Imágenes clasificadas en el concurso Astronomy Photographer of the Year 2021
Actualización 16 Sep 2021: Another Cloudy Day on Jupiter: A Surface Map Based on 8 Filters Data ha sido seleccionada como ganadora del Premio Especial Annie Maunder junto con la imagen de Leonardo DiMaggio "Celestial Fracture".
Estoy más que encantado de anunciar que no una, sino dos de las imágenes que presenté al concurso Astronomy Photographer of the Year 2021 han sido preseleccionadas bajo la categoría especial Annie Maunder Prize for Image Innovation, introducida por primera vez en la edición del año 2020. En esta categoría el objetivo es conseguir una imagen innovadora aprovechando datos públicamente accesibles capturados por telescopios profesionales, pudiendo combinar distintas fuentes (NASA, ESA, ESO, etc.).
Las imágenes preseleccionadas se expondrán en el Museo del Observatorio Real de Greenwich y aparecerán en el libro de astrofotografía que publica el Museo cada año. ¡¡Vamos, que no me lo creo todavía, quillo!! Gracias a Royal Museums Greenwich por organizar el concurso y a Insight Investment por apoyar la astronomía. Y, por supuesto, a la NASA, que ha proporcionado los datos para estas imágenes, que no hubieran sido posibles sin el esfuerzo de las personas que construyeron esos telescopios espaciales, escribieron las propuestas de observación, mantienen el archivo, financian los proyectos, quienes inventaron los algoritmos o escribieron el software utilizado para procesarlos. Para mí, esta categoría del concurso pone de relieve la importancia de la colaboración, incluso entre personas que no se conocen pero que comparten un interés común.
Multiband Whirlpool Galaxy: From Infrared to X-Rays
La primera imagen, titulada Multiband Whirlpool Galaxy: From Infrared to X-Rays (Galaxia del remolino multibanda: desde infrarrojos a rayos-X), presenta una visión diferente de M51, un par de galaxias en interacción: la galaxia espiral NGC 5194 o "del remolino", y su distorsionada y más pequeña compañera NGC 5195, ubicadas en la constelación de Los Lebreles (Canes Venatici), a unos 31 millones de años-luz. Descubierta en 1773, se trata del primer objeto que posteriormente se clasificaría como galaxia espiral. Es uno de los objetos astronómicos más observados ya que está al alcance de los telescopios de aficionado y ha sido ampliamente estudiada por astrónomos profesionales. 1
A partir de los datos capturados por telescopios profesionales del mismo objeto astronómico, en este caso los telescopios espaciales Hubble, Spitzer y Chandra 2, el enfoque que he seguido en este "experimento" ha sido el de crear una visualización gráfica "con aspecto de foto" mediante el uso de técnicas de ciencia de datos.
Ciencia de datos
Campo interdisciplinar que aplica técnicas estadísticas e inteligencia artificial sobre conjuntos de datos para su análisis y visualización, así como la generación de modelos predictivos o explicativos.
La luz que nos llega del objeto de interés se puede descomponer en distintas bandas: algunas de esas bandas se corresponden con colores que somos capaces de percibir, mientras que otras son invisibles al ojo humano, como es el caso de los rayos infrarrojos, ultravioleta y rayos X. Los instrumentos científicos observan en un conjunto de dichas bandas: agrupando esas observaciones, construimos la imagen de partida para el proceso. Cada píxel de esta imagen representa una pequeña parte del objeto y tiene asociadas sus medidas de luminosidad en las distintas bandas que se han observado.
En este caso, al contar con datos científicos correspondientes a 6 bandas o "colores", visibles o invisibles, cada píxel tiene 6 dimensiones. Nuestra visión consta de células sensibles a los colores rojo, verde y azul, que mezclados en diferentes proporciones, producen la percepción de los distintos colores. Por lo tanto, para poder visualizar una imagen con píxeles en 6 dimensiones, necesitamos "proyectarlas" a sólo 3, las del rojo, verde y azul. A modo de ejemplo de nuestra vida cotidiana, esta operación de proyección es conceptualmente similar a la que realizamos cuando tenemos en mente un objeto tridimensional y hacemos un dibujo (bidimensional) para representarlo.
Normalmente mezclamos de forma manual las bandas originales para obtener la imagen final en tricromía. Aquí, sin embargo, he aplicado una técnica ampliamente conocida en ciencia de datos y usada habitualmente para la visualización de conjuntos de datos, conocida como Análisis de Componentes Principales (PCA), para realizar esta proyección o reducción de dimensionalidad. Siguiendo con el ejemplo anterior, esta técnica trataría de buscar la orientación del objeto que consiga que el dibujo sea lo más representativo posible, en base a determinados criterios matemáticos.
La motivación para usar esta técnica ha sido identificar que la primera componente que produce, la más importante en cuanto a cantidad de información, se puede interpretar como una especie de "resumen" de todas las bandas, representativa de la luminosidad general del objeto, lo que en procesamiento de imagen llamamos 'canal de luminancia'. Usando componentes adicionales podemos añadir información de color o crominancia. A partir de la luminancia y crominancia, producimos la imagen final, en los canales habituales, rojo, verde y azul.
Como en todo proceso de visualización, el objetivo es interpretar los datos originales usando formas, texturas, intensidades y colores 3 para representar la máxima información posible contenida en ellos, sólo que aquí he tratado de que el resultado tenga además contenido fotográfico, artístico 4 5 esperando que esta visión diferente de M51 resulte novedosa no sólo para el gran público, sino también para aquellos que ya están familiarizados con este objeto, muy conocido entre astrónomos amateurs y profesionales.
Another Cloudy Day on Jupiter: A Surface Map Based on 8 Filters Data
La segunda imagen, Another Cloudy Day on Jupiter: A Surface Map Based on 8 Filters Data (Otro día nublado en Júpiter: un mapa superficial basado en datos de 8 filtros), es un mapa de las nubes superficiales de Júpiter construido a partir de múltiples observaciones del telescopio espacial Hubble realizadas en 2019 bajo el programa OPAL 6, aprovechando la rotación del planeta para poder cubrir toda la extensión del mismo, observándolo en distintas bandas.
En este caso, se ha aplicado la misma técnica y enfoque que para la imagen de M51, con la salvedad de que en este caso se han usado hasta un total de 8 bandas, disponibles en el archivo público del telescopio espacial.
¿Quién fue Annie Maunder?
Este premio lleva el nombre de Annie Maunder, una astrónoma que trabajó en el Observatorio Real de Greenwich (Reino Unido) a principios del siglo XX. Fue una astrofotógrafa entusiasta que superó la adversidad para perseguir su pasión por la astronomía. Incluso publicó algunos de los primeros libros de astronomía más populares, con algunas de sus innovadoras imágenes del espacio 7.
De lectura recomendada resulta el artículo sobre la biografía de Annie Maunder, escrito por la Dra. Louise Devoy, Conservadora Senior en el Observatorio Real de Greenwich.
Referencias
-
Data credit: Chandra: NASA/CXC/Wesleyan Univ./R.Kilgard, et al; HST: NASA/STScI/S. V. W. Beckwith (obs 10452); Spitzer: NASA/Spitzer Science Center/IRSA. Telescopes, instruments and filters: Chandra ACIS (X-rays); HST ACS: F435W (B), F555W (V), F658N (H-alpha), F814W (I); Spitzer IRAC4 (8 microns) ↩
-
Iliinsky, Noah. Properties and Best Uses of Visual Encodings. ↩
-
Data credit: "This work used data acquired from the NASA/ESA HST Space Telescope, associated with OPAL program (PI: Simon, GO13937), and archived by the Space Telescope Science Institute, which is operated by the Association of Universities for Research in Astronomy, Inc., under NASA contract NAS 5-26555. All maps are available at http://dx.doi.org/10.17909/T9G593". Instrument: Hubble Space Telescope WFC3/UVIS. Filters: FQ889, F631N, F502N, F395N, F467M, F658N, F275W, F343N ↩
-
Annie Maunder Prize for Image Innovation: Who is Annie Mauder? ↩