شبکه های لرزه ای برای ردیابی بازگشت زباله های فضایی

پژوهشگران کشف کرده‌اند که شبکه‌های لرزه‌ای زمینی—که معمولاً برای شنیدن زلزله‌ها به‌کار می‌روند—می‌توانند نشانهٔ صوتی زباله‌های فضایی کنترل‌نشده را هنگام عبور از جو نیز ثبت کنند. با تحلیل این سیگنال‌های آکوستیکی، دانشمندان می‌توانند سرعت، ارتفاع، نحوهٔ تجزیه و ناحیهٔ احتمالی سقوط اجسام وارد‌شونده به جو را بازسازی کنند و بدین‌ ترتیب ابزاری جدید برای آگاهی وضعیتی فضایی (space situational awareness) فراهم آورند.

عکس یک ناظر از بازورود Shenzhou-15 که از ونچورا در ایالات متحده گرفته شده است.

چگونه شبکه‌های لرزه‌ای سقوط Shenzhou‑15 را ثبت کردند

در 2 آوریل 2024 ماژول مداری کنارگذاشته‌شدهٔ Shenzhou‑15 بر فراز جنوب کالیفرنیا دوباره وارد جو شد. این ماژول تقریباً 2.2 متر عرض و حدود 1.5 تُن جرم داشت؛ اندازه‌ای که آن را برای هواپیماها و احتمالاً افراد یا زیرساخت‌های زمینی خطرناک می‌کرد و آن را به یک مورد مطالعهٔ مناسب برای روش‌های ردیابی جایگزین تبدیل نمود.

دانشمند سیاره‌ای بنجامین فرناندو (دانشگاه جانز هاپکینز) و مهندس کنستانتینوس چارالامبوس (امپریال کالج لندن) یک فرضیه را آزمایش کردند: ایستگاه‌های لرزه‌ای می‌توانند مخروط آکوستیکی «ماخ» تولیدشده توسط اجسامی که سریع‌تر از صوت حرکت می‌کنند را ضبط نمایند. آن‌ها به سوابق عمومی شبکهٔ لرزه‌ای جنوب کالیفرنیا و شبکهٔ لرزه‌ای نوادا دسترسی یافتند و سیگنال‌های سیزموآکوستیک را یافتند که با بستر صوتی مورد انتظار ماژول مطابقت داشت.

تصویرسازی از بستر صوتی (شوک صوتی) جسم در حال سقوط.

وقتی یک جسم با سرعت مافوق صوت یا فرو-مافوق صوت وارد جو می‌شود، به‌جای یک «بوم» منفرد، مخروط گسترده‌ای از موج‌های فشاری متراکم تولید می‌کند. ابزارهای زمینی حساس به جفت‌شدن هوا-به-زمین—در این مورد لرزه‌نگارها—می‌توانند ضربهٔ فشار را در محل تقاطع مخروط با سطح زمین تشخیص دهند. با زمان‌بندی این ورودها در چند ایستگاه، گروه توانست مسیر دقیق نزول ماژول را بازسازی کند.

طبق تحلیل لرزه‌ای، Shenzhou‑15 هنگام بازورود در حدود ماخ 25–30 حرکت می‌کرد که با سرعت مدار قبل از ورودِ آن یعنی تقریباً 7.8 کیلومتر بر ثانیه (~4.8 مایل بر ثانیه) همخوانی دارد. در ابتدای سقوط، رکورد لرزه‌ای یک شوک بزرگ منفرد را نشان داد؛ در ادامه سیگنال به مجموعه‌ای از بوم‌های کوچکتر تبدیل شد. این الگو با گزارش چشم‌دیدگان و تلِمتری که نشان‌دهندهٔ تکه‌تکه شدن ماژول هنگام گرم شدن و فروپاشی بود، سازگار است.

یک انیمیشن که نشان می‌دهد چگونه موج‌های شوک در بازهٔ زمانی مختلف در مکان‌های گوناگون ثبت شدند.

چرا ردیابی سیزموآکوستیک اهمیت دارد

مطلب مرتبط

ادامه مطلب

تأخیر بازگشت شِنژو-۲۰ پس از برخورد با زباله فضایی در مدار

سه فضانورد چینی برنامه بازگشت خود به زمین را پس از آن به تعویق انداختند که...

زبالهٔ فضایی مسئله‌ای رو به رشد است. آژانس فضایی اروپا در آوریل 2025 برآورد کرد که حدود 1.2 میلیون شیء بزرگ‌تر از حدی که بتواند خسارت ایجاد کند، اکنون در مدار زمین فهرست شده‌اند، و این تعداد با پایان عمر ماهواره‌های بیشتر افزایش خواهد یافت. بازورودهای کنترل‌نشده به‌ویژه چالش‌برانگیزند: یک فضاپیما که از کار افتاده را نمی‌توان هدایت یا فرمان داد و نزول نهایی آن ممکن است به‌طور غیرقابل‌پیش‌بینی رخ دهد.

شبکه‌های لرزه‌ای گسترده‌اند، به‌طور پیوسته ثبت می‌کنند و غالباً به‌صورت عمومی در دسترس‌اند. استفاده از آن‌ها برای تشخیص مخروط ماخ یک جسم بازوارد شونده چند مزیت ارائه می‌دهد: زمان‌بندی دقیق رویدادهای تکه‌تکه شدن، اندازه‌گیری زاویهٔ نزول و بازه‌های ارتفاعی، و تخمین‌های اصلاح‌شدهٔ سرعت. این اطلاعات مدل‌های پیش‌بینی محل فرود یا پراکندگی قطعات بازمانده—یا ذرات آئروسل‌شده—را بهبود می‌بخشد و به برنامه‌ریزان اضطراری و مقامات هوانوردی کمک می‌کند سریع‌تر و با دقت بیشتر واکنش نشان دهند.

محققان اشاره می‌کنند که برای قطعات بسیار بزرگ که به زمین می‌رسند، برخورد پیش از ثبت بوم‌های صوتی مرتبط در ایستگاه‌های دوردست رخ خواهد داد. با این حال، آشکارسازی‌های سیزموآکوستیک می‌توانند نواحی جستجو را سریع‌تر و با دقت بیشتری محدود کنند و قابلیت مکملی در کنار رادار، ردیابی اپتیکی و مدل‌های بازورود فراهم سازند.

پیامدهای علمی و عملیاتی

فراتر از کاهش فوری خطر، این روش داده‌هایی دربارهٔ دینامیک تکه‌تکه شدن فراهم می‌آورد—چگونگی شکست اجسام تحت تنش‌های آیرودینامیکی و حرارتی شدید. این دانش به بهبود شبیه‌سازی‌های بازورود، ارزیابی‌های بهتر ریسک برای مناطق مسکونی زیر مسیرهای معمول فرسایش مداری و برنامه‌های مؤثرتر برای دفع فضاپیماهای پایان‌عمر کمک می‌کند.

آشکارسازی ذرات آئروسل‌رایز با اندازهٔ بسیار کوچک که هنگام تجزیه رها می‌شوند نیز یک مزیت بالقوه است. این ذرات ریز بسته به ترکیب و ارتفاع رهاسازی می‌توانند پیامدهای محلی زیست‌محیطی یا بهداشتی داشته باشند؛ ترکیب تشخیص‌های سیزموآکوستیک با مدل‌های پراکنش جوی می‌تواند نواحی در معرض احتمال تماس را نقشه‌برداری کند.

کار فرناندو و چارالامبوس نشان می‌دهد که زیرساخت‌های موجود—آرایه‌های لرزه‌ای که در اصل برای زمین‌شناسی و مانیتورینگ زلزله نصب شده‌اند—با تحلیل اضافی نسبتاً کم می‌توانند برای آگاهی وضعیتی فضایی مورد استفادهٔ مجدد قرار گیرند. این استفادهٔ مجدد به‌ویژه برای رصد جهانی و کم‌هزینهٔ بازورودهای کنترل‌نشده که پوشش سنتی نظارت فضایی ممکن است در آن‌ها محدود باشد، ارزشمند است.

دیدگاه کارشناسی

«این تکنیک جایگزین رادار یا ردیابی اپتیکی نمی‌شود، اما جریان دادهٔ قدرتمند و مستقلی فراهم می‌آورد،» دکتر الیزا مورنو، اخترفیزیک‌دان و متخصص بازورود (نمونهٔ فرضی) می‌گوید. «شبکه‌های لرزه‌ای می‌توانند شکاف‌ها را پر کنند، زمان‌بندی تکه‌تکه شدن را تأیید کنند و در شرایطی که پنجرهٔ بازورود نامشخص است، به مکان‌یابی میدان‌های احتمالی پسماند کمک کنند. برای کشورهایی که امکانات رصد فضایی فشرده‌ای ندارند، روش‌های سیزموآکوستیک می‌تواند تحول‌آفرین باشد.»

تحلیلگران هشدار می‌دهند که آشکارسازی سیزموآکوستیک برای قطعات نسبتاً بزرگ و متراکم که امضای فشاری روشنی تولید می‌کنند، بهترین عملکرد را دارد. قطعات کوچکتر ممکن است سیگنال‌هایی زیر سطح نویز تولید کنند و جفت‌شدن بین فشار هوا و حرکت زمین به زمین‌شناسی محلی و حساسیت ایستگاه بستگی دارد. با این وجود، همان‌طور که مورد Shenzhou‑15 نشان می‌دهد، این روش می‌تواند نتایج کمی ارائه دهد—شامل برآورد سرعت، بازه‌های ارتفاع و زمان‌بندی تکه‌تکه شدن—که با پیش‌بینی‌های مداری همسو هستند.

نتیجه‌گیری

بازورودهای کنترل‌نشده تا زمانی که زباله در فضای نزدیک زمین وجود دارد ادامه خواهند داشت، اما مجموعهٔ ابزار برای پایش آن‌ها در حال گسترش است. با گوش دادن به بسترهای صوتی با استفاده از آرایه‌های لرزه‌ای، پژوهشگران می‌توانند جزئیات جدید و کاربردی دربارهٔ چگونگی گسست اجسام و محل احتمالی سقوط قطعات استخراج کنند. این ترکیب ژئوفیزیک و علم فضایی یک قابلیت کم‌هزینه و به‌طور گسترده در دسترس برای ردیابی زبالهٔ فضایی و کاهش عدم قطعیت بازورود فراهم می‌آورد.

مطلب مرتبط

ادامه مطلب

آگاهی در عصر هوش مصنوعی: تست ها، نظریه ها و پیامدها

با تسریع پیشرفت‌های هوش مصنوعی و عصب‌فناوری، دانشمندان هشدار می‌دهند که فاصلهٔ بین ساخت سیستم‌های هوشمند...