Objetivou-se neste trabalho avaliar o substrato e a disponibilidade de água no potencial germinativo das sementes de uvaia (Eugenia pyriformis). Os substratos avaliados foram: areia (A), latossolo + areia (L + A) (1:1), latossolo + areia + cama de frango semidecomposta (L + A1 + CF) (1:1:0,5), latossolo + areia + cama de frango semidecomposta (L + A2 + CF) (1:2:0,5), latossolo + Bioplant® (L + B) (1:1) aliados aos seguintes níveis de irrigação 25, 50, 75 e 100% da capacidade de retenção de água. As maiores porcentagens de emergência e melhor crescimento de plântulas foram observados no substrato latossolo + areia + cama de frango (1:2:0,5), na capacidade de retenção de água de 50%.

The objective of this study was to evaluate the substrate and water availability on germinative pontential of Uvaia (Eugenia pyriformis) seeds. The substrates evaluated were the following: Sand (S), Latosol + sand (L + S) (1:1), Latosol + sand + semi-decomposed chicken litter (L + S1+ CL ) (1:1:0.5), Latosol + sand + semi-decomposed chicken litter (L + S2 + CL) (1:2:0.5), Latosol + Bioplant® + (L + B) (1:1) joined to the following water levels: 25, 50, 75 and 100% the ability to retain water. The highest percentage of emergence and the best seedling growth were observed in substrates Latosol + sand + chicken litter (1:2:0.5) and water retention capacity of 50%. | Objetivou-se neste trabalho avaliar o substrato e a disponibilidade de água no potencial germinativo das sementes de uvaia (Eugenia pyriformis). Os substratos avaliados foram: areia (A), latossolo + areia (L + A) (1:1), latossolo + areia + cama de frango semidecomposta (L + A1 + CF) (1:1:0,5), latossolo + areia + cama de frango semidecomposta (L + A2 + CF) (1:2:0,5), latossolo + Bioplant® (L + B) (1:1) aliados aos seguintes níveis de irrigação 25, 50, 75 e 100% da capacidade de retenção de água. As maiores porcentagens de emergência e melhor crescimento de plântulas foram observados no substrato latossolo + areia + cama de frango (1:2:0,5), na capacidade de retenção de água de 50%.

En el presente artículo se aborda el concepto de la gobernanza del agua, definiendoel término al que se hace referencia y abordando algunas dimensiones de lagobernanza. Se hace una breve revisión de aspectos jurídicos relacionados con eltema y se argumentan las cuestiones relacionadas con las tendencias de tránsitoentre un enfoque de gobernabilidad (centrado en la actuación gubernamental) y unenfoque de gobernanza (que toma en cuenta a la sociedad en su conjunto), a travésde datos estadísticos entresacados de estándares internacionales, que permiten unacomparación entre países acerca del avance o estado de la gobernanza.

En el presente artículo se aborda el concepto de la gobernanza del agua, definiendo el término al que se hace referencia y abordando algunas dimensiones de la gobernanza. Se hace una breve revisión de aspectos jurídicos relacionados con el tema y se argumentan las cuestiones relacionadas con las tendencias de tránsito entre un enfoque de gobernabilidad (centrado en la actuación gubernamental) y un enfoque de gobernanza (que toma en cuenta a la sociedad en su conjunto), a través de datos estadísticos entresacados de estándares internacionales, que permiten una comparación entre países acerca del avance o estado de la gobernanza. | The present paper addresses the issue of water governance, defining the term and addressing certain aspects of governance. Legal issues related to the topic are briefly reviewed and questions are discussed regarding trends in moving from a governability approach (focused on government action) to a governance approach (taking into account the society as a whole). Statistical data from international standards are used to compare countries with respect to their progress or status in the area of governance.

La presión real de vapor de agua es una variable básica para estimar la evapotranspiración de los cultivos, uno de los componentes del ciclo hidrológico;sin embargo es difícil y cara de medir de forma directa, por lo que se recurre enla práctica a estimaciones basadas en la temperatura y relaciones sicrométricas. Elobjetivo del presente trabajo fue realizar una comparación de diferentes métodosconvencionales para el cálculo de la presión real de vapor y compararlos con lasestimaciones realizadas con dos tipos de redes neuronales artificiales: feedforwardbackpropagation y radial basis function. Se usaron datos meteorológicos de cuatroestaciones del Distrito 075, localizadas en el Valle del Fuerte, al norte del estadode Sinaloa, México. Los resultados indican que la red neuronal artificial tipo radialbasis function (escenario E4) mostró ser el mejor método en la estimación de lapresión actual de vapor de agua.

Although real vapor pressure is a fundamental variable in the calculation of the evapotranspiration of crops, a component of the hydrological cycle, it is difficult and costly to measure directly. Consequently, in practice calculations are based on temperature data and psychometric relationships. The objective of the present work was to compare different conventional methods used to calculate real vapor pressure with calculations performed using two types of artificial neural networks-feedforward backpropagation and radial basis function. Meteorological data were used from four weather stations in Irrigation District 075, located in Valle del Fuerte, in northern Sinaloa State, Mexico. The results indicate that the radial basis function type of artificial neural network (Scenario E4) was the best method to calculate real vapor pressure. | La presión real de vapor de agua es una variable básica para estimar la evapotranspiración de los cultivos, uno de los componentes del ciclo hidrológico; sin embargo es difícil y cara de medir de forma directa, por lo que se recurre en la práctica a estimaciones basadas en la temperatura y relaciones sicrométricas. El objetivo del presente trabajo fue realizar una comparación de diferentes métodos convencionales para el cálculo de la presión real de vapor y compararlos con las estimaciones realizadas con dos tipos de redes neuronales artificiales: feedforward backpropagation y radial basis function. Se usaron datos meteorológicos de cuatro estaciones del Distrito 075, localizadas en el Valle del Fuerte, al norte del estado de Sinaloa, México. Los resultados indican que la red neuronal artificial tipo radial basis function (escenario E4) mostró ser el mejor método en la estimación de la presión actual de vapor de agua.

El modelo número 1 de lodos activados (ASM1), publicado en 1987, hoy es utilizado de manera amplia. La generación de una base de datos de padrones típicos de fraccionamiento de DQO para las aguas residuales municipales (ARM)en México y en América Latina facilitaría el uso de la modelación dinámica y delos simuladores de plantas de tratamiento en la sub-región. En este trabajo se aplicó el protocolo físico-químico de caracterización propuesto por la Asociación Holandesa de Investigación Aplicada al Agua (STOWA), para determinar el patrón de fraccionamiento de la DQO en las aguas residuales de la ciudad de Toluca.También se realizaron pruebas respirométricas para hallar el valor de algunos de los parámetros cinéticos del ASM1, así como para investigar la cantidad de biomasa heterótrofa (XH0) inicialmente presente en las aguas residuales. Las tasas decrecimiento (μHmáx) y de decaimiento (bH) a 20°C fueron 5.7 y 0.54 d-1, mientras XH0 representó hasta el 14% de la DQO total. El padrón de fraccionamiento promedio de la DQO en el ARM pre-sedimentada fue 13% de DQO soluble inerte (SI), 23% de sustrato fácilmente biodegradable (SS), 48% de DQO lentamente biodegradable (XS) y 16% de DQO particulada inerte (XI). Con respecto a la fracción SS, hubo grandes divergencias entre los valores obtenidos por respirometría (SS-respiro) y los derivados por vía físico-química (SS-físico). Las contradicciones entre SS-respiro y SS-físico,y los problemas de medición de DBO fueron las principales dificultades notadas durante la implementación del protocolo STOWA en el ámbito local.

El modelo número 1 de lodos activados (ASM1), publicado en 1987, hoy es utilizado de manera amplia. La generación de una base de datos de padrones típicos de fraccionamiento de DQO para las aguas residuales municipales (ARM) en México y en América Latina facilitaría el uso de la modelación dinámica y de los simuladores de plantas de tratamiento en la sub-región. En este trabajo se aplicó el protocolo físico-químico de caracterización propuesto por la Asociación Holandesa de Investigación Aplicada al Agua (STOWA), para determinar el patrón de fraccionamiento de la DQO en las aguas residuales de la ciudad de Toluca. También se realizaron pruebas respirométricas para hallar el valor de algunos de los parámetros cinéticos del ASM1, así como para investigar la cantidad de biomasa heterótrofa (X H0) inicialmente presente en las aguas residuales. Las tasas de crecimiento (µHmáx) y de decaimiento (bH) a 20 °C fueron 5.7 y 0.54 d-1, mientras X H0 representó hasta el 14% de la DQO total. El padrón de fraccionamiento promedio de la DQO en el ARM pre-sedimentada fue 13% de DQO soluble inerte (S I), 23% de sustrato fácilmente biodegradable (S S), 48% de DQO lentamente biodegradable (X S) y 16% de DQO particulada inerte (X I). Con respecto a la fracción S S, hubo grandes divergencias entre los valores obtenidos por respirometría (S S-respiro) y los derivados por vía físico-química (S S-físico). Las contradicciones entre S S-respiro y S S-físico, y los problemas de medición de DBO fueron las principales dificultades notadas durante la implementación del protocolo STOWA en el ámbito local. | Activated Sludge Model N° 1 (ASM1), published in 1987, is widely used today. The creation of a database of typical COD fractionation patterns for municipal wastewaters (WW) in Mexico and in Latin America will facilitate the use of dynamic modeling and simulation of WW treatment plants (WWTP) in the sub-region. This research used the physiochemical characterization protocol developed by the Netherlands Foundation of Applied Water Research (STOWA) to determine the COD fractionation pattern for wastewater in the city of Toluca. Respirometric tests were also performed to estimate some of the kinetic parameters for the ASM1 and to evaluate the amount of heterotrophic biomass, XH0, initially present in the wastewater. The growth (μHmax) and decay rates (bH) were 5.7 d-1 and 0.54 d-1 (at 20° C), respectively, while XH0 represented as much as 14% of total COD. The average COD fractions in the pre-settled WW were: 13% inert soluble COD (SI), 23% readily biodegradable substrate (SS), 48% slowly biodegradable substrate (XS) and 16% inert particulate COD (XI). With respect to the SS fraction, large differences were noted between values from the respirometric method (SS-respiro) and those from the physiochemical protocol (SS-phys). The differences between SS-respiro and SS-phys, along with the non-repeatability of the BOD measurements were the main weaknesses observed when attempting to implement the STOWA protocol at the local level.