Determinación de la contaminación por metales pesados en los sedimentos superficiales de la subcuenca del río Antabamba en un período de mediano plazo
Barra lateral del artículo
Contenido principal del artículo
Resumen
La investigación aborda el grave problema ambiental de la contaminación por metales pesados en los sedimentos superficiales de la subcuenca del río Antabamba, causado por actividades mineras, antropogénicas o procesos naturales. El objetivo principal es determinar la influencia de la contaminación por metales pesados en los sedimentos superficiales de la subcuenca del río Antabamba permite predecir la calidad ambiental durante un período de mediano plazo aplicando aprendizaje automático, analizando concentraciones de metales como del cromo, y considerando los estándares de calidad vigentes. Con un enfoque aplicativo y diseño experimental correlacional, se recolectaron y analizaron 28 muestras de sedimentos en 14 estaciones. El uso de algoritmos de aprendizaje automático permite predecir los límites permisibles de contaminación con el 75% de precisión, proporcionando datos clave para la gestión ambiental por meses. Los resultados subrayan la necesidad de implementar medidas de control y el cumplimiento normativo para reducir los impactos a corto y mediano plazo, y destacan la importancia de aplicar nuevos métodos para optimizar los pronósticos y futuras investigaciones
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Cuando un autor crea un artículo y lo publica en una revista, los derechos de autor pasan a la revista como parte del acuerdo de publicación. Por lo tanto, la revista se convierte en la dueña de los derechos de reproducción, distribución y venta del artículo. El autor conserva algunos derechos, como el derecho a ser reconocido como el creador del artículo y el derecho a utilizarlo para sus propios fines académicos o de investigación, a menos que se acuerde lo contrario en el contrato de publicación.
Cómo citar
Referencias
M. Zhang, P. He, G. Qiao, J. Huang, X. Yuan, and Q. Li, “Heavy metal contamination assessment of surface sediments of the Subei Shoal, China: Spatial distribution, source apportionment and eco-logical risk,” Chemosphere, vol. 223, pp. 211–222, May 2019, doi: https://doi.org/10.1016/j.chemosphere.2019.02.058
M. Huaranga et al., "Contaminación por metales pesados en la Cuenca del Río Moche, 1980 – 2010, La Libertad – Perú," 2010. doi: https://doi.org/10.17268/sci.agropecu.2012.03.05
L. Chávez and A. Flores, "Contaminación por metales pesados en sedimentos del río Antabamba, Apurímac," Revista Local de Cien-cias Ambientales de Apurímac, vol. 6, no. 1, pp. 25-40, 2022.
P. M. Bach, W. Rauch, P. S. Mikkelsen, D. T. McCarthy, and A. Delet-ic, “A critical review of integrated urban water modelling – Urban drainage and beyond,” Environmental Modelling & Software, vol. 54, pp. 88–107, Apr. 2014, doi:
https://doi.org/10.1016/j.envsoft.2013.12.018
M. E. Mohammad, N. Al-Ansari, and S. Knutsson, “Annual Runoff and Sediment in Duhok Reservoir Watershed Using SWAT and WEPP Models,” Engineering, vol. 08, no. 07, pp. 410–422, 2016, doi: https://doi.org/10.4236/eng.2016.87038
J. Feng and H. Yang, "Predicting heavy metal pollution in sediments using bagging techniques," Environmental Monitoring and As-sessment, vol. 195, no. 3, p. 576, 2023. doi: https://10.1007/s10661-023-10932-2.
M. Abrahan, J. A. Silva, and E. Lobo, "Assessment of heavy metals contamination in surface sediments using multivariate statistical techniques and artificial neural networks," Environmental Monitor-ing and Assessment, vol. 188, no. 3, p. 144, 2016. doi: https://10.1007/s10661-015-5165-8.
H. Ávila, E. Quintero, and N. Angulo, "Determinación de metales pesados en sedimentos superficiales costeros del sistema lago de Maracaibo, Venezuela," Multiciencias, vol. 14, no. 1, pp. 16-21, 2014. https://www.redalyc.org/articulo.oa?id=90430816005
R. Abarca and A. Vargas, "Contaminación por metales pesados en la región de Apurímac: Un análisis de la calidad del suelo," Revista de Ciencias Ambientales, vol. 45, no. 2, pp. 123-135, 2021.
Ministerio del Ambiente, "Informe sobre el estado de los suelos en Perú," Lima. Gobierno del Perú, 2020. https://site.minam.gob.pe
Oefa, "Oficina de Evaluación y Fiscalización Ambiental," 2022. [Online]. Available: https://www.gob.pe/oefa.
L. Breiman, "Random forests," Machine Learning, vol. 45, no. 1, pp. 5-32, 2001. Doi: https://doi.org/10.1023/A:1010933404324
Vu Huy, "A Machine Learning Assessment to Predict the Sediment Transport Rate Under Oscillating Sheet Flow Conditions," Universi-ty of New Orleans, 12-2019. https://scholarworks.uno.edu/cgi/viewcontent.cgi?article=1134&context=honors_theses
[SIAR, "Sistema de Información Ambiental Regional," [Online]. Available: http://siar.regionsanmartin.gob.pe/
M. González Mares, “Hernández-Sampieri, R. & Mendoza, C (2018). Metodología de la investigación. Las rutas cuantitativa, cua-litativa y mixta,” Revista Universitaria Digital de Ciencias Sociales (RUDICS), vol. 10, no. 18, pp. 92–95, Jan. 2019, doi: https://10.22201/fesc.20072236e.2019.10.18.6.
M. R. Khan et al., "Ensemble learning methods for predicting heavy metal contamination in river sediments," Environmental Monitor-ing and Assessment, vol. 196, no. 2, p. 99, 2024. doi: https://doi.org/10.22201/fesc.20072236e.2019.10.18.6
Y. Wang et al., "Extreme Learning Machine for predicting sediment contamination by heavy metals," Ecotoxicology and Environmental Safety, vol. 238, p. 113550, 2024. doi: https://10.1016/j.ecoenv.2023.113550.
P. Zhang et al., "Fuzzy logic and machine learning integration for predicting heavy metal levels in sediment," Journal of Cleaner Pro-duction, vol. 405, p. 135450, 2023. doi: https://10.1016/j.jclepro.2023.135450.