ESA title
Iberian Peninsula at night
Agency

Los astronautas y la ciudadanía, unidos contra la contaminación lumínica

10/10/2019 2808 views 28 likes
ESA / Space in Member States / Spain

Para los astronautas que miran por las ventanas de la Estación Espacial Internacional, las luces de las ciudades brillan más que las estrellas. Por eso, para hacer frente a la contaminación lumínica, queremos pedir a todos los científicos ciudadanos que nos ayuden a abordar el problema con sus móviles, identificando imágenes tomadas desde el espacio.

Las fotografías nocturnas tomadas por los astronautas tienen la máxima resolución que se puede lograr en órbita. “La Estación Espacial Internacional es el mejor observatorio que posee la humanidad para vigilar la Tierra de noche”, explica Kevin Gaston, responsable del proyecto Lost at Night, cuyo objetivo es concienciar sobre la contaminación lumínica.

Nile river at night
Nile river at night

Los archivos del proyecto Astronaut Photography of Earth de la NASA cuentan con medio millón de imágenes en alta resolución de la Tierra de noche. La mayoría no están catalogadas y no tienen asignada ubicación alguna.

Lost at Night quiere aprovechar el potencial de la ciencia ciudadana para etiquetar las imágenes e identificar la ubicación de las fotografías de los astronautas online.

De esta forma podrán contribuir al estudio de la contaminación y sus efectos en la vida sobre nuestro planeta.

La luz artificial afecta de muchas maneras al reloj biológico de especies tanto nocturnas como diurnas. Los cambios lumínicos provocan efectos en cadena que pueden influir en ecosistemas completos, desde el momento de la floración de las plantas hasta perturbaciones en los patrones migratorios de aves y tortugas. La luz nocturna también afecta al sueño de las personas y puede tener un impacto negativo en su salud.

Cuantas más fotografías y más información de los habitantes de la Tierra tengamos, mejor podrán evaluar los investigadores estos efectos a lo largo del tiempo y promover acciones para optimizar la iluminación de las calles.

Nighttime view from space
Nighttime view from space

Los ojos humanos pueden ayudar a organizar el ingente catálogo.

“Los algoritmos informáticos tienen problemas para distinguir entre las estrellas, la Luna y las ciudades, así que las personas son mucho más de fiar a la hora de reconocer patrones y analizar imágenes complejas”, señala Alejandro Sánchez de Miguel, becario de investigación en la Universidad de Exeter (Reino Unido) e investigador principal del proyecto.

La ubicación de más de 30.000 imágenes ya ha sido identificada por voluntarios, pero hace falta más ayuda para resolver el rompecabezas.

“No sabemos en qué dirección han apuntado sus cámaras los astronautas en la Estación. Solo sabemos el momento en que tomaron las fotografías y qué zona de la Tierra estaban sobrevolando”, reconoce Alejandro.

La página web te invita a identificar las ciudades iluminadas de noche en un rango de 1.000 kilómetros.

Samantha in Cupola on Station
Samantha in Cupola on Station

“Olvídate de jugar al Candy Crush en tus ratos libres. Esta es una oportunidad magnífica de aprender geografía, cómo se distribuye la actividad humana y qué aspecto presenta tu ciudad desde el espacio”, añade Alejandro.

Existen numerosos proyectos científicos asociados a las imágenes tomadas desde la Estación Espacial Internacional.

Los astronautas hacen estas fotografías en su tiempo libre desde la cúpula, un módulo de observación con siete ventanas que forma parte de la ISS.

“Los astronautas europeos son unos fotógrafos estupendos, pero no se trata simplemente de compartir imágenes bonitas. Su contribución es clave para demostrar científicamente el alcance real y el impacto de la contaminación lumínica”, apunta Lucía García, responsable de Cities at Night, precursor del proyecto actual.

Lost at Night interface
Lost at Night interface

Los usuarios ven una imagen de una ciudad desconocida y tienen que intentar dar con la mejor coincidencia comparándola con varias opciones.

Como los humanos también nos equivocamos, la iniciativa exige la participación de cinco personas por imagen para reducir el margen de error. A partir de ahí toma el relevo la inteligencia artificial.

El objetivo es identificar 90.000 imágenes, suficientes para entrenar a la inteligencia artificial para que reconozca automáticamente una colección de píxeles y ubicar las imágenes.

Related Articles

Related Links

Related Links