Iako zahtijeva barem okvirno vrijeme nastanka snimka kako se potraga ne bi pretvorila u traženje igle u plastu sijena, eksperiment predstavlja ozbiljno upozorenje.
Naizgled običan videosnimak, nekoliko stabala i zvuk koji ljudsko uho gotovo i ne registruje. Ipak, upravo ti neprimjetni detalji mogu otkriti mnogo više nego što mislimo. Poznati youtuber pokazao je kako je, analizirajući zvuk aviona u pozadini snimka, uspio utvrditi gotovo tačnu lokaciju na kojoj je nastao.
Kolsto je razvio tehniku geolociranja koja istovremeno fascinira i izaziva zabrinutost. Uspio je pronaći tačnu lokaciju potpuno neprepoznatljivog videosnimka analizirajući gotovo nečujan zvuk aviona u pozadini.
Cijeli postupak zasniva se na Doplerovom efektu i javno dostupnim podacima o letovima, piše Smart Life.
Komercijalni i privatni avioni opremljeni su ADS-B transmiterima koji neprekidno šalju podatke o svojoj tačnoj poziciji, brzini i visini, a servisi za praćenje letova te podatke čine dostupnim javnosti. Pored toga, letjelice s elisama proizvode specifičan niskofrekventni zvuk koji mikrofoni mogu zabilježiti čak i kada ga ljudsko uho uopće ne registruje na snimku.
Youtuber je na spektrogramu uspio da pronađe zvuk dva aviona koja su nadlijetala iznad lokacije video snimka.
Da bi demonstrirao kako sistem funkcioniše u praksi, Kolsto je uzeo videosnimak niske rezolucije na kojem se vide samo neugledna stabla. Snimak je nastao 8. septembra na nepoznatoj lokaciji na području Sjedinjenih Američkih Država.
Na prvi pogled, u audiozapisu se čuju samo cvrkut ptica i ambijentalni šum. Međutim, detaljna analiza spektrograma otkrila je dvije specifične Doplerove krive, odnosno tragove preleta dva aviona u razmaku od tačno 920 sekundi.
Oblik ovih krivulja na grafikonu otkriva brzinu letjelice, njenu udaljenost od mikrofona, pa čak i to da li je avion u tom trenutku ubrzavao, usporavao ili mijenjao visinu.
Youtuber je na spektrogramu uspio izdvojiti zvuk dva aviona koja su nadlijetala područje na kojem je nastao videosnimak.
Ukrštanjem ovih akustičkih podataka s bazom obavljenih letova, Kolsto je prvobitnu listu od 70.000 mogućih lokacija sveo na 15.000, eliminirajući područja u kojima su se trebali čuti i drugi avioni.
Zatim je primijenio obrnuti postupak – matematički je modelirao moguće putanje leta, uporedio ih sa zabilježenim zvukom i izdvojio samo jedan mogući par letjelica.
Nekoliko trenutaka kasnije, uz pomoć servisa Google Street View, pronašao je tačnu sigurnosnu kameru koja je zabilježila kadar u šumi.
Iako ova metoda zahtijeva barem okvirno vrijeme nastanka snimka kako se potraga ne bi pretvorila u traženje igle u plastu sijena, eksperiment predstavlja ozbiljno upozorenje.
Čak i najtiši pozadinski zvuk na naizgled bezazlenom videosnimku može otkriti podatke koje njegov autor nikada nije namjeravao podijeliti s javnošću.
Izvor: tuzlanski.ba
