地震、火山爆发频频……天基遥感时代中国有多少话语权

  遥感技术具象化气象卫星会搭载光学遥感仪器或微波遥感仪器我国气象卫星在轨布局“拆解”气象卫星与气象雷达气象雷达属于主动式微波大气遥感设备GraphCast可以更快提供关于飓风登陆的更准确预测报告电磁波光谱(紫外线至红外线部分)多光谱、高光谱和超光谱的区别搭载多光谱相机的无人机多光谱相机在植被观察中的应用卫星移动的距离，就是“合成孔径”的基线地基合成孔径雷达能提前在地质体蠕变早期探知位移变化，提前预警陆地探测四号01星工作示意图（图源：国家航天局）陆地探测一号01组卫星合成孔径雷达拍摄的土耳其地震同震形变场图像

  较之科学技术进步和政经氛围变化，环境气候往往是被忽视的、却又非常非常重要的“缓慢因子”。近年来，冲破历史极值的高温和寒冬天气、干旱和洪水、地震与海啸都不断地给人们敲响警钟。而改变造成气候问题的源头——人类对化石能源的依赖，是一个长期而缓慢的过程；当下，如何利用遥感（remote sensing，RS）技术掌握“上至太空、下至地表”的环境变化规律，进而随机应对，或许更值得关注。

  2023年，气候平均状态随时间的变化从隐忧变成了切身的现实威胁，从破“十万年以来”纪录的高温、融化的冰川，到海平面的上升、超雨等等“天灾”，以及随之而来的电力、水力供应危机，无一不在提醒着人类全球气候平均状态随时间的变化之无常。

  想要在诸多不确定中寻找可靠的线索作为“警铃”，为人类短期活动指明方向，那么遥感技术就是无法忽视的重要一环。

  “遥感”这个概念在当代并不陌生，顾名思义，其指的是“只看不摸”，即以非接触性的、远距离的探测技术——一般指通过人造卫星等遥感器对地球内物质的电磁波辐射、反射光谱进行观测——去探测物体的种种特性。天气预报、台风动态、地图导航系统等人们日常生活中不可或缺的角色，几乎都仰赖遥感监测技术提供信息。

  在没有气象卫星和气象雷达之前，人类也有过“遥感”监测行为。19世纪，人类曾乘坐热气球到半空拍摄大面积地面照片，然后简单地记录地表信息；1903年飞机问世后，研究人员便开始了可称为“航空遥感”的第一次试验，从空中对地面进行摄影，并将航空像应用于地形和地图制图。

  气象卫星的出现，让人类以更宏大视角观测地球的想法得以实现。中科院空天信息创新研究院遥感科学研究员张颢解释，卫星是从一个单一、统一的角度提供我们星球现状概要的最佳方式。我国早在上世纪70年代就开启了气象卫星研发的序幕，截至2023年12月，已发射了21颗气象卫星，其中9颗在轨运行，同时也是继美国、俄罗斯之后第三个同时拥有极轨气象卫星和静止气象卫星的国家。

  气象雷达则是指专门用于大气探测的雷达，其能在短期内获得大范围、高解析度的观测信息，很适合监测剧烈天气系统，比如锋面、台风、午后热对流等。这些天气系统的生命周期长的可能超过一天，短则一小时左右结束；至于涵盖范围，大则数百公里，小则仅数公里。重要的是，它们往往伴随着降水、强风、冰雹、闪电，可能会带来严重灾害并造成农业、工业及民生上的重大损失。

  追本溯源，雷达与卫星都是因军事或战争需求而诞生。雷达是在二次世界大战时，为了掌握战场上敌军的位置而产生的科技；卫星则是在上世纪50年代末期，美苏两国的太空军事竞赛中蒸蒸日上起来的技术产物。

  国家之间有立场，而技术本质上是中立的。苏联解体后，研究人员将雷达与卫星的原理延伸到了地球科学相关领域，才令气象研究、天气预报发生了翻天覆地的改变。

  这两大遥感检测工具的原理其实都与电磁波有关，应用于气象上的差别在于，雷达会“主动”发射不同波长（频率）的电磁波，卫星则是“被动”接收目标物本身发射或反射的电磁波。

  基于“遥感”的物理基础我们可知，无论是在可见光环境下还是人眼难以视物的夜晚，一切物体都会发出辐射，利用卫星所携带的光学遥感仪器或微波遥感仪器，气象卫星就能“看”清楚夜晚的一切。

  不过，卫星观测到的其实是复杂的叠加信号，例如白天拍到的云层，就是由云层反射的阳光、云体自身发出的辐射、大地和大气层背景辐射三部分叠加而成。想要得到准确的信息，研究人需要设计专门的算法，才能把这三样信号一一分离出来。

  此外，这样通过气象卫星的“眼睛”去做光谱分析，我们不但能分辨出物体本身是什么，还不难得知它真实的温度和构成。比如气象卫星观测到的云和大气，不但具有形象轮廓，还有温度湿度、高度分布、成分构成、闪电雷暴等详尽的信息。

  而作为主动式微波大气遥感设备，气象雷达可对其探测范围内的台风、暴雨、冰雹、龙卷风等天气进行“跟踪”和“扫描”。

  与普通雷达一样，气象雷达也是通过目标对特定波长电磁波的散射来确定目标的位置和特性。当气象雷达发射出电磁波，碰到空气中的水滴、雨滴等粒子从四面八方散射出去后，散射的电磁波会再沿原来路径被雷达接收，那么以光速计算，我们就不难得知目标物的距离，还能根据接收回来的能量强度知道降水的多寡。

  同时，固定于地面的地基式气象雷达还会利用这些天气系统的共通点：垂直结构上的特征，即这些天气系统在大气中有垂直方向上的变化和排列，平均每6分钟就对天气系统来进行一次空间范围在125-250公里的“全身扫描”，不仅可看天气系统的“体型”，还可以“窥探”其内部风雨结构。

  除了工作原理的细微差别外，二者还有一个不同：气象雷达会追踪大气中大颗粒水滴（比如暴雨），而气象卫星则大范围的使用在捕获小颗粒水滴（如云层）的相关动态。

  这也很好理解，卫星是在天上，由上往下看，能够正常的看到几百到几千公里范围内的云层分布状况，但很难看清云层内部水汽结构；而雷达大部分是在地面扫面，可以穿透云层，看到云层里面风暴。因此，气象雷达往往是台风天判断台风分布、移动和演变，并对其未来分布和强度作出预测的主力。

  气象卫星和气象雷达监测得到的数据庞杂繁复，需要先拆解出目标地天气系统的物理状态信息，再代入由热力学方程、水汽方程、状态方程、运动方程等组成的大气动力学模型中，再像解数学题一样，经过复杂的计算，求解出温度、气压、空气密度等数据，然后才能变成我们所熟知的天气预报。这种基于物理方程的数值天气预报（NWP）模式，是当前天气预报的主流方式。

  而关于计算，AI显然更长于此。谷歌DeepMind团队去年11月就发表论文称，其研发的的全球中期天气预报模型GraphCast可以在一分钟内精确预测未来全球10天内的天气情况，且表现持续优于耗资巨大的传统模型。

  根据研发团队披露，GraphCast是一种基于机器学习和图神经网络（GNN）的天气预报系统，“喂”的是欧洲中期天气预报中心 （ECMWF） 近40年的数据，专门用来训练模型对天气如何随时间演变的认知。

  GraphCast的表现也没让人失望。与行业黄金标准天气模拟系统“高分辨率预报”（HRES）相比，GraphCast在1380个测试变量中的近九成测试中，提供了更准确的预测。而且，虽然GraphCast没有经过捕捉恶劣天气事件的训练，但却能比传统预报模型更早识别出恶劣天气事件——去年9月，GraphCast提前9天预测出飓风李 (Hurricane Lee)将登陆加拿大新斯科舍（Nova Scotia），传统计算模式最快只能提前6天。这种基于大量数据的出众预测能力的出现，或许也可以称为天气预报领域的“iPhone时刻”。

  人眼只能接收三个光谱频段中物体的光能量信号：红色、绿色和蓝色，也就是我们常称的发光三原色，事实上我们也可以看到由这三种颜色的组合产生的橙色，紫色，青绿色等等的更细微的色彩，可咱们不可以奢望能看到紫外线和红外辐射，但这能够最终靠多光谱和高光谱传感器来完成。

  红外线和紫外线是电磁波谱中的描述性区域可见 (红色，绿色和蓝色)，人们为了方便地对它进行分类，人为地界定了下面的分区。每个区域根据其频率 (v)/波长(入) 进行分类，380 nm至700 nm为人类可见光，700 nm至1mm为红外线nm则是紫外线。

  多光谱和高光谱的主要区别是波段的数量和波段的窄度。多光谱图像通常指能同时获取多个光学频谱波段（通常不小于3个），并在可见光的基础上向红外光和紫外光两个方向扩展的光谱探测技术。

  常见实现方法是通过种种滤光片或分光器与多种感光胶片的组合，使其在同一时刻分别接收同一目标在不同窄光谱波段范围内辐射或反射的光信号，得到目标在几张不同光谱带的照片。高光谱图像包含很窄的波段（10-20 nm）， 高光谱图像可能有成千上万的波段，这要使用到成像光谱仪。

  从原理和分类来看，高光谱显然能看得“更清楚”一些，但从成本和落地看，当下多光谱技术显然更成熟 一些。多光谱传感器通常在一次观察中从三到六个光谱带收集数据。这些特性使它们具有成本效益。由于图像捕获并不复杂，因此购买和维护成本低廉。

  同时，高光谱成像可以在一次采集中收集数百个光谱带。由于需要更加多的技术进步来生成更详细的光谱数据，因此这种功能使其价格昂贵。随之而来的是与传感器和图像成本增加、数据量和数据处理成本以及维护操作的高需求相关的问题。

  多光谱成像系统具有光谱通道数目较少、空间分辨率比较高、颜色再现精度可根据真实的情况设计、硬件系统紧凑、采样速度快等特点，因此很适合应用于颜色科学技术领域的光谱成像及颜色再现场合。

  而“多光谱遥测技术”本身是可以拆开理解，“遥感”是在一定的距离之外，经过测量而获得某一物体信息的科学技术，其中“定量遥感”是从对地观测电磁波信号中定量提取地表参数的技术和方法研究。所谓多光谱遥感就是将地物辐射电磁波分割成若干个较窄的光谱段，以摄影或扫描的方式，在同一时间获得同一目标不同波段信息的遥感技术。

  “无人机+多光谱遥感”的组合如今已在环境生态监测、农业、林业等多个领域得到普遍应用。与普通相机相比，无人机搭载的多光谱相机能够同时获取多个光谱带的图像，从而更好地理解和分析目标对象，其通常具备高分辨率和快速获取数据的特点，能快速提供更精准的图像数据，这使得它能够在极短的时间内完成大面积的监测和调查任务。

  水质是生态环境的重要指标，变化迅速，需要长期监测。在城市生态环境中，水质问题不仅更严重，而且在时间和空间上也更为复杂，能够使用遥感来弥补传统水质监测方法在空间覆盖和时间覆盖方面的不足。

  无人机多光谱监测系统是将多光谱成像仪搭载在无人机上，实现对河道水体的图像及光谱信息采集。无人机高光谱系统作业效率较高，根据作业区域和分辨率需求选择正真适合的飞行参数（高度、速度等），合理规划航迹并设置对应的高光谱相机参数即可进行数据采集。

  作业时需架设标准反射板以获取太阳光谱分布情况便于后期将数据归一，化为反射率数值。将采集到的高光谱数据经过一系列的数据处理与分析，能得出不同光谱曲线对应的具体指标数值，结合GPS定位信息可以将水质参数指标分布映射到地图中实现污染物鉴定及其区域定位。

  多光谱数据具有“图谱合一”的特点，光谱信息可用于分析物质成分和含量，实现对水体污染物和污染程度的快速监测，而成像信息可用于对物质成分和含量分析实现精确定位；二者结合可以高效实现较大区域的河道污染分布分析和监测。

  除了水质监测外，农业也是“无人机+多光谱遥感”的重要应用领域。植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础。通过这两个波段测值组合得到的NDVI指数（归一化植被指数是反映农作物长势和营养信息的重要参数之一。

  根据该参数,不难得知不同季节的农作物对氮的需求量, 对合理施用氮肥具备极其重大的指导作用），对土壤背景变化敏感，能较好地识别植被和水体。在植被处于中、低覆盖度时，该指数随覆盖度的增加而迅速增大，当达到定覆盖度后增长缓慢，所以适用于植被早、中期生长阶段的动态监测。

  根据不一样的需要可以将波段进行组合计算得到植被指数，这便是NDVI指数图。结合图表能够准确的看出：红域表示有水区域，接近0值部分是道路和裸土，左边绿色较密集区域植被覆盖较好，右边部分由于冬小麦正处于出苗期，叶面积小，NDVI值较小呈现土黄色。

  农业监测之外，多光谱镜头在林业领域中，大多数都用在对森林类型、林场健康状态和物种组成等方面的研究。通过合理的光谱图像处理，能够分类和分析不同树种和森林中的地理景观，用来监测和预警森林火灾、疾病、虫害等会导致树木萎缩死亡的因素。多光谱的应用呈现出与其他地球观测平台相比的高时空分辨率，在跟踪森林覆盖变化、衡量森林生长和林场产品量等方面显示出了更稳定的表现。

  此外，在气象领域，气象学家通常用多光谱图像来预测临近地区气候模式的改变，利用多光谱数据能够顺畅地检测气体、微粒、海洋流动、风场等多个角度。尤其是在分析云的性质和其他天气系统内的各种锋面形态和边缘过渡时，能快速获得超高时空分辨率的云图像并帮助研发气象预报算法。

  除了环境监视测定外，“无人机+多光谱遥感”的组合在地质勘查领域同样具有广泛的应用。它能够适用于探测矿产资源、调查地质灾害和评估土壤质量等方面。通过获取特定光谱带的反射率，能确定地质构造、岩石类型和土壤成分等信息，进而让我们进一步看清所处的世界。

  2023年8月13日，我国在西昌卫星发射中心使用长征三号乙运载火箭，成功发射了全球首颗进入工程实施阶段的高轨合成孔径雷达卫星“陆地探测四号01星”。那么问题来了，合成孔径雷达是什么？它为什么能轻松实现环境监视测定预报呢？

  大多数对地球观测的卫星是光学遥感卫星，换言之它们都采用光学相机对地球进行成像，以2020年7月发射的高分辨率多模综合成像卫星为例，搭载的就是一台全色分辨率0.5m/多光谱分辨率2m的光学相机，它的运行高度为643.8公里，属于典型的低轨道卫星（运行高度在200~2000公里）。

  光学相机的缺点在于很容易受气候影响，当云、雾或者水气等在信号传播路线上形成一定规模，会导致图像的不准确或者干脆被遮盖，从而让计算出来的结果不可靠，而且把所选数据在一个时间轴上进行相互比较时，不同拍摄日的天气差异也会使结果失去可比较性。

  除此之外，光学相机只适用于对地表可见的物质勘探与监控，地表的植被、冰雪都会因为遮挡地表而造成信息损失。除此之外，和传统光学相机一样，光学遥感卫星也是依赖照明的，拍摄地球阴面的效果会差很多，所以一般会采用太阳同步轨道设计，也就是和太阳照到哪，卫星就拍到哪，这也就从另一方面代表着同一片区域，24小时内只能拍一次，在面对夜间发生的天灾时，它无法在第一时间拍摄有效的图像。

  雷达就不一样了，虽然都是收集电磁波（可见光也是一种电磁波），但雷达是用天线来当作“镜头”，传统雷达所使用的线阵天线由多个辐射单元组成，天线的长度称为天线的“真实孔径”，与光学镜头的孔径类似，它是雷达用来观察成像区域的窗口。因为雷达的天线孔径与其波束宽度成反比，而波束宽度决定了雷达分辨率的大小，所以，为了更好的提高传统雷达的分辨率，就需要减小有效的波束宽度，也就是增大天线的孔径。

  以C波段（波长为3.75~7.5cm）为例，如果以线米的方位向分辨率，则需要3公里长的雷达天线，这显然是不现实的，所以“合成孔径”的概念就呼之欲出了。

  合成孔径雷达搭载在卫星或飞机平台沿轨道飞行，按照一定频率对观测区域发射电磁波，由于被观测区域与雷达载体之间有相对运动，因此被地面反射回来的雷达脉冲频率就产生了多普勒频移现象，合成孔径雷达正是利用这一物理现象，将雷达照射时间内观测区域的回波信号，通过数据处理的方法“合成”为一个脉冲，可以将其视作一个有着很长孔径的“等效天线”，以此来实现高分辨率成像的目的。

  作为一种主动式微波传感器，对比光学传感器使用的可见光（4x10-7 米）到热红外（15x10-6 米）的波长，合成孔径雷达可接收从 K波段（0.75厘米）到P波段（1米）的微波波长，而这些波长的穿透性极强，所以合成孔径雷达可以不受光照和天气特征情况等限制，实现全天时、全天候对地观测，别说云层，甚至还可以透过地表或植被获取其掩盖的信息，合成孔径雷达雷达就曾探测出撒哈拉沙漠中的地下古河道，引发了国际学术界的关注。

  当然，根据波长不同，合成孔径雷达的应用面也有些微差别，其中K波段无法渗透湿土、植被，而L波段以上就可以……但总体来说，合成孔径雷达在农、林、水或地质、自然灾害等民用领域都有着无法替代的作用。

  除了采用L波段合成孔径雷达技术，陆地探测四号01星还有一个特点，那就是运行的轨道特别高，距离地球近40000公里，这已经属于高轨道卫星的标准（运行高度20000公里以上），这条轨道上运行的卫星就像在天上重复画着一个“8”字，可以对固定的一大片区域进行相对持续地观测，对我国东南沿海地区重访周期低于4小时，对长江中下游、西南地区东部、京津冀北部、东北南部地区重访周期低于8小时。

  不过，要想在如此遥远的距离实现卫星与地面信号的接收和发送可不是一件简单的事，中国空间技术研究院西安分院特别设计了一种环形天线，它的外形似一把巨大的伞，卫星通过这把大伞向地面发射微波信号。

  为什么要将天线做大？这是因为微波信号的发射和接收需要天线，而天线的口径做得越大，接收的能量也就越多，成像幅宽也就更大，能更加进一步提高雷达灵敏度和应用面。

  从实际效果来看，2019年3月26日5时01分06秒，甘肃省永靖县盐锅峡镇党川村黑方台党川6号和7号滑坡体附近新发生了一起黄土滑坡，淹埋主渠50米，耕地十余亩，滑坡体积约20000立方米。长安大学张勤教授研究团队和成都理工大学许强教授研究团队就通过北斗卫星和机载合成孔径雷达监测系统的组合，提前2天对滑坡发出黄色预警，预警信息以短信、微信方式通知到盐锅峡镇地质灾害应急中心和相关村干部，当地政府及时采取防范措施，正是因为提前发出了预警信息，才有很大成效避免了人员伤亡。

  2023年1月26日，我国发射了搭载干涉合成孔径雷达陆地探测一号01组卫星A星，该卫星于2023年2月10日获取了2月6日土耳其地震震后合成孔径雷达图像，经过与震前SAR图像（2022年4月11日）进行差分干涉处理，得到了两次强震的同震形变场，揭示了两次地震造成了巨大的地表变形，位错量最大达到了4~5米。

  受益于陆地探测一号01组卫星L波段雷达载荷波长长，具有较强的地表植被穿透性等优势，相隔10个月的两幅SAR图像在对同震地表大形变区域依然保存较高的相干性，准确地刻画了本次地震的破坏程度，为震后救援提供了重要的数据支撑。

  去年12月甘肃积石山地震，兰州大学、兰州理工大学、甘肃省科学院地质自然灾害防治研究所的专家也利用合成孔径雷达干涉测量技术，借助无人机、三维激光扫描仪等设备，对由地震诱发的崩塌、滑坡、泥流和地表裂缝等次生地质灾害开展全面调查与研判，为科学救灾提供技术支撑。