Data-driven approach to estimate two-line element publication

The rapid increase in satellite launches, together with fragmentation events, has crowded Earth’s orbital environment, especially low Earth orbit, raising the frequency of close approaches and the risk of collisions. Effective space surveillance and tracking depends on timely ephemerides, yet public situational awareness relies mainly on the Space-Track website (space-track.org), which publishes Two-Line Elements on an irregular schedule. A spacecraft may receive several updates in a single day or none for days. This unpredictability creates operational latency precisely when fresh data are needed for tracking, conjunction screening, and maneuver planning. To address this need, this thesis introduces SCOPE (Sensor and Coverage Optimization for Predicting Ephemerides), a data driven framework that forecasts future Two-Line Element updates by learning from historical detection patterns. SCOPE analyzes when and where satellites were previously observed, infers the most likely ground sensors, maps temporal visibility windows and spatial footprints, and combines these with the current orbital state to predict upcoming observation opportunities and likely TLE release windows. At a high level, SCOPE parses long term TLE archives, propagates them with SGP4 to geodetic states, attributes ground detections to specific sites using clustering with curated geographic sectors, and constructs sensor aware spatial and temporal windows in the hour of day versus day of year plane for forecasting. Results and validation proceed in three tiers. SCOPE first generates a LEO detection datasheet that consolidates detection history and station contributions. Next, satellite case studies compare predicted TLE epochs with Space-Track times for individual objects. Finally, a population level study applies SCOPE to thousands of satellites over a one month interval and measures agreement with the TLE record.

Il rapido aumento dei lanci satellitari, insieme agli eventi di frammentazione, ha reso sempre più congestionato l’ambiente orbitale terrestre, in particolare l’orbita bassa (LEO), aumentando la frequenza dei close approaches e il rischio di collisioni. Un’efficace attività di sorveglianza e tracciamento spaziale dipende da effemeridi tempestive; tuttavia, la consapevolezza situazionale pubblica si basa principalmente sul sito Space-Track (space-track.org), che pubblica i Two-Line Elements (TLE) con cadenza irregolare. Un satellite può ricevere diversi aggiornamenti nello stesso giorno oppure nessuno per più giorni. Questa imprevedibilità genera una latenza operativa proprio quando servono dati aggiornati per il tracciamento, la valutazione delle congiunzioni e la pianificazione delle manovre. Per affrontare questa esigenza, la tesi introduce SCOPE (Sensor and Coverage Optimization for Predicting Ephemerides), un framework basato sui dati che prevede i futuri aggiornamenti TLE a partire dai pattern storici di rilevamento. SCOPE analizza quando e dove i satelliti sono stati osservati, identifica i sensori di terra più probabili, mappa finestre di visibilità temporali e impronte spaziali, e combina tali informazioni con lo stato orbitale corrente per stimare le opportunità di osservazione e gli intervalli di rilascio dei TLE. A livello generale, SCOPE elabora archivi TLE di lungo periodo, li propaga con l’algoritmo SGP4 per ottenere stati geodetici, attribuisce le osservazioni a specifiche stazioni tramite clustering con settori geografici curati e costruisce finestre spaziali e temporali nel piano “ora del giorno”–“giorno dell’anno” per la previsione. La validazione si articola in tre fasi: innanzitutto SCOPE genera un datasheet LEO che consolida la storia delle osservazioni e i contributi delle stazioni; successivamente, casi di studio a livello di singolo satellite confrontano gli epoch TLE previsti con i tempi pubblicati da Space-Track; infine, un’analisi a livello di popolazione applica SCOPE a migliaia di satelliti su un intervallo di un mese, valutando la corrispondenza con i dati reali.