El cultivo de la microalga Haematococcus pluvialis en agua residual de invernadero de alta tecnología productor de jitomate, resulto ser uno de los mejores métodos para la producción biomasa microalgal y de pigmentos de clase carotenoide. Los valores ajustados del agua residual para la producción de biomasa, fueron a un pH 7, con un intervalo de luz blanca fría de 100-150 μmol/m2/s, con un fotoperiodo de 11:13 horas luz-oscuridad, a una temperatura de 23 °C, mientras que, para la producción de pigmentos, la emisión de luz de espectro completo de 500 y 1000 μmol/m2/s con el mismo fotoperiodo y la misma temperatura, resultaron ser los mejores para la síntesis de pigmentos. Por otro lado, la exposición de la microalga a 200 μmol/m2/s de luz roja y luz azul, fueron suficientes para el cambio de estado vegetativo a estado de enquistamiento (síntesis de pigmentos). Por otro lado, la microalga se aclimato y adapto en su totalidad para ser cultivada en agua residual de invernadero, por lo que se puede utilizar como medio de cultivo, sustituyendo totalmente al medio de cultivo comercial, y obteniendo casi los mismos resultados en cuanto a concentración de biomasa microalgal

El estudio de la diversidad biológica involucra el análisis de los cambios morfológicos. Los cambios en la variación morfológica no siempre tienen el mismo origen y función; existen estructuras que presentan relaciones estrechas y cambian de manera integrada, mientras que otras llegan a ser independientes entre sí, modificándose a través de módulos. Con la finalidad de conocer si la variación morfológica del género Thorichthys es resultado de patrones de integridad morfológica, se evaluó la organización modular utilizando seis modelos modulares, mediante el análisis de morfometría geométrica en 246 especímenes pertenecientes a las nueve especies del género. Se emplearon 20 hitos o marcas y cinco semimarcas alineadas a través del método de superimposición Procrustes. Así mismo, para descartar el efecto alométrico causado por las diferencias en el tamaño, se obtuvieron los residuales de la regresión entre el tamaño del centroide y las variables de deformación. Los valores residuales se usaron en los análisis de componentes principales y en el análisis de integración. Se encontró que la variación interespecífica en la forma del cuerpo se acentúa en el perfil de la cabeza, parte media del cuerpo y el pedúnculo caudal. El análisis de integración morfológica reveló que el cuerpo está organizado en módulos. Los modelos más robustos están integrados por dos módulos: uno anterior representado por la cabeza y otro posterior que incluye la parte media del cuerpo y el pedúnculo caudal; el segundo modelo consta de cabeza y parte media del cuerpo como el primer módulo y el pedúnculo caudal como el segundo. Los cambios en el patrón de modularidad corresponden con los eventos de diversificación dentro del grupo. La organización modular de este grupo de peces está relacionada con la filogenia del grupo.

En la presente investigación, se realizó la evaluación de la calidad del agua del río Uquihua, en uso como aguas recreativas – Rioja – San Martín, para lo cual se siguió un modelo transversal y mediante la observación se identificó el estado natural y mediante análisis físicos, químicos y bacteriológicos, se determinó la calidad del agua en su uso recreacional como balneario en la ciudad de Rioja. Para el monitoreo se utilizó dos fechas; en temporada de lluvias y en temporada de estiaje y se encontró que existe ausencia de coliformes termotolerantes y Escherichia Coli, pero se encontró gran cantidad de coliformes totales llegando hasta 5.4 *103 NMP/1 00 mL, y los parámetros físicos y químicos analizados demostraron que no se encuentran conforme a los estándares de calidad ambiental para el agua Sub categoría B1 de contacto primario; el oxígeno disuelto, el DBO, y el color que indica un elevado valor. Por lo que se recomienda implementar diversas actividades informativas, pues también se deberían desarrollar actividades prácticas a través de una serie de talleres o incentivos formativos, así mismo realizar el control y fiscalización de vertimientos de aguas residuales por parte de la población aledaña. | In the present research, the evaluation of the quality of the water of the Uquihua River, for its use as recreational water - Rioja - San Martin, was carried out. For this purpose, a transversal model was applied and through observation, the natural state was identified and through physical, chemical and bacteriological analysis, the quality of water for its recreational use as a natural swimming spot -in the city of Rioja was determined. For the monitoring, two dates were used; in the rainy season and in the dry season and it was found that thennotolerant coliforrns and Escherichia Coli are absent, but a great amount of total coliforms was found, reaching up to 5.4 *103 NMP/1 00 mL, as well as the physical and chemical parameters analyzed showed that they do not comply with the environmental quality standards for water Sub category B1 of primary contact; dissolved oxygen, BOD, and color indicating a high value. Therefore, it is recommended to implement various information activities, since practical activities should also be developed through a series of workshops or training incentives, as well as control and inspection of wastewater discharges by the surrounding population.

En 2020, en un punto cercano a la ciudad de Chihuahua, ubicado en el acuífero Tabalaopa-Aldama se realizó un estudio cuyo propósito fue determinar el impacto de la calidad del agua que se utiliza en los procesos de recarga artificial y las implicaciones que tiene en la Modificación a la NORMA Oficial Mexicana NOM-127-SSA1-1994 y NORMA Oficial Mexicana NOM-014-CONAGUA-2003, se realizaron pruebas de infiltración en cuatro columnas empacadas de suelo, empleando agua de cuatro diferentes orígenes y calidades que son: Agua de lluvia, Agua del efluente de la Planta de Tratamiento Norte que paso por un proceso de Destilación Solar, Agua del efluente de la Planta de Tratamiento Norte y Agua de la Planta de Tratamiento Sur. La fase experimental comprendió tres etapas: Lavado del material de empaque en columnas de infiltración, regulación del caudal y pruebas de recarga registrando los parámetros de control como CE, SDT, pH, Temperatura y Turbiedad, y posteriormente, los análisis fisicoquímicos realizados en laboratorio (Color, Mn, F-, etc.). Los resultados obtenidos indican que los efluentes de la Planta de las Plantas Norte y Sur presentan una mayor concentración de color y manganeso que lo estipulado en la Norma para recarga y el F- lo supera ligeramente en el efluente de la Planta de Tratamiento Norte. Por lo tanto, se concluye que emplear agua de un efluente de destilación solar genera mejores resultados que las Plantas de Tratamiento Norte y Sur para la aplicación en la recarga artificial.

Este proyecto aborda la problemática del análisis inteligente de datos en dominios de problemas donde existe carencia de datasets etiquetados para utilizar modelos de clasificación con diferentes algoritmos mediante el uso de técnicas de Machine Learning supervisadas. Debido al gran volumen, alta carga de trabajo y complejidad que supone este proyecto, se ha determinado segmentar el contenido del mismo entre dos personas. Respecto a la diversidad de problemas enfrentados, se expone seguidamente la exploración de los propios. El primero de ellos, es la escasez de datasets que puedan utilizarse para entrenar un modelo, bien por la imposibilidad de utilizar datasets reales por protección de datos, o el simple hecho de que no se llega a hacer la recolección, tratamiento, análisis y almacenaje de esos datos correctamente. Por ello, se utilizará una herramienta que ha sido desarrollada para este propósito dentro del alcance de otro Proyecto de Grado, el de mi compañero Álvaro Arcos Delgado. Esta herramienta permite la generación de datasets sintéticos propios, que ejemplifican escenarios configurando diversos parámetros y valores para generar conjuntos de datos de cualquier tamaño, de categorías diferentes, balanceados no imbalanceados, etiquetados o sin etiquetar, con valores simulando errores en la recogida de datos, simbólicos o numéricos. La idea de esta herramienta es generar conjunto de datos que tratan de simular de la mejor manera posible, los datos provenientes de escenarios reales. En este Proyecto de Fin de Grado, se utilizará dicha herramienta para entrenar los modelos de Machine Learning seleccionados. En segundo lugar, la insuficiencia de cotejos entre diferentes algoritmos que revelen con cierta convicción qué algoritmos son mejores para distintos tipos de datasets. Para esclarecer este punto, se realiza un exhaustivo estudio de diferentes algoritmos, tanto de clasificación binaria como multiclase, utilizando parámetros personalizados para cada uno como la impuridad, repeticiones o profundidad. Modificando los hiperparámetros de cada algoritmo, se podrán plantear diferentes circunstancias en los que los algoritmos de clasificación ofrecen diferentes resultados. Con estas comparaciones, observamos las ventajas que ofrecen unos frente a otros en rendimiento computacional o precisión dependiendo del volumen de información en el dataset, la variación entre los parámetros para los posibles resultados. En este proyecto, los algoritmos que han sido analizados para clasificación binaria son Random Forest Binary y Decision Tree Binary, a la vez comparados con Linear Support Vector Machine analizado por mi compañero, y por otro lado para clasificación multiclase se implementan modelos como el Multilayer Perceptron y Decision Tree Multiclass implantado en One vs Rests, confrontados con Logistic Regression Multiclass. Otro problema recurrente en desarrollos de Machine Learning, es el análisis de la toma de decisiones sobre cómo etiquetar los datos cuando una variable toma diferentes rangos de valores y lo que importa (dentro del contexto analizado) es que todos los valores de dicho intervalo compartirían la misma etiqueta. Este escenario es muy común en contextos IoT donde un sistema recoge valores continuos desde diferentes fuentes remotas de sensores. En esto casos, la solución adoptada es utilizar un lenguaje simbólico que consiste en asignar un símbolo (un carácter) a cada posible rango. De esta forma, no se evalúa si un valor pertenece o no a un rango concreto de los distintos existentes, si no que simplemente se comprueba que pertenezca al rango sin importar el valor exacto. De esta forma, evitamos comprobaciones que podían suponer mayor coste de recursos computacionales. En nuestro caso, se ha definido un lenguaje simbólico con un total de 71 símbolos, los cuales representan todos los distintos intervalos del espacio muestral de los valores a analizar sin que se solapen, incluyendo intervalo no válido. Finalmente, la recolección, tratamiento, análisis y almacenaje de datos representados se realizará sobre plataformas de computación ultraescalable como Apache Spark. Para ello se ha desarrollado un framework que permite integrar a) la herramienta generadora de datasets simbólicos, b) el código de los algoritmos de Machine Learning seleccionados, c) el entrenamiento, validación y testing de dichos algoritmos y c) el análisis y visualización de los resultados y métricas de calidad obtenidos en cada uno de los algoritmos. El desarrollo de esta herramienta está basada en el hecho que para la transferencia de este desarrollo a un escenario real, podría ser factible plantearse un framework que supone una mejora computacional en cuanto a la escalabilidad, el manejo de data streamming, las capacidades de la computación distribuida y paralela más adecuados cuando se llevan a cabo desarrollos software para aplicaciones IoT con sensorización remota. Abstract: This project addresses the problem of intelligent data analysis over problem domains where there is a lack of labeled datasets required for using classification modelsof supervised Machine Learning techniques. In particular, this Project explores an attractive and important domain such as Medio-environmental Analysis, specifically the problem related to the hydrocarbons pollutants. Due to the large volume, high workload and complexity of this project, it has been split in two parts each one of them to be executed by two students. Regarding the diversity of problems faced, the exploration of their details is presented below. The first of this problems, is the shortage of accessible datasets that can be used to train a Machine Learning model, in terms of availability of real datasets because of the LOPD1, or because of the fact that Collecting, Storing, Analyzing, and Using data is not usually done correctly. For this reason, in this Project is used specifically synthetic datasets which simulate scenarios where parameters and values are equivalent to real ones. These datasets are a perfect replication of the original values obtained from the process of analyzing the presence of hydrocarbons in water sources. These datasets may be personalized in different ways by tuning certain parameters. The options which can be modified are the extraction of unlabeled datasets in addition to labeled ones, extracting datasets with some deviated results besides the regular one and obtaining the same dataset, the numeric one and its equivalent symbolic one. Secondly, the lack of comparisons between different algorithms which expose with certain assurance which algorithms are better than other for different kinds of datasets. In order to clarify this concern, it is done an exhaustive study of binary algorithms as well as multiclass algorithms, using their own hyperparameters like impurity, maxDepth or numIter. Modifyng each algorithm’s hyperparameters, varying situations where classification algorithms offer different results. With these comparisons, we can notice some improvements such as velocity or accuracy ones in opposition to others depending on the dataset’s amount of data or the specific hyperparameters. In this project, there have been developed the following algorithms for binary classification: Random Forest Binary and Decision Tree Binary compared with Linear Support Vector Machine. On the other hand, Multilayer Perceptron along Decision Tree implemented in One vs Rest compared with Logistic Regression are the multiclass ones. Other problem often that show up during Machine Learning developing, is the computing cost evaluating values inside a range. In a data repository with millions of entries, assessing whether a variable with a certain value belongs to a specific range is virtually impossible. The solution adopted, is to use a symbolic language. In this case, a symbol (a character) is assigned to each possible range. In this way, you do not evaluate whether or not a value belongs to a specific range of the different existing ones, you simply check if it is the same symbol as some range and therefore exists in it. In this way, we avoid checks would entail high costs of computational resources. In our case, we have a language with a total of 71 symbols, which represent all the different ranges of the spectrum without overlapping, including invalid ranges. Finally, collection, treatment, analysis and storage of data will be performed by the ultra-scalable computing platforms like Apache Spark. This can be a framework that will be a computing improvement in light of other options when it is imperative to have a way of working distributedly and parallelly simulating data from remote sensing as an example.

Actualmente, vivimos una etapa marcada por el progreso y la concienciación. Cada vez se habla más de conceptos como cambio climático, responsabilidad social, o equidad. De hecho, según la ONU, “la tasa de pobreza mundial se ha reducido a la mitad desde el año 2000” (Organización de Naciones Unidas, 2020). Pese a estos avances, las desigualdades son cada vez mayores. El desarrollo económico aumenta las diferencias entre ricos y pobres. Estas desigualdades no son solo en cuanto a dinero, sino que se manifiestan en esperanza de vida, oportunidades, educación y en el acceso al agua. El presente documento aborda el problema del acceso al agua. Se pretende analizar posibles soluciones para su tratamiento en sistemas rurales de África. El estudio se apoya en los trabajos del proyecto Ditunga. Dicha organización desea mejorar las condiciones de vida de las poblaciones rurales de la República Democrática del Congo. Su último logro ha sido la construcción de una escuela para 1300 alumnos en una zona rural de Gandajika. El objetivo del trabajo es encontrar y desarrollar el mejor tratamiento para sanear el agua de la escuela. En primer lugar se analiza la situación socio económica de República Democrática del Congo con el fin de vislumbrar la magnitud del problema. Se introducen a continuación conceptos teóricos sobre el tratamiento del agua, siendo las etapas principales la sedimentación, filtración y desinfección. Así mismo, se reúnen los parámetros establecidos por la OMS para evaluar la calidad del agua. Se presta especial atención a la turbidez, bacterias E.Coli y presencia de cloro libre residual. Teniendo claros los valores de referencia, se comparan los requisitos de la OMS con los datos recopilados de Gandajika. Se pone en evidencia el déficit de cloro libre residual en el agua de Gandajika y la presencia de bacterias. A la vista de los resultados, es necesario un tratamiento de urgencia. Por otro lado, se observa una tendencia generalizada al consumo de agua sin tratar por parte de la población. Por lo tanto, se concluye que también es importante desarrollar un tratamiento a nivel domiciliar acompañado de campañas educativas para solucionar el problema eficazmente. Se procede entonces a introducir los posibles tratamientos de agua aplicables al problema. Estos son: la moringa, el filtro de arena, la ebullición, las lámparas UV, la pasteurización, el método SODIS y la desinfección química. Se analizan las ventajas e inconvenientes de cada método para valorar la idoneidad de los tratamientos. Con el objetivo de elegir el tratamiento de la forma más adecuada posible, se realiza una comparativa siguiendo los criterios de eficacia, cantidad, asequibilidad, accesibilidad y continuidad. En base a los resultados obtenidos, se distinguen dos escenarios diferentes. En primer lugar, se elige la cloración para tratar el agua destinada al colegio por ser un método económico y capaz de alcanzar un gran volumen de agua desinfectada. En segundo lugar, se propone la moringa y el método SODIS para tratar el agua a nivel domiciliar. A continuación, se desarrollan ambos escenarios. La cloración por goteo resulta un tratamiento idóneo para sistemas rurales. La instalación es sencilla y los materiales se encuentran localmente. Es un tratamiento flexible, eficaz y que protege el agua de forma residual, resolviendo el problema de la contaminación secundaria. Por otro lado, la moringa y el método SODIS se combinan para lograr un saneamiento completo a escala familiar. El árbol de moringa tiene propiedades coagulantes, floculantes y germicidas, actuando como pretratamiento. Así mismo, este árbol favorece el crecimiento económico de la región por sus variadas propiedades. El método SODIS, a su vez, es sencillo y extremadamente económico. Ambos tratamientos se adaptan a las condiciones climáticas de Gandajika. Habiéndose propuesto estas soluciones, todavía queda un problema general. El tratamiento del agua debe ir acompañado de la concienciación de la población. Es importante crear campañas de educación y promoción de higiene para que los resultados sean efectivos y duraderos. De esta forma, se hace hincapié en la necesidad de favorecer la implicación de los habitantes en temas de saneamiento, dejando de lado cuestiones de género, edad o estatus. Tras la realización del estudio se analizan las limitaciones de los resultados. Sería necesario completar los datos de forma más precisa para dar practicidad al proyecto. Para ello es importante trabajar en la región misma. Sin embargo, se deja abierta la puerta a futuras investigaciones alrededor de este tema: estudios económicos, estrategias comunitarias, análisis de datos… Todo ello serviría para hacer de este trabajo un proyecto real y viable. En conjunto, el documento proporciona una alternativa lógica para el tratamiento de agua en las zonas rurales de Gandajika. Una solución que podría llevarse a la práctica si se desempeñan los esfuerzos necesarios.

Resumen En el presente estudio se determinó el comportamiento espacial y temporal de los niveles de arsénico (As) y flúor (F) en el agua subterránea de la ciudad de Durango, México. Para ello, se integró una base de datos, la cual fue analizada mediante pruebas estadísticas no paramétricas y representada a través de sistemas de información geográfica. La base de datos incluyó 455 mediciones de As y 473 de F, obtenidas a partir de resultados de monitoreos anuales de 2012 a 2016, en 97 pozos y siete tanques que abastecen de agua a la ciudad. El análisis de los resultados muestra que las concentraciones de As y F superan los valores de referencia de los límites máximos recomendados por la Organización Mundial de la Salud (OMS). El 88% de las determinaciones de As se encuentra en el rango de 20 a 35 μg/l y el 84% de las mediciones de F están en el rango de 3 a 6 mg/l. El análisis del periodo 2012-2016 presenta globalmente un aumento de la concentración de As y una disminución estadísticamente significativa (p-valor < 0.01) en las concentraciones de F. Las concentraciones mayores de As y F se presentaron en las zonas: noreste, sureste y noroeste de la ciudad. Mientras que la zona sureste presentó los valores más bajos de As y F. El estudio temporal y espacial sugiere que el tipo de depósitos aluviales y las rocas volcánicas del basamento como tobas y riolitas condicionan la presencia de altas concentraciones de As y F. Sin embargo, factores locales, como la extracción y evaporación, pueden influir en las variaciones interanuales espacio-temporal observadas. | Abstract In the present study, the spatial and temporal behavior of the levels of arsenic (As) and fluoride (F) in the groundwater of the city of Durango was determined. To do this, a database was integrated, which was analyzed by non-parametric statistical tests and represented by geographic information systems. The database included 455 measurements of As and 473 of F, obtained from annual monitoring results from 2012 to 2016, in 97 wells and 7 tanks that supply water to the city. The analysis of the results shows that the concentrations of As and F exceed the reference values of the maximum limits recommended by the World Health Organization (WHO). 88% of the As determinations are in the range of 20 to 35 μg/l and 84% of the F measurements are in the range of 3 to 6 mg/l. The analysis of the period 2012-2016, presents an increase in the concentration of As and a statistically significant decrease (p-value < 0.01) in the concentrations of F. The highest concentrations of As and F occurred in the areas: Northeast, southeast and northwest of the city. While the southeast area presented the lowest values of As and F. The temporal and spatial study suggests that the alluvial deposits and the volcanic rocks of the basement as tobas and riolites present in the areas with the highest concentrations of As and F condition the distribution of the levels of these elements in the groundwater. However, local factors such as extraction and evaporation, influence the observed inter annual spatial-temporal variations.

Este proyecto tiene como objeto el diseño de una línea embotelladora de agua preparada en brik, así como las obras e instalaciones necesarias para el desarrollo de la actividad prevista cumpliendo todo ello con las normativas correspondientes. La industria se emplazará en el Municipio de Beteta (Cuenca) en la parcela 191 polígono 504 limítrofe a la carretera CM-210, y tendrá una producción de 500.000 litros de agua anuales. Este anteproyecto surge ante la motivación del promotor de explotar el manantial Fuente del Arca (Beteta) del cual ha conseguido una concesión de aprovechamiento. Además, se busca ofrecer al consumidor un nuevo producto de calidad bajo unas condiciones medioambientalmente más sostenibles adoptando nuevas tecnologías de procesado y envasado. El objetivo es la elaboración cuidadosa de agua envasada de calidad que se difiere del resto de su categoría y que el consumidor pueda disfrutar. De este modo se pretende generar también un impacto económico favorable en el municipio de Beteta y sus alrededores. La concesión agua para la producción de agua embotellada obtenida por el promotor permite la extracción de 500.000 a 1.000.000 de litros anuales; a decisión del promotor se embotellarán inicialmente 500.000 litros/año con posibilidad de expansión en el futuro. Uno de los condicionantes para esta producción es el uso de técnicas alternativas al tratamiento tradicional de las aguas (Sistemas de filtros), por ello en este anteproyecto se ha elegido el tratamiento mediante luz pulsada. Esta manipulación está dentro de las permitidas en el R.D. 1799/2010 de 30 de diciembre, por el que se regula el proceso de elaboración y comercialización de aguas preparadas envasadas para el consumo humano; y por lo tanto el producto final de está industria será denominado agua preparada envasada. Por otro lado, se busca un envasado alternativo que además de llamar la atención del consumidor, sea sostenible por ello se elige como envase un brik de base biológica fabricado únicamente con cartón y polímeros plásticos procedentes de la caña de azúcar.