Unos pocos píxeles permitirían a los astrónomos mapear características de la superficie como océanos y desiertos en un exoplaneta


Las imágenes directas de exoplanetas son raras y carecen de detalles. Los futuros observatorios podrían cambiar eso, pero por ahora, las imágenes de exoplanetas no les dicen mucho a los investigadores. Simplemente muestran la presencia de los planetas como gotas de luz.

Pero un nuevo estudio muestra que solo unos pocos píxeles pueden ayudarnos a comprender las características de la superficie de un exoplaneta.

Las imágenes directas de los exoplanetas no son claras ni detalladas. Los exoplanetas suelen aparecer como manchas borrosas, como en esta imagen de AB Aurigae b. Crédito de la imagen: Currie et al. 2022.

Los astrónomos pueden obtener imágenes directas de exoplanetas, pero solo en ciertas circunstancias. Por lo general, la luz de una estrella elimina la luz mucho más débil de los exoplanetas que la orbitan. Los exoplanetas que son muy grandes, muy lejos de su estrella o muy jóvenes son las excepciones. Los astrónomos pueden obtener imágenes de planetas jóvenes en infrarrojo porque su producción térmica es alta, mientras que la luz de exoplanetas masivos o exoplanetas alejados de sus estrellas no pierde tanta luz.

Imágenes bastante borrosas del exoplaneta AB Aur b fueron suficientes para que un equipo de investigadores ampliara nuestra comprensión de la formación de planetas. Y dado que la mayoría de los exoplanetas se encuentran al examinar las curvas de luz de tránsito, cualquier imagen real de los exoplanetas es emocionante. Si los autores de un nuevo estudio tienen razón, incluso unos pocos píxeles de la superficie de un exoplaneta pueden impulsar nuestra comprensión, al igual que lo han hecho las curvas de luz de tránsito.

El nuevo estudio es «Mapeo global de la composición de la superficie en una exo-tierra usando modelado disperso», y está disponible en línea en el sitio de preimpresión arxiv.org. El autor principal es Atsuki Kuwata del Departamento de Astronomía de la Universidad de Tokio.

El estudio se centra en el futuro cuando las imágenes directas de exoplanetas sean cada vez más viables. Al principio, estas imágenes directas solo pueden proporcionar unos pocos píxeles de la superficie de un exoplaneta. La pregunta es, ¿cómo podemos aprender tanto como sea posible a partir de unos pocos píxeles escasos? Más de lo que podrías pensar en un principio, según este estudio.

En su artículo, el equipo explica que «la serie temporal de luz reflejada por los exoplanetas mediante futuras imágenes directas puede proporcionar información espacial con respecto a la superficie planetaria». Utilizaron «modelado disperso» para extraer información de imágenes directas de exoplanetas. El modelado disperso es una herramienta de aprendizaje automático que puede descubrir patrones predictivos en los datos, incluso cuando los datos son escasos o débiles.

Los investigadores emplearon su modelado escaso en lo que llaman una Tierra de juguete. Identificaron características superficiales útiles en el estudio de exoplanetas. “Aplicando nuestra técnica a un modelo de juguete de la Tierra sin nubes, mostramos que nuestro método puede inferir distribuciones superficiales dispersas y continuas y también espectros sin mezclar sin
conocimiento previo de la superficie del planeta”, escriben.

También aplicaron su técnica a datos terrestres reales de DSCOVR/EPIC. DSCOVR es un satélite de observación de la Tierra de la NOAA y EPIC es una cámara policromática en el satélite DSCOVR. EPIC es una poderosa herramienta que proporciona mediciones detalladas de ozono, aerosoles, reflectividad de las nubes, altura de las nubes, propiedades de la vegetación y estimaciones de radiación UV en la superficie de la Tierra. Los investigadores «simplificaron» todos estos datos detallados sobre la superficie de la Tierra como si estuvieran mirando un exoplaneta distante.

Al aplicar su técnica de modelado disperso a los datos DSCOVR/EPIC, encontraron patrones que identificaron como océanos y cobertura de nubes. También encontraron dos componentes que identificaron como tierra. “Además, encontramos dos componentes que se asemejaban a la distribución de la tierra. Uno de los componentes captura el desierto del Sahara y el otro corresponde aproximadamente a la vegetación, aunque sus espectros todavía están contaminados por las nubes”.

Beta Pictoris-b en órbita alrededor del disco de escombros de la estrella Beta Pictoris. Es una imagen fascinante, pero no nos dice nada sobre su superficie. Imagen: ESA/A-M LeGrange et. Alabama.

Los científicos han estado trabajando para extraer la mayor cantidad de información posible de datos dispersos en imágenes de exoplanetas. Uno de los métodos se llama regularización de Tikhonov. La siguiente imagen compara el modelado escaso del equipo con la regularización de Tikhonov. «Llegamos a la conclusión de que el modelado disperso proporciona mejores inferencias de la distribución de la superficie y los espectros sin mezclar que el método basado en la regularización de Tikhonov», escriben los autores.

Este estudio es un refinamiento de un trabajo previo, y los resultados son intrigantes. Uno de los obstáculos en este tipo de trabajo es que los planetas giran. Para que los resultados sean válidos, los científicos deben tener en cuenta el giro del exoplaneta con extrema precisión. Pero las nubes no se quedan quietas mientras tomamos sus retratos desde decenas o cientos de años luz de distancia. El estudio tuvo que hacer adaptaciones para eso. “Además, asumimos que la distribución de la superficie del miembro final es estática, pero también debemos considerar el movimiento dinámico de las superficies, especialmente para las nubes”, escribe el equipo en su conclusión.

Este trabajo está adquiriendo un nuevo significado porque los próximos telescopios comenzarán a obtener imágenes de exoplanetas directamente. Este es el ámbito de nuestros nuevos y poderosos telescopios terrestres, como el próximo Telescopio Europeo Extremadamente Grande (E-ELT) y el Telescopio Gigante de Magallanes (GMT). Estos telescopios son notablemente poderosos y producirán imágenes más nítidas que los telescopios espaciales. La nitidez es necesaria para detectar la luz directa de los exoplanetas y obtener imágenes de ellos.

Actualmente, las imágenes directas de exoplanetas no contienen muchos detalles. Siguen siendo fascinantes y científicamente valiosos en algunos aspectos, pero no revelan detalles superficiales.

Los artistas son otro recurso en las imágenes de exoplanetas. Ilustradores expertos como Martin Kornmesser de la ESA despiertan nuestra curiosidad y entusiasmo con sus representaciones basadas en datos de mundos distantes. Sin Kornmesser y otros difundiendo el entusiasmo por los exoplanetas al público en general, estaríamos en un lugar diferente.

Los artistas son otro recurso en las imágenes de exoplanetas. Ilustradores expertos como Martin Kornmesser de la ESA despiertan nuestra curiosidad y entusiasmo con sus representaciones basadas en datos de mundos distantes. Sin Kornmesser y otros difundiendo el entusiasmo por los exoplanetas al público en general, estaríamos en un lugar diferente.

En 2015, el director del proyecto GMT, Patrick McCarthy, dijo a la revista Forbes que «[también] deberíamos poder ver planetas similares a Júpiter y Saturno formándose alrededor de estrellas en los complejos de formación estelar de Orión y Tauro de la Vía Láctea con relativa facilidad».

Pero esas imágenes no serán nítidas y no revelarán todos los detalles de la superficie de un planeta. Los científicos aún tendrán que extraer la mayor cantidad de detalles posible de estas imágenes utilizando el aprendizaje automático, el modelado, las simulaciones y otras herramientas.

Deja una respuesta

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Salir /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Salir /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Salir /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.