面向动态现象新型测量的实时仪器规划与感知

载荷计算技术的进步使得遥感代理能够在边缘部署最新的计算机视觉和机器学习技术。这些能力可以利用以释放对动态科学现象的稀有、瞬态和精确定位测量。本文提出了一种自动化工作流程，将对前瞻卫星影像中这些动态事件的检测与后续高分辨率传感器的自主轨道规划相结合，以获取精确定位测量。我们将此工作流程应用于观测火山烟雾的用例。我们分析了包括传统机器学习算法和卷积神经网络在内的分类方法。我们提出了几种跟踪烟 plume 形态特征的轨道规划算法，并将这些算法与分类器集成。通过仿真实验，我们表明相较于基线方法，高分辨率仪器的效用收益提高了一个数量级，同时保持高效的运行时性能。