RESUMO O monitoramento constante da qualidade da água é fundamental para o entendimento dos ambientes aquáticos, mas este esforço demanda grandes investimentos financeiros, além de estar suscetível a inconsistências e falhas na obtenção dos valores. Usando uma base de dados composta por 59 campanhas amostrais, realizadas durante um período de 12 anos, em 10 estações de monitoramento ao longo da bacia do rio Iguaçú, este trabalho apresentou um modelo baseado em redes neurais artificiais que preencheu 1.370 valores para onze parâmetros tradicionais de qualidade da água. Os erros de validação do modelo variaram de 0,978 mg L-1 a 0,017 mg L-1 para os parâmetros tradicionais, enquanto para a cafeína, este erro foi de 0,212 µg L-1 e para os hormônios de 0,04 µg L-1 (E1) e 0,044 µg L-1 (EE1). Duas técnicas (isolamento e anulação) foram aplicadas nos modelos para se entender o relacionamento treinado pelo modelo entre as variáveis de entrada e saída. Os resultados apontam para a viabilidade da aplicação de redes neurais para a modelagem de parâmetros de qualidade da água (em especial, a cafeína), o que poderia levar a uma melhor alocação de recursos no monitoramento ambiental, além de expandir os bancos de dados disponíveis e valorizar os esforços despendidos para este monitoramento. aquáticos financeiros 5 amostrais 1 anos Iguaçú 1370 370 1.37 0978 0 978 0,97 L1 L L- 0017 017 0,01 cafeína 0212 212 0,21 004 04 0,0 E1 E (E1 0044 044 EE1. EE1 EE . (EE1) isolamento anulação saída especial , cafeína) ambiental 137 37 1.3 097 97 0,9 001 01 021 21 0,2 00 0, (E (EE1 13 3 1. 09 9 02 2 (EE

ABSTRACT The constant monitoring of water quality is fundamental for the understanding of the aquatic environment, yet it demands great financial investments and is susceptible to inconsistencies and missing values. Using a database composed of 59 sampling campaigns, performed for 12 years, on 10 monitoring stations along the Iguassu River Basin (Southern Brazil), this study presents a model, based on feed-forward neural networks, which imputed 1,370 values for 11 traditional water quality parameters, as well as 3 contaminants of emerging concern (caffeine, estradiol and ethinylestradiol). The model validation errors varied from 0.978 mg L-1 and 0.017 mg L-1 for the traditional parameters, for caffeine the validation error was of 0.212 µg L-1 and for the hormones, the errors were of 0.04 µg L-1 (E1) and 0.044 µg L-1 (EE1). The models underwent two techniques to understand the operations performed within the model (isolation and nullification), which were consistent to those explained by natural processes. The results point to the validity of modeling water quality parameters (especially the concentrations of caffeine) through neural networks, which could lead to better resource allocation in environmental monitoring, as well as improving available datasets and valuing previous monitoring efforts. environment 5 campaigns 1 years Southern Brazil, Brazil , Brazil) feedforward feed forward networks 1370 370 1,37 caffeine, (caffeine ethinylestradiol. ethinylestradiol . ethinylestradiol) 0978 0 978 0.97 L1 L L- 0017 017 0.01 0212 212 0.21 hormones 004 04 0.0 E1 E (E1 0044 044 EE1. EE1 EE (EE1) isolation nullification, nullification nullification) processes especially efforts 137 37 1,3 097 97 0.9 001 01 021 21 0.2 00 0. (E (EE1 13 1, 09 9 02 2 (EE

Resumo A cafeína é utilizada mundialmente como um traçador químico para identificar pressões antrópicas em recursos hídricos urbanos. No entanto, a sua quantificação demanda grandes investimentos financeiros. Este estudo tem como objetivo criar um modelo que determinaria, indiretamente, uma banda de possíveis concentrações de cafeína ao longo de um rio urbano, sem a necessidade de esforço laboratorial. O modelo se baseia na análise de correlação canônica, que é capaz de correlacionar dois conjuntos de variáveis, dependentes e independentes, de diferentes dimensões e gerar uma equação que resumiria a relação. Esta equação utiliza como entrada as concentrações de nitrogênio ammoniacal e ortofosfato, e como saída a população total, e habitantes em zonas irregulares, assim como a concentração de cafeína. A partir do modelo, foi possível elaborar uma banda de possíveis concentrações de cafeína ao longo do rio. Este modelo possui a capacidade de ser utilizado como uma ferramenta preliminar para gestores e pesquisadores.

Abstract Caffeine is used worldwide as a chemical tracer to identify anthropic pressures on urban water resources. Nevertheless, its quantification demands great financial investments. This research created a model that would indirectly determine a range of possible caffeine concentrations along an urban river, without the need for extensive laboratory work. The model is based on Canonical Correlation Analysis (CCA), which can correlate two sets of different-sized independent and dependent variables in order to generate a single empirical equation. This equation takes as input the concentrations of ammonia nitrogen and orthophosphate, as well as the total population and the population inhabiting irregular housing areas. From the model’s results, it was possible to elaborate a spectrum of possible concentrations of caffeine along the Atuba River (Curitiba-Brazil). The tendency of water quality degradation of this river was also predicted. This model could become a useful preliminary analysis for water resource managers and researchers alike.

RESUMO A crescente urbanização nos grandes centros urbanos têm contribuído de forma contínua na deterioração da qualidade das águas dos corpos hídricos receptores. Uma nova abordagem para monitoramento da qualidade d’água é o uso de cafeína como traçador de atividade antrópica em rios urbanos, uma vez que seu uso é limitado a humanos e sua metodologia de análise é menos susceptível a erros quando comparado com parâmetro tradicionais de poluição antrópica. Para analisar a possibilidade do uso da cafeína como parâmetro de qualidade da água, foram monitoradas três bacias hidrográficas (Atuba, Belém e Palmital) na grande Curitiba em 5 campanhas amostrais. A cafeína foi analisada em cromatografia líquida de alta eficiência com detector de arraste de diodo após extração em fase sólida. Parâmetros tradicionais de monitoramento de qualidade da água, como N-amoniacal, coliformes termotolerantes, demanda bioquímica de oxigênio e Ortofosfato foram analisados como comparação. Os resultados indicam que a área de estudo apresenta grande influência antrópica, provavelmente pela falta de infraestrutura, que indica a presença de efluentes domésticos não tratados. O rio mais degradado foi o rio Belém (concentrações de 23,08 µg.L-1 de cafeína). A cafeína mostrou-se uma abordagem apropriada para monitoramento ambiental, correlacionando-se com os parâmetros tradicionais, como Coliformes Termotolerantes (R = 0,7375).

ABSTRACT The growing urbanization in urban centers have continuously contributed to the deterioration of water quality in rivers. The use of caffeine as a chemical tracer for anthropic activities is an approach to the environmental monitoring of urban waterbodies, as its use is limited to humans and less susceptible to sampling error comparing to other traditional parameters for anthropic pollution. To analyze the possibility of using caffeine as a water quality parameter, the anthropic influence over three watersheds (Atuba, Belem and Palmital) from the Greater Curitiba was observed over five sampling campaigns. The caffeine was analyzed by liquid chromatography tandem diode array detection, after the solid phase extraction. Traditional parameters of water quality monitoring, such as ammoniacal nitrogen, thermotolerant coliforms, biochemical oxygen demand and orthophosphate, were measured for comparison. The results indicate anthropic influence over the basins, probably due to the lack of infrastructure, thus leading to the assumption of untreated domestic wastewater being discharged. The most degraded river was the Belem river (caffeine concentration of 23.08 µg.L-1). Caffeine presented itself as an appropriate approach for environmental monitoring, presenting a good correlation with the traditional parameters, such as for thermotolerant coliforms (R = 0.7375).