Astronautas y la raza humana se unen contra la contaminación “lumínica”

Astronautas y la raza humana se unen contra la contaminación “lumínica”

La luz artificial tiene una amplia gama de impactos en el reloj biológico de las especies. Los cambios de luz conducen a efectos secundarios que pueden afectar ecosistemas.

Para un astronauta que mira por las ventanas de la Estación Espacial Internacional (EEI), las luces de las ciudades son más brillantes que las estrellas. Por esta razón, un grupo de astronautas, científicos y ciudadanos de todo el mundo iniciaron una particular campaña para reducir la “contaminación lumínica” en el mundo.

“La Estación Espacial Internacional es el mejor punto de observación que la humanidad tiene para monitorear la Tierra por la noche”, dice Kevin Gaston, líder del proyecto Lost at Night que crea conciencia sobre la contaminación lumínica.

Hay medio millón de imágenes de alta resolución de la Tierra en la noche en los archivos del departamento de Astronauta Fotografía de la Tierra de la NASA.

Contaminación lumínica afecta los ecosistemas

Lost at Night utiliza el poder de la ciencia para unir imágenes e identificar la ubicación de las fotografías de los astronautas en línea.

“Esto ayuda al estudio de la contaminación lumínica y cómo afecta la vida en nuestro planeta”, agregó Gaston y citado por la Agencia Espacial Europea.

La luz artificial tiene una amplia gama de impactos en el reloj biológico de las especies nocturnas y diurnas. Los cambios de luz conducen a efectos secundarios que pueden afectar ecosistemas enteros, desde los tiempos de floración de las plantas hasta las interrupciones de la migración de aves y tortugas.

Igualmente, las noches brillantes afectan el sueño de las personas y pueden afectar negativamente la salud, según los científicos.

Las imágenes de los astronautas ayudarán a los investigadores a evaluar mejor estos efectos con el tiempo y fomentarán acciones para optimizar el alumbrado público.

“Si bien los algoritmos informáticos tienen problemas para distinguir entre las estrellas, la Luna y las ciudades, las personas son más confiables cuando se trata de reconocer patrones y analizar imágenes complejas”, dice Alejandro Sánchez de Miguel, investigador de la Universidad de Exeter del Reino Unido e investigador principal del proyecto.

Armar un rompecabezas

Los ojos humanos pueden ayudar a iluminar el enorme catálogo de imágenes, según los científicos. Los voluntarios pueden ingresar al sitio web https://citiesatnight.org/ y ver las imágenes satelitales de las ciudades para tratar de ayudar a identificarlas.

Indicaron que gracias a miles de voluntarios se identificó la ubicación en más de 30.000 imágenes, pero se necesita más ayuda para completar el rompecabezas.

“No sabemos en qué dirección los astronautas apuntaron la cámara desde la Estación. Solo sabemos el tiempo que se tomó y el área de la Tierra sobre la que volaban”, explica Sánchez de Miguel.

“Olvídate de jugar a Candy Crush en tiempos de inactividad. Esta es una gran oportunidad para aprender sobre geografía, la distribución de la actividad humana y cómo se ve su ciudad natal desde el espacio”, agregó.

Los astronautas toman estas fotos en su tiempo libre desde la Cúpula de la Estación Espacial, un módulo de observación de siete ventanas.

“Los astronautas europeos son fotógrafos talentosos, pero no se trata solo de compartir bellas imágenes. Su contribución es clave para demostrar científicamente el verdadero alcance e impacto de la contaminación lumínica”, señala Lucía García, gerente del proyecto precursor Ciudades en la noche.

Inteligencia brillante

A los usuarios se les presenta una imagen de una ciudad desconocida y deben intentar encontrar la mejor coincidencia comparándola con varias opciones.

Debido a que los humanos también cometen errores, esta iniciativa necesita aportes de cinco personas por imagen para reducir el margen de error. A partir de ahí, la inteligencia artificial se hace cargo.

El objetivo es identificar 90.000 imágenes, lo suficiente para entrenar la inteligencia artificial para reconocer automáticamente una colección de píxeles y localizar imágenes.