配备人工智能的立方体卫星可以帮助加强早期野火和灾难应对工作

立方体卫星将在卫星上处理复杂的图像，从而能够更快地从太空探测火灾。图片来源：SmartSatCRC 编辑

遥感和计算机科学研究人员克服了在体积更小、成本效益更高的立方体卫星上处理和压缩大量高光谱图像的局限性，然后再将其发送到地面进行分析，从而节省了宝贵的时间和能源。

这项利用人工智能实现的突破意味着，丛林大火甚至在其形成并产生大量热量之前，就能从太空中被提前探测到，从而使现场工作人员能够更快地做出反应，防止生命和财产损失。

由智能卫星研究中心（SmartSat CRC）资助、南澳大利亚大学（UniSA）领导的一个项目利用最先进的星载人工智能技术，为南澳大利亚的第一颗立方体卫星Kanyini开发了一种节能型早期火灾烟雾探测系统。

Kanyini 任务由南澳大利亚政府、SmartSat CRC 和行业合作伙伴合作完成，旨在向低地球轨道发射一颗 6 U 立方体卫星，以探测丛林火灾并监测内陆和沿海水质。

卫星传感器配备了高光谱成像仪，可捕捉地球上不同波长的反射光，生成详细的地表地图，用于丛林火灾监测、水质评估和土地管理等各种应用。

首席研究员、UniSA 地理空间科学家 Stefan Peters 博士说，传统上，地球观测卫星不具备机载处理能力，无法实时分析从太空捕捉到的复杂地球图像。

他的团队成员包括来自澳大利亚南澳大学、斯威本科技大学和澳大利亚地球科学组织的科学家，他们通过建立一个轻量级人工智能模型克服了这一难题，该模型能够在立方体卫星可用的板载处理、功耗和数据存储限制条件下探测烟雾。

与基于地面处理高光谱卫星图像来探测火灾相比，机载人工智能模型将下行数据量减少到原来的 16%，而能耗却降低了 69%。机载人工智能模型检测火灾烟雾的速度也比传统的地面处理快 500 倍。

Peters 博士说："在火变得足够热、足够大到传感器可以识别之前，烟雾通常是你能从太空中看到的第一件东西，因此早期探测至关重要。"

为了展示人工智能模型，他们使用了最近澳大利亚丛林大火的模拟卫星图像，利用机器学习训练模型检测图像中的烟雾。

对于大多数传感器系统来说，收集到的数据中只有一小部分包含与任务目的相关的关键信息。由于无法在大型卫星上处理数据，所有数据都要通过下行链路传送到地面进行分析，从而占用了大量空间和能源。研究人员通过训练模型来区分烟雾和云层，从而更快、更高效地解决了这个问题。

以库朗（Coorong）过去发生的火灾事件为案例，模拟的 Kanyini 人工智能机载方法只用了不到 14 分钟就探测到了烟雾，并将数据发送到了南极地面站。

彼得斯博士说："这项研究表明，与传统的地面处理相比，机载人工智能具有显著的优势。这不仅在发生丛林火灾时非常有价值，而且还可以作为其他自然灾害的预警系统。"

研究小组希望在 2025 年"卡尼尼"飞行任务投入运行时，在轨道上演示机载人工智能火灾探测系统。

"一旦我们解决了任何问题，我们希望将这项技术商业化，并将其应用于立方体卫星星座，争取在一小时内为早期火灾探测做出贡献"。研究人员在最新一期《电气和电子工程师学会应用地球和遥感选题期刊》（IEEE Journal of Selected Topics in Applied Earth and Remote Sensing）上发表了他们的实验细节。

编译来源：ScitechDaily