AI助力環保遙感監測，強大算力很關鍵

雖然遙感監測為環境保護提供了一個全域性性的解決方案，對環境保護有著不可或缺的作用，但是遙感也存在問題：發現問題和著手解決的時間差。

毫無疑問，最大程度上縮短這個時間差，是遙感監測在應對環境保護之時的必然之路。在這個問題上，AI的強大算力為環保遙感監測添上了一雙翅膀。

我國環境保護的歷史源遠流長，最早可追溯到堯舜時期，設立的專門進行山林川澤的保護與治理的機構“虞”。

此後的歷朝歷代均對環保設立了專門的監察機構，比如唐宋明清時期的虞衡司；亦有賢哲在自己的政治主張中加入了濃厚的環保思想，比如孟子所言“斧斤以時入山林”“數罟不入洿池”等。

基本的環保綱領之下，帶來的是環境保護的監督與實行。古代的環保監測，多以人力為主，進行巡視、檢查等等。

而隨著朝代的更迭、制度的完善，環保部門所承擔的工作則越來越重，不僅全方位地要管山林川澤，而且還全年無休，辦事的人簡直累到吐血。

可以這麼說，四千多年的中國古代環保史，就是一部人工勞作史。

進入20世紀後半葉，隨著資訊革命的興起以及全世界範圍內對環境保護的重視，一系列技術型的和環保監測手段開始上陣，定點自動監測、抽樣檢測、生物監測等等，大大解放了人力，直接將環境保護帶入了資訊時代。

但相較而言，以上這幾種監測方法的侷限性也很明顯，那就是多隻能對區域性的環境資料進行分析，要對大片區域實現資料監控，就要進行重複監測，這樣顯然仍然會呼叫許多人力。

在強調解放雙手的智慧時代，其似乎顯得格格不入。

從這個角度來說，時代呼喚著一種監測手段，能從整體上提供全方位、高精度的監測手段，來為環境保護這輛加速賓士的汽車，再添新的動力。

而無論從哪個方面去看，遙感，似乎都是承擔這個任務的最佳候選。

廣覆蓋、多型別、全域性性：遙感監測對環保價值幾何？

遙感技術興起於上個世紀七十年代，時至今日已經廣泛應用於地理資料獲取、應急災害監控、農業遙感監測、水質監測、大氣汙染監測等多個領域。

從環保的角度而言，其具有以下幾個顯著的特點：

1. 覆蓋範圍廣泛。結合衛星、飛機以及其他飛行器的應用，其可以實現大領域、廣袤環境的覆蓋，而不僅僅侷限於某條河流或者某塊植被區域，這是其他環保監測手段所無法比擬的；
2. 監測整體性。大範圍監測帶來的直接優勢是工作人員可以藉此對環境的整體進行觀察，從全域性入手，進而對出現的環境問題進行更加科學合理的布控；
3. 覆蓋型別多樣。傳統的環保監測手段的一個特點是分場景、分類別的監測，水體、植被、大氣等各自有不同的監測裝置，各自為政。而遙感則不同，其可以廣泛用於水汙染、大氣汙染、植被覆蓋率、溫室效應等諸多場景，所要做的改變，主要在於終端演算法一塊。因此，可以說遙感可以實現對絕大部分環保型別的覆蓋；
4. 監測的長期性、持續性、動態性。以衛星遙感監測為例，其可以實現24小時全天候監測，不致資料中斷；同時，它又能從不同時期的的資料中來定量分析監測物件的變化過程，從而為操作人員提供決策指導。

綜合來看，遙感監測環境保護提供了一個全域性性的解決方案。而事實上，遙感技術已經在環境監測方面發揮了重要作用，成為了一支不可或缺的力量。

然而，這支力量的發力，卻似乎顯得有點沉重。

龐大資料量之下的處理困境

極廣的覆蓋面積，帶來的直接問題就是龐大的資料量。隨著遙感觀測技術的發展，不同成像方式、波段和解析度的資料放在一起，構成了遙感資料的多元化；尤其在遙感影像方面，使用頻率和遙感精度的提高，其數量更是呈現出指數級的增長。

而與資料爆炸形成鮮明對比的，卻是資料資訊處理的滯後。以遙感影像比對為例，仍然有很多單位在進行檢測動態分析的時候，更多地去採用人力，而這直接耗費了大量的時間。

這就像電影裡警察靠人眼去對成千上萬個攝像頭畫面進行逐個篩選，能不能準確找到，全看這個人有沒有主角光環。

其次，除了大面積荒漠、水土流失等需要較長週期治理的環境問題之外，日常之中的環境汙染事件往往是動態性的，比如汙水的遠端排放、違規開礦挖沙、工業廢氣排放等等，這些汙染行為並不是持續性的，而是發生於一定的時間段內。

環境保護的最佳狀態，是徹底切斷汙染源，以及在汙染出現的時候儘可能早地進行遏止。

預防大於治理，這是一個基本準則。

比如上文提及的汙水排放、廢氣排放、開礦挖沙等，其可能在一兩個小時之內就可以結束“戰鬥”。

遙感監測到這些行為倒是沒什麼問題，但要把照片傳回到資料處理中心，然後再進行分析比對，最後做出決策出發制止……一系列流程之後，人家早都收工回家了。

也就是說，遙感在資料分析之外還存在著一個時間差：發現問題和著手解決的時間差。毫無疑問，最大程度上縮短這個時間差，是遙感監測在應對環境保護之時的必然之路。

而說到資料分析和任務處理的低延時，AI自然是當仁不讓。

AI，一雙環保遙感監測的翅膀

AI+遙感，簡單來說可以為以下幾個問題提供解決方案。

1. 解決大範圍內的實時檢查、實時上報的問題，為需要快速止損的事中環保提供了可能。比如這邊剛一開閘排放汙水，立即被遙感監測，AI對時間進行快速分析，然後直接提供給處理中心參考意見，大大縮短發現問題和解決問題的時間差；
2. 針對指數級上升的遙感資料，依靠高解析度的的遙感精度，再加上AI的超強識別能力，其可以快速對其進行分析處理，同時提高工作效率。例如某市國土資源局識別違章建築，在利用AI對衛星遙感照片進行自動分析識別與比對之後，僅用一分鐘就完成了專業監測專家3個多月的工作量；
3. 透過對不同時期的資料比對，AI可以對汙染趨勢進行判斷，從而幫助工作人員提出具有超前預判性的解決方案。在大氣汙染、水汙染防治工作中，這項能力的價值尤其值得被關注。

而無論AI為遙感帶來的哪一種優勢，其實我們都可以看出，中心都圍繞著一個“快”字。可以這麼說，“AI遙感，快字當先”。

而眾所周知，AI之光照進現實之路上，資料不缺乏，演算法也不短缺，唯一限制其前進步伐的，就是算力。

這一點對於遙感而言，也是如此。

算力決定了AI進行資料分析處理和輸出的絕對時間內。那麼，充沛的端側AI算力就成為了一無人機等飛行器的必備之需。

同時，實現區域性的實時遙感監測，對無人機的數量也提出了要求。然而載入了AI技術的無人機成本並不算低，這也令其大規模的推廣存在著阻礙。

那麼，無人機編隊的產業化低成本，則是配套設施建設的補完之一。

此外，從整體上而言，就像自動駕駛並不僅僅是汽車的事而是要涉及整個道路系統的改造一樣，AI+遙感並不是意味著僅僅是裝置的補充或者某個模組AI能力的加入，而是要建設一個包括採集、處理、反饋、決策等一體化的遙感雲平臺機制，這就需要高速的網路和穩定的雲服務作為依託。

近在咫尺的5G網路服務，或可成為遙感雲平臺機制構建的重要一環。

從不遠的未來來看，環保當中的AI+遙感幾乎是一件必然會發生的事情。阻擋其照射到大地上的烏雲霧氣塵埃終將消散，在保護明淨清朗的地球的功勞簿裡，有一頁將會寫滿AI的姓名。