卫星数据平台化

让我们来看几个数字。

目前有一千多颗地球观测卫星绕地球运行。每天，这些卫星捕获数百tb的数据。考虑到频谱的低端，如果一颗卫星每天传输100 TB的数据，那大约是10万GB的数据。保守估计，每天有1亿GB的数据通过环绕地球的地球观测卫星传输。我们在淡化这个数字!

这些数据中的丰富信息具有巨大的潜力，但如果没有计算能力或从所有这些信息中提取意义的方法，这些数据就完全没有用处。随着越来越多的卫星被发射到太空，支持获取这些数据至关重要，为了从收集到的信息中获得有意义的见解，平台化是必不可少的。

平台化主要由云提供支持。AWS、Azure、Google等行业领导者正在取得重大进展，并提供了外部计算能力，允许人们访问服务、软件、硬件甚至服务器计算。空间数据的平台化在帮助创造洞察力方面取得了巨大的进步，为世界各地的商业和组织提供了动力。

让我们考虑一下地球观测数据。从历史上看，这些数据很难接收，也很难使用，主要是因为它包含了数百张用于各种目的的地球图像。然而，多年来，数据的质量和有效性有了显着提高，能够提供更好的分辨率图像以及更快的信息传输，从而提高了视觉效果的近代性。以前每天只有几张图片，现在变成了每天数百张。处理如此大量的信息需要Azure、AWS等服务提供的计算能力，帮助托管和服务这些数据，将其转化为有意义的见解。

今天，航天工业正在经历分析范式的转变。像AWS这样的PaaS提供商不仅着眼于帮助访问数据，而且还在其上创建了一个分析层。最近，AWS宣布了Geospatial ML与Amazon Sagemaker的结合，使团队能够使用地理空间数据更快地构建、训练和部署ML模型。考虑到访问多个地理空间数据源、预训练ML模型和内置可视化工具以更快、更大规模地运行地理空间ML，这是一个巨大的飞跃。

诸如此类的计划允许广泛的用例，这些用例由卫星主导并由数据驱动的分析提供支持。例如，这些数据现在可以查看地球的视觉效果，并提供细微的信息，如植被、土壤质量、植被健康状况、可获得的作物产量，以及其他以前需要实际存在和测试的见解。

然而，最重要的部分仍然是将这些分析连接到已经存在的下游系统或操作系统。集成对于跨用户当前操作的记录系统或洞察系统以可操作的格式使用数据至关重要。这减少了从一个系统复制和粘贴数据到另一个系统的依赖，而是促进了实时或接近实时的数据和见解的同化。

虽然AWS和Azure提供了平台，但卫星领域的新进入者和更专业的进入者也在每天生成数百TB的卫星数据的转换方面取得了长足的进步。像空客和Maxar这样的公司不仅提供来自卫星的数据，还在数据之上提供分析服务。类似地，BlackSky提供了对生成的图像的见解，例如机场可能有多少架飞机，或者使用卫星生成的数据测量可能发生的石油泄漏。Planet Labs最近收购了EO数据开发平台Sinergise，也展示了新玩家的承诺，允许客户访问多源EO数据进行处理、分析和洞察提取。其他解决方案提供商(如Cyient)已经在该行业投入了数十年的时间，并帮助组织创建可视化和仪表板，从数据模式中提供趋势，以采取有意义的行动。

专家现在可以使用IT/OT和数据科学的融合来调整数据，以解决业务问题。随着组织走向平台化，客户越来越有能力自己做出一些决策。数字化转型使组织能够从服务驱动转变为解决方案驱动，而卫星提供商现在可能了解过去的采矿行业，能够看到数据并深入到业务问题的核心。

简化。这就是像AWS和Azure这样的平台提供商对绝大多数人所做的事情。他们简化了数据摄取、转换和交付的方式，这样客户就可以理解这些数据，而无需让数据科学专家分解其中的细节。随着卫星数据的数量、速度和准确性不断提高，迅速采取行动可能意味着数百万美元的损失，甚至可能挽救生命。这就是使平台化成为骨干的原因，使其成为未来十年的大趋势之一。

作者简介

Gareth在Cyient工作了17年，担任过各种职务，最近担任的职位是基于位置的解决方案主管。从高中开始，他就对地理产生了浓厚的兴趣，当时他的老师告诉他要研究一种叫做“地理信息系统”的新兴技术。从那时起，他通过与我们最大的地理空间客户以及行业初创企业和中小企业密切合作，保持了对GIS和地理空间的热情。