Ciencias del Medio Ambiente 622 total - 623 (2018) 1431 - 1437

listas de contenidos ofrecidos en ScienceDirect

Ciencia of the Total Environment

revista Página de inicio: www.el sev i er .com / l Ocate / sc i totenv

movilidad de la población y la dinámica de las aguas residuales urbanas

Chrystelle NH Atinkpahoun un , segundo , Le Dinh Nang un , do , Steve Pontvianne un , Hélène Poirot un ,

Jean-Pierre Leclerc un , re , Marie-Noëlle Pons un , mi , • , Henri H. Soclo segundo

un Laboratoire Réactions et Génie des Procédés (UMR 7274 CNRS), Université de Lorraine, 1, rue Grandville, BP 20451, 54001 Nancy Cedex, Francia
segundo Unité de Recherche en écotoxicologie et Etude de qualité / Laboratoire d'Etude et de Recherche en Chimie Aplicada / Université d'Abomey, 01 BP 2009, Cotonou, Benin
do Universidad de Danang de Ciencia y Tecnología de la Universidad de Danang, 54 Nguyen Luong Bang, DJ un un ng, Viet Nam
re INRS, 1 rue du Morvan, CS60027, 54519 Vand œ uvre Cedex, Francia
mi LTSER-Zona Atelier Bassin de la Moselle, LRGP, Université de Lorraine, 1, rue Grandville, BP 20451, 54001 Nancy Cedex, Francia

REFLEJOS
GRÁFICAMENTE ABSTRACTO

• viajeros diarios pueden aumentar el número efectivo de

los productores nacionales de contaminación.

• Los datos del censo ayudan a entender la producción

de contaminación doméstica en una cuenca.

• pH y conductividad pueden no exhibir claras

variaciones diurnas.

artículo info
abstracto
Historia del artículo:

Recibido el 21 de octubre de 2017

dinámica en Florida uente modelos, que han sido propuestas para evaluar estrategias de control de la utilización de plantas de tratamiento de aguas virtuales,
Recibida en forma de diciembre de 2017 1 revisado aceptada 7
deben ser lo más realista posible. El número de habitantes de la cuenca en un momento dado y sus formas de vida son algunos de los parámetros que afectan a
de diciembre de 2017 Disponible en línea xxxx
la calidad de estos modelos. Los datos del censo relacionados con el trabajo y desplazamientos escolares se utilizaron para evaluar el número de personas
presentes en un área urbana dado. Con base en el ejemplo de una gran cuenca urbana (Gran Nancy, Francia), los resultados muestran que un aumento de la

Editor: D. Barcelo población del 30% podría ocurrir durante las horas de trabajo resultantes del desequilibrio entre los trabajadores de salir y entrar en la zona de captación. En
combinación con la información relacionada con el modo de vida local, la variación en la población ayuda a explicar los cambios inwastewater Florida owrate y la
palabras clave:
contaminación (carbono, nitrógeno, fósforo y heavymetals), que presente varios máximos re Florida eja actividades diarias como el vaciamiento de la vejiga, las
Censo de
comidas, el uso de los baños, etc. Sin embargo, ningún bien de fi patrones de variación NED para pH y conductividad, que están vinculados a las concentraciones
viajero
de aniones y cationes en thewastewater, se observaron. reducciones ligeras (hasta un 10% los domingos) en el Florida owand loadwere contaminación observó
Dinámica pH
onweekends como el de cercanías Florida owdecreased. Los datos del censo demostraron ser ef fi ciente para ayudar a comprender el patrón diario de las

Aguas residuales características de las aguas residuales urbanas.

© 2017 Elsevier BV Todos los derechos reservados.

1. Introducción

• Correspondiente autor en: Laboratoire Réactions et Génie des Procédés (UMR 7274 CNRS), Université de
Lorraine, 1, rue Grandville, BP 20451, 54001 Nancy Cedex, Francia. plantas de tratamiento de aguas residuales (PTAR) están sujetos a grandes perturbaciones

Dirección de correo electrónico: marie-noelle.pons@univ-lorraine.fr (M.-N. Pons). relacionadas con variaciones en la Florida owand composición del entrante

https://doi.org/10.1016/j.scitotenv.2017.12.087
0048-9697 / © 2017 Elsevier BV Todos los derechos reservados.
1432 CNH Atinkpahoun et al. / Ciencias del Medio Ambiente 622 total - 623 (2018) 1431 - 1437

aguas residuales; tales variaciones se deben a la actividad humana en la zona de captación o la

2014 ). Las aguas residuales Florida velocidad de flujo y temperatura controlada por Cippola
lluvia en el caso de sistemas de aguas residuales combinados. Estas alteraciones deben abordarse
andMaglionico (2014A) durante largos períodos de tiempo revelan tres picos durante el día y un
mediante una estrategia de control apropiada para asegurar la calidad del agua tratada con el
largeminimum por la noche. los Florida OW valores en el punto eachmeasuring dependen del número
respeto a las normas. tratamiento biológico de aguas residuales con lodos activados se utiliza
de habitantes en la cuenca drenada por el sistema de alcantarillado ( Cippola y Maglionico, 2014b ).
comúnmente en todo el mundo, especialmente en las grandes zonas de captación de aguas
redes de alcantarillado grandes Havemore consistente diurna Florida velocidades de flujo y una menor
residuales. En este proceso, el control de la aireación es particularmente exigente: su optimización
variación en la concentración ( Gernaey et al., 2011 ), A pesar de mañana y tarde picos son todavía
está vinculada a la minimización de la energía utilizada en una planta. Actualmente, la cuestión de la
visibles en los datos de contaminación de Bogotá, una megaciudad de 8 millones de habitantes ( Rodríguez
producción de gas de efecto invernadero (dióxido de carbono y óxido nitroso) también debe ser
et al., 2013 ). Si la mejora del rendimiento de la PTAR se basa en el conocimiento con respecto a la
considerado, y una conexión clara se ha hecho entre la aireación y la emisión de estos gases ( Leix et
variación en el Florida flujo y la composición de las aguas residuales, las campañas
al, 2017.; Massara et al., 2017 ). Dado que las pruebas de nuevas estrategias de control usando
largescalemeasurement requieren un heavyworkload, son caros y no se puede llevar a cabo durante
EDAR reales no son prácticos, los modelos dinámicos de plantas a gran escala (EDARs) virtuales se
largos períodos de tiempo. Por lo tanto, se han propuesto modelos para crear agua residual sintética fi
han desarrollado ( Butler y Schütze, 2005; Nopens et al., 2010 ) Y se utiliza para diversos fines. Por
les para ser utilizado en las simulaciones a largo plazo. Pueden ser determinista ( Zug et al., 1999;
ejemplo,
Schütze et al., 2002; Vanrolleghemet al., 2005 ), Mixedwith una cierta proporción de la estocasticidad
de tener en cuenta la incertidumbre respecto en Florida factores uyen ( Gernaey et al., 2011 ) O
totalmente probabilística ( Talebizadeh et al., 2016 ). El modelo fenomenológico propuesto por
Fernández-Arévalo et al. (2017) describen cómo tales modelos se pueden utilizar para evaluar
cuantitativamente los costos de energía y la recuperación en WWTPs. El éxito de este enfoque
depende de la realismo de las variaciones simuladas en las características del agua residual ( Florida
velocidad de flujo y la composición) que se utiliza para crear perturbaciones en la entrada de la planta
de tratamiento virtual.
Gernaey et al. (2011) y utilizados en obras posteriores de Rodríguez et al. (2013) , Flores-Alsina et al.
Se reconoce que la composición química y bacteriológica de las aguas residuales varía en gran
(2014) y Saagi et al. (2016) fue muy sencillamente construido, con un número limitado de parámetros
medida según el origen de las aguas residuales. Esta variación es una función de los hábitos
que tienen significado físico pero mantener un alto grado de Florida flexibilidad para permitir la
alimenticios, estilo de vida, hábitat (urbano o rural), la densidad de población, factores
adaptación a diferentes con captación fi configuraciones. El modelo se divide en cuatro bloques
socioeconómicos, condiciones climáticas y
principales para describir las aguas residuales Florida velocidad de flujo, los contaminantes (carbono,
Florida condiciones OW en sistemas de aguas residuales ( Butler y Gatt, 1996; Eriksson et al., 2002;
nitrógeno y fósforo) y la temperatura y el transporte de agua y los contaminantes en el alcantarillado.
Sperling, 2007; Henze y Comeau, 2008; Rodier et al., 2016 ). eventos de lluvia afectan también la
Los dos fi bloques primeras se subdividen en los casos domésticos e industriales. La propuesta básica Florida
composición de las aguas residuales, ya que, en las alcantarillas combinadas, estos acontecimientos
velocidad de flujo y pro contaminante diaria fi Les están basados en los viajes hacia y fromwork para
conducen a aumentos en Florida ow y en la contribución de los contaminantes, almacenado en los
los residentes, pero si todos los residentes están funcionando o si trabajan en la cuenca no se especi fi
sedimentos de alcantarillado y / o depositado sobre superficies impermeables, que se lavan a cabo ( Gaspereid. Estos pro básica fi les fueron utilizados posteriormente por Saagi et al. (2016, 2017) . No hay
et al., 2010, 2012 ). encuestas composición del agua residual urbana se realizan en general sobre la
detalles sobre los pro diaria asumido fi les están dadas por Flores-Alsina et al. (2014) en su validación
base de parámetros de contaminación clásicos (es decir, en términos de demanda química de
del modelo con los datos a escala completa obtenidos a partir de dos grandes ScandinavianWWTPs.
oxígeno (DQO), demanda biológica de oxígeno (DBO), sólidos suspendidos totales (SST), nitrógeno
total (TN), etc.) en la entrada del WWTPs así como en los puntos de fuentes: baños, inodoros,
servicio de lavandería (lavadoras), y cocinas (incluyendo lavavajillas) ( Butler et al., 1995;
Gromaire-Mertz et al., 1998; Eriksson et al., 2003; Ka fi et al., 2008 ). Más recientemente, los estudios
Para obtener buenas estimaciones de características del agua residual con respecto al tiempo
se han centrado en la identificación de las fuentes urbanas de microcontaminantes (metales,
va más allá de su simple uso de modelos de simulación. Los modelos también se utilizan para
pesticidas, productos farmacéuticos, etc.) o la evaluación de sus contribuciones a la degradación de
analizar el consumo de drogas lícitas e ilícitas. Coutu et al. (2016) propuesto un modelo estocástico
la calidad del agua ( Donner et al., 2010; Plósz et al., 2010; Salgado et al., 2011; Choubert et al.,
integrado para los productos farmacéuticos, teniendo en cuenta su ingestión y excreción por los
2011; Gasperi et al, 2014.; Deshayes et al., 2015 ). Los baños producen las cargas más importantes
seres humanos y su degradación y transporte en las alcantarillas. Recorte et al. (2014)
de nitrógeno, fósforo y sólidos en suspensión ( Gris y Becker, 2002 ). Ellos representan 60 a 90% del
total Florida flujo al final de la noche o temprano en la mañana y 20 - 40% durante el día. Los datos añadido un módulo farmacéutica-dedicada a la inicial Gernaey et al. (2011) . Themodel funciona
sobre especies inorgánicas relativamente comunes, tales como calcio, magnesio, etc., o en aniones, razonablemente bien, pero las discrepancias en las cargas de microcontaminantes estimados y
tales como sulfatos o cloruros, son raros ( El Khatib et al, 2012.; Thitanuwat et al., 2016 ), Aunque observados se puede observar al mediodía para algunas sustancias ( Recorte et al., 2016 ). Estas
existe un creciente interés en estas especies en términos de cualquiera de recuperación de recursos discrepancias podrían deberse a la incertidumbre sobre el número de personas presentes en la
(tales como magnesio para estruvita) o pHmodelling en las alcantarillas ( Sharma et al., 2013 ) Y cuenca durante el día.
durante el tratamiento de aguas residuales ( Flores-Alsina et al, 2015.; Mbamba et al, 2015.; Solon et
Daughton (2012) propuesto theuse de humanbiomarkers, comoel creatinina (en la orina) o
al., 2015 ). Dependiendo de la escala de observación y análisis, todos los días, la variabilidad
coprostanol (en las heces), para obtener una estimación en tiempo real de la población presente en un
semanal, estacional y anual se produce. Algunos estudios incluyen la variabilidad diaria de
área. productos farmacéuticos y de cuidado personal, así como drogas legales / ilegales ( Brewer et al,
características del agua residual ( Florida velocidad de flujo y DBO en Matos et al., 2013 , Florida tasa y
2012.; O'Brien et al, 2014.; Lai et al, 2015.; Gao et al, 2016.; Rico et al., 2017 ) También se han probado
la temperatura en ow Cippola y Maglionico (2014A) , DQO, TOC y amoníaco en Eriksson et al. (2009) ,
para tales back-cálculo, pero todas estas moléculas requerir herramientas analíticas complejas, y su
Biocidas en
análisis es caro. Muy recientemente Thomas et al. (2017) han propuesto el uso de los datos recogidos
dispositivos frommobile (tales como teléfonos celulares) para cuantificar la variabilidad de la presencia
de personas en una zona de captación. Esto podría conducir a la variabilidad de datos muy detallados
en el futuro, pero no se ha desplegado a una escala muy grande.

Bollmann et al. (2014) , PFOS y PFOA en Pasquini et al. (2011) , Tensioactivos en Camacho-Muñoz et
Nuestro objetivo es relacionar la variación de las aguas residuales Florida velocidad de flujo y la
al. (2014) , Ibuprofeno, sucralosa, o Florida oxacino y 4-nonyphenol en Pasquini et al. (2014) ).
contaminación en una cuenca urbana a la movilidad cotidiana de la población según la evaluación de las
Características sociodemográficas afectan a los ciclos diarios de uso del agua ( Matos et al., 2013 ) Y
por lo tanto las de aguas residuales. En un contexto urbano, los más altos valores de DQO, SST, encuestas por las autoridades del censo.

DBO, etc. generalmente se miden durante las horas diurnas, con un pico en la mañana (más
pronunciada) y varios picos en la tarde (más distribuida) ( Sperling, 2007 ). Este comportamiento está 2. Materiales y métodos

de acuerdo con el patrón de consumo de agua en las zonas urbanas, lo que es más alto durante el Con fines ilustrativos, se utilizaron las bases de datos de encuestas de población
mismo período ( Camacho-Muñoz et al., nacionales de Francia para evaluar el flujo de personas que viajan al trabajo o a la escuela
dentro y fuera de una gran cuenca urbana.
 CNH Atinkpahoun et al. / Ciencias del Medio Ambiente 622 total - 623 (2018) 1431 - 1437
La información recopilada facilita la discusión del índice de flujo de aguas residuales y la
contaminación dinámica obtenida a través de varias campañas de muestreo
2.1. Descripción de la cuenca
La cuenca bajo evaluación se encuentra en el noreste de Francia (Región Grand Est) y cubre
aproximadamente 192 km2. Está compuesto de los 20 municipios de la Metrópoli "Gran Nancy"
(Art-surMeurthe (# 1), Dommartemont (# 2), Essey-les-Nancy (# 3), Flévilledevant-Nancy (# 4),
Heillecourt (# 5), Houdemont (# 6), Jarville-laMalgrange (# 7), Laneuveville-devant-Nancy (# 8),
Laxou (# 9), Ludres (# 10), Malzéville (# 11), Maxéville (# 12), Nancy (# 13), Pulnoy # (14), Saint-
Max (# 15), Seichamps (# 16), Saulxures-les-Nancy (# 17), Tomblaine (# 18), Vandœuvre-les-
Nancy (# 19) y Villers-les-Nancy (# 20)) (aproximadamente 254,000 habitantes en un área de 142
km2) y los municipios de Champigneulles (C) (6920 habitantes; 24 km2), Frouard (F) (6800
habitantes, 13 km2), Messein (M) (1900 habitantes, 5 km2) y Pompeyo (P) (4870 habitantes, 8,1
km2) (Figura SI1 en la información de apoyo). Nancy (con 104.500 habitantes) y Vandoeuvre-les-
Nancy (con 30.000 habitantes) son los los municipios más grandes en la cuenca (Figura SI2 en
Suplementario Materiales). Las aguas residuales se dirigen a la EDAR Maxéville a través de un
sistema de alcantarillado. La red de alcantarillado es 50% unitaria. En total, aproximadamente
275,000 personas equivalentes están conectadas a la EDAR.
La economía de Grand Nancy es esencialmente terciaria. Este sector contiene el 87% de los
trabajos. Más de la mitad de la actividad comercial de la aglomeración se concentra en el
municipio de Nancy (más que El 70% de las tiendas de artículos personales, casi el 40% de los
hoteles y restaurantes y el 40% de las tiendas de equipos para el hogar). Grand Nancy es
también el primer centro de educación superior en la región de Lorena. La mayor parte de a
Universidad está contenida en los municipios de Nancy y Vandoeuvre-les-Nancy.
2.2. Campañas de muestreo
Once campañas de muestreo se llevaron a cabo en la entrada de la EDAR de Maxéville entre
2009 y 2016 (Tabla SI1 en Información de apoyo). Las muestras fueron recolectadas en
condiciones de clima seco cada hora durante períodos de 24 horas en diferentes fechas usando
una ISCO 3700 automuestreador (Ponsel Mesure, Caudan, Francia). Las muestras fueron
almacenado a 4 ° C en botellas de polietileno para su transporte al laboratorio, donde fueron
analizados dentro de las 24 h. El caudal de agua residual era medido por medio de un medidor
de flujo electromagnético (Proline Promag 50P de Endress + Hauser, Huningue, Francia).
Conductividad, pH, turbidez, demanda química de oxígeno (DQO), carbono orgánico disuelto
(DOC), aniones principales (nitratos, nitritos, sulfatos, cloruros y o-fosfatos) y cationes (amonio,
sodio, potasio, calcio y magnesio) y algunos metales (Tabla SI2 en Apoyo Información) fueron
medidos. Los métodos analíticos utilizados se basaron sobre los principios de las normas NF-
EN-ISO, al tiempo que se cumplen las normas de garantía de calidad / control de calidad
solicitadas
2.3. Bases de datos
El INSEE (Instituto Nacional de Estadística y Estudios Económicos) ( http://www.insee.fr )
Proporciona dos grandes bases de datos relacionados con los viajes población de la casa a los
lugares (FD_MOBPRO) y desde su casa para estudiar lugares (FD_MOBSCO) trabajar. El
FD_MOBSCO cubre los individuos entre 2 y 35 años de edad. Un software específico era
1433
información mensual y anual en relación con el tratamiento de aguas residuales de producción
de agua potable y se recogió a partir de los informes anuales de actividades de Gran Nancy (
http://www.grandnan
) Sobre la calidad de los servicios de agua y aguas residuales.
Los datos sobre los promedios diarios de aguas residuales urbanas Florida También se
recogieron parámetros de OW y la contaminación en la entrada de la planta de tratamiento
de
Maxéville para 2009 to2014 Sistema de Información fromtheRhin-MeuseWater ( http://rhin-
meuse.eaufrance.fr
FORTRAN fi camente desarrollado para extraer la información relevante de estas bases de datos, es decir,
para cada comunidad, el número de personas están trabajando en la comunidad, cuántos están conmutar
a trabajar en otra comunidad, y cuántos son los desplazamientos de otra comunidad a trabajar allí.
• Se aplicó el mismo procedimiento para estudiar la matrícula escolar. La minería de datos se centró en el 2010
- 2013 período.
1.1.
1.2.
1.3.movilidad de la población
Figura 1 muestra el número de personas que viajan forworkwithin la cuenca durante los días
laborables (de lunes a viernes), así como los que vienen de fuera de la zona de captación o viajar
fuera de la zona de captación (aproximadamente 19.500 personas, entre las cuales el 42% tienen su
hogar en Nancy (# 13) - el bloque A en Figura 1 ). Nancy también atrae a muchos trabajadores de
dentro de la cuenca, ya que el 26% de los residentes que trabajan lo hacen en Nancy (bloque B en Figura
1 ). Nancy es también el municipio que atrae themostworkers fromoutside la cuenca (es decir, ≈ 42.500
personas o el 40% de la fuerza de trabajo entrante - bloque C en Figura 1 ). Vandoeuvre-lesNancy
atrae el 15% de la fuerza de trabajo de entrada (bloque D en Figura 1 ). La mayor parte de la fuerza de
trabajo viaja todos los días.
Un análisis similar puede llevarse a cabo para viajes relacionados con la educación (Figur
en información de apoyo). La cuenca contiene aproximadamente 79.500 estudiantes de la escuela y
los estudiantes de educación superior. El porcentaje de viajeros diarios se desconoce, pero el 64%
de los individuos afectados son mayores de 18 años. Aproximadamente el 70% de los pasajeros
relacionados con la educación están inscritos en Nancy (# 13, 61% - bloque
F) y Vandoeuvre-les-Nancy (# 19, 9% - bloque H). Es probable que estar inscrito instituciones
inhigher-educación y para conmutar sobre la base aweekly o incluso más tiempo. Aproximadamente
el 50% de los individuos relacionados con la educación registrados en la zona de captación están
inscritos ya sea en Nancy (40% block E) o Vandoeuvre-les-Nancy (10% - bloque G).
A nivel mundial, la cuenca tiene aproximadamente 195.000 residentes activos, con 58
trabajadores% y 42% escolares y estudiantes de educación superior. De estos residentes, el 88% de
la estancia en la cuenca durante todo el día. Además de ellos, aproximadamente 150.000 personas
vienen a trabajar y la escuela en la cuenca. Aproximadamente 362.000 personas pueden estar
presentes en la zona de captación durante el día, en comparación con la población municipal de
274.000 personas presentes en la noche y durante los fines de semana. El aumento esperado en
relación populationwith diario a la población themunicipal varía en gran medida en la zona de
captación en función de la comunidad, como se muestra en la Figura SI4 (información de apoyo).
Nancy y Vandoeuvre-les-Nancy tienen un aumento de la población diaria esperada de 33% y 47%,
respectivamente. Se observaron los aumentos más grandes para Ludres (# 10), Houdemont (# 6) y
Fléville-devant-Nancy (# 4), en 85%, 71% y 65%, respectivamente. Estos municipios tienen gran
1434 CNH Atinkpahoun et al. / Ciencias del Medio Ambiente 622 total - 623 (2018) 1431 - 1437

Figura 1. los viajes de casa al trabajo. Códigos para municipios: Art-sur-Meurthe (# 1), Dommartemont (# 2), Essey-les-Nancy (# 3), Fléville-devant-Nancy (# 4), Heillecourt (# 5), Houdemont (# 6 ), Jarville-la-Malgrange (# 7),
Laneuveville-devant-Nancy (# 8), Laxou (# 9), Ludres (# 10), Malzéville (# 11), Maxéville (# 12), Nancy (# 13 ), Pulnoy # (14), Saint-Max (# 15), Seichamps (# 16), Saulxures-les-Nancy (# 17), Tomblaine (# 18), Vand œ uvre-les-Nancy (# 19),
Villers-les-Nancy (# 20), Champigneulles (C), Frouard (F), Messein (M) y Pompeyo (P).

áreas industriales y comerciales con centros comerciales, lo que explica la presencia de

commutingworkers con respecto a la población de los themunicipal concernedmunicipalities. El
volumen promedio el agua de consumo, calculada como la relación del volumen de agua potable
distribuida total al población municipal de la zona de captación, es de 148 L / inh. Se observaron los
mayores volúmenes de agua potable para Ludres (223 l / hab) y Houdemont (211 l / hab), de acuerdo
con el aumento de la población diaria.
El análisis del desplazamiento de la población al trabajo y la escuela ha puesto de manifiesto
que para una gran influencia urbana, es probable que haya un aumento de la población durante el
día y no una disminución, como se ha asumido generalmente en la literatura ( Gernaey et al., 2011;
Flores-Alsina et al., 2015 ). Similar fi hallazgos se han obtenido para veinte ciudades largeUS con
menos 500.000 habitantes, donde el cambio de la población diaria fue variando entre 10% y 78% ( Laughlinla cima de las horas de trabajo. De 9:00 pm a 6:00 am, hay una disminución de la Florida ay, re Florida eja
et al., 2015 ).
Figura 2 A presenta la variación de la media diaria Florida owobserved durante las campañas de
muestreo. Las barras de error (± σ, dónde σ = desviación estándar) mostrar la gama de la variación en
el diario Florida ow para cada hora. Theweekday Florida owvaries from2500 a 4310m 3 / h, con
anaverage de 3.660 ± 660m 3 / h. El diario Florida velocidad de flujo es 87.750 m 3 / día. El examen
detallado de la variación revela la presencia de tres picos, que presentan aproximadamente a las
10:00 am, 2:00 y 21:00. Las 10:00 am pico viene frommorning consumo de agua por los residentes
que se están preparando para ir a trabajar oa la escuela 08 a.m.-09 a.m.. El retraso se debe a la
distancia a la PTAR, la distancia más grande es de aproximadamente 15 kilómetros. El pico 14:00 se
debe al consumo de agua en relación con la hora del almuerzo, que dura entre 30 minutos a 2 horas.
El pico 21:00 se relaciona con el consumo de agua durante las actividades de la noche (cena, aseo,
baño, lavado, limpieza, etc.). La cena por lo general ocurre 19:00-21:00 en Francia. Durante el día,
al
pequeñas disminuciones de Florida Se observan velocidad de flujo 10 a.m.-2:00 pm y 14:00-17:00, en
el período de dormir, con bajo consumo de agua. La hora y el origen de los picos están de acuerdo
con la fi hallazgos de otros autores, como

3.2. la dinámica de las aguas residuales

La dinámica de aguas residuales registradas en la entrada de una EDAR son el resultado de la

combinación de la producción en una fuente (hogares, la industria) y el transporte a lo largo de la red
de alcantarillado. Tabla SI3 (información de apoyo) presenta los valores característicos de las aguas
Cippola y Maglionico (2014A, 2014b) en Bolonia (quien observó tres máximos durante el día para las
residuales Florida velocidad de flujo y físico-químicas parámetros en la entrada de la Maxéville PTAR
aguas residuales Florida velocidad de flujo) y Matos et al. (2013) en Portugal (que estudió el momento
obtenida durante las campañas de muestreo.
de la bañera, lavabo, fregadero y el uso del baño).

Figura 2. promedio por hora Florida variaciones velocidad de flujo para los días laborables (a) y promedio diario Florida velocidad de flujo (2009 - 2014) (b). Las barras verticales representan ± la desviación estándar en ambos gráficos.
 CNH Atinkpahoun et al. / Ciencias del Medio Ambiente 622 total - 623 (2018) 1431 - 1437
los Florida velocidad de flujo registrada durante nuestra campaña Sábado variado 1.429-3.449 m
/ h, con una media de 2.460 ± 650 m 3 / h, para un diario
Florida velocidad de flujo de 59.043 m 3 / día. La variación diaria es similar a la que durante los días de
semana. Esta observación indica que los hábitos diarios de agua consumptiondonot cambian
sustancialmente entre andweekdays sábados, con los residentes y visitantes que muestran
actividades de la mañana, mediodía y noche similares. Sin embargo, hay un retraso de 2 h en la
aparición de la fi pico primer (aproximadamente a las 12:00 am). Este retraso de la fi pico primero
durante el día para el fin de semana Florida OWS también se observó en Bolonia en Italia por Cippola
y Maglionico (2014A, 2014b) . De acuerdo con los datos SIERM para condiciones de clima seco, la
media Florida velocidad de flujo disminuye en un 2% y un 9% los sábados y domingos,
respectivamente ( Figura 2 segundo).
Fig. 3 A presenta la variación en las concentraciones medias de amonio diarias en las campañas
de muestreo junto con la variación de amonio registrada el 21 ene, 2016. La principal fuente de
amoníaco en las aguas residuales es la orina, como urea, su componente principal ( ≈ 2%) después
agua (95%), se transforma rápidamente en amoníaco. Dos máximos se puede observar: la principal,
registrado al final de la mañana, se corresponde con el vaciamiento de la vejiga después de la noche.
Un máximo secundario se observa en la noche. Durante el día, el nivel de amonio varía from16 a 50
mg / L, con un promedio de 32 ± 9 mg / L. los Florida velocidad de flujo es signi fi cativamente
correlacionado con amonio (R 2 = 0.8). Se observa una disminución de la carga 7% entre los fines de
semana y días de la semana de amonio y nitrógeno Kjeldahl (TKN) de acuerdo con la base de datos
SIERM ( Fig. 3 b), pero las concentraciones medias son similares (37 mg / L para los días laborables y
36 mg / L para los fines de semana para NTK y 26 mg / L para los días laborables y 25 mg / L para
los fines de semana para amonio). Basado en la carga de diseño de 15 g / N / PE (donde pe =
persona equivalente) utilizado en Francia (2006-03 decreto francés), una carga diaria de 2900 kg de
N corresponde a una población de 193.000 PE, para ser comparados con la municipal población
274.000 habitantes y una población potencial de 374.000 habitantes. Una comparación muy
detallada es dif fi culto, como la distribución de edad no se tiene en cuenta (los jóvenes, que
representan 15% de la población total residente de la zona de captación (Figura SI3), es probable
que excretar menos individuo ammoniumper) y becausemost del amoníaco associatedwith
incomingworkers se excreta en su lugar de residencia (antes del trabajo y después del trabajo) y no
en su lugar de trabajo.
Daily O-fosfato varía de 3 a 12 mg de P / L, con un promedio de 6 ± 3 mg / L, con una variación
muy similar a la de amonio (Fig. SI5 de información de apoyo). El valor promedio es de por sí muy
similar al valor encontrado por Houhou et al. (2009b) entre 2004 y 2006. En Nancy, aproximadamente el
20% del P total es de partículas P. Hay una estadísticamente significativa fi correlación no puede
amonio, con un coef fi ciente de determinación de R 2 = 0.9. El fósforo en las aguas residuales tiene un
origen antropogénico: se libera a través de la orina y las heces en los baños (de 60% ( Comber et al.,
2013 ) A 85% ( Gris y Becker, 2002 )) Y detergentes. Los duringweekends loaddecreases total de fósforo
(9% para los sábados y 14% para los domingos, días de la semana wrt). La disminución más grande con
respecto al amonio y TKN podría estar relacionado con una disminución en la limpieza
Fig. 3. ammoniumvariations promedio por hora para los días laborables (cerrar símbolos) y ammoniumvariation para 21 de enero 2016 (a) y de amonio diario (barras azules) andNTK (barras de color naranja) cargas medias (2009 - 2014) (b). Las barras
verticales representan ± al standarddeviation inboth gráficos. (Para la interpretación de las referencias de color en este fi leyenda figura, se remite al lector a la versión web de este artículo).
1435
3 actividad, especialmente en comercial y de fi edificios ce duringweekends. La base de diseño legal
para la eliminación de P 4 GP / PE / día (2006-503 decreto francés) corresponde a una población de
96.000 en días laborables y
83.500 los domingos, que ismuch más baja que la población themunicipal. En un estudio reciente en
el Reino Unido ( Comber et al., 2013 ), Un valor de 2,03 GP / PE / daywas calculados para la carga de
fósforo debido al uso doméstico. Dicho valor se duplicará la población potencial en la cuenca de
Grand Nancy.
Figuras Si6A y SI6d presentan la variación diaria promedio en total DQO y DOC. Una gran
desviación estándar se observa para la DQO total a lo largo del día; esto podría deberse a la
utilización de un micrométodo para medir la DQO total. Nuestros valores de DQO totales, que van
desde 133 a 318 mg / L, con un promedio de 226 ± 53 mg / L, son más bajos que los valores
proporcionados por la base de datos SIERM (Fig. SI6c). Teniendo en cuenta la gran desviación
estándar, es dif fi culto para determinar cuando se produce el máximo diario. Para aswell DOC como
turbidez (Fig SI6e.), Más pequeño se obtuvieron desviaciones estándar, y tres máximos se
observaron durante el día; su sincronización corresponde aproximativamente a la temporización de la Florida
ow ratemaxima. Earlymorning actividades y por la noche, aswell como la hora del almuerzo trae una
gran cantidad de aguas grises que resulta fromwashing en el sistema de alcantarillado. La DQO total
y DOC eran signi fi cativamente correlacionado con la turbidez (R 2 = 0,8 para el bacalao y 0,9 para
DOC). Este resultado puede explicarse por la turbidez de ser en gran parte debido a las partículas de
origen orgánico (restos de comida, desintegrado heces, papel higiénico, etc.) y por el transporte
simultáneo de partículas y contaminantes orgánicos disueltos.
de efecto Aweekend se ve claramente en el total de las cargas de DQO (10% y 20% de disminución para los
sábados y los domingos, respectivamente), las concentraciones de DQO total (8% y 16% de disminución para
los sábados y los domingos, respectivamente) y BOD 5 cargas (15% y 24% de disminución para los sábados y
los domingos, respectivamente). Estas disminuciones son más grandes que los de amonio y podría volver Florida
ect un cambio en las actividades humanas, con menos contaminación relacionada con el trabajo,
especialmente para la limpieza y restauración (comidas).
Los valores de pH varían from7 a 8, con 1% para el coef variación fi ciente y un promedio de 7 ±
0,1 ( Fig. 4 un). El pH, aunque varía ligeramente durante el día, se mantiene prácticamente constante
y no muestra la dinámica clara diarias; esto indica la alta capacidad tampón de las aguas residuales.
En consecuencia, la conductividad eléctrica ( Fig. 4 b) tiene un valor por hora que oscila entre 906 y
1234 μ s / cm, con valor medio igual a 1.032 ± 81 μ s / cm y una coef fi ciente de variación de 8%. La
conductividad eléctrica ( χ) es una función lineal de las concentraciones ( do yo) del norte iones, la
movilidad ( λ) y la carga (Z) presentes en una muestra líquida (Ec. (1) ):
con
χ ¼ X norte λ yo do yo z yo re 1 Þ
1
La variación diaria en las principales cationes y aniones (excepto amonio ( Fig. 3 a) Ando-fosfato
(Fig. SI5)) se presentan en la Figura SI7. La mineralización total del agua no varía mucho a lo largo
del día.
1436 CNH Atinkpahoun et al. / Ciencias del Medio Ambiente 622 total - 623 (2018) 1431 - 1437
Fig. 4. pH promedio por hora (a) y conductividad (b) variaciones para los días laborables. Las barras verticales representan ± la desviación estándar en ambos gráficos.
La conductividad eléctrica debido a K +, Na +, Ca 2+, mg 2+, NUEVA HAMPSHIRE 4+, Cl -,
ASI QUE 42 - y PO 43 - se calculó, y Ca 2+ es el ion con la mayor contribución (28% ± 3%). De amonio es
la cuarta mayor contribuyente (10,6% ± 2,8%) después de Cl - ( 23,8% ± 2%) y Na + (17% ± 2%). Cl - y
Ca 2+ tener máximos al final de la noche, cuando amonio alcanza un mínimo; este patrón puede
explicar la relativa estabilidad de la conductividad durante todo el día. Theremight ser diferentes
explicaciones para el aumento de la concentración de calcio en el final de la noche, como la
corrosión de alcantarillado ( de Belic et al., 2004 ) O disolución de los diferentes minerales
Al-Caphosphate que se pueden encontrar en los sedimentos de alcantarillado ( Houhou et al., 2009a ).
El potasio, cuyo origen está relacionado principalmente con el metabolismo humano, está
linealmente correlacionado positivamente con el amonio (R 2 = 0.7). Las órdenes ofmagnitude de la
variación en la concentración de totalmetal se presentan en la Tabla SI3, con el fin de disminuir la
contribución basado en la concentración promedio es de Al norte Zn norte Minnesota norte Cu norte Ni
norte Pb
norte cr norte Discos compactos norte Co. La prevalencia de zinc y cobre está de acuerdo con resultados en la
literatura ( Houhou et al., 2009a, 2009b ), Y estos metales están altamente relacionados con las actividades del
hogar.
Figura Si8 presenta la variación diaria en el cobre, zinc y aluminio. Debido a las grandes
desviaciones estándar encontrados para theseminerals, un análisis detallado de esta variación es dif fi culto.
Sin embargo, la concentración de cobre es mínima durante la noche, con varios máximos que ocurren
durante el día. El cobre puede ser liberado en las aguas residuales de tuberías de agua potable, sino
también a través de las heces ( Zorbas et al., 2004 ). El zinc puede ser liberado a través de las tuberías y
las heces ( Zorbas et al., 2003 ), Similar al cobre. También está presente en los detergentes ( Zoller, 2009 ).
Debido a sus propiedades antisépticas, también es ampliamente utilizado en pastas de dientes,
enjuagues bucales y champús, lo que puede explicar en parte su lanzamiento en la noche y la
madrugada.
2. Conclusión
El análisis detallado de los desplazamientos diarios hacia y desde una gran influencia urbana
revela que la población total puede aumentar durante las horas de trabajo, por lo tanto causando más
contaminación que lo que puede esperarse de la simple consideración de la población municipal. Los
datos del censo son muy útiles para este propósito y su disponibilidad pueden depender del país. Por
otra parte, la variación en las actividades de la población en una cuenca, en particular, la existencia
de la hora del almuerzo de diferente duración o diferentes plazos para la cena, que son función de la
forma de vida local, también deben tenerse en cuenta para proporcionar realisticmodels de
thewastewater Florida ow parámetros de velocidad y la contaminación. En general, se sugiere que
prestar más atención a los parámetros sociales para analizar la dinámica de las aguas residuales.
anticipación de las variaciones de carga contaminación podría ser tomado en cuenta en el de fi definición
de la estrategia de control PTAR, tales como la optimización de la aireación y / o la alimentación de
carbono externo para denitri fi catión.
Aunque la mayoría de los parámetros relacionados con la contaminación (bacalao, de amonio,
etc.) exhiben variación diurna, thismight no ser el caso para el pH y la conductividad. Este fenómeno
se debe a las diferentes dinámicas de los aniones y cationes y podría ser de captación dependiente.
Estos datos son
pocas veces se piensa que podría ser de gran interés en eldesarrollo de los procesos de recuperación de
recursos en los que están involucrados.
Expresiones de gratitud
CN Atinkpahoun recibió una subvención del Ministerio de Para- Francés
Asuntos para eign fi nanciar sus estudios en Francia. Los autores agradecen a Gran Nancy y el
personal de la Maxéville PTAR para el acceso a la planta de tratamiento.
Apéndice A. Los datos complementarios
Los datos complementarios a este artículo se pueden encontrar en línea en https: // doi. org / 10.1016 /
j.scitotenv.2017.12.087 .
referencias
Bollmann, UE, Tang, C., Eriksson, E., Jonsson, K., Vollertsen, J., Bester, K., 2014. biocidas en
planta de tratamiento de aguas residuales urbanas en Florida uente en tiempo seco y húmedo: concentraciones, la masa Florida OWS y
las posibles fuentes. Res agua. 60, 64 - 74.
Brewer, AJ, Ort, C., Banta-Green, CJ, Berset, JD, Field, JA, 2012. Normalizado diurna y
tendencias entre días en cargamentos de drogas ilícitas y legales que dan cuenta de los cambios en la población. Reinar. Sci.
Technol. 46, 8305 - 8314.
Butler, D., Gatt, K., 1996. dryweather Synthetising Florida hidrogramas de entrada OW: caso aMaltese
estudiar. Ciencia y Tecnología 34 (Water 3 - 4), 55 - 62.
Butler, D., Schütze, M., 2005. La integración de simulationmodels con miras a un control óptimo
de sistemas de aguas residuales urbanas. Reinar. Modelo n del software. 20, 415 - 426.
Butler, D., Friedler, E., Gatt, K., 1995. La caracterización de la cantidad y calidad de productos nacionales
aguas residuales en Florida OWS. Sci agua. Technol. 31 (7), 13 - 24.
Camacho-Muñoz, D., Martin, J., Santos, JL, Aparicio, I., Alonso, E., 2014. Ocurrencia de sur-
factants inwastewater: variaciones horarias y estacionales en las aguas residuales urbanas e industriales de
Sevilla (sur de España). Sci. Environ total. 468, 977 - 984.
Choubert, JM, Pomiès, M., Martin Ruel, S., Coquery, M., 2011. En Florida concentraciones uente y
actuaciones eliminación de metales throughmunicipal procesos de tratamiento de aguas residuales. Sci agua.
Technol. 63 (9), 1967 - 1973.
Cippola, S., Maglionico, M., 2014A. Recuperación de calor de las aguas residuales urbanas: análisis de la
variabilidad de Florida velocidad de flujo y la temperatura. Energía y Edificación 69, 122 - 130.
Cippola, S., Maglionico, M., 2014b. Recuperación de calor de las aguas residuales urbanas: análisis de la
variabilidad de Florida velocidad de flujo y la temperatura en la alcantarilla de Bolonia, Italia. Energía Procedia 45, 288 - 297.
Comber, S., Gardner, M., Georges, K., Blackwood, D., Gilmour, D., 2013. Fuente nacional de
fósforo de aguas residuales a las plantas de tratamiento. Reinar. Technol. 34 (10), 1349 - 1358.
Coutu, S., Pouchon, T., Queloz, P., Vernaz, N., 2016. stochasticmodeling integrado de far-
maceuticals en redes de saneamiento. Stoch. Env. Res. A. Riesgo 30, 1087 - 1097.
Daughton, CG, 2012. estimación en tiempo real de las poblaciones de áreas pequeñas con bio-humana
marcadores en las aguas residuales. Sci. Environ total. 414, 6 - 21.
De Belic, N., Monteny, J., Beeldens, A., Vincke, E., Van Gemert, D., Verstraete, W., 2004. Ex-
La
investigación perimental y la predicción del efecto de ácido sulfúrico química y biogénico en diferentes tipos de
tuberías de alcantarillado de hormigón producidas comercialmente. Cem. Horm. Res. 34, 2223 - 2236.
Deshayes, S., Eudes, V., Droguet, C., Bigourie, M., Gasperi, J., Moilleron, R., 2015.
Alquilfenoles y ftalatos en las aguas grises de las duchas y lavadoras. Aire Agua y del Suelo Contaminación 226,
388.
Donner, E., Eriksson, E., Revitt, DM, Scholes, L., Lutzhoft, HCH, Ledin, A., 2010. Presencia
y el destino de sustancias prioritarias en sistemas de tratamiento de aguas grises domésticas y reutilización. Ciencia del total
Medio Ambiente 408, 2444 - 2451.
El Khatib, R., Lartiges, BS, El Samrani, A., Faure, P., Huhou, J., Ghanbaja, J., 2012. especiación
de materia orgánica y metales pesados en las aguas residuales urbanas de un país emergente. Aire Agua Suelo
Contaminación 223, 4695 - 4708.
Eriksson, E., Auffarth, K., Henze, M., Ledin, A., 2002. Características de las aguas grises.
Agua Urbana 4, 85 - 104.
 CNH Atinkpahoun et al. / Ciencias del Medio Ambiente 622 total - 623 (2018) 1431 - 1437
Eriksson, E., Auffarth, K., Eilersen, AM, Henze, M., Ledin, A., 2003. Productos químicos para el hogar
y productos de cuidado personal como fuentes de compuestos orgánicos xenobióticos en las aguas grises. SA
de agua 29, 135 - 146.
Eriksson, E., Andersen, HR, Madsen, TS, Ledin, A., 2009. la variabilidad de la contaminación de aguas grises
y cargas. Ecol. Ing. 35, 661 - 669.
Fernández-Arévalo, T., Lizarralde, I., Fdz-Polanco, F., Pérez-Elvira, SI, Garrido, JM, Puig, S.,
Poch, M., Grau, P., Ayesa, E., 2017. La evaluación cuantitativa de la energía y la recuperación de recursos en las plantas de
tratamiento de aguas residuales basado en simulaciones de toda la planta. Res agua.
118, 272 - 288.
Flores-Alsina, X., Saagi, R., Lindbloom, E., Thirsing, C., Thornberg, D., Gernaey, KV,
Jeppsson, U., 2014. Calibración y validación de un fenomenológica Florida generador de escenarios perturbación
contaminante uente utilizando datos a gran escala. Res agua. 51, 172 - 185.
Flores-Alsina, X., Mbamba, CK, Solon, K., Vrecko, D., Tait, S., Batstone, DJ, Jeppsson, U.,
Gernaey, KV, 2015. Un módulo de química en fase acuosa en toda la planta que describe las variaciones de pH y la especiación de
iones / emparejamiento en modelos de procesos de tratamiento de aguas residuales. Res agua. 85, 255 - 265.
Gao, J., O'Brien, J., Du, P., Li, X., Ort, C., Mueller, JF, Tahi, PK, 2016. medición seleccionado
PPCP en las aguas residuales para estimar la población en diferentes ciudades de China. Sci. Environ total. 568,
164 - 170.
Gasperi, J., Gromaire, MC, Ka fi, M., Moilleron, R., Chebbo, G., 2010. contribuciones de
aguas residuales, la escorrentía y la erosión de depósitos de alcantarillado towet cargas contaminantes tiempo en los sistemas de alcantarillado
combinado. Res agua. 44, 5875 - 5886.
Gasperi, J., Zgheib, S., Cladière, M., Rocher, V., Moilleron, R., Chebbo, G., 2012. Pol prioridad
lutants en aguas lluvias urbanas: parte 2 - caso de alcantarillas combinadas. Res agua. 46, 6693 - 6703.
Gasperi, J., Geara, D., Lorgeoux, C., Bressy, A., Zedek, S., Rocher, V., El Samrani, A., Chebbo,
G., Moilleron, R., 2014. Primera evaluación de triclosán, triclocarbán y cargas masivas de parabenos a muy gran
escala regional: el caso de París conurbación (Francia). Sci. Environ total. 493, 854 - 861.
Gernaey, K., Flores-Alsina, X., Rosen, C., Benedetti, L., Jeppsson, U., 2011. dinámica en Florida uente
generación de escenarios de perturbación de contaminantes utilizando un enfoque de modelado fenomenológico. Reinar.
Modelo n del software. 26, 1255 - 1267.
Gris, SR, Becker, NSC, 2002. contaminante Florida OWS en los sistemas de agua residenciales urbanas.
Urban agua 4, 331 - 346.
Gromaire-Mertz, M.-C., Chebbo, G., Saad, M., 1998. Orígenes y características de urbano
la contaminación del clima húmedo en los sistemas de alcantarillado combinado: la cuenca urbana experimental “ Le
Marais ” en París. Water Science & Technology 37 (1), 35 - 43.
Henze, M., Comeau, Y., 2008. Caracterización de aguas residuales. Biológica de aguas residuales Trata-
Ment: principios, modelado y diseño. IWA Publishing, London, pp. 33 - 52.
Houhou, J., Lartiges, BS, Montarges-Pelletier, E., Sieliechi, J., Ghanbaja, J., Kohler, A., 2009a.
Fuentes, la naturaleza y el destino de las partículas que contienen metales pesados en el sistema de alcantarillado. Sci. Environ
total. 407, 6052 - 6062.
Houhou, J., Lartiges, BS, Hofmann, A., Frappier, G., Ghanbaja, J., Temgoua, A., 2009b. fosfatasa
la dinámica de Phate en una cloaca urbana: un estudio de caso de Nancy, Francia. Res agua. 43, 1088 - 1100.
Ka fi, M., Gasperi, J., Moilleron, R., Gromaire, MC, Chebbo, G., 2008. la variabilidad espacial de
las características de las cargas contaminantes clima húmedo combinadas en París. Res agua. 42, 539 - 549.
Lai, FY, Anuj, S., Bruno, R., Carter, S., Gartner, C., Hall, W., Kirkbride, KP, Mueller, JF,
O'Brien, JW, Prichard, J., tailandés, PK, Ort, C., 2015. efectos sistemáticos y día a día de las estimaciones de población
derivados químicos que aparecen en la epidemiología de las drogas a base de aguas residuales. Ciencia y Tecnología 49, 999
Ambiental - 1008.
Laughlin, L., Mateyka, P., Burd, C., 2015. Características de Commuters Daytime Urbanos para
20 ciudades de Estados Unidos: Género, Trabajo y Familia. https://www.census.gov/content/dam/Census/library/working-papers/20m1e5jo/dretammoa/2ñ0o1d5e-Llaaupgohbllianc-i0ó1n-dAibnsátmraiccat.pedstfimación de la epidemiología a base de aguas
residuales. Reinar. Sci. Technol.
, Fecha de consulta: 20 Enero de 2007.
Leix, C., Drewes, JE, Ye, L., Koch, K., 2017. Estrategias para mejorar la deammoni fi cación per-
Formance y las emisiones de óxido nitroso reducidos. Bioresour. Technol. 236, 174 - 185.
Massara, TM, Malamis, S., Guisasola, A., Baeza, JA, Noutsoopoulos, C., Katsou, E., 2017. UN
revisar en el óxido nitroso (N 2 O) emisiones durante la eliminación biológica de nutrientes de las aguas residuales
municipales y los lodos rechazan agua. Sci. Environ total. 596, 16 - 123.
Matos, C, Teixeira, CA, Duarte, AALS, Bentes, I., 2013. utiliza agua para uso doméstico. Personaje-
ización de los ciclos diarios de la región norte de Portugal. Sci. Environ total. 458, 444 - 450.
Mbamba, CK, Tait, S., Flores-Alsina, X., Batstone, DJ, 2015. Un estudio sistemático de múltiples
minerales modelado precipitación en el tratamiento de aguas residuales. Res agua. 85, 359 - 370.
Nopens, I., Benedetti, L., Jeppsson, U., Pons, MN, Alex, J., Copp, JB, Gernaey, KV, Rosen,
C., Steyer, JP, Vanrolleghem, PA, 2010. Benchmark modelo de simulación no 2:
fi nalización de la distribución de la planta y la estrategia de control por defecto. Water Science & Technology 62 (9), 1967 -
1974.
1437
O'Brien, JW, Thai, PK, Eaglesham, G., Ort, C., Scheidegger, A., Carter, S., Lai, FY, Mueller,
JF, 2014. Un modelo para estimar la población que contribuye a las aguas residuales usando muestras recogidas el
día del censo. Environmental Science & Technology 48, 517 - 525.
Pasquini, L., Görner, T., Muñoz, JF, Pons, MN, Boiteux, V., Francia, X., De Donato, P., 2011.
contaminantes emergentes que resultan de la actividad interna de las aguas residuales urbanas: por cada caso de Florida compuestos
fluorados. Técnicas de Ciencias Méthodes 106 (10), 26 - 32.
Pasquini, L., Muñoz, JF, Pons, MN, Yvon, J., Dauchy, X., Francia, X., Le, ND, France-Lanord,
C., Görner, T., 2014. Ocurrencia de ocho microcontaminantes hogar en las aguas residuales urbanas y su destino en
una planta de tratamiento de aguas residuales. La evaluación estadística. Sci. Environ total. 481, 459 - 468.
Plósz, BG, Leknes, H., Liltved, H., Thomas, KV, 2010. Las variaciones diurnas en la ocurrencia
y el destino de hormonas y antibióticos en el tratamiento de lodos de aguas residuales activadas en Oslo, Noruega.
Sci. Environ total. 408, 1915 - 1924.
Rico, M., Andrés-Costa, MJ, Picó, Y., 2017. La estimación del tamaño de la población en wastewater-
epidemiología basada. área metropolitana de Valencia como caso de estudio. J. Hazard. Mater.
323, 156 - 165.
Rodier, J., Legube, B., Merlet, N., 2016. El análisis de agua. Control y Interpretación,
10ª Edición Dunod (ISBN 978-2-10-075412-0. 1759 p (en francés)).
Rodríguez, J., McIntyre, N., Díaz-Granados, M., Achleitner, S., Hochedlinger, M.,
Maksimovi, C., 2013. La generación de series temporales de cargas de seco a las alcantarillas. Reinar. Modelo n del software. 43,
133 - 143.
Saagi, R., Flores-Alsina, X., Fu, G., Butler, D., Gernaey, KV, Jeppsson, U., 2016. Captación
y la red de alcantarillado modelo de simulación de estrategias de control de referencia dentro de casco urbano
R., sistemas de aguas residuales. Reinar. Modelo. N del software. 78, 16 - 30.
Saagi, R., Flores-Alsina, X., Kroll, S., Gernaey, KV, Jeppsson, U., 2017. Una biblioteca modelo para
la simulación y la evaluación comparativa de los sistemas integrados de aguas residuales urbanas. Reinar. Modelo. N del software. 93,
282 - 295.
Salgado, R., Marques, R., Noronha, JP, Mexia, JT, Carvalho, G., Oehmen, A., Reis, MAM,
2011. La evaluación de la variabilidad diurna de cuidado personal y productos farmacéuticos en una planta de lodos
activados a gran escala. Reinar. Pollut. 159, 2359 - 2367.
Schütze, M., Butler, D., Beck, B., 2002. Modelando, simulación y control de residuales urbanas
Sistemas de agua. Springer (ISBN 1-85233-553-X. 362p).
Sharma, K., Ganigue, R., Yuan, Z., 2013. la dinámica de pH en las alcantarillas y su modelado. Agua
Investigación 47, 6086 - 6096.
Snip, LJP, Flores-Alsina, X., Plósz, BG, Jeppsson, U., Gernaey, KV, 2014. Modelización de la
ocurrencia, transporte y destino de los productos farmacéuticos en sistemas de aguas residuales. Reinar. Modelo. N del software. 62,
112 - 127.
Snip, LJP, Flores-Alsina, X., Aymerich, I., Rodríguez-Mozaz, S., Barceló, D., Plósz, BG,
Corominas, LI, Rodríguez-Roda, I., Jeppsson, U., Gernaey, KV, 2016. Generación de sintético en Florida datos uente para
realizar estudios de modelado tratamiento (micro) de contaminantes de aguas residuales. Sci. Environ total. 569 - 570, 278 -
290.
Solon, K., Flores-Alsina, X., Mbamba, CK, Volcke, EIP, Tait, S., Batstone, D., Gernaey, KV,
Jeppsson, U., 2015. Efectos de la fuerza iónica y el emparejamiento de iones en el modelado (en toda la planta) de la
digestión anaerobia. Res agua. 70, 235 - 245.
Sperling, M., 2007. Características de aguas residuales, tratamiento y eliminación. Volumen 1. Publi-
Lishing. Londres, AIT (292 p).
Talebizadeh, M., Belia, E., Vanrolleghem, PA, 2016. En Florida generador uente para probabilística
modelado de plantas de tratamiento de aguas residuales de eliminación de nutrientes. Reinar. Modelo. N del software.
77, 32 - 49.
Thitanuwat, B., Polprasert, C., Englande Jr., AJ, 2016. cuanti fi cación de fósforo Florida OWS
durante todo el consumo de systemof BangkokMetropolis, Tailandia. Sci. Environ total. 542, 1105 - 1116.
Thomas, KV, Amador, A., Baz-Lomba, JA, Reid, M., 2017. El uso de los datos del dispositivo móvil para
51, 11363 - 11370.
Vanrolleghem, P., Benedetti, L., Meirlaen, J., 2005. Modelado y control en tiempo real de la
sistema de agua residual urbana integrada. Reinar. Modelo n del software. 20, 427 - 442.
Zoller, U., 2009. Manual de detergentes. Parte E: Aplicaciones. Serie Ciencias surfactante.
vol. 141. CRC Press, Boca Raton, EE.UU..
Zorbas, YG, Kakurin, VJ, Charapakhin, KP, Yarullin, VL, Matvedev, SN 2003. Zincmea-
surements durante hipocinesia y suplementos de zinc en la determinación de la retención de zinc durante
hipocinesia en sujetos normales. Nutr. Res. 23, 869 - 878.
Zorbas, YG, Kakurin, VJ, Kuznetsov, NA, Deogenov, VA, 2004. la absorción de cobre Du-
ing y después de hipocinesia en el cobre y complementado sujetos sanos no suplementados. Nutr. Res. 24, 889 - 899.
Zug, M., Belle Florida eur, D., Phan, L., Escribano, O., 1999. HORUS: un modelo conceptual de contamina-
ción de simulación de redes de alcantarillado. Sci agua. Technol. 39 (9), 31 - 38.