Transformation rates of pollutants in rivers for water quality modelling under unsteady state: A calibration method

Ferreira, Danieli Mara; Fernandes, Cristóvão Vicente Scapulatempo; Kaviski, Eloy; Fontane, Darrell G.

doi:10.1016/j.jhydrol.2020.124769

Cited by 9 publications

(8 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…S (Chapra, 1997;Jeppson, 2010). Esse valor foi definido como o inicial, baseado em valores de apresentados em (Chapra, 1997;Ferreira et al, 2020) para as simulações e calibração, que não foi necessária por conta dos bons resultados iniciais.…”

Section: Características Do Modelo Hidrodinâmicounclassified

“…A simulação de fósforo no HEC-RAS utilizada as frações fósforo orgânico dissolvido (OrgP) e ortofosfato inorgânico dissolvido (PO4), ambas formas dissolvidas do material, sendo que sua principal forma de entrada de fósforo em rios é a particulada. Considera-se que as frações de ortofosfato inorgânico (PO4) são representativas da concentração de fósforo total, parâmetro cujas taxas de variações de concentrações o HEC-RAS simula segundo a equação 6 (FERNANDES et al, 2020;KNAPIK, 2014;KOZAK, 2016). Os termos a direita da equação representam, respectivamente: decaimento (OrgP para PO4), difusão dos organismos bentônicos e consumo das algas.…”

Section: Fósforounclassified

“…A função dos coeficientes de cenarização é simular o aumento no aporte de poluentes, tanto na forma de cargas pontuais quanto difusas, conforme cenários futuros que representam o crescimento econômico da bacia, apresentados na Tabela 2. Esses coeficientes foram estimados para cada uma das Unidade de Gestão (UGHs) da bacia, conforme descrito por (FERNANDES et al, 2020) Tabela 2 -Coeficientes de aumento no aporte de cargas de acordo com cenários de crescimento econômico para os anos de 2025 e 2035 A conversão do aumento de carga dos cenários para as concentrações que efetivamente são inseridas como condição de contorno no HEC-RAS foi feita convertendo os trechos de rio para os quais as cargas foram geradas para trechos coincidentes com aqueles usados como condição de contorno nas simulações hidrodinâmicas (contribuição lateral) conforme ilustrado na Figura 2.…”

Section: Detalhes Dos Coeficientes De Cenarizaçãounclassified

See 2 more Smart Citations

Modelagem hidrodinâmica e de qualidade da água como ferramenta para avaliação de enquadramento de corpos d'água

Ferreira

Ferreira²,

Fernandes³

2021

REGA

View full text Add to dashboard Cite

Section: Características Do Modelo Hidrodinâmicounclassified

Section: Fósforounclassified

Section: Detalhes Dos Coeficientes De Cenarizaçãounclassified

See 1 more Smart Citation

Modelagem hidrodinâmica e de qualidade da água como ferramenta para avaliação de enquadramento de corpos d'água

Ferreira

Ferreira²,

Fernandes³

2021

REGA

View full text Add to dashboard Cite

“…The other physicochemical parameters like temperature, DO and water flow etc. bears a critical affect over BOD (Dogan et al 2009;Ferreira et al 2020). Owing to amount of efforts required in estimating and predicting BOD in water (Singh et al 2009), there is a need of advanced computing methods to predict BOD concentrations spatially and temporally so that remediating step can be taken in advance for required interventions.…”

Section: Introductionmentioning

confidence: 99%

Spatiotemporal Predictions of BOD Levels in River Ganga: Use of NARX Model

Sunayana

Gurjar

Kumar

et al. 2021

Preprint

View full text Add to dashboard Cite

Rivers finding their path through different hamlets, industries and residential etc. are the end receivers of liquid and solid waste. This plight of water bodies has been deteriorating the life of the river stretches and greatly impacting the quality of water. The identification of potentially polluted locations and timely action can help in restoring the water quality of the river stretches and improving the life of water body as well. The dynamics of river Ganga stretches has been modeled using Non-linear Autoregressive network with exogenous inputs (NARX) model spatially and temporally simultaneously. This method helps in developing one single model to understand all the stretches simultaneously which is not possible otherwise. The change in behavior of NARX model under consecutive and non-consecutive time period has also been studied using statistical methods and multi-step ahead predictions. The model developed in this study captures all the seasons together in one single model and has been used to predict BOD values at seven different locations for nine months ahead. The results highlight the performance ability of NARX model to understand future water quality changes of river Ganga stretch owing to continuous pollution adding to the river. The results predicted for 9 months ahead for year 2015 using two different models, a lower root mean square error (RMSE) as 0.026 and higher correlation coefficient ‘r’ as 0.992 was obtained for model with consecutive days while for other model with non-consecutive days the RMSE was 0.031 and r was 0.989. This information may provide some guidance to the policy makers and water managers to prepare and suggest the pollution mitigation measures for the life line of millions; River Ganga.

show abstract

“…Por lo cual, se debe investigar y desarrollar diferentes metodologías de modelamiento para poder encontrar el mejor ajuste para la simulación de cada cuerpo hídrico.En el presente trabajo se utilizó la ecuación de balance de masa (ecuación 9), debido a que no reacciona químicamente con el agua y se conservación a través del tiempo. Sin embargo, esta ecuación puede variar en base a las características fisicoquímicas y biologías de los trazadores, como en los trabajos de Carrasco (2020) yMara et al (2020), los cuales simulan la dispersión del contaminante mediante el uso de materia orgánica como trazador y considera los parámetros de oxigenación y desoxigenación modificando así la ecuación de balance de masas. Se puede resaltar que es necesario evaluar las características fisicoquímicas de los trazadores.…”

unclassified

Dispersión de contaminantes solubles en la cuenca baja del río Mala, provincia de Cañete, en época seca

Yamashiro¹,

Díaz²

View full text Add to dashboard Cite

El aumento de las actividades antropogénicas como son la agricultura, la ganadería y el desarrollo comercial e industrial son las esenciales fuentes de aportes de vertimientos líquidos, los cuales alteran la calidad de agua de ríos y mares generando el deterioro de la calidad de cuerpos hídricos. Bajo este contexto, la presente investigación tiene como finalidad generar modelos de simulación de dispersión mediante el uso de trazadores solubles vertidos en 2 cursos de agua (tramos), el primer tramo N°1 de un curso con secciones de áreas transversales variables (irregular), segundo tramo N°2 de un curso con secciones de áreas transversales con menos variabilidad(regular) del río Mala en época seca, mediante un método experimental, los cuales podrán ser luego usados como herramientas predictivas ante casos adversos ambientales. En la experimentación se determinaron las características hidrodinámicas de dos tramos del río Mala, los marcadores utilizados fueron el cloruro de sodio (sal común) y la Rhodamina, estos se vertieron mediante una técnica de inyección instantánea, tomando muestras en 2 estaciones aguas abajo cada 30 segundos por cada curso o tramo de agua. Midiendo la conductividad eléctrica de las muestras in situ, se determinó la concentración del marcador en cada punto de recolección, y con ello se halló los coeficientes de dispersión longitudinal, el cual es un parámetro fundamental para los modelos de simulación. Los resultados nos indican que los modelos de simulación se asemejan a una campana gaussiana; asimismo, los valores de los coeficientes de dispersión longitudinal fueron 0.177 m2/s y 2.05 m2/s, para los tramos N°1 y N°2, respectivamente. Se observa en los resultados que el modelo de simulación que más se ajusta a los datos experimentales es el modelo del tramo N°2, por ser un tramo regular y no presentar muchas variaciones en comparación con el tramo N°1.

show abstract

Transformation rates of pollutants in rivers for water quality modelling under unsteady state: A calibration method

Cited by 9 publications

References 17 publications

Modelagem hidrodinâmica e de qualidade da água como ferramenta para avaliação de enquadramento de corpos d'água

Modelagem hidrodinâmica e de qualidade da água como ferramenta para avaliação de enquadramento de corpos d'água

Spatiotemporal Predictions of BOD Levels in River Ganga: Use of NARX Model

Dispersión de contaminantes solubles en la cuenca baja del río Mala, provincia de Cañete, en época seca

Contact Info

Product

Resources

About