Application of Multivariate Statistics for the Development of a Water Quality Model of Estuary El Macho, Machala-Ecuador

• Rafael Gilberto Zhindon-Almeida Universidad Nacional de Tumbes, Perú. https://orcid.org/0000-0002-3901-1829
• Raúl Alfredo Sánchez-Ancajima Universidad Nacional de Tumbes, Perú. https://orcid.org/0000-0003-3341-7382
• Walter Javier Castañeda-Guzmán Universidad Nacional de Tumbes, Perú. https://orcid.org/0000-0002-9483-0210

DOI: https://doi.org/10.46925//rdluz.42.24

Keywords: Statistical models, Water quality, Multiple linear regression, Ecuador

Abstract

Water is an essential element for people, as well as for sustaining life on the planet. In this way, due to the contamination that water can suffer from a chemical or biological type, it is necessary to have knowledge about its availability based on its quality characteristics. Consequently, statistical models are the relevant means to carry out an evaluation and future estimates about the quality of surface waters. Therefore, the present work is aimed at formulating a statistical model that allows determining the degree of contamination of the waters of the El Macho estuary, located in the city of Machala, province of El Oro. The applied methodology was of a basic type, since a search of theoretical foundations was carried out that allows to deepen in the statistical modeling for studies of water quality. The research design is correlational under a multivariate statistical model of multiple linear regression. The unified multiple linear regression model concluded that the biochemical oxygen demand significantly determines the water quality of the estuary, according to the chemical parameter, chemical oxygen demand and the physical parameter total dissolved solids. The coefficient of determination indicates that these variables explain 99.9% of the variation of the dependent variable.

References

Aguas Machala EP. (2022). Transparencia. Ley Orgánica de Transparencia y Acceso a la Información Pública. https://www.aguasmachala.gob.ec/transparencia

Álvarez, R., Vergara, E., Corral, M., & Navarro, Á. (2012). Análisis multivariante de la línea de aguas consuntivas en la ETAP “Rio Iregua” de Logroño. XVI Congreso Internacional de Ingeniería de Proyectos, 846-857.

Bluhm Gutiérrez, J. (2008). Modelación unidimensional de la calidad del agua en embalses. Análisis comparativo de modelos y multivariantes [http://purl.org/dc/dcmitype/Text, Universitat Politècnica de València]. https://dialnet.unirioja.es/servlet/tesis?codigo=18239

Bravo Moreno, J. I. (2022). Modelación Matemática del tratamiento Anaerobio de Aguas Residuales Urbanas para la Hacienda Teresita, sector Agrícola de Milagro. En: https://repositorio.unemi.edu.ec/handle/123456789/6050

Closas, A., Arriola, E. A., Zening, C. I. K., Amarilla, M. R., & Jovanovich, E. C. (2013). Análisis multivariante, conceptos y aplicaciones en Psicología Educativa y Psicometría. Enfoques: Revista de la Universidad Adventista del Plata, 25(1), 65-92.

Flores Suárez, Á. G., & Pozo Merejildo, E. J. (2023). Evaluación estadística de los parámetros de análisis físico, químico y biológico de los afluentes y efluentes del sistema de tratamiento de aguas residuales regulado por la Empresa Pública Mancomunada Aguapen-EP, ubicado en la cabecera cantonal del cantón Santa Elena, provincia de Santa Elena.

García Juárez, H. D., Mendoza Zuta, J. C., Armas Juárez, R. A., & Cruz Salinas, L. E. (2022). Tratamiento de aguas residuales provenientes del proceso de curtido de pieles. Alfa Revista de Investigación en Ciencias Agronómicas y Veterinaria, 6(18), 423-435.

Gil-Marín, J. A., & González, A. (2020). Modelo de calidad del agua de un río mediante el uso combinado de análisis de componentes principales (ACP) y regresiones lineales múltiples (RLM). Caso de estudio: Cuenca del río Guarapiche, Maturín, Monagas, Venezuela. Anales Científico 81(1), 152-172.

Giraud Herrera, L. M., & Morantes Quintana, G. R. (2017). Aplicación del análisis multivariante para la sostenibilidad ambiental urbana. Bitácora Urbano Territorial, 27(1), 89-100.

Gómez Miranda, I. N., & Peñuela Mesa, G. A. (2017). Revisión de los métodos estadísticos multivariados usados en el análisis de calidad de aguas. Revista Mutis; Vol. 6, Núm. 1 (2016); 54-63. https://doi.org/10/647

Lopez Balladares, J. C. J., & Tooth Flores, F. M. (2022). Remoción de demanda química de oxígeno de aguas residuales empleando carbón activado en la laguna de oxidación, Nuevo Chimbote-2022. En: https://repositorio.ucv.edu.pe/handle/20.500.12692/97332

Mendoza, K. S., Acosta, D. S., Torres, L. F., & Parra, J. M. (2023, mayo 2). Modelo de regresión lineal multiple sobre el PIB. RPubs. https://rpubs.com/Karen_Mendoza/1038030

Montero Granados, R. (2016). Modelos de regresión lineal múltiple. Documentos de Trabajo en Economía Aplicada. En: https://www.ugr.es/~montero/matematicas/regresion_lineal.pdf

Morantes-Quintana, G. R., Rincón-Polo, G., & Pérez-Santodomingo, N. A. (2019). Modelo de regresión lineal múltiple para estimar concentración de PM1. Revista Internacional de Contaminación Ambiental, 35(1), 179-194.

Nel, T., Clarke, C. E., & Hardie, A. G. (2022). Evaluation of simple and multivariate linear regression models for exchangeable base cation conversion between seven measurement techniques on South African soils. Geoderma Regional, 30, e00571. https://doi.org/10.1016/j.geodrs.2022.e00571

Osorio-Ortega, M., García-González, J., Saquicela-Rojas, R., & Cadme, M. (2021). Determinación del índice de calidad del agua en ríos de Santo Domingo de los Tsáchilas, Ecuador. Ingeniería del Agua, 25(2), 115-126.

Quiñones Huatangari, L. (2021). Estimación de la calidad del agua, mediante el desarrollo de un modelo matemático dinámico, Río Utcubamba–Perú. En: https://renati.sunedu.gob.pe/handle/sunedu/3204966

Samboni, N., Trujillo, A. R., & Carvajal, Y. (2011). Aplicación de los indicadores de calidad y contaminación del agua en la determinación de la oferta hídrica neta. Ingeniería y Competitividad, 13(2), 49-60.

Sarie Palas, A. D. (2020). Análisis de la vulnerabilidad de las familias en el sector denominado Manglar del Afro de las Riberas del Canal El Macho de la Ciudad de Machala. Repositorio Digital FLACSO Ecuador, 50. http://hdl.handle.net/10469/16543

Shen, Y., Zhang, H., & Tang, J. (2022). Hydrodynamics and water quality impacts of large-scale reclamation projects in the Pearl River Estuary. Ocean Engineering, 257, 111432. https://doi.org/10.1016/j.oceaneng.2022.111432

Shenbagalakshmi, G., Shenbagarajan, A., Thavasi, S., Gomathy Nayagam, M., & Venkatesh, R. (2023). Determination of water quality indicator using deep hierarchical cluster analysis. Urban Climate, 49, 101468. https://doi.org/10.1016/j.uclim.2023.101468

Sokolov, S., & Black, K. P. (1996). Modelling the time evolution of water-quality parameters in a river: Yarra River, Australia. Journal of Hydrology, 178(1), 311-335. https://doi.org/10.1016/0022-1694(95)02797-1

Sotomayor, G. (2016). Evaluación de la calidad de las aguas superficiales mediante técnicas de estadística multivariante: Un estudio de caso en la cuenca del Río Paute, al sur de Ecuador. En: https://sedici.unlp.edu.ar/handle/10915/53959

Syeed, M. M. M., Hossain, M. S., Karim, M. R., Uddin, M. F., Hasan, M., & Khan, R. H. (2023). Surface water quality profiling using the water quality index, pollution index and statistical methods: A critical review. Environmental and Sustainability Indicators, 18, 100247. https://doi.org/10.1016/j.indic.2023.100247

Torres, P., Cruz, C. H., & Patiño, P. J. (2009). Índices de calidad de agua en fuentes superficiales utilizadas en la producción de agua para consumo humano: Una revisión crítica. Revista Ingenierías Universidad de Medellín, 8(15), 79-94.

Yamashita, T., Hasegawa, T., Hayashida, Y., Ninomiya, K., Shibata, S., Ito, K., Mizuguchi, H., & Yokoyama, H. (2022). Energy savings with a biochemical oxygen demand (BOD)- and pH- based intermittent aeration control system using a BOD biosensor for swine wastewater treatment. Biochemical Engineering Journal, 177, 108266. https://doi.org/10.1016/j.bej.2021.108266