Un nuevo método para capturar imágenes de alta resolución de desechos espaciales.

Un equipo de investigadores ha ideado un nuevo sistema de imágenes que permitirá a las agencias y los gobiernos seguir de cerca algunos de los escombros que abarrotan la órbita terrestre baja (Low Earth Orbit o LEO) y ponen en peligro la futura expansión de la humanidad hacia las estrellas.


Video de YouTube de Curious Droid sobre el síndrome de Kessler.
Crédito: Canal de YouTube Curious Droid


“No puedes golpear lo que no puedes ver” es una frase común en los deportes y originalmente se derivó para describir la bola rápida del lanzador de béisbol Walter Johnson . Pero lo mismo ocurre con las cosas con un giro más serio, como algunos de los millones de escombros que flotan en la órbita terrestre baja.

Ese peligro fue descrito por primera vez por Donald Kessler en 1978 y ahora se conoce comúnmente como “síndrome de Kessler”. En tal escenario, el campo de escombros que rodea a la Tierra se vuelve tan malo que bloquea el acceso al espacio (o desde él). Para evitar ese destino, la humanidad eventualmente tendrá que encontrar formas de lidiar con los desechos espaciales. Esperar que los objetos que se dejan descomponer en LEO y arder en la atmósfera no es una estrategia de mitigación viable.

Hasta ahora, ha resultado difícil desarrollar una estrategia de mitigación de este tipo. Comprender y rastrear cuántos objetos hay realmente allí es uno de los principales desafíos que enfrenta cualquier esfuerzo de este tipo. Muchas piezas son extremadamente pequeñas, giran muy rápido y se mueven aún más rápido. Esas propiedades combinadas hacen que sea muy difícil seguirlas.

Tradicionalmente, los investigadores utilizan una de las dos técnicas de obtención de imágenes, denominadas “migración de un solo punto de correlaciones cruzadas” o “migración de Kirchoff”, respectivamente. La migración de un solo punto tiene una resolución notablemente mala, lo que dificulta determinar el tamaño exacto y la posición de un objeto. Sin embargo, no se ve muy afectado por los cambios en la atmósfera. Alternativamente, la migración de Kirchoff se ve afectada negativamente por las fluctuaciones atmosféricas, pero proporciona una resolución mucho más alta.


Representación visual del síndrome de Kessler.
Crédito: Oficina del Programa de Desechos Orbitales de la NASA

El nuevo enfoque desarrollado por los investigadores, conocido como imágenes de Rank 1, proporciona lo mejor de ambos mundos. Tiene una resolución similar a la migración de Kirchoff, aunque es casi inmune a la interferencia atmosférica, como la migración de un solo punto.   

El secreto del éxito de Rank-1 está en su algoritmo. Una de las partes más difíciles de rastrear un objeto en órbita LEO es rastrearlo el tiempo suficiente para obtener una imagen de alta resolución. El principal desafío de ese seguimiento tiene que ver con la rotación del objeto, que puede alterar incluso los mejores algoritmos de seguimiento debido a cómo cambia la reflectividad de los objetos.  


Resultado de los diferentes algoritmos a los datos de entrada que se muestran en la imagen principal. 
Izquierda: migración de un solo punto. 
Centro: algoritmo de rango 1,
derecha: migración de Kirchoff
Crédito: Matan Leibovich, George Papanicolaou, Chrysoula Tsogka

Rank-1 intenta estimar la velocidad de giro de un objeto para comprender su albedo cambiante. Las estimaciones de giro de fuerza bruta para ajustarse a los datos podrían funcionar, pero requiere mucho tiempo y cálculos. En cambio, el algoritmo de rango 1 utiliza datos capturados del propio objeto para informar a su algoritmo de seguimiento sobre la dirección y velocidad de su giro. Con estas estimaciones, el seguimiento de objetos resulta mucho más fácil, lo que permite que el algoritmo obtenga una imagen de mayor resolución.

Hasta ahora, el sistema solo se ha utilizado en modelos y aún no se ha creado una imagen de un objeto directamente en LEO. Sin embargo, el algoritmo funcionó de manera excelente con los datos del modelo proporcionados, especialmente en comparación con los dos algoritmos competidores. Con un poco más de desarrollo y algo de tiempo rastreando objetos reales, el algoritmo de rango 1 podría convertirse en parte del arsenal de la humanidad para combatir la creciente amenaza de quedarse fuera del espacio. Si nada más, al menos seremos capaces de ver venir la amenaza.