Nitrogen is a very important parameter for water pollution control since nitrification implies in aquatic environment oxygen consumption and some nitrogen forms are toxic. In the present study, an optimization model was developed and applied aiming at simultaneous organic matter and nitrogen compounds minimum removal efficiencies determination. A water quality model and the Genetic Algorithm Metaheuristic were associated in order to solve the optimization problem. The estimated minimum efficiencies conditioned the sewage treatment systems pre-selection. The study area was the Pardo River watershed (Espírito Santo State, Brazil). The results indicate that the treatment systems need to be more efficient in ammonia removal when the treated effluents disposed in watercourses that present high pH values because ammonia toxicity increases with pH. Considering the boundary conditions assumed in this study, the pre-selection process indicated activated sludge systems, submerged aerated biofilter with nitrification, or with biological nitrogen removal, for Ibatiba city. Simpler systems such as primary treatment with septic tanks, stabilization ponds, UASB reactors and biological filters were pre-selected for Santíssima Trindade and Nossa Senhora das Graças towns.
RESUMO Este trabalho discute a aplicação das curvas de permanência de qualidade como ferramenta para subsidiar decisões sobre o enquadramento de cursos d'água superficiais. A bacia hidrográfica do Rio Benevente (Espírito Santo, Brasil) constituiu a área de estudo. As cargas totais de DBO5,20 foram estimadas para diferentes seções de controle, considerando-se o esgotamento sanitário como a única fonte poluidora. Com o auxílio do modelo QUAL-UFMG, foram avaliadas as perspectivas de enquadramento associadas a diferentes cenários de simulação da autodepuração. As curvas de permanência de qualidade para o parâmetro DBO5,20 foram construídas para rios de água doce classes 1, 2 e 3. A capacidade de autodepuração do Rio Benevente permitiu a redução de 17% da carga total de DBO5,20 aportada. Independentemente do cenário de simulação avaliado, o Rio Benevente apresentou condições de qualidade usualmente mais próximas dos padrões estabelecidos para a classe 1 de enquadramento. Nesse sentido, ainda que não ocorra ampliação da cobertura do serviço de tratamento de esgotos, as curvas de permanência de qualidade para o parâmetro DBO5,20 apontaram condições para enquadramento mais restritivo dos cursos d'água da bacia hidrográfica do Rio Benevente do que aquele acordado no enquadramento legal.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.