Monitoramento do consumo de água: uma revisão narrativa
DOI :
https://doi.org/10.18830/issn.1679-0944.n34.2023.18Mots-clés :
Consumo de água, Monitoramento, Edifícios, Ambiente urbanoRésumé
A adoção de estratégias para o monitoramento do consumo de água é essencial para a manutenção e promoção da sustentabilidade dos recursos hídricos. Na escala urbana, as técnicas de monitoramento podem auxiliar na gestão dos sistemas de distribuição, e na escala edificada, contribuir para o desenvolvimento de práticas sustentáveis de consumo de água. Este artigo apresenta uma revisão narrativa de estudos abrangendo a temática do monitoramento de água com intuito de contribuir para o aprimoramento do conhecimento acerca do assunto e para a compreensão das técnicas utilizadas para o monitoramento do consumo de água no ambiente urbano e no ambiente construído. Desta forma, é apresentada uma síntese dos equipamentos e métodos mais utilizados para a obtenção e posterior monitoramento dos dados de consumo de água, além da distribuição geográfica e temporal das publicações, considerando a escala (residencial ou urbana) empregada nos estudos.
Téléchargements
Références
ABES – Associação Brasileira de Engenharia Sanitária e Ambiental. Perdas em sistemas de abastecimento de água: diagnóstico, potencial de ganhos com sua redução e propostas de medidas para o efetivo combate. 2013. Disponível em: <http://www.abes-sp.org.br/arquivos/perdas.pdf>. Acesso em: 08 de nov. de 2020.
AHN, J.; JUNG, D. Hybrid Statistical Process Control Method for Water Distribution Pipe Burst Detection. Journal of Water Resources Planning and Management, v. 145, n. 9, p. 06019008, 2019.
ALI, A. M.; SHAFIEE, M. E.; BERGLUND, E. Z. Agent-based modeling to simulate the dynamics of urban water supply: Climate, population growth, and water shortages. Sustainable Cities and Society, v. 28, p. 420-434, 2017.
ANA – Agência Nacional de Águas. Conjuntura dos recursos hídricos no Brasil 2018: relatório pleno. Brasília: Agência Nacional de Águas (ANA), 2018. 72 p.
ANTZOULATOS, G.; MOURTZIOS, C.; STOURNARA, P.; KOULOGLOU, I.; PAPADIMITRIOU, N.; SPYROU, D.; MENTES, A.; NIKOLAIDIS, E.; KARAKOSTAS, A.; KOURTESIS, D.; VROCHIDIS, S.; KOMPATSIARIS, I. Making urban water smart: the SMART-WATER solution. Water Science & Technology, v. 82, n. 12, p. 2691-2710, 2020.
ARAL, M. M.; GUAN, J.; MASLIA, M. L.; GRAYMAN, W. M. Optimization model and algorithms for design of water sensor placement in water distribution systems. Proceedings of the 8th Annual Water Distribution Systems Analysis Symposium, Cincinnati, p. 27-30, ago. 2006.
ASSIS, J. P. de; SOUSA, R. P. de; LINHARES, P. C. F. Testes de hipóteses estatísticas. Mossoró: EdUFERSA, 2020. 182 p.
BALLING JR., R. C.; GOBER, P. Climate Variability and Residential Water Use in the City of Phoenix, Arizona. Journal of Applied Meteorology and Climatology, v. 46, p. 1130-1137, 2007. https://doi.org/10.1175/JAM2518.1
BALLING JR., R. C.; GOBER, P.; JONES, N. Sensitivity of residential water consumption to variations in climate: An intraurban analysis of Phoenix, Arizona. Water Resources Research, v. 44, W10401, 2008. https://doi.org/10.1029/2007WR006722
BAKKER, M.; JUNG. D.; VREEBURG, J.; VAN DE ROER, M.; LANSEY, K.; RIETVELD, L. Detecting pipe bursts using Heuristic and CUSUM methods. Procedia Engineering, v. 70, p. 85-92, 2014. https://doi.org/10.1016/j.proeng.2014.02.011
BARDIN, L. Análise de conteúdo. São Paulo: Edições 70, 2016.
BATES, B.; KUNDZEWICZ, Z. W.; WU, S.; PALUTIKOF, J. Climate Change and Water. Technical Paper of the Intergovernmental Panel on Climate Change. Geneva: IPCC Secretariat, 2008. 210 p.
BORGES, A. P. A.; JUNG, D.; KIM, J. H. Smart WDS management: Pipe burst detection using real-time monitoring data. IEEE SmartWorld, p. 1-4, 2017.
BUREK, P.; SATOH, Y.; FISCHER, G.; KAHIL, T.; JIMENEZ, L. N.; SCHERZER, A.; TRAMBEREND, S.; WADA, Y.; EISNER, S.; FLÖRKE, M.; HANASAKI, N.; MAGNUSZIEWSKI, P.; COSGROVE, W.; WIBERG, D. Water futures and solution: fast track initiative. Áustria: IIASA, 2016. 88 p.
CARDELL-OLIVER, R. Water use signature patterns for analyzing household consumption using medium resolution meter data. Water Resources Research, v. 49, p. 8589-8599, 2013. https://doi.org/10.1002/2013WR014458
CASSIDY, J.; BARBOSA, B.; DAMIÃO, M.; RAMALHO, P.; GANHÃO, A.; SANTOS, A.; FELICIANO, J. Taking water efficiency to the next level: digital tools to reduce non-revenue water. Journal of Hydroinformatics, v. 23, n. 3, p. 453-465, 2021.
COMINOLA, A.; GIULIANI, M.; PIGA, D.; CASTELLETTI, A.; RIZZOLI, A. E. Benefits and challenges of using smart meters for advancing residential water demand modeling and management: A review. Environmental Modelling & Software, v. 72, p. 198-214, 2015.
COMINOLA, A.; GIULIANI, M.; CASTELLETTI, A.; ROSENBERG, D.E.; ABDALLAH, A.M. Implications of data sampling resolution on water use simulation, end-use disaggregation, and demand management. Environmental Modelling & Software, v. 102, p. 199-212, 2018. https://doi.org/10.1016/j.envsoft.2017.11.022
CRESPO, A. A. Estatística. 20 ed. São Paulo: Saraiva, 2020.
DI MAURO, A.; COMINOLA, A.; CASTELLETTI, A.; DI NARDO, A. [Banco de dados] Urban Water Consumption at Multiple Spatial and Temporal Scales. A Review of Existing Datasets. Zenodo. 2020. https://doi.org/10.5281/zenodo.4390460
DI MAURO, A.; COMINOLA, A.; CASTELLETTI, A.; DI NARDO, A. Urban Water Consumption at Multiple Spatial and Temporal Scales. A Review of Existing Datasets. Water, v. 13, n. 36, 2021. https://doi.org/10.3390/w13010036
DURMUSOGLU, A. Updating technology forecasting models using statistical control charts. Kybernetes, v. 47, n. 4, p. 672-688, 2018. https://doi.org/10.1108/K-04-2017-0144
FLICK, U. Introdução à metodologia de pesquisa um guia para iniciantes. Tradução: Magda Lopes. Porto Alegre: Penso, 2012.
FUENTES, H.; MAURICIO, D. Smart water consumption measurement system for houses using IoT and cloud computing. Environmental Monitoring and Assessment, v. 192, n. 602, 2020.
GARCIA, J.; SALFER, L. R.; KALBUSCH, A.; HENNING, E. Identifying the Drivers of Water Consumption in Single-Family Households in Joinville, Southern Brazil. Water, v. 11, 2019. https://doi.org/10.3390/w11101990
GARGANO, R.; DI PALMA, F.; DE MARINIS, G.; GRANATA, F.; GRECO, R. A stochastic approach for the water demand of residential end users. Urban Water Journal, v. 13, p. 569-582, 2016.
GAUTAM, J.; CHAKRABARTI, A.; AGARWAL, S.; SINGH, A.; GUPTA, S.; SINGH, J. Monitoring and forecasting water consumption and detecting leakage using an IoT system. Water Supply, v. 20, n. 3, p. 1103-1113, 2020.
GRANT M.J.; BOOTH, A. A typology of reviews: an analysis of 14 review types and associated methodologies. Health Info Libr J. 2009;26(2):91-108. https://doi.org/10.1111/j.1471-1842.2009.00848.x
GUTTORP, P. Stochastic Modelling of Scientific Data. Londres: Chapman & Hall, 1995. 384 p.
HIRAKATA, V. N.; BRANCO MANCUSO, A. C.; DE JEZUS CASTRO, S. M. Teste de Hipóteses: Perguntas que você sempre quis fazer, mas nunca teve coragem. Clinical & Biomedical Research, v. 39, n. 2, p. 181-185, 2019. https://doi.org/10.4322/2357-9730.93649.
IGLESIAS, C.; SANCHO, J.; PIÑEIRO, J. I.; MARTÍNEZ, J.; PASTOR, J. J.; TABOADA, J. Shewhart-type control charts and functional data analysis for water quality analysis based on a global indicator. Desalination and Water Treatment, v. 57, n. 6, p. 2669-2684, 2016. https://doi.org/10.1080/19443994.2015.1029533.
JAHAN, N.; NAVEED, S.; ZESHAN, M.; TAHIR, M.A. How to Conduct a Systematic Review: A Narrative Literature Review. Cureus. 2016;8(11): e864. https://doi.org/10.7759/cureus.864.
JUNG, D.; LANSEY, K. Water Distribution System Burst Detection Using a Nonlinear Kalman Filter. Journal of Water Resources Planning and Management, v. 141, n. 5, p. 04014070-2, 2015.
LIEMBERGER, R.; WYATT, A. Quantifying the global non-revenue water problem. Water Supply, v. 19 (3): 831–837, 2019. https://doi.org/10.2166/ws.2018.129.
LEOTTI, V. B.; MANCUSO, A. C. B.; BORGES, R. B.; DE JEZUS CASTRO, S. M.; HIRAKATA, V. N.; CAMEY, S. A. Modelagem estatística: Perguntas que você sempre quis fazer, mas nunca teve coragem. Clinical & Biomedical Research, v. 39, n. 4, p. 356-363, 2020. https://doi.org/10.22491/2357-9730.98944.
LOUREIRO, D.; ALEGRE, H.; COELHO, S. T.; MARTINS, A.; MAMADE, A. A new approach to improve water loss control using smart metering data. Water Supply, v. 14, n. 4, p. 618-625, 2014.
MANCUSO, A. C. B.; CASTRO, S. M. DE J.; GUIMARÃES, L. S. P.; LEOTTI, V. B.; HIRAKATA, V. N.; CAMEY, S. A. Estatística Descritiva: Perguntas que você sempre quis fazer, mas nunca teve coragem. Clinical & Biomedical Research, v. 38, n. 4, p. 414-418, 2019. https://doi.org/10.4322/2357-9730.89242.
MARTINS, R. A. Abordagens quantitativa e qualitativa. In: MIGUEL, P. A. C. Metodologia de pesquisa em engenharia de produção e gestão de operações. 2. ed. Rio de Janeiro: Elsevier, 2012, cap. 3, p. 47-63.
MEYER, B. E.; JACOBS, H. E.; ILEMOBADE, A. Classifying household water use into indoor and outdoor use from a rudimentary data set: a case study in Johannesburg, South Africa. Journal of Water, Sanitation and Hygiene for Development, v. 11, n. 3, p. 423-431, 2021. https://doi.org/10.2166/washdev.2021.229.
MONTGOMERY, D. C. Introdução ao Controle Estatístico da Qualidade. 7 ed. Rio de Janeiro: LTC, 2016.
NARAYANAN, L. K.; SANKARANARAYANAN, S. IoT-based water demand forecasting and distribution design for smart city. Journal of Water and Climate Change, v. 11, n. 4, p. 1411-1428, 2020.
OYEBODE, O.; IGHRAVWE, D. E. Urban Water Demand Forecasting: a comparative evaluation of conventional and soft computing techniques. Resources, v. 8, n. 3, p. 156, 2019. https://doi.org/10.3390/resources8030156
R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, 2022. https://www.R-project.org/.
RATHNAYAKA, K.; MALANO, H.; ARORA, M.; GEORGE, B.; MAHEEPALA, S.; NAWARATHNA, B. Prediction of urban residential end-use water demands by integrating known and unknown water demand drivers at multiple scales I: Model development. Resources, Conservation and Recycling, v. 117, p. 85-92, 2017. https://doi.org/10.1016/j.resconrec.2016.11.014.
RIZZO, E. B.; COUSIN, F. A.; LUCCA, R. M.; LAUTENSCHLAGER, S. R. Autonomous metering system for monitoring water consumption. Journal of Water Supply: Research and Technology-Aqua, 2021.
RODRIGUES, V. Como máquinas aprendem: Volume II... Algoritmos clássicos de machine learning. Florença: Publicação Independente, 2021.
ROTHER, E. T. Systematic literature review X narrative review. Acta Paul Enferm., v. 20, n. 2, p. v-vi, 2007. https://ascelibrary.org/doi/full/10.1061/%28ASCE%29PS.1949-1204.0000425.
SUKHERA, J. Narrative Reviews in Medical Education: Key Steps for Researchers. J Grad Med Educ 14 (4): 418–419, 2022a. https://doi.org/10.4300/JGME-D-22-00481.1.
SUKHERA, J. Narrative Reviews: Flexible, Rigorous, and Practical. J Grad Med Educ.14(4):414-417, 2022b. https://doi.org/10.4300/JGME-D-22-00480.1.
YAZDEKHASTI, S. et al. Sustainability analysis of a leakage-monitoring technique for water pipeline networks. Journal of Pipeline Systems Engineering and Practice, v. 11, n. 1, p. 04019052, 2020.
YOON, J. et al. A coupled human–natural system analysis of freshwater security under climate and population change. Proceedings of the National Academy of Sciences, v. 118, n. 14, p. e2020431118, 2021. https://www.pnas.org/doi/10.1073/pnas.2020431118.
WANG, Q.; WANG, X. Moving to economic growth without water demand growth – a decomposition analysis of decoupling from economic growth and water use in 31 provinces of China. Science of the Total Environment, v. 726, 2020.
WEI, Y.; WANG, Z.; WANG, H.; YAO, T.; LI, Y. Promoting inclusive water governance and forecasting the structure of water consumption based on compositional data: a case study of Beijing. Science of the Total Environment, v. 634, p. 407-416, 2018.
WILLIS, R. M.; STEWART, R. A.; GIURCO, D. P.; TALEBPOUR, M. R.; MOUSAVINEJAD, A. End use water consumption in households: Impact of sociodemographic factors and efficient devices. Journal of Cleaner Production, v. 60, p. 107-115, 2013.
WICKHAM, H. GGPLOT2: Elegant Graphics for Data Analysis. Springer-Verlag New York, 2016.
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés Paranoá 2023
Cette œuvre est sous licence Creative Commons Attribution 4.0 International.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista. http://creativecommons.org/licenses/by/4.0
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
