Китайські науковці знайшли революційний метод стеження за есмінцями США по всьому світу

Китайські військові спеціалісти знайшли спосіб ідентифікації та відстеження військових кораблів по всьому світу, використовуючи безплатні супутникові знімки низької якості. Ці знімки можуть мати роздільну здатність у десятки або сотні метрів, що робить їх корисними для спостереження за великими об'єктами, пише SCMP.

Команда під керівництвом Хун Цзюня з Даляньської військово-морської академії змогла виявити американський авіаносець класу «Німіц», крейсер класу «Тікондерога» і есмінець класу «Арлі Берк» за допомогою таких знімків.

Метод китайських вчених базується на аналізі хвиль, які залишають кораблі. Кожен корабель створює унікальні хвильові сліди на поверхні моря, які можна використовувати для його ідентифікації, подібно до відбитків пальців. Для точної ідентифікації конкретних моделей військових кораблів США вони застосували більш чутливі фізичні параметри.Китай створив розлогу мережу супутників спостереження Землі. За даними державних ЗМІ, роздільна здатність китайських супутників може досягати 0,1 метра, що відповідає роздільній здатності американського шпигунського супутника Keyhole. Ці супутники можуть не лише відстежувати військові кораблі, але й спостерігати за високошвидкісними винищувачами-невидимками F-22 через хмари.Для країн або організацій, що не володіють такими можливостями, існують платформи, які надають супутникові знімки в реальному часі безплатно, хоча їх роздільна здатність значно нижча. Наприклад, платформа NASA Worldview пропонує знімки з роздільною здатністю 250 метрів. На цих зображеннях найбільший американський авіаносець класу «Форд» буде займати менше одного пікселя. Однак хвилі, створені кораблем, можуть простягатися на десятки кілометрів.

Китайські вчені описали, як усувати перешкоди й дозволяти комп’ютерам швидко виявляти цілі. Проте, метод може бути неефективним, якщо ціль рухається зі швидкістю понад 20 вузлів (37 км/год). Крім того, сильні вітри та хвилі можуть значно вплинути на результати аналізу. Дослідники підкреслюють, що метод потребує подальшого тестування і доопрацювання на основі великого обсягу реальних даних.