Desarrollo de una cadena de procesado con GRASP para gestionar datos de nefelómetro integrado IN102

Abstract

El monitoreo de la calidad del aire es fundamental para la protección de la salud pública y el medio ambiente, permitiendo identificar y cuantificar contaminantes atmosféricos perjudiciales como el material particulado (PM2,5, PM10). La nefelometría juega un papel significativo en este campo al proporcionar mediciones directas de la dispersión de la luz causada por partículas suspendidas en la atmósfera, ofreciendo datos en tiempo real que complementan los métodos gravimétricos tradicionales. A pesar de su valor, el análisis de estos datos requiere algoritmos avanzados como GRASP (Generalized Retrieval of Aerosol and Surface Properties), que puede transformar mediciones de dispersión en información detallada sobre propiedades físicas y ópticas de los aerosoles. Sin embargo, los investigadores del campo de la física enfrentan desafíos técnicos como la complejidad del procesamiento, la transformación de los datos y la necesidad de disponer de interfaces intuitivas. Buscando dar una respuesta a esta necesidad, este proyecto desarrolla una cadena de procesado que integra el nefelómetro IN102 con el algoritmo GRASP, creando una solución software completa que automatiza la adquisición, procesamiento y visualización de datos atmosféricos. El sistema implementa una arquitectura Modelo-Vista-Controlador utilizando Python, Qt para la interfaz gráfica, Docker para garantizar portabilidad multiplataforma, y Flask para implementar una API REST que permite el procesamiento tanto local como remoto. La metodología iterativa e incremental, implementada en este proyecto, con participación activa de usuarios científicos internacionales, ha permitido desarrollar una herramienta que responde a necesidades reales: integración completa con hardware especializado, visualizaciones científicas avanzadas con Plotly, interfaz intuitiva y arquitectura modular extensible. El resultado es una solución efectiva que facilita la investigación en calidad del aire, permitiendo a los científicos centrarse en el análisis de resultados en lugar de en diversas complejidades técnicas.

Air quality monitoring is crucial for safeguarding public health and the environment by identifying and quantifying harmful atmospheric pollutants such as particulate matter (PM2,5, PM10). Nephelometry plays a significant role by directly measuring light scattering from suspended atmospheric particles, providing real-time data that complements traditional gravimetric methods. Despite its value, analyzing this data requires advanced algorithms like GRASP (Generalized Retrieval of Aerosol and Surface Properties), which can transform scattering measurements into detailed information about aerosol physical and optical properties. However, researchers in physics face technical challenges such as processing complexity, data transformation, and the need for intuitive interfaces. Addressing this need, this project develops a processing chain that integrates the IN102 nephelometer with the GRASP algorithm, creating a comprehensive software solution that automates the acquisition, processing, and visualization of atmospheric data. The system implements a Model-ViewController architecture using Python, Qt for the graphical interface, Docker for cross-platform portability, and Flask to implement a REST API enabling both local and remote processing. The iterative and incremental methodology, implemented with active participation from international scientific users, has enabled the development of a tool that meets real-world needs: complete integration with specialized hardware, advanced scientific visualizations with Plotly, an intuitive interface, and an extensible modular architecture. The result is an effective solution that facilitates air quality research, allowing scientists to focus on results analysis rather than technical complexities.