摘要 - 最大化有限的地球观察卫星资源的实用性是一个困难的问题。动态焦油获取是应对这一挑战的一种方法,该方法智能地计划并根据LookAhead传感器的信息来计划并执行主要传感器观察。但是,当前的实现未能解释逼真的卫星操作性,并使用静态实用程序来重复观察同一目标。为了解决这些局限性,我们实施了一个更通用的动态定位框架,该框架包括基于物理的摇摆模型,一个动态模型的观察效用模型以及用于收集高维修率观测值的算法。为了展示此框架,我们还提供了复杂的Dynamic效用模型,这些模型适用于许多任务和新算法,用于智能地安排使用摆动限制和改变效用的智能观察,包括贪婪的算法和深度优先搜索算法。为了评估这些算法,我们通过两个数据集测试了它们在模拟运行中的性能,并与当今地球科学任务中大多数调度算法的算法的性能进行比较,以及一个棘手的上限。我们表明,我们的算法具有从地球科学任务中改善科学回报的巨大潜力。
其商业应用范围非常广泛,包括农业、自然资源管理、基础设施监测等。用户还可以设置自动图像提取和实时分析,这对于紧急情况和自然灾害管理具有重要意义。在澳大利亚野火期间,情况瞬息万变,当地地图绘制功能被部署用于通知公众并确保人们的安全。