@unpublished{upm63619,
          author = {Xiao Luo},
            year = {2020},
          school = {ETSI\_Informatica},
           month = {July},
           title = {Caracterizaci{\'o}n de mapas de contaminaci{\'o}n lum{\'i}nica en Espa{\~n}a},
             url = {https://oa.upm.es/63619/},
        abstract = {El inicio de la era el{\'e}ctrica marca el comienzo del uso masivo de luces artificiales. A lo largo de {\'u}ltimo siglo y medio, aparecen sucesivamente diversas tecnolog{\'i}as de luz el{\'e}ctrica, En los primeros tiempos, el consumo el{\'e}ctrico para la iluminaci{\'o}n fue considerable. Las primeras bombillas s{\'o}lo fueron capaces de transformar aproximadamente 20 \% de energ{\'i}a el{\'e}ctrica en luz, y todo el resto se disipan en calor. Debido a ello, el precio de las luces eran relativamente altas, por lo que la gente las usaban con m{\'a}s cuidado. Pero seg{\'u}n mejorando el rendimiento y la eficiencia, el precio para iluminaci{\'o}n disminuye dr{\'a}sticamente. Es precisamente por esta misma raz{\'o}n, la gente pierde control sobre el uso de iluminaci{\'o}n, y el exceso de luz durante las noches es cada vez mayor. Los cient{\'i}ficos se dieron cuenta del problema y realizan diferentes estudios del tema. Existen diversos proyectos que trabajan en recolecci{\'o}n de datos sobre c{\'o}mo es la contaminaci{\'o}n lum{\'i}nica en diferentes lugares geogr{\'a}ficos. Ciertamente que son {\'u}tiles para estudios sobre el tema, pero no explican el qu{\'e} las causan. Este trabajo tiene como objetivo abarcar sobre este {\'u}ltimo punto. Para ello, se construye una aplicaci{\'o}n python que toma las mediciones de contaminaci{\'o}n lum{\'i}nica en un punto geogr{\'a}fico, analiz{\'a}ndolas de forma autom{\'a}tica y, seg{\'u}n decisi{\'o}n del usuario, se le aplica diferentes algoritmos para extraer informaci{\'o}n de posibles fuentes que causan contaminaci{\'o}n lum{\'i}nica en el lugar. Adicionalmente, tambi{\'e}n se genera un mapa interactivo que permite una visualizaci{\'o}n m{\'a}s intuitiva de dichas fuentes.---ABSTRACT---The beginning of the electric age marks the start of the massive use of artificial lights. Over the last one and half century, various electric light technologies appear successively, In the early days, the electricity consumption for lighting was considerable. The first bulbs were only able to transform approximately 20 \% of electrical energy into light, and all the rest dissipate into heat. Because of this, the price of the lights were relatively high, so people used them more carefully. But as performance and efficiency improve, the price for lighting drops dramatically. It is precisely for this same reason that people lose control over the use of lighting, and the excess light during the nights is increasing. The scientists realized the problem and carry out different studies on the subject. There are several projects working on data collection on how light pollution is like in different geographical locations. They are certainly useful for studies on the subject, but they do not explain what caused them. This paper aims to cover this last point. To do this, a python application was built that takes light pollution measurements at a geographic point, automatically analyzing them and, according to the user?s decision, different algorithms are applied to extract information from possible sources that cause light pollution on site. Additionally, an interactive map is also generated that allows a more intuitive visualization of said sources.}
}