AÑO NOMBRE

Una evaluación de las características de asignación y de

asimilación de residuos de carga óptima en el Arroyo
2012
cuenca del Río Colorado, TX largo de la frontera entre
Estados Unidos y México
 Planificación de la calidad del agua en ríos: la capacidad de
asimilación y dilución de
2017 flujo
 Contabilización de la capacidad de asimilación de los Sistemas de
Agua en
2017 Escocia

2019
Mejorar la evaluación de la huella hídrica gris: Contabilización de la incertidumbre
 Mejorar la evaluación de la huella hídrica gris: Contabilización de la incertidumbre

El análisis chemometric para la evaluación de la calidad del agua

2019 del río en la ingesta de plantas de
tratamiento de agua potable
 El análisis chemometric para la evaluación de la calidad del agua
2019 del río en la ingesta de plantas de
tratamiento de agua potable
 La predicción de la calidad del agua del río Tigris en Bagdad, Irak
utilizando el índice de
2018 calidad del agua y el análisis de regresión
AUTORES

E. Hernández Annette • Venkatesh Uddameri

Seyed Arman Hashemi Monfared 1 · Mohsen
Dehghani Darmian 1 · Shane A. Snyder 2,3
· Gholamreza Azizyan 1 · Bahareh Pirzadeh 1 ·
Mehdi Azhdary Moghaddam 1
 Paula Novo 1,2

Girolamo una , • , Pierluigi Miscioscia segundo , Tiziano Politi segundo , Emanuele Barca una
Girolamo una , • , Pierluigi Miscioscia segundo , Tiziano Politi segundo , Emanuele Barca una

Stefan Platikanov una , • , David Baquero segundo ,

Susana González segundo , Jordi Martín-Alonso
do , Miquel Paraira do ,
José Luis Cortina segundo , roma Tauler una
Stefan Platikanov una , • , David Baquero segundo ,
Susana González segundo , Jordi Martín-Alonso
do , Miquel Paraira do ,
José Luis Cortina segundo , roma Tauler una
 SalamHussein Ewaid una , Salwan Ali Abed
segundo , * , Safaa A. Kadhum segundo
una Instituto Técnico de Shatra, Universidad
Técnica del Sur, Irak
RESUMEN

La gestión eficaz de la calidad del agua requiere una cuidadosa consideración de destino y transporte de
contaminantes, la estimación adecuada de las cargas de fuentes no puntuales, y la asignación máxima
permitida de descargas puntuales. Un sistema de soporte de decisiones (DSS) que aborda todas estas
cuestiones se desarrolla en este estudio mediante la incorporación de
expresiones de equilibrio de masas, SIG, y un esquema de carga de fuentes no puntuales basadas
en teleobservación- en un enfoque híbrido objetivo de programación y se aplica a el rápido
crecimiento de las cuencas hidrográficas Arroyo del río Colorado a lo largo de la frontera entre
Estados Unidos y México. Los componentes del modelo se evaluaron favorablemente con los datos de campo y
los estudios anteriores. El DSS se utilizó para evaluar la capacidad de carga del río, definida basada en los
estándares de calidad de agua para la demanda bioquímica de oxígeno,
oxígeno disuelto y mínimos requisitos de in-stream flujo. Los resultados indicaron que en una macro escala, las
tensiones actuales utilizan aproximadamente el 40% de la capacidad máxima de carga.
Sin embargo, las sub-cuencas más aguas arriba y abajo en la actualidad más estresados y
necesitan reducir sus cargas. La capacidad de asimilación del río no es su fi ciente para llevar a los
flujos de corriente en sus concentraciones permitidas de descarga que implica una desigualdad
entre las altas con respecto a la carga de los costos de tratamiento. Los análisis de sensibilidad
indicó que la capacidad de carga se ve más afectada por las decisiones políticas hechas por los
estándares de calidad del agua a continuación, donde iban a ser forzada (es decir, lugares de
cumplimiento). Las áreas urbanas actualmente cubren 13% de la cuenca pero contribuyen casi el
45% de los no-total de puntos las sub-cuencas más aguas arriba y abajo en la actualidad más
estresados y necesitan reducir sus cargas. La capacidad de asimilación del río no es su fi ciente
para llevar a los flujos de corriente en sus concentraciones permitidas de descarga que implica una
desigualdad entre las altas con respecto a la carga de los costos de tratamiento. Los análisis de
sensibilidad indicó que la capacidad de carga se ve más afectada por las decisiones políticas
hechas por los estándares de calidad del agua a continuación, donde iban a ser forzada (es decir,
lugares de cumplimiento). Las áreas urbanas actualmente cubren 13% de la cuenca pero contribuyen casi el
45% de los no-total de puntos las sub-cuencas más aguas arriba y abajo en la
actualidad más estresados y necesitan reducir sus cargas. La capacidad de asimilación del río no es su fi ciente
para llevar a los flujos de corriente en sus concentraciones permitidas de descarga que implica una desigualdad
en cargas de origen. Por lo tanto, la urbanización en esta cuenca debe ser
cuidadosamente planificado con énfasis en el tratamiento y gestión de aguas
pluviales para sostener este valioso recurso para las generaciones futuras.
 El crecimiento demográfico, la urbanización y la expansión industrial se consecuentemente vinculados al
aumento de la contaminación en todo el mundo. Las
fuentes de contaminación son tan grandes y también incluyen fuentes puntuales y no puntuales, con desafío
intrínseco para el control y reducción. Este documento se centra en las concentraciones lutant nantes y
también la distancia que la contaminación está en contacto con el agua del río como funciones objetivo para
determinar dos principales características necesarias para el agua cali- dad de gestión en el río. Estas dos carac-
terísticas necesarias se nombran capacidad de asimilación
y el flujo de dilución. los área de concentración inaceptables significaría ( do una) y afectados distancia (X) se
consideran como dos funciones objetivo para determinar el flujo de dilución mediante un algoritmo de
optimización no dominado clasificación algoritmo genético II (NSGA-II). Los resultados demuestran que la
variación de la descarga de caudal de los ríos en las diferentes estaciones puede modificar la capacidad de
asimilación de hasta 97%. Por otra parte, cuando se utiliza el flujo de dilución como agua herramienta de cali-
dad de gestión, los resultados revelan que el contenido de ( do una) y X cambiar hasta un 97% y 93%,
respectivamente.

Un desafío metodológico clave en la comprensión de la relación entre la economía y la base del ecosistema
subyacente reside en cómo dar cuenta de la degradación de
los ecosistemas y la disminución de los servicios de los ecosistemas asociados. En este estudio, utilizamos la
información sobre los nutrientes y las concentraciones de metales a
partir de la base de datos Cambio Environmental Network (ECN) y la Agencia de Protección del Medio escocesa
(SEPA) para el período 2000-2010 con el fin de evaluar la capacidad
de asimilación de los sistemas de agua. La investigación abarca cinco sitios aguas arriba y aguas abajo 17 sitios
en el noreste de Escocia. Nuestros resultados ponen de manifiesto la
relevancia de considerar una serie de contaminantes, y sugieren que elementos como el arsénico, el plomo y el
mercurio pueden representar una amenaza para la sostenibilidad y la
salud de los ecosistemas. Sin embargo, poca investigación se ha hecho en términos de su capacidad de
asimilación y su impacto en las evaluaciones de la huella hídrica gris.
Además, los resultados indican que las condiciones de fondo podrían ser relevantes al realizar el análisis de
sostenibilidad a diferentes escalas espaciales. El estudio también plantea
cuestiones relevantes en relación con la gestión del territorio enfoques frente a los enfoques tradicionales de
tratamiento de agua 'de fin de tubería', y la definición de las
concentraciones máximas y de fondo. En este sentido, se necesitan más estudios para comprender las ventajas
y desventajas entre los diferentes servicios de los ecosistemas en
función de cómo estas concentraciones son de fi nido. El estudio también plantea cuestiones relevantes en
relación con la gestión del territorio enfoques frente a los enfoques
 Un desafío metodológico clave en la comprensión de la relación entre la economía y la base del ecosistema
subyacente reside en cómo dar cuenta de la degradación de
los ecosistemas y la disminución de los servicios de los ecosistemas asociados. En este estudio, utilizamos la
información sobre los nutrientes y las concentraciones de metales a
partir de la base de datos Cambio Environmental Network (ECN) y la Agencia de Protección del Medio escocesa
(SEPA) para el período 2000-2010 con el fin de evaluar la capacidad
de asimilación de los sistemas de agua. La investigación abarca cinco sitios aguas arriba y aguas abajo 17 sitios
en el noreste de Escocia. Nuestros resultados ponen de manifiesto la
relevancia de considerar una serie de contaminantes, y sugieren que elementos como el arsénico, el plomo y el
mercurio pueden representar una amenaza para la sostenibilidad y la
salud de los ecosistemas. Sin embargo, poca investigación se ha hecho en términos de su capacidad de
asimilación y su impacto en las evaluaciones de la huella hídrica gris.
Además, los resultados indican que las condiciones de fondo podrían ser relevantes al realizar el análisis de
sostenibilidad a diferentes escalas espaciales. El estudio también plantea
cuestiones relevantes en relación con la gestión del territorio enfoques frente a los enfoques tradicionales de
tratamiento de agua 'de fin de tubería', y la definición de las
concentraciones máximas y de fondo. En este sentido, se necesitan más estudios para comprender las ventajas
y desventajas entre los diferentes servicios de los ecosistemas en
función de cómo estas concentraciones son de fi nido. El estudio también plantea cuestiones relevantes en
relación con la gestión del territorio enfoques frente a los enfoques
tradicionales de tratamiento de agua 'de fin de tubería', y la definición de las concentraciones máximas y de
fondo. En este sentido, se necesitan más estudios para comprender las
ventajas y desventajas entre los diferentes servicios de los ecosistemas en función de cómo estas
concentraciones son de fi nido. El estudio también plantea cuestiones relevantes en
relación con la gestión del territorio enfoques frente a los enfoques tradicionales de tratamiento de agua 'de
fin de tubería', y la definición de las concentraciones máximas y de fondo.
En este sentido, se necesitan más estudios para comprender las ventajas y desventajas entre los diferentes
servicios de los ecosistemas en función de cómo estas concentraciones
son de fi nido.
 La huella hídrica gris (GWF) se refiere a la cantidad de agua dulce necesaria para diluir los contaminantes para
cumplir con los estándares de calidad
en agua. El objetivo de este trabajo fue estimar la GWF y su incertidumbre para la producción de cultivos a
escala de cuenca. El enfoque propuesto se
probó en la Cuenca Mannu Rio (Cerdeña, Italia) para pro- ducción de trigo duro. La fracción de los nutrientes
que desembocan en el río y el agua
subterránea se evaluó mediante el modelo de Suelo y Agua Herramienta de evaluación que se calibró con los
datos de monitorización in-stream. Una
técnica de bootstrap junto con simulaciones de Monte Carlo se utilizó para estimar la incertidumbre de la GWF
debido a la variabilidad de los datos de
entrada principal y el nivel de fondo natural desconocido de los nutrientes en las aguas. El GWF para fósforo
total de entrada (TP) (3284m 3 t -1) fue
mayor que para el nitrógeno inorgánico disuelto (DIN) (275m 3 t -1), a pesar de la menor tasa de aplicación de
fertilizantes de fósforo. Se encontró que la
incertidumbre de ser relevante para los dos DIN (60%) y TP (18%). La sostenibilidad ambiental de la producción
de trigo duro se evaluó en todo el
nivel de contaminación del agua. Esto demostró que la carga TP supera la capacidad de asimilación en la escala
de alcance, y que se necesitan más
análisis para evaluar la sostenibilidad del medio ambiente a escala de cuenca.

La mayor parte de los ríos mediterráneos están sufriendo los efectos de los vertidos industriales, urbanos y
mineros, así como una reducción
en la cantidad y calidad del agua. Además, debido al clima mediterráneo, la disponibilidad de recursos hídricos
naturales es periódicamente
inferior a la demanda de agua en la zona. Operación de plantas de agua potable en estas áreas geográficas
necesita sistemas de control de
procesos avanzados donde las herramientas de monitoreo de calidad de agua en línea en tiempo real y son
componentes clave. Los conjuntos
de datos con parámetros generados por los sensores de monitoreo y de análisis de laboratorio se utilizan para
revelar los principales factores
que caracterizan la calidad del agua. herramientas quimiométricas como Análisis de Componentes Principales
(PCA) se pueden usar para
explorar y analizar las correlaciones entre los diferentes parámetros fisicoquímicos y microbiológicos con el
objetivo de evaluar la calidad del
agua del río en la toma de agua de beber plantas de tratamiento de agua (ETAP). las tendencias estacionales
fuertes en los contenidos de
materia orgánica e inorgánica y eventos inusuales en la calidad del agua del río prima a la toma de agua de la
ETAP se revelan. patrones
orgánicos e inorgánicos son entonces associatedwith circunstancias de contaminación climatológicos,
meteorológicos e industriales típicos de
la región geográfica en estudio. Además, los eventos microbiológicos pueden ser detectadas en la toma de
agua de DWTPwhichmay
producirse simultaneouslywith contenidos increasingwater de organicmatter, sobre todo al principio de los
episodios de lluvia.
 objetivo de evaluar la calidad del
agua del río en la toma de agua de beber plantas de tratamiento de agua (ETAP). las tendencias estacionales
fuertes en los contenidos de
materia orgánica e inorgánica y eventos inusuales en la calidad del agua del río prima a la toma de agua de la
ETAP se revelan. patrones
orgánicos e inorgánicos son entonces associatedwith circunstancias de contaminación climatológicos,
meteorológicos e industriales típicos de
la región geográfica en estudio. Además, los eventos microbiológicos pueden ser detectadas en la toma de
agua de DWTPwhichmay
producirse simultaneouslywith contenidos increasingwater de organicmatter, sobre todo al principio de los
episodios de lluvia.
© 2019 Elsevier BV Todos los derechos reservados.
palabras clave:
Sensores de calidad
del agua del río
Quimiometría
ETAP
 Se estudiaron los conjuntos de datos de calidad de agua mensuales de diez estaciones en el río Tigris en
Bagdad para el
año 2016. El índice de la calidad del agua (ICA) se calculó usando 11 parámetros importantes de acuerdo con el
peso
asignado, y sus valores se utilizaron como la variable dependiente en el análisis por etapas de regresión lineal
múltiple
(MLR) para desarrollar un modelo de calidad del agua (WQM) para el río.
Veintitrés variables de calidad del agua fisicoquímicas (2760 valores) se incluyeron en el desarrollo de la WQM,
son:
Aluminio (Al + 3), El fluoruro (F - 1), El nitrito (NO - 1
2), Nitrato
(NO - 1
3), El amoníaco (NH 3), Temperatura (T), la alcalinidad total (TA.), La turbidez (Tur.), Dureza total (TH), calcio (Ca
+ 2), Cloruro
(Cl - 1), El magnesio (Mg + 2), Potencial de hidrógeno (pH), la conductividad eléctrica (EC), sulfato (SO4 - 2),
Sólidos disueltos
totales (TDS), hierro (Fe + 2),
Sílice (SiO 2), Fosfato (PO - 3
4), El oxígeno disuelto (OD), demanda biológica de oxígeno (DBO 5),
Demanda Química de Oxígeno (COD) y sodio (Na + 1).
El valor medio anual de ICA durante el estudio fue de 266; más que el valor de seguridad de 100; en
consecuencia, los
qualitywas agua considerada como no apta para beber. No se detectaron diferencias significativas en los
valores del ICA
durante los meses ya través de las estaciones con los valores más altos del ICA (mala calidad) en invierno y
primavera,
mientras que los valores más bajos (mejor calidad) eran en verano y otoño. El WQM, que fue desarrollado en
base al
análisis MLR paso a paso, consistió en cinco parámetros: Tur, EC, bacalao, TH, y de pH con un valor significativo
(r 0.987,
R 2 0,974, p <0,01) y la fórmula modelo es: WQI = ( - 1,597) ( Tur) 0,478 ( CE) 0,409 ( BACALAO) 0,089 ( TH)
0,291 ( pH) 0,095
Los resultados del estudio muestran que el uso de ICA como la entrada variable dependiente mejoró la
predicción de MLRmodel
como una herramienta para comprender, simplificar andmodel la calidad del agua
METODOLOGIA

Delimitación área de estudio y modelo conceptual

El área de estudio de interés es el segmento no tidal de la cuenca Arroyo río Colorado representado en la Fig.
México (Fig. 1 , Recuadro). La cabecera del río comienza cerca de la ciudad de Misión y el segmento de no-mare
lado oriental de la cuenca. Hay 34 descargadores permitidos de aguas residuales, también conocidos como s
en el segmento de interés de las cuales 23 han desagües directas en el río o una zanja de drenaje cerca del río.
que están actualmente activos y representan más del 95% de todas las descargas de fuentes puntuales en la
ciudades, Donna y Weslaco, penetre en el río en el mismo punto de con fl uencia y se tratan como un ultimació
Las plantas de tratamiento de aguas residuales utilizan típicamente sistemas de tratamiento de tipo de lodos activados, con
poco, utiliza un sistema de estanque (TCEQ 2006a ). La mayoría de los permisos de descarga actualmente requieren trata
comunicados de demanda bioquímica de oxígeno en el río. Sin embargo, como se ve de la Tabla 1 , Algunos descargado
concentración permitidos. Además, hay varias instalaciones domésticas tratamiento de aguas residuales a pequeña escala que
568 m 3 / día utilizando mecanismos como las aguas residuales en el lugar y los sistemas de fluencia bajos. Estos sistemas no c
el río y cualquier indirecta en los flujos (a través de la lixiviación en y posterior descarga de agua subterránea) son mínimas (T
de la tierra en la cuenca es variada, pero casi el 75% agrícola. Por lo tanto, además de los descargadores de punto identi fi ed
materia orgánica en retorno de irrigación fluye y la escorrentía de aguas pluviales de ambas zonas agrícolas y urbanas. En su
estas dos fuentes drenan en el río a través de un laberinto de canales de drenaje que atraviesan la cuenca (Stubbs et al. 2005 )
una sola contribución NPS. En una escala de cuencas hidrográficas, las contribuciones de NPS tenderán a ser no uniforme com
las secciones occidentales a más de 30 pulgadas (76,2 cm)
por año en el este (NCDC 2006 ). Además, las cargas de contaminantes NPS también variarán en la escala de su
suelo (Charbeneau y Barrett 1998 ). Para capturar la variabilidad en las cargas de fuentes de energía nuclear, el
sub-cuencas cuyas salidas coincidió con la influencia puntos estafadores de las grandes vertidos de fuente puntua
referentes a la cuantificación de las cargas de fuentes de energía nuclear se presentan en una sección posterio
puntuales de modelado.vertidos de fuente puntual de modelado La influencia punto en el que se descarga d
río con se modela como un reactor de tanque ow-agitada fl continua cero-volumen (Chapra 1997 ). Un balance de ma
para estimar las concentraciones de DBO y DO de fi cit en la confluencia punto (por ejemplo, el punto B en la Fig. 3
obtuvo a través de un massbalance de estado estacionario
 Capacidad de asimilación
Una rama de los enfoques de monitoreo basados en factores de estrés e
concepto de capacidad de carga o capacidad de asimilación. El concepto
formulado en torno al uso de los ambientes de agua dulce y marinos pa
eliminación de desechos principalmente orgánicos y efluentes asociados. E
contexto, Cairns ( 1977 ) Había propuesto que la capacidad de asimilación s
definir como la capacidad de un ecosistema para ser expuesto a ciert
concentraciones de aguas residuales (orgánica) y efluentes sin sufrir da
considerables a agentes biológicos. La consideración de la capacidad d
autodepuración de un río (capacidad ilation assim-) para el tratamiento
contaminación es una necesidad económica que conduce al diseño de insta
de tratamiento convencionales optimizados para reducir los costos. B) la asignación de agua para abastecer la
directa entre la liberación de agua desde el depósito de aguas arriba y la velo
flujo de agua en el río, para satisfacer escenario A, la velocidad de flujo de
disminuido y para el escenario
B, la velocidad de flujo debe ser mayor. Por lo tanto, estos dos escenar
disponibles tienen comportamientos conflictivos. En este papel, el escenar
ha considerado para el cálculo de la capacidad de asimilación de cada lanza
depósito de agua para apo- ply las demandas aguas abajo. Flujo de dilu
Cuando la entrada de la contaminación del río es accidental o incontrolable,
descarga brusca de la contaminación de las fábricas de prueba industriali
cerca de un río sin permiso, o de un accidente, como el derrame de un b
cisterna de productos químicos (como el petróleo) en el río, si el concentra
entrada del contaminante es mayor que la capacidad de asimilación, la
concentración de contaminación en el río debe disminuirse. Una acción co
tical prác- es para liberar un volumen de agua desde aguas arriba del pun
entrada de la contaminación, que se llama flujo de dilución. En esta situac
liberación se ajusta a min- imize el daño al medio ambiente. Esto sólo pu
lograrse mediante el uso de, o la construcción, de las estructuras de regul

En este trabajo, hacemos uso de dos bases de datos: la Red de Cambio Ambiental (ECN) [ 20 ]
armonizado de vigilancia (HMS) de la Agencia de Protección del Medio escocesa (SEPA) [ 21 ]. La REC c
y 12 terrestres distribuidos en todo el Reino Unido. Esta investigación se centra en cinco zonas de agu
Lochnagar, Loch Kinord, Loch Leven, Birnie Burn (Glensaugh) y Spey en Fochabers. La base de dato
2000-2010. de información química de agua dulce ECN consiste en una colección de muestras de
grabación automática en su caso) que mide variables físicas de importancia ambiental acuático. En este estudio, se estim
proporción entre la concentración de contaminantes
 En este trabajo, hacemos uso de dos bases de datos: la Red de Cambio Ambiental (ECN) [ 20 ]
armonizado de vigilancia (HMS) de la Agencia de Protección del Medio escocesa (SEPA) [ 21 ]. La REC c
y 12 terrestres distribuidos en todo el Reino Unido. Esta investigación se centra en cinco zonas de agu
Lochnagar, Loch Kinord, Loch Leven, Birnie Burn (Glensaugh) y Spey en Fochabers. La base de dato
2000-2010. de información química de agua dulce ECN consiste en una colección de muestras de
grabación automática en su caso) que mide variables físicas de importancia ambiental acuático. En este estudio, se estim
proporción entre la concentración de contaminantes
y la concentración máxima aceptable para los sitios de tierras altas nos permiten evaluar la capacidad
'vírgenes'. Como se muestra en Cruz y Andrade [ 24 ], La estimación de las concentraciones naturales
umbral. medidas de la calidad del agua en la salida de la cuenca nos permiten tomar en cuenta tanto el
largo de la cuenca. La carga en este punto se incluyen la contaminación de diferentes fuentes; en co
permite asignar a concentraciones diferentes fuentes. Además, en caso de procesos de desintegració
bajas aguas abajo, que a su vez implicaría que la capacidad de absorción de la zona de captación en
En cuanto a las concentraciones de fondo do atrás, referencias 13 y 25 recomiendan el uso de datos lo
[ 13 , 25 ]. En este estudio, las concentraciones de contaminantes en zonas de montaña, que se considera
utilizan como las concentraciones de fondo para calcular el MAC en la salida de la zo
 La concentración natural de fondo se define como el valor de un contaminante en
agua que se produce en ausencia de impactos antropogénicos. Para los producto
origen humano (es decir, pesticidas), y para las sustancias que se estima ser b
concentración, do nat se supone que es igual a cero ( Mekonnen y Hoekstra, 2010; Zeng, et al., 2013 ), El modelo SW
fracción de fertilizantes que llegan a las aguas superficiales ( α · AR en la ecuaci
rendimiento del cultivo ( Y en la ecuación. (1) ) Para cada parcela de tierra en virtud d
trigo duro. la incertidumbre de la GWF se ha analizado representa la variabilid
entradas, pero suponiendo que la estructura del modelo es correcto. La incertidum
los datos de entrada se debe principalmente a la variabilidad, tanto en el espacio y
rendimiento de los cultivos y de las fracciones de nutrientes que fluyen en el río com
producción de un solo cultivo. El nivel de fondo natural trientes nu- en el curso d
elemento adicional de incertidumbre.

La práctica existente para supervisión de la calidad del agua a la entrada de SJD

en la inspección de los parámetros físico-químicos individuales de calidad del agua
como la absorción UV a 254 nm (UV 254), turbidez (RTU), carbono orgánico tota
conductividad (COND) y otros. operadores ETAP basan sus decisiones sobre va
parámetros individuales utilizando umbrales preestablecidos. DWTPmanagement e
acuerdo con la norma ISO 22000, asegurando el cumplimiento continuo de la fi agua
el proceso de control de la calidad, / en línea se utilizan los datos obtenidos por e
 La práctica existente para supervisión de la calidad del agua a la entrada de SJD
en la inspección de los parámetros físico-químicos individuales de calidad del agua
como la absorción UV a 254 nm (UV 254), turbidez (RTU), carbono orgánico tota
conductividad (COND) y otros. operadores ETAP basan sus decisiones sobre va
parámetros individuales utilizando umbrales preestablecidos. DWTPmanagement e
acuerdo con la norma ISO 22000, asegurando el cumplimiento continuo de la fi agua
el proceso de control de la calidad, / en línea se utilizan los datos obtenidos por e
agarre y de los análisis de laboratorio y / o desde en línea sensores. Múltiples parámetros, generadas por los sensores e
grandes conjuntos de muestras, que pueden ser analizadas simultáneamente para prop
global de los patrones naturales de calidad río prima y eventos desconocidos y por lo t
herramientas adecuadas para la mejora de los procedimientos de tratamiento de agua
de datos
se almacenan en tablas de datos o matrices bidimensionales, donde observacione
(ordenada por tiempo o por muestras) se encuentran en las filas y parámetros medid
en las columnas de una tabla de datos (matriz de datos). Por lo tanto, estas tablas d
dimensiones pueden ser analizadas fácilmente utilizando métodos estadísticos y
multivariados existentes. Conjunto de datos 2 con los 346 observaciones experimentales reale
(que se correspondía con sus registros de tiempo) se analizó con PCA para investiga
la naturaleza de los eventos observados previamente (en Conjunto de datos 1) rela
materia orgánica, materia y componentes pH fuentes inorgánicas explican en la se
Estos 346 observaciones abarcaron seis meses de seguimiento, entre julio y novie
PCA aplica a los datos autoescalados sugirieron un modelo con tres componente
explicando tanto como el 81% de la varianza total de los datos
 El río Tigris es 1.850 kilometros de largo. Se deriva de las montañas del este de Turquía, luego fluye hacia el sur y s
hasta el sur para representar themain fuente de agua que divide la zona urbana de la capital Bagdad en dos lados
La llanura Tigris es una zona densamente poblada, debido a su fácil acceso al agua, suelo fértil y el paisaje adecu
extienden a lo largo de las orillas del Tigris. Todos de Bagdad (que está poblada por unos 7 millones de habitantes
industriales directamente sin tratamiento suficiente en el río al sur de la ciudad ( Sulaymon et al., 2009 ).Para calcular la ICA p
químicos de calidad del agua en función de su importancia, son pH, DO,
EC, TH, Na + 1, BOD 5, NO - 1
3, NO - 1 2, TDS, y DQO ( Alobaidy et al., 2010b ; Kangabam et al.,
2017 ).
Los valores medidos medios de los parámetros seleccionados y las normas recomendadas para el agua potable
con los tres pasos siguientes:
1. peso asignado (AW), que van desde 1,46 hasta 4,09 fueron asignados a cada uno de los pará
puntos de vista de expertos en estudios anteriores ( Alobaidy et al., 2010b ; Kangabam et al., 2017 ). El estándar, el
seleccionado once.En primer lugar, los datos se organizan de acuerdo a las estaciones y l
supuestos habituales (linealidad, normalidad, multicolinealidad y homocedasticidad) de análisis de regresión se comproba
dispersión. Los distributionwas normales comprueban con un histograma, y equipados c
Q-Q-trama y con la prueba de Kolmogorov-Smirnoff (prueba de bondad de ajuste). Para la comprobación de multicolinea
entre todas las variables independientes eran más pequeñas que 0,8 y el factor de inflación de la varianza (VIF) d
homoscedasticidad fue probado por el gráfico de dispersión.
Todo variableswere estandarizado aún más por la transformación logarítmica (excepto el pH) para conseguir la normalida
pequeños o muy alta varianza ( El campo de 2013 ).
2.4.2. Análisis de los datos
La regresión lineal es un método de modelado estadístico para explicar la relación entre una o más variables indep
y Hirsch, 2002 ).
Los valores del ICA calculado utilizados como la variable dependiente y los valores de los veintitrés parámetros físico
independientes en el análisis de MLR paso a paso para desarrollar un WQM para el río puede predecir el valor de the
monitoreo de la calidad del agua. El SPSS, versión 24 del paquete de software estadístico para Windows fue util
RESULTADOS

La sensibilidad de los parámetros de entrada primarios, tal como se presenta en la Tabla 6 , Indica que la norma de calidad d
parámetro más sensible. Se señaló la carga para este caso para aumentar a 829 kg / día a partir del valor de línea de base de 6
ser
cambiado 4,75 a 5,225 mg / L. Sin embargo, una norma menos estricta implica servicios ecológicos menores y por lo tanto
después de
una cuidadosa evaluación de riesgo ecológico y valoración. El estándar para la DO es también un parámetro primario sensibl
como el estándar de DBO. Este resultado es de esperar porque el río Arroyo Colorado se caracteriza por velocidades de vie
profundidades menos profundas que no supongan resistencia considerable al oxígeno transferencia de masa (es decir, aireac
Tabla 6 También identificar la necesidad de fi c sitespeci de datos de EMC, particularmente para cargas agrícolas, urbanos e ind
de la agricultura EMC son de esperar debido a una amplia zona de la cuenca se utiliza para fines agrícolas. Sin embargo, la sen
industriales hacen hincapié en que la gestión inadecuada de NPSs urbana podría fácilmente hacer que el río insostenible des
calidad del agua. Los resultados de los análisis de la sensibilidad también ponen de relieve la importante func
cargas de fuentes de energía nuclear en la estimación de los límites críticos del río.
Los resultados presentados en la tabla 7 indican que el flujo coeficiente y el exponente y las tasas de eliminación de DBO so
secundario, ya que las fluctuaciones asumidos en estos parámetros no hacen inviable el modelo. Las cargas admisibles totale
insensible a parámetros de entrada secundario y un cambio del 10% en los valores de entrada causados cambio menos del 3
Nuevamente, se observaron varios EMCs para exhibir sensibilidad secundaria, El impacto de estas parámetros fue menor deb
del suelo
correspondientes ocuparon zonas relativamente pequeñas en la cuenca. La distancia a la que se colocó el punto de control d
tenía un impacto mínimo en las cargas estimadas. Este resultado, junto con la sensibilidad de la DBO y OD estándares sugiere q
a las normas de calidad de agua aceptable debe tener prioridad sobre el lugar donde se deben hacer cumplir es
Además del análisis de sensibilidad, un ciclo de optimización se realizó suponiendo que todas las ciudades descargadas en su
carrera resultó en una solución factible que indica que el río no puede sostener cargas permitidas actuales. El resultado, po
ciudades con mejor infraestructura están compensando los sistemas ineficientes en los demás, y, como tal, los costos de trata
desigualmente distribuidos y deben ser corregidos. Por ejemplo, mientras la Ciudad de McAllen está permitido para una conce
la
corriente uente ef fl tiene una concentración media BOD de 2,5 mg / L. A la inversa, se permite la siguiente ciudad para una
mg /
L con un ef actual fl uente concentración de DBO promedio de62,27 mg / L. Dados los flujos relativos (Ciudad de McAllen
tamaño), las grandes cargas de la segunda ciudad están siendo diluida por el OWSn relativamente limpiador FL desde McAllen.
tratamiento de
aguas residuales que se está subvencionada por ciudades con mejor infraestructura debe cuantificarse e instrumentos econó
comercio debe ser
adoptado para hacer el reparto de los costes de tratamiento de aguas residuales más equitativa.
 1. El aumento de la velocidad de flujo del agua (debido a la relación directa con
descarga de agua) causa una disminución en la capacidad lative assimi-. Al
aumentar la velocidad del flujo de agua, la duración del contacto de la
contaminación se reduce y el tiempo de decaimiento de la contaminación y la
dispersión también se reduce. Los picos de las chemographs contaminantes
aumentan en la posición de aguas abajo y el modelo se ve obligado a reducir la
entrada de contaminación para alcanzar el límite permisible. Este concepto se
ilustra en la Fig. 3 . Para este fin, el movimiento de la contaminación en el río se ha
simulado en el software MATLAB y el óptimo flujo de agua, lo que causa un
daño mínimo al medio ambiente, se ha calculado. El caudal de los ríos se
consideró como una variable de decisión del proceso de optimización en el
rango de 0,07 a 8 m 3 / s. Figuras 4 y 5 indicar los frentes de Pareto,
teniendo en cuenta dos objetivos de la serie ( do una, X) y ( do re, X) para la do s igual a
0,5 y 1 mg / L, y la contaminación de entrada masa igual a 10 y 20 toneladas

Mesa 2 informes media (con desviación estándar) y los valores máximos de la relación entre la concentración real d
 Mesa 2 informes media (con desviación estándar) y los valores máximos de la relación entre la concentración real d
y la concentración máxima permitida en la salida de un número de zonas de captación en el noreste de Escocia p
2000-2010. Los valores reales se han medido en puntos aguas abajo, como se muestra en la figura 1 . Como se puede
fosfatos son sustancias críticas en todas las zonas de captación, con relaciones por encima de 1, en muchos casos, l
estos cuerpos de agua están bajo estrés con respecto a la concentración de fósforo. En este sentido, fósforo escorr
agrícolas es una de las principales fuentes de contaminación difusa [ 28 , 29 ] Y puede acelerar la eutrofización de las
fósforo, amonio (NH +
4) muestra valores promedio
por encima de 0,5 y con un máximo de 1,5 en el río Don. El valor máximo para el amonio es también por encima de 1 e
encima de 0,5 en los ríos Ugie, Deveron y el Norte de Esk.
 Los resultados del presente estudio muestran que el modelo SWAT es capaz de simular el ciclo
de crecimiento de durumwheat, estimar el rendimiento de los cultivos y cuantificar la fracción de
nutrientes que entran en el suelo a nivel HRU que llega a las aguas superficiales o se filtra en el agua
subterránea. Así, el modelo resultó ser una herramienta adecuada para la evaluación de WF. SWAT,
al igual que con la mayoría de los modelos complejos que operan a escala de cuenca, requiere una
enorme cantidad de datos para su puesta a punto, y mediciones de campo para cali- brating la
calidad del caudal y el agua. Los puntos cruciales en la evaluación de GWF son: (i) la fracción de lutants nantes q
desde el suelo hasta el agua subterránea y se escapan a la superficie del agua; (Ii) el nivel de calidad
del agua y el fondo natural del nivel de contaminantes en las aguas; y (iii) el rendimiento del cultivo.Por desgracia, en g
mundo real siguen una mezcla compleja de las distribuciones, las propiedades de los cuales son mu
difíciles de caracterizar, por lo que el enfoque anterior inviable. Dado que la principal incertidumbre
scriptors de- son los momentos estadísticos o los cuantiles, en lugar de toda la distribución, un enfoq
sencillo y eficaz alternativa a la evaluación de la incertidumbre es la simulación. La WF y la WPL son
dos relativamente nuevos indicadores que pueden constituir soportes válidos para el manejo de
cuencas, por medio del cual es posible evaluar la sostenibilidad ambiental de la producción de
cultivos. En este trabajo, la sostenibilidad ambiental de la GWF para la producción de trigo duro,
evaluada a lo largo de la WPL, se encontró que era mayor que el valor deseable. Por lo tanto,
podemos afirmar que la carga TP excede la capacidad de asimilación en la escala de alcance.

Algunas recomendaciones prácticas pueden ser consideradas. El concepto de multivariante

control estadístico de procesos (CEPM) con PCA se ha demostrado que es un enfoque poderoso ( Ferr
 Algunas recomendaciones prácticas pueden ser consideradas. El concepto de multivariante
control estadístico de procesos (CEPM) con PCA se ha demostrado que es un enfoque poderoso ( Ferr
2007 ) Tomonitor el continuo Florida ow de la información adquirida por los sensores fisicoquímicas e
tiempo real para la detección de eventos no deseados, garantía de calidad, optimización de proceso
y el control de procesos. Nosotros proponemos el uso de PCA para el control en tiempo real de los
procesos de toma de agua en la ETAP SJD. Un nuevo umbral de calidad se puede calcular a partir
de los residuos Q de modelo PCA ( Kourti y MacGregor, 1996 ). Este nuevo umbral permitirá un mejo
seguimiento de la calidad del agua del río que la metodología utilizada en la actualidad basado en e
seguimiento de los umbrales separados para todos los parámetros individuales implementados en l
ETAP. Este nuevo umbral tendrá en cuenta las correlaciones observadas entre los diferentes
parámetros físico-químicos. Por lo tanto, la toma de decisiones ETAP se centrará no sólo en un
parámetro, pero en todos ellos incluidos en el modelo PCA, lo que lleva a una respuesta más rápida
y segura en caso de detección de un evento no deseado.
La variabilidad estacional observado en la calidad del agua del río Llobregat puede servir como
un ejemplo ilustrativo para el diseño y planificación de los ajustes adecuados de los procedimientos
operativos de la ETAP, como por ejemplo los relacionados con el predominio de contenido de
materia orgánica en primavera y estaciones de otoño, o los relacionados con el mayor contenido
inorgánico en verano
 El WQI para el río se calculó mediante la aplicación del método de índice de peso asignado a partir de las mediciones de cam
parámetros en tabla 1 . Los valores de theWQI del río se dan en ( Tabla 3 ; Higos. 2 y 3 ). Se puede observar que theWQI osc
y la media fue de 267, lo que refleja la falta de idoneidad para beber según la clasificación de tabla 1 ( Yadav et al., 2010 ). Lo
diferente calidad
del agua para diferentes lugares y meses. Los valores más altos (de mala calidad) de ICA de las dos últimas estaciones es debid
e
industrial de la ciudad. TheWQI valores aumentaron gradualmente hacia la corriente abajo que indica una disminución de la
.Los valores más altos del ICA se registraron durante el invierno y primavera y los valores bajos en verano y otoño
hallazgos se deben a lo que trae la lluvia en invierno y primavera, lo que provoca el aumento de la turbidez, CE y TDS. El aum
agrícolas e industriales a lo
largo del río también aumentó la contaminación debido al uso de fertilizantes y productos químicos, incluyendo los pesticid
contaminación son una
preocupación importante para las personas locales que viven a lo largo del río, ya que dependen del agua del río para beber y
( Ibraheen y Abed,
2017 ).
El alto valor de ICA (mala calidad) se ha encontrado para ser principalmente de los valores más altos de turbidez, EC, y TDS e
muestran que el agua del río necesita un cierto nivel de tratamiento antes de su utilización, y asimismo debe protegerse
CONCLUSIONES

Equilibrar las demandas concurrentes de desarrollo económico y protección del medio ambiente es vital para asegurar los ser
fin, la asimilación de residuos y agua puri fi cación proporcionada por los ríos y arroyos deben estar disponibles para las genera
la actualidad. La identificación de si el río ha alcanzado sus límites críticos en lo que respecta a su característica de asimilaci
fomentar un crecimiento inteligente e implementación de la administración orientada a la sostenibilidad de la cuenca. Sin e
críticos que
consideran las asignaciones de carga de residuos depende de la forma en el río asimila y transporta los contaminantes, la
preferencias del sistema y de los grupos de interés con respecto a la gestión de la calidad del agua. Un DSS que aborda todas
estudio mediante la incorporación de los medios de saldos y un esquema de carga de fuentes de energía nuclear basada en
basado en objetivos de programación híbrida y se aplica a la cuenca del Arroyo del Río Colorado a lo largo de la frontera entr
evaluada frente a
los datos de campo disponibles y otras informaciones y se encontró que ser útil como una guía general para fines de planifica
embargo, las suposiciones subyacentes del modelo deben ser entendidos completamente durante el proceso de planificación
los datos de campo disponibles y otras informaciones y se encontró que ser útil como una guía general para fines de pla
agua. Sin embargo, las suposiciones subyacentes del modelo deben ser entendidos completamente durante el proceso de
evaluada frente a los datos de campo disponibles y otras informaciones y se encontró que ser útil como una guía general pa
calidad del agua. Sin embargo, las suposiciones subyacentes del modelo deben ser entendidos completamente durante el p
La aplicación del modelo indica que mientras que la cuenca no puede haber alcanzado su límite crítico en general, ciertas se
cargas efluente de descarga. Los resultados del modelo fueron sensibles a la política decisiones relativas a las normas de c
evaluación de las
cargas de fuentes de energía nuclear indica una importante influencia sobre las asignaciones de carga de residuos estim
infraestructura y
prácticas no estructurales para tratar adecuadamente las cargas de aguas pluviales, especialmente en las áreas urbanas de la
cumplimiento de los objetivos de la competencia de desarrollo económico y la protección de la calidad del agua en esta r
Expresiones de gratitud Este material está basado en trabajo apoyado por la NSF bajo el Acuerdo Cooperativo No. HRD-0.20
conclusiones o recomendaciones expresadas en este material son las del autor y no necesariamente reflejan los puntos de vist
autores desean agradecer a Javier Davila por sus esfuerzos de recolección de datos.
 Este estudio determinó dos características necesarias para la gestión de la calidad
del agua del río. El primero es la capacidad de asimilación tiva cuando la
contaminación de los ríos es controlable y el segundo es el flujo de dilución cuando la
contaminación descargada es incontrolable y mayor que la capacidad de asimilación
del río. Los procedimientos de modelado presentados calcular la capacidad de
asimilación y el flujo de dilución que se basa en la ecuación de propagación de la
contaminación en un río. Para el agua cali- dad protección se aplicaron estos
procedimientos propuestos en un estudio de caso de referencia que es utilizado por
las investigaciones anteriores.
Los resultados indicaron que los cambios de velocidad río causadas principalmente
por una liberación depósito aguas arriba variaron de 0,07 a 1 m / s, podría causar un
cambio prominente en dad capaci- asimilación. Los cambios en la capacidad de
asimilación de 100 a 3460 kg

Las relaciones de MAC que se presentan en este estudio abordan tanto la heterogeneidad espacial y temporal. En
 Las relaciones de MAC que se presentan en este estudio abordan tanto la heterogeneidad espacial y temporal. En
necesitan más investigaciones. En primer lugar, las concentraciones de fondo se han asumido igual a concentracione
algunos errores en las estimaciones. Más evidencia sobre el uso de estas concentraciones a las concentraciones po
llevarse a cabo. En segundo lugar, las tendencias en el período de 10 años analizado en este estudio son di fi culto p
interesante considerar series de tiempo más largo con el fin de identificar patrones temporales y espaciales. En terce
atípicos downstreamwater calidad de visualización de datos que deben ser analizados con más detalle para comprend
las consecuencias económicas y políticas.
Por último, a pesar de un gran volumen de datos ya están disponibles, esta investigación muestra que sigue
particular durante períodos de tiempo más largos y consistentes, de una manera que permite una mejor evalu
relación entre la gestión de la tierra, geoquímica y calidad del agua.

• SWAT es una herramienta útil para evaluar la GWF y la sostenibilidad de la producción de cul
que es capaz de proporcionar los principales insumos para GWF cálculo, tales como las fraccio
nutrientes que lixiviación del suelo a las aguas subterráneas o de escorrentía a la producción d
y el cultivo de la superficie, a nivel HRU con gran precisión.
• El GWF depende estrictamente de las normas de calidad del agua aplicada. Mediante el u
las normas ambientales en lugar de beber estándares de calidad del agua para la fijación do m
GWF asume un valor más alto, ya que los objetivos ambientales constituyen límites má
estrictos que los del agua potable. Asumiendo do nat es igual a cero conduce a una subestim
 • SWAT es una herramienta útil para evaluar la GWF y la sostenibilidad de la producción de cul
que es capaz de proporcionar los principales insumos para GWF cálculo, tales como las fraccio
nutrientes que lixiviación del suelo a las aguas subterráneas o de escorrentía a la producción d
y el cultivo de la superficie, a nivel HRU con gran precisión.
• El GWF depende estrictamente de las normas de calidad del agua aplicada. Mediante el u
las normas ambientales en lugar de beber estándares de calidad del agua para la fijación do m
GWF asume un valor más alto, ya que los objetivos ambientales constituyen límites má
estrictos que los del agua potable. Asumiendo do nat es igual a cero conduce a una subestim
de la GWF. Es mejor considerar do nat como variable dentro de un intervalo de cero a un v
máximo, fijo para cada nutriente por los valores de la literatura, incluyendo dicha variabilida
el
AM De Girolamo, et al. Indicadores ecológicos 102 (2019) 822-833
830análisis de incertidumbre. Este estudio muestra que una normalización para la fijación de do má
se necesita.
• El GWF para entradas de TP es el más alto para la producción de trigo duro, a pesar de la
de aplicación de fertilizantes de fósforo siendo menor que la de nitrógeno. Este estudio
demuestra claramente que, para obtener una evaluación fiable de la GWF, un gran númer
contaminantes deben ser incluidos.
• la estimación es GWF sitio y tiempo determinado. Este resultado sugiere que la contabilida
especialmente para los cultivos de secano, se debe hacer durante un largo período de tiempo p
en cuenta la influencia del clima en el rendimiento del cultivo y la exportación de nutrien
• El análisis de la incertidumbre, basado en el bootstrap junto con simulaciones de Monte C
ha demostrado ser un enfoque sencillo, capaz de proporcionar un valor realista y represent
de la GWF.
• La sostenibilidad ambiental de la GWF para la producción de trigo duro, evaluada a lo larg
indicador WPL, muestra que, en
el nivel HRU, no hay suficiente agua para diluir la carga contaminante para mantener la
concentración de contaminantes por debajo de la concentración máxima aceptable. Al mi
tiempo, este estudio muestra que se necesitan más estudios para estimar la GWF y WPL a
de cuenca, para incluir todas las actividades antropogénicas existentes en la zona.

Análisis de Componentes Principales (PCA) del río qualitymonitoring datos se demuestra qu

un EF fi herramienta quimiométrico ciente para explorar las relaciones complejas que ocurre
fisicoquímicas y parámetros de calidad de agua de río microbiológicos, ya sea monitoreado
sensores u obtenida por análisis detallado en los laboratorios de ETAP. eventos de materia or
se caracterizaron como una combinación de tres parámetros con valores aumentados: TOC, U
turbidez, mientras que los eventos con carácter inorgánico mostraron aumentos típicos de am
conductividad y pH. eventos de contaminación también se correlacionaron con los dato
 Análisis de Componentes Principales (PCA) del río qualitymonitoring datos se demuestra qu
un EF fi herramienta quimiométrico ciente para explorar las relaciones complejas que ocurre
fisicoquímicas y parámetros de calidad de agua de río microbiológicos, ya sea monitoreado
sensores u obtenida por análisis detallado en los laboratorios de ETAP. eventos de materia or
se caracterizaron como una combinación de tres parámetros con valores aumentados: TOC, U
turbidez, mientras que los eventos con carácter inorgánico mostraron aumentos típicos de am
conductividad y pH. eventos de contaminación también se correlacionaron con los dato
meteorológicos grabados. Los contenidos de materia orgánica e inorgánica son los princip
factores que dominan los cambios en la calidad del agua del río y se asocian principalmente
circunstancias climáticas y meteorológicas. Por ejemplo, la contribución de la materia orgánic
general muestra dinámica estacional debido al régimen hidrológico nivo-pluvial del río Llobre
contribución es mayor al comienzo de los episodios de fuertes lluvias. En contraste, el conten
materia inorgánica muestra una tendencia de ciclo anual con valores máximos en invierno, m
que otros eventos puntuales en la toma de agua con alto contenido de materia inorgánica p
ocurrir también en el inicio de episodios de lluvia (como en el aumento de NH 4 concentracion
final de estos eventos con un considerable aumento de la conductividad. Todos estos result
sugieren que la estrategia de control de proceso estadístico multivariante mediante PCA se p
usar como una nueva estrategia para la mejora de la gestión de la ETAP y de los procesos
monitoreo existentes. La aplicación de la estrategia proposedmonitoring de medición y el an
simultáneo de diversos parámetros es de gran ayuda práctica en el estudio y la comprensión
efectos de las anomalías climáticas mayor escala de tiempo, como las sequías. También se p
utilizar para el seguimiento y control de los acontecimientos irregulares, en escala de tiempo c
como los que se producen a partir de Florida Enjuagar las lluvias y los vertidos industriale
 Este estudio mostró que el valor predicho ICA con la MLR se puede comparar bien con el valor medido ICA. Por lo tanto,
usado para predecir y controlar la calidad del agua del Tigris con una precisión razonable. El estudio recomienda la necesidad
del río para identificar las fuentes de contaminación para proteger este gran río desde una mayor contaminación. Los autores
Sharqi el director de los laboratorios en BaghdadWater Autoridad de apoyo dando los datos sob
Un agradecimiento especial al personal de la Dirección de Agua y Medio Ambiente, Ministerio de Ciencia y Tecnología, Bagda
análisis de las muestras. Los autores también agradecidos a la Facultad de Ciencias, Universidad de Al-Qadisiyah y el Insti
Técnica del Sur por su apoyo logístico durante este estudio. Mohammed Mahdi para la corrección de