Možete sakriti vizuelne detalje sa snimka, ali ne možete sakriti zvuk aviona koji prelijeću iznad vaše glave.
Poznati jutjuber Kolsto razvio je tehniku geolociranja koja istovremeno fascinira i djeluje zastrašujuće. On je uspio da pronađe tačnu lokaciju potpuno neprepoznatljivog video-snimka tako što je analizirao gotovo nečujan zvuk aviona u pozadini.
Čitav metod oslanja se na Doplerov efekat i javno dostupne podatke o letovima.
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 otvorenim za javnost. Pored toga, letjelice sa elisama proizvode specifičan niskofrekventni zvuk koji mikrofoni lako bilježe, čak i kada ga ljudsko uho uopšte ne registruje na snimku.
Da bi demonstrirao sistem u praksi, Kolsto je uzeo video-snimak niske rezolucije na kom se vide samo neugledna stabla, snimljen 8. septembra negdje na tlu Sjedinjenih Američkih Država.
U audio-zapisu se na prvo slušanje čuju samo cvrkut ptica i ambijentalni šum. Međutim, detaljan prikaz spektrograma otkrio je dvije specifične Doplerove krive – tragove preleta dva aviona u razmaku od tačno 920 sekundi.
Oblik ove krive 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.
Ukrštanjem ovih akustičkih podataka sa bazom obavljenih letova, Kolsto je prvobitnu listu od 70.000 mogućih lokacija sveo na 15.000, eliminišući oblasti u kojima je trebalo da se čuju i drugi avioni.
Zatim je primijenio obrnuti proces – matematički je modelovao potencijalne krive leta, uporedio ih sa zapisom i izolovao samo jedan jedini mogući par letjelica. Nekoliko trenutaka kasnije, uz pomoć servisa Google Street View, pronašao je tačnu bezbjednosnu kameru koja je zabilježila kadar u šumi.
Iako ovaj metod zahtijeva bar okvirno vrijeme nastanka snimka kako se potraga ne bi pretvorila u traženje igle u plastu sijena, eksperiment služi kao upozorenje. Čak i najtiši pozadinski šum na naizgled bezazlenom video-snimku može da otkrije podatke koje autor nikada nije namjeravao da podijeli sa javnošću.