Principe de fonctionnement
Watched.Earth agrège les passages de tous les satellites en orbite basse (LEO) au cours d'une semaine et associe chaque survol à une image disponible. Le service s’appuie sur les deux‑ligne elements (TLE) publiés par le US Space‑Track, qui décrivent l’orbite d’un satellite avec une précision de l’ordre du centimètre. Chaque TLE contient 69 caractères répartis sur deux lignes, incluant l’inclinaison, le nœud ascendant et la période orbitale, typiquement proche de 90 minutes pour les constellations de télédétection.
Sources de données et traitement
Les TLE sont récupérés quotidiennement via l’API publique de Space‑Track, puis convertis en coordonnées géographiques à l’aide du modèle SGP4. Le calcul produit une série de points d’overpass avec une résolution temporelle de 10 secondes, suffisante pour identifier le moment exact où le satellite passe au-dessus d’un point d’intérêt. En parallèle, le moteur interroge les catalogues d’images des fournisseurs (ex. Planet, Maxar, Sentinel‑2) en filtrant par date, zone de couverture et résolution spatiale.
import requests, sgp4
url = "https://www.space-track.org/basicspacedata/query/class/tle_latest/ORDINAL/1/format/tle"
resp = requests.get(url, auth=('user','pass'))
lines = resp.text.split('\n')
# sgp4 propagation
from sgp4.api import Satrec
sat = Satrec.twoline2rv(lines[0], lines[1])
Gestion des images et contraintes
Les images associées proviennent de capteurs optiques (résolution 0,5 m à 5 m) ou radar (SAR, résolution 1 m à 10 m). Chaque produit est stocké dans un bucket cloud (AWS S3) avec un préfixe indiquant le satellite, la date UTC et le centre de l’image (latitude, longitude). Le service impose une limite de bande passante de 100 Mbps pour le téléchargement afin de garantir la disponibilité même en cas de trafic élevé, ce qui implique un temps de latence moyen de 3 s pour les images de 10 Mo.
Limites et perspectives
Le principal frein réside dans la disponibilité des images : toutes les missions ne publient pas leurs données en temps réel, et certaines imposent des restrictions d’accès (ex. données commerciales sous licence). De plus, la précision du calcul d’overpass dépend de la fraîcheur du TLE ; un retard de 24 h peut entraîner une erreur de plusieurs kilomètres, rendant la corrélation image‑position incertaine. À l’avenir, l’intégration de modèles de propagation orbitale plus avancés (ex. DPOD) et le recours à des flux de données en temps réel (CCSDS) pourraient réduire ces écarts et élargir la couverture vers les satellites en orbite moyenne (MEO) et géostationnaire (GEO).
