遥感卫星可以快速的获取地表知识,但现有模型算法已经成为制约相关领域发展的瓶颈。早期模型和算法的研究依赖于观测数据，但是观测是有限的，且是片面的，作为先验知识具有不完备性。三维辐射传输模型近年来发展很快，可以实现对地球表面复杂结构特征和辐射特征的高精度模拟。然而三维辐射传输模拟基于的三维结构场景与地球表面真实的物理世界和复杂的物理过程还有差距，导致模拟结果难以用现实观测验证。

单纯的观测或模拟都无法解决先验知识不完备的问题，那么观测与模拟结合应当是一个有效的途径。因此本团队提出了构建遥感试验场数字孪生体的构想。“数字孪生（Digital Twin)”是利用测量数据，在虚拟空间中完成映射，集成多学科、多物理量的模型，对实体对象的全生命周期过程进行仿真,再现真实世界物体空间格局和彼此内在联系的一种前沿技术。自2002年数字孪生概念提出以后近年来发展非常迅速。

数字孪生是指通过数字技术创建物理实体和系统的虚拟副本，实时反映其状态行为和性能。它利用传感器、物联网、大数据、人工智能等技术持续采集物理实体的数据并在虚拟模型中进行同步更新和优化。数字孪生的核心要素，一是物理实体三维性状的获取，实现实际中实体和过程的数字化；二是虚拟模型物理实体的数字化表示，通常通过3D或三维建模和仿真软件的构建；三是数据连接，通过传感器和物联网技术实时传输物理实体的数据到虚拟模型；四是数据分析与反馈，利用人工智能和大数据分析数据，优化物理实体的运行。数字孪生的优势是实时监控、实时掌握物理实体的状况、对未来发展进行预测性,通过模拟和优化提升系统性能。

问题一、遥感辐射传输有光谱特性、有时间特性、还有空间特性，这三个特性怎样能够体现出来？数字孪生观测的这些数据以及物理模型如何能够体现以及三维系统都比较难以做到？你们微波还没有涉及到。微波的方面，空间院现在已经能够做到三维结构的了。你们做激光比较有特色，希望你们也要涉及到这些方面，高光谱激光雷达确实是比较好的，也是促进三维结构获取真正的遥感数据，能够推动遥感辐射数字孪生的发展。

这些年相关工作一直在发展，主要是400至700纳米，36个频段，现在还是原理样机的阶段，没有应用起来。获取光谱信息也是目前的难点。

问题二、光谱分辨率是决定三维图像分辨率非常关键的参数，怎么提高光谱分辨率？滤波器如何将光谱分辨率提高？  

就现在而言，使用的成像光谱分辨率是10纳米，10纳米以上分辨率太细分了以后信噪比就下降了，现在我们模拟的光谱尺度是1纳米，从400纳米开始一直到12微米这段区间。

问题三、热红外做到了什么波段？

热红外基本上是8至14微米，其实模拟波长没有限制，就是看输出的时候按照不同的传感器耦合通道响应函数输出就可以了。重点是提高模拟的精度。精度取决于给出的数据是否可靠、是否可以反映动态的变化等等，希望微波要有人去做。我国新开发的模型已经到了微波频段。

问题四、如果卫星上发现一个新的东西怎么处理，比如某个地方突然来个地震，房子倒塌了、地裂缝了，遇到了这样的情况又没有数字孪生的初始模型，这种情况下技术方面如何处理？

遥感研究对地震来说属于应急和变化检测的范畴。对于数字孪生来说，如果数字孪生能够做好的话，可以发展关于地震的数字孪生体。比如对建筑物的空间分布、三维的钢性结构进行孪生，可以根据地震发生位置、震级和深度，对建筑物的损伤情况进行评估。

问题五、现在的技术应用场景主要是静态场景，如果是动态场景，会涉及到时间问题。因此，动态场景是通过两个静态场景进行比较来实现的吗？

动态场景需要建立整个周期的模型。

问题六、得到的模型需要通过做哪些验证来证明其正确性？

报告中提及到，我们所得到模拟结果和无人机观测的结果做了直接的对比，证明了模拟结果的准确性。

问题七、对未来的灾害监测有什么展望吗？比如地震，利用不同的辐射变化，就跟地震台一样可以提供一些技术手段吗？

 如果模型建立起来，就可以对未来的灾害进行监测。比如汶川地震，龙门山断裂带长期应力积累后、持续增压，增压到一定程度断裂带破裂形成地震。如果地层模型建立起来，将应力（压力）输入，其结果是可以预测的。但是这是一个非常困难的问题。

问题八、自然灾害预报场景方面你们有何考虑？另外对全国的或是地区的农业方面、能源方面、天气预报方面、地质方面，有无可能做一些预测预报？

关于灾害预报，将来有一个长期的设想。现在天气预报尺度特别大，大概是几公里，最少五公里。现在并没有太好的手段将高分遥感很多信息应用起来，不知道怎么去应用。我们的数字孪生建成以后，完全可以在时间空间尺度上自由的缩放，可以和过去大尺度的路表模型结合起来，提高预测的精度。

遥感辐射传输数字孪生研究，它是结合遥感技术、辐射传输理论和数字孪生技术的前沿交叉领域，旨在通过高精度建模与动态仿真实现对地球系统辐射传输过程的实时监测、预测和优化。通过多元遥感数据融合与物理模型驱动，构建实时系统的虚拟镜像，支持实时交互与动态预测。两者结合旨在构建辐射传输过程的动态高保真数字模型，实现从数据到知识的闭环。

模型的代表性非常关键，包括已有知识以及各种模型，这些代表性能不能体现出来，都是很难的事。观测数据也是如此，不可能把所有时间段全观测到。

反演是非常重要的。比如，辐射和需要反演的参数之间的关系建立起来以后，对反演精度提高也是好事。遥感数据的应用不必太追究其高精度问题，遥感不是直接观测的数据，只要把某一个区域的平均的状态能够反演出来就很不错了。任何一个研究工具总有其一定的局限性。地面上遥感的数据，受到大气物理现象影响比较大，比如有降水等情况。因此，最困难的一个方面是遥感参数与被反演参数之间建立起比较准确的关系。大尺度问题比较好解决，大尺度相当于时间和空间上的平均，相当于做了平滑相对而言好解决。现在最头疼的是高时空分辨率验证起来包括模拟起来都很困难。

辐射传输的数字孪生概念需要跟过去多模态的遥感数据融合，现在AI技术相当的发达，将AI技术应用于遥感领域，希望你们更进一步。做数字孪生和AI是紧密相连的。AI发展是有天花板的，在一个阶段只能是对现有知识的分析，并不可能产生新的知识。所以最后的结果还需依赖于样本。我们做的与数据融合的关系，是希望建成模拟器。对于精度问题有了好的样本，无论是用深度学习，还是用传统的遥感反演，精度都可以提高一个档次。

华北平原属于暖温带，暖温带季节变化明显，做三维动态，要把地表场景季节划分表现出来，现在基本都做的夏季。对于华北地区，重要的是冬季和春季，如春季的沙尘暴，冬季的冰雪。可见光、近红外和热红外是不同的，差别非常大，希望能够做得深入一些，真正能够在辐射传输的数字孪生上由场景结合模型，结合验证，结合遥感仪器观测的实证，形成大的气候模型。并与生态网络保护体系的工作相结合，优势互补，以发挥更大的作用。