The leachate discharges generated in sanitary landfills contain many pollutants that are harmful to the environment; treatments are scarce and should be carried out better. The use of coagulation–flocculation processes has been one of the most widely used, but due to the complexity of the characterization of the leachate, the dosing strategy of coagulants and biopolymers needs to be clarified. Therefore, the present study was carried out to determine the doses of coagulants and biopolymers suitable for coagulation–flocculation processes in the treatment of leachates using computational models of machine learning techniques such as artificial neural networks (ANNs); these allow for decreasing the operations of the tests of jars in the laboratory, optimizing resources. Through laboratory experimentation, there are real results of the effectiveness of applying biopolymers in leachate treatments at different concentration levels. The laboratory results were taken as input variables for the algorithms used; after the validation and calibration process, we proceeded to estimate predicted data with the computational model, obtaining predictions of optimal doses for treatment with high statistical adjustment indicators. It is verified that the applied coagulation–flocculation treatments reduce the turbidity values in the leachate and contaminants associated with suspended solids. In this way, the jar tests are optimized so that the operational costs decrease without affecting the results of adequate dosing.

Las aplicaciones de visión artificial y el análisis de imágenes son capaces de resolver varios problemas del sector industrial, científico o de seguridad en la actualidad. La clasificación de imágenes es muy útil en la automatización de procesos en una empresa. Para realizar una tarea de clasificación de imágenes se requiere hacer la extracción de características que identifiquen a cada tipo de imagen como por ejemplo: color, forma, textura. En el presente trabajo se requiere implementan los algoritmos para la construcción de un clasificador de imágenes de frutas basado en la extracción de las características del color de las imágenes en determinadas regiones de interés. Para el desarrollo del clasificador de imágenes de frutas se utiliza la técnica de extracción del histograma a color en tres dimensiones y con la implementación de algoritmos de inteligencia artificial se efectúa la clasificación automática de imágenes. El conjunto de datos utilizado consiste en: cuatro clases de frutas con el número variable de imágenes por cada clase, luego se preparan las imágenes seleccionando las regiones de interés mediante técnicas de enmascaramiento y se las divide en dos grupos de datos: Los datos de entrenamiento y los datos de prueba. Luego de entrenado el clasificador, se realizan pruebas de clasificación para evaluar la eficacia del clasificador de imágenes de frutas. Esta metodología de construcción e implementación del clasificador se puede usar en varias aplicaciones según las clases de imágenes de objetos a analizar en casos similares y automatizar procesos de clasificación y reconocimiento de objetos.

La morfometría de las cuencas hidrográficas de la vertiente del Pacífico en el territorio ecuatoriano es analizada con información topográfica digitalizada en un Modelo de Elevaciones obteniendo características de superficie, relieve y red hídrica, que determinan el comportamiento hidrológico. El análisis se realiza a 13 cuencas hidrográficas que representan un área de 92,775.87 km2; los resultados son obtenidos mediante un análisis estadístico de las relaciones que forman las características morfométricas, obteniendo una caracterización hidrológica de una zona de gran influencia de la vertiente del Pacífico. Los parámetros utilizados son factor de Horton, coeficiente de compacidad, densidad de drenaje, rugosidad de la cuenca, relación de bifurcación y relación de elongación. Para cada uno de los parámetros analizados se calcularon estadísticos de posición y de dispersión, además de pruebas estadísticas y análisis de agrupamiento, evaluando las relaciones que existen entre cada uno de los sistemas, obteniendo similitudes morfométricas y formando grupos

Para un correcto análisis de los recursos hídricos es necesario conocer de una manera precisa las precipitaciones de una zona, esto permitirá realizar aplicaciones con altos niveles de confiabilidad en cuanto a la cantidad de agua que se tenga en una cuenca hidrográfica. Las series suelen ser de varios años por lo que es muy probable que por fallas de los equipos, fallas humanas o pérdida de registros de almacenamiento se encuentren datos faltantes. Previo a cualquier análisis hidrológico, una tarea fundamental es tener series de datos completas y debido a la variabilidad de ciertas cuencas hidrográficas muchos de los métodos convencionales no resultan efectivos. Por tal motivo se utiliza la paquetería Climatol de R y la metodología estadística recomendada desde la normalización de los datos para evaluar su funcionamiento. Para esto se imputan los datos de la cuenca del río Jubones que se caracteriza por ser vertiente de Pacífico y por tener una gran variabilidad de precipitaciones. Se han utilizado varias métricas estadísticas de comparación para comprobar el funcionamiento de la metodología encontrando muy buenos ajustes en diversas comparaciones entre series de datos de diferentes estaciones meteorológicas.

La alteración ecosistémica debido a metales pesados es uno de los mayores problemas ambientales y de salud pública; generalmente se miden en aire, suelo y agua, pero en menor medida se conoce su incidencia sobre los seres vivos. Este trabajo se enfoca en la concentración de plomo tanto en el aire como en los bioindicadores miel y polen de abejas en Cuenca (Ecuador). Se tomaron muestras de partículas atmosféricas (PM10) en tres sitios de la zona urbana y muestras de miel y polen en 6 sitios distintos, con 3 repeticiones cada una. Se analizó la concentración de plomo mediante espectrofotometría de absorción atómica. En miel, el plomo encontrado está en un rango de 0,033 a 0,08 mg/kg, menor a los límites superiores según la norma del Servicio Nacional de Normalización del Ecuador (INEN): 1 mg/kg, y la norma europea 0,10 mg/kg. Las cantidades de plomo detectadas en polen no sobrepasan los 0,12 mg/kg, siendo inocuo para el consumo, pues, la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) establece que, el consumo máximo de plomo por individuo es de 0,214 mg al día. La densidad de plomo en partículas atmosféricas se estableció en una categoría de 1 x 10-7 a 9 x 10-7 ug/m³, entre los límites instaurados por la Organización Muncial de la Salud (OMS) de 1,5 ug/m³. Se concluye por el índice de Yuen que el polen es un mejor bioindicador de concentración por plomo que la miel y, que existen bajas ocurrencias de este metal en Cuenca, Ecuador.

Abordar el ámbito educativo universitario es exigente, debido a la carga gnoseológica y axiológica que implica el desarrollo de cada función sustantiva. Si a ello se suma una mirada desde el enfoque de género, la medición se torna compleja. Siendo el objetivo de estudio construir y validar un instrumento psicométrico de medida (cuestionario) que proporcione una escala de medición en referencia a la perspectiva de género en las funciones sustantivas, así como en los principios organizacionales de la Universidad Católica de Cuenca-Ecuador. La escala está basada en el constructo teórico de las dimensiones de valoración de la gestión, docencia, investigación y vinculación con la sociedad, así como la asequibilidad, accesibilidad, adaptabilidad y aceptabilidad, estas últimas consideradas como principios organizacionales, que constituyen ocho dimensiones definidas en una escala inicial con 58 ítems de respuestas cerradas en escala Likert. Se utilizó un análisis factorial confirmatorio, que luego de su aplicación y ajuste indicó que, el instrumento es válido y fiable para los objetivos propuestos en la creación de la escala con perspectiva de género; al tiempo que puede ser tomada como un modelo transferible a otras instituciones educativas.