Avec le développement systémique de l'infrastructure spatiale mondiale et la nouvelle phase de service global, la télédétection par satellite continue d'innover et de se mettre à niveau, est devenue une technologie clé pour l'acquisition d'observations au sol autonomes, la maîtrise des ressources spatiales et la prise de contrôle des points forts économiques et technologiques. Les énormes données d'observation de la Terre renferment un énorme potentiel pour la recherche environnementale, sociale et économique, mais elles posent également de grands défis en matière de traitement, de stockage et d'analyse des données. L'apparition de données de traitement prêtes à l'emploi ARD a considérablement réduit les coûts de traitement des données, favorisé le partage des données et les découvertes scientifiques; la technologie de génération ARD combinée à la plateforme cloud de télédétection et au cube de données a renforcé la capacité d'exploitation de la méga-données de télédétection, renversé le modèle traditionnel de traitement et d'analyse des données de télédétection, et rendu possible l'analyse et l'application rapides de séries temporelles à l'échelle mondiale. Cet article passe en revue l'arrière-plan et l'état actuel des ARD nationaux et internationaux, y compris les produits ARD internationaux de premier plan, ainsi que la plateforme cloud de télédétection et le cube de données en tant que véhicules de production et de partage d'ARD, analyse les problèmes et les défis auxquels sont confrontés les produits ARD de données satellite nationaux, introduit le premier produit ARD satellitaire national GF, et analyse et discute des problèmes clés auxquels l'ARD devra répondre à l'avenir; dans le but de fournir une orientation pour l'application de la méga-donnée d'observation au sol de haute qualité, haute efficacité et normalisée, pour soutenir de grandes découvertes scientifiques et les décisions gouvernementales.

earth observation;Analysia Ready Data;Chinese satellites;normalization processing;cloud platform;data cube;data mining;multi-source data