Blog

Jun 08, 2023

Abierto

Scientific Reports volumen 12, Número de artículo: 10341 (2022) Cita este artículo 5615 Accesos 3 Citas 11 Detalles de Altmetric Metrics El transporte de sedimentos finos en los ríos es importante para la captación

Scientific Reports volumen 12, número de artículo: 10341 (2022) Citar este artículo

5615 Accesos

3 citas

11 altmétrico

Detalles de métricas

El transporte de sedimentos finos en los ríos es importante para los flujos de nutrientes de las cuencas, los ciclos biogeoquímicos globales, la calidad del agua y la contaminación en los ecosistemas fluviales, costeros y marinos. El monitoreo de sedimentos suspendidos en ríos con sensores de corriente es desafiante y costoso, y la mayoría de las configuraciones de monitoreo se limitan a unas pocas mediciones en un solo sitio. Para comprender mejor la heterogeneidad espacial de las fuentes de sedimentos finos y su transporte en las redes fluviales, se necesitan nuevos sensores inteligentes de turbidez del agua que sean multisitio, precisos y asequibles. En este trabajo, hemos creado un sensor que detecta la luz dispersa de una fuente LED utilizando dos detectores en un volumen de control y se puede colocar en un río. Comparamos varias réplicas de nuestro sensor con diferentes sondas de turbidez comerciales en un experimento de tanque de mezcla utilizando dos tipos de sedimentos en una amplia gama de concentraciones típicas observadas en los ríos. Nuestros resultados muestran que podemos lograr mediciones de turbidez precisas y reproducibles en el rango de 0 a 4000 NTU o de 0 a 16 g/l. Nuestro sensor también se puede utilizar directamente como sensor de sedimentos suspendidos y evitar una calibración innecesaria de formazina. El sensor de turbidez desarrollado es mucho más económico que las opciones existentes de calidad comparable y está especialmente destinado a la detección distribuida en redes fluviales.

La producción y el transporte de sedimentos finos es un proceso importante a escala global que afecta a los ecosistemas fluviales, costeros y marinos1,2,3. La exportación actual de sedimentos finos desde la superficie terrestre a los océanos globales a través de grandes ríos se estima en alrededor de 15,5 a 18,5 Gt por año4,5 y esto es aproximadamente la mitad de la erosión anual global estimada del suelo desde la superficie terrestre6. Sin embargo, sigue siendo muy difícil estimar la producción de sedimentos en suspensión en los ríos debido a la alta variabilidad en las concentraciones de sedimentos en suspensión (SSC) a lo largo de las corrientes y al monitoreo inadecuado de las mismas.

El método principal para determinar el SSC es el análisis gravimétrico de muestras de botellas tomadas en secciones transversales de ríos en intervalos regulares o irregulares. Este método es fiable pero tiene muchas desventajas, como ser discontinuo (mala resolución temporal), ineficiente y costoso (alto esfuerzo para la recogida/transporte/análisis de las muestras, largos tiempos de procesamiento). Los balances de sedimentos para las cuencas fluviales generalmente se derivan de estas mediciones directas de SSC7,8. Se pueden obtener datos continuos de SSC a altas resoluciones temporales mediante sensores in situ dedicados que miden la turbiedad (T) y calibrando una relación entre SSC y T. En las secciones transversales de ríos donde también se realizan mediciones de la descarga de agua (Q), Luego, el rendimiento de sedimentos (QS) se calcula como QS = SSC*Q. Se pueden utilizar estimaciones de alta resolución de la CSS para cuantificar los efectos humanos en la producción de sedimentos, por ejemplo, los efectos de la construcción de presas y el control de la erosión9,10, los gradientes de erosión natural en cadenas montañosas enteras11, el papel del muestreo en las tasas de erosión global12 y muchos otros. . Las mediciones de CSS en la salida de una cuenca pueden brindarnos una imagen integrada de la cuenca de posibles fuentes de sedimentos impulsadas hidroclimáticamente, como la erosión por lluvia, la erosión de laderas por deshielo, la erosión por deshielo de glaciares e incluso el almacenamiento de energía hidroeléctrica en represas13. Estas mediciones de CSS también son importantes para comprender el impacto del forzamiento hidroclimático en la activación de las fuentes de sedimentos y la dinámica de transporte, y su modelación física14,15,16,17,18.

El monitoreo de alta resolución temporal utilizando sensores de turbidez in situ en, por ejemplo, corrientes de glaciares es útil para identificar las tasas de exportación de sedimentos dependientes del tiempo relacionadas con el desarrollo y la evolución de canales subglaciales y las posibles contribuciones de fuentes de sedimentos proglaciales19,20. Junto con las mediciones del tamaño de grano, los datos de SSC de alta resolución se pueden utilizar para el modelado hidráulico detallado del transporte de sedimentos de origen glacial mediante el drenaje de agua de deshielo en corrientes subglaciales21. La conectividad de las fuentes de las laderas con la red fluvial en áreas proglaciales también es un modulador importante de la producción de sedimentos dependiente del tiempo14,22. Tal comprensión del proceso requiere una perspectiva espacial de las rutas de producción y almacenamiento de sedimentos dentro de la cuenca que no se puede lograr mediante mediciones en un solo sitio. Además, la principal deficiencia de las mediciones puntuales de ríos mediante sensores de monitoreo de sedimentos suspendidos dedicados es que son costosos (por ejemplo, el sensor de turbidez de última generación de Campbell es de aproximadamente 6000, el in situ es de 7000), lo que dificulta su implementación generalizada en muchos sitios. a lo largo de un sistema fluvial cuantificar la variabilidad espacial es casi imposible. Sin embargo, esta es actualmente la medición más moderna tanto en sistemas fluviales pequeños como grandes.

Una alternativa a las mediciones puntuales del terreno es la teledetección. La distribución espacial de la CSS se puede obtener utilizando imágenes de satélite que se basan en la reflectancia de la superficie del agua, ya que se ve afectada por una variedad de parámetros (clorofila, sedimentos suspendidos, materia orgánica disuelta, etc.). Las concentraciones de sedimentos disueltos y suspendidos, junto con la actividad biológica importante, afectan el color intrínseco de las aguas naturales23,24, lo que hace posible la teledetección óptica por satélite de océanos, zonas costeras y grandes lagos/ríos. Cuando se calibran con mediciones terrestres, estos datos satelitales pueden ser muy útiles para las estimaciones de CSS25,26 y pueden proporcionar una variedad de parámetros adicionales de calidad del agua27 a gran escala, pero no con altas resoluciones temporales (repetibilidad dada por los pasos elevados de los satélites) y con poca precisión puntual. En los ríos, los análisis por satélite sólo son posibles si la huella espacial es suficientemente grande. Por ejemplo, en el Amazonas SSC se demostró que las variaciones con imágenes satelitales siguen el flujo desbordante, y podrían explicarse por la resuspensión de sedimentos en los lagos de depresión28 sólo porque el río es muy ancho.

La detección óptica de la turbidez de los ríos y otros indicadores de la calidad del agua también es posible con la fotografía terrestre29,30. La detección óptica de turbidez mediante cámaras de teléfonos móviles31 es una aplicación que tiene un gran atractivo para algunas aplicaciones terrestres. Sin embargo, todos los métodos de detección óptica terrestres y de vehículos aéreos no tripulados están limitados por el costo, la mala resolución temporal y se ven fuertemente afectados por muchas limitaciones ambientales (luz, buena transmisión óptica, visibilidad, etc.), que los hacen actualmente no muy adecuados para el uso regular. Monitoreo a largo plazo de la CSS en los ríos.

Sostenemos que es necesario un nuevo tipo de monitoreo de sedimentos para demostrar las muchas conexiones físicas entre la hidrología, los procesos fluviales y los flujos de sedimentos. Las conexiones entre la activación de la fuente de sedimentos y el transporte en laderas, campos cultivados, superficies con vegetación, redes de canales subglaciales, arroyos, grandes ríos y deltas requieren un monitoreo de sedimentos con alta resolución espacial (desde la fuente hasta el sumidero) y temporal (escala de tiempo de activación). que no están totalmente garantizados por ninguno de los enfoques estándar de manera económicamente efectiva. Estos nuevos datos son necesarios para desarrollar una comprensión de los almacenamientos y balances de sedimentos en las cuencas alpinas32,33,34, revelando detalles intrincados de la conectividad de los sedimentos en tales sistemas fluviales14,22, y para calibrar modelos hidrológicos de transporte de sedimentos basados ​​físicamente15,17,35. ,36. Por esta razón, proponemos aquí un sensor de turbidez asequible que puede usarse para crear una red distribuida de monitoreo de sedimentos suspendidos.

Se han documentado varios sensores de turbidez novedosos en la literatura revisada por pares. Gillett37 investigó el uso de sensores de turbidez para electrodomésticos de bajo costo y disponibles comercialmente (como los que se encuentran en lavadoras y lavavajillas). Estos sensores funcionan según el principio de atenuación de la luz, donde el detector de luz se coloca a 180°(^o\) de la luz incidente. Gillet37 descubrió que estos sensores de atenuación analógicos no podían alcanzar una resolución suficientemente alta para monitorear pequeños cambios en la turbidez. Trevathan38 recalibró un sensor de dispositivo (DF Robot SEN0189 Gravity, también estilo atenuación) y construyó una carcasa impermeable para implementaciones de campo. Sin embargo, no informaron sobre la precisión del sensor y no pudieron calibrarlo por debajo de 100 unidades nefelométricas de turbidez (NTU) (aunque sus mediciones de prueba estuvieron entre 0 y 20 NTU). Además, los datos obtenidos por su sensor se vieron influenciados por la luz ambiental dispersa y no pudieron superar este problema.

Para mejorar la precisión de un sensor de atenuación en el rango de 0-100 NTU, Lambrou39 y Wang40 equiparon estos sensores de atenuación con un detector a \(90^o\) del haz incidente. Este método proporciona buena estabilidad, linealidad, sensibilidad, baja luz parásita y aumenta el rango de medición de NTU (cuando se incorpora el detector de retrodispersión)41. El uso de varios detectores en diferentes ángulos permite la cancelación parcial de errores debidos a la absorción de longitud de onda en las muestras42. Sin embargo, el sensor de Lambrou39 solo se probó de 0 a 100 NTU y no informó cómo se obtuvo la resolución de 0,1 NTU. Además, Wang40 solo probó su sensor dentro del rango de 0-1000 NTU. Kelley43 creó un medidor de turbidez portátil de bajo costo destinado a investigar la calidad del agua potable en comunidades de bajos ingresos de todo el mundo. Este sensor fue calibrado y probado con un sensor de turbidez comercial, pero solo en el rango de 0-1000 NTU. Además, no es aconsejable utilizar sensores de turbidez comerciales para calibrar, ya que sus mediciones tienen fuertes diferencias en los valores informados entre los distintos sensores44. Kitchener45 llevó a cabo un experimento de sedimentación construyendo un anillo modular de PVC que podía contener detectores de luz en varios ángulos (\(0^o\), \(10^o\), \(20^o\), \(90^o\). \), \(160^o\)) al LED de iluminación. Informaron sus resultados en unidades SI de intensidad radiante (mW/sr) en lugar de utilizar formazina y obtener unidades de NTU. Sin embargo, su dispositivo costó alrededor de 340 GBP y no se puede implementar para aplicaciones medioambientales.

Además de probar los sensores del aparato, Gillett37 creó un sensor de flujo destinado a ser conectado a un PVC y monitorear continuamente la turbidez durante 64. Sin embargo, debido a la naturaleza de su diseño (gran diámetro de PVC), utilizaron un sensor ambiental muy potente. LED y calibre su sensor en condiciones de cuarto oscuro. Este sensor se puede usar en una configuración de prueba de bomba, como lo han demostrado, pero no es adecuado para aplicaciones ambientales donde la luz ambiental interfiere con la medición. Jiang46 creó un sensor de turbidez para aplicaciones en aguas profundas, alcanzando profundidades de más de 3400 metros. El sensor se basó en un principio de retrodispersión (el detector está colocado a < \(45^o\) en relación con el haz LED incidente) pero solo es adecuado en el rango de 0-20 FNU (FNU y NTU son unidades intercambiables de turbidez) . Además, se afirma que el sensor cuesta menos de 40 dólares; sin embargo, la lista de materiales no incluye los costos de la carcasa del sensor ni todos los componentes utilizados.

En este artículo, proponemos un sensor de turbidez de código abierto y de bajo costo que puede usarse para el despliegue de redes fluviales in situ. Con base en la revisión anterior y en el trabajo realizado en la sección Métodos complementarios: primer prototipo, hemos diseñado un sensor con las siguientes características. (1) El sensor tiene una fuente de luz y dos detectores en diferentes ángulos entre sí para la cancelación parcial de errores42. (2) Toma la diferencia entre dos medidas (LED apagado y encendido) para reducir los efectos de la luz ambiental. (3) Cubre un amplio rango de sedimentos suspendidos de 0 a 4000 NTU o una concentración de 0 a 16 g/l. (4) El sensor es de bajo costo y de código abierto, por lo que lo pueden construir los usuarios. (5) El sensor se puede instalar en un sistema fluvial para mediciones in situ.

Construimos tres versiones diferentes de nuestro sensor de código abierto, que se puede ver en la Fig. 1. El principio de funcionamiento de las tres versiones es el mismo, las diferencias radican en la construcción de los dispositivos y en los ángulos del detector dentro del volumen de control. . Las versiones A y B están hechas de PVC mecanizado, mientras que la versión C está impresa en 3D con PLA. Las versiones A y C tienen detectores en \(90^o\) y \(135^o\) en relación con el LED y la versión B tiene detectores en \(45^o\) y \(135^o\). Construimos de 2 a 3 réplicas de cada versión, lo que da un total de ocho sensores de código abierto para probar en este trabajo. Para obtener más detalles sobre las versiones A, B y C, consulte Métodos y la tabla complementaria S4.

Nuestro sensor de código abierto. (a) el sensor sin la carcasa impermeable (consulte Métodos para el sensor con carcasa), el cabezal sensor es de PVC mecanizado negro, también se muestra la placa de circuito, (b) principio de funcionamiento detrás de nuestros sensores de código abierto, un LED iluminado Los detectores miden la muestra en la cavidad y la cantidad de luz dispersada en Hz, se representan tres versiones diferentes: las versiones A y B están hechas de PVC mecanizado, mientras que la versión C está impresa en 3D, las versiones A y C tienen detectores en \( 90^o\) y \(135^o\) en relación con el LED y la versión B tiene detectores en \(45^o\) y \(135^o\).

Probamos las versiones de sensores A–B–C con tres sensores Endress+Hauser (E &H) (dos son el modelo CUS51D y uno es CUS52D) en una configuración de tanque de mezcla con dos tipos de sedimentos diferentes: Feldespato (\(d_{50}=30 \, \mu m\)) y sedimento recogido del canal Fieschertal (\(d_{50}=90\, \mu m\))44.

Comparación media de NTU versus SSC en sedimento de feldespato (a-c) y sedimento de Fieschertal (d-f) para todo el rango de medición (a y d), de 0 a 2 g/L (b y e), y de 0 a 0,5 g/L (c y f). Los tres sensores E&H están representados en gradiente de gris (el primer CUS51D en gris claro, el segundo CUS51D en gris medio, el CUS52D en gris oscuro). Los sensores de la versión A están en degradado amarillo (Sensor 1 en amarillo brillante, Sensor 2 en amarillo medio, Sensor 3 en amarillo oscuro). Los sensores de la versión B están en rojo degradado (Sensor 4 en rojo brillante, Sensor 5 en rojo medio, Sensor 6 en rojo oscuro). Los sensores de la versión C están en degradado violeta (Sensor 7 en violeta brillante, Sensor 8 en violeta oscuro). En un SSC más alto, uno de los sensores impresos en 3D (versión C) falló.

La Figura 2 muestra los ocho resultados del sensor de código abierto superpuestos con los tres resultados de E y H para sedimentos de feldespato (Fig. 2a – c) y Fieschertal (Fig. 2d – f) en tres rangos diferentes. Los ocho sensores de código abierto están representados con la versión A en degradado amarillo, la versión B en degradado rojo y la versión C en degradado morado. Cada punto es una media que se calculó utilizando todos los valores, en cada nivel de SSC, registrados a lo largo del experimento (30 minutos por cada nivel de SSC en Feldspar y 15 minutos por cada nivel de SSC en Fieschertal; consulte Métodos para obtener más detalles).

Nuestros sensores de código abierto proporcionan mediciones muy similares entre las réplicas de versiones de sensores individuales para todo el rango de 0-16 g/L, hasta 0,25 g/L (Fig. 2b-c y e-f). Como era de esperar, en estas concentraciones tan bajas las réplicas del sensor comienzan a no coincidir. Por ejemplo, los tres sensores de la versión B (gradiente rojo) muestran que todas las mediciones son repetibles hasta 0,05 g/L (en Feldespato) y 0,25 g/L (en Fieschertal). Nuestros sensores de la versión C (gradiente púrpura) siguen una tendencia similar hasta 0,1 g/L (en feldespato) y 0,25 g/L (en Fieschertal), pero con una compensación en los valores NTU entre los dos sensores de la versión C, por lo tanto, crean menos " resultados repetibles” (la comparación de NTU entre sensores es más difícil). Una posible explicación podría ser que estos sensores se imprimieron en 3D con una impresora artesanal y, por lo tanto, son menos precisos que los sensores mecanizados. Otra posible explicación para el desplazamiento es la ubicación del sensor alrededor del tanque cilíndrico (ver Fig.10). Consideramos que los sensores de las versiones A y B son adecuados para pruebas futuras y posiblemente para aplicaciones distribuidas. Alternativamente, los sensores de la versión C se pueden utilizar para monitorear tendencias, pero tenemos menor confianza en los valores absolutos.

Por el contrario, los sensores E&H no proporcionan mediciones similares para los tres sensores o incluso cuando se comparan dos sensores del mismo modelo (CUS51D) para todo el rango de medición. Ambos sensores CUS51D proporcionan mediciones similares tanto en Feldespato como en Fieschertal, pero solo por encima de 2 g/L (Fig. 2a y d), lo que significa que estos dos sensores dan resultados "repetibles" (las turbidez se pueden comparar en dos sitios a lo largo de una red fluvial con estos sensores). En general, las mediciones de los CUS51D no se pueden comparar con las mediciones del CUS52D, ya que sus lecturas difieren mucho en SSC por encima de 2 g/L (Fig. 2a yd) y el CUS52D se estabiliza inexplicablemente después de 5 g/L. No se puede observar una relación clara entre NTU y SSC por debajo de 2 g/L (Fig. 2b-c y e-f) para los tres sensores, incluso si todos los sensores son del mismo fabricante y han sido calibrados de 0 a 4000 NTU. Esto es importante porque muchas aplicaciones de ríos alpinos tienen SSC tan bajos. Finalmente, ninguno de los sensores E&H puede dar resultados sensibles para todo el rango de 0 a 16 g/L. Más detalles sobre el rendimiento de E&H se encuentran en la figura complementaria S11.

Una característica importante de un sensor es su incertidumbre de medición, es decir, las fluctuaciones en el tiempo de las mediciones para una determinada concentración de sedimento. La Figura 3 informa esta incertidumbre para cada nivel de SSC en sedimentos de Feldespato y Fieschertal, donde la incertidumbre de la medición se define por:

donde \(NTU_i\) es una única medición de NTU y \(\overline{NTU}\) es la media de todas las mediciones de \(NTU_i\) (en un nivel SSC específico). Todos los valores que se registraron a lo largo del experimento se utilizaron para trazar esta figura. En promedio, para cada nivel de SSC, los sensores de código abierto realizaron 91 y 425 mediciones en sedimentos de feldespato y Fieschertal, respectivamente (frecuencia de muestreo de ~1 Hz, pero los sensores se pusieron en modo de suspensión periódicamente durante los experimentos de feldespato). Mientras que para cada nivel de SSC los sensores E&H realizaron en promedio 1421 y 1013 mediciones en sedimentos de feldespato y Fieschertal, respectivamente (frecuencia de muestreo de 1 Hz). Los datos sin procesar en las figuras 3a yd representan la incertidumbre en cada nivel de SSC para nuestros ocho sensores de código abierto combinados. CUS51D (Fig. 3b y e) representa la incertidumbre en cada nivel de SSC para ambos sensores CUS51D. CUS52D (Fig. 3c yf) representa la incertidumbre en cada nivel de SSC para un sensor CUS52D. La media y la mediana son idénticas si la distribución de las incertidumbres es simétrica, como es el caso de nuestros sensores en la mayor parte del rango de concentración. Sin embargo, la media y la mediana no coinciden para concentraciones de sedimentos muy bajas y altas, donde la distribución de incertidumbre no es simétrica.

La incertidumbre informada por los sensores de código abierto aumenta a medida que aumenta el SSC en el polvo de feldespato y vemos que existen claras diferencias dependientes del tipo de sedimento tanto para nuestros sensores como para los comerciales. Sin embargo, los resultados de nuestros sensores abiertos son mucho más consistentes (ambos tipos de sedimentos tienen fluctuaciones dentro de ±10% (Fig. 3a yd) de la media) que los sensores E&H que tienen fluctuaciones extremadamente grandes.

Incertidumbre de medición vs SSC en Feldespato (ARRIBA) y Fieschertal (ABAJO). La incertidumbre se define por \((NTU_i-\overline{NTU})/\overline{NTU}\). Los datos sin procesar (ayd) representan la incertidumbre en cada nivel de SSC para nuestros ocho sensores de código abierto. CUS51D (b y e) representa la incertidumbre en cada nivel de SSC para ambos sensores CUS51D. CUS52D (cyf) representa la incertidumbre en cada nivel de SSC para un sensor CUS52D. Los cuadros representan el rango intercuartil (IQR), la línea negra dentro del diagrama de caja es la mediana, las barras se extienden hasta ± 1,5*IQR y los puntos grises son valores atípicos.

En aplicaciones prácticas, imaginamos que los sensores recopilarán datos sin procesar a una frecuencia elegida, y estos datos se procesarán internamente tomando la media durante un intervalo de muestreo, que se almacenará en el registrador (tarjeta SD). La Figura 4 muestra la incertidumbre de los datos procesados ​​para el sedimento de Fieschertal. Los datos procesados ​​en este caso se obtuvieron tomando la media de 20 mediciones de los datos sin procesar, lo que sería una aplicación típica en entornos de campo con un intervalo de muestreo de 20 segundos (medición a 1 Hz). De esta manera, podemos esperar que la mayoría de nuestros datos (IQR) se encuentren entre ± 5% de la media, lo que muestra la importancia de promediar para reducir la variabilidad en lugar de confiar en mediciones únicas.

Obsérvese en la Fig. 4 que la incertidumbre de la medición es muy estable en una amplia gama de SSC. Esta consistencia es una propiedad deseada de los sensores, ya que esperamos grandes fluctuaciones en los SSC en aplicaciones fluviales reales. Por ejemplo, el SSC medio observado en 13 estaciones suizas de monitoreo de sedimentos suspendidos es de 0,11 g/L. Sin embargo, utilizaremos estos sensores en ríos alpinos que transportan sedimentos finos y no en aquellos que siempre tienen agua clara. Por lo tanto, la SSC media de 11 ríos, excluyendo los dos ríos con la SSC más baja, es 0,129 g/L. La medida que se excede en promedio el 5% del tiempo es aproximadamente 0,4 g/L y todos los eventos máximos caen por debajo de 16 g/L excepto tres eventos (a 23 g/L, 55 g/L y 71,4 g/L). ). Para obtener más detalles, consulte la figura complementaria S12. Esto está dentro de nuestro rango probado y nos da la confianza de que podemos capturar bien las condiciones de transporte de sedimentos tanto bajos como altos.

Incertidumbre de medición procesada versus SSC en sedimento de Fieschertal. La incertidumbre se define por \((NTU_i-\overline{NTU})/\overline{NTU}\). El gráfico representa la incertidumbre en cada nivel de SSC para los ocho sensores combinados. Para obtener estos datos procesados, se tomó la media en grupos de 20 mediciones (de los datos sin procesar de la Fig. 3d). Los cuadros representan el rango intercuartil (IQR), la línea negra dentro del diagrama de caja es la mediana, las barras se extienden hasta ± 1,5*IQR y los puntos grises son valores atípicos.

La NTU como unidad de medida de turbidez no es intuitiva para monitorear la CSS, ya que esta unidad no es universalmente comparable entre cuencas y sensores; no se puede suponer que 1000 NTU en dos ríos diferentes (o en el mismo río pero usando dos sensores diferentes) signifique que hay el mismo SSC [g/L] presente. Esto se debe a que la turbidez no sólo depende del SSC, sino también de la distribución del tamaño de las partículas (PSD), la forma y las propiedades del material de las partículas, como el color (reflectividad), la densidad, el índice de refracción y la rugosidad de la superficie47,48,49. Esto se mantiene en general y también afecta a nuestros sensores; sin embargo, nuestros sensores versión A y B superan este problema de repetibilidad al menos dentro del mismo tipo de sedimento (Fig. 2).

Al observar el rendimiento de nuestro sensor de código abierto en Feldespato (Fig. 2a-c), vemos que la relación entre NTU y SSC es lineal en el rango inferior a 2 g / L y se vuelve no lineal al aumentar el SSC. Esto está en línea con lo observado por Holliday50 y varios otros51,52. Kelley43 intentó utilizar un modelo lineal para calibrar NTU y SSC pero tuvo que dividir su modelo en varios rangos de NTU. Holliday50 encontró mediante experimentos que la relación entre turbidez y CSS es la siguiente:

donde a y b son coeficientes estimados por regresión y b es aproximadamente igual a uno para todas las partículas. Pero en general, para cada cuenca y tipo de sedimento, es probable que a y b sean diferentes. Por ejemplo, Costa13 encontró \(a=0.56\) y \(b=1.25\) en su cuenca alpina investigada, mientras que Felix53 ​​encontró \(a=0.59\) y \(b=1\) en su túnel de almacenamiento HPP. En nuestro caso, en SSC más grandes la relación difiere de la linealidad (Fig. 2). Por lo tanto, cuando se trabaja con estos sensores, es importante darse cuenta de que duplicar el SSC puede significar una duplicación de NTU en NTU más bajas y una cuadriplicación en NTU más altas (por ejemplo, 1-2 g/L puede dar 100-200 NTU pero 10 –20 g/L pueden dar entre 1000 y 4000 NTU).

Se sabe que la relación NTU-SSC dependerá del tipo de sedimento. Según Sadar41 y Tran54, las partículas con tamaños mucho más pequeños que la longitud de onda de la luz incidente dispersarán la luz con aproximadamente la misma intensidad en todas las direcciones. Las partículas más grandes que la longitud de onda de la luz incidente crearán un patrón espectral que resultará en una mayor dispersión de la luz en la dirección de avance que en las otras direcciones. Por lo tanto, las diferencias reportadas en NTU en los sedimentos de Feldpar y Fieschertal (Fig. 2) probablemente se deban a la forma y el tamaño de los dos tipos de sedimentos. Esto muestra la importancia de calibrar los sensores con muestras de sedimentos recolectadas en el río donde se instalarían los sensores.

Nuestros ocho sensores de código abierto se calibraron en un primer paso utilizando varias diluciones de 4000 NTU de formacina y agua desionizada: 0, 3, 6, 10, 40, 70, 100, 400, 700, 1000, 2000 y 4000 NTU, como Esto se hace comúnmente en sensores de turbidez. Sin embargo, los sensores calibrados de esta manera (consulte la sección Métodos complementarios: primer prototipo) no lograron producir datos medidos en sedimentos de feldespato y Fieschertal. Esto se debe a que la formacina dispersa la luz uniformemente en todas las direcciones, lo que no ocurre en los sedimentos naturales, donde la direccionalidad de la luz dispersada es muy sensible al tamaño de los granos de las partículas. Esto se demuestra en la Fig. 5, donde se puede observar un pico de luz detectado por el detector de 135\(^o\) en polvo de feldespato (Fig. 5a), mientras que en el polvo de Fieschertal (Fig. 5b) no hay pico y la cantidad de luz detectada se estabiliza alrededor de 5 g/L. El detector de 45\(^o\) (Fig. 5c-d) muestra un aumento lineal en la cantidad de luz recibida en ambos sedimentos, pero la cantidad de luz recibida por el detector en Feldespato (Fig. 5c) es mucho mayor que en Sedimento de Fieschertal (Fig. 5d). Anteriormente se encontraron resultados similares52 y cifras similares para la formacina se presentan en la figura complementaria S6.

Comparación de intensidad de luz medida versus SSC. Intensidad de la luz (medida por los detectores en Hz) mostrada para los dos detectores (135\(^o\) y 45\(^o\)) en el Sensor 5 para sedimento de feldespato (a y c) y sedimento de Fieschertal (b y d ).

Por esta razón, en un segundo paso desarrollamos el modelo de calibración de formazina para los experimentos del tanque de mezcla (para los resultados mostrados en las Figs. 2, 3, 4) usando solo el 90\(^o\) (versiones A y C) y 45\(^o\) detectores (versión B) en cuatro rangos NTU distintos (0–10, 10–100, 100–1000, 1000–4000 NTU). El modelo que utiliza sólo un detector en cada sensor (utilizado en las Figs. 2, 3, 4) es de la forma:

donde \(\alpha\) es la intersección con el eje y, \(\beta\) es el coeficiente de primer orden asociado con la intensidad de luz medida d del detector \(45^o\) o \(90^o\) ( \(90^o\) en las versiones A y C, \(45^o\) en la versión B) y \(\gamma\) es el coeficiente de segundo orden del mismo detector. Los modelos resultantes para el sensor 6 para los cuatro rangos de NTU diferentes (0–10, 10–100, 100–1000 y 1000–4000 NTU) se muestran en la figura complementaria S13 y sus coeficientes se encuentran en la tabla complementaria S5.

Finalmente, cuestionamos la necesidad de calibrar los sensores a NTU para predecir SSC a partir de una relación NTU-SSC separada, lo que agrava los errores de estimación. Nuestros sensores están diseñados para usarse en una variedad de ríos diferentes con diversos tamaños y formas de grano (por lo tanto, cambian constantemente la dirección de la luz dispersa). Imaginamos que se pueden calibrar directamente las observaciones de SSC con la intensidad de la luz reflejada observada por los detectores combinados. Esto se puede hacer en experimentos de calibración de laboratorio o en aplicaciones fluviales in situ midiendo la concentración de sedimentos suspendidos en unas pocas muestras que cubren una variedad de SSC.

En este enfoque, calibramos la intensidad de la luz medida por los detectores para cada sensor de código abierto directamente al SSC, por separado para el sedimento de feldespato (Fig. 6a – c) y Fieschertal (Fig. 6d – f). El modelo utilizado es de la forma:

donde \(\alpha\) es la intersección con el eje y, \(d_1\) es la intensidad de la luz medida por el detector de 45\(^o\) o 90\(^o\) (90\(^o\) en versiones A y C, 45\(^o\) en la versión B), \(d_{2}\) es la intensidad de la luz medida por el detector 135\(^o\) (en las versiones ABC), \(\beta _{1,2}\)-\(\eta _{1,2}\) son los coeficientes de primer a cuarto orden asociados con \(d_1\) y \(d_2\). La Figura 6 muestra las predicciones medias de SSC frente a las observaciones para todas las versiones del sensor. El ajuste es excelente en todo el rango de SSC con \(R^2>0.98\), y el principal beneficio se debe a la regresión lineal múltiple que utiliza ambos detectores. Al analizar las versiones por separado, todos los sensores ahora pueden predecir bien en todo el rango de SSC hasta 0,4 g/L en feldespato (Fig. 6c, con la versión A funcionando bien hasta 0 g/L) y hasta 0,25 g/L. en Fieschertal (Fig. 6f, con las versiones A y B con un rendimiento muy inferior a 0,12 g/L y 0,17 g/L, respectivamente). Aquí los sensores impresos en 3D (versión C) no funcionan tan bien. Probablemente se pueda lograr una mejora en el rango de 0 a 0,5 g/L dividiendo el modelo y teniendo dos calibraciones lineales separadas. La ventaja de los sensores de código abierto es que el usuario no necesita utilizar el modelo de cuarto orden como lo hemos hecho nosotros, y es libre de elegir su propio modelo.

Es importante señalar que evitar el paso de calibración de formacina tiene beneficios adicionales. Al calibrar desde la salida del detector directamente al SSC, podemos ahorrar hasta una semana de trabajo de laboratorio y podemos evitar la exposición a la formacina, un carcinógeno conocido. Recolectar muestras gravimétricas y calibrarlas directamente al SSC puede parecer mucho trabajo, pero de todos modos es necesario hacerlo cuando se instalan sensores de turbidez en una red fluvial para recopilar datos del SSC. Se pueden encontrar problemas adicionales con la calibración de formazina en Discusión complementaria: Problemas con la calibración de NTU con formazina.

SSC medido frente a la media predicha en tres rangos diferentes de sedimentos de Feldespato (a-c) y Fieschertal (d-f) según lo predicho a partir de un modelo de SSC de regresión lineal múltiple de cuarto orden creado para cada uno de nuestros sensores de turbidez de código abierto (todos ellos \(R^2 > 0,984\)). Los sensores de la versión A están en degradado amarillo (Sensor 1 en amarillo brillante, Sensor 2 en amarillo medio, Sensor 3 en amarillo oscuro). Los sensores de la versión B están en rojo degradado (Sensor 4 en rojo brillante, Sensor 5 en rojo medio, Sensor 6 en rojo oscuro). Los sensores de la versión C están en degradado violeta (Sensor 7 en violeta brillante, Sensor 8 en violeta oscuro). Las barras de error son ± una desviación estándar.

En la Fig. 7 se muestra un ejemplo conceptual de cómo funcionaría la calibración directa del sensor de código abierto a SSC en un caso real y cómo esta calibración proporciona una lectura de SSC más representativa. De lunes a sábado hay eventos de lluvia aislados que ocurren solo en ciertas subcuencas, como se muestra en la Fig. 7. Cada subcuenca tiene una distribución de tamaño de grano diferente y diferentes propiedades de grano, que a su vez dispersan la luz de manera diferente (creando diferentes espectros de dispersión). Un sensor está ubicado cerca de la salida de una cuenca. El sensor funciona midiendo la cantidad de luz dispersada (en un ángulo específico) y solo mide constantemente este valor. Un evento de lluvia el lunes en una subcuenca con partículas muy finas da lugar a un SSC de 10 g/L en la ubicación del sensor (SSC determinado gravimétricamente a partir de una muestra de botella). Sin embargo, estas finas partículas no dispersan fuertemente la luz en dirección al detector del sensor. Esto hace que los puntos de calibración se sitúen por encima de nuestra curva de calibración (se detecta poca luz, similar al feldespato). Mientras que, un evento de lluvia el sábado en una subcuenca con partículas muy gruesas, dando lugar a un SSC de 15 g/L, dispersa fuertemente la luz en la dirección del detector del sensor (incluso más de lo que se espera en este SSC). Esto hace que los puntos de calibración se encuentren por debajo de nuestra curva de calibración (se detecta una mayor cantidad de luz, similar a Fieschertal).

Esquema conceptual de una calibración directa de SSC a la luz detectada por un sensor en un río con varias subcuencas que tienen diferentes tipos de sedimentos y distribuciones de tamaño de grano y, por lo tanto, emiten diferentes espectros de dispersión. En este ejemplo, cada subcuenca experimenta un evento de lluvia aislado en un día diferente. Los sensores situados en el extremo inferior del río tienen una respuesta de intensidad de luz diferente según el tipo de sedimento. Después de muestrear muchos eventos diferentes, se puede obtener una única curva de calibración representativa de las diferentes fuentes de sedimentos de la subcuenca y sus frecuencias de activación.

La combinación de curvas de respuesta (Fig. 5) de múltiples detectores puede producir buenas curvas de reflectancia para una variedad de tipos de sedimentos (fuentes) y concentraciones (Fig. 6). La combinación de estas curvas de respuesta sobre muchos eventos conduce a una curva de calibración sólida para toda la cuenca. Sin embargo, las mediciones de inundaciones individuales tendrán errores cuando se utilice un sensor en la salida de la cuenca. Como nuestros sensores pueden usarse como alternativas más económicas, esta limitación se supera colocando varios de estos sensores dentro de subcuencas para reducir la incertidumbre en la CSS. Al calibrar los sensores asequibles al SSC de cada subcuenca individual, la respuesta de nuestro sensor sería única para el tipo de sedimento de la subcuenca. De esta manera se pueden identificar fuentes de sedimentos con propiedades de sedimentos posiblemente diferentes.

En el futuro nos gustaría incorporar a nuestros sensores un sensor de temperatura y presión para controlar también el nivel y la temperatura del río. Un limpiador es absolutamente esencial en el diseño del sensor para un monitoreo a largo plazo. Nos aseguraremos de incluirlo en nuestro próximo prototipo. También se debe investigar más a fondo la curva de calibración Hz-SSC, junto con el número de muestras de agua y sedimento necesarias para crear esta curva. Está claro que en una escala de tiempo más larga las propiedades de la cuenca cambiarán, provocando un cambio en la curva de calibración Hz-SSC (que también es el caso de los sensores de turbidez NTU-SSC tradicionales). Por lo tanto, nuestros sensores no pretenden reemplazar el monitoreo de ríos a largo plazo, sino más bien proporcionar identificación a corto plazo relacionada con cambios en la calidad del agua y encontrar fuentes de sedimentos y su activación.

Nuestra esperanza es que el sensor SSC, asequible y de código abierto, brinde accesibilidad a la investigación fluvial global. Las publicaciones del blog con instrucciones de fabricación se pueden encontrar en nuestro sitio web55. Con un diseño totalmente transparente, los estudiantes, investigadores y organizaciones pueden construir, instalar, usar y reparar los instrumentos ellos mismos, eliminando en última instancia el desperdicio y haciendo que los datos de los ríos, lagos y océanos de nuestro mundo estén disponibles para todos.

El diseño básico de nuestro sensor de turbidez se creó con un LED infrarrojo (IR) y dos detectores de luz en diferentes ángulos con respecto al LED. El principio de diseño se puede ver en la Fig. 8. Se seleccionó un LED de 850 nm (TSHG6200 de Vishay Semiconductor Opto Division) porque el agua como medio no refleja esta longitud de onda. Los detectores elegidos son el TSL237S-LF de AMS y fueron elegidos por dos razones: (1) convierten la luz a una frecuencia de salida digital y, por lo tanto, las variaciones en el voltaje o la corriente impulsadas por las fluctuaciones de temperatura en el entorno de campo, que afectan a un detector analógico. , son eliminados; (2) este sensor responde a la luz en el rango de 320 nm a 1050 nm y tiene una capacidad de respuesta máxima a 700 nm. Se eligió un ESP32 como microcontrolador para este sensor en lugar de un Arduino Uno (un microcontrolador común elegido por los aficionados) debido a su mayor número de temporizadores. Dado que los detectores emiten un pulso digital con una frecuencia variable proporcional a la intensidad de la luz, el microcontrolador elegido debe tener al menos dos temporizadores para calcular la frecuencia, uno para contar los pulsos y otro para contar el tiempo transcurrido, para cada detector. Por lo tanto, el Arduino sólo se puede utilizar para convertir la salida digital de un detector y se necesita el ESP32 porque tiene los cuatro temporizadores necesarios para resolver la señal digital de dos detectores.

Principio de detección detrás del sensor de turbidez de código abierto.

Con el diseño anterior en mente, construimos varias versiones de nuestro primer prototipo de sensor de turbidez y lo probamos con Formazin, un popular líquido de calibración de sensores de turbidez. Los detalles sobre lentes de enfoque, eliminación de luz parásita ambiental, ubicación del detector y modelo de calibración se pueden encontrar en la sección Métodos complementarios: primer prototipo.

Para probar los sensores de turbidez en un entorno real, diseñamos un experimento con un tanque de mezcla en el que nuestros sensores se pueden comparar con sensores disponibles comercialmente. Para sumergir nuestros sensores en un tanque de mezcla y tomar muchas mediciones durante varias horas, se creó un segundo prototipo del sensor de turbidez.

A partir de los Métodos complementarios: primer prototipo, se descubrió que las lentes de enfoque eran necesarias para el diseño del sensor, mientras que los filtros de paso largo (que eliminaban la luz ambiental parásita) eran innecesarios ya que el mismo efecto se logra utilizando el método de medición diferencial apagado-encendido56 . Además, para las piezas de LED y detector que elegimos, es importante evitar la ubicación del detector en 180\(^o\), ya que el detector se satura con la luz entrante (consulte Métodos complementarios: primer prototipo para obtener más detalles).

Con esto en mente, el segundo prototipo se basó en los sensores 3 y 4 que se encuentran en la sección Métodos complementarios: primer prototipo porque queríamos probar más a fondo las orientaciones del detector. Tiene tres versiones diferentes (A, B y C) y 2-3 réplicas de cada versión (para ver la variación de la construcción) y todos los sensores y réplicas se resumen en la Tabla complementaria S4. La versión A tiene detectores en \(90^o\) y \(135^o\) en relación con el LED y la versión B tiene detectores en \(45^o\) y \(135^o\). A diferencia de los primeros prototipos creados en la sección Métodos complementarios – Primer prototipo que tenían un cabezal sensor impreso en 3D, estos primeros seis sensores tienen cabezales sensores que se fabricaron mecanizando una pieza sólida de PVC negro. Sin embargo, con la esperanza de mantener este proyecto accesible para todos, también creamos dos réplicas adicionales (versión C), pero con un cabezal sensor impreso en 3D de PLA. Los detalles de los ocho sensores se enumeran en la Tabla complementaria S4.

Los ocho sensores estaban alojados en una sencilla carcasa impermeable hecha de PVC estándar de ferretería. La carcasa impermeable se puede ver en la Fig. 9a. La Figura 9b muestra el cabezal sensor interno (PVC negro) y la electrónica del sensor. También vemos dos juntas tóricas en el lado izquierdo de ambas imágenes. Estos, junto con un poco de grasa para aspiradoras, se utilizaron para mantener el sensor a prueba de agua. Toda la electrónica del sensor se alojó en una placa de soldadura prototipo. El esquema electrónico se encuentra en la figura complementaria S14 y el CAD para el cabezal sensor de PVC está disponible en el repositorio de este proyecto57.

Sensor de turbidez de código abierto: segundo prototipo. (a) Sensor cerrado con carcasa externa de PVC. (b) Electrónica interna del sensor.

Probamos tres sensores de turbidez comerciales con nuestros sensores de código abierto. Estos sensores eran dos CUS51D y un CUS52D, todos de Endress+Hauser (E &H). Los CUS51D están clasificados para un rango de medición de 0 a 4000 FNU y se utilizan para la medición de turbidez y sólidos suspendidos en todas las etapas del proceso de tratamiento de aguas residuales y en aplicaciones de tratamiento primario de agua con turbidez media a alta58. El CUS52D también está clasificado para un rango de medición de 0 a 4000 FNU, pero a diferencia del CUS51D, el CUS52D se puede utilizar en cada etapa del proceso de tratamiento de agua, incluso con la turbidez más baja59. Además, los sensores E&H debían conectarse a un sistema de adquisición de datos (Liquiline CM442), lo que permitía a los sensores medir continuamente mientras estaban conectados a una fuente de energía.

Todas las piezas compradas para fabricar uno de nuestros sensores de código abierto se muestran en la Tabla complementaria S6. El coste total de un sensor es de 61,37 CHF (francos suizos). Vale la pena señalar que el costo de nuestro sensor no incluye los costos de mano de obra de calibración y no estamos seguros de si los sensores E&H deben someterse a una calibración y/o servicio adicional antes de cada uso. El PVC mecanizado es más caro y más difícil de producir que simplemente imprimir en 3D el cabezal sensor. Por lo tanto, antes de decidirse a imprimir en 3D o comprar y mecanizar PVC, se debe evaluar el propósito del sensor. Si es necesario hacer réplicas del sensor para crear una red distribuida de sensores dentro de una cuenca, entonces tal vez valga la pena el esfuerzo adicional para comprar y mecanizar PVC para obtener resultados comparativos a lo largo de la cuenca. Sin embargo, si solo es necesario crear e instalar un sensor en la salida de un sistema de agua para obtener una imagen integrada de los sedimentos suspendidos en la cuenca, entonces un sensor impreso en 3D probablemente sea suficiente para este propósito y el tiempo y el costo adicionales. no contribuiría mucho al resultado final. La versión impresa en 3D también se puede utilizar para monitorear tendencias en una red distribuida en lugar de valores absolutos. Además, si el sensor se utiliza para un proyecto escolar, entonces debería ser suficiente un sensor impreso en 3D.

La Figura 10a muestra la configuración del tanque de mezcla con un tanque cilíndrico de 200 L y una línea que marca 140 L de agua cuando el tanque está lleno con los 11 sensores probados. Al fondo se ve la bomba verde que sirve para vaciar los depósitos. La Figura 10b muestra la ubicación de los sensores alrededor del tanque junto con el nivel del agua. En el centro del tanque está el mezclador, que es un taladro con un accesorio para mezclar pintura. El mezclador se utilizó para suspender el sedimento en el tanque.

Configuración del tanque de mezcla: (a) tanque cilíndrico de 200 L, (b) disposición de 11 sensores (8 de los nuestros y 3 comerciales) dentro del tanque y el taladro de mezcla en el medio.

En estos experimentos se utilizaron dos tipos diferentes de sedimentos: feldespato y sedimento extraído del canal Fieschertal, ambos utilizados anteriormente por Felix44.

Se eligió el polvo de feldespato (plagioclasa Na) debido a su abundancia en la corteza terrestre. Se compró a un fabricante que vende feldespato molido para cerámica (Feldspat NA LF 90). Los sedimentos de Fieschertal se recolectaron de los depósitos en los canales de cola de la central hidroeléctrica (HPP) de Fieschertal en el cantón de Valais, Suiza. Se eligió este sedimento porque planeamos utilizar nuestros sensores de código abierto para investigar fuentes de sedimentos en el río Ródano, como el glaciar Fiescher. La central hidroeléctrica de Fiescher se encuentra en la desembocadura del glaciar Fiescher, en el arroyo de montaña Wysswasser, afluente del alto Ródano. Sin embargo, cabe señalar que los sedimentos más finos no se depositan en el canal de cola, por lo que los sedimentos de Fiescher son más gruesos de lo que cabría esperar.

Felix44 midió previamente la distribución del tamaño de partículas (PSD) y las densidades sólidas, \(\rho _s\), de ambos polvos. La PSD se midió a partir de muestras suspendidas con una dilución adecuada utilizando un difractómetro láser estacionario (LA-950 fabricado por Horiba). Se encontró que los sedimentos de Fieschertal contenían casi el 80% en masa de arena fina (\(d_{50}=90 \mu m\)) mientras que el feldespato estaba principalmente en el rango de limo (\(d_{50}=30 \mu m\))44. Las densidades de los sólidos se midieron utilizando un picnómetro de expansión de helio y son \(2,65 g/cm^3\) y 2,70 \(g/cm^3\) para los sedimentos de feldespato y Fieschertal, respectivamente44.

El procedimiento experimental se realizó de la siguiente forma. Primero, se encenderían todos los sensores y se llenaría el tanque limpio con agua del grifo. Los sensores E&H toman una medición cada segundo durante la duración de los experimentos. Para el primer experimento con Feldspar, los sensores de código abierto tomaban 3 mediciones durante 3 segundos cada minuto y dormían entre lecturas. Para el siguiente experimento con el sedimento de Fieschertal, los sensores de código abierto tomaron una medición cada segundo (como los sensores E&H) sin dormir entre lecturas.

Con agua limpia en el tanque se inició el taladro de mezcla y las mediciones. Posteriormente, cada 30 minutos, se tomó la temperatura del agua del tanque junto con una muestra de agua de alrededor de 300 ml. Luego, se añadió al tanque una cantidad predefinida de sedimento de feldespato mezclado con 300 ml de agua del grifo para aumentar su SSC de manera gradual. Este experimento se repitió nuevamente para el sedimento de Fieschertal, excepto que debido a que los sensores de código abierto medían continuamente como los dispositivos E&H, pudimos aumentar el SSC del tanque cada 15 minutos en lugar de cada 30 minutos. Cada vez que aumentamos el SSC del tanque, también limpiamos todas las burbujas de los 11 sensores.

Posteriormente, las muestras de agua y sedimento se llevaron al laboratorio y se evaporaron en un horno ventilado y se calculó el SSC pesando el sedimento seco. Algunas muestras de agua del grifo sin sedimento también se evaporaron para que pudiéramos determinar la concentración de minerales disueltos y restarla de nuestro SSC calculado.

Los conjuntos de datos generados y/o analizados durante el estudio actual están disponibles en el repositorio de Zenodo, https://doi.org/10.5281/zenodo.5789513.

Arrigo, KR, van Dijken, G. & Pabi, S. Impacto de la reducción de la capa de hielo ártico en la producción primaria marina. Geofís. Res. Letón. 35(19), (2008).

Sanders, R. y col. La bomba biológica de carbono en el atlántico norte. Prog. Oceanogr. 129, 200–218 (2014).

ADS del artículo Google Scholar

Hauer, C. y col. El papel de los sedimentos y la dinámica de los sedimentos en el medio acuático. En Riverine Ecosystem Management, 151–169 (Springer, Cham, 2018).

Peucker-Ehrenbrink, B. Base de datos Land2sea sobre el tamaño de las cuencas de drenaje de los ríos, descargas anuales de agua y flujos de sedimentos en suspensión. Geoquímica. Geofís. Geosistema. 10(6), (2009).

Syvitski, JP & Kettner, A. Flujo de sedimentos y antropoceno. Filos. Trans. Sociedad Real. R: Matemáticas. Física. Ing. Ciencia. 369, 957–975 (2011).

ADS del artículo Google Scholar

Borrelli, P. et al. Una evaluación del impacto global del cambio de uso de la tierra en el siglo XXI sobre la erosión del suelo. Nat. Comunitario. 8, 1-13 (2017).

Artículo ADS CAS Google Scholar

Milliman, JD & Farnsworth, KL Descarga del río al océano costero: una síntesis global (Cambridge University Press, 2013).

Poulier, G. y col. Combinando el monitoreo de flujo y la reconstrucción de datos para establecer presupuestos anuales de partículas en suspensión, mercurio y PCB en el río ródano desde el lago de ginebra hasta el mar mediterráneo. Ciencia. Medio ambiente total. 658, 457–473 (2019).

Artículo ADS CAS PubMed Google Scholar

Wang, Z.-Y., Li, Y. & He, Y. Presupuesto de sedimentos del río Yangtze. Recurso Acuático. Res. 43(4), (2007).

Hu, B., Wang, H., Yang, Z. & Sun, X. Variaciones temporales y espaciales de las curvas de clasificación de sedimentos en la cuenca de Changjiang (río Yangtze) y sus implicaciones. Cuat. En t. 230, 34–43 (2011).

Artículo de Google Scholar

Hinderer, M., Kastowski, M., Kamelger, A., Bartolini, C. & Schlunegger, F. Cargas fluviales y denudación moderna de los Alpes. Ciencias de la Tierra. Rev. 118, 11–44 (2013).

Artículo ADS CAS Google Scholar

Covault, JA, Craddock, WH, Romans, BW, Fildani, A. & Gosai, M. Variaciones espaciales y temporales en la evolución del paisaje: flujo de sedimentos histórico y a largo plazo a través de cuencas globales. El J. Geol. 121, 000–000 (2013).

Artículo de Google Scholar

Costa, A., Anghileri, D. & Molnar, P. Control hidroclimático de la dinámica de los sedimentos en suspensión de una cuenca alpina regulada: un enfoque conceptual. Hidrol. Sistema Tierra. Ciencia. 22, 3421–3434 (2018).

Artículo ADS CAS Google Scholar

Bakker, M. y col. La combinación de la abstracción de flujo y el impacto del cambio climático en un río alpino en aumento. Recurso Acuático. Res. 54, 223–242 (2018).

ADS del artículo Google Scholar

Battista, G., Molnar, P. & Burlando, P. Modelado de los impactos de los impulsores de erosión espacialmente variables en la dinámica de los sedimentos suspendidos. Surf de la Tierra. Din. 8, 619–635 (2020).

ADS del artículo Google Scholar

Costa, A. et al. Señal de temperatura en la exportación de sedimentos en suspensión de una cuenca alpina. Hidrol. Sistema Tierra. Ciencia. 22, 509–528 (2018).

ADS del artículo Google Scholar

Konz, M. y col. Modelado del transporte de sedimentos en un modelo de cuenca hidrológica distribuido físicamente. Hidrol. Sistema Tierra. Ciencia. 15, 2821–2837 (2011).

ADS del artículo Google Scholar

Uber, M., Nord, G., Legout, C. & Cea, L. ¿Cómo impactan las opciones de modelado y las ubicaciones de las zonas de erosión en la representación de la conectividad y la dinámica de los sedimentos suspendidos en un modelo de erosión del suelo de múltiples fuentes? Surf de la Tierra. Din. 9, 123-144 (2021).

ADS del artículo Google Scholar

Delaney, I., Bauder, A., Huss, M. y Weidmann, Y. Tasas y procesos de erosión proglacial en una cuenca glaciarizada en los Alpes suizos. Surf de la Tierra. Proceso. Formaciones geográficas 43, 765–778 (2018).

ADS del artículo Google Scholar

Delaney, I., Bauder, A., Werder, MA y Farinotti, D. Variabilidad regional y anual en el transporte de sedimentos subglaciales por agua para dos glaciares en los Alpes suizos. Frente. Ciencia de la Tierra. 6, 175 (2018).

ADS del artículo Google Scholar

Ugelvig, S., Egholm, D., Anderson, R. & Iverson, NR Erosión glacial impulsada por variaciones en el drenaje del agua de deshielo. J. Geophys. Res.: Tierra Surf. 123, 2863–2877 (2018).

ADS del artículo Google Scholar

Lane, SN, Bakker, M., Gabbud, C., Micheletti, N. y Saugy, J.-N. Exportación de sedimentos, respuesta transitoria del paisaje y conectividad a escala de cuenca luego del rápido calentamiento climático y la recesión de los glaciares alpinos. Geomorfología 277, 210–227 (2017).

ADS del artículo Google Scholar

Novoa, S., Wernand, M. & van der Woerd, HJ Wacodi: Un algoritmo genérico para derivar el color intrínseco de las aguas naturales a partir de imágenes digitales. Limnol. Oceanogr.: Métodos 13, 697–711 (2015).

Artículo de Google Scholar

Wang, X., Wang, D., Gong, F. & He, X. Inversión por teledetección de la concentración total de materia suspendida en el río Oujiang basada en landsat-8/oli. En Ocean Optics and Information Technology, 10850, 108500X (Sociedad Internacional de Óptica y Fotónica, 2018).

DeLuca, NM, Zaitchik, BF y Curriero, FC ¿Puede la información multiespectral mejorar las estimaciones de sólidos suspendidos totales mediante detección remota? Un estudio estadístico en la bahía de Chesapeake. Sensores remotos 10, 1393 (2018).

ADS del artículo Google Scholar

Martinez, J.-M., Guyot, J.-L., Filizola, N. & Sondag, F. Aumento de la descarga de sedimentos en suspensión del río Amazonas evaluado mediante redes de monitoreo y datos satelitales. Cadena 79, 257–264 (2009).

Artículo de Google Scholar

Wang, YH y Sohn, H.-G. Estimación del índice de contaminación de los ríos utilizando imágenes Landsat sobre el río Tamsui, Taiwán. Ecológico. Resiliencia. Infraestructura. 5, 88–93 (2018).

CAS Google Académico

Fassoni-Andrade, AC & de Paiva, RCD Mapeo de la dinámica espacio-temporal de los sedimentos de las llanuras aluviales de los ríos en el Amazonas. Sensores remotos. Medio ambiente. 221, 94-107 (2019).

ADS del artículo Google Scholar

Goddijn, L. & White, M. Uso de una cámara digital para mediciones de la calidad del agua en la bahía de Galway. Costa estuarina. Ciencia del estante. 66, 429–436 (2006).

ADS del artículo Google Scholar

Fricke, K. & Baschek, B. Monitoreo de la temperatura a lo largo del río Rin basado en sensores remotos infrarrojos térmicos aéreos: resultados cualitativos comparados con datos satelitales y validación con mediciones in situ. En Teledetección para agricultura, ecosistemas e hidrología XVI, 9239, 923909 (Sociedad Internacional de Óptica y Fotónica, 2014).

Leeuw, T. & Boss, E. La aplicación Hydrocolor: mediciones sobre el agua de reflectancia y turbidez mediante teledetección utilizando la cámara de un teléfono inteligente. Sensores 18, 256 (2018).

Artículo ADS PubMed Central CAS Google Scholar

Bennett, G., Molnar, P., McArdell, B. y Burlando, P. Un modelo probabilístico de transferencia de sedimentos en cascada de sedimentos en el illgraben. Recurso Acuático. Res. 50, 1225-1244 (2014).

ADS del artículo Google Scholar

Bennett, G., Molnar, P., McArdell, B., Schlunegger, F. y Burlando, P. Patrones y controles de producción, transferencia y rendimiento de sedimentos en Illgraben. Geomorfología 188, 68–82 (2013).

ADS del artículo Google Scholar

Hirschberg, J. y col. Impactos del cambio climático en la producción de sedimentos y la actividad del flujo de escombros en una cuenca alpina. J. Geophys. Res.: Tierra Surf. 126(1), (2020).

Molnar, P., Burlando, P., Kirsch, J. & Hinz, E. Investigaciones modelo de los efectos de los cambios en el uso de la tierra y los daños forestales sobre la erosión en entornos montañosos. Publicación IAHS-AISH 589–600 (2006).

Seybold, H. y col. Simulación de la formación del delta en forma de pata de pájaro con aplicación al delta de Mississippi. J. Geophys. Res.: Tierra Surf. 114(F3), (2009).

Gillett, D. & Marchiori, A. Un monitor de turbidez continuo de bajo costo. Sensores 19, 3039 (2019).

Artículo ADS PubMed Central Google Scholar

Trevathan, J., Read, W. & Schmidtke, S. Hacia el desarrollo de un sensor de turbidez con atenuación de la luz práctico y asequible para el monitoreo acuático remoto casi en tiempo real. Sensores 20, 1993 (2020).

Artículo ADS PubMed Central Google Scholar

Lambrou, TP, Anastasiou, CC, Panayiotou, CG & Polycarpou, MM Una red de sensores de bajo costo para monitoreo en tiempo real y detección de contaminación en sistemas de distribución de agua potable. IEEE Sens. J. 14, 2765–2772 (2014).

ADS del artículo Google Scholar

Wang, Y., Rajib, SSM, Collins, C. y Grieve, B. Sensor de turbidez de bajo costo para el monitoreo inalámbrico de baja potencia de cursos de agua dulce. IEEE Sens. J. 18, 4689–4696 (2018).

ADS del artículo Google Scholar

Sadar, MJ Ciencia de la turbidez. serie de información técnicafolleto no. 11. Hach Co. Loveland CO 7, 8 (1998).

Bhardwaj, J., Gupta, KK y Gupta, R. Una revisión de las tendencias emergentes en sensores de medición de la calidad del agua. En 2015 Conferencia Internacional sobre Tecnologías para el Desarrollo Sostenible (ICTSD), 1–6 (IEEE, 2015).

Kelley, CD y cols. Un turbidímetro asequible de código abierto. Sensores 14, 7142–7155 (2014).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Felix, D. Investigación experimental sobre sedimentos suspendidos, erosión hidroabrasiva y reducciones de eficiencia de turbinas Pelton croatas. VAW-Mitteilungen 238, 99-119 (2017).

Google Académico

Kitchener, BG y cols. Un dispositivo de investigación de mesa de bajo costo para la medición de la turbidez mediante detección de intensidad de iluminación distribuida radialmente en múltiples longitudes de onda. HardwareX 5, e00052 (2019).

Artículo de Google Scholar

Jiang, H., Hu, Y., Yang, H., Wang, Y. & Ye, S. Un sensor de turbidez in situ de aguas profundas altamente sensible con método de modulación-demodulación de optimización del espectro. IEEE Sens. J. 20, 6441–6449 (2020).

ADS del artículo Google Scholar

Downing, J. Veinticinco años con sensores obs: lo bueno, lo malo y lo feo. Cont. Resolución de estante. 26, 2299–2318 (2006).

ADS del artículo Google Scholar

Gippel, CJ Potencial del monitoreo de turbidez para medir el transporte de sólidos suspendidos en arroyos. Hidrol. Proceso. 9, 83–97 (1995).

ADS del artículo Google Scholar

Sutherland, T., Lane, P., Amos, C. y Downing, J. La calibración de sensores ópticos de retrodispersión para sedimentos suspendidos de diferentes niveles de oscuridad. Geol marino. 162, 587–597 (2000).

ADS del artículo Google Scholar

Holliday, C., Rasmussen, TC & Miller, WP Establecimiento de la relación entre turbidez y concentración total de sedimentos suspendidos (Instituto de Tecnología de Georgia, 2003).

Baker, E., Tennant, D., Feely, R., Lebon, G. & Walker, S. Estudios de campo y de laboratorio sobre el efecto del tamaño y la composición de las partículas en las mediciones de retrodispersión óptica en columnas hidrotermales. Res. de aguas profundas. Parte I: Oceanogr. Res. Papilla. 48, 593–604 (2001).

Artículo ADS CAS Google Scholar

Matos, T. et al. Desarrollo de un sensor óptico rentable para el monitoreo continuo de turbidez y partículas en suspensión en el medio marino. Sensores 19, 4439 (2019).

Artículo ADS CAS PubMed Central Google Scholar

Felix, D., Albayrak, I. & Boes, RM Investigación in situ sobre técnicas de medición de sedimentos suspendidos en tiempo real: turbidimetría, atenuación acústica, difracción láser (lisst) y densimetría con tubo vibratorio. En t. J. Res de sedimentos. 33, 3-17 (2018).

Artículo de Google Scholar

Tran, NT, Campbell, CG y Shi, FG Estudio de los efectos del tamaño de las partículas en la respuesta de un sensor de fibra óptica examinada con simulación Monte Carlo. Aplica. Optar. 45, 7557–7566 (2006).

Artículo ADS PubMed Google Scholar

Droujko, J. River tech labs: publicaciones de blog con instrucciones para la construcción de sensores. Cómo se publicó: https://rivertechlabs.org/ (2021). [En línea; consultado el 9 de mayo de 2022].

Matos, T. et al. Diseño de un instrumento óptico multipunto rentable para el monitoreo continuo in situ de turbidez y sedimentos. Sensores 20, 3194 (2020).

Artículo ADS PubMed Central Google Scholar

Droujko, J. Soporte de archivos de creación para “sensor de turbidez in situ, de código abierto y de bajo costo para el monitoreo de redes fluviales” (v1.0.0). https://doi.org/10.5281/zenodo.5789211(2021).

Endress+Hauser. Sensor de sólidos en suspensión turbimax cus51d. https://www.ch.endress.com/en/field-instruments-overview/liquid-analysis-product-overview/suspended-solids-turbidity-digital-sensor-cus51d (2021). [En línea; consultado el 4 de agosto de 2021].

Endress+Hauser. Sensor de turbidez turbimax cus52d. https://www.ch.endress.com/en/field-instruments-overview/liquid-analysis-product-overview/turbidity-drinking-water-sensor-cus52d (2021). [En línea; consultado el 4 de agosto de 2021].

Descargar referencias

Agradecemos al Laboratorio de Hidráulica, Hidrología y Glaciología (VAW, Prof. Dr. R. Boes) por proporcionar las instalaciones de laboratorio, los turbidímetros disponibles comercialmente y las partículas de sedimento para las pruebas. Agradecemos a Ruben Stadler, Michael Arnold y el Dr. David Felix (VAW) por brindar orientación y asistencia. Esta investigación fue financiada por la Beca de Investigación ETH ETH-13 19-1.

Instituto de Ingeniería Ambiental, ETH Zurich, Zurich, 8093, Suiza

Jessica Droujko y Peter Molnar

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

JD diseñó y construyó los sensores, concibió y realizó los experimentos. PM proporcionó orientación y supervisión del proyecto. Todos los autores contribuyeron a la discusión de los resultados y revisión del manuscrito.

Correspondencia a Jessica Droujko.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Droujko, J., Molnar, P. Sensor de turbidez in situ de código abierto y bajo costo para el monitoreo de redes fluviales. Representante científico 12, 10341 (2022). https://doi.org/10.1038/s41598-022-14228-4

Descargar cita

Recibido: 17 de diciembre de 2021

Aceptado: 02 de junio de 2022

Publicado: 20 de junio de 2022

DOI: https://doi.org/10.1038/s41598-022-14228-4

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.