پرواز ماموریت «جغد برای یکی، یکی برای جغد» در ساعت ۱۲:۳۹ بعد از ظهر رخ داد (۱۲ مرداد).
راکت لب (۱۲ مرداد) یک ماهواره رادار رصد زمین با چشم تیزبین را به مدار زمین پرتاب کرد.
یک وسیله نقلیه الکترون در ساعت ۱۲:۳۹ بعد از ظهر از سایت Rocket Lab در نیوزیلند بلند شد. EDT (1639 GMT؛ ۴:۳۹ صبح روز ۱۳ مرداد به وقت نیوزلند). این پرتاب در ابتدا برای سه شنبه (۹ مرداد) مورد هدف قرار گرفت، اما آب و هوای بد آن را چند روز به عقب انداخت.
الکترون یکی از ماهواره های رادار دیافراگم مصنوعی Strix (SAR) شرکت ژاپنی Synspective را به مدار پایین زمین برد. Strix یک جنس گسترده از جغدها است که نامی را که Rocket Lab برای این مأموریت گذاشته است توضیح می دهد: ‘جغد برای یکی، یکی برای جغد’.
راکت لب در شرح ماموریت خود نوشت: صورت فلکی Synspective برای ارائه تصاویری طراحی شده است که می تواند تغییرات سطح زمین را از فضا تشخیص دهد. این صورت فلکی در حال پیشرفت است. از طریق ۱۶ پرتاب الکترون ساخته خواهد شد که پنج مورد از آنها اکنون انجام شده است.
امروز همه چیز طبق برنامه پیش رفت: ماهواره Strix حدود ۵۷ دقیقه پس از بلند شدن در مداری دایره ای در ۳۳۷ مایلی (۵۴۳ کیلومتری) بالای زمین مستقر شد. این نهمین پرتاب راکت لب در سال ۲۰۲۴ و پنجاه و یکمین ماموریت این شرکت به طور کلی بود.
Rocket Lab در تلاش است تا اولین مرحله الکترون ۵۹ فوتی (۱۸ متری) را قابل استفاده مجدد کند. به عنوان مثال، این شرکت در چندین ماموریت قبلی، بوسترها را از اقیانوس بازیابی کرده است و حتی یک موتور را دوباره به جریان انداخته است.
اما ظاهراً چنین فعالیت هایی برای «جغد برای یکی، یکی برای جغد» برنامه ریزی نشده بود. در شرح ماموریت Rocket Lab چیزی در مورد بازیابی تقویت کننده ذکر نشده است و مفسران در جریان پخش اینترنتی امروز در مورد این امکان صحبت نکردند.
![import numpy as np import h5py data='/content/drive/MyDrive/SILIXA_iDAS015_181219184621_fieldID000212.h5' data1=h5py.File(data,'r') print(data1.keys()) display(data1) display(data) raw_data = data1['DasRawData']['RawData'] x_axis = np.arange(raw_data.shape[1]) t_axis = np.arange(raw_data.shape[0]) print(x_axis.shape) print(t_axis.shape) import matplotlib.pyplot as plt import numpy as np ns = 30000 fs = 1000 dx = 1.021 nx = 3136 GL = 10 x = np.arange(nx) * dx def u(x, t): return np.exp(-(x - t)**2) def calculate_result(x): return 1/10 * (u(x - 5, t) - u(x + 5, t)) traces = [] for t in range(0,30000): tr = [calculate_result(x_val) for x_val in x] traces.append(tr) traces_array = np.array(traces) print(f"traces_array : {traces_array.shape}")](https://spacenota.ir/wp-content/uploads/2025/05/big-ring-body-420x280.webp)
