Po pomyślnym zakończeniu dziewięciomiesięcznej fazy uruchamiania, miniaturowy satelita Φsat-2 rozpoczął dostarczanie danych naukowych, tym samym oficjalnie rozpoczynając swoją misję operacyjną. Ten technologiczny klejnot, wystrzelony w sierpniu 2024 roku, stanowi kamień milowy w sposobie, w jaki obserwujemy i analizujemy naszą planetę. Umieszczony na orbicie na wysokości 510 kilometrów, Φsat-2 wykorzystuje zaawansowane algorytmy sztucznej inteligencji bezpośrednio w kosmosie, aby zoptymalizować gromadzenie i przetwarzanie obrazów Ziemi, otwierając drzwi do nowej ery inteligentnego i wydajnego monitoringu satelitarnego. Jego zdolność do samodzielnego podejmowania decyzji o tym, które dane wysłać na Ziemię, radykalnie przyspiesza dostępność kluczowych informacji dla naukowców, agencji zarządzania kryzysowego i wielu innych użytkowników.

Przejście z fazy testów do fazy naukowej, zakończone w drugim kwartale 2025 roku, oznacza początek regularnego przesyłania danych, które mają potencjał do transformacji licznych branż i dyscyplin naukowych. Pierwszy obraz został dostarczony zaledwie cztery dni po starcie, co świadczy o wyjątkowej skuteczności i niezawodności systemu. Teraz, z w pełni skalibrowanymi instrumentami, satelita jest gotowy do pełnienia swojej podstawowej roli – dostarczania szczegółowych wglądów w stan środowiska, od monitorowania topnienia lodowców po identyfikację nielegalnych działań na morzu.

Rewolucja w obserwacji Ziemi: AI w kosmosie

To, co czyni Φsat-2 naprawdę wyjątkowym, to jego zdolność do przetwarzania danych na samym satelicie, znana jako "przetwarzanie na pokładzie" (on-board processing). W sercu tej innowacji znajduje się potężny procesor AI, Ubotica CogniSAT, który obsługuje zestaw specjalistycznych aplikacji. Jednym z podstawowych zadań sztucznej inteligencji na Φsat-2 jest automatyczne wykrywanie i odrzucanie obrazów pokrytych chmurami. Biorąc pod uwagę, że chmury często pokrywają duże części powierzchni Ziemi, funkcjonalność ta drastycznie zmniejsza ilość bezużytecznych danych, które w przeciwnym razie byłyby wysyłane na Ziemię. Oszczędza to cenne pasmo komunikacyjne i zasoby stacji naziemnych, a użytkownikom dostarczane są wyłącznie czyste i użyteczne obrazy.

Jednak jego możliwości znacznie wykraczają poza filtrowanie chmur. Algorytmy sztucznej inteligencji są szkolone do wykrywania i analizowania obszarów dotkniętych katastrofami. Na przykład aplikacja PhiFire AI, opracowana przez Thales Alenia Space, może w czasie rzeczywistym identyfikować pożary lasów. System nie tylko wykrywa ognisko, ale także analizuje otaczający obszar i klasyfikuje go na strefy bezpieczne, obszary już spalone i zbiorniki wodne, dostarczając zespołom ratowniczym kluczowych informacji do planowania akcji ratunkowych i gaśniczych. Podobnie satelita może szybko analizować skutki trzęsień ziemi lub powodzi, identyfikując przejezdne drogi dostępu dla zespołów ratowniczych.

Bezpieczeństwo morskie to kolejny kluczowy obszar zastosowań. Aplikacja do wykrywania statków, opracowana przez portugalskie centrum CEiiA, wykorzystuje uczenie maszynowe do identyfikacji i klasyfikacji statków na obrazach wielospektralnych. Technologia ta umożliwia monitorowanie ruchu morskiego, a także walkę z nielegalnymi działaniami, takimi jak nielegalne połowy czy przemyt. Satelita może dostrzec jednostki pływające, nawet jeśli wyłączyły swoje systemy automatycznej identyfikacji (AIS), dostarczając w ten sposób właściwym organom narzędzie do nadzoru odległych i wrażliwych obszarów morskich. Ponadto, specjalistyczne algorytmy mogą wykrywać zanieczyszczenia mórz, takie jak plamy ropy naftowej czy szkodliwe zakwity alg, umożliwiając szybką reakcję i usuwanie skutków.

Techniczne serce misji Φsat-2

Satelita Φsat-2 należy do klasy tak zwanych satelitów "CubeSat". Jest to standardowy format miniaturowych satelitów, których podstawową jednostką jest sześcian o wymiarach 10x10x10 centymetrów. Φsat-2 to "6U" CubeSat, co oznacza, że składa się z sześciu takich jednostek, a jego całkowite wymiary to zaledwie 22 x 10 x 33 cm przy masie 8,9 kilograma. Ten modułowy i kompaktowy projekt pozwala na znaczne obniżenie kosztów rozwoju i startu w porównaniu z tradycyjnymi, dużymi satelitami. Satelity CubeSat często "łapią okazję" w kosmos jako ładunek dodatkowy na rakietach przewożących większe satelity, co dodatkowo obniża koszty misji. Został wystrzelony rakietą Falcon 9 firmy SpaceX z bazy Vandenberg w Kalifornii.

Krąży wokół Ziemi na wysokości 510 kilometrów na orbicie heliosynchronicznej (SSO). Ten typ orbity jest prawie biegunowy i jest starannie obliczony tak, aby satelita przelatywał nad dowolnym punktem na Ziemi o tej samej lokalnej godzinie słonecznej. Zapewnia to niemal identyczne warunki oświetleniowe podczas każdego przelotu, co ma kluczowe znaczenie dla porównywania zdjęć wykonanych w różnych okresach czasu oraz do monitorowania zmian w środowisku, takich jak rozrost miast, wylesianie czy topnienie lodu.

Głównym instrumentem na satelicie jest wielospektralny system obrazujący Simera Space MultiScape100, który generuje obrazy wykorzystując siedem pasm spektralnych, od widzialnej do bliskiej podczerwieni, oraz jedno pasmo panchromatyczne o wysokiej rozdzielczości. Różne pasma spektralne pozwalają na analizę różnych właściwości obrazowanej powierzchni – na przykład pasmo bliskiej podczerwieni jest niezwykle przydatne do oceny kondycji roślinności. Pasmo panchromatyczne dostarcza ostre, szczegółowe czarno-białe obrazy o rozdzielczości przestrzennej (GSD - ground sampling distance) wynoszącej około 5 metrów na piksel. Taka kombinacja sprawia, że instrument jest niezwykle wszechstronny i nadaje się do szerokiego spektrum zastosowań, w tym monitorowania stanu środowiska, zarządzania gruntami, rolnictwa i kartografii.

Obrazy, które zmieniają wszystko: Pięć spojrzeń na naszą planetę

Aby uczcić początek naukowej fazy misji, wybrano pięć reprezentatywnych obrazów, które demonstrują szeroki zakres możliwości satelity w różnych zastosowaniach i na zróżnicowanych terenach. Wszystkie obrazy są pokazane w rzeczywistych kolorach, wykorzystując czerwone, zielone i niebieskie pasma spektralne, z wyjątkiem zdjęcia estuarium Bahia Blanca, które jest pokazane w fałszywych kolorach w celu podkreślenia specyficznych cech.

• Lodowce Clavering Øer, Grenlandia: To zdjęcie przedstawia ogromne masy lodowe na wschodnim wybrzeżu Grenlandii. Dane zbierane nad obszarami polarnymi są kluczowe do monitorowania wpływu zmian klimatu, dynamiki topnienia lodowców i zmian w pokrywie lodowej. Ciągły monitoring tych wrażliwych ekosystemów pomaga naukowcom lepiej zrozumieć i przewidywać podnoszenie się poziomu morza.


• Estuarium Bahia Blanca, Argentyna: Przedstawione w fałszywych kolorach z wykorzystaniem pasma bliskiej podczerwieni, to zdjęcie ujawnia złożoną sieć dróg wodnych i terenów podmokłych. Widmo bliskiej podczerwieni jest szczególnie wrażliwe na roślinność i zawartość wody, więc technika ta pozwala na szczegółową analizę kondycji pokrywy roślinnej, dystrybucji osadów i jakości wody w estuarium, które jest ważnym siedliskiem dla wielu gatunków roślin i zwierząt.


• Miasto Innsbruck, Austria: Zdjęcie alpejskiego miasta Innsbruck pokazuje użyteczność satelity do planowania i zarządzania miastem. Szczegółowe obrazy o wysokiej rozdzielczości mogą być wykorzystywane do monitorowania rozrostu miast, analizy terenów zielonych, identyfikacji miejskich "wysp ciepła" i nadzoru projektów infrastrukturalnych.


• Osady w Zatoce Tuniskiej, Tunezja: To zdjęcie wyraźnie pokazuje chmury osadów, które z rzeki Medjerda wlewają się do Morza Śródziemnego. Monitorowanie transportu osadów jest ważne dla zrozumienia erozji wybrzeża, prądów morskich oraz wpływu działalności rolniczej i ścieków na ekosystem morski.


• Statki w Port Said, Egipt: Zdjęcie jednego z najbardziej ruchliwych portów na świecie, przy północnym wejściu do Kanału Sueskiego, doskonale demonstruje możliwości aplikacji AI do wykrywania statków. System może automatycznie rozpoznawać i liczyć statki, śledzić ich ruch i gęstość ruchu, co jest kluczowe dla zarządzania portami i zapewnienia bezpieczeństwa morskiego.
  
  Źródło: Europejska Agencja Kosmiczna