21
Idrovo-Novillo, Gavilanes-Terán, Veloz-Mayorga, Erazo-Arrieta, Valverde-Orozco
CUANTIFICACIÓN DE METALES EN AGUAS DE RIEGO.
ESTUDIO DE CASO EN LA PROVINCIA DE CHIMBORAZO
Metal Quantication in Irrigation Waters.
A Case Study in The Province of Chimborazo
1
J. Idrovo*,
1
I. Gavilanes,
1
N. Veloz,
2
R. Erazo,
3
H. Valverde
1
Facultad de Ciencias, Escuela Superior Politécnica de Chimborazo,
EC060155-Riobamba (Chimborazo), Ecuador
2
Centro de Servicios Técnicos y Transferencia Tecnológica Ambiental, Escuela
Superior Politécnica de Chimborazo, EC 060155-Riobamba (Chimborazo), Ecuador
3
Unidad de Admisión y Nivelación, Escuela Superior Politécnica de Chimborazo,
EC060155-Riobamba (Chimborazo), Ecuador
*e-mail: j.idrovo@espoch.edu.ec
R
esumen
A
bstract
El crecimiento de la agroindustria en el Ecuador ha causado en los últimos años graves problemas de con-
taminación ambiental que afectan a sus recursos naturales, por lo cual es importante aplicar estrategias cada
vez más ecaces para determinar las fuentes de contaminación y mitigar sus impactos en el ambiente. Una
de las más importantes es la presencia de metales pesados, por lo tanto, es fundamental la determinación
cuantitativa de ellos para llevar a cabo su gestión adecuada. La provincia de Chimborazo se encuentra ubi-
cada en la zona central de los Andes ecuatorianos y una de sus principales agroindustrias es la relacionada
con la producción de plantas ornamentales, cuya contaminación por metales pesados no ha sido sucien-
temente estudiada, especialmente en lo concerniente a las aguas de riego. El objetivo de este trabajo de
investigación fue determinar cuantitativamente por espectroscopía de emisión atómica mediante plasma de
acoplamiento inductivo, el grado de contaminación por metales pesados de las aguas de riego de la Indus-
tria Florícola “White River Roses” del cantón Penipe. Los resultados mostraron que, en general, el agua
de riego que se utiliza en esta industria agrícola no contiene cantidades signicativas de metales pesados.
The growth of agribusiness in Ecuador in recent years has caused serious problems of environmental
contamination affecting its natural resources, so it is important to implement effective strategies to
determine the sources of pollution and mitigate their impacts on the environment. One of the most
important is the presence of heavy metals, therefore, it is essential to determine quantitatively them to
carry out their proper management. The province of Chimborazo is located in the central zone of Ecua-
dorian Andes and one of its main agroindustries is related to the production of ornamental plants, whose
contamination by heavy metals has not been sufciently studied, especially with regard to the irrigation
waters. The aim of this research was to determine quantitatively by atomic emission spectroscopy using
inductive coupling plasma, the degree of contamination by heavy metals of the irrigation water of the
Floriculture Industry White River Roses of the Penipe Canton. The results showed that, in general, the
irrigation water used in this agricultural industry does not contain signicant amounts of heavy metals.
Palabras claves: Agua de riego, contaminación, metales pesados.
Fecha de recepción: 29-nov-2017
Fecha de aceptación: 08-may-2018
Keywords:
Irrigation water
,
pollution
,
h
e
avy metals
.
22
Número 19 Vol. 1 (2018)
INTRODUCCIÓN
inductivo (ICP ) que actúa simultáneamente como
Procedimiento experimental
El experimento se realizó en la Indus-
tria orícola White River Roses cantón
Penipe – Ecuador (1.6 °S, 78.5 °W). Se
tomaron muestras compuestas en cuatro
diferentes sitios de la cadena de irriga-
ción: entrada de agua del río Blanco (A),
entrada de agua del canal de riego (B),
reservorio (C) y red de distribución (D).
Se realizaron tres muestreos en diferen-
tes fechas. El agua del río y el agua del
canal ingresan al reservorio a través de
tubería, por lo que en estos dos puntos se
tomaron las muestras en el agua corrien-
te. El agua del reservorio es supercial
y la muestra se tomó sumergiendo el re-
cipiente en un lugar alejado de la orilla.
El agua del sistema de distribución de
riego proviene del reservorio a través de
tubería y su ujo es controlado mediante
válvulas. El muestreo en este punto se
realizó abriendo la válvula y dejando co-
Revista Científica
ISSN 2477-9105
MATERIALES Y MÉTODOS
ma sensibilidad,
con
límites
de
detección ,
para
algunos
elementos ,
inferiores
a
0,1
partes
por
trillón
(0,1
pg/mL)
y
que
se
determinan
con
LOD=c/(I
L+T
-
I
T
)*I
T
*(3/100)
(15).
El
objetivo
de
esta
investigación
fue
determinar
cuantitativamente
por
ICP,
el
grado
de
contaminación
por
metales
pesados
de
las
aguas
de
riego
de
la
Industria
Florícola
White
River
Roses.
atomizador y fuente de excitación (12).
El método de Plasma de Acoplamiento
Inductivo (ICP) es altamente sensible
para la determinación de metales pesa-
dos que permite detectar cualitativa y
cuantitativamente más de 70 elementos
(13,14). En las técnicas de absorción
atómica, la absorción o emisión de luz
se aplica a átomos aislados , lo cual e-
vita la complejidad de los enlaces mo-
leculares (14 ). Cuando se acopla el
ICP con el espectrómetro de masas se
obtiene un sistema de análisis multi -
elemental de elevadísi
El agua es un recurso natural fundamental para el cultivo
de plantas orícolas. La calidad del agua de riego tiene
un impacto considerable sobre el crecimiento exitoso y
la productividad de las plantas (1,2) y su conocimiento
permite realizar los cambios necesarios para garantizar la
productividad a largo plazo (1,3).
Actualmente, la mayor preocupación sobre la seguri-
dad del agua es la potencial presencia de contaminantes
químicos, procedentes de fuentes industriales, agrícolas
y urbanas (4). Los metales pesados son elementos quí-
micos metálicos que tienen una densidad relativamente
alta y son tóxicos o venenosos a bajas concentraciones
(5), provocando problemas de toxicidad en los organis-
mos vivos debido a que son bioacumulables (6). Ele-
mentos como níquel, cromo, cadmio, plomo, arsénico,
selenio y mercurio, aún en pequeñas proporciones son
potencialmente tóxicos. Una de las principales causas de
la contaminación del suelo con metales pesados (plomo,
cadmio, cromo, zinc, cobre, níquel, mercurio, mangane-
so, selenio y arsénico, entre otros) es el riego con agua
de cauces y aguas residuales contaminadas (7,8). En las
plantas el mayor riesgo de los metales pesados radica en
que pueden acumularse en las partes comestibles de los
cultivos dedicados al consumo humano o para alimento
de animales. La capacidad de absorción de las plantas
con respecto a metales pesados es variable, lo que abre
la posibilidad de adaptar la elección de cultivos según el
grado y tipo de contaminación. La absorción de metales
pesados en las plantas (especialmente cadmio y plomo)
también varía según el pH del suelo (9). Las plantas or-
namentales se han propuesto para crecimiento en suelos
contaminados con metales pesados, y también para su
uso en toremediación, determinándose que la produc-
ción de biomasa se reduce signicativamente en los sue-
los enriquecidos con metales pesados que se concentran
más en las raíces que en la parte aérea de las plantas (10).
Estudios realizados en la industria orícola, muestran
que los residuos de rosas tienen importantes cantidades
de elementos potencialmente tóxicos: Ni, Cr, Pb, As y
Se (11). Esto indicaría que este tipo de plantas podrían
utilizarse como hiperacumuladores.
La espectroscopía de emisión atómica (AES) es una téc-
nica de análisis simultáneo multielemental que permite
detectar casi todos los elementos de la tabla periódica
(12). El plasma es un gas ionizado que se induce en una
corriente de ujo de argón. Para las emisiones atómicas
comúnmente se emplea la antorcha de plasma de acopla-
miento
23
Idrovo, Gavilanes, Veloz, Erazo, Valverde
homogeneizaron
antes
de
realizar
los
análisis
de
laboratorio.
La
muestra
obtenida
se
ltró
utilizando
papel
Whatman
grado
1,
con
la
nali-
dad
de
eliminar
los
sólidos
en
suspen-
sión
(16).
Se
determinaron
parámetros
físicos:
temperatura,
pH,
CE
(conducti-
vidad
eléctrica),
y
químicos:
Ag,
As,
B,
Ba,
Be,
Ca,
Co,
Cd ,
Cr,
Cu,
Fe,
K,
Li,
Mg,
Mn,
Mo,
Ni,
Pb,
Sb,
Se,
Si,
Sn,
Sr,
Ti,
Tl,
V,
Zn.
Para
la
determina -
ción
del
potencial
de
hidrógeno
(pH )
se
empleó
el
procedimiento
de
ensa-
yo
especíco
PEE/LABCES - TTA /05
basado
en
el
método
APHA
4500-H
+
B
(17).
Para
el
análisis
de
los
meta-
les
pesados
por
ICP
se
realizó
la
di-
gestión
de
la
muestra
según
el
proce-
dimiento
indicado
por
(18)
con
diges-
tión
ácida
asistida
con
microondas
para
muestras
y
extractos
acuosos
(17 ).
Los
metales
y
metaloides
se
determi -
naron
mediante
el
procedimiento
de
ensayo
especíco
PEE/ LABCESTTA /
174
basado
en
el
método
EPA
200 .7
(19)
utilizando
un
espectrofotómetro
Thermo
Scientic
iCAP
6000
con
auto-
muestreador
CETAC
ASX
-520.
Se
pre-
paró
la
solución
patrón
para
cada
ana-
lito
diluyendo
1
mL
de
los
estándares
de
calibración
provistos
por
INORGA-
NIC
VENTURES
(1000±10)
μg/mL
2
%
HNO3
(v/v)
aforando
a
100
mL
con
agua
desionizada.
Durante
dos
horas
se
realizó
la
purga
con
Ar
para
estabilizar
los
componentes
ópticos
del
equipo
y
se
colocaron
las
muestras digeridas en el automuestreador desde donde
pasan al ICP-AES para los análisis multielementales.
Los análisis de todas las muestras se realizaron por tri-
plicado.
Métodos estadísticos
Los efectos signicativos de las variables fueron deter-
minados mediante análisis de varianza de una vía (ANO-
VA), al nivel de signicancia del 5%. Las medias de las
muestras fueron separadas usando el test de Tukey-b. To-
dos los parámetros fueron además explorados con análisis
de componentes principales (ACP) para describir las va-
riables correlacionadas en términos de un nuevo conjunto
de variables no correlacionadas, las cuales son combina-
ciones lineales de las variables originales. Las nuevas
variables calculadas se llaman componentes principales
(CPs) y son mutuamente ortogonales y no correlaciona-
das. Las primeras CPs, en orden descendente, explican
la mayoría de la varianza total de las variables origina-
les (20). El ACP permite representar el conjunto de datos
de una manera fácil de interpretar y fue aplicado a los
valores medios de las tres repeticiones de cada muestra.
El análisis de los datos se realizó después de aplicar la
rotación normalizada Varimax al sistema coordinado de
las CPs. Las cargas del factor (loadings) > |0.6| indican
correlaciones signicativas entre las variables originales
y las componentes (21,22). En base a los resultados del
ACP, una clasicación jerárquica (usando la distancia
Euclidiana y la regla de aglomeración de Ward) fue corri-
da sobre la matriz de datos para identicar similaridades
entre las muestras. Se obtuvo un dendograma que clasi-
ca las muestras. Finalmente, se hizo una clasicación no
jerárquica usando el algoritmo k-means para identicar
las muestras homogéneas y las variables más relevantes
asociadas a cada muestra. El número óptimo de grupos
se ha seleccionado con el criterio del agrupamiento cúbi-
co (22). Los análisis estadísticos fueron realizados con el
software estadístico SPSS v. 22.0.
RESULTADOS Y DISCUSIÓN
Parámetros físicos
La temperatura promedio de todo el sistema de riego fue
de 13.2 °C. Las aguas más frías provienen del canal de
riego y del río con 9.90 °C y 11.07 °C, respectivamente.
El reservorio y la red de distribución tuvieron temperatu-
ras similares con 15.97 °C y 15.83 °C, respectivamente.
En el agua analizada se encontraron valores de pH lige-
de cada sitio se
rrer el agua por 10 minutos antes de re-
alizar la recolección de la muestra (14).
Metodología
La temperatura se determinó
in situ
uti-
lizando un termómetro HANNA HI145,
cuya sonda se enjuagó previamente en
el agua a ser muestreada para evitar
contaminar las muestras. Luego las
muestras fueron selladas , etiquetadas y
transportadas en refrigeración a los la-
boratorios de la Escuela Superior Poli-
técnica de Chimborazo. Las muestras
24
Número 19 Vol. 1 (2018)
ramente alcalinos, lo cual indica que los metales pesados
están menos disponibles. El pH de la solución tiene un
efecto sobre la biodisponibilidad de la mayoría de los me-
tales pesados porque afecta el equilibrio entre la solubili-
dad, adsorción e intercambio de iones en el suelo (23,24).
Al aumentar el pH, los metales son removidos de la so-
lución del suelo y adsorbidos por los coloides disminu-
yendo su biodisponibilidad (23,25). Todos los valores de
pH están dentro del rango de límites permisibles (6 – 9);
mientras que la conductividad eléctrica mostró todos sus
valores por debajo del límite máximo permitido de 700
μScm
-1
(gura 1). Según estos dos parámetros, el agua
Figura 1. Conductividad eléctrica y pH del agua
Analito [ppb] Río Canal Reservorio Distribución ANOVA
Ag 7,128 a 7,619 a 7,367 a 6,826 a NS
As 3,187 a 2,900 a 2,302 a 5,342 a NS
Ba 29,08 a 38,99 b 30,70 a 20,07 c ***
Ca 24973 a 22387 b 26847 c 20607 d *
Cd 2,519 ab 2,776 a 4,810 c 1,779 b ***
Fe 742,4 a 165,0 b 314,7 c 236,2 d *
K 1734 a 1013 b 1817 c 1299 d *
Mg 7734 a 3706 b 8076 a 5879 c *
Mn 17,96 a 8,92 b 12,49 c 9,94 b *
Mo 34,48 a 4,25 b 3,21 b 6,54 b *
Ni 4,136 a 3,794 a 4,565 a 0,000 b *
Pb 6,479 a 6,959 a 7,261 a 6,086 a NS
Si 9341 a 8496 b 9662 c 7000 d *
Sn 3,214 a 1,813 a 2,454 a 1,557 a *
Sr 130,4 a 75,1 b 138,2 c 99,7 d *
Ti 23,86 a 2,99 b 10,40 c 9,77 c *
Tl 14,02 a 12,22 b 14,17 a 13,28 a **
***: Signicativa a P< 0.001; **: Signicativa a P< 0.01. *: Signicativa a P< 0.05. NS: No signicativa. Los valores medios en las
las seguidos por la misma letra no dieren signicativamente a P < 0.05 (test Tukey-b).
Tabla 1. Concentración de metales
analizada es recomendable para el riego
agrícola de conformidad con los límites
establecidos por la normativa ecuatoria-
na sobre criterios de calidad admisibles
para aguas de uso agrícola (26).
Parámetros químicos
Se analizaron 27 parámetros, pero úni-
camente 17 dieron resultados por enci-
ma de los límites de detección.
El agua del río tiene los promedios más
altos de Fe, Mn, Mo, Sn y Ti, debido al
arrastre de minerales. En el agua del ca-
nal se encuentran los valores promedio
más elevados de Ag y Ba provenientes
de las fuentes que lo alimentan. En el
reservorio se han encontrado los nive-
les más altos de Ca, Cd, K, Mg, Ni, Pb,
Si, Sr y Tl; que podrían asociarse con la
concentración de sus sales minerales.
Todos los analitos se encuentran dentro
de los LMP establecidos por la normati-
va ecuatoriana sobre criterios de calidad
admisibles para aguas de uso agrícola,
excepto el Mo que en la entrada del agua
del río presenta un promedio de 34,48
Revista Científica
ISSN 2477-9105
25
Idrovo, Gavilanes, Veloz, Erazo, Valverde
μg/L muy por encima del LMP=0,01
mg/L (26). El principal problema del
riego con agua que contiene elevadas
cantidades de molibdeno es que éste es
absorbido y concentrado por las plantas.
Altas concentraciones de molibdeno rara
vez retrasan el crecimiento de la planta,
pero pueden disminuir la disponibilidad
de cobre provocando hipocruposis (27)
y síndrome de molibdenosis en el orga-
nismo de los animales rumiantes (28).
La concentración elevada de Mo puede
deberse a que en las tierras altas exis-
ten minerales que lo contienen y que son
transportados por el caudal del río.
Con excepción de Ag, As y Pb, existen
diferencias signicativas en la concen-
tración media de los metales de acuerdo
al sitio de muestreo.
La tabla 2 muestra las correlaciones en-
tre los elementos. Dado que las corre-
laciones son positivas, signica que el
incremento de la concentración de un
analito implica el aumento de la concen-
tración del otro. La mejor de todas las
correlaciones es para K-Sr con r=0.997.
Los elementos que están correlaciona-
dos aportan la misma información, por
lo que podría desecharse uno de ellos,
reduciendo de esta manera el número de
metales en estudio.
Análisis multivariado
En el análisis de componentes principa-
les la medida de Kaiser–Meyer–Olkin
de suciencia del muestreo (KMO) fue
Ca Fe K Mg Mn Mo Ni Sr
Mg 0,715 0,653 0,985***
Mn 0,562 0,978*** 0,759 0,741
Mo 0,214 0,951*** 0,431 0,427 0,902***
Si 0,933*** 0,488 0,654 0,544 0,582 0,308 0,945***
Sr 0,784 0,645 0,997*** 0,993*** 0,742 0,409 0,381
Ti 0,396 0,977*** 0,713 0,725 0,957*** 0,917*** 0,190 0,700
Tl 0,675 0,571 0,877*** 0,906*** 0,634 0,363 0,185 0,891***
***: Signicativa a P< 0.001;
Tabla 2. Correlación de variables
mayor que 0.5 y el test de esfericidad de Bartlett mos-
tró un valor P <0.001. Además, ninguna de las variables
presentó un valor de extracción <0.5. Por tanto, el mode-
lo establecido fue adecuado. Las dos componentes prin-
cipales (CP) explicaron 87.44% de la variabilidad, con
contribuciones CP1: 53.68% y CP2: 33.76%. CP1 estuvo
constituida por Mn, Ti, Mg, Tl, K, Fe, Sr, Sn y Mo. Las
demás variables constituyeron CP2.
Todas las variables en CP1 están positivamente correla-
cionadas, mientras que en CP2 el As está correlacionado
negativamente con las demás variables.
CP1 CP2
Varianza explicada (%) 53,68 33,76
Varianza acumulativa (%) 53,68 87,44
Mn 0,947
Ti 0,943
Mg 0,913
Tl 0,907
K 0,907
Fe 0,905
Sr 0,900
Sn 0,879
Mo 0,763
As -0,978
Pb 0,977
Ni 0,917
Ag 0,882
Cd 0,843
Si 0,843
Ba 0,817
Ca 0,755
Tabla 3. Loadings de las variables para las componentes principales (CP)
extraídas mediante análisis ACP, para las muestras estudiadas
(sólo se reportan los loadings significativos >|0.6|).
26
Número 19 Vol. 1 (2018)
1,0
0,5
0
-0,5
-1,0
-1,5
Canal de riego
Red de distribución
Reservorio
Río Blanco
-1,5 -1,0 -0,5 0 0,5 1,0 1,5
Componente principal 1 (53,68%)
Componente principal 2 (33,76%)
Figura 2. Puntajes de las muestras en el análisis de
componentes principales
Las muestras provenientes del río Blan-
co y del reservorio se distribuyeron
sobre el lado positivo de CP1. Sobre
el lado negativo se encuentraron las
muestras que provienen del canal de
riego y de la red de distribución.
El análisis de agrupación jerárquica se
usó para estudiar la similaridad entre las
muestras. Usando un corte de 7.2 en la
distancia normalizada, se identicaron
dos grupos : un grupo que consistieron
de las muestras provenientes del río
Blanco y del reservorio , y otro grupo
compuesto por las muestras del canal
de riego y de la red de distribución.
El análisis de agrupación no jerárquico
(k-means) dio como resultado dos gru-
pos: un grupo compuesto por las mues-
tras provenientes del río Blanco y del
reservorio, y otro grupo compuesto por
las muestras del canal de riego y de la
red de distribución.
Los grupos obtenidos por los métodos
de agrupación jerárquica y no jerár-
quica , corroboraron completamente
los resultados obtenidos por el ACP
. Las muestras de agua del río
Blanco y del reservorio pertenecen al
mismo grupo debido a que el
reservorio es alimentado en mayor
volumen por el agua del río.
CONCLUSIONES
Los parámetros pH y CE se encuentra
dentro de los rangos establecidos en la le-
gislación ecuatoriana, por tanto el agua es
apropiada para el riego agrícola. El agua
es apta para su uso en irrigación agrícola,
dado que las concentraciones de los me-
tales estudiados se encuentran dentro de
los límites máximos permisibles, excepto
por el Mo proveniente del agua del río.
Aunque las cantidades de metales pesa-
dos y otras sustancias tóxicas son del or-
den de partes por billón, éstas producen
la contaminación del suelo por acumula-
ción debido al riego frecuente. El análisis
multivariado determinó que las muestras
de agua del río y del reservorio pertene-
cen al mismo grupo.
A
C
B
D
0 5 10 15 20 25
Figura 3. Agrupación jerárquica de las muestras probadas
en el presente estudio.
Grupo 1 Distancia Grupo 2 Distancia
Río Blanco 2,207 Canal de riego 2,658
Reservorio 2,207 Red de distribución 2,658
Tabla 4. Grupos k-means
Revista Científica
ISSN 2477-9105
27
Idrovo, Gavilanes, Veloz, Erazo, Valverde
AGRADECIMIENTOS
Los autores expresan su agradecimien-
to a la Empresa White River Roses
por las facilidades brindadas en la recolección de las
muestras para esta investigación y a la Escuela Supe-
rior Politécnica de Chimborazo por el apoyo logístico
y académico.
Grupo 1 Grupo 2 ANOVA
Media DE Media DE
Ag 7,25 0,17 7,22 0,56 NS
As 2,74 0,63 4,12 1,73 NS
Ba 29,89 1,15 29,53 13,38 NS
Ca 25910,00 1324,65 21496,67 1258,65 NS
Cd 3,66 1,62 2,28 0,70 NS
Fe 528,53 302,45 200,60 50,39 NS
K 1775,17 58,69 1155,78 202,54 NS
Mg 7905,00 241,36 4792,50 1536,54 NS
Mn 15,23 3,87 9,43 0,72 NS
Mo 18,85 22,11 5,40 1,62 NS
Ni 4,35 0,30 1,90 2,68 NS
Pb 6,87 0,55 6,52 0,62 NS
Si 9501,33 226,75 7747,67 1057,83 NS
Sn 2,83 0,54 1,69 0,18 NS
Sr 134,30 5,47 87,37 17,41 NS
Ti 17,13 9,52 6,38 4,79 NS
Tl 14,10 0,11 12,75 0,75 NS
***: Signicativa a P< 0.001;
Tabla 5. Valor medio y desviación estándar de las variables observadas mediante agrupación k-means.
R
eferencias
1. Bauder TA, Waskom RM, Sutherland PL, Davis JG. Irrigation Water Quality Criteria. [cited 2017
Aug 1]; Available from: https://dspace.library.colostate.edu/bitstream/handle/10217/182905/AEXT_
ucsu2062205062011.pdf?sequence=1
2. Yohannes DF, Ritsema CJ, Solomon H, Froebrich J, van Dam JC. Irrigation water management: Far-
mers’ practices, perceptions and adaptations at Gumselassa irrigation scheme, North Ethiopia. Agric Wa-
ter Manag [Internet]. 2017;191:16–28. Available from: http://www.sciencedirect.com/science/article/pii/
S0378377417301865
3. Levin M, Gealt M. Biotratamiento de residuos tóxicos y peligrosos. Madrid: McGraw-Hill; 1997.
4. Bautista Zúñiga F. Introducción al estudio de la contaminación del suelo por metales pesados. Ediciones
de la Universidad Autónoma de Yucatán; 1999. 109 p.
5. Restrepo Acevedo AM. Calibración y validación del muestreador pasivo seleccionado, para la deter-
minación de mercurio y metales pesados, simulando las condiciones ambientales reales en el laboratorio.
Corporación Universitaria Lasallista; 2015.
6. Guzmán A, Sánchez S, Flores D, Quevedo N, Váldes R. La Biorremediación, un método para descon-
taminar áreas agrícolas. Anu DICT-UNAH, Cuba 51pp, formato electrónico. 2005;
28
Número 19 Vol. 1 (2018)
7. Orroño D, Lavado R. Heavy metal accumulation in Pelargonium hortorum: Effects on growth and
development. Phyt (Buenos Aires) [Internet]. 2009 [cited 2017 Aug 1];75. Available from: http://www.
scielo.org.ar/img/revistas/phyton/v78n1/html/v78n1a13.htm
8. Wu Q, Leung JYS, Geng X, Chen S, Huang X, Li H, et al. Heavy metal contamination of soil and water
in the vicinity of an abandoned e-waste recycling site: Implications for dissemination of heavy metals.
Sci Total Environ [Internet]. 2015;506:217–25. Available from: http://www.sciencedirect.com/science/
article/pii/S0048969714015836
9. Gavilanes-Terán I, Paredes C, Pérez-Espinosa A, Ángeles Bustamante M, Gálvez-Sola L, Jara-Samanie-
go J. Opportunities and Challenges of Organic Waste Management from the Agroindustrial Sector in South
America: Chimborazo Province Case Study. Commun Soil Sci Plant Anal [Internet]. 2014;46(sup1):137–
56. Available from: http://www.scopus.com/inward/record.url?eid=2-s2.0-84924965289&partnerID=t-
ZOtx3y1
10. Vilanova Gisbert E, Sogorb Sánchez MA. Técnicas analíticas de contaminantes químicos: aplicacio-
nes toxicológicas, medioambientales y alimentarias. Ediciones Díaz de Santos; 2004.
11. Skoog DA. Fundamentals of analytical chemistry. Grupo Editorial Norma; 2004.
12. Sogorb Sánchez MA, Vilanova Gisbert E. Técnicas analíticas de contaminantes químicos : aplicacio-
nes toxicológicas, medioambientales y alimentarias. Ediciones Díaz de Santos; 2004. 305 p.
13. Marrugo-Negrete JL, Urango-Cardenas ID, Núñez SMB, Díez S. Atmospheric deposition of heavy
metals in the mining area of the San Jorge river basin, Colombia. Air Qual Atmos Heal. 2014;7(4):577–88.
14. Mulki M, Yánez O, Jaramillo M, Jácome A, Leiva E, Jaramillo P. Manual para muestreo de aguas y
sedimentos. Quito; 1998.
15. Feist B, Mikula B. Preconcentration of heavy metals on activated carbon and their determination in
fruits by inductively coupled plasma optical emission spectrometry. Food Chem [Internet]. 2014 [cited
2018 Mar 25];147 :302 –6. Available from : https ://www .sciencedirect .com /science /article /pii /S
0308814613014349
16. Amin N-, Hussain A, Alamzeb S, Begum S. Accumulation of heavy metals in edible parts of vege-
tables irrigated with waste water and their daily intake to adults and children, District Mardan, Pakistan.
Food Chem [Internet]. 2013;136(3):1515–23. Available from: http://www.sciencedirect.com/science/arti-
cle/pii/S0308814612014628
17. American Public Health Association, APHA. Water Environment Federation (1992) Standard me-
thods for the examination of water and wastewater. 1996;
18. Islam M, Ahmed M, … MR-E, 2015 undened. Heavy metal pollution in surface water and sediment:
a preliminary assessment of an urban river in a developing country. Elsevier [Internet]. [cited 2018 Mar
25]; Available from: https://www.sciencedirect.com/science/article/pii/S1470160X14003719
19. US EPA O. Method 200.7: Determination of Metals and Trace Elements in Water and Wastes by In-
ductively Coupled Plasma-Atomic Emission Spectrometry. [cited 2018 Mar 24]; Available from: https://
www.epa.gov/homeland-security-research/method-2007-determination-metals-and-trace-elements-wa-
ter-and-wastes
20. Gil MV, Calvo LF, Blanco D, Sánchez ME. Assessing the agronomic and environmental effects of
the application of cattle manure compost on soil by multivariate methods. Bioresour Technol [Internet].
2008 Sep [cited 2018 Mar 3];99(13):5763–72. Available from: http://linkinghub.elsevier.com/retrieve/pii/
S0960852407008528
21. Paredes C, Medina E, Bustamante MA, Moral R. Effects of spent mushroom substrates and inorganic
fertilizer on the characteristics of a calcareous clayey-loam soil and lettuce production. Soil Use Manag.
2016;32(4):487–94.
22. Rinaldi S, De Lucia B, Salvati L, Rea E. Understanding complexity in the response of ornamental ro-
semary to different substrates: A multivariate analysis. Sci Hortic (Amsterdam) [Internet]. 2014;176(Sep-
tember):218–24. Available from: http://dx.doi.org/10.1016/j.scienta.2014.07.011
Revista Científica
ISSN 2477-9105
29
Idrovo, Gavilanes, Veloz, Erazo, Valverde
23. Torres G, Navarro EA, Languasco J, Campos K, Cuizano N. Estudio preliminar de la toremediación
de cobre divalente mediante Pistia stratioides (lechuga de agua). Descargado http//cienciaescolar net/pro-
yectos/wpcontent/uploads/2009/09/Art_14_Torres_lechuga_agua pdf el. 2007;15.
24. Meng W, Wang Z, Hu B, Wang Z, Li H, Goodman RC. Heavy metals in soil and plants after long-term
sewage irrigation at Tianjin China: A case study assessment. Agric Water Manag [Internet]. 2016;171:153–
61. Available from: http://www.sciencedirect.com/science/article/pii/S037837741630097X
25. Gaete H, Aránguiz F, Cienfuegos G, Tejos M. Metales pesados y toxicidad de aguas del río Aconcagua
en Chile. Quim Nova. 2007;30(4):885.
26. Ministerio del Ambiente. Anexo 1 Del Libro Vi Del Texto Unicado De Legislacion Secundaria Del
Ministerio Del Ambiente: Norma De Calidad Ambiental Y De Descarga De Euentes Al Recurso Agua.
Norma de Calidad Ambiental y de Descarga de Euentes : Recurso Agua. 2014.
27. Ward GM. Molybdenum toxicity and hypocuprosis in ruminants: a review. J Anim Sci. 1978;46(4):1078–
85.
28. Igarza LM, Auza N Buenos Aires (Argentina). Fac. de Ciencias Veterinarias) Y (Universidad N del
C. Molybdenum in ruminants: a review of the physiological and toxic aspects. Vol. v. 27, Archivos de
Medicina Veterinaria (Chile). 1995.