Un iceberg de un billón de toneladas se desprende de la Antártida
Fuente: Sinc
SINC
Un iceberg colosal, con un tamaño equivalente a diez veces la ciudad de Madrid, se ha separado esta semana de la plataforma de la Antártida. Se hace realidad la predicción que habían hecho los científicos del proyecto británico Midas, liderados por Martin O’Leary y Adrian Luckman de la Universidad de Swansea (Gales).
El enorme iceberg se ha separado de la plataforma de hielo Larsen C en algún momento entre el lunes 10 y el miércoles 12 de julio de 2017, según informan los investigadores. La sección de 5.800 kilómetros cuadrados, que probablemente se llamará A68, pesa más de un billón de toneladas. Su volumen es el doble que el del Lago Erie, uno de los Grandes Lagos de Norteamérica, dicen los expertos.
El desarrollo de la fisura durante el último año ha sido monitorizado usando datos de los satélites Sentinel-1 de la Agencia Espacial Espacial. Sus sistemas radar son capaces de tomar imágenes independientemente de la cobertura de nubes, incluso durante todo el período de invierno actual en el que reina la oscuridad polar.
En la fotografía se puede ver un mapa de Larsen C superpuesto con la imagen térmica captada por el espectroradiómetro MODIS de la NASA el 12 de julio de 2017, donde se muestra que el iceberg se ha desprendido.
Licencia : Creative Commons
Últimas publicaciones
El objetivo del Plan, con una vigencia de cinco años, es garantizar la plena igualdad de trato y oportunidades de mujeres y hombres, consolidando un camino ya emprendido por la organización, promovida por la Consejería de Universidad, Investigación e Innovación
Sigue leyendo
El Espacio Creativo Cultural Santa Clara del Ayuntamiento de Palma del Río acoge la exposición ‘Paseo Matemático al-Ándalus’ de la Fundación Descubre / Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, una muestra que podrá visitarse hasta el próximo 14 de octubre.
Sigue leyendo
Un equipo de investigación de la Universidad de Málaga presenta una herramienta estadística para identificar de forma precisa conexiones cerebrales incluso cuando la señal está distorsionada e incompleta. Este modelo es aplicable a contextos clínicos como el estudio de enfermedades neurodegenerativas como el Alzheimer o el Parkinson, el procesamiento del lenguaje o el desarrollo neurotecnológico.
