MARC

 008260311s2025        us                                    eng  d
■001000017361191
■00520260311091532.5
■006m          o    d                
■007cr|nu||||||||
■020    ▼a9798270231552
■040    ▼aMiAaPQD▼beng▼cMiAaPQD▼erda
■082    ▼a518
■1001  ▼aSipps,  Jonathan▼eauthor.
■24510▼aNumerical  Methods  for  Discontinuous  Remote  Sensing  Coverage  Analysis  ▼cJonathan  Sipps
■260    ▼a[Sl]▼bThe  University  of  Texas  at  Austin▼c2025
■264  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a1  electronic  resource  (284  pages)
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  B.
■500    ▼aAdvisors:  Magruder,  Lori    Committee  members:  Fridovich-Keil,  David;  Frank,  Jeremy;  Bettadpur,  Srinivas;  Ann  Chen,  Jingyi.
■5021  ▼bPh.D.▼cThe  University  of  Texas  at  Austin▼d2025.
■520    ▼aDistributed  Spacecraft  Missions  (DSMs)  have  the  potential  to  revolutionize  Earth  observation  through  increased  spatial,  temporal,  spectral,  and  radiometric  data  resolution,  but  iterating  over  all  possible  mission  architectures  to  identify  a  "best"  candidate  presents  a  novel  computational  challenge.  Dominant  elements  in  the  trade  space  are  orbit  design,  instrument  choice,  the  number  of  satellites,  and  the  DSM  (or  constellation)  structure,  each  of  which  may  have  multiple  options,  which  increases  trade  space  size  combinatorically.  Compounding  this  complexity  is  the  need  to  satisfy  multiple  objectives  at  once,  balancing  the  total  and  consistent  coverage  of  Earth.  Evolutionary  algorithms  can  search  the  trade  space  intelligently  but  they  require  many  simulation  evaluations  to  approximate  the  typically  multi-objective  pareto  front.  We  have  developed  an  efficient  semi-analytic  routine,  to  compute  the  access  events  of  Earth-based  targets  for  circular,  low  Earth  orbit  remote  sensing  platforms,  which  is  from  1  to  4  orders  of  magnitude  faster  than  competing  state-of-the-art  methods,  due  to  low  algorithm  complexity  with  respect  to  simulation  period  and  instrument  swath  size.  Exhaustive  search  over  all  orbital  revolutions  is  replaced  with  a  hash-based  vector  search,  which  instantly  queries  the  orbital  revolution  of  target  observation.  The  technique  further  has  relaxed  assumptions  such  as  the  need  for  repeating  ground  tracks  or  simplified  constellation  structures  commonly  found  in  literature.  In  addition,  we  have  formalized  the  observation  of  probabilistic  targets,  particularly  useful  for  sub-sampled  coverage,  as  applied  to  lidar  or  small  swath  coverage,  or  coverage  of  geophysically  obscured  targets,  such  as  under  cloud  cover  or  dense  vegetation.  We  leverage  Monte  Carlo  to  evaluate  the  count  of  probabilistic  target  observations,  the  probability  of  at  least  one  observation,  and  the  stochastic  revisit  interval,  extensible  to  a  field  of  spatial  targets.  Coupled  with  relevant  geophysical  datasets,  we  apply  these  techniques  to  reveal  the  optimal  inclination  of  a  bathymetric  space-borne  lidar  to  be  110  deg.  Then  we  find  the  optimal  distribution  of  satellites  in  sun-synchronous  vs.  inclined  orbital  regimes  to  optimally  observe  global  wildfire  at  night.  Lower  per-evaluation  runtime  via  a  novel  semi-analytic  routine,  coupled  with  data-driven  coverage,  give  mission  planners  a  tool  to  meet  the  computational  demands  of  DSM  design,  exploring  the  wide  array  of  options  to  meet  the  National  Academies  Decadal  Survey  science  objectives.
■546    ▼aEnglish
■590    ▼aSchool  code:  0227
■650  4▼aGeophysics
■650  4▼aGeographic  information  science
■650  4▼aRemote  sensing
■650  4▼aTheoretical  physics
■653    ▼aDistributed  Spacecraft  Missions
■653    ▼aEarth  observation
■653    ▼aOrbit  design
■653    ▼aSemi-analytic  routine
■7102  ▼aThe  University  of  Texas  at  Austin▼bAerospace  Engineering.▼edegree  granting  institution.
■7201  ▼aMagruder,  Lori▼edegree  supervisor.
■7730  ▼tDissertations  Abstracts  International▼g87-06B.
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17361191▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서