Estimación de las Tendencias de Nitratos en las Aguas Subterráneas del Acuífero de Zagreb
Autores: Kova, Zoran; Naki, Zoran; poljari, Drago; Stanek, David; Baani, Andrea
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Ciencias de la Tierra y Geología
Palabras clave
Nitratos
Contaminantes de aguas subterráneas
Acuífero de Zagreb
Análisis de regresión
Escalas de observación
Estimación de tendencias
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
Los nitratos representan uno de los principales contaminantes de las aguas subterráneas en el mundo y en el acuífero de Zagreb. El acuífero de Zagreb es la principal fuente de agua potable para los habitantes de la ciudad de Zagreb y está protegido por la República de Croacia. La determinación de las tendencias de los contaminantes es una de las principales herramientas en la evaluación del estado y riesgo de los cuerpos de agua subterránea. En este documento, se ha evaluado el uso del análisis de regresión sobre los datos agregados, junto con intervalos de confianza y predicción, en diferentes escalas de observación. Las concentraciones de nitratos están disminuyendo en casi todas las áreas, observadas en diferentes escalas de observación. Se ha demostrado que la regresión lineal puede ser utilizada de manera eficiente en la estimación de las tendencias de nitratos. Los resultados mostraron que el cálculo de intervalos de confianza y predicción puede proporcionar conclusiones más útiles que el cálculo de la significancia estadística de la tendencia. Además, los resultados sugieren que los intervalos de confianza y predicción pueden ser utilizados en la evaluación del estado químico de los cuerpos de agua subterránea y del riesgo, respectivamente. El suavizado de datos y la agregación de datos son generalmente deseables, pero tienen ciertas limitaciones. Si se agregan demasiados datos, la estimación de tendencias mediante análisis de regresión puede llevar a conclusiones erróneas. La evaluación de tendencias en diferentes escalas de observación puede proporcionar una estimación de tendencias más realista, así como una identificación más precisa de las áreas donde se deben implementar medidas de protección de aguas subterráneas.
Descripción
Los nitratos representan uno de los principales contaminantes de las aguas subterráneas en el mundo y en el acuífero de Zagreb. El acuífero de Zagreb es la principal fuente de agua potable para los habitantes de la ciudad de Zagreb y está protegido por la República de Croacia. La determinación de las tendencias de los contaminantes es una de las principales herramientas en la evaluación del estado y riesgo de los cuerpos de agua subterránea. En este documento, se ha evaluado el uso del análisis de regresión sobre los datos agregados, junto con intervalos de confianza y predicción, en diferentes escalas de observación. Las concentraciones de nitratos están disminuyendo en casi todas las áreas, observadas en diferentes escalas de observación. Se ha demostrado que la regresión lineal puede ser utilizada de manera eficiente en la estimación de las tendencias de nitratos. Los resultados mostraron que el cálculo de intervalos de confianza y predicción puede proporcionar conclusiones más útiles que el cálculo de la significancia estadística de la tendencia. Además, los resultados sugieren que los intervalos de confianza y predicción pueden ser utilizados en la evaluación del estado químico de los cuerpos de agua subterránea y del riesgo, respectivamente. El suavizado de datos y la agregación de datos son generalmente deseables, pero tienen ciertas limitaciones. Si se agregan demasiados datos, la estimación de tendencias mediante análisis de regresión puede llevar a conclusiones erróneas. La evaluación de tendencias en diferentes escalas de observación puede proporcionar una estimación de tendencias más realista, así como una identificación más precisa de las áreas donde se deben implementar medidas de protección de aguas subterráneas.