Satellite tương lai có thể không có một “camera tốt nhất”: Cuộc đua chuyển sang nhìn Trái Đất bằng nhiều giác quan

Một camera quang học có thể chụp thành phố rất sắc nét, nhưng một lớp mây dày đủ khiến nó gần như mù. Synthetic Aperture Radar (SAR) có thể tiếp tục quan sát qua mây và trong bóng tối, đổi lại ảnh radar khó đọc bằng mắt thường. Hyperspectral lại làm một việc khác: thay vì chỉ cho biết một vật thể trông như thế nào, nó giúp phân biệt vật liệu dựa trên cách chúng phản xạ ánh sáng ở hàng chục hoặc hàng trăm dải phổ.

Không sensor nào thắng ở mọi bài toán. Và đó đang trở thành một nguyên tắc thiết kế đáng chú ý của Earth observation: thay vì cố chế tạo một “camera tốt nhất”, các hệ thống mới bắt đầu kết hợp nhiều loại cảm biến để mỗi loại bù cho điểm mù của loại còn lại.

Có hai cách để làm điều đó. Một satellite có thể mang nhiều sensor trên cùng platform, như Mission Drishti của startup GalaxEye với SAR và multispectral imager. Hoặc cả constellation có thể được chia thành nhiều lớp — optical, multispectral, hyperspectral, SAR, infrared hay RF — rồi hợp nhất dữ liệu ở phía sau. Những chương trình đang được triển khai tại Ấn Độ, Nhật Bản và châu Âu trong năm 2026 cho thấy cả hai kiến trúc đang được theo đuổi.

Mắt người nhìn màu sắc, radar nhìn cấu trúc

Camera optical trên vệ tinh hoạt động gần với trực giác con người nhất. Nó đo ánh sáng Mặt Trời phản xạ từ bề mặt, vì vậy ảnh dễ nhận biết: đường sá, mái nhà, ruộng, tàu biển hay vết cháy có hình dạng quen thuộc. Các camera multispectral mở rộng điều đó sang một số dải ngoài vùng mắt người nhìn thấy, chẳng hạn near-infrared hoặc red edge, để cung cấp thêm thông tin về thực vật và bề mặt.

Nhược điểm nằm ngay trong cơ chế hoạt động. Nếu mây chặn ánh sáng hoặc khu vực nằm trong bóng tối, lượng thông tin thu được giảm mạnh.

SAR giải quyết một phần điểm mù này bằng cách chủ động phát sóng vi ba xuống mặt đất rồi đo tín hiệu phản hồi. Vì không phụ thuộc vào ánh sáng Mặt Trời và nhiều bước sóng radar xuyên qua mây, SAR có thể quan sát cả ngày lẫn đêm trong điều kiện mà camera optical không làm được.

Nhưng SAR không đơn giản tạo ra một “bức ảnh đẹp hơn”. Cường độ radar phản hồi phụ thuộc vào độ nhám bề mặt, hình học, vật liệu, độ ẩm và hướng tương đối giữa vật thể với sensor. Một tòa nhà, cánh đồng ngập nước hay con tàu vì thế có thể hiện ra rất khác so với ảnh optical.

Hai sensor không cạnh tranh để trả lời cùng một câu hỏi. Chúng đang đo hai tương tác vật lý khác nhau.

Mission Drishti thử đặt hai kiểu nhìn lên cùng một spacecraft

Mission Drishti của GalaxEye là một ví dụ đặc biệt rõ của cách tiếp cận này. Vệ tinh khoảng 190 kg được phóng ngày 3/5/2026 lên quỹ đạo LEO đồng bộ Mặt Trời. Theo GalaxEye, payload OptoSAR của nó đặt một X-band SAR và một multispectral imager bảy dải trên cùng platform.

Camera multispectral của Drishti có các dải như panchromatic, RGB, near-infrared, coastal blue và red edge; GalaxEye công bố native ground sampling distance của MSI là 3,6 m. SAR hỗ trợ stripmap và spotlight, với độ phân giải được công ty công bố lên tới khoảng 0,9 m trong spotlight mode.

Lợi ích quan trọng của việc đặt hai sensor trên cùng satellite không chỉ là “có hai loại ảnh”. Chúng có thể quan sát khu vực từ cùng một platform trong cùng một lượt thu thập, giảm vấn đề thường gặp khi ghép dữ liệu lấy từ hai vệ tinh khác nhau: vị trí nhìn khác nhau, thời gian chụp khác nhau và cảnh vật có thể đã thay đổi giữa hai lần bay qua.

GalaxEye gọi sản phẩm kết hợp này là OptoSAR và công bố fused data resolution khoảng 1,8 m. Đây là thông số và cách mô tả của công ty; một đánh giá độc lập đầy đủ về chất lượng dữ liệu thương mại của hệ thống chưa được công bố rộng rãi trước khi nhiệm vụ gặp sự cố.

Một sensor thứ ba có thể không cho ảnh “đẹp” hơn, nhưng biết vật đó là gì

Hyperspectral imaging đẩy bài toán sang một chiều khác. Thay vì chia ánh sáng thành vài dải rộng như camera multispectral, hyperspectral sensor đo nhiều dải hẹp liên tiếp. Mỗi loại vật liệu có thể hấp thụ và phản xạ ánh sáng khác nhau theo bước sóng, tạo ra một dạng “dấu vân tay quang phổ”.

Điều này cho phép dữ liệu hyperspectral hỗ trợ phân biệt những bề mặt trông gần giống nhau trong ảnh RGB: loại khoáng vật, trạng thái thực vật, đặc tính nước hoặc một số vật liệu nhân tạo. Đổi lại, sensor thường phải xử lý nhiều dữ liệu hơn và có trade-off giữa spectral resolution, spatial resolution, signal-to-noise ratio và swath.

Tháng 7/2026, IHI của Nhật ký biên bản ghi nhớ với Kuva Space để nghiên cứu đưa hyperspectral vào constellation Earth observation mà IHI đang xây dựng. Đây không phải satellite đã hoàn thiện; hai bên mới ở giai đoạn xác định use case, yêu cầu dữ liệu và cấu trúc phát triển. Nhưng IHI đã nêu rõ kiến trúc dài hạn của mình có thể kết hợp SAR, optical, hyperspectral, infrared, radio-frequency và VDES.

Hai vệ tinh SAR do ICEYE phát triển đã bắt đầu cung cấp dữ liệu cho IHI từ tháng 4/2026. Hyperspectral được xem như lớp bổ sung, không phải thay thế radar.

“Nhiều giác quan” không nhất thiết phải nằm trên cùng một satellite

Đặt mọi sensor lên một spacecraft có lợi cho đồng bộ thời gian và hình học, nhưng nó nhanh chóng làm satellite phức tạp hơn. SAR cần antenna, công suất điện và chuỗi RF đáng kể. Camera optical cần pointing ổn định và điều kiện quang học tốt. Infrared có thể cần quản lý nhiệt hoặc làm mát. Hyperspectral lại đặt áp lực lên băng thông và lưu trữ dữ liệu.

Vì vậy, một kiến trúc khác là chia “các giác quan” ra nhiều satellite chuyên biệt rồi coi cả constellation như một sensor tổng hợp.

Chương trình Earth observation theo mô hình PPP của Ấn Độ là ví dụ khá rõ. Theo thông tin Bộ Không gian Ấn Độ công bố tháng 8/2026, consortium Allied Orbits do Pixxel Space India dẫn đầu dự kiến xây 12 vệ tinh: năm vệ tinh optical độ phân giải rất cao với bốn dải, ba multispectral tám dải, hai hyperspectral với 250 dải và hai X-band SAR. Hệ thống được đặt mục tiêu operational vào năm 2029.

Ở châu Âu, Leonardo cũng đang phát triển một kiến trúc Earth observation multi-sensor gồm radar, optical và các thành phần communication/hub, kết hợp inter-satellite link, onboard compute và hạ tầng xử lý dưới mặt đất. Tài liệu kế hoạch công nghiệp 2026 của công ty đặt cửa sổ phóng orbital plane đầu tiên vào cuối năm 2027.

Điểm chung là sensor fusion trở thành một bài toán ở cấp hệ thống, không nhất thiết ở cấp một chiếc camera hay thậm chí một chiếc satellite.

Vì sao chụp cùng lúc quan trọng hơn chỉ có nhiều dữ liệu?

Giả sử một camera optical chụp khu vực ngập lụt lúc 10 giờ sáng, còn SAR của một satellite khác chỉ bay qua 12 giờ sau. Trong khoảng đó, mực nước, giao thông hoặc hoạt động cứu hộ có thể đã thay đổi. Khi ghép hai ảnh, thuật toán không chỉ phải xử lý khác biệt giữa hai loại sensor mà còn phải phân biệt đâu là khác biệt do thời gian.

Vấn đề này càng rõ trong các sự kiện động như cháy rừng, lũ, tàu di chuyển hoặc hoạt động quân sự. Co-located sensors trên cùng satellite có thể giảm temporal gap. Một constellation đủ dày cũng có thể giải quyết bằng cách lập lịch các lần quan sát gần nhau, nhưng điều đó đòi hỏi orchestration giữa nhiều spacecraft.

Sensor fusion vì vậy không chỉ là cho hai ảnh vào một neural network. Dữ liệu phải được co-register về cùng hệ tọa độ, hiệu chỉnh khác biệt về độ phân giải, góc nhìn, thời gian, nhiễu và đặc tính vật lý của từng sensor. Nếu đầu vào không được đồng bộ tốt, một mô hình AI mạnh vẫn có thể học từ những sai lệch thay vì từ hiện tượng thật.

Nhiều sensor cũng tạo ra một bài toán dữ liệu lớn hơn

Một camera độ phân giải cao đã tạo ra lượng dữ liệu đáng kể. Thêm SAR và hyperspectral không chỉ nhân số file; chúng còn tạo ra các loại dữ liệu có cấu trúc và dynamic range rất khác nhau. Downlink mọi thứ xuống mặt đất để xử lý sau có thể trở thành bottleneck.

Đó là lý do nhiều kiến trúc mới đi kèm onboard computing. Thay vì luôn gửi raw data, satellite có thể lọc vùng quan tâm, phát hiện thay đổi hoặc tạo sản phẩm trung gian trước khi downlink. Leonardo gọi đây là một phần của edge-computing architecture; GalaxEye cũng thiết kế Drishti với onboard computing, dù nhiệm vụ không tồn tại đủ lâu để chứng minh toàn bộ mô hình dịch vụ như kế hoạch ban đầu.

Đây cũng là nơi “AI satellite” cần được hiểu cẩn thận. AI không thay thế sensor. Nó chủ yếu giúp chọn, căn chỉnh, phân loại hoặc hợp nhất các phép đo mà phần cứng đã thu được.

Mission Drishti cũng cho thấy cái giá của việc gom nhiều năng lực vào một platform

Drishti không trở thành một dịch vụ Earth observation vận hành lâu dài. Đầu tháng 7/2026, GalaxEye cho biết spacecraft gặp anomaly trong giai đoạn cuối của Launch and Early Orbit Phase sau một sự kiện thời tiết không gian; liên lạc trở nên gián đoạn rồi mất hoàn toàn. Công ty khi đó đánh giá khả năng phục hồi là thấp. Phân tích ban đầu của GalaxEye cho rằng ảnh hưởng bức xạ liên quan geomagnetic storm có thể đã tác động tới một hệ thống quan trọng trên spacecraft.

Sự cố không chứng minh kiến trúc SAR+MSI là nguyên nhân — không có bằng chứng cho điều đó. Nhưng ở cấp thiết kế hệ thống, nó nhắc lại trade-off quen thuộc: nếu nhiều năng lực quan sát nằm trên cùng một spacecraft, mất spacecraft cũng đồng nghĩa mất nhiều modality cùng lúc. Phân tán sensor qua constellation tạo redundancy tốt hơn, đổi lại phải giải quyết bài toán đồng bộ và fusion phức tạp hơn.

GalaxEye cho biết họ vẫn có kế hoạch đưa hai OptoSAR satellite thế hệ tiếp theo lên quỹ đạo trong khoảng 24 tháng kể từ thông báo tháng 7.

“Camera tốt nhất” đang nhường chỗ cho “measurement stack” tốt nhất

Trong Earth observation, độ phân giải vẫn quan trọng, nhưng nó ngày càng khó đóng vai trò thước đo duy nhất. Một ảnh 30 cm bị mây che có thể ít giá trị hơn một ảnh radar thô hơn nhưng được thu đúng lúc. Một ảnh RGB rất sắc có thể chỉ cho thấy một vùng cây đổi màu, trong khi hyperspectral có thể bổ sung thông tin về phổ phản xạ mà mắt người không thấy.

Vì thế, câu hỏi thiết kế đang chuyển từ “camera nào tốt nhất?” sang “tổ hợp phép đo nào đủ để trả lời câu hỏi của người dùng?”. Với hàng hải, đó có thể là SAR cộng RF hoặc VDES. Với nông nghiệp, optical cộng multispectral/hyperspectral. Với thiên tai, optical cộng SAR và thermal có thể cung cấp các lát cắt khác nhau của cùng một sự kiện.

Không phải mọi satellite tương lai sẽ mang tất cả những sensor này. Giới hạn về khối lượng, điện, nhiệt, antenna, pointing và chi phí vẫn buộc kỹ sư phải lựa chọn. Điều đang thay đổi là đơn vị tối ưu hóa: thay vì một camera đơn lẻ, ngày càng nhiều hệ thống được thiết kế như một measurement stack gồm nhiều “giác quan”, trên một spacecraft hoặc trải ra cả constellation.

Và đó có thể là khác biệt lớn nhất của thế hệ Earth observation tiếp theo: không nhất thiết nhìn Trái Đất sắc hơn ở mọi nơi, mà biết khi nào cần nhìn bằng ánh sáng, khi nào cần nghe tín hiệu radar, và khi nào màu sắc thông thường là chưa đủ.

Nguồn: GalaxEye — Mission Drishti, IHI Corporation, Department of Space, Government of India, Leonardo, Moneycontrol.