🛰️ Simulando o Impacto de Satélites em Observações Astronômicas
Resumo
Projeto de pesquisa (IFF Bom Jesus do Itabapoana, orientação da Prof.ª Ana Cecília Soja) sobre como a proliferação de satélites artificiais contamina imagens astronômicas com rastros luminosos — e como tratar essa contaminação computacionalmente. Em equipe com Maycon Jorge Deláqua da Silva e Arthur Miguelito Lopes, o projeto evoluiu de um 3º lugar na FEBIC 2024 até um algoritmo capaz de recuperar 99,7% da informação perdida, premiado em 1º lugar no MCTIA 2025.
🌠 O problema
A década de 2020–2030 traz uma nova geração de telescópios (Vera Rubin, GMT, Euclid) que multiplicará por mais de mil o volume e a qualidade dos dados astronômicos disponíveis. Em paralelo, porém, a popularização de constelações de satélites comerciais está povoando a órbita terrestre de milhares de objetos brilhantes, que se interpõem entre os telescópios e a luz das estrelas — contaminando imagens com rastros luminosos e ameaçando degradar justamente a nova geração de levantamentos astronômicos de grande volume.
Diferente das duas barreiras históricas da observação astronômica (clima e limitação instrumental), essa é uma contaminação artificial, ainda mal quantificada: o brilho de cada satélite depende de posição, altitude e comprimento de onda de forma complexa, e a comunidade internacional (astrônomos, engenheiros, defensores do céu escuro) vem se mobilizando para desenvolver ferramentas open source de tratamento de imagem.
🎯 Objetivos
- Desenvolver um método de tratamento de imagem capaz de identificar contaminação por satélite em observações astronômicas.
- Testar esse método em objetos astronômicos simulados, com contaminação controlada, avaliando aplicabilidade e eficiência.
- Somar esforços ao movimento internacional por soluções open source para o problema da poluição luminosa orbital.
🔧 Metodologia
O projeto foi planejado em 5 fases: (1) revisão sistemática do problema e de códigos já existentes; (2) elaboração de um objeto astronômico simulado (preferencialmente uma galáxia); (3) construção de um código de análise/tratamento de imagem; (4) aplicação do código ao objeto simulado, com poluição luminosa controlada (simulação de rastros de satélite); (5) análise dos resultados.
📈 Evolução e resultados
| Etapa | Evento | Resultado |
|---|---|---|
| Proposta inicial | Edital de pré-iniciação científica, IFF (2023) | Aprovação do projeto |
| FEBIC 2024 (Pomerode, SC) | Com Maycon Jorge Deláqua da Silva | 3º lugar — categoria Graduação, mesmo com o projeto ainda incompleto, competindo com aplicações já patenteadas — resultado que classificou a equipe para o MCTIA 2025 |
| MCTIA 2025 (Belém, PA) | Com Maycon Jorge Deláqua da Silva e Arthur Miguelito Lopes | 1º lugar — categoria Ciências Exatas do Ensino Superior, com um algoritmo de IA capaz de remover rastros de satélite de dados astronômicos, recuperando 99,7% da informação que seria perdida — resultado que classificou a equipe para o evento nacional Ciência Jovem (Recife, PE, 2026) |
Nota sobre este texto
Esta página combina a proposta formal de pesquisa (submetida ao IFF em 2023, com introdução, justificativa e metodologia completas) com os resultados divulgados publicamente nas premiações da FEBIC 2024 e do MCTIA 2025. Detalhes técnicos do algoritmo de recuperação de 99,7% ainda não foram documentados nesta página — a atualizar conforme o trabalho avança para publicação.
🔗 Referências e correlatos
- Milazzo et al. (2021) — The Growing Digital Divide and its Negative Impacts on NASA’s Future Workforce, BAAS 53, 436
- Rawls et al. (2020) — Satellite Constellation Internet Affordability and Need, RNAAS 4, 189
- Venkatesan et al. (2020) — The Impact of Satellite Constellations on Space as an Ancestral Global Commons, Nature Astronomy 4, 1043
- FEBIC 2024 — cobertura da apresentação e do 3º lugar
- MCTIA 2025 — cobertura da apresentação e do 1º lugar
- Entendendo a Matéria Escura a partir de Choques Extragalácticos — projeto anterior, mesma orientadora
- Detecção de Anomalias em Dados do Gaia — outro projeto com foco em aprendizado de máquina aplicado a dados astronômicos