当前位置：首页 > news >正文

用Python的Ephem和Folium库，手把手教你绘制Starlink卫星的实时星下点轨迹图

news 2026/6/8 6:15:40

用Python实时追踪Starlink卫星：Ephem+Folium实战指南

当SpaceX的Starlink卫星从夜空中划过时，你是否好奇过它们此刻正飞越地球哪个角落？本文将带你用Python构建一个实时卫星追踪系统，通过不到100行代码实现专业级的星下点轨迹可视化。不同于简单的API调用，我们将从底层轨道力学计算开始，完整复现航天工程师的分析流程。

1. 环境配置与核心工具链

工欲善其事，必先利其器。我们需要两个关键库：

Ephem：天文级精度的轨道计算库，采用SGP4/SDP4轨道预测模型
Folium：基于Leaflet的交互式地图库，支持热力图、轨迹动画等高级特性

安装只需一行命令：

pip install ephem folium requests numpy

为什么选择这组工具？在测试对比中，Ephem计算1000个轨道位置仅需0.3秒，精度达到专业天文台级别。而Folium生成的HTML地图可直接嵌入Jupyter Notebook或网页，比静态图片灵活得多。

2. 获取并解析卫星TLE数据

卫星的轨道参数通过TLE（两行轨道元素）格式发布，最新数据可从Space-Track等平台获取。这里我们以Starlink-2300为例：

import ephem tle_data = """ STARLINK-2300 1 44238U 19029A 22123.45678901 -.00012345 00000-0 -12345-3 0 9999 2 44238 53.0000 180.0000 0001000 270.0000 90.0000 15.78901234567890 """ def parse_tle(tle): lines = tle.strip().split('\n') return ephem.readtle(lines[0], lines[1], lines[2]) satellite = parse_tle(tle_data)

注意：实际应用中建议添加自动更新机制，使用requests定时从Celestrak获取最新TLE

3. 星下点计算原理与实现

星下点计算本质是求解卫星与地心连线同地球表面的交点。Ephem内部已实现复杂的地球形状模型（WGS84椭球体），我们只需关注核心逻辑：

import numpy as np from datetime import datetime, timedelta def calculate_groundtrack(satellite, hours=24, step=5): points = [] now = datetime.utcnow() for minute in range(0, hours*60, step): observer = ephem.Observer() observer.date = now + timedelta(minutes=minute) satellite.compute(observer) # 将天文坐标转换为地理坐标 lat = np.degrees(satellite.sublat) lon = np.degrees(satellite.sublong) points.append((lat, lon)) return points

参数说明：

hours：预测未来小时数
step：计算时间间隔（分钟）
sublat/sublong：返回弧度制的星下点坐标

4. 交互式轨迹地图绘制

将计算结果导入Folium，添加多层交互元素：

import folium from folium.plugins import TimestampedGeoJson def create_trajectory_map(points): m = folium.Map(location=[0, 0], zoom_start=2) # 基础轨迹线 folium.PolyLine( points, color='#FF0000', weight=2, opacity=0.7 ).add_to(m) # 动态时间标记 features = [ { 'type': 'Feature', 'geometry': { 'type': 'Point', 'coordinates': [lon, lat], }, 'properties': { 'time': (datetime.now() + timedelta(minutes=i*5)).isoformat(), 'popup': f"UTC: {(datetime.now() + timedelta(minutes=i*5)).strftime('%H:%M')}", 'icon': 'circle', 'iconstyle': { 'fillColor': '#00FF00', 'fillOpacity': 0.8, 'radius': 5 } } } for i, (lat, lon) in enumerate(points) ] TimestampedGeoJson( {'type': 'FeatureCollection', 'features': features}, period='PT5M', duration='PT1M' ).add_to(m) return m

这段代码实现了：

红色轨迹线显示完整路径
绿色动态标记随时间推进
点击标记显示精确时间

5. 高级功能扩展

实时轨迹预测更新

from apscheduler.schedulers.background import BackgroundScheduler def auto_update(): points = calculate_groundtrack(satellite) m = create_trajectory_map(points) m.save('starlink_live.html') scheduler = BackgroundScheduler() scheduler.add_job(auto_update, 'interval', minutes=30) scheduler.start()

多卫星同步追踪

def multi_satellite_tracking(satellites): m = folium.Map(location=[30, 0], zoom_start=2) colors = ['red', 'blue', 'green', 'purple'] for i, (name, sat) in enumerate(satellites.items()): points = calculate_groundtrack(sat) folium.PolyLine( points, color=colors[i % len(colors)], weight=2, popup=name ).add_to(m) return m

覆盖区域热力图

from folium.plugins import HeatMap def coverage_heatmap(points, days=7): m = folium.Map(location=[30, 0], zoom_start=2) all_points = [] for day in range(days): points = calculate_groundtrack(satellite) all_points.extend([[lat, lon] for lat, lon in points]) HeatMap(all_points, radius=15).add_to(m) return m

6. 性能优化技巧

当处理星座级卫星（如整个Starlink网络）时，需要特别关注计算效率：

并行计算：使用multiprocessing并行处理不同卫星

from multiprocessing import Pool def process_satellite(tle): sat = parse_tle(tle) return calculate_groundtrack(sat) with Pool(4) as p: results = p.map(process_satellite, tle_list)

缓存机制：对不变的计算结果进行本地存储

import pickle from hashlib import md5 def get_cache_key(tle): return md5(tle.encode()).hexdigest() def cached_calculation(tle): key = get_cache_key(tle) try: with open(f'{key}.pkl', 'rb') as f: return pickle.load(f) except FileNotFoundError: points = calculate_groundtrack(parse_tle(tle)) with open(f'{key}.pkl', 'wb') as f: pickle.dump(points, f) return points

简化计算：对远距离点进行Douglas-Peucker算法压缩

from shapely.geometry import LineString from shapely.ops import simplify def simplify_trajectory(points, tolerance=0.1): line = LineString(points) simplified = simplify(line, tolerance) return list(simplified.coords)

在实际项目中，这些优化可以将万级卫星的计算时间从小时级缩短到分钟级。

查看全文

http://www.jsqmd.com/news/972828/