时空数据应用的挑战
每一种技术在应用过程中都必然面临各种挑战。这些挑战可能来自于技术本身，也可能来自技术的使用场景，甚至有可能源于自然环境的影响。这些挑战可能会为技术的应用带来局限性，而大地量子需要做的，一方面是从技术角度去解决问题，另一方面则是找到技术的最佳使用场景。
以下是大地量子对于时空数据在应用层面所存在的挑战的简要分析
挑战、影响和对策
挑战 | 影响 | 我们的对策和思考 |
|---|---|---|
| 云的影响 | 云量直接影响光学遥感卫星的观测效果，而在大地量子的数据产品中，基于光学遥感的卫星数据产品占多数。这就意味着，如果数据服务的区域云量较大，可能会对数据的效果带来不利影响 | 大地量子使用多源数据融合技术，将尽可能多的光学和雷达卫星数据融合使用，来尽量降低云量对观测的影响。同时，大地量子还在进行用雷达卫星遥感数据替换光学卫星遥感数据的研究，希望能够降低部分数据产品对光学卫星遥感数据的依赖度 |
| 空间分辨率不足 | 目前民用遥感卫星的分辨率最高为0.5米，如果有厘米级的监测需求，卫星遥感尚无法满足 | 卫星遥感的分辨率既是商业问题也是政策问题。单纯从商业角度考虑的话，如果有更高分辨率的监测需求，卫星遥感或许并不是最佳的解决方案。卫星遥感总体上更加适用于提供大范围监测，具体场景欢迎查看大地量子的各个数据组件清单 |
| 监测频率不足 | 在理想情况下，现役高分辨率卫星星座已经可以做到每日观测。但除静止轨道卫星，遥感卫星都无法做到如视频监控一般的连续实时监测，而静止轨道卫星的通常面临空间分辨率不足的问题 | 卫星的特性决定了它们无法提供如监控摄像头一般的连续监测能力。但考虑到卫星监测的优势（如监测范围大、不易受人为因素干扰、单位面积费用低、历史数据可回溯等），它完全可以在许多场景中独当一面，也可以在一些场景中作为视频监控设备的补充 |
| 数据精度问题 | 在一些定量监测场景中，用户会用现场物联网传感器的精度来与卫星遥感的精度进行对比。坦诚的说，单纯从精度的角度，卫星遥感的数据效果无法与传感器相提并论 | 提升卫星定量遥感数据产品的精度会是大地量子不变的目标。但客观来说，短时间内想要达到地面传感器的精度尚不现实。大地量子对卫星遥感数据的精度要求，更多是希望能够完善的体现出某指标的空间分布特性和历史演变趋势，从宏观角度提供信息支持。典型例子是水环境监测产品 |
| 模型泛化性 | 大地量子的数据产品大量依赖基于深度学习的算法模型。而遥感监测对象的空间差异性（例如玉米在河南和黑龙江的生育期不同）导致同一个模型无法解决全域的问题 | 模型的泛化问题本质上是样本问题，大地量子需要采集分散的、能够在各地都有代表性的样本，来帮助调整模型的适应性 |
| 海量计算 | 时空数据天然就需要大量的数据，而大地量子提供的标准化数据服务更是存在海量的计算需求。在保障数据及时交付的前提下，计算压力会相对较大 | 为了更加高效的完成常态化的产品数据计算工作，大地量子自主搭建了猛玛超算中心。猛犸超算中心拥有若干A100 80G，A100 40G，A10，3090，3080Ti等一流GPU资源，也拥有若干AMD EPYC包括7763在内的第三代CPU资源，混合云架构拥有总算力接近百PFLOPS，足以保障算力需求 |
| 样本依赖 | 没有样本，一切模型都无从谈起。大地量子为客户提供丰富的数据产品，自然对样本的种类和数量提出了更高的要求 | 大地量子建立了自主可控的样本标注和管理体系，每月新增样本5万个左右 |
| 结果验证 | 海量的数据产品和广阔的服务区域，显然无法用人工验证数据产品 | 这是一个很重要的问题，关于大地量子怎么做的，请参考 数据产品验证 |