RESUMEN Una alternativa para optimizar el uso del agua de lluvia en regiones semiáridas para la producción de cultivos, es el uso de coberturas vegetales (mulch). El objetivo del estudio fue evaluar la influencia de dos fuentes de mulch bajo dos niveles de uso en el rendimiento de frijol (Phaseolus vulgaris) var. Red Kidney y en la reducción de la evaporación del agua del suelo en Canaán, Ayacucho. El experimento consistió en un ensayo factorial 2x2 (fuentes de mulch: residuos de trigo y de grass; niveles de uso: 5 y 10 t ha-1) más un testigo, en parcelas de 8,75 m2, bajo el Diseño de bloques completos al azar. Se utilizaron evaporímetros de balanza para determinar la reducción relativa de la evaporación del agua del suelo (Reas), en suelos con mulch respecto al suelo sin mulch. Los resultados mostraron que la evaporación del agua en suelos con mulch es significativamente menor que en suelos sin mulch; la Reas por aplicación de mulch es superior en los suelos con mulch a base de residuos de grass. La aplicación de 7.5 t ha-1 permite una Reas de 69% con residuos de trigo y 77% con residuos de grass. Los rendimientos de frijol también están influenciados por la fuente y niveles de mulch, siendo superior hasta un 98% al utilizar 10 t ha-1 de mulch de residuos de grass y hasta un 49% con residuos de trigo.

El objetivo fue evaluar las características fisicoquímicas, sensoriales, actividad antioxidante y fenoles totales de agua de mesa con adición de extractos esenciales de especias naturales como sauco, clavo de olor, hojas de limón, hojas de eucalipto, salvia y menta; se procedió en base a un DCA, donde los tratamientos fueron la adición de seis extractos, en dos niveles de adición al producto. Las especias fueron seleccionadas en la ciudad de Chachapoyas - Perú; mediante proceso tecnológico adaptado se realizó la elaboración; se realizó la caracterización sensorial y fisicoquímica mediante métodos estandarizados, los datos obtenidos se sometieron a la prueba no paramétrica de Friedman, análisis de varianza (ANVA) y comparaciones múltiples de Tuckey (5% de significancia). En los resultados se determinó que existe diferentes productos; en las características sensoriales, existe diferencia significativa entre tratamientos en cuando al sabor (Sig. 3,4953E-19), color (sig. 8,6585E-15) y aroma (Sig. 9,2294E-25), pero todos los tratamientos tienen aceptación; en las características fisicoquímicas, la densidad (p-value 9.55E-06) varía entre 0.993g/mL y 0.9527 g/mL; viscosidad (p-value 7.03E-43) entre 14.55 Cp a 20.63 Cp; el pH (p-value 3.33E-12) entre 5.99 a 6.46; la concentración de grasa o aceites (p-value 1.03E-40) varía entre 1000 ppm a 74000 ppm, fenoles (p-value 1.03E-27) entre 15.816 mg/L y 2.943 mg/L, la actividad antioxidante (p-value 5.71E-17) entre 29.56% a 88.75%; hierro (p-value 1.28E-40) entre 0.02 a 0.56 ppm, zinc (p-value 5.40E-13) en el rango de 0.01 ppm a 0.038 ppm, calcio (p-value 4.34E-43) entre 11.3 y 148.8 ppm; magnesio (p-value 1.62E-52) entre 8.45 y 23.12 ppm, potasio (p-value 3.75E52) entre 35.65 ppm y 117.81 ppm, sodio (p-value 3.87E-43) entre 15.13 y 39.1 ppm.

O capítulo aborda a importância do leite como uma commodity agropecuária crucial em termos nutricionais e econômicos, contrastando com a redução do seu consumo per capita em comparação com o aumento do consumo de água mineral no Brasil. Diante desse cenário, são destacadas estratégias de marketing institucional bem-sucedidas na cadeia produtiva da água engarrafada e quais delas poderiam ser aplicadas na cadeia produtiva do leite, oferecendo insights inovadores, e assim, contribuir para uma melhora da percepção, valorização do leite e aumento do consumo.

A espectrometria aliada à aprendizagem de máquinas pode ser um método não destrutivo eficaz para avaliar a qualidade de sementes florestais nativas para projetos de restauração. O objetivo deste estudo foi desenvolver modelos para a avaliação do teor de água (TA) de sementes utilizando um espectrômetro Vis-NIR portátil e comparar quatro algoritmos de aprendizagem de máquina. As sementes de catingueira-verdadeira e angico-de-caroço de diferentes populações foram hidratadas (atmosfera úmida) ou desidratadas (sílica-gel) para formação de sub lotes com diferentes TA. Para avaliação espectral do TA das sementes, foi realizada a leitura individual das sementes com espectrômetro portátil F-750 (Felix Instruments, EUA). O TA de referência foi obtido após secagem a 105 oC/ 24h, pesando-se as sementes individualmente. A validação externa e interna do modelo foi realizada, a partir da divisão do conjunto de dados para as etapas de treinamento (70%; validação cruzada com 10 dobras) e de teste (30%). Os dados espectrais foram processados no software Weka 3.8.6. Os algoritmos discriminativos aplicados foram dos grupos function (Support Vector Machine e Multilayer Perceptron e Gaussian Processes) e trees (Random Forest). O algoritmo Multilayer Perceptron demonstrou os melhores resultados para as duas espécies com R= 0.80 e RMSE=5.58 e MAE=3.90 (angico-de-caroço) e R=0.92, RMSE=3.83 e MAE=3.25 (catingueira-verdadeira) para o TA das sementes. Deste modo, o uso da espectroscopia do infravermelho próximo com aplicação do algoritmo Multilayer Perceptron é eficiente para a determinação do TA de sementes nativas florestais.

Trabajo presentado al: XLVII Congreso Nacional y XXIII Internacional de la Sociedad Española de Ovinotecnia y Caprinotecnia (SEOC). Valencia (España). | Este estudio se enmarca en el proyecto PID2020-113395RB-C22 financiado por MCIN/AEI/10.13039/501100011033. | Peer reviewed

Esta actividad está soportada por el proyecto Red AgriFoodTe financiada por el Gobierno de Aragón, a través del fondo de inversiones de Teruel (año 2022), con participación del Gobierno de España (Ministerio de Política Territorial).

El presente trabajo desarrolla una evaluación climática integral de una empresa de agua urbana indonesia, frente a los efectos del cambio climático. El objetivo principal identifica las principales fuentes de emisiones y riesgos de resiliencia y resalta las prioridades clave que la empresa de pública de agua potable debe considerar para futuras inversiones y mejoras, equilibrando la minuciosidad, la precisión y la facilidad de implementación, teniendo en cuenta el entorno de bajos recursos. La metodología propuesta seleccionó la empresa y recopiló los datos necesarios. Después se realizaron simulaciones iniciales de adaptación y mitigación climática mediante el modelo hidráulico. Posteriormente, con la misión in situ y las mediciones efectuadas, se mejoraron las evaluaciones climáticas y resultó en una selección de oportunidades clave para la mejora del abastecimiento. La conclusión principal clasifica al sistema actual como muy vulnerable frente al cambio climático, cuantitativa y cualitativamente, siendo necesario mejorar la resiliencia del abastecimiento. | Especial agradecimiento por la oportunidad de realización del presente estudio a Water.org internacional, y su equipo local en Indonesia. Agradecimiento también a la empresa pública de servicios de abastecimiento de agua potable PDAM Sleman, y a todos los implicados en la obtención de datos y traducciones.

El fitoplancton es un componente esencial de los ecosistemas acuáticos que desempeña un papel fundamental en la calidad del agua y la salud de los ecosistemas marinos y costeros. La presente investigación se centró en determinar la calidad del agua en las escolleras del malecón de La Libertad relacionándolos con los parámetros físicos y químicos del medio, la obtención de las muestras se realizó mediante arrastres superficiales, en la que se realizaron en 6 estaciones y 2 muestreos mensuales, evaluando los factores físico-químicos del agua, en la identificación de microalgas se empleó el método Semina, obteniendo un total de 15 familias, la de mayor densidad poblacional, Ceratiaceae 55714 cel /m3 representando un 50% y la de menor Aulacoseiraceae 485 cel /m3 representando un 0.44%, presentando una dominancia(D) 0.96, diversidad(H) 3,29 y uniformidad(J) 0,92 en las familias. En cuanto a la temperatura, la mayor fue de 27ºC, mientras el nivel más bajo 25.2ºC, así también el pH fue 8.3, el nivel más bajo 8, en la salinidad 34-35ups, fósforo total 1.55-1.48mg/L, en turbidez 0.820.60mg/L y en nitrato 5-1.10mg/L. Sin embargo, el oxígeno disuelto registró 110mg/L, el valor más bajo de 94.3 mg/L. La demanda bioquímica de oxígeno (DBO) evidencio variaciones en sus valores el mayor de 6.47mg/L y el menor de 3mg/L. Se realizó una correlación de Spearman de los parámetros con la abundancia de los organismos, con esta interpretación de resultados, se aceptó la hipótesis alternativa porque no existió una influencia en la densidad poblacional de microalgas revelando una variación significativa a lo largo del estudio.

Orientador: Prof. Dr. Ralpho Rinaldo dos Reis | Tese (doutorado) - Universidade Federal do Paraná, Setor Palotina, Programa de Pós-Graduação em Engenharia e Tecnologia Ambiental. Defesa : Palotina, 05/04/2024 | Inclui referências | Resumo: O monitoramento da qualidade da água é um tema relevante para a preservação da vida no planeta Terra. Uma das principais ferramentas empregadas nesse monitoramento é o Índice de Qualidade da Água (IQA), devido à sua fácil interpretação. No entanto, com o aumento da coleta de dados e, consequentemente, da complexidade dos sistemas, surge a necessidade de utilizar técnicas automatizadas e mais modernas. Este estudo teve como objetivo demonstrar a viabilidade técnica da aplicação de algoritmos de aprendizado de máquina para a predição e classificação multiclasse do IQA. Este trabalho de tese é constituído de dois artigos. No primeiro artigo, propôs-se a predição da classificação do IQA, utilizando 10 modelos clássicos de aprendizado de máquina: Análise Discriminante Linear (LDA), Análise Discriminante Quadrática (QDA), Regressão Logística (LR), Perceptron, Classificador Ridge (RC), Naive Bayes Gaussiano (GNB), K-vizinhos Mais Próximos (KNN), Máquina de Vetor de Suporte (SVM), Perceptron multicamadas (MLP) e Árvore de Decisão (DT), além de 5 conjuntos de modelos: AdaBoost (ADA), Bagging (BAG), Extra Trees (ET), Gradiente Boosting (GDB) e Floresta Aleatória (RF). No segundo artigo, propôs-se a predição do valor numérico do IQA, utilizando 6 algoritmos de aprendizado de máquina clássicos: K-vizinhos Mais Próximos (KNN), ElastiNetCV, Máquina de Vetor de Suporte Linear (LSVM), Máquina de Vetor de Suporte (SVM), Perceptron multicamadas (MLP) e Árvore de Decisão (DT); e, também, os 5 conjuntos de modelos anteriormente mencionados. Os modelos foram avaliados estatisticamente por meio das métricas de classificação, como: acurácia balanceada, precisão, revocação, f1 e matriz de confusão e pelas métricas de regressão, como: Erro Quadrático Médio (MSE), Raiz do Erro Quadrático Médio (RMSE) e Erro Médio Absoluto (MAE). Os algoritmos que apresentaram melhor desempenho tanto na classificação quanto na regressão foram: SVM, MLP, GDB e KNN. Além disso, foi demonstrada a possibilidade de redução do número de variáveis explicativas para os modelos de classificação e de regressão, passando de 9 variáveis (pH, oxigênio dissolvido, demanda bioquímica de oxigênio, nitrogênio total, fósforo total, coliformes fecais, sólidos totais, turbidez e temperatura) que compõem o IQA para apenas as 4 variáveis mais importantes (coliformes fecais, oxigênio dissolvido, demanda bioquímica de oxigênio e fósforo total). Para esta redução, foram utilizadas a técnica de importância relativa das variáveis na classificação e o coeficiente de Spearman na regressão. Por fim, observou-se que os algoritmos utilizados na regressão apresentaram valores de métricas ligeiramente melhores em comparação com os algoritmos de classificação. | Abstract: Monitoring water quality is a relevant topic for sustaining life on planet Earth. One of the main tools used for this monitoring is the Water Quality Index (WQI), due to its easy interpretation. However, with the increase in data collection and consequently in the complexity of systems, there is a need for the use of automated and more modern techniques. This study aimed to demonstrate the technical feasibility of applying machine learning algorithms for the prediction and multiclass classification of the Water Quality Index (WQI). In the first article, the classification of WQI as a qualitative variable was proposed using 10 classic machine learning models, including Linear Discriminant Analysis (LDA), Quadratic Discriminant Analysis (QDA), Logistic Regression (LR), Perceptron, Ridge Classifier (RC), Gaussian Naive Bayes (GNB), K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Multilayer Perceptron (MLP), and Decision Tree (DT), in addition to the 5 ensembles models: AdaBoost (ADA), Bagging (BAG), Extra Trees (ET), Gradient Boosting (GDB), and Random Forest (RF). In the second article, the prediction of the numerical value of the WQI was proposed using 11 machine learning algorithms, including 6 classic models: K-Nearest Neighbors (KNN), ElastiNetCV, Linear Support Vector Machine (LSVM), Support Vector Machine (SVM), Multilayer Perceptron (MLP), and Decision Tree (DT), as well as the 5 ensembles models mentioned earlier. The models were statistically evaluated using regression metrics such as Mean Squared Error (MSE), Root Mean Squared Error (RMSE), and Mean Absolute Error (MAE), as well as classification metrics including balanced accuracy, precision, recall, f1-score, and confusion matrix. The algorithms that showed the best performance in both prediction and classification were: SVM, MLP, GDB, and KNN. It was demonstrated that it is possible to reduce the number of explanatory variables for both tasks, going from the 9 variables (pH, dissolved oxygen, biochemical oxygen demand, total nitrogen, total phosphorus, fecal coliforms, total solids, turbidity, and temperature) that compose the WQI to only the 4 most important variables (fecal coliforms, dissolved oxygen, biochemical oxygen demand, and total phosphorus). For this reduction, techniques of relative importance of variables for classification and the Spearman coefficient for regression were used. Finally, it was observed that the regression technique presented slightly better metric values compared to the classification technique.