EARLINET (European Aerosol Research Lidar Network) es una red de excelencia constituida por estaciones europeas de investigación atmosférica que disponen de sistemas LIDAR (Light Detection and Ranging) avanzados y los operan de manera sistemática y coordinada. Los instrumentos LIDAR de la red EARLINET son sensores remotos diseñados y utilizados para el estudio de las partículas materiales atmosféricas, cuyo papel en el balance energético de la Tierra y sus implicaciones sobre las futuras condiciones climáticas es un importante tema de investigación en la actualidad.
El principio de operación de los sistemas LIDAR se basa en el envío de radiación láser pulsada a la atmósfera y en el análisis de una fracción de la radiación retrodifundida por las partículas atmosféricas existentes a lo largo del camino óptico recorrido por los pulsos láser. Esta pequeña cantidad de luz que retorna hacia el punto desde el que se disparó el láser es recogida por un telescopio y adecuadamente detectada.
Finalmente, después de un delicado y complejo procesado de estas señales ya es posible obtener información valiosa sobre la distribución espacial de las partículas a lo largo de la trayectoria seguida por la luz láser, así como una caracterización de diferentes parámetros ópticos atmosféricos relevantes asociados con los aerosoles.
En este sentido, cada instrumento LIDAR funciona como un auténtico rádar óptico, permitiendo en este caso conocer la distribución de los aerosoles existentes según la dirección explorada.
EARLINET inició su andadura en el año 2000 y en la actualidad cuenta con 25 estaciones LIDAR de 13 países. La mayoría de los instrumentos de la red son sistemas no comerciales diseñados y construidos por cada equipo investigador.
La estación del CIEMAT es también un prototipo y forma parte de esta red desde 2005, participando también en el equipo de trabajo del proyecto europeo EARLINET-ASOS (Advanced Sustainable Observation System), que se inició en 2006 con una duración de cinco años.
El principal objetivo de este proyecto es la mejora continua de la infraestructura de EARLINET para permitir una mejor cobertura espacio-temporal de las observaciones, el aseguramiento de la calidad de los datos proporcionados por las estaciones, así como la elaboración rápida de un conjunto de productos estandarizados de interés para la comunidad científica.
Esto obliga a la realización de un gran esfuerzo de coordinación entre las estaciones de la red. Éstas, con independencia de su propio nivel de desarrollo tecnológico inicial, tienen la obligación de ir alcanzando en plazos bien establecidos a lo largo del proyecto una serie de objetivos comunes de mejora y de calidad.
Por ello en el cronograma de actividades de EARLINET-ASOS figura la celebración de dos reuniones anuales de proyecto para la coordinación y el seguimiento del cumplimiento de objetivos.
Una asamblea general en España
Entre el 9 y 11 de febrero, el CIEMAT organizó la Asamblea General de EARLINET y el 7º workshop de EARLINET-ASOS. A esta convocatoria asistieron 60 científicos de 15 países europeos.
Los trabajos se desarrollaron según la agenda prevista y con total éxito. En esta reunión se ha evidenciado un notable incremento del nivel de las estaciones de la red menos desarrolladas, incluida la de CIEMAT, y nuevos grupos LIDAR europeos han expresado su interés en pertenecer a la red.
EARLINET como estructura científica de prestigio tiene una clara vocación de futuro y aspira a consolidar su papel como referente a nivel mundial en la investigación atmosférica con tecnología LIDAR, tal y como evidencian las colaboraciones que mantiene actualmente con las agencias espaciales de Estados Unidos (NASA) y de Europa (ESA) para la validación del funcionamiento de sistemas LIDAR embarcados en satélites artificiales.
La pertenencia a una red de este nivel debe ser un motivo de orgullo para el CIEMAT así como un claro estímulo para seguir mejorando día a día el nivel de los resultados aportados por nuestra estación.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
Investigadores de la Universidad de León han aplicado redes neuronales artificiales a imágenes captadas con drones para reconocer, con un 95 % de acierto, la huella que dejaron las explotaciones auríferas de los romanos en el noroeste peninsular. El sistema se puede aplicar para reducir los riesgos asociados a las minas abandonadas, que causan pérdidas humanas y económicas en todo el mundo.
