Developing Ecological Models on Carbon and Nitrogen in Secondary Facultative Ponds

Aponte-Reyes Alexander

Grupo de Investigación Saneamiento Ambiental Universidad del Valle, Cali, Colombia. Correo: alexander.aponte.reyes@correounivalle.edu.co

Recibido: febrero de 2013, ]]> Reevaluado: abril de 2013,
Aceptado: julio de 2013

Resumen

El modelo se formuló para COT y CO₂, y NH₄⁺, NO₃^– y NTK, a partir de información de literatura y lo que se obtuvo en campo durante el seguimiento a tres unidades piloto de laguna facultativa secundaria: laguna convencional, LC, laguna de bafles, LB y laguna de bafles-mallas LBM. Los modelos mostraron sensibilidad a las variables caudal de entrada, radiación solar, pH y contenido de oxígeno; a nivel de parámetros se encontró que el modelo de Carbono resultó sensible a: K_{COT Ba}, u_{max Ba}, u_{max A1}, K_1OX, V_A1, R1D_CH4, YB_h. El modelo de Nitrógeno resultó sensible a los parámetros: K_{COT Ba}, u_{max Ba}, u_{max A1}, V_A1, K_OPH, K_OPA, r_4An. Las pruebas t pareada realizadas indicaron que el modelo de Carbono reprodujo de manera confiable el comportamiento del COT en una laguna facultativa secundaria; mientras que el modelo de Nitrógeno lo hizo para el caso de NH₄⁺. Diferentes topologías afectan la ecología del sistema promoviendo distintas rutas de transformación del nitrógeno; la topología LBM podría alcanzar transformaciones de C empleando volúmenes inferiores, sin embargo se requiere una calibración de los modelos propuestos. Los modelos podrían ser acoplados a modelos hidrodinámicos para un modelado eco-hidrodinámico.

Descriptores: ecología, modelado, lagunas facultativas, biorremediación.

Abstract

Ecological models formulated for TOC, CO₂, y NH₄⁺, NO₃^– and NTK, based in literature reviewed and field work were obtained monitoring three facultative secondary stabilization ponds, FSSP, pilots: conventional pond, CP, baffled pond, BP, and baffled-meshed pond, BMP. Models were sensitive to flow inlet, solar radiation, pH and oxygen content; the sensitive parameters in Carbon Model were K_{COT Ba}, u_{max Ba}, u_{max A1}, K_1OX, V_A1, R1D_CH4, YB_h. The sensitive parameters in the Nitrogen model were K_{COT Ba}, u_{max Ba}, u_{max A1}, V_A1, K_OPH, K_OPA, r_4An. The test t–paired showed a good simulating of Carbon model refers to TOC in FSSP; on the other side, the Nitrogen model showed a good simulating of NH₄⁺. Different topological models modify ecosystem ecology forcing different transformation pathways of Nitrogen; equal transformations of the Carbon BMP topology could be achieved using lower volumes, however, a calibration for a new model would be required. Carbon and Nitrogen models developed could be coupled to hydrodynamics models for better modeling of FSSP.

Keywords: ecological modeling, facultative ponds, bioremediation.

Introducción

Controlar la contaminación hídrica ocasionada por aguas residuales municipales tiene justificación en problemas ambientales como la generación de gases efecto invernadero, GEI, la presencia de disruptores endocrinos (Janex et al., 2009), la eutrofización de fuentes de agua (Zimmo et al., 2004; Wallace y Austin, 2008) y el deterioro de la calidad de las fuentes de agua. Un enfoque ecológico en el estudio de lagunas facultativas secundarias, LFS (Figura 1. ), apunta a conocer las relaciones establecidas entre la estructura de este ecosistema y las funciones que cumple. Un proceso de simulación–modelación puede explicar dichas relaciones, haciéndolo una herramienta útil para su análisis (Jamu y Piedrahita, 2002). Para analizar una LFS es posible apelar a procedimientos matemáticos que analicen los fenómenos multidimensionales (Legendre y Legendre, 2004) que suceden en estos complejos ecosistemas; el modelado puede integrar variables hidrodinámicas y cinéticas y es una herramienta con amplias posibilidades en el campo del tratamiento de las aguas residuales (Zima et al., 2009; Alvarado et al., 2012; Sah, 2009; Beran y Kargi, 2005; Houweling et al., 2008; Abbas et al., 2006). Disponer de modelos de LFS que conjuguen su ecología, incorporen sus propiedades dinámicas, componentes y variables (Jamu y Piedrahita, 2002) posibilitará la búsqueda de un ambiente sano con criterios de justicia ambiental (Rees, 2008).

La abundancia y disponibilidad del carbono, C, y nitrógeno, N, en la biósfera como constituyentes de la materia orgánica, dependen de transformaciones biogeoquímicas (Jenkins y Zehr, 2008) como las existentes en un LFS, además regulan la productividad de los ecosistemas acuáticos y terrestres, pues posibilitan la existencia de los productores primarios (Lampert y Sommer, 2007). Por otro lado, el modelado de la generación de gases efecto invernadero desde LFS podría validar modelos ecológicos que plantean balances de compuestos orgánicos y nutrientes (Pepperell et al., 2011). Así mismo, los mecanismos de eliminación de nitrógeno se siguen estudiando (Zimmo et al., 2004; Shen et al., 2012) pues existen divergencias frente a cuáles son los más efectivos y cuáles son los predominantes en estos reactores (Camargo, 2008). De ahí la importancia de desarrollar modelos ecológicos en LFS para C y N. Este documento aborda una propuesta de modelado ecológico en LFS para ambos elementos.

Desarrollo

La investigación fue ejecutada en la Estación de Investigación de Aguas residuales y reúso de Ginebra, EIG, localizada en el Valle del Cauca, Colombia, a 3° 43' 50'' latitud norte y 76° 16' 20'' longitud este, a 1040 ms.n.m. La temperatura promedio es 23°C y la precipitación promedio es 1280 mm. Se hizo seguimiento a tres LFS con distintas configuraciones físicas (tabla 1). El diseño de las unidades piloto se realizó empleando la metodología de carga orgánica superficial (Mara, 2001) aplicando un análisis de incertidumbre (Von Sperling, 1996) con base en la propuesta de Banda (2003).

La figura 2 ilustra los pilotos y los puntos de muestreo. En P1 y P2 se tomaron muestras puntuales a dos profundidades, 0.05 m y 0.75 m, a las 10:00, 13:00, 17:00 y 22:00 horas teniendo en cuenta las variaciones meteorológicas; también se tomaron muestras puntuales y compuestas a la entrada y la salida de cada unidad. Se midieron caudales en forma volumétrica a la entrada y a la salida y se realizaron pruebas físico-químicas de las variables de interés a todas las muestras recolectadas (tabla 2). Con esta información de seguimiento se obtuvo información para la validación y calibración de los modelos ecológicos propuestos.

donde:

Rc = r_M* V(MT^–1)

r_M = transformación de la especie de interés en la LFS (aparición o desaparición) (ML^–3t^–1)

V = volumen de la laguna. (L³)

Q = caudal (L³t^–1)

[C_i] = concentración de la especie a la entrada (ML^–3)

[C_e] = concentración de la especie a la salida (ML^–3) 

• Carbono orgánico total
• Carbono inorgánico total
• Nitrógeno orgánico particulado
• Nitrógeno orgánico disuelto
• Nitrógeno de nitratos
• Nitrógeno amoniacal

A partir de los resultados para LC se verificó el modelo correspondiente a LBM, ajustando los parámetros respectivos. El software Stella® fue utilizado en un equipo Toshiba Tecra, Procesador Intel® Core™2 Duo, CPU T8100 @ 2.10 GHz 2.09 GHz 1.99 GB de RAM. El Apéndice 1 resume las expresiones matemáticas empleadas para la formulación de los modelos; la mayoría de ellas respondieron a cinéticas tipo Monod, considerando las condiciones hipertróficas de las LFS. Las tablas 3 y 4 presentan los parámetros y valores empleados para ambos modelos. La LC se asumió como reactor completamente mezclado, RCM, con base en información de estudios de trazadores realizados en la LC y la LBM (Bravo y Rodriguez, 2010; Fichmann, 2012) los cuales arrojaron como resultado un comportamiento de flujo mixto con tendencia a RCM, correspondiente con lo planteado por otros investigadores (Mara, 2004), los números de dispersión hallados para LBM oscilaron entre 0.31 y 0.43 y para LC entre 0.19 y 1.5. Las concentraciones de biomasa algal y bacterial se hallaron a partir de los contenidos de COT en las lagunas piloto.

Los valores de nitrógeno asociado a microalgas y bacterias se estimaron a partir de la literatura (Mišurcová et al., 2010; Bradley y Nichols, 1918; Fagerbakke et al., 1996). En la tabla 5 se presentan las interacciones entre las distintas especies de análisis de los modelos propuestos para C y N.

 
Análisis y discusión

Las siguientes tablas ilustran las diferencias encontradas entre las unidades piloto. Las pruebas estadísticas fueron adelantadas usando el software SPSS® v. 13.0 for Windows®.

Se realizaron pruebas de normalidad para los datos y se definieron las pruebas estadísticas a utilizar. Se emplearon pruebas t–pareada para establecer diferencias en términos de gradientes horizontales y verticales (tablas 9, 10 y 11).

]]>

Lo anterior indica que existieron condiciones distintas de transformación de C y N en las unidades teniendo en cuenta las variaciones identificadas entre los puntos cercanos a la salida y las salidas (P21/Sal, P22/Sal). Encontrar gradientes de Clorofila a como indicador de la presencia de microalgas en el caso de la LBM sugiere que la transformación de los compuestos de C y N está ligado a la fotosíntesis; esta aseveración coincide con los gradientes de microalgas identificados en otros ejercicios de modelado (Beran y Kargi, 2005; Sah, 2009). El uso del modelo de RCM quedó verificado para LC y para LBM, en el sentido de suponer disponibilidad de recursos de manera homogénea; sin embargo, los bafles y las mallas de las LBM promueven una mayor compartimentación de los procesos, como lo encontrado en el modelado hidrodinámico de lagunas con bafles que indican tendencia a Flujo Pistón, (Shilton y Harrison, 2003; Sah, 2009; Abbas et al., 2006).

Verificación de los modelos de Carbono y Nitrógeno en LC

Los modelos se consideraron verificados si para alguno de los parámetros la prueba t–pareada era positiva (aceptación de hipótesis nula) o si los errores entre las estimaciones y los valores de campo fueron inferiores a 50%. Las etapas de análisis de sensibilidad y calibración del modelo dieron respuesta a que las pruebas t–pareada para todas las variables en estudio resultaran en la aceptación de la hipótesis nula. Para la verificación (tabla 11), se definieron las siguientes condiciones de configuración en el software Stella (isse-Systems, 2005).

Periodo simulación, t. 25 días.
Paso temporal, dt. 1/40.
Método de integración de las ecuaciones. método Runge–Kutta (isse-Systems, 2005).
Unidad de medida, u. Días.

La tabla 12 presenta los resultados obtenidos en el proceso de verificación. Las pruebas estadísticas indican que los datos se distribuyeron de forma normal y que los valores de COT del modelo (tabla 13) fueron estadísticamente iguales a los medidos en campo. Dado que los promedios de las diferencias entre los valores simulados y los valores medidos para las variables CO₂, COT y NTK fueron inferiores a 50%, a excepción de las variables NH₄⁺ y NO₃^–, se consideró que los modelos quedaron verificados. Las etapas de análisis de sensibilidad y calibración permitirían ajustar los modelos para las variables CO₂, NO₃^–, NH₄⁺ y NTK; solo se presenta el ejercicio para COT y N₄⁺.

Se hicieron ajustes al modelo de nitrógeno, pues los valores obtenidos para NH₄^– no fueron satisfactorios y contrastaron con cerca de 60% que representa en el NTK según datos de campo. Durante el análisis de sensibilidad se modificó el modelo articulando en el modelo las formas de nitrógeno particulado con las de NH₄^– y NO₃^– como generadores de biomasa (figura 6).

Análisis de sensibilidad, AS

Las variables y parámetros en este análisis se presentan en las tablas 14 y 15, respectivamente; para su selección se analizaron los valores medidos en campo y se revisaron los parámetros que fueron objeto de calibración en otros estudios (Beran y Kargi, 2005; Sah, 2009; Senzia et al., 2002).

Los modelos se corrieron empleando los valores promedio de los datos de entrada utilizados durante la etapa de verificación (tabla 16). Los resultados corresponden al promedio del último día de simulación (tabla 17). El oxígeno mínimo afectó los modelos hasta en 10% para COT y NH₄⁺, fue una relación inversa. El pH tuvo una relación inversa con NO₃^– con diferencias superiores a 10%. La temperatura afectó de manera inversa todas las especies analizadas. La temperatura afectó NO₃^– y NH₄^– en más de 10%. La influencia de la radiación solar generó variaciones hasta de 25%. Luego se efectuó el AS para los parámetros de interés y se relacionaron con base en las relaciones halladas entre ellos y las especies, así como lo encontrado en la etapa de verificación, se procedió a realizar la calibración de los modelos de C y N (tabla 18).

El modelo de C resultó sensible a: K_{COT Ba}, u_{max Ba}, u_{max A1}, K_1OX, V_A1, R1D_CH4, YB_h. Sin embargo, solo u_{max A1} y K_1OX tuvieron influencia sobre el CO₂=. El modelo de N resultó sensible a: K_{COT Ba}, u_{max Ba}, u_{max A1}, V_A1, K_OPH, K_OPA, r_4An. En ambos modelos la radiación solar, afectó sensiblemente todas las especies en estudio.

Calibración

Para el caso del modelo de C se calibró el COT. Se aceptó un error promedio hasta de 10% entre los datos del modelo y los de campo. Se adoptó un valor constante de CO₂= correspondiente al promedio de los datos de campo, dado que la influencia de esta variable sobre el COT no fue significativa, el caudal de salida se adoptó igual al de entrada (tabla 19).

Los resultados de la calibración se probaron con una prueba t–pareada, relacionando los datos de campo y los datos de la simulación (Tabla 20).

Los valores arrojados por los modelos para las especies NH₄⁺ y COT no presentaron diferencias con los valores medidos en campo. De acuerdo con los datos de campo solo se encontraron diferencias en el caso de la especie NH₄⁺ entre las unidades piloto evaluadas LC y LBM, entre LBM y LC no se evidenciaron diferencias, por lo anterior se procedió a calibrar los modelos de C y N en la LBM. Para el caso del modelo de C, para la LBM se modificaron los valores del modelo topológico, volumen y profundidad; adicionalmente; se detectó que para un valor de µMáx_A1 igual a 1.1 d^–1, los resultados de las pruebas estadísticas fueron similares (tabla 21). Es importante mencionar este elemento, ya que abre la posibilidad de reducir el tamaño de esta unidad piloto, pues una tasa de menor producción de microalgas corresponde a la menor liberación de materia orgánica del sistema. Para el caso del NH4₄⁺ se ajustaron los parámetros así: KOpH: 0.005, µMáx_A1: 1.7 y r_4An: 0.0. Los errores entre lo medido y lo simulado no superaron 10%.

]]>

Al igual que para el caso de la LC los modelos arrojaron resultados satisfactorios para COT y NH₄⁺ de la LBM. El AS demostró que existen variables que le dan características redundantes al modelo, la selección de una u otra variable o parámetro hace que el modelo pueda ser afectado de igual forma por distintas vías; las etapas de sensibilidad y calibración pudieron reducir las suposiciones que otras experiencias de modelado ecológico han tomado (Sah, 2009), haciendo que existan más elementos de juicio para evaluar el modelo propuesto. Es necesario llevar a cabo ajustes y validación del componente de bentos de los modelos para corroborar el papel que juega, pues funciona de manera independiente de la columna de agua (Roy et al., 2008). El desarrollo de todas las etapas de construcción del modelo fueron determinantes para darle validez al ejercicio (Legendre y Legendre, 2004). La sensibilidad del modelo a variables como radiación solar se evidencia por otros autores (Sweeney et al., 2005) y en esta experiencia fue posible validarlo.

Conclusiones

La información que se obtuvo durante la investigación permitió seguir un proceso riguroso de verificación, validación y calibración de dos modelos topológicos de LFS, LC y LBM. Se encontraron diferencias significativas en la transformación de las sustancias de interés SST y NH₄⁺, entre los dos modelos topológicos. Los modelos ecológicos arrojaron resultados satisfactorios en la simulación de las variables de interés y lo medido en campo y contrastado con otras propuestas de modelado de LFS; su implementación sobre una plataforma hidrodinámica permitiría contar con una herramienta de diseño significativa en la perspectiva de proponer innovaciones de la tecnología. El modelado ecológico para LBM promete la posibilidad de reducir el tamaño de LFS promoviendo eliminación de C y N a distintos niveles utilizando facilidades como bafles y mallas. Es conveniente llevar a cabo el modelado bajo propuestas de comportamiento hidráulico distintas al de RCM. El modelado permite explorar las variables y parámetros que dan redundancia a estos sistemas y facilitan de esa manera su resiliencia.

Agradecimientos

El autor agradece al Departamento Administrativo de Ciencia, Tecnología e Innovación, Colciencias, Colombia, a ACUAVALLE S.A. ESP y a la Universidad del Valle por el soporte financiero y logístico de la investigación.

Referencias

Abbas H., Nasr R., Seif H. Study of Waste Stabilization Pond Geometry for the Wastewater Treatment Efficiency. Ecological Engineering, volmen 28, 2006: 25-34.         [ Links ]

Alvarado A., Vedantam S., Goethals P. et al. A Compartmental Model to Describe Hydraulics in a Full-Scale Waste Stabilization Pond. Water Research, volumen 46, 2012: 521-530.         [ Links ]

APHA-AWWA-WEF. Standart Methods for the Examination of Water and Wastewater, 21st ed., 2005.

Asaeda T., Van T. Modelling the Effects of Macrophytes on Algal Blooming in Eutrophic Shallow Lakes. Ecological Modelling, volumen 104, 1997: 264-287.

Banda C. Modern Design of Waste Stabilization Ponds in Warm Climates, Comparison with Traditional Design Methods, University of Leeds, Leeds, 2003.

Beran B., Kargi F. A Dynamic Mathematical Model for Wastewater Stabilization Ponds. Ecological Modelling, volumen 181, 2005: 39-57.

Bradley H.C., Nichols M.S. Nitrogen Content Bacterial Cells. Journal of Biological Chemistry, 1918.

Bravo A.M., Rodriguez P.H. Estudio del comportamiento hidrodinamico en lagunas facultativas secundarias para el tratamiento de aguas residuales domésticas, Unpublished Pregrado, Universidad del Valle, Cali, 2010.

Chao X., Jia Y., Douglas F. et al. Numerical Modeling of Water Quality and Sediment Related Processes. Ecological Modelling, volumen 201, 2007: 385-397.

Chen C., Orlob G. Ecological Simulation of Aquatic Environments, Patten Systems Analysis in Ecology 3, 1975.

Fagerbakke K.M., Heldal M., Norland S. Content of Carbon, Nitrogen, Oxygen, Sulfur and Phosphorus in Native Aquatic and Cultured Bacteria. Aquatic Microbial Ecology, volumen 10, 1996:15-27.

Farrás L.E.P. Teoría de la sedimentación, Buenos Aires, Universidad Tecnológica Nacional, Facultad Regional Bahía Blanca, 2005.

Fichmann J.J. Estimación de los coeficientes cinéticos de transformación de nitrógeno en lagunas facultativas secundarias utilizadas en el tratamiento de aguas residuales municipales, Unpublished MSc, Universidad del Valle, Cali, 2012.

Fritz J.J., Middleton A.C., Meredith D.D. Dynamic Process Modelling of Wastewater Stabilization Ponds. Journal WPCF, volumen 51, 1979: 2724-2743.

Heaven S.B., C. Zotova E. Light Attenuation Parameters for Waste Stabilization Ponds. Water Science and Technology, volumen 41, 2005:143-152.

Henzen M., Gujer W., Mino T. et al. Activated Sludge Model, Núm. 2, 1995.

Houweling D., Kharoune L., Escalas A., et al. Dynamic Modelling of Nitrification in an Aerated Facultative Lagoon. Water Research, volumen 42, 2008: 424-432.

Jamu D.M., Piedrahita R.H. An Organic Matter and Nitrogen Dynamics Model for the Ecological Análisis of Integrated Aquaculture/Agriculture Systems: I Model Development and Calibration. Environmental Modelling & Software, volumen 17, 2002: 571-582.

Janex-Habibi M.L., Huyard A., Esperanza M. et al. Reduction of Endocrine Disruptor Emissions in the Environment: The Benefit of Wastewater Treatment. Water Research, volumen 43, 2009:1565-1576.

Jenkins B.D., Zehr J.P. Molecular Approaches to the Nitrogen Cycle, in Nitrogen in the Marine Environment, 2008.

Ji Z.G. Hydrodynamics and Water Quality. Modeling Rivers, Lakes, and Estuaries,Wiley-Interscience, New Jersey, John Wiley and Sons, 2008.

Jorgensen S.E., Bendoricchio G. Fundamentals of Ecological Modelling, 3rd ed., Kidlington, UK, Elsevier, 2001.

Kayombo S., Mbwette T.S.A., Mayo A.W. et al. Modelling Diurnal Variation of Dissolved Oxygen in Waste Stabilization Ponds. Ecological Modelling, volumen 127, 2000: 21-31.

Kayombo S., Mbwette T., Katima J. et al. Effects of Substrate Concentrations on the Growth of Heterotrophic Bacteria and Algae in Secondary Facultative Ponds. Water Research, volumen 37, 2003: 2937-2943.

Lampert W., Sommer U. Limnoecology. The Ecology the Lakes and Streams, 2nd ed., New York, USA, Oxford University Press, 2007.

Lasso A.P. Cámaras estáticas para la estimación de emisiones de gases de efecto invernadero en lagunas de estabilización para tratamiento de aguas residuales domésticas, (tesis), Universidad del Valle, Cali, 2010.

Mara D.D. Domestic Wastewater Treatment in Developing Countries, en: Earthscan/James y James, UK, 2004.

Mashauri D.A., Kayombo S. Application of the two Coupled Models for Water Quality Management: Facultative Pond Cum Constructed Wetland Models. Physics and Cchemistry of the Earth, volumen 27, 2002: 773-781.

Metcalf, Eddy, 1995.

Mišurcová L., Kráč mar S., Klejdus B. et al. Nitrogen Content, Dietary Fiber and Digestibility in Algal Food Products. Czech J. Food Sci., volumen 28, 2010: 27-35.

Muñoz R., Guieysse B. Algal–Bacterial Processes for the Treatment of Hazardous Contaminants: A Review, 17, 2006.

Pepperell C., Foley J., Choong L. et al. An Improved Method for Estimating Fugitive Methane Emissions from Wastewater Treatment Lagoons, en: 9th IWA Specialist Group Conference on Waste Stabilisation Ponds, Adelaida, Australia, 2011, pp. 339-336.

Pereira A., Duarte P., Norro A. Different Modelling Tools of Aquatic Ecosystems: a Proposal for a Unified Approach. Ecological Informatics, volumen 1, 2006: 407-421.

Picot B., Paing J., Sambuco J.P., et al. Biogas Production, Sludge Accumulation and Mass Balance of Carbon in Anaerobic Ponds. Water Science & Technology, volumen 48, 2003: 243-250.

Qitao Y.C., Youngchul H.K. Modeling Nitrogen Removal in Water Hyacinth Ponds Receiving Effluent from Waste Stabilization Ponds. Ecological Engineering, volumen 35, 2009: 75-84.

Rees W.E. Human Nature, Eco-Footprints and Environmental Injustice. Local Environment, volumen 13, 2008: 685-701.

Roy M., Mandal S., Ray S. Detrital Ontogenic Model Including Decomposer Diversity. Ecological Modelling, volumen 215, 2008: 200-206.

Sah L. 3D Modelling of Secondary Facultative Ponds. (tesis), UNESCO-IHE, Delft, 2009.

Senzia M., Mayo A., Mbwette T. et al. Modelling Nitrogen Transformation and Removal in Primary Facultative Ponds. Ecological Engineering, volumen 154, 2002.

Shen L.D., He Z.F., Zhu Q. et al. Microbiology, Ecology, and Application of the Nitrite-Dependent Anaerobic Methane Oxidation Process. Frontiers in Microbiology, volumen 3, 2012: 1-5.

Shilton A., Harrison J. Guidelines for the Hydraulic Design of Waste Stabilisation Ponds. Palmerston North, New Zealand, Institute of Technology and Engineering, 2003.

Sweeney D.G., Cromar N.J., Fallowfield H.J. et al. Profiling and Modelling of Thermal Changes in a Large Waste Stabilisation Pond. Water Science & Technology, volumen 51, 2005:163-172.

Tchobanoglous G., Burton F.L., Metcalf et al. Wastewater Engineering: Treatment and Reuse, McGraw-Hill, 2004.

Tortora G., Funke B., Case C. Introducción a la microbiología, editorial médica panamericana, 2007.

Von Sperling M. Design of Facultative Ponds Based on Uncertainly Analysis. Water Science Technology, volumen 33, 1996: 41-47.

Wallace S., Austin D. Emerging models for Nitrogen Removal in Treatment Wetlands. Journal of Environmental Health, volumen 71, 2008: 10-16.

Zima P., Makinia J., Swinarski M. et al. Combining Computational Fluid Dynamics with a Biokinetic Model for Predicting Ammonia and Phosphate Behavior in Aeration Tanks. Water Environmental Research, volumen 81, 2009: 2353-2362.

Zimmo O., Steen N., Gijzen H. Comparison of Ammonia Volatilisation Rates in Algae and Duckweed-Based Waste Stabilisation Ponds Treating Domestic Wastewater. Water Research, volumen 37, 2003: 4587-4594.

Zimmo O.R., Van Der Steen N.P., Gijzen H.B. Nitrogen Mass Balance Across Pilot-Scale Algae and Duckweed-Based Wastewater Stabilisation Ponds. Water Research, volumen 38, 2004: 913-920. 

Semblanza del autor

Alexander Aponte-Reyes. Es ingeniero sanitario, con maestría en ingeniería sanitaria y ambiental, actualmente es candidato a doctor en la misma área. Sus áreas de trabajo son el abastecimiento de agua y el control de la contaminación ambiental a través de un enfoque ecológico, incluyendo proyectos de investigación y desarrollo sobre tecnologías naturales, el empoderamiento de la comunidad y el comportamiento higiénico. Su perfil profesional incluye proyectos de investigación y la experiencia en las actividades relacionadas con la promoción y ejecución de proyectos de desarrollo, orientados hacia las zonas rurales, municipios pequeños y medianos.