在遥感卫星产业里，对于遥感数据的分析和分发有几种相反的发展趋势。政府中各种用户、不同类型和规模的行业以及个人消费者对遥感卫星数据的处理有着不同的需求。目前已部署的卫星数量持续增加，小卫星的空间分辨率不断提高，各类高光谱卫星监测着多达一百个小的光谱段或波段。这使数据更新更及时，也因此需要更高性能的数据记录器、更快的数据下载速率以及更高效地处理编码数据流。总体而言，这些新技术创造了一个来自太空的“尼亚加拉”数据流瀑布，并且很难有效地进行数据处理。

数据量的急剧增长给及时而全面的数据分析提出了巨大的挑战，而星载处理和人工智能（Artificial Intelligence，AI）算法为解决这一问题带来了可能性。它们可以基于专家系统对数据进行“自动”分析，甚至可以进行更高级的人工智能“推理”分析。20世纪90年代由NASA提出并执行的遥感项目“行星地球使命”计划，因为处理和分析涉及的数据量太大而无法满足下载和分析的需求，使其任务范围不得不缩小。这只是许多新科学任务中硬件设计和软件支持发展不同步的例子之一[12]。

对自动化分析和预处理的推动引发了一场争议，人们在需要多少遥感数据和专家分析才能获得科学准确的结果，以及快速向终端用户提供近实时分析结果之间展开了争论。有人担心，这些不精通数据分析的终端用户可能会从高速下载的预处理数据中得出错误的结论，这些数据可能会在土壤状况、树木枯萎病、海洋污染等方面产生虚假的结果和错误的结论。(www.daowen.com)

随着遥感卫星产生的数据量级从TB 上升到PB 再到EB，越来越庞大的数据流量将需要AI 算法和其他形式的预处理。因此，遥感领域也要像在超级自动化等未来许多其他领域一样，需要特别注意人机接口（Human-machine Interfaces，HMI）的设计。这种预防措施有望阻止重大问题的发生。

现在面临的一个关键软件问题是，迫切需要确保网络安全系统的精确部署。最近的研究表明，如果飞机系统被黑客侵入就有可能导致飞机坠毁。同样，对航天电子设备的黑客攻击可以将航天器变成武器，使其脱离轨道运行或与另一个航天器相撞[13]。