第3章卫星图像因子构建

第三章：卫星图像因子构建

卫星图像，说白了就是给地球拍照片。但这不是普通的自拍，而是从几百公里高空往下看。我刚开始接触这个领域时，觉得挺科幻的。后来发现，这玩意儿其实已经非常成熟了。今天我就把卫星图像因子的构建流程，从头到尾捋一遍。

3.1 卫星数据获取渠道

先说说数据从哪来。卫星数据不是你想买就能买，也不是你想免费就能免费。这里有几个主流渠道：

渠道类型	代表数据源	分辨率	成本	适用场景
免费开源	Sentinel-2 (ESA)	10m	免费	大面积农作物监测
免费开源	Landsat 8/9 (USGS)	30m	免费	长期历史回测
商业付费	Maxar / Planet	0.3m - 3m	高	车辆计数、船舶检测
商业付费	Airbus / SPOT	1.5m	中高	港口活动监测

我的建议：刚开始做研究，先用 Sentinel-2 免费数据跑通流程。等策略验证有效了，再考虑买商业数据。我见过不少团队一上来就砸钱买高分辨率数据，结果因子没跑通，钱白花了。

获取方式也很简单。Sentinel 数据可以从 Copernicus Open Access Hub 下载，用 Python 的 sentinelhub 库就能自动化拉取。Landsat 数据则通过 USGS EarthExplorer 获取。商业数据需要签合同，通常按平方公里计价。

注意：卫星数据有重访周期。Sentinel-2 是 5 天，Landsat 是 16 天。这意味着你拿到的不是实时数据，而是几天前的快照。做高频交易的朋友，这条路走不通。

3.2 图像识别与特征提取

拿到原始图像后，不能直接用。你得从里面提取出有用的特征。我主要做三类特征提取：车辆计数、船舶检测、农作物长势。

3.2.1 车辆计数

车辆计数，说白了就是数停车场里有多少辆车。这能反映什么？零售店的客流量、工厂的开工率、甚至某个区域的消费活跃度。

具体做法是这样的：

目标检测模型：用 YOLOv8 或 Faster R-CNN 训练一个车辆检测器。我习惯用 YOLOv8，速度快，精度也够用。
图像预处理：先做几何校正，把卫星图像对齐到地图坐标。然后做辐射校正，消除大气影响。
计数逻辑：检测出每辆车后，统计数量。注意要排除阴影和误检。

# 伪代码示例：车辆计数
from ultralytics import YOLO

model = YOLO('yolov8n.pt')  # 加载预训练模型
results = model('parking_lot_satellite.jpg')

vehicle_count = 0
for box in results[0].boxes:
    if box.cls in [2, 3, 5, 7]:  # car, motorcycle, bus, truck
        vehicle_count += 1

print(f"检测到 {vehicle_count} 辆车")

  避坑指南：我曾经在沃尔玛停车场做过测试。结果发现，周末的车辆数比工作日少了 30%。一开始以为是模型不准，后来才发现——周末员工不开车上班，顾客也少。所以，车辆计数要结合时间戳和节假日做归一化。

3.2.2 船舶检测

船舶检测的逻辑和车辆类似，但难点不一样。船在海面上，背景复杂，还有波浪和云层干扰。

我常用的方法是：

SAR 图像：合成孔径雷达图像，不受云层影响。Sentinel-1 提供免费 SAR 数据。
变化检测：对比两期图像，找出新增或离开的船只。这能反映港口吞吐量的变化。
AIS 数据辅助：船舶自动识别系统数据可以用来验证卫星检测结果。

举个例子。我做过一个港口活动指数：

# 船舶检测结果示例
port_activity = {
    'date': '2024-03-15',
    'total_ships': 47,
    'cargo_ships': 23,
    'container_ships': 12,
    'tankers': 8,
    'others': 4
}

这个指数和港口上市公司的营收有很强的相关性。你想想看，如果卫星图像显示港口里船越来越少，那这家公司的财报大概率不会好看。

3.2.3 农作物长势

农作物长势监测，用的是多光谱图像。不同波段的反射率能反映植物的健康状况。

核心指标是 NDVI（归一化植被指数）：

NDVI = (NIR - Red) / (NIR + Red)

其中 NIR 是近红外波段，Red 是红波段。NDVI 值越高，说明植被越茂盛。

我一般这样用：

下载 Sentinel-2 的 L2A 产品（已经做过大气校正）
计算每个像素的 NDVI
按地块聚合，得到每个农田的平均 NDVI
对比历史同期，计算偏离度

一个小技巧：NDVI 的时间序列比单期数据更有价值。我习惯用过去 3 年的 NDVI 均值作为基准，然后看当前值偏离了多少。偏离超过 1 个标准差，就说明有异常。

3.3 因子合成与回测框架

特征提取完了，接下来就是合成因子。这一步很关键，因为单个特征往往不够稳定。

我常用的合成方法：

标准化加权：把车辆计数、船舶数量、NDVI 都标准化到 Z-score，然后按权重相加。
主成分分析：用 PCA 提取第一主成分，作为综合因子。
机器学习融合：用 LightGBM 或 XGBoost 训练一个模型，把多个特征作为输入，预测未来收益率。

回测框架我推荐用 backtrader 或 zipline。但要注意，卫星数据的频率很低（几天到几周），所以回测周期要拉长，至少 3 年以上。

# 回测框架伪代码
class SatelliteFactorStrategy(bt.Strategy):
    def __init__(self):
        self.factor = self.datas[0].factor  # 卫星因子数据

    def next(self):
        if self.factor[0] > self.factor[-1]:
            self.buy()
        else:
            self.sell()

重要提醒：卫星因子有滞后性。你今天看到的图像，可能是 3 天前拍的。所以回测时一定要做时间对齐，把因子值和交易日期对应好。我见过有人直接用发布日期做回测，结果因子表现特别好——其实是未来函数。

知识体系总览

下面这张图，是我自己整理的卫星图像因子构建流程。你可以把它当作路线图：

嗯，以上就是卫星图像因子构建的完整流程。从数据获取到特征提取，再到因子合成和回测，每一步都有坑。但只要你把流程跑通了，这个因子的信息优势是很大的——毕竟，不是谁都能从太空看到你的持仓。

📚 课程目录

第三章：卫星图像因子构建

3.1 卫星数据获取渠道

3.2 图像识别与特征提取

3.2.1 车辆计数

3.2.2 船舶检测

3.2.3 农作物长势

3.3 因子合成与回测框架

知识体系总览