MétaCan
Menu
Retour à la cohorte
Enregistrement W2899144435

Integrating Orbital Debris Measurements and Modeling - How Observations and Laboratory Data are used to Help Make Space Operations Safer

2018· article· en· W2899144435 sur OpenAlexaff
Susan M. Lederer, Mark Matney, Andrew Vavrin, Heather Cowardin, B. Buckalew, J. Frith, Paul Hickson

Notice bibliographique

RevueAdvanced Maui Optical and Space Surveillance Technologies Conference · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSpace Satellite Systems and Control
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPopulationDebrisSpace debrisTelescopeRemote sensingAeronauticsAerospace engineeringAstronomyComputer scienceGeographyPhysicsEngineeringMeteorology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The NASA Orbital Debris Program Office has been statistically surveying human-made resident space objects (RSOs) in geocentric orbits for several decades, using optical and infrared telescopes. The prime goal has been to understand the evolving population and characteristics of debris generated by RSOs. The debris population includes any non-functioning RSO that no longer serves a useful purpose. Any object that cannot be purposely maneuvered, including non-functioning satellites, rocket bodies, and any object generated by a collision, explosion, or fragmentation event, may pose a future collisional threat to active satellites. Key questions immediately surface from this knowledge: What can we do to protect our precious functioning satellites from collisions? How do we design our satellites to prevent them from being future sources of debris? And what can we do as a society to protect the environment surrounding Earth to preserve it for future generations? To begin to address these questions, and to better understand this population as well as break-up events contributing to it, NASA has developed a suite of models and experimental laboratory data to work in tandem with observational and laboratory measurements of RSOs. These models include the Orbital Debris Engineering Model (ORDEM), the Standard Satellite Break-up Model (SSBM), and an evolutionary model of the environment from LEO to GEO (LEGEND). Ground-based data have been collected from the infrared telescope UKIRT (UK Infrared Telescope) in Hawaii, as well as the 1.3m Eugene Stansbery Meter Class Autonomous Telescope, ES-MCAT, historically called MCAT, on Ascension Island. MCAT will be tasked to collect GEO (Geosynchronous) survey data, scanning orbits to search for uncatalogued objects (e.g. fragmentation/break-up events (SSBM)), and targeted observations of catalogued objects for more intensive studies, e.g. when a break-up or anomalous event occurs. Laboratory experimental data includes DebriSat, a satellite impacted at ~6.9 km/s in an impact laboratory on Earth, and optical photometry from the Optical Measurements Center at NASA JSC. An integrated view will be discussed of how our telescopic observations and lab measurements interplay with models to understand the current (ORDEM) and future (LEGEND) environment, the evolution of satellite breakups (SSBM), and how this knowledge can help to promote an environment that is safer for operations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0090,011
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,071
Tête enseignante GPT0,262
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Maui Optical and Space Surveillance Technologies ConferenceMême sujetSpace Satellite Systems and ControlTravaux en français237 207