'आप वह नहीं मार सकते जो आप नहीं देख सकते' खेल में एक सामान्य वाक्यांश है और मूल रूप से बेसबॉल पिचर का वर्णन करने के लिए लिया गया था वाल्टर जॉनसन फास्टबॉल। लेकिन वही अधिक गंभीर स्पिन वाली चीजों के लिए जाता है, जैसे कि लाखों मलबे के टुकड़े तैरते हैं पृथ्वी की निचली कक्षा में (लियो)। अब, शोधकर्ताओं की एक टीम एक नई इमेजिंग प्रणाली के साथ आई है जो एजेंसियों और सरकारों को कुछ ऐसे मलबे को बारीकी से ट्रैक करने की अनुमति देगी जो LEO को अव्यवस्थित कर रहे हैं और संभावित रूप से सितारों के लिए मानवता के भविष्य के विस्तार को खतरे में डाल रहे हैं।
उस खतरे को पहली बार 1978 में डोनाल्ड केसलर द्वारा वर्णित किया गया था और अब इसे आमतौर पर 'के रूप में जाना जाता है' केसलर सिंड्रोम ' ऐसे परिदृश्य में, पृथ्वी के आसपास का मलबा क्षेत्र इतना खराब हो जाता है कि यह अंतरिक्ष तक (या से) पहुंच को अवरुद्ध कर देता है। इस तरह के भाग्य से बचने के लिए, मानवता को अंततः अंतरिक्ष मलबे से निपटने के तरीकों के साथ आना होगा। यह आशा करना कि जो वस्तुएं LEO में सड़ने के लिए छोड़ दी जाती हैं और वातावरण में जल जाती हैं, एक व्यवहार्य शमन रणनीति नहीं है।
केसलर सिंड्रोम का दृश्य चित्रण।
श्रेय: NASA कक्षीय मलबा कार्यक्रम कार्यालय
इस तरह की शमन रणनीति विकसित करना अब तक मुश्किल साबित हुआ है। यह समझना और ट्रैक करना कि वास्तव में कितनी वस्तुएं ऊपर हैं, ऐसे किसी भी प्रयास का सामना करने वाली प्रमुख चुनौतियों में से एक है। कई टुकड़े बेहद छोटे होते हैं, बहुत तेजी से घूमते हैं, और तेजी से आगे बढ़ते हैं। उन संयुक्त संपत्तियों का ट्रैक रखना उन्हें बहुत कठिन बना देता है।
परंपरागत रूप से, शोधकर्ता दो इमेजिंग तकनीकों में से एक का उपयोग करते हैं, जिसे क्रमशः 'क्रॉस सहसंबंधों का एकल-बिंदु प्रवास' या 'किरचॉफ़ माइग्रेशन' कहा जाता है। एकल बिंदु प्रवासन का विशेष रूप से खराब रिज़ॉल्यूशन है, जिससे किसी वस्तु के सटीक आकार और स्थिति को निर्धारित करना मुश्किल हो जाता है। हालांकि, यह वातावरण में बदलाव से ज्यादा प्रभावित नहीं है। वैकल्पिक रूप से, किरचॉफ प्रवासन वायुमंडलीय उतार-चढ़ाव से प्रतिकूल रूप से प्रभावित होता है, लेकिन बहुत अधिक रिज़ॉल्यूशन प्रदान करता है।
जिज्ञासु Droid YouTube वीडियो केसलर सिंड्रोम पर चर्चा करते हुए।
क्रेडिट: जिज्ञासु Droid YouTube चैनल
शोधकर्ताओं द्वारा विकसित उपन्यास दृष्टिकोण, जिसे रैंक -1 इमेजिंग के रूप में जाना जाता है, दोनों दुनिया के सर्वश्रेष्ठ प्रदान करता है। यह किरचॉफ प्रवासन के समान संकल्प है, जबकि वायुमंडलीय हस्तक्षेप से लगभग प्रतिरक्षित है, जैसे एकल-बिंदु प्रवासन।
रैंक-1 की सफलता का राज इसके एल्गोरिथम में है। LEO परिक्रमा करने वाली वस्तु को ट्रैक करने के सबसे कठिन हिस्सों में से एक उच्च रिज़ॉल्यूशन वाली तस्वीर प्राप्त करने के लिए इसे लंबे समय तक ट्रैक करना है। उस ट्रैकिंग के लिए प्राथमिक चुनौती वस्तु के रोटेशन के साथ करना है, जो वस्तुओं की परावर्तनशीलता को बदलने के कारण सबसे अच्छे ट्रैकिंग एल्गोरिदम को भी फेंक सकता है।
लीड छवि में दिखाए गए इनपुट डेटा के लिए विभिन्न एल्गोरिदम का परिणाम। लेफ्ट: सिंगल-पॉइंट माइग्रेशन। केंद्र: रैंक -1 एल्गोरिथम, दाएं: किरचॉफ माइग्रेशन
श्रेय: मटन लीबोविच, जॉर्ज पपनिकोलाउ, क्राइसौला त्सोग्का
रैंक -1 किसी वस्तु के बदलते अल्बेडो को समझने के लिए उसकी स्पिन दर का अनुमान लगाने का प्रयास करता है। डेटा फिट करने के लिए ब्रूट फोर्सिंग स्पिन अनुमान काम कर सकता है, लेकिन समय और गणना गहन है। इसके बजाय, रैंक -1 एल्गोरिथ्म अपने ट्रैकिंग एल्गोरिदम को इसके स्पिन की दिशा और गति के बारे में सूचित करने के लिए ऑब्जेक्ट के कैप्चर किए गए डेटा का उपयोग करता है। इन अनुमानों के साथ, ट्रैकिंग ऑब्जेक्ट बहुत आसान साबित होता है, जो एल्गोरिथम को एक उच्च रिज़ॉल्यूशन छवि प्राप्त करने की अनुमति देता है।
अब तक, सिस्टम का उपयोग केवल मॉडलों पर किया गया है और अभी तक सीधे LEO में किसी ऑब्जेक्ट की छवि नहीं बनाई गई है। हालांकि, एल्गोरिदम ने प्रदान किए गए मॉडल डेटा के साथ उत्कृष्ट प्रदर्शन किया, खासकर जब दो प्रतिस्पर्धी एल्गोरिदम की तुलना में। थोड़ा और विकास और कुछ समय वास्तविक वस्तुओं पर नज़र रखने के साथ, रैंक -1 एल्गोरिथ्म अंतरिक्ष से बाहर होने के बढ़ते खतरे का मुकाबला करने के लिए मानवता के शस्त्रागार का एक हिस्सा बन सकता है। और कुछ नहीं तो कम से कम हम आने वाले खतरे को देख पाएंगे।
और अधिक जानें:
सियाम समाचार - उच्च संकल्प में इमेजिंग अंतरिक्ष मलबे
नवाचार समाचार नेटवर्क: अंतरिक्ष मलबे की नई छवियां वैज्ञानिकों को अंतरिक्ष टकराव को रोकने की अनुमति देती हैं
इमेजिंग साइंसेज के सियाम जर्नल: घूर्णन उपग्रहों के लिए सहसंबंध आधारित इमेजिंग
बाहर: अंतरिक्ष का मलबा भविष्य के मिशनों के लिए विनाशकारी हो सकता है (और Google धरती देख रहा है…)
लीड छवि:
परीक्षण के तहत तीन एल्गोरिदम में फीड किए गए डेटा के दृश्य चित्रण।
श्रेय: मटन लीबोविच, जॉर्ज पपनिकोलाउ, और क्रिसौला सोग्का