AI助力环保遥感监测，强大算力很关键

虽然遥感监测为环境保护提供了一个全局性的解决方案，对环境保护有着不可或缺的作用，但是遥感也存在问题：发现问题和着手解决的时间差。

毫无疑问，最大程度上缩短这个时间差，是遥感监测在应对环境保护之时的必然之路。在这个问题上，AI的强大算力为环保遥感监测添上了一双翅膀。

我国环境保护的历史源远流长，最早可追溯到尧舜时期，设立的专门进行山林川泽的保护与治理的机构“虞”。

此后的历朝历代均对环保设立了专门的监察机构，比如唐宋明清时期的虞衡司；亦有贤哲在自己的政治主张中加入了浓厚的环保思想，比如孟子所言“斧斤以时入山林”“数罟不入洿池”等。

基本的环保纲领之下，带来的是环境保护的监督与实行。古代的环保监测，多以人力为主，进行巡视、检查等等。

而随着朝代的更迭、制度的完善，环保部门所承担的工作则越来越重，不仅全方位地要管山林川泽，而且还全年无休，办事的人简直累到吐血。

可以这么说，四千多年的中国古代环保史，就是一部人工劳作史。

进入20世纪后半叶，随着信息革命的兴起以及全世界范围内对环境保护的重视，一系列技术型的和环保监测手段开始上阵，定点自动监测、抽样检测、生物监测等等，大大解放了人力，直接将环境保护带入了信息时代。

但相较而言，以上这几种监测方法的局限性也很明显，那就是多只能对局部的环境数据进行分析，要对大片区域实现数据监控，就要进行重复监测，这样显然仍然会调用许多人力。

在强调解放双手的智能时代，其似乎显得格格不入。

从这个角度来说，时代呼唤着一种监测手段，能从整体上提供全方位、高精度的监测手段，来为环境保护这辆加速奔驰的汽车，再添新的动力。

而无论从哪个方面去看，遥感，似乎都是承担这个任务的最佳候选。

广覆盖、多类型、全局性：遥感监测对环保价值几何？

遥感技术兴起于上个世纪七十年代，时至今日已经广泛应用于地理数据获取、应急灾害监控、农业遥感监测、水质监测、大气污染监测等多个领域。

从环保的角度而言，其具有以下几个显著的特点：

覆盖范围广泛。结合卫星、飞机以及其他飞行器的应用，其可以实现大领域、广袤环境的覆盖，而不仅仅局限于某条河流或者某块植被区域，这是其他环保监测手段所无法比拟的；
监测整体性。大范围监测带来的直接优势是工作人员可以借此对环境的整体进行观察，从全局入手，进而对出现的环境问题进行更加科学合理的布控；
覆盖类型多样。传统的环保监测手段的一个特点是分场景、分类别的监测，水体、植被、大气等各自有不同的监测设备，各自为政。而遥感则不同，其可以广泛用于水污染、大气污染、植被覆盖率、温室效应等诸多场景，所要做的改变，主要在于终端算法一块。因此，可以说遥感可以实现对绝大部分环保类型的覆盖；
监测的长期性、持续性、动态性。以卫星遥感监测为例，其可以实现24小时全天候监测，不致数据中断；同时，它又能从不同时期的的数据中来定量分析监测对象的变化过程，从而为操作人员提供决策指导。

综合来看，遥感监测环境保护提供了一个全局性的解决方案。而事实上，遥感技术已经在环境监测方面发挥了重要作用，成为了一支不可或缺的力量。

然而，这支力量的发力，却似乎显得有点沉重。

庞大数据量之下的处理困境

极广的覆盖面积，带来的直接问题就是庞大的数据量。随着遥感观测技术的发展，不同成像方式、波段和分辨率的数据放在一起，构成了遥感数据的多元化；尤其在遥感影像方面，使用频率和遥感精度的提高，其数量更是呈现出指数级的增长。

而与数据爆炸形成鲜明对比的，却是数据信息处理的滞后。以遥感图像比对为例，仍然有很多单位在进行检测动态分析的时候，更多地去采用人力，而这直接耗费了大量的时间。

这就像电影里警察靠人眼去对成千上万个摄像头画面进行逐个筛选，能不能准确找到，全看这个人有没有主角光环。

其次，除了大面积荒漠、水土流失等需要较长周期治理的环境问题之外，日常之中的环境污染事件往往是动态性的，比如污水的远程排放、违规开矿挖沙、工业废气排放等等，这些污染行为并不是持续性的，而是发生于一定的时间段内。

环境保护的最佳状态，是彻底切断污染源，以及在污染出现的时候尽可能早地进行遏止。

预防大于治理，这是一个基本准则。

比如上文提及的污水排放、废气排放、开矿挖沙等，其可能在一两个小时之内就可以结束“战斗”。

遥感监测到这些行为倒是没什么问题，但要把照片传回到数据处理中心，然后再进行分析比对，最后做出决策出发制止……一系列流程之后，人家早都收工回家了。

也就是说，遥感在数据分析之外还存在着一个时间差：发现问题和着手解决的时间差。毫无疑问，最大程度上缩短这个时间差，是遥感监测在应对环境保护之时的必然之路。

而说到数据分析和任务处理的低延时，AI自然是当仁不让。

AI，一双环保遥感监测的翅膀

AI+遥感，简单来说可以为以下几个问题提供解决方案。

解决大范围内的实时检查、实时上报的问题，为需要快速止损的事中环保提供了可能。比如这边刚一开闸排放污水，立即被遥感监测，AI对时间进行快速分析，然后直接提供给处理中心参考意见，大大缩短发现问题和解决问题的时间差；
针对指数级上升的遥感数据，依靠高分辨率的的遥感精度，再加上AI的超强识别能力，其可以快速对其进行分析处理，同时提高工作效率。例如某市国土资源局识别违章建筑，在利用AI对卫星遥感照片进行自动分析识别与比对之后，仅用一分钟就完成了专业监测专家3个多月的工作量；
通过对不同时期的数据比对，AI可以对污染趋势进行判断，从而帮助工作人员提出具有超前预判性的解决方案。在大气污染、水污染防治工作中，这项能力的价值尤其值得被关注。

而无论AI为遥感带来的哪一种优势，其实我们都可以看出，中心都围绕着一个“快”字。可以这么说，“AI遥感，快字当先”。

而众所周知，AI之光照进现实之路上，数据不缺乏，算法也不短缺，唯一限制其前进步伐的，就是算力。

这一点对于遥感而言，也是如此。

算力决定了AI进行数据分析处理和输出的绝对时间内。那么，充沛的端侧AI算力就成为了一无人机等飞行器的必备之需。

同时，实现区域性的实时遥感监测，对无人机的数量也提出了要求。然而加载了AI技术的无人机成本并不算低，这也令其大规模的推广存在着阻碍。

那么，无人机编队的产业化低成本，则是配套设施建设的补完之一。

此外，从整体上而言，就像自动驾驶并不仅仅是汽车的事而是要涉及整个道路系统的改造一样，AI+遥感并不是意味着仅仅是设备的补充或者某个模块AI能力的加入，而是要建设一个包括采集、处理、反馈、决策等一体化的遥感云平台机制，这就需要高速的网络和稳定的云服务作为依托。

近在咫尺的5G网络服务，或可成为遥感云平台机制构建的重要一环。

从不远的未来来看，环保当中的AI+遥感几乎是一件必然会发生的事情。阻挡其照射到大地上的乌云雾气尘埃终将消散，在保护明净清朗的地球的功劳簿里，有一页将会写满AI的姓名。