行星数据：大气遥感，90%人群无法感知的隐秘应用

遥感，俗称“遥远的感知”，遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线，对目标进行探测和识别的技术。一般分为航空遥感和航天遥感，其中以太空中的遥感卫星为遥感最为耳熟能详的形式。在1972年美国国家航空航天局（NASA）发射了第一颗遥感卫星Landsat 1后，遥感作为一种商业、社会行为，逐步得以常态化。

大气遥感，作为应用最前沿的领域之一，从预测气象，到预测气候变化，再到城市环境管理，充满着无限可能。然而，理想很丰满，现实很骨感。在碳中和浪潮涌起的当下，大气遥感的商业应用，还有诸多问题。

国内大气遥感已经发展到什么地步？有哪些应用？局限在哪里？未来在哪里？PlanetData 行星数据联合创始人兼CEO白纯钰，交付了新答卷。

一、90%的人无法感知的隐秘应用

随着商业航天的发展，遥感卫星数据在近年来得到海量积累。如何将这么大量的遥感卫星数据转化为有效可用的商业信息，为更多行业提供服务，是当前遥感应用行业面临的难点。

实际上，虽然对地遥感卫星所拍摄的大量“卫片”，早已应用在各类国土测绘、农业红线、森林面积等统计的实际工作中；然而在碳中和成为热点后，遥感卫星对于大气的监测能力又成为备受期待的监测碳排放、获取碳数据的核心手段之一。

空气是每个人都无法躲避的对象，如何监测却一直都是科学界、产业界的难点。大气遥感，本可快速消除这一难点。然而，真正高阶的大气遥感技术—大气定量遥感，由于种种原因，业界的绝大部分人还都处于无感中。其中在碳监测这类因为风口浮出水面的场景之外，更多的应用在城市环境治理、疾病防控、农林虫害防治、环境流行病检测、新能源发电预测和评估等大众体感之外的领域。这些看似风马牛不相及的领域，其底层都是由定量的大气数据要素为基础的。

而目前，实际采用的大气监测手段与现实世界的大气数据之间的对比差距，白纯钰很贴切地形容为：“世界是明明连续，数据却是离散的”。传统大气监测网络的构筑，受限于昂贵的成本，虽然数量看似庞大，但放诸在中国巨大的国土上却实际上非常零散，根本无法完整呈现哪怕1%的大气环境的真实情况。

其中蕴含的，是国内在大气数据方面的技术和理念的相对落后。相较于以遥感卫星配合地面监测网络后，通过AI大模型来模拟和预测的国外主流技术来说，已稍显过时。

需要正视的是，产生差距原因不在硬件的制造水平上。就目前而言，在大气监测设备的硬件方面已经基本完成了国产替代，同时我国的遥感卫星数量与技术也并不落后，产出的卫星数据精度也基本可以满足模型训练使用，但在应用与硬件之间，还缺了一层链接双方的“反演软件系统”。

以碳中和为例，国产遥感存在三强三弱的现况：

• 影像强、光谱弱。碳排放、碳汇更好的监测手段，不止要高精度的影像，更需要高光谱的遥感卫星，这类卫星国内目前只有环境星、珠海一号等寥寥几个，且数据开放程度较低。
• 地面强、大气弱。碳中和的本质是人类活动与大气环境之间的互动，需要更细致、高频、精准的观测，来进行评估推演。
• 硬件强、算法弱。遥感卫星的数据存在大规模、高频次特点，要实现碳中和监测，必须要具备据快速自动化反演能力和预估模型来支撑数据落地。

“大气遥感的实践，有太多的‘忽悠’。比如光伏电站，人人都知道遥感可以帮忙选址，但大多数是以气象维度考量，没有考虑到颗粒物、气溶胶对于短波辐射的消光影响。”白纯钰认为，对于大气数据认知的不足，是制约行业发展的一个重要原因。

二、大气数据的商业解法

认知不足的一个直观体现是，国内场景的碳排放监测计算，还是保持在雾霾监测的老思路。一方面，碳排放数据以统计计算为主，普遍滞后半年甚至一年以上并且缺乏不同颗粒度的综合数据；另一方面普遍采用排放因子法导致碳核算也极难证伪。除此以外，数据离散化、碎片化的问题，更为严重，企业级数据大多以企业自主安装核算，专业性问题与流通性问题并存。

可以看到，大气数据应用的现实问题，是缺少时空连续、可预测的高精度细颗粒度的大气数据库，在大气污染管控、温室效应减排、环境疾病治疗等领域都有实际需要。

那么大气数据的未来在哪？其实行业发展路径已经验证了一些方向。从技术路线的演进看，可以分为插值、模型、遥感、融合四类，前三者各自融合度并不算高，属于进化又独立的矛盾状态。

“插值”是传统大气数据采集的主流手段，主要依托地面/近地监测设备，以采样站搭配数学差值的方式，站点周围数据可信度高，而插值的结果与站点数量又成正比；“模式”则是结合大气流体力学模型与计算机模拟，结果误差与波动都较大；“遥感”已经提过，大气数据需要更多的多光谱甚至高光谱卫星，数据的分辨率与卫星的幅宽与重访周期相关，且受到云层影响较大；而最新的行业技术，则以“融合大模型”为关键词，以光谱卫星数据为基础，融合模式与地面数据，搭建大型遥感数据模型，通过长时间融合数据训练，其对真是大清情况的模拟度和可信度相对是最高的。

不难发现，大气数据技术的发展方向存在两个显著的特点：从固定到移动、从二维到三维。基于技术的发展，白纯钰结合自身行业经验，认为大气监测的正确打开方式，其实是“非常反常识的，大气监测的未来，一定是由面到点、由软到硬。”

事实上，对于大气遥感“未来态”的可能性，业内早有共识。大气遥感的商业模型，“一定是机理模型配合海量数据”，白纯钰介绍。要构筑这套模型，必须具备四个条件：真正好用的光谱卫星、真正懂得大气的算法工程师、海量靠谱数据的疯狂训练以及真正懂得如何用数据工作的用户。

这意味着，如果存在类似时下火热的ChatGPT概念的“AirGPT”，需要有对应的认知。需要对光谱卫星硬件机制了如指掌，需要搭建大气机理的反演模型，需要获取海量高分辨率大气定量数据，以及需要巨大的算力支持与各类跨学科人才。

“这是我们的优势。”白纯钰认为，行星数据的优势正在于此。据其对外的资料显示，行星数据已经为行业提供了一份具备可落地性、执行性的解决方案，聚合星地一体、自动反演、实时预测等能力，为大气环境和碳排放监测、蓝绿碳汇、新能源发电资源分布等各类应用提供商业解法。

三、大气遥感，前路坦途

行星数据的大气数据来源，既有国内外的遥感卫星、气象卫星等，也有国内气象、大气监测站，几乎涵盖了目前可以触达的星地渠道。

以国内情况来说，已经足够比肩国外硬件的卫星数据用户，往往是各类科研单位，需求更指向全球气候变化、国家级各类宏观监测等层面，其与市场上的商业需求并不匹配。在解决大气数据的来源之后，如何快速处理信息，拿出普通商业客户需要的碳数据，才是更加重要的问题。

“这也是前面说到的，机理模型配合海量数据这一模式的价值所在。”白纯钰向36氪介绍，目前行星数据的大气遥感自动反演引擎，具备光谱分析与数据反演、预估模型与数据分析、离散标的物捕捉识别的数据端功能之外，更能为客户提供自动化下载的数据清洗整理、实时分析和预测、生产推送全自动化、多元异构数据融合的价值交付。

模型的背后，是一套源于哈佛与NASA的大气定量遥感算法。其本质是一门融合环境科学、商业航天、人工智能与计算机科学的跨领域技术。

大气遥感的商业价值，正在从潜在可能走向现实。在白纯钰看来，现有的市场痛点蕴藏着多个不同体量的市场。为此，他从行星数据本身的商业模式出发，叙述了几种可能。

碳卫星载荷的科学论证与数据反演软件。目前存在的问题是，中国商业航天的成就与突破，集中在硬件公司，大气载荷数据的科学设计能力低，缺少L1-L4的人工智能反演算法软件，这一个被忽视的行业关键点恰好在碳中和成为国家战略需求后爆发，预估市场规模在百亿左右。

大气质量与碳排放监测。在环保需求日益增长的当下，G端的大气监测需求愈发突出。传统监测方式存在成本贵、覆盖低的问题，导致最终拓展慢、效果差。这一问题，对区县级细分市场更为突出。行星数据的解决方案，是从软件出发，提供虚拟监测完成低成本高覆盖的服务，以SaaS配合本地+API的融合部署。

碳金融、碳交易数据服务。碳中和的兴起，必然伴随着碳金融的产生。然而当下并没有适合碳金融施展拳脚的碳数据基础。而大气遥感算法引擎的出现，必然伴随着碳数据产能的增长。“交易、监测、评估，本身无法割裂。”在其看来，作为巴黎协定的第一个五年履约审查时间，2023年将会是碳数据需求的爆发节点。

光短波辐射的实时/预测服务。通俗来说，既光伏预测。目前光伏预测主要集中在天气维度，在短波辐射方面的数据误差巨大。在以卫星实时短波辐射数据配合雾霾消光算法后，光辐照数据成为优化光伏发电实时/预测模型精准度的核心抓手，从另一维度提高客户在光伏发电交易的盈利空间。据白纯钰介绍，目前在山西已经有落地测试，提升盈利的幅度在每度电3分钱。

商业潜力上的探索，并未未来的全貌。白纯钰与行星数据，对于行业发展的“Final Fantasy”，是一个覆盖全球的大气数据“活”引擎，不只是环境保护、全球碳中和、环境流行病这些已经初现头角的领域，而是更深入一步，彻底揭秘环境对基因的影响。

未来或许停留在想象，但有一点可以确定。碳中和与环境健康的强需求驱动着大气数据的同时，也在带动着商业航天、AI算法、云计算等不同行业的共同发展，形成大气数据为主导的某一类商业生态圈。

毕竟，它总能“让世界变得更好一点，哪怕只有一条生命因此而呼吸得更轻松”。

36氪向您发出邀请，若您有精彩的创业故事、前瞻的创新视角希望与我们分享，欢迎与我们联系，期待您的参与！