Python依据卫星TLE轨道根数，计算可见时间窗口

鼠鼠今天看论文了嘛

已于 2025-04-28 20:13:53 修改

阅读量854

点赞数 10

分类专栏：卫星知识学习文章标签： python 经验分享

于 2025-04-28 20:05:42 首次发布

本文链接：https://blog.csdn.net/qq_41650543/article/details/144809862

版权

卫星知识学习专栏收录该内容

4 篇文章

订阅专栏

1.卫星TLE数据

概括：两行字符串表示的卫星参数

字段	字符串位置（以0为起点）	描述内容	注释
1	01–01	卫星编号
2	03-07	卫星类别	卫星类别（U表示不保密，可供公众使用的；C 表示保密，仅限NORAD使用；S表示保密的，仅限NORAD使用）
3	08-08	发射年份后两位	98
4	10-11	当年发射顺序	067表示卫星1998年第67次发射
5	12-14	发射卫星个数	A表示是第一个，如果一次发射多颗卫星，使用26个英文字母排序；如果超过了26个编号，则使用两位字母，如AA、AB、AC编号
6	15-17	TLE历时	年份后两位
7	19-20	TLE历时	用十进制小数表示一年中的第几日和日中的小数部分
8	21-32	平均运动的一阶时间导数	用来计算每一天平均运动的变化带来的轨道漂移，提供给轨道计算软件预测卫星的位置。两行式轨道数据使用这个数据校准卫星的位置
9	34-43
10	45-52	平均运动的二阶时间导数	用来计算每一天平均运动的变化带来的轨道漂移，提供给轨道计算软件预测卫星的位置
11	54-61	BSTAR拖调制系数
12	63-63	1或0	美国空军空间指挥中心内部使用的为1；美国空军空间指挥中心以外公开使用标识为0
13	65-68	星历编号	TLE数据按新发现卫星的先后顺序的编号
14	69-69	校验和，指这一行的所有非数字字符，按照“字母、空格、句点、正号= 0；负号=1”的规则换算成0和1后，将这一行中原来的全部数字加起来，以10为模计算后所得的和。	校验和可以检查出90%的数据存储或传送错误。按十进制加起来的个位数字的校验和，用于精确纠正误差。

第二行

字段	字符串位置（以0为起点）	描述内容	注释
1	01–01	行号
2	03-07	卫星编号
3	09–16	轨道的交角是指天体的轨道面和地球赤道面之间的夹度，用0～90°来表示顺行轨道	用90～180°表示逆行轨道（从地球北极上空看是顺时针运行 51.6416
4	18–25	升交点赤经，升交点赤经是指卫星由南到北穿过地球赤道平面时，与地球赤道平面的交点	升交点赤经是指卫星由南到北穿过地球赤道平面时，与地球赤道平面的交点
5	27–33	轨道偏心率	指卫星椭圆轨道的中心点到地球的球心点的距离（c）除以卫星轨道半长轴(a)得到的一个0（圆型）到1（抛物线）之间的小数值
6	35–42	近地点幅角
7	44–51	平近点角
8	53–63	每天环绕地球的圈数
9	64–68	发射以来飞行的圈数
10	69–69	校验和

2.依据TLE数据生成可见窗口

（1）准备TLE数据的txt

CelesTrak

链接：CelesTrak: Search Satellite Catalog

其他的卫星信息网站：

（2）准备经纬度数据

lat	lon	id
43.507804	-124.1	0
44.440934	-124.05	1
48.342292	-123.016667	2

（3）安装Skyfield库

pip install skyfield

Skyfield中文手册（部分内容） - 知乎

skyfield · PyPI

安装好后运行

import pandas as pd
from skyfield.api import Topos, load, EarthSatellite, utc
from datetime import datetime

# 从TLE文件加载卫星数据
def load_tle_from_file(satname, tle_file_path):
    """
    从TLE文件中加载卫星轨道数据。

    参数:
        satname (str): 卫星名称
        tle_file_path (str): TLE文件路径

    返回:
        EarthSatellite: Skyfield的EarthSatellite对象
    """
    with open(tle_file_path, 'r') as file:
        lines = file.readlines()
    tle_line1 = lines[0].strip()
    tle_line2 = lines[1].strip()
    satellite = EarthSatellite(tle_line1, tle_line2, satname, load.timescale())
    return satellite

# 加载目标点数据
def load_target_points(csv_path):
    """
    从CSV文件中加载目标点数据。

    参数:
        csv_path (str): CSV文件路径

    返回:
        DataFrame: 包含目标点信息的Pandas DataFrame
    """
    return pd.read_csv(csv_path)

# 计算卫星的可见窗口
def compute_visibility(satellite, target_lat, target_lon, start_time, end_time):
    """
    计算卫星对指定目标点的可见窗口。

    参数:
        satellite (EarthSatellite): Skyfield的EarthSatellite对象
        target_lat (float): 目标点的纬度
        target_lon (float): 目标点的经度
        start_time (datetime): 可见窗口计算起始时间（UTC）
        end_time (datetime): 可见窗口计算结束时间（UTC）

    返回:
        list: 包含可见窗口起止时间的列表
    """
    ts = load.timescale()
    observer_location = Topos(latitude_degrees=target_lat, longitude_degrees=target_lon)
    t0 = ts.utc(start_time)
    t1 = ts.utc(end_time)
    times, events = satellite.find_events(observer_location, t0, t1, altitude_degrees=0)
    
    visibility_windows = []
    for time, event in zip(times, events):
        if event == 0:  # 卫星升轨
            start_time = time.utc_datetime()
        elif event == 2:  # 卫星降轨
            end_time = time.utc_datetime()
            visibility_windows.append((start_time, end_time))
    
    return visibility_windows

# 整合所有目标点计算可见窗口并生成结果表格
def generate_visibility_table(satellite, target_points, start_time, end_time):
    """
    为所有目标点计算可见窗口，并生成结果表格。

    参数:
        satellite (EarthSatellite): Skyfield的EarthSatellite对象
        target_points (DataFrame): 包含目标点信息的Pandas DataFrame
        start_time (datetime): 可见窗口计算起始时间（UTC）
        end_time (datetime): 可见窗口计算结束时间（UTC）

    返回:
        DataFrame: 包含可见窗口信息的Pandas DataFrame
    """
    results = []
    window_id = 0  # 可见窗口编号
    for _, row in target_points.iterrows():
        target_lat = row['lat']
        target_lon = row['lon']
        landid = row['landid']
        visibility_windows = compute_visibility(satellite, target_lat, target_lon, start_time, end_time)
        
        for start, end in visibility_windows:
            window_duration = (end - start).total_seconds()  # 计算窗口时长（秒）
            results.append({
                'sat': 0,  # 假设卫星编号为0
                'id': id,  # 使用landid作为目标点的ID
                'satname': satellite.name,
                'winid': window_id,
                'dtime': int(window_duration),  # 窗口时长（秒）
                'starttime': int((start - datetime(2024, 8, 1, 0, 0, 0, tzinfo=utc)).total_seconds()),  # 相对起始秒数
                'endtime': int((end - datetime(2024, 8, 1, 0, 0, 0, tzinfo=utc)).total_seconds()),  # 相对起始秒数
                'lat': target_lat,
                'lon': target_lon,
            })
            window_id += 1
    
    return pd.DataFrame(results)

# 主程序
if __name__ == "__main__":
    # 设置时间范围（UTC）
    start_time = datetime(2024, 8, 1, 0, 0, 0, tzinfo=utc)
    end_time = datetime(2024, 8, 2, 0, 0, 0, tzinfo=utc)

    # 卫星名称列表
    satname = "satllite1"
        # TLE文件路径
    tle_file_path = f"{satname}TLE.txt"
    satellite = load_tle_from_file(satname, tle_file_path)

    # 加载目标点数据（格式为记录经纬度的csv）
    csv_path = "test.csv"
    target_points = load_target_points(csv_path)

    # 计算可见窗口
    visibility_table = generate_visibility_table(satellite, target_points, start_time, end_time)

    # 保存结果为CSV文件
    output_path = f"{satname}_window.csv"
    visibility_table.to_csv(output_path, index=False)
    print(f"可见窗口表已生成并保存为 {output_path}")