法国国家空间研究中心（CNES）、ISAE-SUPAERO 航空航天学院、图卢兹地球观测实验室、法国国家科学研究院（CNRS）等多家顶尖航天与科研机构联合发布重磅遥感 AI 项目 UniverSat，这款被业内称作万能卫星眼的通用对地观测大模型，实现全球首次单套 AI 架构同步兼容雷达、光学、高光谱、热红外、微波辐射计等共计 13 种卫星传感器数据，彻底解决多源遥感数据割裂、融合分析门槛高的行业痛点。
长期以来，全球对地观测卫星搭载传感器类型分散：合成孔径雷达（SAR）可全天候穿透云雾成像，高光谱能捕捉地表物质精细光谱指纹，可见光光学提供高清地物轮廓，热红外、微波、激光测高、大气探测等传感器各有专属观测优势。但不同传感器分辨率、光谱维度、成像机制差异巨大，传统算法只能单独适配单一卫星载荷，多源数据需人工预处理、配准、重采样，灾害监测、资源普查、气候建模等场景数据融合效率极低。
本次法国产学研联合攻关的 UniverSat 核心突破在于自研通用补丁编码器（UPE），摒弃传统遥感 AI 固定输入通道限制，无需对雷达、光学、高光谱等异质数据提前标准化，即可将 13 类传感器不同空间、光谱、时间维度观测信息映射至统一特征空间，一套权重完成多模态数据统一解析、解译与融合建模。项目团队介绍，UniverSat 覆盖 13 类主流航天载荷，包含 C/X 波段 SAR、全色 / 多光谱光学、数百波段高光谱、长波热红外、激光雷达、海洋水色、大气痕量气体探测等全谱系卫星观测设备。
在实测验证环节，研究团队基于欧洲哥白尼哨兵系列、法国 Pléiades 光学卫星、新一代 SAR 雷达卫星海量数据集完成训练，在土地分类、洪涝淹没区提取、植被长势反演、海洋污染溯源、火山气溶胶监测五大典型场景开展对比测试。结果显示，UniverSat 多源联合解译精度较单一传感器模型提升 12%–27%，极端天气多云雨区域依靠雷达 + 光学协同识别能力，有效填补传统光学卫星观测盲区；依托高光谱精细化物质识别，可精准区分矿产、农作物、水体污染物细微光谱差异，实现 “一张模型看懂太空全部观测信号”。
CNES 地球观测项目负责人表示，UniverSat 是法国新一代自主遥感智能底座核心工程，依托图卢兹欧洲航天谷产学研集群优势，整合航天工程、人工智能、地球物理多学科力量，目标打造欧洲自主可控、无传感器壁垒的通用卫星数据智能分析平台。相比海外同类多模态遥感模型，UniverSat 轻量化优化后可部署于星上边缘计算单元，未来搭载法国新一代小型遥感卫星，实现在轨实时多源数据融合处理，大幅降低地面数据回传与算力消耗。
项目落地应用场景覆盖多元领域：自然资源部门可同步整合光学高清地物与雷达地下形变数据开展国土普查；气象与气候机构融合大气光谱、微波辐射数据完善全球气候数值模拟；应急救援领域在暴雨、山火、地震灾害中，同步调用雷达全天候成像、热红外高温点探测、高光谱污染物追踪数据，快速生成全域灾害评估图；海洋监管可联动水色、SAR 船舶探测、红外海面温度数据实现远洋一体化监控。
ISAE-SUPAERO 人工智能航天实验室主任补充，UniverSat 模型代码、基础权重已开源向全球科研机构开放，法国将同步推动该技术接入欧盟哥白尼对地观测计划，助力欧洲构建一体化空天地智能监测网络。下一阶段研发团队将拓展兼容深空探测、气象卫星载荷，打造覆盖地球、近地空间的全域通用卫星智能解析系统。
业内专家评价，UniverSat “万能卫星眼” 突破多源遥感数据智能融合技术瓶颈，重塑卫星对地观测数据应用逻辑，大幅降低各国航天机构、科研单位多载荷联合分析成本，为全球自然资源管理、防灾减灾、气候变化研究提供全新技术工具，标志欧洲多模态遥感 AI 进入通用大一统时代。
