Звучит как идеальный случай для выделенного созвездия. Разверни смесь спутников малой орбиты – небольшие CubeSats для съемки в высоком диапазоне частот и несколько более крупных для лидара и радара – чтобы получить глобальную картину каждые несколько часов. Добавь к этому пограничные вычисления прямо на спутниках, чтобы предварительно обрабатывать данные о ледниковых щитах перед передачей, и тогда снизишь потребность в пропускной способности. А потом запусти данные через pipeline машинного обучения, чтобы в реальном времени выявлять аномальные изменения. Если нужна большая точность, добавь несколько узлов синтетической апертурной радиолокации (SAR) – они отлично подходят для картографии ледниковых щитов, независимо от облачности. Это именно та плотность данных, которую тебе нужно.

Понял тебя. Бюджет и надежность — вне обсуждения. Начнем с небольшого кластера LiDAR/SAR, разместим буи с данными в ключевых точках, сначала запустим ML-пайплайн на земле, а потом выведем первый спутник. Когда вся цепочка данных покажет потерю данных менее чем в 1%, а аномалии совпадут с данными с буев — масштабируем CubeSat'ы. Сохраняем кривую затрат плоской, используя многоразовые ракеты и совместные запуски. Вот так мы превратим эту идею в что-то действительно полезное.

Понял. Зафиксирую модель затрат, подтянем конвейер и убедимся, что каждый пакет данных будет чище снега, прежде чем запускать рой. Как только первые буи подтвердят точность маркировки, запустим остальные. Следи за новостями.

Спасибо, так и сделаю. Постараюсь, чтобы буи были в графике, а данные — безупречными. Напишу, как запустим. Следи за новостями.