Grupo UTN GISTAQ (Grupo de Investigación sobre temas Ambientales y Químicos)

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/665

Browse

Author: search.filters.author.Tenev, María DanielaStart date: 2024

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Turbidity estimation by machine learning modelling and remote sensing techniques applied to a water treatment plant
    (International Centre for Sustainable Development of Energy, Water and Environment Systems SDEWES, 2025-06-01) Gauto, Víctor Hugo; Utgés, Enid Marta; Hervot, Elsa Ivonne; Tenev, María Daniela; Farías, Alejandro Rubén
    Clean water is a scarce resource, fundamental for human development and well-being. Remote sensing techniques are used to monitor and retrieve quality estimators from water bodies. In situ sampling is an essential and labour-intensive task with high costs. As an alternative, a large water quality dataset from a potabilisation plant can be beneficial to this step. Combining laboratory measurements from a water treatment plant in North-East Argentina and spectral data from the Sentinel-2 satellite platform, several regression algorithms were proposed, trained, and compared for turbidity estimation at the plant inlet water in a local river. The highest performance metrics were from a Random Forest model with a coefficient of determination close to 1 (0.913) and the lowest root-mean-squared error (143.9 nephelometric turbidity units). Global feature importance and partial dependencies profile techniques identified the most influential spectral bands. Maps and histograms were made to explore the spatial distribution of turbidity.
  • Thumbnail Image
    Item
    Extensión universitaria como apalancamiento en la relación alumno-docente-medio. Experiencias en el marco del tercer año de ingeniería en la UTN FRRe
    (Universidad Nacional de La Plata, 2024-11-15) Farías, Alejandro Rubén; Tenev, María Daniela; Gómez Pamies, Laura Cecilia; Medina, Danilo; Ozich, Liliana; Mazdeu, Nicolás
    La extensión es una de las tres patas fundacionales y estratégicas de la Universidad. Muchas veces estas actividades se encuentran subvaloradas por la sociedad, por los alumnos, los docentes y las propias autoridades universitarias. Según nuestra visión, la extensión genera un aporte fundamental en diversas áreas de la vida universitaria, moviliza a docentes, capacita a alumnos y vincula con el medio. Asimismo, en las Conferencias Regionales de Educación Superior (tanto la CRES 2018 como la CRES+5 en 2024) ratifican la importancia de la misma. En ese marco, en los años 2022 y 2023 se realizaron dos trabajos de extensión en el tercer año de la carrera Ingeniería Química de la Facultad Regional Resistencia de la Universidad Tecnológica Nacional vinculando tres cátedras, un grupo de investigación, dos Universidades y una Empresa. Los proyectos se realizaron en el marco de la convocatoria “Extensión Universitaria” de la Secretaría de Políticas Universitarias de Nación. Los temas implicaron el análisis de funcionamiento de lagunas de la ciudad de Fontana (proyecto año 2022) y de la planta de tratamiento de la ciudad de Resistencia (proyecto año 2023), ambas de tratamiento de líquidos cloacales de la provincia del Chaco, responsabilidad de la Empresa SAMEEP. Se realizaron capacitaciones con la participación de todos los integrantes de los proyectos, se realizaron visitas a las plantas de tratamiento y posteriormente muestreos para la realización de los análisis en los laboratorios de la UTN FRRe. Después de terminar los proyectos, se realizaron encuestas para evaluar la importancia de la extensión universitaria según la experiencia en los mismos. Amén de los resultados técnicos obtenidos, que sirvieron para la toma de decisiones de la Empresa, los proyectos generaron un valor agregado como el fortalecimiento de la relación docente-alumno, la aplicación de métodos a muestras reales y el conocimiento por parte de la empresa de actividades que realiza la academia. Las encuestas muestran que, para la mayoría de los participantes, era la primera experiencia en proyectos de este tipo y, aunque se marcaron algunas cuestiones a analizar y mejorar, las opiniones generadas fueron positivas y el 100% recomendaría participar en proyectos de extensión universitaria, lo que resalta la importancia de estas actividades y la necesidad de promoverlas.
  • Thumbnail Image
    Item
    Turbidity estimation by machine learning modeling and remote sensing techniques applied to a treatment plant water inlet
    (2024-01-14) Gauto, Víctor Hugo; Utgés, Enid Marta; Hervot, Elsa Ivonne; Tenev, María Daniela; Farías, Alejandro Rubén
    Water availability and sanitation are among the UN Sustainable Development goals for 2030. Remote sensing techniques are used to monitor and retrieve quality estimators from water bodies. Clean water is a scarce resource fundamental for human development and well-being. Treatment plants depend on the current water quality state to properly provide clean water. Combining laboratory measurements, provided by a water plant in Resistencia city, Argentina, and remote sensing data, i.e., surface reflectance, from Sentinel-2 platform, several algorithms were developed, trained, and compared for turbidity estimation. The model with the highest performance metrics was a random forest model, with Pearson’s coefficient of determination (R2) 0.918 and root-mean squared error (RMSE) 138.8 nephelometric turbidity units (NTU). Global feature importance and partial dependencies profiles techniques were applied to the random forest model to understand the spectral bands effects. Turbidity maps and time series were made and analyzed.