Articulo de referencia

Modelo estocástico empírico de carga y dilución

El modelo estocástico empírico de carga y dilución ( SELDM ) [ 1 ] [ 2 ] [ 3 ] es un modelo de calidad de aguas pluviales . SELDM está diseñado para transformar datos científico...

El modelo estocástico empírico de carga y dilución ( SELDM ) [ 1 ] [ 2 ] [ 3 ] es un modelo de calidad de aguas pluviales . SELDM está diseñado para transformar datos científicos complejos en información significativa sobre el riesgo de efectos adversos de la escorrentía en las aguas receptoras, la necesidad potencial de medidas de mitigación y la eficacia potencial de dichas medidas de gestión para reducir estos riesgos. El Servicio Geológico de los Estados Unidos desarrolló SELDM en cooperación con la Administración Federal de Carreteras para ayudar a desarrollar estimaciones a nivel de planificación de las concentraciones medias de eventos, caudales y cargas en aguas pluviales de un sitio de interés y de una cuenca aguas arriba. SELDM utiliza información sobre un sitio de carretera, la cuenca receptora asociada, eventos de precipitación, caudal de tormenta, calidad del agua y el desempeño de las medidas de mitigación para producir una población estocástica de variables de calidad de la escorrentía. Aunque SELDM es, nominalmente, un modelo de escorrentía de carreteras, también puede utilizarse para estimar concentraciones de caudales y cargas de componentes de calidad de la escorrentía de otras áreas de uso del suelo. SELDM fue desarrollado por el Servicio Geológico de los Estados Unidos (USGS), por lo que el modelo, el código fuente y toda la documentación relacionada se proporcionan libres de cualquier restricción de derechos de autor de acuerdo con las leyes de derechos de autor de los Estados Unidos y el Aviso de Derechos de Usuario de Software del USGS. SELDM se utiliza ampliamente para evaluar el efecto potencial de la escorrentía de carreteras, puentes y áreas desarrolladas en la calidad del agua receptora con y sin el uso de medidas de mitigación. [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] Los profesionales de aguas pluviales que evalúan la escorrentía de carreteras comúnmente utilizan datos de la Base de Datos de Escorrentía de Carreteras (HRDB) con SELDM para evaluar los riesgos de efectos adversos de la escorrentía en las aguas receptoras. [ 13 ] [ 14 ] [ 15 ] [ 16 ]

SELDM es un modelo estocástico de balance de masas. [ 17 ] [ 18 ] [ 19 ] Un enfoque de balance de masas (figura 1) se aplica comúnmente para estimar las concentraciones y cargas de los componentes de la calidad del agua en las aguas receptoras aguas abajo de un punto de descarga de escorrentía urbana o de carretera. En un modelo de balance de masas, las cargas de la cuenca aguas arriba y del área de origen de la escorrentía se suman para calcular el caudal, la concentración y la carga en el agua receptora aguas abajo del punto de descarga.

Figura 1. Diagrama esquemático que muestra el enfoque de balance de masa estocástico para estimar el caudal de tormenta, la concentración y las cargas de los componentes de la calidad del agua aguas arriba de un emisario de escorrentía de carretera, desde la carretera y aguas abajo del emisario.

SELDM puede realizar un análisis de cuenca fluvial y un análisis de cuenca lacustre. El análisis de cuenca fluvial utiliza un análisis estocástico de balance de masas basado en simulaciones multianuales que incluyen cientos o miles de eventos de escorrentía. SELDM genera valores de eventos de tormenta para el sitio de interés (el sitio de la carretera) y el arroyo receptor aguas arriba para calcular caudales, concentraciones y cargas en el arroyo receptor aguas abajo del punto de descarga de aguas pluviales. El análisis de cuenca lacustre también es un análisis estocástico de balance de masas multianual. El análisis de cuenca lacustre utiliza las cargas de la carretera que ocurren durante los períodos de escorrentía, las cargas anuales totales de la cuenca lacustre para calcular las cargas anuales hacia y desde el lago. El análisis de cuenca lacustre utiliza el volumen del lago y factores de atenuación específicos de contaminantes para calcular una población de concentraciones lacustres promedio anuales.

Los caudales y cargas anuales que SELDM calcula para los análisis de arroyos y lagos también se pueden utilizar para estimar las cargas máximas diarias totales (TMDL) para el sitio de interés y la cuenca del lago aguas arriba. [ 13 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] La TMDL se puede basar en el promedio de las cargas anuales porque el producto de la carga promedio por el número de años de registro será la carga total para ese período de registro (simulado). La variabilidad en los valores anuales se puede utilizar para estimar el riesgo de excedencia y el margen de seguridad para el análisis de la TMDL.

Descripción del modelo

SELDM es un modelo estocástico porque utiliza métodos de Monte Carlo para producir las combinaciones aleatorias de valores de las variables de entrada necesarias para generar la población estocástica de valores para cada variable componente. [ 1 ] SELDM calcula la dilución de la escorrentía en las aguas receptoras y las concentraciones medias resultantes del evento aguas abajo y las concentraciones medias anuales del lago. Los resultados se clasifican y se calculan las posiciones de los gráficos para indicar el nivel de riesgo de efectos adversos causados ​​por las concentraciones, los flujos y las cargas de escorrentía en las aguas receptoras por tormenta y por año. A diferencia de los modelos hidrológicos deterministas, SELDM no se calibra cambiando los valores de las variables de entrada para que coincidan con un registro histórico de valores. En cambio, los valores de entrada para SELDM se basan en las características del sitio y en estadísticas representativas para cada variable hidrológica. Por lo tanto, SELDM es un modelo empírico basado en datos y estadísticas en lugar de ecuaciones fisicoquímicas teóricas. [ 1 ]

SELDM es un modelo de parámetros concentrados porque el sitio de la carretera, la cuenca aguas arriba y la cuenca del lago se representan como una sola unidad homogénea. [ 1 ] Cada una de estas áreas de origen se representa mediante propiedades promedio de la cuenca, y los resultados de SELDM se calculan como estimaciones puntuales para el sitio de interés. El uso del enfoque de parámetros concentrados facilita la especificación rápida de los parámetros del modelo para desarrollar estimaciones a nivel de planificación con los datos disponibles. El enfoque permite la parsimonia en las entradas y salidas requeridas del modelo y flexibilidad en su uso. Por ejemplo, SELDM se puede utilizar para modelar la escorrentía de diversas coberturas o usos del suelo utilizando la definición del sitio de la carretera, siempre que se disponga de datos representativos de calidad del agua y fracción impermeable. [ 1 ]

SELDM es fácil de usar porque tiene una interfaz gráfica de usuario simple y porque gran parte de la información y los datos necesarios para ejecutar SELDM están integrados en el modelo. [ 1 ] SELDM proporciona estadísticas de entrada para precipitación, flujo pretormenta, coeficientes de escorrentía y concentraciones de componentes seleccionados de la calidad del agua de conjuntos de datos nacionales. Las estadísticas de entrada se pueden seleccionar en función de la latitud, la longitud y las características físicas del sitio de interés y la cuenca aguas arriba. El usuario también puede derivar e ingresar estadísticas para cada variable que sean específicas de un sitio de interés determinado o un área determinada. Se recopiló información y datos de cientos a miles de sitios en todo el país para facilitar el uso de SELDM. [ 24 ] [ 25 ] [ 26 ] [ 27 ] La mayoría de los datos de entrada necesarios se obtienen definiendo la ubicación del sitio de interés y cinco propiedades simples de la cuenca. Estas propiedades de la cuenca son el área de drenaje, la longitud de la cuenca, la pendiente de la cuenca, la fracción impermeable y el factor de desarrollo de la cuenca [ 1 ] [ 28 ] [ 29 ]

SELDM modela el efecto potencial de las medidas de mitigación utilizando métodos de Monte Carlo con estadísticas que aproximan los efectos netos de las mejores prácticas de gestión (BMP) estructurales y no estructurales. [ 1 ] [ 13 ] [ 30 ] [ 31 ] Las BMP estructurales se definen como los componentes de la vía de drenaje entre la fuente de escorrentía y un punto de descarga de aguas pluviales que afectan el volumen, el momento o la calidad de la escorrentía. SELDM utiliza un modelo estadístico estocástico simple del rendimiento de las BMP para desarrollar estimaciones a nivel de planificación de las características del evento de escorrentía. Este enfoque estadístico puede utilizarse para representar una sola BMP o un conjunto de BMP. El módulo de tratamiento de BMP de SELDM tiene disposiciones para el modelado estocástico de tres tratamientos de aguas pluviales: reducción de volumen, extensión del hidrograma y tratamiento de la calidad del agua. En SELDM, estas tres variables de tratamiento se modelan utilizando la distribución trapezoidal [ 32 ] y la correlación de rangos [ 33 ] con las variables de escorrentía de carreteras asociadas. Este informe describe métodos para calcular las estadísticas de distribución trapezoidal y los coeficientes de correlación de rangos para el modelado estocástico de la reducción de volumen, la extensión del hidrograma y el tratamiento de la calidad del agua mediante BMP estructurales para aguas pluviales, y proporciona los valores calculados para estas variables. Estas estadísticas difieren de las estadísticas comúnmente utilizadas para caracterizar o comparar las BMP. Están diseñadas para proporcionar una función de transferencia estocástica que aproxime la cantidad, la duración y la calidad del efluente de las BMP, dados los valores de entrada asociados para una población de eventos de tormenta. [ 1 ]

Interfaz del modelo

SELDM se desarrolló como una aplicación de software de base de datos de Microsoft Access® para facilitar el almacenamiento, la gestión y el uso del conjunto de datos hidrológicos mediante una interfaz gráfica de usuario (GUI) sencilla. [ 1 ] La GUI del programa, basada en menús, utiliza controles de interfaz estándar de Microsoft Visual Basic para Aplicaciones® (VBA) para facilitar la entrada, el procesamiento y la salida de datos. El apéndice 4 del manual de SELDM [ 1 ] contiene instrucciones detalladas para el uso de la GUI.

La interfaz de usuario de SELDM cuenta con uno o más formularios GUI que se utilizan para ingresar cuatro categorías de datos de entrada: documentación, información del sitio y la región, estadísticas hidrológicas y datos de calidad del agua. Los datos de documentación incluyen información sobre el analista, el proyecto y el análisis. Los datos del sitio y la región incluyen las características del sitio de la carretera, las ecorregiones , las características de la cuenca aguas arriba y, si se selecciona un análisis de lago, las características de la cuenca del lago. Los datos hidrológicos incluyen estadísticas de precipitación, caudal y coeficiente de escorrentía. Los datos de calidad del agua incluyen estadísticas de calidad de la escorrentía de la carretera, estadísticas de calidad del agua aguas arriba, definiciones de calidad del agua aguas abajo y estadísticas de rendimiento de las mejores prácticas de gestión (BMP). También hay un formulario GUI para ejecutar el modelo y acceder al conjunto de archivos de salida. La interfaz de SELDM está diseñada para llenar la base de datos con datos y estadísticas para el análisis y para especificar variables de índice que el programa utiliza para consultar la base de datos cuando se ejecuta SELDM. Es necesario completar los formularios de entrada cada vez que se ejecuta un análisis. [ 1 ]

Salida del modelo

Los resultados de cada análisis SELDM se escriben en 5 a 10 archivos de salida, según las opciones seleccionadas durante el proceso de especificación del análisis. Los cinco archivos de salida que se crean para cada ejecución del modelo son la documentación de salida, la calidad de la escorrentía de la carretera, la escorrentía anual de la carretera, los eventos de precipitación y el archivo de caudal de tormenta. Si se seleccionan las opciones de salida Cuenca del arroyo o Cuenca del arroyo y del lago, también se crean los archivos de caudal previo a la tormenta y factor de dilución. Si se seleccionan estas mismas dos opciones de salida y, además, se define uno o más pares de calidad del agua aguas abajo mediante el menú de calidad del agua, SELDM también crea los archivos de salida de calidad del agua aguas arriba y aguas abajo. Si se selecciona la opción Salida de Cuenca del arroyo y del lago o Salida de Cuenca del lago, y se define uno o más pares de calidad del agua aguas abajo mediante el menú de calidad del agua, se crea el archivo de salida Análisis del lago cuando se ejecuta el Análisis de la Cuenca del lago. Los archivos de salida se escriben como archivos de texto ASCII delimitados por tabulaciones en formato de base de datos relacional (RDB) que se puede importar a muchos paquetes de software. Esta salida está diseñada para facilitar el análisis posterior al modelado y la presentación de resultados. [ 1 ]

El beneficio del análisis de Monte Carlo no radica en disminuir la incertidumbre en las estadísticas de entrada, sino en representar las diferentes combinaciones de las variables que determinan los riesgos potenciales de las excursiones de calidad del agua. SELDM proporciona un método para la evaluación rápida de información que de otro modo sería difícil o imposible de obtener, ya que modela las interacciones entre variables hidrológicas (con diferentes distribuciones de probabilidad) que dan como resultado una población de valores que representan los probables resultados a largo plazo de los procesos de escorrentía y los efectos potenciales de diferentes medidas de mitigación. SELDM también proporciona los medios para realizar rápidamente análisis de sensibilidad para determinar los efectos potenciales de diferentes supuestos de entrada sobre los riesgos de las excursiones de calidad del agua. SELDM produce una población de valores anuales y de eventos de tormenta para abordar las preguntas sobre la frecuencia, magnitud y duración potenciales de las excursiones de calidad del agua. La salida representa una colección de eventos aleatorios en lugar de una serie temporal . Cada tormenta que se genera en SELDM se identifica por un número de secuencia y un año de contabilidad de carga anual. El modelo genera cada tormenta aleatoriamente; no hay autocorrelación y el orden de las tormentas no refleja patrones estacionales. Los años de contabilidad de carga anual, que son simplemente colecciones aleatorias de eventos generados con la suma de los tiempos entre eventos de tormenta menores o iguales a un año, se utilizan para generar flujos y cargas anuales de carreteras para el análisis TMDL y el análisis de la cuenca del lago. [ 1 ]

En 2019, el USGS desarrolló un posprocesador de modelos para SELDM para facilitar el análisis y la representación gráfica de los resultados de las simulaciones de SELDM; ese software, conocido como InterpretSELDM, está disponible en el dominio público en un sitio de ScienceBase del USGS. [ 34 ]

Historia

SELDM se desarrolló entre 2010 y 2013 y se publicó como versión 1.0.0 en marzo de 2013. Se descubrió un pequeño problema con el algoritmo utilizado para calcular las curvas de transporte aguas arriba y en la cuenca del lago, y se lanzó la versión 1.0.1 en julio de 2013. La versión 1.0.2 se lanzó en junio de 2016 para utilizar la fórmula de posición de trazado de Cunnane para todos los archivos de salida. La versión 1.0.3 se lanzó en julio de 2018 para solucionar problemas con los cálculos de carga para componentes con concentraciones de nanogramos por litro o picogramos por litro y para solucionar otros problemas diversos. La versión 1.1.0 se publicó en mayo de 2021 para añadir el procesamiento por lotes , cambiar la duración de la escorrentía de la carretera utilizada para las curvas de transporte aguas arriba de la duración de la descarga, que podía variar de una BMP a otra, a la duración y el volumen concurrentes de la escorrentía, y corregir un problema que permitía a los usuarios simular una variable dependiente en un análisis de lago sin la variable explicativa, lo que provocaba un error. La versión 1.1.1 se publicó en diciembre de 2022 para que SELDM fuera compatible con las versiones de 32 y 64 bits de Microsoft Office; esta versión tiene la capacidad de simular contaminantes emergentes, incluidos los microplásticos , PFAS/PFOS (véase Sustancias perfluoroalquiladas y polifluoroalquiladas y Ácido perfluorooctanosulfónico ) y productos químicos de neumáticos (véase Fabricación de neumáticos , Contaminación del caucho y 6PPD ). El código de SELDM es de código abierto y de dominio público y se puede descargar desde la página de soporte del software SELDM. [ 35 ]

Véase también

Referencias

  1. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Granato, GE, 2013, Modelo estocástico empírico de carga y dilución (SELDM) versión 1.0.0: Técnicas y métodos del Servicio Geológico de los Estados Unidos, libro 4, cap. C3, 112 págs. https://pubs.usgs.gov/tm/04/c03/
  2. Granato, GE, 2014, SELDM: Modelo estocástico empírico de carga y dilución, versión 1.0.3. Página de soporte del software disponible en https://doi.org/10.5066/F7TT4P3G
  3. Granato, GE, 2022, Archivo de software del modelo estocástico empírico de carga y dilución (SELDM) (versión 1.1.1): lanzamiento de software del Servicio Geológico de los Estados Unidos, https://doi.org/10.5066/P9PYG7T5 .
  4. Risley, JC y Granato, GE, 2014, Evaluación de los efectos potenciales de la escorrentía de carreteras en la calidad del agua receptora en sitios seleccionados de Oregón con el modelo estocástico empírico de carga y dilución (SELDM): Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2014–5099, 74 págs.
  5. Granato, GE y Jones, SC, 2017, Estimación de riesgos de excedencias de calidad del agua por cobre total proveniente de escorrentía urbana y de carreteras en condiciones previas al desarrollo y actuales con el Modelo Estocástico Empírico de Carga y Dilución (SELDM): en Actas del Congreso Mundial de Medio Ambiente y Recursos Hídricos de 2017, Sacramento, CA, 21-25 de mayo de 2017, Reston, VA, Sociedad Estadounidense de Ingenieros Civiles, 15 págs. https://ascelibrary.org/doi/abs/10.1061/9780784480601.028
  6. Smith, KP, Sorenson, JR y Granato, GE, 2018, Caracterización de la escorrentía de aguas pluviales de los tableros de puentes en el este de Massachusetts, 2014–16: Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2018–5033, 73 págs., https://doi.org/10.3133/sir20185033
  7. Granato, GE y Jones, SC, 2015, Estimación de los riesgos de efectos adversos del fósforo total en arroyos receptores con el modelo estocástico empírico de carga y dilución (SELDM) en Actas de la Conferencia Internacional de Ecología y Transporte de 2015 (ICOET 2015), 20-24 de septiembre de 2015, Raleigh, Carolina del Norte: Raleigh, Carolina del Norte, Centro para el Transporte y el Medio Ambiente, 18 págs.
  8. Stonewall, AJ, Granato, GE y Glover-Cutter, KM, 2019, Evaluación de los efectos potenciales de la escorrentía urbana y de carreteras en los arroyos receptores en cuencas hidrográficas con carga máxima diaria total en Oregón utilizando el modelo estocástico empírico de carga y dilución: Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2019–5053, 116 págs., https://doi.org/10.3133/sir20195053 .
  9. Weaver, JC, Granato, GE y Fitzgerald, SA, 2019, Evaluación de la calidad del agua de la escorrentía de carreteras en sitios seleccionados de Carolina del Norte con el modelo estocástico empírico de carga y dilución (SELDM): Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2019–5031, 99 págs., https://doi.org/10.3133/sir20195031
  10. Jeznach, LC y Granato, GE, 2020, Comparación de las concentraciones de fósforo total simuladas por SELDM con criterios ecológicos de área impermeable: Journal of Environmental Engineering: vol. 146, n.° 8, 10 págs. https://doi.org/10.1061/(ASCE)EE.1943-7870.0001763
  11. Stonewall, AJ, Yates, MC y Granato, GE, 2022, Evaluación del impacto de la aplicación de descongelante de cloruro en el paso de Siskiyou, sur de Oregón: Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2022–5091, 94 págs., https://doi.org/10.3133/sir20225091
  12. Granato, GE, Spaetzel, AB y Jeznach, LC, 2022, Archivo de modelos para el análisis de flujos, concentraciones y cargas de escorrentía urbana y de carreteras y aguas pluviales receptoras en el sur de Nueva Inglaterra con el modelo estocástico empírico de carga y dilución (SELDM): publicación de datos del Servicio Geológico de los Estados Unidos, https://doi.org/10.5066/P9CZNIH5
  13. 1 2 3 4 Granato, GE, Spaetzel, AB y Jeznach, LC, 2023, Enfoques para evaluar flujos, concentraciones y cargas de escorrentía urbana y de carreteras y aguas pluviales receptoras en el sur de Nueva Inglaterra con el modelo estocástico empírico de carga y dilución (SELDM): Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2023–5087, 152 p., https://doi.org/10.3133/sir20235087 .
  14. Granato, GE y Jones, SC, 2019, Simulación de la calidad de la escorrentía con la base de datos Highway-Runoff y el modelo estocástico empírico de carga y dilución: Transportation Research Record, Journal of the Transportation Research Board, vol. 2673, n.º 1, págs. 136-142, https://doi.org/10.1177/0361198118822821
  15. Granato, GE, 2019, Highway-Runoff Database (HRDB) Versión 1.1.0: Publicación de datos del Servicio Geológico de los Estados Unidos, https://doi.org/10.5066/P94VL32J
  16. Jeznach, LC, Granato, GE, Sharar-Salgado, D., Jones, SC, y Imig, D., 2023, Evaluación de los efectos potenciales del cambio climático en los flujos y cargas de escorrentía de carreteras en el sur de Nueva Inglaterra mediante análisis espacio-temporales a nivel de planificación: Transportation Research Record, vol. 2677, n.º 7, págs. 570–581, https://doi.org/10.1177/03611981231155183 .
  17. Di Toro, DM, 1984, Modelo de probabilidad de la calidad del arroyo debido a la escorrentía: Journal of Environmental Engineering, vol. 110, n.º 3, págs. 607–628.
  18. Warn, AE y Brew, JS, 1980, Balance de masas: Water Research, vol. 14, págs. 1427–1434.
  19. Schwartz, SS y Naiman, DQ, 1999, Sesgo y varianza de las estimaciones de cargas contaminantes a nivel de planificación: Water Resources Research, vol. 35, n.º 11, págs. 3475–3487.
  20. Granato, GE y Jones, SC, 2017, Estimación de las cargas máximas diarias totales con el modelo estocástico empírico de carga y dilución: Transportation Research Record, Journal of the Transportation Research Board, n.° 2638, págs. 104-112. https://doi.org/10.3141/2638-12
  21. Stonewall, AJ, Granato, GE y Haluska, TL, 2018, Evaluación de las contribuciones de las carreteras a los flujos, concentraciones y cargas de aguas pluviales mediante la aplicación StreamStats: Transportation Research Record, Journal of the Transportation Research Board, 9 p. https://doi.org/10.1177/0361198118758679
  22. Academias Nacionales de Ciencias, Ingeniería y Medicina, 2019, Enfoques para determinar y cumplir con los requisitos del TMDL relacionados con la escorrentía de aguas pluviales en carreteras. Washington, DC, The National Academies Press, 150 p. https://doi.org/10.17226/25473
  23. Granato, GE y Friesz, PJ, 2021, Enfoques para evaluar los rendimientos anuales a largo plazo de la escorrentía urbana y de carreteras en áreas seleccionadas de California con el Modelo Estocástico Empírico de Carga y Dilución (SELDM): Informe de Investigaciones Científicas del Servicio Geológico de los Estados Unidos 2021–5043, 37 págs., https://doi.org/10.3133/sir20215043
  24. Granato, GE y Cazenas, PA, 2009, Highway-Runoff Database (HRDB Versión 1.0): un almacén de datos y preprocesador para el modelo estocástico empírico de carga y dilución: Washington, DC, Departamento de Transporte de EE. UU., Administración Federal de Carreteras, FHWA-HEP-09-004, 57 págs.
  25. Granato, GE, Carlson, CS y Sniderman, BS, 2009, Métodos para el desarrollo de estimaciones de la calidad del agua de los arroyos a nivel de planificación en sitios no monitoreados en los Estados Unidos continentales: Washington, DC, Departamento de Transporte de los Estados Unidos, Administración Federal de Carreteras, FHWA-HEP-09-003, 53 págs.
  26. Granato, GE, 2010, Métodos para el desarrollo de estimaciones a nivel de planificación del flujo de tormenta en sitios no monitoreados en los Estados Unidos continentales: Washington, DC, Departamento de Transporte de los Estados Unidos, Administración Federal de Carreteras, FHWA-HEP-09-005, 90 págs.
  27. Smith, KP y Granato, GE, 2010, Calidad de la escorrentía de aguas pluviales descargada desde las carreteras de Massachusetts, 2005–07: Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2009–5269, 198 págs.
  28. Granato, GE, 2012, Estimación del tiempo de retardo de la cuenca y los índices de sincronización del hidrograma utilizados para caracterizar los flujos de tormenta para el análisis de la calidad de la escorrentía: Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2012–5110, 47 págs.
  29. Stricker, VA y Sauer, VB, 1982, Técnicas para estimar hidrogramas de inundación para cuencas urbanas sin aforo: Informe de archivo abierto del Servicio Geológico de los Estados Unidos 82–365, 24 págs.
  30. Granato, GE, 2014, Estadísticas para el modelado estocástico de la reducción de volumen, extensión del hidrograma y tratamiento de la calidad del agua mediante las mejores prácticas de gestión (BMP) de la escorrentía pluvial estructural: Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2014–5037, 37 p., https://dx.doi.org/10.3133/sir20145037 .
  31. Granato, GE, Spaetzel, AB y Medalie, L., 2021, Métodos estadísticos para simular las mejores prácticas de gestión (BMP) de la escorrentía pluvial estructural con el modelo estocástico empírico de carga y dilución (SELDM): Informe de investigaciones científicas del Servicio Geológico de los Estados Unidos 2020–5136, 41 págs., https://doi.org/10.3133/sir20205136 .
  32. Kacker, RN y Lawrence, JF, 2007, Distribuciones trapezoidales y triangulares para la evaluación de tipo B de la incertidumbre estándar: Metrologia, vol. 44, n.º 2, págs. 117-127.
  33. Helsel, DR y Hirsch, RM, 2002, Métodos estadísticos en recursos hídricos: análisis e interpretación hidrológica: técnicas de investigación de recursos hídricos del Servicio Geológico de los Estados Unidos, libro 4, cap. A3, 510 págs.
  34. Granato, GE, 2019, InterpretSELDM versión 1.0 El intérprete de salida del modelo estocástico empírico de carga y dilución (SELDM): lanzamiento de software del Servicio Geológico de los Estados Unidos, https://doi.org/10.5066/P9395YHY .
  35. Granato, GE, 2022, Archivo de software del modelo estocástico empírico de carga y dilución (SELDM): versión de software del Servicio Geológico de los Estados Unidos, https://doi.org/10.5066/P9PYG7T5

Dominio público Este artículo incorpora material de dominio público procedente de sitios web o documentos del Servicio Geológico de los Estados Unidos .

  • Página de documentación de SELDM
  • Página de soporte del software SELDM
  • Archivo de software SELDM
  • Página de YouTube sobre aguas pluviales