Mejorar la detección de gas radón en la atmósfera y en el suelo
Mejora de la eficiencia en el control de plagas a través de tecnología fotónica
febrero 16, 2021
Finaliza MOFRICON: Un sistema de optimización de plantas de generación de frío industrial
febrero 5, 2021El Instituto de Técnicas Energéticas (INTE) trabaja en el proyecto TraceRadon, con el fin de estudiar cómo mejorar la calidad de las medidas de gas radón existente en la atmósfera y en el suelo, para controlar mejor su impacto en la salud y en el medio ambiente.
El radón es un gas de origen natural procedente de la desintegración radiactiva de uranio presente en rocas y suelo, es la principal fuente de exposición de la población a las radiaciones naturales. El radón también se utiliza para localizar, rastrear y cuantificar la fuente de emisiones de gases de efecto invernadero (GEI) mediante la técnica Radon Tracer Method (RTM) y modelos de dispersión atmosférica. Actualmente no existen herramientas para medir este gas en bajas concentraciones en la atmósfera ni para medir correctamente sus exhalaciones del suelo.
El proyecto TraceRadon proporcionará nuevas fuentes de medida, instrumentos de referencia más sensibles y metodologías efectivas para cuantificar la concentración de gas radón en la atmósfera y sus exhalaciones del suelo, necesarias también para validar modelos de flujos de radón en toda Europa.
Esta tecnología se utilizará para armonizar los instrumentos y validar los modelos de flujo de radón, comparándolos con otros modelos y mediante campañas de campo intensas. Los nuevos detectores de gas radón que se construyan en el marco del proyecto, se ensayarán con diferentes medidas de campo en Alemania, Italia, Francia e Inglaterra. Las herramientas y la instrumentación desarrolladas en el ámbito del proyecto se pondrán a disposición de redes de control atmosférico como el Sistema Integrado de Observación de Carbono (ICOS) y en redes de controles de la radiactividad ambiental.
El proyecto forma parte del programa EMPIR cofinanciado en el marco del programa Horizonte 2020 de la Unión Europea, con un presupuesto de 2,4 millones de euros. Se prevé que la duración del proyecto sea hasta el 2023. Además de la UPC, participan la Universidad de Cantabria y otras 16 instituciones y centros de investigación de universidades europeas de Alemania, Polonia, Hungría, Suecia, Austria, República Checa, Francia, Reino Unido, Serbia, Rumanía e Italia.
Tecnología
¿Quieres saber más?
Proyectos Relacionados
- La producción de biogás a través de la digestión anaerobia está experimentando un crecimiento exponencial en Europa en los últimos años, ya que puede ser producido localmente y porque tiene un claro efecto positivo sobre el reciclaje de los residuos, la generación de energía limpia, el desarrollo sostenible o la acción por el clima. En este contexto se desarrolla el proyecto FertiLab, en el que participan investigadores del Departamento de Ingeniería Agroalimentaria y Biotecnología (DEAB) de la UPC.
- La flexibilidad de los sistemas eléctricos es fundamental en el proceso de transición energética hacia modelos de generación de energía más sostenibles. La Comisión Europea promueve el desarrollo de soluciones que den respuesta a los retos de gestión de las redes de distribución eléctrica del futuro sistema energético basado en fuentes renovables. Una cuota cada vez más grande de generadores de electricidad fluctuante, como los sistemas eólico y solar, hace que sea más difícil calcular las cargas que se están alimentando.
- El Centro de Innovación Tecnológica en Convertidores Estáticos y Accionamientos (CITCEA) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC) participa en el proyecto COVHE, el objetivo del cual es desarrollar un sistema de tracción eléctrica para vehículos pesados basado en una pila de hidrógeno.
- El objetivo del proyecto GENIUS, en el que participa el Centro de Innovación Tecnológica en Convertidores Estáticos y Accionamientos (CITCEA) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC), es el desarrollo de un estimador de carga para baterías de ion de litio basado en un modelo dinámico parametrizado por una red neuronal.
