DSpace Colección :https://repositorio.untels.edu.pe/jspui/handle/123456789/4362024-02-07T15:22:14Z2024-02-07T15:22:14ZIdentificación Del Potencial De Recarga Hídrica En La Microcuenca Samincheni, Pichanaki – PerúCaballero Hernandez, Edwinhttps://repositorio.untels.edu.pe/jspui/handle/123456789/8992023-10-31T20:30:31Z2020-01-01T00:00:00ZTítulo : Identificación Del Potencial De Recarga Hídrica En La Microcuenca Samincheni, Pichanaki – Perú
Autor : Caballero Hernandez, Edwin
Resumen : La presente investigación tuvo como objetivo principal la identificación del potencial de recarga hídrica en el área de la microcuenca Samincheni comprendida dentro del territorio del distrito de Pichanaki, provincia de Chanchamayo, departamento de Junín, la cual tiene una extensión de 620 hectáreas. La metodología desarrollada fue propuesta por (Matus, 2009) en la que se obtiene el potencial de recarga hídrica a partir del cálculo algebraico de cinco parámetros de la microcuenca: pendiente (Pend), cobertura vegetal (Cve), uso de suelo (Us), tipo de suelo (Ts) y tipo de roca (Tr); todos ellos con una ponderación de uno a cinco, uno para el potencial de recarga hídrica muy bajo y cinco para el potencial de recarga hídrica muy alto. Todos los parámetros fueron mapeados mediante la utilización del software ArcGIS versión 10.5; el mapa de pendiente se desarrolló a partir de un Modelo digital de Elevación (DEM). Las imágenes satelitales PERUSAT-1 en formato multiespectral de 4 bandas y nivel orto rectificado primario, proporcionadas por la Agencia Espacial del Perú – CONIDA, fueron la base para desarrollar los mapas de cobertura vegetal y uso de suelo mediante clasificación no supervisada. El mapa de tipo de suelo se generó a partir de los resultados de textura de suelo, para lo cual desarrolló la toma de muestras de manera aleatoria estratificada en toda la microcuenca y su posterior análisis en laboratorio. La información de formaciones geológicas disponibles en la web del INGEMMET, se tomó para la construcción del mapa de tipo de roca. Finalmente, el mapa de potencial de recarga hídrica en la microcuenca de estudio, se obtuvo a través de la operación algebraica de los parámetros mencionados mediante la siguiente ecuación: PR = [0,27 (Pend) + 0,23 (Ts) + 0,12(Tr) + 0,25(Cve) + 0,13(Us)]. Los resultados obtenidos muestran que en la microcuenca Samincheni predominan las zonas con potencial de recarga hídrica bajo con un 54.8%, mientras que las zonas con potencial moderado y alto representan el 32.8 y 11.8% de la microcuenca respectivamente y por ultimo las zonas con potencial muy bajo apenas cubren el 0.5% del área de estudio.2020-01-01T00:00:00ZPropuesta De Un Programa De Minimización Y Manejo De Residuos Sólidos Del Hospital Maria AuxiliadoraGala Barraza, Yeiko Joshuahttps://repositorio.untels.edu.pe/jspui/handle/123456789/8492023-10-31T20:30:51Z2022-01-01T00:00:00ZTítulo : Propuesta De Un Programa De Minimización Y Manejo De Residuos Sólidos Del Hospital Maria Auxiliadora
Autor : Gala Barraza, Yeiko Joshua
Resumen : El trabajo de investigación tuvo como objetivo elaborar el Programa de Minimización y Manejo de Residuos Sólidos del Hospital Maria Auxiliadora, en el cual se planifican las estrategias de acción para minimizar el impacto ambiental y los riesgos a la salud humana generados por estos residuos; para ello, se determinan las características de los residuos sólidos, la situación actual de la gestión y manejo de los residuos sólidos y la identificación de los riesgos por residuos sólidos peligrosos. Asimismo, el estudio tuvo un diseño de investigación aplicada no experimental, de enfoque cuantitativo, alcance descriptivo y tipo de investigación transversal; las técnicas empleadas fueron la entrevista y observación, siendo los principales instrumentos utilizados las fichas de caracterización y las fichas de evaluación de gestión y manejo de residuos sólidos, ambas fichas incluidas en la Norma Técnica de Salud N° 144-MINSA/2018/DIGESA, y la Matriz de evaluación y control de riesgos incluida en la Resolución Directoral N° 1075-2016-MTC/16. En cuanto a las conclusiones se tiene que el hospital genera residuos peligrosos (biocontaminados y especiales) y no peligrosos (comunes), de los cuales el residuo con más porcentaje de generación en peso son biocontaminados con 48.71% y el de menor porcentaje son especiales con 1.89%. La gestión de los residuos sólidos es ACEPTABLE, sin embargo, no se presentó la Declaración Anual de Residuos Sólidos, ni el Programa de Manejo de Residuos Sólidos en las fechas establecidas por la NTS N° 144-MINSA/2018/DIGESA. El manejo de residuos sólidos tiene una valoración ACEPTABLE excepto en la etapa de Almacenamiento Intermedio que tiene valoración DEFICIENTE, evidenciándose la falta de ambientes con acceso restringido y elementos de señalización para el correcto almacenamiento temporal de los residuos. Además, los riesgos identificados durante el manejo de residuos sólidos fueron derrame, infiltración, contacto inhalación y contacto cutáneo, debido a la presencia de material peligroso y mala segregación de los residuos.2022-01-01T00:00:00ZCorrelación Entre El Material Particulado Y Las Variables Meteorológicas Utilizando El Modelo Wrf- Chem En Lima Metropolitana En El Mes De Febrero De 2018Ayma Choque, Elizabethhttps://repositorio.untels.edu.pe/jspui/handle/123456789/7892023-10-31T20:31:08Z2022-01-01T00:00:00ZTítulo : Correlación Entre El Material Particulado Y Las Variables Meteorológicas Utilizando El Modelo Wrf- Chem En Lima Metropolitana En El Mes De Febrero De 2018
Autor : Ayma Choque, Elizabeth
Resumen : La presente investigación se realizó con el objetivo de analizar la correlación entre el comportamiento de las variables meteorológicas: humedad relativa, velocidad del viento y temperatura del aire (simuladas y observadas) y el comportamiento del material particulado (PM10 y PM2.5) en Lima metropolitana en el mes de febrero en el 2018, para lo cual se utilizó el modelo WRF-Chem con grillas de 5 Km x 5 Km en Lima metropolitana para la simulación de las variables meteorológicas. Para verificar la habilidad de la simulación de las variables meteorológicas (humedad relativa, velocidad del viento y temperatura del aire) realizadas por el modelo WRF-Chem se hizo uso de 7 pruebas estadísticas (BIAS, RATIO, IAO, MNB, ERROR GROS, MNGE y RMSE) y también se realizó una comparación gráfica, mediante grafico de series de tiempo de los valores observados y simulados. Para la cuantificación de la correlación entre el material particulado y las variables meteorológicas se utilizó el coeficiente de correlación de Pearson; lo cual determinará si las variables están linealmente relacionadas y para la obtención del índice de correlación se realizó mediante el programa SPSS. Posteriormente al análisis se determinó que para el objetivo: evaluar el desempeño de las variables meteorológicas simuladas con el modelo de la calidad del aire WRF-Chem en Lima Metropolitana; para la prueba estadística de BIAS para la variable meteorológica de la humedad relativa para todas las estaciones de calidad de aire (Ate, Campo de Marte, Carabayllo, Huachipa, Puente Piedra, San Borja y San Juan de Lurigancho) se concluye que en la gran mayoría de las estaciones (excepto San Borja y Campo de Marte) los valores simulados son mayores que los observados. Sin embargo, para la variable meteorológica de la velocidad del viento para todas las estaciones de calidad de aire se evidencia que los valores simulados son mayores que los observados, de la misma manera para todas las pruebas estadísticas.2022-01-01T00:00:00ZAnálisis De La Variacion Temporal Del Espesor Óptico Y La Distribución Del Tamaño Del Aerosol Atmosférico En La Ciudad De Huancayo En El Año 2016Arratea Moran, Jessica Rociohttps://repositorio.untels.edu.pe/jspui/handle/123456789/7322023-10-31T20:31:22Z2021-01-01T00:00:00ZTítulo : Análisis De La Variacion Temporal Del Espesor Óptico Y La Distribución Del Tamaño Del Aerosol Atmosférico En La Ciudad De Huancayo En El Año 2016
Autor : Arratea Moran, Jessica Rocio
Resumen : Con el motivo de analizar la variación temporal del espesor óptico del aerosol atmosférico (AOD) y conocer la distribución de sus tamaños en la provincia de Huancayo en el año 2016. Primero, se realiza un análisis de los datos observados por el fotómetro, los cuales previamente son correlacionados con los registros estimados por los satélites AQUA y TERRA obteniéndose un coeficiente de correlación de 0.44 y 0.62 respectivamente con un valor de la raíz del error cuadrático medio (RMSE) y BIAS de 0.08 y -0.04 para TERRA; y, 0.06 y -0.03 para AQUA. Lo que nos indica claramente que existe cierta subestimación por parte del instrumento MODIS en ambos casos. Adicionalmente, se realiza un análisis diario, mensual y estacional del espesor óptico del aerosol y se analiza los meses en los que se obtuvo mayores niveles de AOD fundamentando a que se debió estos niveles con los inventarios de focos activos de quema de biomasa en la Amazonía Peruana. Además, se consideró la cantidad de agua precipitable para la región y se comparó con los valores de AOD distribuidos estacionalmente. Con ayuda del coeficiente de angstrom, se puede tipificar a los aerosoles presentes en la zona durante el 2016. Para la obtención de los resultados, se graficó la distribución de los tamaños del aerosol volumen-tamaño con el propósito de identificar los tipos de partículas presentes en el periodo de estudio. A partir de ello, se obtuvo que el mayor valor de las medias diarias de AOD se obtuvo el 14 de septiembre con 0.3309, el cual fue originado debido a la gran quema de biomasa en esa época del año, que mediante un análisis de las retrotrayectorias (trayectorias de llegada al observatorio de Huancayo) se infirió que las corrientes de aire arrastraron las partículas desde los departamentos de Ucayali, Loreto, Huánuco y Pasco; que coincidentemente es el mes de septiembre con 4102 focos activos detectados. Para el caso de la variabilidad mensual es el mes de septiembre con el mayor valor con 0.1186±0.0651. A nivel estacional son los meses de invierno, primavera y verano en los que se registran mayores niveles de AOD que coinciden con las bajas precipitaciones en esos meses. Por último, el análisis de la distribución de tamaños nos indica que hay una ligera predominancia del modo grueso del modo fino en el periodo de estudio, que adicionalmente se identificaron 6 tipos de aerosoles como son continental, marítimo, contaminado, polvo, biomasa y mezcla.2021-01-01T00:00:00Z