Quelle: Universität Bayreuth 5. Februar 2024.

5. Februar 2024 – Das Forschungsziel von Dr. Sebastian Wolfschmidt und Christopher Straub ist die Untersuchung der Struktur und des Langzeitverhaltens von Galaxien. „Da diese nicht vollständig durch astronomische Beobachtungen analysiert werden können, nutzen wir mathematische Modelle von Galaxien“, erklärt Christopher Straub, Doktorand am Lehrstuhl Mathematik VI an der Universität Bayreuth. „Um dabei zu berücksichtigen, dass die meisten Galaxien ein schwarzes Loch im Zentrum beinhalten, beruhen unsere Modelle auf Albert Einsteins allgemeiner Relativitätstheorie, welche Gravitation als Krümmung einer vierdimensionalen Raumzeit beschreibt.“

Mathematiker und Astrophysiker erforschen seit Jahrzehnten die Eigenschaften solcher Galaxie-Modelle, wobei viele Fragen noch immer offen sind. Als Hilfsmittel zur Klärung dieser Fragen haben Straub und Wolfschmidt ein tiefes neuronales Netz implementiert, was einen komplett neuartigen Ansatz in diesem Forschungsbereich darstellt. Neuronale Netzwerke sind leistungsstarke Rechenmodelle, deren Struktur von der des menschlichen Gehirns inspiriert ist. Sie werden im Bereich der künstlichen Intelligenz genutzt, um komplexe Strukturen in großen Datenmengen zu erkennen.

„Das neuronale Netz kann vorhersagen, welche Modelle von Galaxien in der Realität existieren können und welche nicht“, sagt Dr. Sebastian Wolfschmidt, Wissenschaftlicher Mitarbeiter am Lehrstuhl Mathematik VI. „Das neuronale Netz liefert dabei eine bedeutend schnellere Vorhersage als die in der Vergangenheit verwendeten numerischen Simulationen. So lassen sich astrophysikalische Hypothesen, die über die vergangenen Jahrzehnte aufgestellt wurden, innerhalb weniger Sekunden verifizieren oder falsifizieren.“

Ihre Erkenntnisse haben Wolfschmidt und Straub nun in der Fachzeitschrift „Classical and Quantum Gravity“ vorgestellt. „Wir befassen uns seit 2019 am Lehrstuhl Mathematik VI in der Arbeitsgruppe Prof. Dr. Gerhard Rein mit diesen Fragestellungen. Nach verschiedensten analytischen und numerischen Untersuchungen haben wir vor ungefähr einem Jahr erkannt, dass der Einsatz von maschinellem Lernen für einige unserer Probleme besonders hilfreich sein kann. Seitdem haben wir das beschriebene tiefe neurale Netz entwickelt, und haben auch bereits Pläne für weitere Einsatzmöglichkeiten ähnlicher Methoden“, sagt Straub.

Die Berechnungen der Bayreuther Mathematiker wurden vom Supercomputer des „Keylab HPC“ an der Universität Bayreuth durchgeführt und das Projekt entwickelte sich aus einer Zusammenarbeit mit dem Lehrstuhl für Angewandte Informatik II – Parallele und verteilte Systeme.

Veröffentlichung:
Straub, C., Wolfschmidt, S., Predicting the stability of star clusters in general relativity, Classical and Quantum Gravity (2024).
doi.org/10.1088/1361-6382/ad228a
https://iopscience.iop.org/article/10.1088/1361-6382/ad228a
pdf: https://iopscience.iop.org/article/10.1088/1361-6382/ad228a/pdf

Diskutieren Sie mit im Raumcon-Forum:

• Galaxien – Entstehung und Entwicklung

Der Beitrag Uni Bayreuth: KI-Nutzung in der Astrophysik erschien zuerst auf Raumfahrer.net.

]]> https://www.raumfahrer.net/jmu-neues-teleskop-fuer-studentisches-satellitenprojekt/ Thu, 25 Jan 2024 18:18:00 +0000 https://www.raumfahrer.net/?p=137170 Eine rund drei Meter hohe Kuppel thront auf dem Dach des Geographiegebäudes am Hubland-Campus. Sie enthält ein Teleskop, mit dem Studierende einen intelligenten Sensor für Satelliten entwickeln. Eine Pressemitteilung der Julius-Maximilians-Universität Würzburg (JMU). Quelle: Julius-Maximilians-Universität Würzburg 25. Januar 2024. 25. Januar 2024 – Ein neues Teleskop ist seit Januar 2024 auf dem Hubland-Campus der Julius-Maximilians-Universität […]

Der Beitrag JMU: Neues Teleskop für studentisches Satellitenprojekt erschien zuerst auf Raumfahrer.net.

]]> Eine rund drei Meter hohe Kuppel thront auf dem Dach des Geographiegebäudes am Hubland-Campus. Sie enthält ein Teleskop, mit dem Studierende einen intelligenten Sensor für Satelliten entwickeln. Eine Pressemitteilung der Julius-Maximilians-Universität Würzburg (JMU).

Quelle: Julius-Maximilians-Universität Würzburg 25. Januar 2024.



25. Januar 2024 – Ein neues Teleskop ist seit Januar 2024 auf dem Hubland-Campus der Julius-Maximilians-Universität (JMU) Würzburg in Betrieb. Ein studentisches Team entwickelt damit KI-Algorithmen für Kleinsatelliten, um Kollisionen mit Weltraumschrott im Orbit effizienter als bislang zu verhindern. Das Fernziel: Die Satelliten sollen mittels einer intelligenten optischen Sensorik drohende Kollisionen selbstständig erkennen und ihnen autonom ausweichen können. Das Bundeswirtschaftsministerium fördert das Projekt namens KI-SENS mit gut 500.000 Euro.

Wodurch sich das neue Teleskop auszeichnet
Das Teleskop steht auf dem Dach des Geographiegebäudes am Hubland-Campus. „Es ist dazu in der Lage, der Flugbahn auch kleinerer Objekte besonders schnell und präzise zu folgen“, erklärt Hakan Kayal, JMU-Professor für Raumfahrttechnik. Darum lasse sich die Kuppel auch komplett öffnen – bei langsameren Teleskopen ist sie immer nur einen Schlitz breit offen und dreht sich komplett mit.



Die Fernsteuerung für das Teleskop befindet sich an zwei Orten auf dem Campus: Zum einen im Missionskontrollzentrum von Hakan Kayals Professur, wo auch weitere Teleskope und Satellitenmissionen gesteuert werden. Zum anderen in den Räumen des studentischen Vereins WüSpace e.V. Darin sind Würzburger Studierende der Luft- und Raumfahrtinformatik organisiert; 20 von ihnen arbeiten am Projekt KI-SENS mit.

Transfer vom Teleskop auf einen Satelliten
Was die Studierenden mit dem neuen Teleskop machen? Sie bringen ihm auf Basis von KI-Algorithmen bei, kleine bewegliche Objekte am Himmel zu erkennen und deren Flugbahn vorauszuberechnen, so dass es die Objekte verfolgen kann. „Wir ziehen dafür eine konventionelle Objektdetektion auf und parallel eine zweite, die auf KI basiert“, erklärt Masterstudent Maximilian Reigl.

Die Algorithmen werden dann auf einen Satellitensensor übertragen. Am Ende soll ein Sensor-Prototyp gebaut sein und in einem Testlabor geprüft werden. Der Plan ist, diese Arbeiten bis Ende 2024 abzuschließen. „Wenn wir beweisen, dass der KI-Sensor mit hoher Wahrscheinlichkeit auch im Orbit funktionieren wird, wäre der nächste Schritt ein echter Weltraumtest“, so der Student der Luft- und Raumfahrtinformatik.

Ausweichmanöver bislang manuell gesteuert
Falls alles klappt, könnte am Ende eine Innovation aus Würzburg stehen, die mehr Sicherheit für Satelliten und die bemannte Raumfahrt bedeutet. Denn das Risiko für Kollisionen mit Weltraumschrott ist hoch und wächst stetig weiter, wie die Europäische Raumfahrtagentur ESA in einem Bericht von 2023 bekräftigt.

„Die USA unterhalten ein großes und dichtes Beobachtungsnetz, mit dem sie täglich mögliche Kollisionen mit Weltraumschrott vorausberechnen und darauf reagieren. Die ESA baut ein solches Netz derzeit auf“, sagt Hakan Kayal. Bislang werden die nötigen Ausweichmanöver manuell von Menschen gesteuert. Im Fall der Internationalen Raumstation ISS sei das mehrmals im Jahr nötig. Die Manöver sind aufwändig, erhöhen den Treibstoffverbrauch und außerdem die Gefahr, beim Verlassen der Flugbahn mit anderen Objekten zusammenzustoßen. Ein intelligenter Sensor, der diese Manöver autonom erledigen kann, wäre ein deutlicher Fortschritt.

Nachwuchs für die Raumfahrttechnik
Das besondere an KI-SENS: Die Arbeiten am Projekt werden von im Verein WüSpace organisierten Studierenden der JMU weitgehend selbstständig vorangetrieben. Unterstützt werden sie dabei von Professor Kayal und Projektleiter Tobias Herbst. Auf diese Weise lernen die Studierenden den Ablauf eines Entwicklungsvorhabens in der Raumfahrt von A bis Z kennen.

Die verstärkte Beteiligung von Studierenden an Kleinsatelliten-Programmen ist dem Bundeswirtschaftsministerium als Geldgeber sehr wichtig, wie Hakan Kayal erklärt: „Es geht darum, im Sinne der Nachwuchsgewinnung die Attraktivität des Fachs weiter zu steigern.“

Fördergeld auch für andere Projekte
Die Deutsche Raumfahrtagentur im Deutschen Zentrum für Luft- und Raumfahrt (DLR) fördert das Vorhaben KI-SENS mit Mitteln des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK; Förderkennzeichen 50RU2227).

KI-SENS ist an Hakan Kayals Professur nicht das einzige vom DLR geförderte Projekt, das mit Hilfe Künstlicher Intelligenz nach mehr Autonomie in der Raumfahrt strebt. Ein weiteres ist die Weltraummission SONATE-2; dieser Kleinsatellit wird voraussichtlich Anfang März 2024 mit einer Rakete von den USA aus in den Orbit geschossen.

Weitere Informationen:
Projektseite KI-SENS: https://www.informatik.uni-wuerzburg.de/raumfahrttechnik/projekte/aktive/ki-sens/
WüSpace e.V.: https://wuespace.de/

Diskutieren Sie mit im Raumcon-Forum:

• Weltraummüll

Der Beitrag JMU: Neues Teleskop für studentisches Satellitenprojekt erschien zuerst auf Raumfahrer.net.

]]> https://www.raumfahrer.net/eth-praezise-schneemessung-dank-ki-und-satelliten/ Fri, 15 Dec 2023 18:50:00 +0000 https://www.raumfahrer.net/?p=134846 So genau und schnell war die Schneemessung noch nie: ETH-​Forschende haben eine künstliche Intelligenz entwickelt, die anhand von Satellitenbildern die Schneehöhe in der ganzen Schweiz bestimmen kann. Eine Pressemitteilung der ETH Zürich. Quelle: ETH Zürich 14. Dezember 2023. 14. Dezember 2023 – Wie viel Schnee liegt wo in den Bergen? Diese Frage ist für den […]

Der Beitrag ETH: Präzise Schneemessung dank KI und Satelliten erschien zuerst auf Raumfahrer.net.

]]> So genau und schnell war die Schneemessung noch nie: ETH-​Forschende haben eine künstliche Intelligenz entwickelt, die anhand von Satellitenbildern die Schneehöhe in der ganzen Schweiz bestimmen kann. Eine Pressemitteilung der ETH Zürich.

Quelle: ETH Zürich 14. Dezember 2023.

14. Dezember 2023 – Wie viel Schnee liegt wo in den Bergen? Diese Frage ist für den Wintertourismus und Betreiber von Wasserkraftwerken gleichermassen relevant wie für Wintersportler:innen, die die Lawinengefahr einschätzen wollen. Doch die Messung der Schneehöhe ist mit einigen Herausforderungen verbunden: Sie kann sich je nach Wetterlage schnell ändern, hängt stark vom Gelände ab und ist auf Luftbildern nicht direkt erkennbar.



Die Schneeüberwachung in der Schweiz stützt sich heute vor allem auf die Daten von Messstationen. Da es für die ganze Schweiz nur rund 400 Stationen gibt, sind die Schneeangaben für viele Orte eher ungenau. Das könnte sich nun ändern: ETH-​Forschende um Konrad Schindler, ETH-​Professor für Photogrammetrie und Fernerkundung, haben zusammen mit der Schweizer Firma ExoLabs, einem Spin-​off der Universität Zürich, eine Technologie entwickelt, die mit Hilfe von Satellitenbildern und künstlicher Intelligenz die Schneehöhe schneller und genauer als bisher ermittelt.

«Während die besten bestehenden Schneekarten der Schweiz eine effektive Auflösung von etwa 250 mal 250 Meter haben, kann man in unsere Karten bis auf 10 mal 10 Meter hineinzoomen, um die Schneehöhe abzulesen», sagt Schindler. Zudem sind regelmässige Aktualisierungen zur Schneehöhe in Zukunft nicht mehr unbedingt auf neue Messdaten am Boden angewiesen. Öffentlich zugängliche Satellitenbilder reichen bei gutem Wetter aus.

Satellitendaten der Europäischen Weltraumorganisation
Schindlers Forschungsgruppe hat viel Erfahrung mit Satellitenbildern: Sie nutzt sie, um die Bevölkerungsdichte in Krisengebieten vorherzusagen, um Kriegsschäden an Gebäuden in der Ukraine zu ermitteln oder um weltweit die Höhe von Wäldern zu vermessen. Doch wie liest eine künstliche Intelligenz die Schneehöhe von Satellitenbildern ab?

Sie braucht dafür zunächst Millionen von Beispielen: Für ihre Technologie verwendeten die Forschenden optische Aufnahmen und Infrarotbilder von Sentinel-​2-Satelliten der Europäischen Weltraumorganisation (ESA). Diese Satelliten nehmen alle fünf Tage jeden Ort der Erde mit einer Auflösung von bis zu 10 mal 10 Metern pro Pixel auf. Das sind die detailliertesten Bilder, die derzeit kostenlos und unbeschränkt zugänglich sind. Dadurch erkennt die KI, wann in der Schweiz wo Schnee liegt und wie sich die Schneegrenze wöchentlich verändert.

Doch das allein reicht nicht: «Von den weissen Flächen in den Satellitenbildern können wir nicht direkt auf die Schneehöhe schliessen. Dafür braucht es noch weitere Daten», sagt ETH-​Professor Schindler.

Lernen durch Vergleich mit Realität
Neben den Satellitenbildern fütterten die Forschenden der KI daher umfassende Geländedaten der Schweiz. Denn an einem steilen Südhang schmilzt bei Sonnenschein mehr Schnee als in einer schattigen Mulde. Detaillierte Geländedaten dieser Art sind in den öffentlichen Daten von Swisstopo sehr gut zugänglich.

Die Forschenden trainierten das KI-​System darauf, die Schneehöhe aus Satelliten-​ und Geländedaten abzuleiten. Dazu liessen sie das System die Schneehöhen schätzen und verglichen die Ergebnisse mit realen Schneemessungen. «Wir haben an jedem Rasterpunkt festgestellt, wie weit die KI mit ihrer Schätzung daneben lag, und das System schrittweise so angepasst, dass die Fehler kleiner wurden», erklärt Schindler. In der Fachsprache heisst diese Methode supervised learning.

In einer ersten Trainingsrunde verwendeten die ETH-​Forschenden die Schneekarten von ExoLabs, die sehr gut mit den Daten der Schneemessstationen in der Schweiz übereinstimmen. Diese Karten basieren neben den Satellitenbildern von Sentinel-​2 auch auf Bildern anderer Satellitenmissionen, die zwar räumlich weniger genau sind, dafür aber tägliche Aufnahmen liefern. Anhand der Schneekarten von ExoLabs prägte sich die KI vor allem die Muster der kleinräumigen Schneeverteilung ein, die über das eher grobmaschige Netz an Messstationen nicht erfasst werden kann.

Finetuning mit Daten aus dem Dischmatal
Das Finetuning der KI erfolgte dann mit sehr detaillierten Schneedaten, die das WSL-​Institut für Schnee-​und Lawinenforschung SLF lediglich im Bündner Dischmatal erhebt. Durch diese Daten lernte die KI, dass sich die Schneehöhe je nach Gelände innerhalb von wenigen Metern ändern kann. Diese räumlichen Zusammenhänge kann sie dann in der ganzen Schweiz anwenden und auch dort die Schneehöhe genau vorhersagen, wo keine detaillierten Messdaten durch Messtationen vorliegen.

Ein weiterer Vorteil der neuen Technologie ist, dass sie den Nutzer:innen auch die Unsicherheit der Schätzung mitliefert. Wenn es zum Beispiel länger bewölkt ist und neue Satellitenbilder keine brauchbaren Informationen liefern, steigt die Unsicherheit der Schätzung.

Neuer Standard für die Schneehöhenmessung
Die ETH-​Forschenden haben die KI-​gestützte Schneemessung bereits während zweier Wintersaisonen erfolgreich getestet. «Wir gehen davon aus, dass wir damit einen neuen Standard für die Schneehöhenmessung in der Schweiz setzen», sagt Schindler.

Um die Vermarktung der Technologie kümmert sich die Schweizer Firma ExoLabs. Das Start-​up bietet hochaufgelöste Schneekarten in verschiedenen Apps an, unter anderem in den Anwendungen von Outdooractive, Strava, Skitourenguru, Hüttenbuch oder über die swisstopo-​App. Geht es nach Reik Leiterer, CEO von ExoLabs, sollen die verbesserten Schneekarten in Zukunft auch für Gebiete ausserhalb der Alpen erhältlich sein, zum Beispiel in Skandinavien, den Pyrenäen, oder für Nord-​ und Südamerika.

Literaturhinweis
Daudt R, Wulf H, Hafner E, Bühler Y, Schindler K, Wegner J: Snow depth estimation at country-​scale with high spatial and temporal resolution, ISPRS Journal of Photogrammetry and Remote Sensing 197 (2023) 105–121
doi: 10.1016/j.isprsjprs.2023.01.017
https://www.sciencedirect.com/science/article/pii/S0924271623000230

Diskutieren Sie mit im Raumcon-Forum:

• Planet Erde

Der Beitrag ETH: Präzise Schneemessung dank KI und Satelliten erschien zuerst auf Raumfahrer.net.

]]> https://www.raumfahrer.net/gfz-kleinsatellit-pretty-erfolgreich-gestartet/ Tue, 05 Dec 2023 21:08:00 +0000 https://www.raumfahrer.net/?p=134618 Vom Raumfahrtzentrum der ESA aus bei Kourou in Französisch-Guyana wurde am 9. Oktober 2023 der Kleinsatellit PRETTY (Passive REflectomeTry and DosimeTrY) mit einer europäischen VEGA-Rakete erfolgreich gestartet. Eine Pressemitteilung des Helmholtz-Zentrum Potsdam – Deutsches GeoForschungsZentrum GFZ. Quelle: GFZ 5. Dezember 2023. 5. Dezember 2023 – Neben zwei größeren Erdbeobachtungssatelliten Theos-2 (Thailand) und Triton (Taiwan) konnten […]

Der Beitrag GFZ: Kleinsatellit PRETTY erfolgreich gestartet erschien zuerst auf Raumfahrer.net.

]]> Vom Raumfahrtzentrum der ESA aus bei Kourou in Französisch-Guyana wurde am 9. Oktober 2023 der Kleinsatellit PRETTY (Passive REflectomeTry and DosimeTrY) mit einer europäischen VEGA-Rakete erfolgreich gestartet. Eine Pressemitteilung des Helmholtz-Zentrum Potsdam – Deutsches GeoForschungsZentrum GFZ.

Quelle: GFZ 5. Dezember 2023.

5. Dezember 2023 – Neben zwei größeren Erdbeobachtungssatelliten Theos-2 (Thailand) und Triton (Taiwan) konnten auch acht zusätzliche Kleinsatelliten, sogenannte CubeSats erfolgreich in eine polare Umlaufbahn in rund 565 Kilometern Höhe über der Erde gebracht werden.



Das GFZ ist dabei an der Kleinsatellitenmission PRETTY (3U-CubeSat) im Rahmen eines ESA-Projektes als Teil des Wissenschaftsteams zusammen mit dem Deutschen Zentrum für Luft- und Raumfahrt DLR, dem spanischen Weltraum­institut IEEC und der Universität NTNU Trondheim beteiligt. PRETTY ist mit einem speziellen GNSS-Reflektometrie-Empfänger ausgestattet, mit dem Höhen von Wasser- und Eisoberflächen bestimmt werden können. Erstmals soll die Qualität derartiger Messungen von sehr kleinen Satellitenplattformen getestet werden, um zukünftige kostengünstige Mehrsatellitensysteme für die Erdbeobachtung zu ermöglichen.

„Der Satellit wird unter anderem Messungen zur GNSS-Reflektometrie durchführen, die uns dann sehr exakt See-, Gletschereis- und Wellenhöhen anzeigen.«, erläutert Prof. Jens Wickert, der am GFZ Hauptverantwortlicher der Mission ist. Zudem werden die Dosimeter an Bord die Strahlendosis im Weltraum messen. Dies wird der Überwachung des Weltraumwetters dienen.

Die Mission PRETTY wird viele neue Erkenntnisse bringen: Als Demonstrator-Mission angelegt, wird sie zeigen, was diese Art von Klein­satelliten samt ihrer kompakten Sensorik potenziell leisten kann. Der Hauptzweck der Reflektometer-Nutzlast an Bord von PRETTY ist der Nachweis technischer Machbarkeit. Denn diese sogenannten CubeSats − nur ca. 10x10x34,05cm große Satelliten − werden als eine wichtige Zukunftsoption der Erdbeobachtung gehandelt, da sie als kostengünstige Kleinsatelliten GNSS-Technik und andere kleine Sensoren zur Erdbeobachtung an Bord haben können.

Zur GNSS-Reflektometrie
Die Abkürzung GNSS steht für Globales NavigationsSatellitenSystem. Der Begriff GNSS-Reflektometrie (GNSS-R) fasst verschiedene Fernerkundungsmethoden zusammen, bei denen von Wasser-, Eis- oder Landoberflächen reflektierte Signale von Navigationssatelliten aufgezeichnet und ausgewertet werden. Daraus lassen sich wichtige geophysikalische Eigenschaften dieser Oberflächen ableiten, so zum Beispiel die geometrische Höhe, Bodenfeuchte oder auch Rauigkeit, die wiederum Rückschlüsse auf die Windgeschwindigkeit und -richtung über Wasseroberflächen zulässt. Das Spektrum der Anwendungen ist sehr vielfältig und reicht von der Wettervorhersage bis hin zur Klimaforschung.

Auswertung der Daten auch mit Künstlicher Intelligenz (KI)
Die technischen Teilsysteme des Satelliten werden derzeit ausgiebig getestet, wozu die ersten Daten genutzt werden, die von PRETTY empfangen wurden. Die wissenschaftlichen GNSS-Reflektometriemessungen sind in Vorbereitung, erste Experimente werden gegen Ende des Jahres durchgeführt.

Die Auswertung der Daten von Kleinsatelliten ist eine große Herausforderung, da diese Plattformen über begrenzte technische Möglichkeiten im Vergleich zu größeren Satelliten verfügen. Trotzdem sollen geophysikalische Beobachtungen von möglichst hoher Qualität durchgeführt werden. Um die Daten optimal auszuwerten, werden auch Methoden der künstlichen Intelligenz eingesetzt. Dr. Milad Asgarimehr vom GFZ und der TU Berlin ist Teil des PRETTY-Teams und mitverantwortlich für die Entwicklung von KI-Systemen zur Datenauswertung. Er ist auch Leiter des Helmholtz-KI-Projekts „AI4GNSS-R“ zur Entwicklung von neuen AI-Methoden für die GNSS basierte Erdbeobachtung mit der GNSS-Reflektometriemethode und nutzt dabei auch Daten anderer Satelliten, wie denen der U.S. amerikanischen CYGNSS-Mehrsatellitenmission.

AI4GNSS-R zielt auf die Umsetzung von Deep Learning für neuartige Fern­erkundungsdatenprodukte, die auf weltraumgestützten GNSS-R-Messungen basieren. Dazu gehören beispielsweise qualitativ hochwertige Daten zur Windgeschwindigkeit an der Meeresoberfläche, insbesondere bei extremen Windverhältnissen, wie sie bei Hurrikanen herrschen, und auch Niederschlägen über ruhigeren Ozeanen, die ebenfalls mit GNSS-Signalen gemessen werden können.

Weitere technische Details:

• Flug: Flight VV23 – 8 October – Golden Horizon | THEOS-2 & FORMOSAT-7R/TRITON | Vega Launch | Arianespace; Live-Stream vom Start am 9. Oktober 2023 https://www.youtube.com/watch?v=XknbyH6ipxc
• Größe: Der Kleinsatellit PRETTY ist 10 cm × 10 cm × 34,05 cm groß.
   
• Energieversorgung: Die ausklappbaren Solarpanele haben eine Fläche von jeweils 30×20 Zentimetern und versorgen den Satelliten mit einer Leistung von durchschnittlich 24 Watt.
   
• Masse und Umlaufbahn: 4,6 Kilogramm, polare Umlaufbahn mit 565 Kilometer Höhe.
   
• Datenrate: PRETTY kommuniziert mit Datenraten bis 2 Mbit/s; der Betrieb des Satelliten wird mit einer Bodenstation der TU Graz durchgeführt.
   
• Entwickelt wurde PRETTY wird von Beyond Gravity Austria (Konzept und Software System) in Kooperation mit der ESA, Seibersdorf Laboratories (Dosimeter) und der TU Graz (Satellitenbus). GFZ ist Teil eines internationalen wissenschaftlichen Konsortiums (PRETTY-Science) zur Auswertung der GNSS-Reflektometriedaten und vertraglich in das Projekt eingebunden.
   
• Dauer: Die Mission ist auf mindestens ein Jahr ausgelegt. PRETTY wird nach Missionsende auf natürliche Weise wieder in die Erdatmosphäre eindringen und verglühen. Analysen zeigen, dass dies nach spätestens 25 Jahren eintreten wird. Der Satellit entspricht den ESA- und UN-Richtlinien zur Minimierung von Weltraumschrott.

Diskutieren Sie mit im Raumcon-Forum:

• Triton + weitere Sats auf Vega (VV23)

Der Beitrag GFZ: Kleinsatellit PRETTY erfolgreich gestartet erschien zuerst auf Raumfahrer.net.

]]>