最近一个程序创建了几颗卫星的模拟，这些卫星能够同时从不同的角度捕捉云的图像，这可能会增强我们对云内部发生的过程的理解。
大卫·斯坦利（David Stanley）出于对气候变化的热情，设计了一个优化云研究数据收集的程序。该程序允许多颗卫星同时从各种角度捕捉云的图像，这可以帮助揭示云的内部动态。
斯坦利解释说：“通常，我们只能观察云的外部特征。计算云断层成像的名称来源于计算机断层扫描，类似于CT扫描。然而，卫星捕捉的是云在短时间内从多个角度的图像，而不是X射线。”
斯坦利指出，气候模型中一个重要的不确定性是对流运输在新云形成中影响的程度。对流涉及气氛中热量和湿气的移动，尤其是在不稳定条件下的垂直气流。
他说：“通过产生对同一云的多次观察，可以跟踪对流是如何演变并影响未来其他云的形成。增多的云形成可以增强温室效应。”
在伊利诺伊大学香槟分校获得航空航天工程硕士学位后，斯坦利申请继续在同一机构攻读博士学位。
他详细介绍说：“我讨论了我对工程、航天工程的广泛兴趣，以及提升我们对气候变化的理解和寻求解决方案的迫切需求。罗宾·伍兰兹（Robyn Woollands）认识到我的热情，并邀请我加入她的研究团队。她将我与来自NASA喷气推进实验室多智能体自主组的费德里科·罗西（Federico Rossi）和阿米尔·拉赫马尼（Amir Rahmani）联系在一起，随后他们又介绍我认识了JPL科学家张赫·崔（Changrak Choi）和安东尼·戴维斯（Anthony Davis），他们是云断层成像、气氛云和气溶胶的专家。这与我的兴趣完全一致，罗宾正在探索一种利用多智能体系统来帮助地球科学任务的任务提案。”
在模拟中，斯坦利使用了混合整数线性规划求解器，这是一种在各种应用中使用的多功能工具。他编写了代码，创建了一个调度程序，优化一队卫星的捕捉时间和镜头角度，从而使它们能够捕捉尽可能多的云图像。
他说：“这个项目吸引我的是我们使用混合整数线性规划自动识别卫星队形中最有效的指向模式。所有卫星需要同时关注同一目标。然而，在每颗卫星下面可能会有许多潜在目标，如果没有正确指向，某些目标可能会被忽视。”
其目标是提高卫星在轨道期间能够观察到的目标数量。
他说：“我们进行了两个不同的模拟。第一个模拟涉及生成有定义生命周期的地球云；在计算机模型中，它们仅仅是球体上的点。第二个模拟追踪卫星队形。这可以通过简单方法或更复杂、准确的模型来完成。
“通过合并这两次模拟的数据，该程序计算卫星在轨道不同点的位置以及云在那些时候的位置。之后确定卫星相对于下面云的最佳观察模式。”
在研究过程中，斯坦利遇到了多次不同看法的情况关于模拟和传递数据给求解器的最佳方法。
他说：“你可能需要为每个时间增量和每颗卫星准备一个数组，或者你可以为地球的不同部分准备数组。最初，我尝试通过蛮力细分来使用地球的不同部分作为指向坐标。然而，广阔的面积导致产生数百万个索引，这超出了标准台式计算机的求解能力。”
最终，斯坦利受到伍兰兹早期工作的启发，她的工作涉及一组环绕火星的卫星，旨在最大化对火星尘旋风的观察。与其整体细分地球，他们选择在卫星下的区域进行划分，从而减少了所需的索引数量。
他补充说：“此外，我意识到可以使用云作为索引。这种策略将池从数百万个索引有效地减少到每次只需几百个，使管理变得容易得多。”
斯坦利强调，这些信息基于模拟。
他说：“我们对云的形成和运动做出了一些假设，为通过现实世界数据进行相应地改进提供了相当大的空间，而不是单纯依赖生成的数据。关键结论是，我们建立了一种新的方法，可以极大地提高3D云数据的收集，从而改善对云动态及其长期气候影响的洞察。”
