu apjoma piemērs (Sentinel ~7 TB/dienā) ceda.ac.uk
• Privātuma problēmas ar attēliem en.wikipedia.org
• MI satelītu datiem (Planet CEO par MI un attēliem) defenseone.com defenseone.com
• BlackSky par reāllaika MI integrāciju defenseone.com
• Atvērto datu ietekme (Landsat bezmaksas politikas uzplaukums) science.org
• Vides un lauksaimnieciskās pielietošanas jomas satpalda.com satpalda.com
• Pilsētu plānošana un infrastruktūras izmantošana satpalda.com
• Katastrofu vadība ar attēliem satpalda.com satpalda.com
• Aizsardzība un izlūkošana (Planet un Ukraina, Corona programma) defenseone.com en.wikipedia.org
• Kartēšanas un navigācijas pielietojumi en.wikipedia.org satpalda.com
• Galvenās programmas: Landsat un Sentinel atvērto datu principi en.wikipedia.org earthdata.nasa.gov, Maxar un Planet iespējas en.wikipedia.org en.wikipedia.org, mazsatellītu skaita pieaugums patentpc.com.