Caracterización de micro-consumos domésticos de agua potable de acuerdo con la percepción de los participantes en una iniciativa de ciencia ciudadana: la experiencia del #50lWaterChallenge

Sarai Díaz, Javier González, Álvaro Galán

Resumen

Una buena caracterización de las demandas es esencial para modelizar correctamente el flujo y la calidad del agua en sistemas de abastecimiento, especialmente en las zonas terminales de la red. En la actualidad existen dos tipos de modelos estocásticos de demanda, que requieren una adecuada monitorización de viviendas o la realización de encuestas técnicas especializadas. El objetivo de este trabajo es recopilar información orientativa para la puesta en marcha de modelos basados en usos finales mediante la percepción de consumo de los participantes en una experiencia de ciencia ciudadana. Se trata de una sencilla encuesta on-line con motivo del reto #50lWaterChallenge en redes sociales, que recoge información sobre los micro-consumos de agua en las viviendas de forma individual. Los datos recabados son filtrados en dos etapas y los resultados obtenidos se ajustan en general bien a las referencias existentes en la literatura científica. Además, parecen captar las particularidades asociadas a la situación de confinamiento debida a la coyuntura por COVID-19 en España, probando que este tipo de iniciativas pueden ser herramientas ágiles y útiles para caracterizar (o al menos aproximar) el consumo de agua urbana.


Palabras clave

demanda de agua; micro-consumos; usos finales; abastecimiento; COVID-19

Texto completo:

PDF

Referencias

Blokker, E.J.M., Pieterse-Quirijns, E., Vreeburg, J., van Dijk, J. 2011. Simulating nonresidential water demand with a stochastic end-use model. Journal of Water Resources Planning and Management, 137(6), 511-520. https://doi.org/10.1061/(ASCE)WR.1943-5452.0000146

Blokker, E.J.M., Vreeburg, J., Buchberger, S., van Dijk, J. 2008. Importance of demand modelling in network water quality models: A review. Drinking Water Engineering and Science, 1(1), 27-38. https://doi.org/10.5194/dwes-1-27-2008

Blokker, E.J.M., Vreeburg, J., van Dijk, J. 2010. Simulating residential water demand with a stochastic end-use model. Journal of Water Resources Planning and Management, 136(1), 19-26. https://doi.org/10.1061/(ASCE)WR.1943-5452.0000002

Buchberger, S., Wells, G. 1996. Intensity, duration and frequency of residential water demands. Journal of Water Resources Planning and Management, 122(1), 11-19. https://doi.org/10.1061/(ASCE)0733-9496(1996)122:1(11)

Buchberger, S., Wu, L. 1995. Model for instantaneous residential water demands. Journal of Hydraulic Engineering, 121(3), 232-246. https://doi.org/10.1061/(ASCE)0733-9429(1995)121:3(232)

Canfield, D.E., Brown, C.D., Bachmann, R.W., Hoyer, M.V. 2002. Volunteer lake monitoring: testing the reliability of data collected by the Florida LAKEWATCH Program. Lake and Reservoir Management, 18(1), 1-9. https://doi.org/10.1080/07438140209353924

Creaco, E., Blokker, E.J.M., Buchberger, S. 2017. Models for generating household water demand pulses: Literature review and comparison. Journal of Water Resources Planning and Management, 143(6), 04017013. https://doi.org/10.1061/(ASCE)WR.1943-5452.0000763

Cubillo, F., Moreno, T., Ortega, S. 2008. Microcomponentes y factores explicativos del consumo doméstico de agua en la Comunidad de Madrid. Cuaderno de I+D+i 4, Canal de Isabel II, Madrid, España.

Darwall, W.R.T., Dulvy, N.K. 1996. An evaluation of the suitability of non-specialist volunteer researchers for coral reef fish surveys. Mafia Island, Tanzania – a case study. Biological Conservation, 78(3), 223-231. https://doi.org/10.1016/0006-3207(95)00147-6

Díaz, S., González, J. 2020. Analytical Stochastic Microcomponent modeling approach to assess network spatial scale effects in water supply systems. Journal of Water Resources Planning and Management, 146(8), 04020065. https://doi.org/10.1061/(ASCE)WR.1943-5452.0001237

Díaz, S., González, J. 2021. Temporal scale effect analysis for water supply systems monitoring based on a microcomponent stochastic demand model. Journal of Water Resources Planning and Management, 147(5), 04021023. https://doi.org/10.1061/(ASCE)WR.1943-5452.0001352

Díaz, S., Mínguez, R., González, J. 2016. Stochastic approach to observability analysis in water networks. Ingeniería del Agua, 20(3), 139-152. https://doi.org/10.4995/ia.2016.4625

Dickinson, J.L., Zuckerberg, B., Bonter, D.N. 2010. Citizen science as an ecological research tool: challenges and benefits. Annual Review of Ecology, Evolution and Systematics, 41, 149-172. https://doi.org/10.1146/annurev-ecolsys-102209-144636

Domene, E., Saurí, D., Martí, X., Molina, J., Huelin, S. 2009. Tipologías de vivienda y consumo de agua en la región metropolitana de Barcelona. Fundación Nueva Cultura del Agua, Zaragoza, España.

Filion, Y., Karney, B., Moughton, L., Buchberger, S., Adams, B. 2008. Cross correlation analysis of residential water demand in the city of Milford, Ohio. Proceedings of the Water Distribution Systems Analysis Symposium 2006, August 27-30, Cincinnati, USA. https://doi.org/10.1061/40941(247)43

Follet, R., Strezov, V. 2015. An analysis of citizen science based research: usage and publication patterns. PLOS ONE, https://doi.org/10.1371/journal.pone.0143687

INE. 2018. INEbase > Agricultura y medio ambiente > Agua > Estadística sobre el suministro y saneamiento del agua: consulta 19 Enero 2021. Disponible en https://www.ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid=1254736176834&menu=ultiDatos&idp=1254735976602 [Último acceso 08/04/2021]

INE. 2020. INEbase > Demografía y población: consulta 25 Julio 2020. Disponible en https://www.ine.es/dyngs/INEbase/es/categoria.htm?c=Estadistica_P&cid=1254734710984 [Último acceso 08/04/2021]

Irwin, A. 1995. Citizen science: A study of people, expertise and sustainable development. Taylor & Francis, London, UK. https://doi.org/10.4324/9780203202395

Krabbenhoft, C.A., Kashian, D.R. 2020. Citizen science data are a relative complement to quantitative ecological assessments in urban rivers. Ecological Indicators, 116, 106476. https://doi.org/10.1016/j.ecolind.2020.106476

Magini, R., Pallavicini, I., Guercio, R. 2008. Spatial and temporal scaling properties of water demand. Journal of Water Resources Planning and Management, 134(3), 276-284. https://doi.org/10.1061/(ASCE)0733-9496(2008)134:3(276)

Ministerio de Fomento. 2019. Documento Básico HS: Salubridad. Ministerio de Fomento, Madrid, España.

Pastor-Jabaloyes, L., Arregui, F.J., Cobacho, R. 2018a. Simplifying water consumption flow traces for improving end use recognition: a case study. Ingeniería del Agua, 22(4), 195-208. https://doi.org/10.4995/ia.2018.9476

Pastor-Jabaloyes, L., Arregui, F.J., Cobacho, R. 2018b. Water end use disaggregation based on soft computing techniques. Water, 10(1), 46. https://doi.org/10.3390/w10010046

Peñalver, P.L., García, P., Pérez, V., Sánchez del Rivero, J.A., Díaz, R., Lastra, J., García, S. 2017. Sistema de reconocimiento de patrones para identificación de usos finales del agua en consumos domésticos. Cuaderno de I+D+i 25, Canal de Isabel II, Madrid, España.

Red 4C. 2021. Disponible en https://red4c.es/ [Último acceso 08/04/2021]

Senabre, E., Ferran-Ferrer, N., Perelló, J. 2018. Diseño participativo de experimentos de ciencia ciudadana. Revista Científica de Educomunicación, 54(26), 29-38. https://doi.org/10.3916/C54-2018-03

Abstract Views

434
Metrics Loading ...

Metrics powered by PLOS ALM




Esta revista se publica bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

Universitat Politècnica de València

Fundación para el Fomento de la Ingeniería del Agua

e-ISSN: 1886-4996  ISSN: 1134-2196

https://doi.org/10.4995/ia