Author Archives: Liz Báez

Presentación del estudio sobre el acuífero Patiño en AGU’s Fall Meeting 2018, Washington D.C.

El Prof. PhD. Juan Pablo Nogués, Director del Proyecto 14-INV-190 “Monitoreo y simulación de transporte de contaminantes en zonas urbanas del acuífero Patiño” FP-UNA – CONACyT, se encuentra participando como expositor del trabajo denominado “Optimization of a groundwater quality campaign utilizing the NSGA-II with Preference Ordering algorithm, contamination risk maps and well availability”, en AGU’s Fall Meeting 2018 “Avances de las ciencias de la tierra y el espacio”, desarrollado en Washington D.C., EE.UU, desde el lunes 10 hasta el viernes 14 de diciembre.

AGU’s es la Unión Americana de Geofísica, una organización sin fines de lucro, con más de 62.000 miembros de 144 países. Sus actividades se centran en la organización y difusión de información científica en el campo interdisciplinario e internacional de la geofísica.

La reunión de este año forma parte del lanzamiento del Centenario de AGU, con eventos especiales, sesiones y presentaciones de trabajos. Donde se exponen los avances científicos del último siglo, y los desafíos y avances futuros que se lograrán en los próximos 100 años.

Cabe recalcar que, el Proyecto 14-INV-190 es financiado por el CONACyT a través del Programa PROCIENCIA con recursos del Fondo para la Excelencia e investigación – FEEI del FONACIDE.

Jornada de difusión del Proyecto 14-INV-190

Como parte de las actividades programadas para la difusión del Proyecto 14-INV-190 “Monitoreo y simulación de transporte de contaminantes en zonas urbanas del acuífero Patiño”, fueron presentados los avances del estudio en el marco de las II Jornada de Difusión de Proyectos de Investigación de la Facultad Politécnica de la Universidad Nacional de Asunción, desarrolladas durante la Exposición Tecnológica y Científica – ETyC 2018 y organizado por el Departamento de Investigación y Postgrado (DIP) de la FP-UNA, en fecha 26 de septiembre de 2018.

Los objetivos del evento fueron, exponer los proyectos de investigación de la DIP, difundir las actividades de investigación que se llevan acabo en la DIP y promover la interacción entre investigadores y estudiantes.

En el marco del Proyecto 14-INV-190, fueron presentados los trabajos:

“Informe y Avances del Análisis de Riesgo de Contaminación del Acuífero Patiño”, expuesto por la MSc. Liz Báez y,
“Desarrollo de Modelo Computacional del Acuífero Patiño”, expusto por la MSc. Verónica Rojas.

Cabe recalcar que, el Proyecto 14-INV-190 es financiado por el CONACyT a través del Programa PROCIENCIA con recursos del Fondo para la Excelencia e investigación – FEEI del FONACIDE.

Jornada_difusion3

Jornada_difusion2

IMG_20180926_105242(1)

II Jornada de Difusión de Proyectos de Investigación de la FPUNA

Algoritmos Multi-objetivos para el diseño de monitoreo de aguas subterráneas

Para proponer una red de pozos de monitoreo de calidad de agua subterránea, primeramente se realizó una revisión bibliográfica sobre los Algoritmos Multi-objetivos utilizados para el diseño de monitoreo de aguas subterráneas. En esta revisión fueron identificadas las características principales de cada artículo, presentadas en diferentes tablas de resumen (Tablas 1-4).

Todos los algoritmos utilizados en los artículos revisados se muestran en la Tabla 5, son resaltados los algoritmos con mejor rendimiento en cada uno.

Lista de artículos revisados:

Comparing state-of-the-art evolutionary multi-objective algorithms for long-term groundwater monitoring design. Kollat, J. B., & Reed, P. M. (2005).
A computational scaling analysis of multiobjective evolutionary algorithms in long-term groundwater monitoring applications. Kollat, J. B., & Reed, P. M. (2007).
Save now, pay later? Multi-period many-objective groundwater monitoring design given systematic model errors and uncertainty. Reed, P. M., & Kollat, J. B. (2012).
How effective and efficient are multiobjective evolutionary algorithms at hydrologic model calibration? Tang, Y., Reed, P., & Wagener, T. (2005).

Tabla 1. Resumen del artículo: Comparing state-of-the-art evolutionary multi-objective algorithms for long-term groundwater monitoring design [1].

Algoritmos Evolutivos Multiobjetivo (EMO) utilizados:	Algoritmo genético clasificado no dominado II (NSGAII). Algoritmo genético clasificado no dominado por Dominio de Epsilon II (e- NSGAII). Algoritmo Evolutivo Multiobjetivo por dominio de Epsilon (eMOEA). Algoritmo Evolutivo Pareto de Fuerza 2 (SPEA2).
Objetivos de los algoritmos:	Minimizar el costo de muestreo. Minimizar el error de estimación de la concentración de contaminantes. Minimizar la incertidumbre en la estimación de la concentración de contaminantes. Minimizar el error de estimación de la masa contaminante.
Evaluación y comparación:	3 métricas de rendimiento en tiempo de ejecución (convergencia, diversidad y epsilon-performance). 2 “unary metrics” (el indicador de hipervolumen y unary e-indicador). Función de logro empírico de primer orden.
Función objetivo general:	Mayores detalles en [1].
Escenario:	47 lugares de muestreo hipotéticos en una red de monitoreo de 25 pozos para conocer una instantánea en el tiempo durante ocho años luego de la liberación inicial del contaminante.
Objetivos de las métricas:	(i) alcanzar aproximaciones muy cercanas al óptimo frente pareto (es decir, convergencia), (ii) alcanzar soluciones a lo largo de toda la extensión del frente pareto (es decir, la diversidad) , (iii) maximizar la tasa de progreso de la búsqueda (la eficiencia computacional), y (iv) mostrar la menor sensibilidad a efectos de semilla aleatoria (confiabilidad de búsqueda).
Resultado:	Mejor rendimiento e-NSGAII.

Tabla 2. Resumen del artículo: A computational scaling analysis of multiobjective evolutionary algorithms in long-term groundwater monitoring applications [2].

Algoritmo Evolutivo Multiobjetivo (EMO) utilizado:	Algoritmo genético clasificado no dominado por Dominio de Epsilon II (e- NSGAII)
Objetivo del trabajo:	La complejidad computacional de usar el e-NSGAII para resolver una aplicación de LTM, mediante un análisis de escalación computacional. Utilizaron casos de prueba de tamaño variable de un total de 29 pozos para demostrar los efectos en relación al tamaño del problema (definidos como el número de pozos de monitoreo) en las necesidades computacionales al usar el E-NSGAII para aproximar el frente pareto con cuatro objetivos.
Objetivos de los algoritmos:	Minimizar el costo de muestreo. Minimizar el error de estimación de la concentración de contaminantes. Minimizar la incertidumbre en la estimación de la concentración de contaminantes. Minimizar el error de estimación de la masa contaminante.
Función objetivo general:	Mayores detalles en [2].
Escenario:	29 pozos
Resultado:	El conjunto de 18 a 25 casos de prueba de pozos reveló una relación lineal entre el tamaño del problema y el número de soluciones del frente pareto óptimo. La consideración de problemas más grandes requerirá que los usuarios acepten aproximaciones a sus conjuntos Pareto-óptimos.

Tabla 3. Resumen del artículo: Save now, pay later? Multi-period many-objective groundwater monitoring design given systematic model errors and uncertainty [3].

EMO utilizado:	Epsilon-Dominance Hierarchical Bayesian Optimization Algorithm (e-hBOA).
Objetivo del trabajo:	Estrategias Adaptativas para Muestreo en el Espacio y el Tiempo (ASSIST).
Objetivos del algoritmo:	Maximizar los ahorros de un plan de muestreo. Maximizar los valores de k de la matriz de ganancia K de Kalman. Minimizar el error en la muestra de contaminación en los lugares en donde se pronostica que existe contaminación a un nivel detectable. Maximizar la detección de los gradientes de flujo de masa pronosticados.
Función objetivo general:	Mayores detalles en [3].
Escenario:	21 pozos
Resultado:	Se demostró que el framework ASSIST es útil para entender la pluma dinámica y obtener estrategias de decisión en LTGM que evolucionan en el tiempo, así como el impacto espacio-temporal del muestreo desde ubicaciones específicas en el espacio y el tiempo.

Tabla 4. Resumen del artículo: How effective and efficient are multiobjective evolutionary algorithms at hydrologic model calibration? [4].

Algoritmos Evolutivos Multiobjetivo (EMO) utilizados:	Epsilon Dominance Nondominated Sorted Genetic Algorithm-II (e-NSGAII). Multiobjective Shuffled Complex EvolutionMetropolis algorithm (MOSCEM-UA). Strength Pareto Evolutionary Algorithm 2 (SPEA2).
Casos de prueba:	Test1: realizar la búsqueda global de manera eficaz, eficiente y confiable. Test2: calibrar la humedad del suelo para la cuenca de un río. Test3: aplicación de calibración del modelo hidrológico.
Evaluación y comparación:	Eficiencia, efectividad, fiabilidad y facilidad de uso de las herramientas EMO para la calibración de modelos hidrológicos.
Función objetivo:	–
Escenario:	–
Resultado:	Mejores rendimientos: Test1: SPEA2 Test2: e-NSGAII Test3: SPEA2 (pero e-NSGAII competitivo con SPEA2) En general, el rendimiento de MOSCEM-UA es alcanzado o superado por SPEA2 o e-NSGAII.

Tabla 5. Algoritmos utilizados en los artículos leídos – Tabla comparativa.

Artículo	NSGA II	e-NSGA II	eMOEA	SPEA2	e-hBOA	MOSCEM-UA
[1]	X	X	X	X	–	–
[2]	–	X	–	–	–	–
[3]	–	–	–	–	X	–
[4]	–	X	–	X	–	X

NSGAII: Algoritmo genético clasificado no dominado II.
e- NSGAII: Algoritmo genético clasificado no dominado por Dominio de Epsilon II.
eMOEA: Algoritmo Evolutivo Multiobjetivo por dominio de Epsilon
SPEA2: Algoritmo Evolutivo Pareto de Fuerza 2.
e-hBOA: Epsilon-Dominance Hierarchical Bayesian Optimization Algorithm.
MOSCEM-UA: Multiobjective Shuffled Complex EvolutionMetropolis algorithm.

Referencias:

[1] Kollat, J. B., & Reed, P. M. (2006). Comparing state-of-the-art evolutionary multi-objective algorithms for long-term groundwater monitoring design. Advances in Water Resources, 29(6), 792-807.

[2] Kollat, J. B., & Reed, P. M. (2007). A computational scaling analysis of multiobjective evolutionary algorithms in long-term groundwater monitoring applications. Advances in Water Resources, 30(3), 408-419.

[3] Reed, P. M., & Kollat, J. B. (2012). Save now, pay later? Multi-period many-objective groundwater monitoring design given systematic model errors and uncertainty. Advances in Water Resources, 35, 55-68.

[4] Tang, Y., Reed, P., & Wagener, T. (2005). How effective and efficient are multiobjective evolutionary algorithms at hydrologic model calibration?. Hydrology and Earth System Sciences Discussions, 2(6), 2465-2520.

Revisión de las Redes de Sensores Inalámbricos (WSN) para el monitoreo automático de la calidad de agua subterránea

Partiendo de la premisa de realizar un monitoreo automático de calidad de agua, nace el interés de estudiar a las Redes de Sensores Inalámbricos (en inglés, Wireless Sensors Network, WSN) como una propuesta de solución. Chaamwe (2010) [1], menciona al monitoreo automático de la calidad de agua como un método de colocar sensores de calidad de agua en el cuerpo de agua, que se mide continuamente y cuya información obtenida se almacena en una memoria. Por lo tanto, es una herramienta eficaz para recolectar datos en una variedad de entornos incluyendo el monitoreo de la calidad de agua [1].

Este trabajo pretende dar una visión general de las Redes de Sensores Inalámbricos, las tecnologías usadas y los requisitos necesarios para poder realizar el monitoreo automático de calidad de agua subterránea. Primeramente se presenta una conceptualización, características y componentes de las WSN; en la tercera sección se presenta una recopilación de los antecedentes y trabajos relacionados sobre la utilización de WSN para el monitoreo del agua subterránea; en la cuarta sección se describen las soluciones comerciales y por último se plantean las conclusiones acerca de las secciones precedentes.

2. Redes de Sensores Inalámbricos (WSN)

Para hablar de las redes de sensores inalámbricos (en adelante WSN, Wireless Sensor Network) es necesario tener clara su conceptualización. Chaamwe (2010) [1], define las WSN como una red inalámbrica que consta de un gran número de pequeños sensores con transceptores de baja potencia para recolectar datos en una variedad de entornos.

Así mismo, Zennaro [2] define las WSN como una red de característica auto-configurable integrada por un pequeño número de nodos sensores también llamados “motes” distribuidos espacialmente y comunicados entre sí para lo que se usan señales de radio, con la finalidad de monitorear y entender el mundo físico.

Los datos recopilados por cada nodo sensor se comunican a través de la red a un único centro de procesamiento llamado sumidero o “sink”, que utiliza todos los datos reportados para determinar características del entorno o detectar un evento [1, 3, 4]. Otros autores [1, 5] llaman a al centro de procesamiento también como “estación base”.

Las características y limitaciones de las WSN, mencionadas por [5]:

Son escalables, pudiendo llegar a tener una alta cantidad de nodos.
Presentan independencia de fuentes externas de alimentación, casi siempre son alimentadas por medio de baterías.
Altas limitaciones en cuanto a rango de comunicaciones, capacidades computacionales, de almacenamiento y energéticas de los nodos.
Los nodos son propensos a fallas o daños físicos, por usarse generalmente en ambientes hostiles.
Las redes WSN presentan cambios frecuentes en su topología, debido a daños o fallas en los nodos, desgaste energético o desvanecimiento del canal de comunicación.
Cada nodo WSN es frágil en sí mismo, la fortaleza proviene de la cooperación de diversos nodos para cumplir una misión.
En la mayoría de las aplicaciones de redes de sensores, la información obtenida por los sensores fluye desde muchos sensores hacia una sola estación base, por lo que se tiene un patrón de tráfico “muchos-a-uno”.
Usualmente no es posible obtener un esquema de direccionamiento global en una red de sensores, debido al gran número de ellos que la conforman [6].
La duración de los nodos puede ser de unos pocos días o meses, por lo tanto, los cambios de diseño eficaces deben ser considerados para prolongar su tiempo de vida a los años [7].

Las limitaciones observadas, específicamente sobre el monitoreo ambiental:

El problema de cobertura, la atenuación de la señal, la configuración y las dificultades operativas, y la ausencia de un modelo de red para la captación en áreas con terrenos montañosos que afectan a los enlaces de radio [7].
Se desarrollaron principalmente estándares WSN para el seguimiento de situaciones urbanas, como edificios e industrias. Sin embargo, son menos adecuados para aplicaciones remotas y de gran escala, como la agricultura [7].
Los sensores instalados en agua necesitan limpieza y mantenimientos periódicos, para evitar contaminación biológica [8].

2.1. Componentes de las WSN

Los componentes básicos de una WSN que se destacan en la literatura son los nodos y estación base [1, 5, 9] y dependiendo del alcance se utiliza una pasarela o “Gateway” [10, 11].

En el trabajo realizado por [2], se indica que la estructura del nodo consta de:

Un procesador que puede encontrarse en diferentes modos (dormido/ocioso).
Fuente de alimentación (baterías o paneles solares), para el correcto funcionamiento de los diferentes componentes.
Memoria para almacenamiento de datos y uso del programa.
Radio utilizado para la comunicación.
Sensores con la electrónica necesaria para poder realizar el acondicionamiento de la señal obtenida.

La forma y tamaño del nodo varía dependiendo de las necesidades de la aplicación, desde una caja de zapatos (por ejemplo, una estación meteorológica) hasta una partícula microscópicamente pequeña (por ejemplo, para aplicaciones militares donde los nodos deben ser casi invisibles); del mismo modo, el costo del nodo puede variar [12].
Dado que los nodos son dispositivos autónomos no conectados, su energía y otros recursos están limitados por el tamaño y costo. Por lo tanto, la energía y otros recursos disponibles en un nodo también pueden variar mucho de un sistema a otro. La energía puede almacenarse en baterías o mediante paneles solares [12].

Las estaciones base son uno o más componentes distinguidos de la WSN con mucho más recursos computacionales, de energía y de comunicación. Actúan como una pasarela entre los nodos y el usuario final, ya que suelen enviar los datos de la WSN a un servidor [9]. Muchas técnicas se utilizan para conectarse al mundo exterior, incluyendo redes de telefonía móvil, teléfonos satelitales, módems de radio, enlaces Wi-Fi de alta potencia y otros [9].

Los sensores pueden comunicarse directamente con la pasarela o “gateway”, pero esto será muy costoso para aquellos nodos sensores que no están cerca de la pasarela. Por lo tanto, la pasarela también es accesible a través de varias rutas, saltos múltiples sobre nodos de sensores en la red. La pasarela es responsable de la configuración de rutas para nodos de sensores y para el mantenimiento de la tabla de enrutamiento centralizada que indica el salto siguiente para cada nodo de sensor [11].

En la Fig. 1 se visualizan la utilización de nodos y estación base para realizar un monitoreo automático de la calidad de agua subterránea.

Fig. 1 Ejemplo de arquitectura del sistema para un monitoreo de calidad de agua subterránea

3. Usos de WSN para el Monitoreo del Agua Subterránea

Chaamwe (2010) [1], indicó que este método se aplica principalmente en las zonas mineras que son los principales contaminantes de las aguas subterráneas y también se aplica cerca de las fuentes de suministro de agua para determinar la calidad y las tendencias de los indicadores de calidad de agua.

Una búsqueda específica para conocer las implementaciones y experiencias de WSN para el monitoreo de la calidad de las aguas subterráneas, no arrojó resultados significantes y resultó difícil la identificación de dichos trabajos, con esto también coincide el trabajo realizado por [13], que menciona que las contribuciones en este campo carecen de un diseño del sistema integral y de una puesta en práctica, probablemente porque no existen normas para el desarrollo de estos sistemas y la tecnología todavía se basa en la evaluación experimental. Taffahi (2013) [13], destaca que sí se realizaron trabajos sobre un fondo diferente que no sea agua subterránea [13], [4].

Se identificaron los siguientes trabajos sobre WSN para el monitoreo de calidad de agua subterránea: [14], presenta una propuesta e implementación; [13, 15], son propuestas; [16 – 18], simulaciones; [1] es una revisión de las propiedades de WSN para proponer su uso en el monitoreo de aguas subterráneas.

Las simulaciones realizadas en los trabajos [16 – 18] realizaron un seguimiento de la transferencia de datos en tiempo real, o analizaron los componentes por separados sin implementar el sistema.

En general, los trabajos identificados utilizaron la topología multi-hop en redes estrella o árbol. El área monitoreada fue pequeña, abarcando 1 km2 con 24 nodos [18] y 6 km2 con 8 nodos [14].

En la tabla 1 se mencionan las características que se creen son necesarias para poder implementar una WSN para el monitoreo de calidad de agua subterránea. Sin embargo, al realizar la revisión de los trabajos no se ha logrado completar la tabla con mucho éxito. Entre las características que nos interesaban identificar y no se mencionaron en los trabajos fueron: el tipo o característica del acuífero, la duración total del proyecto, periodo durante el cual se realizaron las mediciones, vida útil de sensores, duración de la batería y la seguridad física de los dispositivos.

La escases de trabajos sobre implementación de WSN para el monitoreo de la calidad de agua subterránea también podría deberse a las limitaciones identificadas por [7], donde menciona que las WSN se utilizan en pequeñas escalas, ausencia de sensores adecuados, sensores costosos por ejemplo para el monitoreo de nitrato, ausencia de sensores in situ económicos y fiables para todos los parámetros necesarios de calidad de agua, existe la necesidad de sensores con bajo consumo de energía. Pese a dichas limitaciones, [7] menciona que WSN sigue siendo muy eficaces debido a las evaluaciones fiables que se pueden realizar y la recolección de datos en tiempo real.

3.1 Tecnología Utilizada

En esta sección se tuvieron en cuenta las tecnologías de los trabajos [13-15]. La tecnología implentada en [14] para el monitoreo de calidad de agua subterránea fue la plataforma Fleck3 en los nodos, con una carcasa con techo. La serie Fleck de nodos se ha desarrollado en CSIRO ICT Center, Australia desde finales de 2003 [20].

Las características del Fleck3:

Incorpora el microcontrolador Atmel Atmega128, con 4 Kbytes de memoria RAM y una CPU de 8 MHz, 1 Mb de memoria flash y un reloj.
Incorpora un Transceptor NRF905 Nordic para la comunicación basada en paquetes.
Posee un alcance de transmisión hasta 1.500 metros.
Utiliza el sistema operativo TinyOS.

Los sensores implementados en [14] fueron:

Toroidal Conductivity Sensor TCS1000 hecho por Sensorex.
Sensor de presión PS100 hecho por Tyco.

En la propuesta hecha por [13] indicaron el uso de los componentes para el nodo:

Un microcontrolador ATMEGA32 con microprocesador, memoria, y funciones de E/S.

Convertidor TLC0820AC (A/D).
Transmisor de Radio Frecuencia (RF).
Utilización de baterías recargables o energía solar.

Los sensores propuestos en [13] fueron:

Sensor de presión MPXM2202.
Sensor de pH LMC6081.
Sensor de conductividad CS547A-L.

En la propuesta hecha por [15] indicaron el uso de los componentes para el nodo:

Microchip’s PIC12F675 micro controller con convertidor A/D.
Altera Nios FPGA development board.
Dlink’s Ethernet-wireless bridge.
Wireless base station.

El sensor propuesto en [15] fue:

Unidata pressure sensor.

4. Soluciones Comerciales

A continuación se presentan las soluciones comerciales de WSN para el monitoreo de la calidad de agua subterránea.

Solinst [21] posee «Solinst Sistema de Telemtry (STS)». STS permite la comunicación y control bidireccional entre una estación base y los nodos sensores ubicados en el nivel del agua subterránea. La comunicación celular utilizada son: GSM, CDMA, AMPS, línea de teléfono o radio. Es una solución costosa de implementar para un gran número de ubicaciones y es necesario utilizar el software proporcionado por la empresa para registrar los datos y los registradores de control [15]. Posee una aplicación de interfaz Leveloggers que utiliza la tecnología inalámbrica Bluetooth® para conectar sus Leveloggers a su dispositivo inteligente, equipado con el Levelogger Solinst App. La aplicación de interfaz Leveloggers simplemente se une al extremo superior de Lee directa por cable de su Levelogger. Con la aplicación del Levelogger Solinst, puede descargar los datos, ver los datos en tiempo real, datos de correo electrónico, y programar sus Leveloggers.

Solinst posee registradores automáticos como el sensor de presión para medir nivel del agua subterránea y temperatura, conductividad. Los parámetros medidos son: nivel del agua subterránea y temperatura, conductividad.

In-Situ lanzó el primer registrador de datos de la industria combinando robustez, facilidad de uso y alta precisión en pruebas de bombeo y monitoreo a largo plazo. In-Situ introdujo el primer registrador del mundo de datos de nivel del agua. Lanzó el primer sensor de temperatura, transductor y sensor de datos todo-en-uno de la compañía y se convirtió en el estándar de la industria para una solución para el monitoreo completo, autónomo y de largo plazo para aguas subterráneas. Además posee una linea de sensores llamado SmarTROLL handhelds, son los primeros sensores de monitoreo de calidad de agua de la industria con tecnología para utilizar con los dispositivos móviles, envía los datos inalámbricamente a un smartphone o tablet. Posee sondas duraderas que no requieren calibración, acondicionamiento o membranas.

In-Situ posee sensores multiparamétricos de hasta 14 parámetros de calidad de agua u otras con capacidades de medir 2 parámetros por sensor. Los parámetros medidos son: temperatura de aire y agua, conductividad, turbidez, oxígeno disuelto (Rugged Dissolved Oxygen, RDO), pH, potencial de reducción de oxidación (ORP), nivel del agua, salinidad, solidos disueltos totales, resistividad, densidad, presión barométrica.

OTT Hydromet posee sensores para aguas subterráneas, cuentan con una línea para el monitoreo del nivel del agua y otra para el monitoreo de la calidad de agua. Posee sensores multiparamétricos de 8, 6 y 14 parámetros para medir la calidad y nivel de agua: temperatura del agua, conductividad, profundidad, pH, oxígeno disuelto (Oxígeno Disuelto Luminiscente, LDO), turbidez, potencial de reducción de oxidación (ORP), clorofila a, algas azules-verdes, rodamina, amonio, nitrato, cloruro, concentración total de gases disueltos (TDG).

Entre las soluciones comerciales, se identificó una plataforma de monitoreo remoto basado en satélites, la Plataforma SatSCADA que incluye una gama de terminales SAT1xx basados en satélites que operan en la red de satélites Inmarsat y se conectan al servidor SatSCADA. El kit SAT100 está diseñado para el monitoreo remoto de agua subterránea y pozo, incluye un RTU del módem satelital SAT100, paneles solares, batería, carcasa resistente a la intemperie y soporte del pozo; puede conectarse a sensores de nivel de 4-20ma o sumergibles de otras compañías, basados en comunicación Modbus RS485. El SAT100 combina la operación de baja potencia con la comunicación satelital global para asegurar informes en tiempo real a intervalos programados. SCADALink SatSCADA Server proporciona acceso web y smartphone para ver los datos en tiempo real e incluso operar en los lugares más remotos.

5. Conclusión

El monitoreo de la calidad de agua está evolucionando con tecnologías emergentes como las WSN que están recibiendo mucha atención de los investigadores [1]. En este trabajo se examinó el estado del arte y las aplicaciones de WSN para el monitoreo de calidad de agua subterránea.

Las WSN son muy eficaces para realizar un monitoreo automático, debido a las evaluaciones fiables que se pueden realizar y la recolección de datos en tiempo real [7]. Los componentes básicos de una WSN que se destacan en la literatura son los nodos y estación base [1, 5, 9] y dependiendo del alcance se utiliza una pasarela o gateway [10, 11].

La idea de utilizar nodos de la forma más sencilla posible radica en que el número de estos inmersos en la red de sensores puede ser muy elevado, mucho mayor que la cantidad de sumideros y pasarelas a utilizar. Por tanto, se hace necesario intentar contener el precio y tamaño de los nodos lo más bajo posible.

En la literatura se presentan pequeñas áreas monitoreadas de 1 y 6 km2 con distancias entre los nodos de 120 metros [16] hasta 1.500 metros [14]. Los costos por nodos, encontrados en la literatura, varían entre USD 254 -500 [13], [19].

Los principales sensores utilizados para monitorear los parámetros de calidad de agua subterránea en tiempo real fueron: sensor de pH [13], sensor de conductividad eléctrica [13], salinidad [14]. Los parámetros de calidad de agua que permiten medir los sensores comerciales mencionados, solamente contemplan soluciones para medir algunos parámetros como: pH, conductividad, turbidez, nitrato. No contemplan soluciones para medir: hierro, cloro libre residual, coliformes totales, coliformes fecales y nitrógeno amoniacal.

Entre los trabajos revisados, se han encontrado la utilización de sensores inalámbricos para monitorear automáticamente otras características del agua subterránea como: la profundidad del agua [14, 16 – 21], el subsuelo y la cantidad de agua subterránea que se bombea hacia fuera [16], humedad del suelo [21], temperatura [21].

7. Referencias

[1] N. Chaamwe, «Wireless Sensor Networks for Water Quality Monitoring: A Case of Zambia,» presented at the Bioinformatics and Biomedical Engineering (iCBBE), 2010 4th International Conference, 2010.

[2] M. Zennaro. (2012, 02-02-2017). Introduction to Wireless Sensor Networks Available: http://wireless.ictp.it/wp-content/uploads/2012/02/Zennaro.pdf

[3] M. Grossglauser and D. N. C. Tse, «Mobility increases the capacity of ad hoc wireless networks,» IEEE Transactions on Networking, vol. 10 no. 4, 2002.

[4] A. Cama-Pinto, F. Gil-Montoya, J. Gómez-López, A. García-Cruz, and F. Manzano-Agugliaro, «Wireless surveillance sytem for greenhouse crops,» Dyna, vol. 81(184), pp. 164-170, 2013.

[5] C. S. Regoli A., «Diseño de un Método de Enrutamiento Activo para Redes Inalámbricas de Sensores (WSN),» Master en Automática, Robótica y Telemática, Departamento de Ingeniería de Sistemas y Automática, Universidad de Sevilla, 2013.

[6] A. I. Sankarasubramaniam, S. W., and C. E., «Wireless sensor networks. a survey,» Computer Networks, 2002.

[7] H. Zia, N. R. Harris, G. V. Merrett, M. Rivers, and N. Coles, «The impact of agricultural activities on water quality: A case for collaborative catchment-scale management using integrated wireless sensor networks,» Computers and Electronics in Agriculture, vol. 96, pp. 126–138, 2013.

[8] F. Regan, A. Lawlor, B. O. Flynn, J. Torres, R. Martinez-Catala, C. O’Mathuna, et al., «A demonstration of wireless sensing for long term monitoring of water quality,» IEEE, vol. 96, pp. 819–825, 2009.

[9] V. Kumar, Jain, A. and P. N. Barwal, «Wireless sensor networks: security issues, challenges and solutions,» International Journal of Information and Computation Technology (IJICT), vol. 4(8), pp. 859-868, 2014.

[10] D. Christin, A. Reinhardt, P. S. Mogre, and R. Steinmetz, «Wireless sensor networks and the internet of things: selected challenges. ,» 2009.

[11] T. Haider and M. Yusuf, «A fuzzy approach to energy optimized routing for wireless sensor networks,» Int. Arab J. Inf. Technol., vol. 6(2), pp. 179-185, 2009.

[12] K. Romer and F. Mattern, «The design space of wireless sensor networks,» IEEE wireless communications, vol. 11(6), pp. 54-61, 2004.

[13] H. Taffahi, N. Bensouda, and Y. S. Alj, «Automated Groundwater Monitoring Using Telemetry,» presented at the 2013 4th International Conference on Intelligent Systems, Modelling and Simulation, 2013.

[14] T. Le Dinh, W. Hu, P. Sikka, P. Corke, L. Overs, and S. Brosnan, «Design and deployment of a remote robust sensor network: Experiences from an outdoor water quality monitoring network,» presented at the 32nd IEEE Conference on Local Computer Networks (LCN 2007), 2007.

[15] S. Anumalla, B. Ramamurthy, D. C. Gosselin, and M. Burbach, «Ground water monitoring using smart sensors,» presented at the 2005 IEEE International Conference on Electro Information Technology, 2005.

[16] P. Loden, Q. Han, L. Porta, T. Illangasekare, and A. P. Jayasumana, «A wireless sensor system for validation of real-time automatic calibration of groundwater transport models,» Journal of Systems and Software, vol. 82(11), pp. 1859-1868, 2009.

[17] R. P. Barnwal, S. Bharti, S. Misra, and M. S. Obaidat, «UCGNet: wireless sensor network‐based active aquifer contamination monitoring and control system for underground coal gasification,» International Journal of Communication Systems, 2014.

[18] H. A. Tarish, M. S. Mahdi, and M. S. Croock, «Wireless Sensor Network structure for Ground water Well’s Field in Karbala City,» International Journal of Computer Applications, vol. 159(9), 2017.

[19] X. Li, X. Cheng, P. Gong, and K. Yan, «Design and implementation of a wireless sensor network-based remote water-level monitoring system,» Sensors, vol. 11(2), pp. 1706-1720, 2011.

[20] R. R. Selmic, V. V. Phoha, and A. Serwadda, Wireless Sensor Networks: Security, Coverage, and Localization vol. 69, 2016.

[21] (20-01-2017). Solinst.com. Available: http://www.solinst.com

Datos de ERSSAN sobre calidad de agua. Parte 2: georreferenciación y análisis de datos

A partir de los datos de la calidad del agua proveídos por ERSSAN se prosiguió con la georreferenciación de los prestadores (aguaterías y juntas de saneamientos). Cada información de la planilla_Central corresponde a un punto en el mapa. Primero se buscaron las coordenadas (x, y) de ubicación de cada Prestador evaluado; en total se identificaron 93 ubicaciones (puntos de muestreos), de los 116 análisis de agua realizados.

En este trabajo se analizaron los valores de los contaminantes: Coliformes totales (CT) y Nitratos (NO3). En la Tabla 1 se muestran los límites recomendables (establecidos en las Guías de la OPS y OMS) y admisibles.

Tabla 1. Límites recomendables y admisibles para los valores de CT y NO3

	Límite recomendable	Límite admisible
CT (UFC/100ml)	0	0
NO3 (mg/L)	0	45

En la Fig. 1 se visualizan los puntos muestreados con contaminantes: Coliformes totales (Fig. 1.a) y Nitratos (Fig. 1.b), en el mapa se resaltan los puntos con valores fuera del límite admisible (color rojo) y valores dentro del límite admisible (color verde). El 41 % de los valores de CT se encuentran fuera del límite recomendable y admisible (0 UFC/100ml). Los valores de CT fuera del límite admisible se encontraron en las ciudades: Lambaré, Luque, Mariano R. Alonso, San Antonio, San Lorenzo y Villa Elisa (Fig. 1.a). El 98 % de los valores de NO3 se encuentran fuera del límite recomendable (0 mg/L) y el 14 % de los valores de NO3 se encuentran fuera del límite admisible (45 mg/L). Los valores de NO3 fuera del límite admisible se encontraron en las ciudades: Lambaré, San Lorenzo y Villa Elisa (Fig. 1.b).

Fig. 1Ubicación de los analisis realizados por ERSSAN en el año 2016. (a) Datos de Coliformes totales (CT) (b) Datos de Nitratos (NO3)

Fig. 1Ubicación de los 93 análisis realizados por ERSSAN en el año 2016. Se resalta en color rojo los valores fuera de rango de admisibilidad. (a) Datos de Coliformes totales (CT). (b) Datos de Nitratos (NO3)

La distribuciones de los 93 valores de CT y NO3 se visualizan en los histogramas de la Fig. 2. Solamente 2 muestras (2 %) de NO3 se encontraron dentro del límite recomendable y 80 muestras (86 %) dentro del límite admisible (Fig. 2.b). Mientras que 55 muestras (59 %) de CT se encontraron dentro del límite recomendable y admisible (Fig. 2.a).

Fig. 2 Histogramas de los parámetros (a) Coliformes totales y (b) Nitrato.

A partir de los datos de la calidad del agua del año 2016, proveídos por ERSSAN se pretendía presentar nuevos mapas de riesgos aplicando la metodología utilizada en un estudio previo [1] y compararlas con los mapas obtenidos en [1]. Sin embargo, esto no se puede realizar por lo siguiente:

Los análisis realizados por ERSSAN son de las aguas ya tratadas para su distribución y en [1] el análisis fue sobre el agua bruta (con valores de contaminantes: Nitrógeno total y Coliformes totales). Por lo tanto, los mapas con valores del análisis de ERSSAN no reflejaría el estado real del agua subterránea del acuífero Patiño.
El mapa de riesgo presentado en [1], fue calibrado con Nitrógeno total (NT), que es la suma de Nitritos y Nitratos. Para presentar el nuevo mapa de riesgo no se tienen los valores de Nitritos para obtener el NT y por lo tanto, no se podrá validar con el mapa de riesgo con NT realizado en [1].
En el caso de presentar un nuevo mapa de riesgo calibrado con CT (análisis ERSSAN), éste no estará correlacionados con el mapa de riesgo presentado en [1], calibrado con Coliformes totales (CT). La correlación del Índice de riesgo calibrado con CT en [1] y los valores del análisis de CT realizado por ERSSAN presentó un coeficiente de correlación de Spearman²p (rho) casi nulo, del orden de -0,015, indicando una mala aproximación de los valores de CT del 2007 y 2016.

² (rho) es una medida de la correlación entre dos variables, es el resultado del coeficiente de correlación de Spearman y oscila entre -1 y +1, donde r=0 (cero) significa no correlación y r=1 (uno) significa perfecta correlación entre las variables. El coeficiente de Spearman es utilizado cuando los datos están agrupados en rangos y la distribución no tiende a la normalidad.

Referencia

[1] L. Báez, C. Villalba, and J. P. Nogues. (2014). Mapeo de la Vulnerabilidad y Riesgo de Contaminación del Agua Subterránea del Gran Asunción. Available: http://opengeo.pol.una.py/descargas/Informe%20Final%20Politecnica%20INV20.pdf.

Datos de ERSSAN sobre calidad de agua. Parte 1

El Ente Regulador de Servicios Sanitarios (ERSSAN) proveyó sus datos sobre la calidad de aguas de los prestadores del servicio de provisión de agua (aguaterías y juntas de seneamientos); en el marco de un «Convenio Marco» entre la Facultad Politécnica y el ERSSAN para trabajar conjuntamente en el desarrollo del proyecto para determinar la calidad del agua de los pozos en Asunción y Gran Asunción. Ver noticia «Politécnica de la UNA presentó dos proyectos al ERSSAN…»

En esta entrada se presenta un resumen del contenido de los datos proveídos por ERSSAN. Los documentos muestran los datos del análisis del agua de los prestadores de agua potable de algunas ciudades del Departamento Central como: Fernando de la Mora, Itá, Lambaré, Luque, Mariano R. Alonso, San Antonio, San Lorenzo y Villa Elisa; realizados por ERSSAN durante el año 2016. Cabe mencionar que, los análisis son de las aguas ya tratadas para su distribución.

1. Documentos proveídos por ERSSAN

1.1. Planilla que contiene una compilación de los análisis realizados en el Departamento Central

En la planilla_Central se registraron en total 116 análisis del agua que contiene información sobre el prestador y los resultados de los análisis realizados. Los datos visualizados en la planilla son:

Datos del prestador: Nombre del prestador, usuario, distrito, número de conexiones, cantidad de habitantes.

Datos de los resultados de los análisis realizados: Color, sabor y olor, turbiedad (N.T.U), pH, conductividad (µS/cm), aluminio (mg/L Al), cloro libre residual (mg/L), nitrógeno amoniacal (mg/L), cloruros (mg/L), dureza total (mg/L), alcalinidad (mg/L), sólidos totales disueltos, hierro, nitrato, arsénico, coliformes totales y coliformes fecales.

1.2. Ficha de cada análisis del agua realizado

Las fichas contienen los datos detallados de los análisis por cada prestador. En total son 116 fichas, un ejemplo de ella se puede ver aquí.

Las fichas contienen datos sobre:

Las características o componentes que afectan a la aceptabilidad del Agua por parte del Consumidor (Calidad Organoléptica) (Ver tabla 1).
Los componentes que afectan a la Salud (Ver tabla 2).
Los componentes Bacteriológicos Básicos (Ver tabla 3).

Tabla 1. Características o componentes que afectan a la aceptabilidad del Agua por parte del Consumidor (Calidad Organoléptica)

Tabla 2. Componentes que afectan a la Salud

Tabla 3. Componentes Bacteriológicos Básicos. Método Membrana Filtrante

Tabla 3.

En una próxima entrada se analizarán los resultados de los parámetros analizados y la georreferenciación de los mismos para identificar en el mapa las ubicaciones de los análisis fuera del rango permitido sobre el acuífero Patiño.

Datos de Caudales de extracción en el área del acuífero Patiño

A partir del inventario de pozos realizado, se extrajeron los valores de Caudales de extracción (Q). En total fueron filtrados 831 datos de pozos con valores caudales (m3/h) y sus respectivas coordenadas.

En el mapa de la Figura 1 se observan las ubicaciones de los 831 pozos en el área del acuífero Patiño. Los valores visualizado de Q presentan una distribución asimétrica positiva; la media es 18,75 y desviación típica es 15,959 (Ver Fig. 2).

Los pozos con sus respectivas coordenadas geográficas (x, y) y caudales de extracción (m3/h), fueron filtrados en una hoja de cálculo para su descarga y visualización: descargar los datos.

Figura 1. Pozos de extracción con valores de Caudales (m3/h)

Figura 2. Histograma de los valores de Q.

Referencias

CKC-JNS, SENASA. “Estudio de Políticas y Manejo Ambiental de Aguas Subterráneas en el Área Metropolitana de Asunción – Acuífero Patiño, Informe técnico 2.3: Inventario de Pozos”. 2007.

CKC-JNS, SENASA. “Estudio de Políticas y Manejo Ambiental de Aguas Subterráneas en el Área Metropolitana de Asunción – Acuífero Patiño, Informe técnico 2.8: Ensayos de Bombeo”. 2007.

Ente Regulador de Servicios Sanitarios (ERSSAN). Datos de pozos de extracción, tabla «Componentes».

Cálculo del Cono de Abatimiento y Radio de Influencia de un pozo

Cuando se empieza a bombear en un acuífero, cuya superficie freática inicial fuera horizontal; el agua comienza a fluir radialmente hacia el sondeo, y transcurrido un tiempo la superficie freática adquiere la forma de un cono, al que se lo denomina cono de depresión o abatimiento y éste genera un radio de influencia de pozo.

La principal aplicación planteada en este estudio es calcular la solución analítica para los radios de influencia de los pozos, a partir del cálculo del cono de abatimiento para los acuíferos confinados y no confinados, demostrando las soluciones propuestas por Theis y Neuman.

Primeramente se mencionan las características principales de un acuífero y se muestran las soluciones propuestas.

Características del Acuífero, mencionadas por Sanz P. y Méndez (2015):

Por su textura, la permeabilidad de los acuíferos puede ser debido a:

Grietas y fisuras (kársticos)
Porosidad intergranular (porosos de materiales detríticos)
Conjunto de las dos anteriores.

Por su estructura pueden ser:

Acuíferos libres o no confinados
Acuíferos cautivos o confinados
Acuíferos semiconfinados

El radio de influencia es más corto en los acuíferos porosos que en los kársticos y también más corto en los acuíferos libres que en los confinados. Por el contrario los conos de bombeos son más esbeltos (mayores descensos en el pozo) en los acuíferos libres y los acuíferos porosos.

Los tipos de ensayos de bombeo que se van a analizar en cada una de las clases de acuíferos se limitan al caso en que el caudal de bombeo es constante, bien en régimen variable o bien hasta conseguir un régimen permanente.

Se llama régimen permanente o estacionario cuando la distribución espacial del potencial es invariable con el tiempo. En general este régimen no se presenta en la realidad, pero resulta un concepto útil cuando se cumple de forma aproximada.

Cono de Abatimiento para Acuíferos Confinados

Fórmula de Theis

La primera expresión matemática que refleja la forma del cono de abatimiento en régimen variable se debe a Theis, que en 1935 la elaboró a partir de la similitud en el flujo del agua y el flujo de calor. La expresión es:

ec1

donde Q es el caudal, T es la transmisividad, W(u) es la función de pozo.

La integral en función de u que es el argumento de pozo:

ec2

donde,

ec3

El argumento de pozo u, depende de r que es el radio, S es el coeficiente de almacenamiento, T es la transmisividad y t es el tiempo.

La integral puede expresarse en forma de serie (suma de infinitos sumandos), así:

ec4

La solución de la integral para los distintos valores de u aparece tabulada en todos los textos de Hidrogeología. A continuación se incluye dicha tabla para el cálculo (Tabla 1).

Tabla 1. Tabla normalizada para el cálculo de la función de pozo para acuíferos no confinados.

Tabla 1. Tabla normalizada para el cálculo de la función de pozo para acuíferos confinados.

Cono de Abatimiento para Acuíferos No Confinados

En el acuífero no confinado se distinguen tres fases en el bombeo:

En la primera fase, al principio el descenso es rápido como si se tratara de un acuífero confinado.
En la segunda fase, el descenso casi se estabiliza y desciende muy lentamente.
En la tercera fase, el nivel de nuevo baja con el tiempo, pero no tan rápido como en la primera fase.

La primera y segunda fase siguen una ecuación similar a la de Theis, pero con diferentes valores para el coeficiente S:

En la primera fase, S = coeficiente de almacenamiento por descompresión.
En la tercera fase, S = porosidad eficaz (que es realmente el coeficiente de almacenamiento cuando se extrae agua por vaciado de poros).

Encontrar una solución analítica que refleje este proceso es más complejo que en acuíferos confinados (Theis).

Fórmula Neuman

Neuman (1972) enunció la siguiente ecuación, similar a la de confinados excepto por la función de pozo:

ec5678

donde,

s = des censo a una distancia r transcurrido un tiempo t

Q = caudal de bombeo

T = transmisividad del acuífero

Kv = conductividad hidráulica vertical

Kh = conductividad hidráulica horizontal

S = coeficiente de almacenamiento elástico, por descompresión

Sy = porosidad eficaz (specific yield)

W = función tabulada en función de 1/u_A y de 1/u_B

La ec. (5) es la expresión conjunta de dos ecuaciones siguientes:

Para la primera fase de bombeo:

ec9

Para la primera fase de bombeo:

ec10

Resolución de las funciones se realiza con series o tablas normalizadas. A continuación se incluyen las tablas normalizadas para el cálculo (Tablas 2 y 3).

Tabla 2. Tabla normalizada para el cálculo de la función de pozo para acuíferos no confinados.

Tabla 3. Tabla normalizada para el cálculo de la función de pozo para acuíferos no confinados.

Referencias:

Freeze, R.A., and Cherry, J.A., 1979, Groundwater: Englewood Cliffs, NJ, Prentice-Hall, 604 p.

Sánchez San Román, J. F., 2012, Acuífero libres en régimen variable. Dpto. Geología. Universidad Salamanca – España. http://hidrologia.usal.es

Sánchez San Román, J. F., 2012, Hidráulica de captaciones: Fundamentos. Dpto. Geología. Universidad Salamanca – España. http://hidrologia.usal.es

Sanz-Pérez, E; Menéndez-Pidal, I., 2015, Hidráulica Subterránea. Ibergarceta Publicaciones, S.L., 2da Edición, 239 p.

Inventario de Pozos del Acuífero Patiño

El inventario de pozos se realizó mediante una recopilación de la información existente sobre estudios realizados en el área del acuífero Patiño.

Tener conocimiento de los datos con los que se cuentan es muy importante porque permite conocer los datos disponibles, generar parámetros hidrológicos y geológicos representativos del área de estudio, para su posterior evaluación y análisis. Wehrle Martínez, A. (2007) [1] , menciona que la importancia de los inventarios radica en los siguiente aspectos principales:

Es la forma de tener conocimiento primario directo del «estado» del sistema de aguas subterráneas.
Se logra tener una visión (cuantitativa y cualitativa) del tipo de información existente y las deficiencias en la información.
Se tiene la forma de uso y aprovechamiento del agua subterránea.
Se tiene la distribución de pozos y una estimación de la explotación de cada uno de ellos.
Constituye una herramienta básica para el control, manejo y operación de los acuíferos.

El área del acuífero Patiño tiene una gran cantidad de perforaciones (aprox. 4000), lo cual hace muy difícil un inventario de la totalidad de los pozos [1] .

Se inventariaron pozos profundos y piezómetros, utilizando principalmente los datos de:

Consorcio CKC-JNS y SENASA del año 2007, para el Estudio de Políticas y Manejo Ambiental de Aguas Subterráneas en el Área Metropolitana de Asunción – Acuífero Patiño.
Base de datos de ERSSAN (Ente Regulador de Servicios Sanitarios).
Estudio de la Contaminación del Acuífero Patiño, Trabajo Final de Grado, Facultad de Ingeniería – UNA del año 2006.

El inventario realizado se encuentra georeferenciado. En la Tabla 1 se muestra una lista de pozos inventariados, con una breve descripción de su realización e información con los atributos y la cantidad de cada pozo o capa.

Tabla 1. Datos de pozos profundos y piezómetros inventariados.

Datos o Nombre de la Capa	Tipo de Pozo	Descripción	Contenido	Cantidad de Pozos
Ensayos de bombeo	Pozos Profundos de Juntas de Saneamiento, Aguaterías y pozos privados	Información de los ensayos de bombeos existentes y realizados en el año 2007. Consorcio CKC-JNS y SENASA [2]	Fecha, Lugar, Duración (s), Abastecimiento (m), Caudal promedio (m/s m/d), Descarga (m3/h)	61
Análisis de calidad del agua	Pozos Profundos, Somero (1), Superficial (8), Surgente (1)	Análisis de calidad del agua realizado en el año 2006 [3]	Zona, Nombre, Distrito, Coliformes Totales (UFC/100ml), Colif. Fecales (UFC/100ml), Conductividad eléctrica (us/cm), pH, Temperatura (°C), Nitróg. de Ni. Nitrógeno Amoniacal, Nitrógeno Total, Nitritos, Nitratos (mg/l)	101
Datos de ERSSAN	Pozos Profundos	Datos de los prestadores de agua potable (principalmente aguaterías y junta de saneamientos), controlados por ERSSAN	Ciudad, Prestador, Profundidad (m), Caudal (m3/h), Volumen (m3)	1648
Inventario de pozos 2007	Pozos Profundos	Inventario de pozos, realizados en el año 2007. Consorcio CKC-JNS y SENASA [1]	Profundidad (m), Pocos datos de Caudal de bombeo, Propietario, Localidad, Tipo, Fecha, Diámetro, Tiempo de bombeo, Profundidad bombeo	1963
Nivel Estático 2007	Pozos Profundos	Datos de NE del Inventario de Pozos, realizados en el año 2007. Consorcio CKC-JNS y SENASA	NE (m), tipo de Suelo, tipo de Acuífero	132
Piezómetros	Piezómetros	Piezómetros realizados en el año 2007. Consorcio CKC-JNS y SENASA	Lugar, Cuenca, Z, Profundidad, NE 2007, NE 2013, Cota Agua, tipo de Suelo, tipo de Acuífero, conductividad (us/cm)	46
Niveles Estáticos 2006-2015	Piezómetros	Datos de NE desde 2006 al 2015 realizados por ..	Lugar, Municipio, Altura (msnm), Profundidad Perforada, NE 2006, 2007, 2010, 2011, 2013, 2014, 2015	72

Total de Pozos Profundos (sin duplicados): 3638

Total de Piezómetros (sin duplicados): 97

Referencias

[1] CKC-JNS, SENASA. «Estudio de Políticas y Manejo Ambiental de Aguas Subterráneas en el Área Metropolitana de Asunción – Acuífero Patiño, Informe técnico 2.3: Inventario de Pozos». 2007.

[2] CKC-JNS, SENASA. «Estudio de Políticas y Manejo Ambiental de Aguas Subterráneas en el Área Metropolitana de Asunción – Acuífero Patiño, Informe técnico 2.8: Ensayos de Bombeo». 2007.

[3] Cardozo López, S. y C. Crosa Rivarola, Estudio de la Contaminación del Acuífero Patiño, Trabajo Final de Grado, en Facultad de Ingeniería, Ingeniería Civil. 2006, Universidad Nacional de Asunción.

Mapeo sistemático de la literatura sobre el monitoreo de la calidad del agua subterránea – Revisión 2

El mapeo sistemático de la literatura sobre el monitoreo de la calidad del agua subterránea continuó con la segunda revisión, donde se modificó la cadena de busqueda por otra relacionada al monitoreo de la «calidad del agua» en general y no solamente al monitoreo de «de agua subterránea» como se había realizado en la Revisión 1.

Se continuó con la misma metodología, utilizando el «mapeo sistemático» y siguiendo con las 5 etapas propuestas por Petersen et al. [1]: A) Definir preguntas de investigación, B) Realizar la búsqueda literaria, C) Seleccionar artículos, D) Clasificar artículos y E) Extraer y realizar la agregación de datos.

A. Pregunta de Investigación

Las pregunta de investigación a responder en este estudio es la siguiente:

RQ.1. ¿Cuáles son los estudios que tratan sobre la tecnología de monitoreo de aguas subterráneas?

B. Fuente de Datos y Estrategia de Búsqueda

Se partió de la idea de buscar artículos científicos que sean «Surveys», «Revisiones» o «Estado del arte» del monitoreo de la calidad del agua y tratar de conseguir resultados que puedan responder a la pregunta RQ.1. planteada. Para ello se definió la siguiente cadena de búsqueda.

Cadena 2: groundwater AND «water quality» AND (telemetry OR monitoring) AND (review OR overview OR state art)

La búsqueda se realizó en varios catálogos de publicaciones: ACM, IEEE, Springer, ScienceDirect y en el motor de búsqueda de Google Scholar.

Para las búsquedas se tuvieron en cuenta publicaciones en revistas arbitradas, cubriendo los trabajos del 2010 a la fecha en que se realizó el estudio (Julio/2016). Este período de tiempo fue seleccionado tratando de ubicar estudios de los últimos años con tecnología actual.

C. Selección de Artículos

Se introdujo la cadena de busqueda en cada buscador mencionado más arriba y marcando la opción de relevancia, se seleccionaron los primeros 50 resultados de cada buscador.

Este paso forma parte del primer filtro, en donde se leyeron los Abstracts de un total de 142 resultados con la cadena 2, para continuar con la clasificación de artículos. Cabe mencionar que, 80 de los resultados fueron artículos que también aparecieron en la investigación previa con la Cadena 1.

D. Clasificación de Artículos

Para esta investigación, primero se decide realizar la lectura de los Abstracts de acuerdo a la selección de artículos mencionado anteriormente y clasificarlos de acuerdo a los temas que se mencionan en el Abstract.

Se elaboró una planilla de clasificación de datos, en donde se registran los hallazgos (Tabla 1) junto con toda la información bibliográfica correspondiente. Se describen a continuación cada una de las características tenidas en cuenta para la clasificación de artículos.

Survey: Identificar si el artículo es un review, overview, state of the art.
Acuífero: Si el artículo trata completamente sobre el tema de monitoreo de acuíferos o sólo se trata el tema en una sección. Tipo: completo o sección.
Análisis de Calidad del Agua: Identificar si el monitoreo trata sobre alguno de los diferentes tipos de análisis: Físicos, Químicos y Microbiológicos.
Parámetros: Identificar si se mencionan los parámetros evaluado/s en el análisis de calidad de agua. Ej: pH, Nitratos, Nitritos, Hierro, pH, turbidez, coliformes, etc.
Monitoreo Técnico: Identificar si se menciona o trata sobre la tecnología de monitoreo.
Ubicación Optima de Pozos: Si el artículo menciona sobre el diseño de la red de monitoreo, tratando las metodologías para la ubicación óptima de pozos de monitoreo.
Tecnología de Sensores: Cuando el artículo estudia las tecnologías de sensores para el monitoreo. Ej: chips de sensores, lab-on-a-chip, etc.
Otras Áreas de Monitoreo: Cuando el artículo trata sobre el monitoreo de calidad del suelo, aire u otras áreas como el monitoreo de la salud (health monitoring).

tabla1_ok

Luego de la clasificación, se aplicó un siguiente filtro que consistió en la selección de artículos, teniendo en cuenta dos criterios:

Inclusión: Se define tener en cuenta a todos aquellos trabajos que SI son «surveys», no necesariamente trata de acuífero, pero si sobre el análisis de calidad del agua y monitoreo técnico del agua (por ejemplo, embalses, lagos, ríos, pantanos, aguas subterráneas y superficiales o profundas).
Exclusión: Se decide descartar aquellos trabajos que NO tratan sobre «survey», «análisis de calidad del agua» y «monitoreo técnico». También se descartaron los referentes a «ubicación óptima de pozos» y «otras áreas de investigación».

Se prosiguió con la lectura de la Introducción y Conclusión de los artículos con el criterio de inclusión.

E. Extracción de datos y síntesis

Para esta investigación se decide realizar la lectura completa de los artículos que cumplen con las características de inclusión y ver si responden a la pregunta RQ.1. planteada.

En la Figura 1 se muestra el resumen de los pasos realizados para el mapeo sistemático de la literatura. Luego de aplicados los criterios de inclusión y exclusión, a los resultados de la Cadena 2 (de búsqueda); esta vez sí aplicaron algunos artículos para su lectura completa. En total 3 artículos son surveys y están relacionados a las tecnologías del monitoreo de calidad del agua.

Figura 1. Número de artículos obtenidos en la búsqueda aplicando la Cadena 2

Las soluciones planteadas resultantes del mapeo sistemático de la literatura, aplicando la Cadena 2, se muestran en la Tabla 2. Se continuará con la lectura completa de los artículos [2-4], para ver si contestan a la pregunta RQ.1 sobre las tecnologías de monitoreo de aguas subterráneas.

Tabla 2

Referencias

[1] K. Petersen, R. Feldt, and S. Mujtaba, “Systematic mapping studies in software engineering,” in Proceedings of the 12th International Conference on Evaluation and Assessment in Software Engineering, 2008, pp. 1-10.

[2] Zia, H., Harris, N. R., Merrett, G. V., Rivers, M., Coles, N., «The impact of agricultural activities on water quality: A case for collaborative catchment-scale management using integrated wireless sensor networks», in Computers and Electronics in Agriculture, 2013.

[3] Bonastre, A., Capella, J.V., Ors, R., Peris, M., «In-line monitoring of chemical-analysis processes using Wireless Sensor Networks», in TrAC Trends in Analytical Chemistry, 2012.

[4] Storey, M.V., van der Gaag, B., Burns, B.P., «Advances in on-line drinking water quality monitoring and early warning systems», in Water Research, 2011.

Enlaces de los buscadores utilizados:

ACM: http://dl.acm.org/
IEEE: http://ieeexplore.ieee.org/search/advsearch.jsp
Springer: https://www.springer.com/?SGWID=0-102-13-0-0
ScienceDirect: http://www.sciencedirect.com/science/search
Google Scholar: https://scholar.google.es/