關鍵詞：星群 智能服務 任務本體描述 任務規劃 在軌處理

對地觀測衛星在提高遙感信息自主獲取能力，把握全球經濟、資源、環境、社會發展態勢等方面具有重要作用[1]。高精度實時智能的遙感信息是保障國家安全、服務國民經濟的關鍵核心技術，是世界各國競相搶占的科技戰略制高點。近10年來，我國遙感衛星實現了從“有”到“好”的跨越式發展，逐步實現了業務化、商業化和國際出口[2-3]。2010—2020年高分辨率對地觀測系統重大專項的實施，更是加快了我國對地觀測衛星的發展[4]，該系統將與其他觀測手段結合，具備全天候、全天時、全球覆蓋的對地觀測能力。

美國憂思科學家聯盟(The Union of Concerned Scientists，UCS)2022年1月1日更新的數據顯示，目前繞地球運行的衛星共計4852顆，美國占2944顆，俄羅斯占169顆，我國占499顆，其中我國對地觀測衛星共計264顆，通信衛星共計61顆，導航衛星共計49顆，其他用途衛星共計125顆，我國已成為全球衛星發射數量排名第二的國家。

衛星數量和種類的增多在使遙感應用得到快速發展的同時，也面臨著許多的問題[5]。目前，大多數衛星存在著“空轉”和“過多獲取無用數據”的問題，造成了衛星資源、傳輸、計算和存儲資源的浪費。除此之外，我國現有的通信、導航、遙感衛星系統各成體系，且遙感衛星的單星應用和服務模式在運控、接收、處理和應用環節獨立工作，數據處理及信息獲取鏈路長，導致服務滯后、系統響應慢，難以滿足分鐘級甚至秒級信息獲取需求[6-8]。為了進一步促進全天時、全天候和全球的遙感信息近實時智能服務的發展，未來亟須結合各類衛星觀測和服務能力，通過星群組網的方式提高數據的獲取和服務效率，從而滿足更短的重訪周期、更大范圍的觀測覆蓋范圍以及基于特定任務目標需求的快速響應、持續動態監測等數據獲取需求。

衛星星群是在軌且能正常工作的衛星的集合，通常由一些衛星按一定的方式配置而成[9]。相較于傳統的單星服務模式而言，星群衛星載荷種類多、高低軌道跨度廣、應用場景復雜度高、服務模式更加復雜化。近年來，國內外商業遙感公司逐步部署起了衛星星座，期望通過星座組網的方式實現對全球區域的遙感信息快速獲取，但現階段的衛星星座服務模式僅是在數據獲取方面實現了協同觀測，處理和服務模式仍采用傳統方法，智能化水平低，無法最大程度發揮在軌衛星的協同價值，滿足大眾化、高時效的服務需求，亟須協同多樣化在軌星群資源，研究面向星群的遙感影像智能服務方法，實現對地觀測衛星到對地觀測腦的轉變[10-12]。

本文針對遙感星群衛星體系特點和對地觀測用戶需求特征，開展面向星群的遙感影像智能服務關鍵問題研究，提出了面向任務的全球多尺度動態任務本體描述模型，統籌全球動靜態的任務語義描述，在此基礎上重點分析面向星群的自主任務管理、精準動態任務規劃和智能處理等關鍵技術。首先，構建多尺度動態任務本體描述模型，有效分析和管理對地觀測任務需求；然后，協同規劃高、低軌遙感衛星資源，實現任務需求和衛星資源的合理配置，獲取更多高價值的對地觀測數據，減少資源浪費；最后，在智能規劃的基礎上結合協同計算平臺、協同在軌處理、終端請求與服務等技術形成星群智能服務體系，推動自主化和智能化的近實時星群智能服務，為全天時、全天候和全球的遙感信息近實時智能服務奠定基礎。

1 單星到星群的發展現狀及趨勢

隨著衛星性能不斷提高，對地觀測由傳統的單星模式發展為輕小型衛星組網模式[13]。早期的衛星星群主要用于導航定位和全球通信方面。隨著衛星的小型化、批量化發展，衛星星群在對地觀測方面的應用開始被發展起來[14]。

國外關于對地觀測衛星星座的研究起步較早，現已逐步進入衛星星座穩定運行階段。如美國Planet公司于2013—2020年間構建了高時頻成像對地觀測小衛星星座SkySat，主要用于獲取時序圖像，制作視頻產品，并服務于高分辨率遙感大數據應用[15]，該星座目前已經發射21顆衛星，是世界上衛星數量最多的亞米級高分辨率衛星星座。除此之外，Planet公司還部署了Flock對地觀測星座，可提供3~5 m分辨率的圖像，能夠獲取連續的對地觀測數據[16]。美國的DigitalGlobe和SpaceX于2020年宣布共同合作WorldView Legion星座，擬采用6顆衛星組網觀測，在需求最大的地球區域內獲取更多的影像[17]。法國的AirBus公司也在開始部署Pleiades-Neo星座，并于2020—2021年間發射了4顆光學對地觀測衛星，該星座可直接訪問歐洲數據中繼通信系統，可實現每天高達40 TB的數據傳輸。日本的多家新型商業公司也部署了相應的光學、雷達、氣象小衛星星座。如日本Axelspace公司的灰鶴(GRUS)對地觀測衛星星座，日本Synspective公司的StriX雷達衛星星座[17]。2021年美國商業航天公司Albedo獲準研發10 cm遙感衛星，未來航天遙感將進入10 cm空間分辨率時代，遙感影像精準處理與智能服務的需求更加迫切[18]。

隨著高分辨率對地觀測系統重大專項的實施，我國對地觀測衛星也有了快速的發展。近年來，國內一些商業遙感公司也相繼部署起了對地觀測衛星星座。如中國四維測繪技術有限公司于2016年開始部署高景一號衛星星座[19]，目前已完成第一階段的4顆光學小衛星發射，星座部署完成后，期望能夠實現國內十大城市1天覆蓋1次的能力。長光衛星技術有限公司部署了吉林一號光學遙感衛星星座[20]，截至2021年9月，共有30顆衛星在軌運行，預計2025年前后，可完成138顆衛星組網觀測，具備全球任意地點10 min內重訪能力。21世紀空間技術應用股份有限公司于2015年發射了北京二號衛星星座[21]，2021年發射了北京三號衛星，并將與北京二號系統協同工作，提高我國高分辨率遙感衛星數據的供給能力。除此之外，珠海歐比特宇航科技股份有限公司部署了珠海一號衛星星座[22]，該星座將由34顆衛星組成，包括視頻衛星、高光譜衛星、雷達衛星、高分光學衛星和紅外衛星，期望能夠構成一個高時空分辨率的遙感微納衛星星座，可全天時、全天候、無障礙地獲取遙感數據。

對地觀測衛星星座的發展可分為概念提出、大規模部署、穩定運行三個階段[16]。國外現已逐步進入衛星星座穩定運行階段，國內方面相對而言起步較晚，且現階段部署的衛星星座服務模式僅是在數據獲取方面實現了協同觀測，處理和服務模式仍采用傳統方法，智能化水平低，無法最大程度發揮在軌衛星的協同價值，滿足大眾化、高時效的服務需求。隨著對地觀測衛星的發展，基于星座的遙感影像智能服務逐漸成為遙感領域競爭的熱點和太空經濟新的增長點[23]，因此，在進行星座部署和運行的同時，還需結合在軌處理、星地星間鏈路傳輸、終端接收、5G/6G等技術，實現衛星星座的智能化服務。

2 面向星群的智能服務體系

為了提升衛星星群的在軌測控、運控管理效能，構建面向星群的智能服務體系，保障衛星星群任務正常完成。面向星群的智能服務體系主要思路是結合對地觀測目標特征構建多尺度動態任務本體描述模型，依據多尺度動態任務本體描述模型中對地觀測常規需求和實時變化的用戶需求進行面向星群的智能任務規劃，依據規劃方案開展在軌處理、星地星間鏈路傳輸和終端分發等智能服務。

面向星群的遙感影像智能服務能夠集任務描述、任務管控、任務規劃、在軌處理、終端分發為一體。以多尺度動態任務本體描述模型為驅動，對任務進行統一管理和自主生成，通過將用戶應用反饋到任務管理環節來不斷更新對地觀測任務需求分析，完善用戶服務體系，實現衛星資源的最大化利用。充分利用對地觀測衛星星群中各類衛星資源的優勢，通過中高軌預警發現，低軌確認、識別和跟蹤的方式，兼得任務的時間和空間分辨率。星群中的每顆衛星一星多用多功能設計，衛星集觀測、處理和傳輸功能于一體，每顆衛星既是任務觀測節點，同時也是計算單元和數據傳輸節點，通過一星多用、多星協同的方式星群內部可以組成觀測網、處理網和傳輸網，與衛星通信網集成實現對全球范圍遙感信息的實時智能服務。

面向星群的遙感影像智能服務能夠有效提高突發事件的動態應急響應速度和效率，通過星地聯動的方式，實現遙感信息的時空連續服務。圖 1為面向星群的智能服務體系架構，其主要流程如下：首先，需要結合對地觀測目標特征和用戶對目標的需求特點構建包含靜態地物、動態地物和時間變化因素的多尺度動態任務本體描述模型，實現對全球地物信息的統一描述與管理。然后，依據高時間分辨率的中高軌衛星對熱點區域進行全天時觀測，當探測到應急目標時，經在軌處理提取應急區域信息；多尺度動態任務本體描述模型依據提取的應急區域位置、類型等信息快速匹配災害類型，生成合適的專業應急目標；低軌高分辨率衛星針對應急目標進行協同任務規劃，并依據指令進行多種模式的圖像、視頻數據獲取，通過星間數據傳輸，實現多源數據在軌處理、信息提取、數據壓縮等處理，生成滿足需求的數據產品。最后，通過對地觀測衛星之間的傳輸能力，或借助通信衛星的傳輸能力，實現數據和產品的及時下傳。地面用戶可通過手機、平板等設備直接下載和查看災區變化情況，為下一步的決策提供依據。

圖 1 面向星群的智能服務體系

Fig. 1 Constellation-oriented intelligent service system

3 面向星群的遙感影像智能服務關鍵問題

遙感系統是新型基礎設施的重要組成部分，未來民用商業航天將進入10 cm空間分辨率衛星遙感競爭時代，使得高分辨率衛星遙感影像精準處理與智能服務的需求更加迫切。根據智能服務體系特點，將面向星群的遙感影像智能服務分為多尺度動態任務本體描述模型構建、星群資源任務協同精準動態規劃和面向星群的協同智能處理3個關鍵問題來進行研究。其中多尺度動態任務本體描述模型構建為智能服務提供了基礎目標數據庫，使得服務體系以任務為驅動，實現對地觀測目標的自主管理，是智能服務的前提；星群的任務規劃能夠實現任務需求和衛星資源的合理配置，最大限度地發揮星群資源的優勢，獲取更多高價值的遙感數據；面向星群的協同智能處理是實現智能化的關鍵，通過在軌處理、壓縮、傳輸、分發等流程，能夠實現遙感信息的近實時服務。

3.1

多尺度動態任務本體描述模型構建

多尺度動態任務本體描述模型的構建使得衛星規劃有據可依，是衛星自主規劃和智能服務的前提。該模型以對地觀測任務為驅動，模型構建的基本思路是通過對全球不同地物進行分析，充分了解對地觀測目標的特征及用戶對遙感數據的需求特點，形成多尺度動態任務本體描述模型，同時依據地物特性和用戶偏好為不同任務賦予不同程度的優先級，從而實現對全球任務的統一描述。

多尺度動態任務本體描述模型主要有兩大優勢。一是統籌全球動靜態的任務語義描述，為星群規劃提供一個基礎數據庫，讓衛星在沒有用戶目標的時段內，也可對該基礎數據庫中優先級較高的目標進行數據獲取，解決衛星在無用戶需求時“空轉”和“過多獲取無用數據”造成的衛星、存儲、計算等資源浪費的問題，實現對衛星資源最大程度的利用。二是實現不同類型任務的統一描述，能夠依據少量的普通用戶需求對任務進行分析，快速推斷出滿足用戶需求的專業遙感信息，解決大眾用戶在提交任務需求時“不知道獲取什么類型數據”和“不了解衛星傳感器屬性”等問題，最大限度地滿足用戶需求。除此之外，在星群資源協同規劃的過程中，多尺度動態任務本體描述模型能夠根據中高軌衛星實時發現的應急災害位置和類型等少量信息，快速構建出匹配的周期性的高優先級應急任務，并經低軌高分辨率衛星協同觀測，實現對應急區域的連續監測，提高應急事件的快速響應能力。

多尺度動態任務本體描述模型構建主要包括不同類型地物多尺度目標網格劃分、靜態地物遙感數據類型需求分析、動目標和應急目標遙感數據類型需求分析、基于時間變量的觀測目標需求變化分析，在此基礎上構建基于對地觀測目標的多尺度動態語義網絡模型，形成動態變化實時更新的對地觀測目標庫，實現對用戶目標和對地觀測目標的智能管理。多尺度動態任務本體描述模型主要分為3個層次，如圖 2所示，其中L1為靜態地物，其主要包括：①土地類型分類，不同類型地物對傳感器類型、分辨率、幅寬等需求不同；②歷史數據獲取結果統計，依據歷史數據獲取位置信息對不同地區進行重要程度疊加作為任務優先級劃分指標之一，同時分析歷史數據利用信息，來對不同地區所需遙感數據類型進行分析；③歷史災害地區統計，統計歷史發生重大災害如森林火災、地震等區域，作為重要觀察對象。L2為動態目標，其主要包括：①歷史動態目標數據獲取結果統計，依據歷史數據獲取位置和數據利用情況，對易出現動態目標的地區進行分類管理；②統計移動目標如飛機、艦船、車輛可能出現的場所如機場、港口、重要航線、交通要道等地區進行分類管理。L3為時間變化因素，其主要包括：①分析季節、氣候、云層變化對不同地區遙感數據應用的影響，如不同季節對研究植被遙感和森林遙感的影響、雨季對自然災害的影響等情況，按照不同月份或不同季度的變化對語義網格的信息做出相應調整，包括變化地區對遙感數據需求變化情況、尺度劃分大小變化情況等。

圖 2 多尺度動態任務本體描述模型構成Fig. 2 Composition diagram of multi-scale dynamic task ontology description model

3.2

星群資源任務協同精準動態規劃

衛星對地面目標進行觀測主要是根據用戶提出的請求結合星地資源現狀，形成衛星觀測任務執行方案，然后依據規劃方案，利用衛星攜帶的傳感器，對地球表面和低層大氣進行觀測，從而獲取圖像信息以供用戶使用。為了得到更為優質的影像數據，研究人員從模型的構建和求解算法的改進方面對問題進行優化。例如通過云量信息的考慮，降低衛星影像的含云量；通過目標函數的設定，爭取規劃方案的最優化；通過求解算法的改進，找尋更為優質的解集。但是這些研究主要集中在模型構建和算法選擇和優化方面，缺少高低軌衛星的協同利用，不能主動地發現觀測目標[24]，無法滿足星群環境下大眾化的高時效服務需求。隨著對地觀測衛星能力的提高，髙軌和低軌衛星協同觀測是未來的發展趨勢。

對地觀測遙感衛星在觀測波段、空間分辨率、時間分辨率及成像模式等方面優勢適應性各有不同，面對不同時空尺度的應用需求，需要相互之間協同觀測，以充分發揮各自的優勢，實現優勢互補。高低軌衛星協同觀測主要以中高軌衛星獲取的目標信息為基礎，指導低軌衛星進行觀測。其技術路線如圖 3所示，通過結合多尺度動態任務本體描述模型，構建星地聯動時空兼容的星群智能任務規劃方案，通過中高軌預警發現，低軌確認、識別和跟蹤的方式，發揮不同類型星群資源的優勢，兼顧任務的時間與空間分辨率，從而提高衛星利用效率，獲取更多高價值的遙感信息。

圖 3 星群資源任務協同規劃技術路線Fig. 3 Constellation resource task collaborative planning technical route

面向星群的智能任務規劃是一個復雜得多對多動態優化問題，通過分析衛星組網觀測的時間周期、時間窗口、空間分辨率、波譜分布、側擺角度等主要約束條件，發展并構建以綜合效益為優化目標的約束滿足模型和優化算法，提高衛星調度或側擺計劃實施的能力，最大限度地發揮中高軌和低軌對地觀測衛星的優勢，兼顧任務的時間與空間的分辨率，提高應急任務的響應能力。星群資源任務協同規劃除了能夠依據多尺度動態任務本體描述模型對任務進行智能管理與動態規劃外，還需進一步以任務驅動為核心，通過位置感知和目標感知的方式，實現對研究區域的精準規劃，減少冗余信息的獲取，實現資源的最大化合理分配，避免衛星、存儲、計算等資源的浪費，提高多任務快速規劃的精度和效率。圖 4為星群資源任務協同觀測的示意圖。

面向星群的智能任務規劃在考慮星群對多目標復雜優化的同時，還要針對實時更新的用戶任務對原有規劃方案進行動態調整，大大增加了問題的難度。為了降低問題的復雜度，設計了一種新任務單獨規劃再合并的面向星群的任務規劃方案。其主要思想是對新增的任務單獨進行任務規劃，然后將得到的新增任務規劃方案與當前時刻原有規劃方案中未執行的方案相合并，并按照綜合效益最大化原則對具有時間沖突的任務進行選擇，從而得到調整后的規劃方案。這種方法將星群動態規劃問題分解成多個規劃問題，降低了問題的復雜度。同時僅對新增任務進行任務規劃的思路，避免了對原有任務進行重復規劃計算，提高了計算效率。面向星群的任務規劃主要是對實時更新的用戶目標和多尺度動態任務本體描述模型中基礎目標數據庫的目標協同進行規劃，在保證用戶目標優先規劃的同時，按照基礎數據庫中目標優先級對基礎目標進行規劃。該規劃方案能夠在無用戶目標時，依據分析的基礎目標優先級對潛在價值目標進行協同規劃，從而提高衛星資源利用效率，提高衛星任務規劃智能化水平。

3.3

面向星群的協同智能處理

面向星群的協同智能處理就是在智能規劃的基礎上結合人工智能、5G/6G等技術，構建集遙感影像在軌處理、星地星間鏈路傳輸、遙感信息產品終端分發于一體的星群智能服務體系，使用戶能夠直接通過智能終端發布需求、查看進程、下載數據，為用戶提供獲取端到用戶終端的快、準、靈的智能服務，同時高低軌衛星的協同觀測與處理能夠實現應急目標的自主監測與識別處理，為遙感信息的近實時大眾、軍事服務提供重要支撐。

3.3.1

協同計算平臺

協同計算平臺是將星座與分布式云計算相結合的新一代空間通信與計算基礎設施，能夠使用云計算的運維方式對星群的存儲、計算資源進行調度與管理，進而實現多星的在軌協同計算。協同計算平臺主要依托于天基進行存儲與計算工作，將星群視作為一個具有原始數據集與分布式計算資源的算力云資源池，為用戶提供更加實時的、面向地球空間全域范圍的智能通信及計算服務。

協同計算平臺的構建需要結合星群的動態網絡拓撲架構，對傳統云計算的虛擬化、軟件定義、算力協同等技術做出優化升級，通過整合空間信息網絡中在軌衛星存儲/計算資源，以及星—星、星—地的互傳網絡資源，將整個衛星系統構建為一個可進行集中管理、調度的，具有原始數據集的算力云資源池。地面用戶可根據自身需求，在該協同計算平臺中部署自己的算法，利用衛星本地存儲的數據執行在軌分析工作。通過軟件定義的星上資源管理機制，提高星載計算資源利用效率，設計多星協同云計算框架，提高星群協同計算效能，部署輕量化深度學習網絡平臺，提高星群智能化處理能力，建立符合受限條件下星群計算特點的云計算架構，為星群智能分析與處理提供保障。

3.3.2

協同處理方法

多星/多源遙感影像在軌處理技術主要通過建立多星數據在軌分布式協同處理機制，通過充分利用遙感數據處理的各類智能算法資源，依據不同任務信息(地理位置、觀測區域大小、目標類型)智能規劃星地協同的數據處理模式與流程，實現自動化、智能化的多星協同處理，從而快速提供任務決策所需的高精度、高質量、高可靠空間決策支持信息。

針對光學衛星姿態和軌道數據時空離散、觀測精度受限等問題，開展在軌實時高精度定軌和在軌實時高精度定姿方法研究。通過采用星地協同的方式將地面在軌幾何定標參數經過上行鏈路上注到處理單元并進行使用，實現全色和多光譜遙感影像精密定姿、在軌幾何定標，以及高精度定位解算，從而提高姿態、軌道時空離散觀測數據實時處理精度。

針對SAR衛星數據地面處理延時大的問題，開展星載SAR在軌實時處理方法研究。結合編隊小衛星干涉合成孔徑雷達間基線測量信息，實現SAR干涉測量[25-26]。通過設計可重構、可容錯、多模式兼容的在軌SAR處理算法，實現在軌受限環境下不同模式SAR影像在軌處理，并經數據壓縮后大大降低下傳數據量。

針對現有互補信息高保真的融合算法復雜度較高，難以滿足星上處理即時性需求的問題，研究面向多星/多源遙感數據的在軌協同融合方法，突破傳統單星應用能力不足的瓶頸。通過建立多源影像的嚴格幾何成像模型，實現多源數據幾何誤差的整體優化，利用多星遙感數據的在軌融合處理，降低星上融合計算代價。同時發展星上受限資源下的多星協同融合的快速求解算法，通過多星協作的分步融合，實現多星互補多維度特征信息的在軌高效聚合。

針對傳統遙感信息產品生產模式效率低下，難以滿足應用需求的問題，研究星上快速正射校正和自適應融合處理方法，設計基于智能檢測算法的星地聯動的“訓練—應用”系統應用框架，研究基于深度學習的云檢測、目標檢測、變化檢測等智能算法，在軌進行遙感影像云檢測、目標檢測、變化檢測等處理，快速準確得到地面感興趣區域的遙感信息產品或目標信息，滿足用戶高時效性需求。

3.3.3

終端請求與服務

傳統的衛星服務體系主要依靠地面站進行指令和數據傳輸，后經地面處理中心對數據處理后將產品分發到用戶手中。這種方式鏈路長，服務滯后，境外或無地面站區域無法及時上傳任務指令，獲取的數據也無法及時傳輸到地面，過多的星上數據存儲會導致衛星在數據下傳之前無法執行其他的任務，有限的傳輸帶寬也無法實現海量數據的及時下傳，難以滿足用戶的高時效需求。

近年來，智能遙感衛星的概念被人們所提出，該衛星具有遙感數據在軌處理和星間星地數據傳輸的能力，能夠滿足遙感信息快、準、靈的服務需求[27]，如國內的高分辨率多模綜合成像衛星[28]具備在軌處理智能特征。除此之外，兼具觀測和通信功能的衛星也被發展起來，如韓國的GK 2A衛星，可以同時實現通信和對地觀測[29]。隨著衛星技術的不斷發展，未來的對地觀測衛星將能夠集觀測、處理和傳輸功能于一體，通過結合星地星間通信鏈路與便攜式移動終端，能夠降低對地面站的依賴，打破境外數據無法及時獲取和下傳的問題，使在軌處理好的數據能夠直接通過便攜式移動終端下傳分發到用戶手中，真正實現從移動終端到衛星再到移動終端的端到端信息服務。

終端請求與服務技術使得用戶能夠通過移動終端直接提交個性化觀測需求，后經運控中心進行地面任務規劃與分析，并將任務指令上注至中繼衛星或具備通信功能的遙感衛星，經過星間網絡將任務指令快速傳輸到待觀測衛星上，衛星獲取數據后經星上智能處理單元對數據進行實時處理，通過星間傳輸鏈路將處理結果實時下傳至測控數傳站或移動站，最后通過5G/6G信號增強后，以WiFi熱點方式將結果反饋給用戶移動終端。終端請求與服務技術能夠使用戶直接通過終端對衛星進行控制，提高數據傳輸與服務的整體效率，解決現有地面站資源有限、任務繁重造成的數據延時問題，為近實時端到端的快、準、靈服務提供技術支撐。

4 結論

高精度實時智能的遙感信息是保障國家安全、服務國民經濟的關鍵核心技術，是世界各國競相搶占的科技戰略制高點。本文針對遙感星群衛星體系特點和對地觀測用戶需求特征，開展了面向星群的遙感影像智能服務關鍵問題研究。通過分析對地觀測目標的特點，來構建多尺度動態任務本體描述模型，同時結合高低軌星群任務規劃、在軌處理、終端請求與服務等技術形成以對地觀測目標為驅動的智能服務體系。充分發揮星群協同的優勢，降低各環節時間延遲，提高數據處理精度，為全天時、全天候和全球的遙感信息近實時智能服務奠定基礎。

審核編輯 黃昊宇