Global trends in the development of low-orbit space systems for optoelectronic Earth observation
Notice bibliographique
Résumé
The aim of this work is to identify the global trends in the use of low-orbit spacecraft constellations, which have a number of substantial advantages in Earth remote sensing (ERS). Much attention is given to the construction of large constellations of single- and different-type spacecraft by foreign companies and operators, such as Digital Globe, Planet Labs, Black Sky, Satellogic S.A. etc., and to the plans of deployment of constellations of this type in the USA, China, Japan, Canada, Europe, and other countries. The characteristics of the various, mainly commercial, low-orbit constellations of optoelectronic Earth observation spacecraft put into orbit over the past five years are considered. It is shown that low-orbit spacecraft constellations can be used to good advantage in the solution of numerous socio-economic problems, such as geodesy and cartography, urban development, transport infrastructure, crop estimate, environmental monitoring, health monitoring, etc., and new problems aimed at prompt continuous monitoring of various objects. The paper presents a comparative analysis of the technical implementations and ways of achievement of the main target spacecraft characteristics, such as information performance, capture range, revisit time, geodetic connection accuracy, imaging immediacy, and the possibility of stereo and video imaging by satellite constellations. It is shown that the construction of large low-orbit constellations is a new trend in the world astronautics, which requires systematic methods for their design and control. The results obtained allows one to make recommendations on the design of low-orbit constellations of home ERS spacecraft, in particular on the development of orbit determination models and algorithms and spacecraft dynamics models.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».