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
![Licence Creative Commons](http://i.creativecommons.org/l/by/4.0/88x31.png)
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).