•第一个趋势：随着高时空分辨率星载传感器数量的增加，遥感数据量持续增长。例如，DigitalGlobe的卫星生成影像数据量激增到每日80TB，多由商业运行的小卫星星座提供着高时空分辨率的图像。基于无人机平台的传感器如今也在收集大量的数据，为用户提供各种低成本的应用服务。•第二个趋势：机器学习（Machine Learning）技术的广泛应用，将原始卫星观测转换为各种有价值的生物/地学-物理参量。诸如人工神经网络、支持向量回归、随机森林和多元自适应回归样条函数等方法，常可基于辐射传输模型的大量模拟数据来实现从观测到参量的信息转换。•第三个趋势：云计算已被逐渐采用，重要的是开发基础设施，将遍布世界的各种代理和数据中心收集和管理的全球遥感数据关联起来，从而能够高效地共享、处理、存档和分发巨大体量的遥感数据。凭借高性能计算和高吞吐量计算技术使用大量的计算节点，大幅度增强对数据的处理和分析能力。•第四个趋势：生成长期的一致性的更高级卫星产品，能够直接服务于用户的各种应用。这种长期高级陆表产品的生成借助了多源遥感数据的优势，起始于20世纪80年代后期NASA的地球观测系统项目。对数据产品做出相当大努力的是由遥感团体发展的气候数据集（Climate Data Records, CDR），美国国家研究委员会将其定义为具有足够长度的、一致性的和连续性的时间序列测量数据，可用于确定气候变率和气候变化。
