¿Qué hacen las aves por la noche? Era una pregunta simple que desconcertó a los científicos durante cientos de años. Había teorías salvajes que los pájaros se sumergían en el agua o se sumergían en el barro. En el siglo XIX, una cigüeña alemana fue encontrado con una lanza africana en el cuello, lo que proporciona evidencia de que las aves, de hecho, migraron. Y en 1881, un científico observó estas aves migratorias volando de noche mientras apunta un telescopio hacia la luna.
La observación de aves en la luna siguió siendo una ciencia de nicho. funciona como el método de tránsito en astronomía, en el que los exoplanetas se miden cuando sus siluetas pasan frente a una estrella. Ornitólogo George Lowery empezó a cuantificar esto en la década de 1950, organizando campañas masivas para recopilar datos a nivel nacional de estas observaciones lunares. Entre el crepúsculo y el amanecer, la tripulación de Lowery miraba hacia la luna llena y marcaba los caminos y las direcciones de vuelo y la cantidad de aves que veían. Debido a que la tecnología era relativamente rudimentaria en ese momento, correlacionaron la cara de la luna con la cara de un reloj circular y marcaron la “hora” (refiriéndose a la ubicación) en la que el pájaro entró y salió.
“Lo que estamos tratando de hacer es automatizar eso con nuestro pequeño robot”, dice Wesley Honeycutt, investigador asociado de la Universidad de Oklahoma. “Porque si bien la técnica de Lowery es útil, es dolorosa. He mirado mucho la luna en los últimos años”.
[Related: While you sleep, scientists will use a space telescope to spy on migrating birds]
Honeycutt se refiere a LunAero, que él y su equipo en la Universidad de Oklahoma crearon. los componentes de hardware de LunAero involucran una cámara para grabar video, una pequeña computadora, un catalejo y una montura motorizada. utiliza sencillo tecnicas de vision por computadora para mant ener la luna enfocada y moverse junto con ella. Puede detectar aves que el observador pasivo podría pasar por alto. La montura puede acomodar una amplia variedad de telescopios, si los observadores de aves u ornitólogos quisieran traer el suyo propio.
Además de las grabaciones de video, el sistema también genera un archivo de registro con información sobre el tiempo de grabación, el conteo de fotogramas y la configuración del sensor de la cámara. El equipo está trabajando en el desarrollo de un software que pueda analizar los videos obtenidos de LunAero. Pero por ahora, después de recopilar el video, los humanos tienen que extraer manualmente los fotogramas que contienen pájaros y anotar sus rutas y patrones de vuelo (como si vuelan lento o rápido). Las pruebas iniciales se realizaron en abril y mayo de 2018 y 2019, un momento pico en la migración de aves.
Los investigadores ya han podido obtener una gran cantidad de información de los datos que tienen hasta ahora. “Depende de las condiciones y de la altura de las aves. Seguro que hay algunas aves que puedes identificar [their] género, tal vez [their] especies si hace algunas suposiciones sobre dónde se encuentra y qué aves es probable que vea”, dice Eli Bridge, ornitólogo y profesor asistente de la Universidad de Oklahoma. “Hay algunas aves con patrones de vuelo realmente característicos que puedes distinguir; podemos ver a los chotacabras que se abalanzan hacia arriba y hacia abajo. Además de solo contarlos, puede obtener direcciones de vuelo realmente precisas para ellos. Puedes visualizar la deriva del viento”.
El objetivo del equipo es utilizar esta técnica como complemento de otras herramientas de seguimiento de la migración de aves, como la aeroecología por radar.
“La aeroecología de radar es genial porque puedes ver a los migrantes y cómo salen volando de una ciudad o un refugio y cómo fluyen y la altura, pero no puedes saber lo que estás mirando”, dice Honeycutt. “Puedes ver que hay un globo de agua [shaped mass of something] en esa área general del cielo, pero no se puede decir qué tipo de pájaro, si son 12 pájaros, tres insectos en una gabardina, no lo sabemos realmente hasta que tengamos una forma de verlo”.
Cualquiera puede construir la unidad LunAero con materiales encontrados en un taller y motores de Amazon. El patrón de las piezas y las instrucciones de montaje. están disponibles para el publico. El costo de los componentes de LunAero sin telescopio es de alrededor de $150. El componente más caro es la computadora Raspberry Pi que alimenta el sistema. “Una de las ventajas de tener estos instrumentos realmente baratos es que puede implementar muchos de ellos a la vez”, dice Honeycutt. “Y si tiene todos estos sensores de mala calidad desplegados uno al lado del otro, eventualmente llegará a una masa crítica de sensores donde comenzará a producir datos que están a la par con la instrumentación de alta calidad”.
[Related: Inside the simple counting software that makes biologists’ jobs a little easier]
Después de que publicaron su tecnología en un artículo de 2020 en la revista HardwareXBridge y Honeycutt han continuado realizando actualizaciones de hardware, enviándolas a los observadores de aves para que las prueben.
“Lo ideal sería que fuera una herramienta de ciencia ciudadana. No sé si estamos allí todavía. Ha habido algunas cosas molestas que lo han hecho difícil”, dice Bridge. Si hay malas condiciones climáticas o una nube cubre la luna, será una larga noche para reconfigurar el dispositivo. Las observaciones están vinculadas al ciclo lunar, y los datos que LunAero puede recopilar caen en picado cuando la luna está menos de la mitad.
“Ha habido pequeños ajustes constantes, las mejoras incrementales de cómo se mantiene estable la cámara en muchos visores diferentes”, señala Honeycutt. “Y si bien no es un gran salto en el concepto de hardware, son las pequeñas cosas las que hacen crecer la base de usuarios potenciales”.
El grupo está trabajando en uno de sus primeros documentos de datos pronto sobre el comportamiento social que puede ser capturado y cuantificado por LunAero. “Se puede saber si las aves vuelan solas o en grupo o, a veces, en formación, a veces solo en un grupo suelto”, dice Bridge. “No creo que haya otra forma de ver eso por la noche a menos que tengas un foco o una cámara infrarroja, o alguna otra forma de observar directamente a las aves”.
[Related: Birders behold: Cornell’s Merlin app is now a one-stop shop for bird identification]
El análisis de datos es la gran barrera para publicar un documento de datos generalizado. “Se tarda un poco más en analizar los datos que en recopilarlos porque, básicamente, tienes que recorrer cuadro por cuadro”, dice Bridge. “No tenemos los medios para procesar muchos videos de muchas personas en este momento”.
Y si bien puede parecer que una herramienta como el aprendizaje automático podría ayudar, desafortunadamente, es posible que aún no sea posible. “Si miras el video, muchas de esas aves son de un píxel”, dice Honeycutt. “Distinguir un píxel que es un pájaro real de 10 000 píxeles que no son pájaros es un problema no trivial que no creo que las técnicas de aprendizaje automático puedan manejar todavía. Es por eso que estamos haciendo un sistema más ingenuo que es computacionalmente más intensivo”.
En este momento, el grupo está trabajando en la prueba de concepto y en los primeros documentos de datos para el instrumento. Pero en cinco años, imaginan que podría convertirse en un complemento único a la tecnología de migración existente.
“Si tiene dispositivos de rastreo en [birds], o si los está viendo por radar, no puede observar directamente a las aves. Ser capaz de observar directamente a las aves, incluso si es mientras vuelan a través de la luna, es un conjunto de datos único”, dice Jeff Kelly, profesor de biología en la Universidad de Oklahoma. “Siempre habrá valor en la integración de esos datos con los datos de seguimiento donde se obtiene información sobre dónde y cuándo voló el ave, pero no se puede ver directamente”.
Todavía quedan muchos misterios a la hora de entender por qué y cómo migran las aves. ¿Las aves vuelan juntas, vuelan separadas, responden a las mismas condiciones de viento, vuelan todas a la misma altura? “Es difícil para nosotros entender concretamente a qué se enfrentan estas aves”, dice Kelly. “Cuando comenzamos a hablar sobre infraestructura que construimos en el aire, o colisiones de aves con edificios y problemas con las luces durante la noche, este tipo de datos en los que las personas pueden observar concretamente lo que sucede tendrá un gran impacto en su capacidad para comprender el problema. .”