Published Edwards Deming Higher
Technological Institute. Quito -
Ecuador Periodicity October
- December Vol.
1, No. 27, 2025 pp. 65- http://centrosuragraria.com/index.php/revista Dates of receipt Received: July 30, 2025 Approved: September 12,
2025 Correspondence author legasa@uteq.edu.ec Creative Commons License Creative Commons License,
Attribution-NonCommercial-ShareAlike 4.0
International.https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Quantification of porosity in sliced bread using two-dimensional digital
image analysis and its relationship with drying kinetics
Luis Egas1
Facultad de Ciencias
de la Industria y Producción (FCIP), Universidad Técnica Estatal de
Quevedo, Ecuador legasa@uteq.edu.ec https://orcid.org/0000-0001-8815-5063
Palabras clave. Porosidad de la miga; análisis de imágenes 2D; cinética de secado; modelo de Page; relación de humedad (MR).
Abstract: This study quantifies the porosity of
sandwich-bread crumbs using two-dimensional (2D) digital image analysis and
links the microstructure to drying kinetics during baking. Breads were produced
with four yeast levels (0.5%, 1.0%, 1.5%, and 2.0%), keeping the base
formulation constant. Moisture loss kinetics were modeled using the Page
equation based on the moisture ratio (MR); parameters k (overall drying
constant) and n (curve shape related to internal resistances) were
estimated by nonlinear regression. Microstructure was characterized on scanned
slices (400 dpi, TIFF), calibrated in ImageJ/FIJI; RGB images were converted to
8-bit grayscale and segmented with a fixed threshold (100–155). Using Analyze →
Particles, we extracted area, circularity, and frequency by size classes
(0.2–5.0 mm²). A completely randomized design was evaluated with analysis of
variance (ANOVA) and the Least Significant Difference (LSD) test (p < 0.05).
Histograms revealed high frequencies of small pores (<1 mm²) across
treatments, with significant differences at approximately 0.38 mm². Yeast level
directly modulated the cell structure: 1.0% yielded fine, homogeneous
pores and the best kinetic fit (k = 1.864; n = 0.1579; R²
= 0.8707); 0.5% produced a denser crumb and faster initial drying (k
= 1.929; n = 0.132); 1.5% exhibited a stronger diffusive
contribution with internal moisture retention (k = 1.827; n =
0.1807; R² = 0.7978); 2.0% produced larger pores and preferential
vapor channels (k = 1.916; n = 0.1523). Intermediate yeast levels
(1.0–1.5%) optimized texture and dehydration. The proposed 2D workflow is
non-destructive, reproducible, and valuable for quality control and
formulation, as it correlates morphometric metrics with kinetic parameters.
Keywords. Crumb porosity; two-dimensional
(2D) image analysis; drying kinetics; Page model; moisture ratio (MR).
Introducción
La industria panificadora busca
constantemente mejorar la calidad del pan de molde, un alimento básico de
consumo mundial (Olakanmi et al., 2023). La calidad panadera se define por
atributos sensoriales y físicos (volumen, textura de la miga, porosidad) que inciden
en la aceptación del consumidor (Dong & Karboune, 2021). En particular, la microestructura
de la miga (tamaño y distribución de alvéolos y proporción de vacíos) determina
propiedades texturales como la suavidad o firmeza del pan. Estudios recientes
indican que la incorporación de harinas ricas en fibra puede alterar la
porosidad y la textura de la miga. Niveles elevados de sustitución con
ingredientes vegetales ricos en fibra aumentan la densidad y la dureza de la
miga, lo que afecta negativamente la calidad del pan (Manjarrez
et al., 2024; Domínguez et al., 2019). Por otro lado, la tecnología
alimentaria ha incorporado métodos instrumentales avanzados para evaluar
objetivamente estos parámetros de calidad. En años recientes, el análisis
digital de imágenes se ha consolidado como una herramienta no invasiva y
eficiente para caracterizar la estructura interna del pan; mediante el
procesamiento de imágenes de rebanadas de miga es posible cuantificar el
número, tamaño y forma de los poros, así como la fracción porosa total, con
alta reproducibilidad (Torres, et al. (2024).; Reile et al., 2022). Este
enfoque complementa las técnicas tradicionales de análisis de textura y
proporciona indicadores morfológicos vinculados a la percepción sensorial del
consumidor (Akbarian, et
al., 2022)). En consecuencia, la presente investigación tiene como objetivo analizar
las estructuras porosas que se forman en el pan de molde cuando se le aplican
diferentes concentraciones de levadura, mediante medidas de análisis digital
2D, con el fin de determinar con precisión la morfología del poro en el pan de
molde y relacionarla con sus propiedades físicas.
Metodología
El estudio se
llevó a cabo en el laboratorio de bromatología de la Finca Experimental “La María” perteneciente
a la Universidad Técnica Estatal de
Quevedo, ubicada en el kilómetro 7.5 de la vía Quevedo–El
Empalme, entrada al cantón Mocache, provincia de Los Ríos, Ecuador. Esta finca
se encuentra situada a 01° 05' 20'' de
latitud sur y 79° 27' 21'' de longitud oeste, a una altitud promedio de 110 metros sobre el nivel del
mar.
La harina utilizada en la elaboración
del pan de molde correspondió a harina
de trigo fortificada “Santa Lucía”; la levadura empleada fue de tipo comercial prensada “Levapan” adquirida
en supermercados de la ciudad de Quevedo,
provincia de Los Ríos.
Se pesaron los ingredientes de acuerdo con la formulación estándar propuesta por Yarza, I.
(2013). La harina de trigo (58 %),
mantequilla (3 %), leche (16 %), agua (16 %), sal (1 %) y azúcar (4 %) se
mantuvieron constantes para cada concentración de levadura evaluada (0.5 %,1 %,
1.5 %, 2 %).
Luego, se
incorporaron estos ingredientes al tazón de la batidora. La masa se homogeneizó a 50
RPM para el movimiento en espiral del gancho y a 5 RPM para el movimiento de rotación del tazón. Una vez alcanzada la homogeneización inicial, la masa se retiró de la
batidora, se cubrió y se dejó reposar
durante 15 minutos.
Transcurrido el reposo, el tazón fue nuevamente colocado en la amasadora
y se realizó un amasado a 100 RPM
para el movimiento del gancho en espiral y 8 RPM para el movimiento de rotación
del tazón, durante un tiempo total de 10 minutos. La masa obtenida se
transfirió a los moldes previamente engrasados, procurando un llenado uniforme.
Posteriormente, las unidades fueron sometidas a fermentación controlada
durante 1 hora y 45 minutos. Finalizada la fermentación, las masas se llevaron al horno doméstico
Mabe, modelo EM7640, a 180 °C durante 35
minutos.
Una vez completado el
horneado, los panes se retiraron del horno y se dejaron enfriar en condiciones
ambientales durante aproximadamente 3 horas, evitando la condensación
superficial.
Durante el horneado, se estableció
la cinética de secado; a los panes obtenidos se les determinaron la
porosidad, el área, la forma y el tamaño del poro mediante análisis digital de
imágenes 2D.
Durante el proceso de horneado, se determinó la
evolución del contenido de humedad de la masa/pan en función del tiempo. Para
ello, se registró la masa inicial de la muestra antes de entrar al horno (m₀) y
su contenido de agua inicial (g de agua/g de muestra, base seca).
Posteriormente, en puntos definidos durante el horneado, se retiraron muestras
y se registró la masa instantánea (mₜ) con una balanza analítica. Con estos
datos, se calculó el contenido de agua residual de la muestra (Xwₜ) en cada
momento t mediante la ecuación (1):
Con el valor
de
Donde:
Xwt, Xwo y Xwe
indican el contenido de agua (g de agua/g de
muestra, db) en el tiempo t, en el tiempo 0 y en equilibrio, respectivamente. Los valores de equilibrio
del contenido de agua suelen ser muy bajos y la ecuación (2) a menudo se simplifica asumiendo
Xwe = 0, sin un cambio significativo en el valor de
MR. Esta aproximación se utiliza ampliamente en el ajuste de modelos
cinéticos de secado de productos alimentarios porosos (Egas-Astudillo et al.,
2018).
La evolución de MR en función del tiempo de horneado
se ajustó al modelo tipo Page (Ecuación 3) (Meenu et al., 2021; Page, 1949).
donde
·
·
Análisis de imagen digital bidimensional (2D)
Las muestras
se procesaron en distintos días de elaboración para asegurar la
representatividad por lote.
Posteriormente,
los panes fueron cortados manualmente con un cuchillo de hoja tipo sierra, obteniéndose
rebanadas rectas de 1.5 cm de espesor uniforme. Cada rebanada se manipuló lo menos
posible para no deformar el poro. Para conservar la humedad original de la
estructura interna y evitar la deshidratación antes del análisis de imagen,
cada rebanada se envasó individualmente en una bolsa hermética de polietileno
hasta el momento de la adquisición de las imágenes (Wyrwisz et al., 2024).
Las imágenes
de las rebanadas de pan de molde se obtuvieron mediante un escáner de cámara
plana EPSON L380. Provisto de un dispositivo fotoeléctrico CMOS con sensor de
imagen de contacto (CIS), con una resolución de 400 ppp, obteniendo archivos de
imagen en formato TIFF (Tagged Image File Format), ampliamente empleado en
análisis morfométricos y texturales de alimentos debido a su estabilidad a
distintas escalas y a la ausencia de artefactos de compresión (Farrera-Rebollo
et al., 2012; Gonzales-Barron et al., 2006). Durante el escaneo, la tapa se
mantuvo cerrada y en absoluta ausencia de luz incidente externa, para evitar
reflejos, sobreexposiciones y variaciones de brillo entre las muestras.
Antes del
análisis, se realizó la calibración espacial en ImageJ (Fiji/ImageJ, versión
1.8). Para ello, se incluyó en la misma cámara del escáner una regla o patrón
métrico conocido y se definió la equivalencia píxel–distancia (por ejemplo, ≈40
píxeles/mm en las condiciones de captura). Esta etapa es necesaria dado que
permite comparar tratamientos de forma objetiva y reproducible (Russ. J.C, 2005).
Las imágenes
en color (RGB) se convirtieron a escala de grises de 8 bits. Posteriormente, se
aplicó un proceso de umbralización (“thresholding”) para separar la fase
gaseosa (los alvéolos o poros) de la fase sólida (la matriz del pan). El umbral
se fijó manualmente y se mantuvo constante en todas las muestras del
experimento, a fin de asegurar la comparabilidad entre los tratamientos. Una
vez binarizada la imagen (blanco = poro; negro = matriz sólida, o viceversa),
se aplicó una limpieza morfológica básica (eliminación de ruido, relleno de pequeños
huecos) para corregir discontinuidades o píxeles espurios debidos a la textura
superficial del corte.
Para cada
imagen binaria final, se calcularon las siguientes variables morfológicas de
poro mediante las rutinas de medición de partículas de ImageJ.
·
Área
del poro (mm²).
·
Circularidad
(adimensional, 0 a 1). (Sahin and
Gülüm., 2006).
·
Frecuencia
relativa de los poros por clase de tamaño.
Para el
análisis estadístico descriptivo y comparativo entre tratamientos, se
construyeron distribuciones de frecuencia del tamaño de poro agrupadas en
clases geométricas crecientes (por ejemplo: 0.2–0.5; 0.5–1.0; 1.0–1.5; 1.5–2.5;
2.5–5.0 mm²). Este enfoque permite identificar si el pan presenta una
microestructura dominada por poros pequeños y uniformes o, por el contrario,
tiende a generar poros más grandes y heterogéneos, lo cual está directamente
relacionado con atributos de textura como la firmeza y la esponjosidad
percibida (Egas-Astudillo et al., 2018; Scheuer et al., 2015).
El conteo y la
clasificación de poros mediante análisis digital de imágenes constituyen una
metodología no destructiva y reproducible para caracterizar la estructura
interna de productos de panadería y han sido propuestos recientemente como
herramienta objetiva de control de calidad panadera y de evaluación de
formulaciones en tecnología alimentaria (Schneider et al., 2012; Lassoued, et
al., 2007).
El efecto del
nivel de levadura sobre las propiedades estructurales y físicas del pan de
molde se evaluó mediante un diseño completamente al azar (DCA). Se consideraron
cuatro tratamientos experimentales, definidos por el porcentaje de levadura
incorporado en la formulación: T1 (0,5 %), T2 (1,0 %), T3 (1,5 %) y T4 (2,0 %),
con base en la masa de harina. Cuando el ANOVA mostró diferencias
significativas entre los tratamientos, las medias se compararon mediante la
prueba de Diferencia Mínima Significativa (Least Significant Difference, LSD),
con un umbral de decisión de p < 0.05. STATGRAPHICS
versión 16.1.03.
Para cada
tratamiento, se ajustó el modelo tipo Page mediante regresión no lineal de
mínimos cuadrados. El ajuste matemático se realizó en MATLAB versión R2022a.
Resultados
En la Figura 1 se muestran, a modo de ejemplo, la menor (a) y la mayor (b) concentración de levadura, que representan la evolución experimental de la relación de humedad (MR) en función del tiempo de horneado, junto con las curvas de ajuste obtenidas mediante el modelo de Page. En todos los casos, el modelo describió adecuadamente la tendencia decreciente de MR con el tiempo, evidenciando un buen ajuste, lo que se observa por la cercanía de los puntos experimentales a las curvas ajustadas y por los intervalos de confianza estrecho
Figura 1.
Tabla 1.
Parámetros del modelo de Page y coeficiente de
determinación (R²), calculados mediante regresión de los datos
experimentales de cinética de secado.
|
Tratamientos |
Modelo
cinético |
k |
n |
R2 |
|
T1 |
exp(-K*t^n) |
1.929 |
0.132 |
0.82343618 |
|
T2 |
exp(-K*t^n) |
1.864 |
0.1579 |
0.87065494 |
|
T3 |
exp(-K*t^n) |
1.827 |
0.1807 |
0.79776893 |
|
T4 |
exp(-K*t^n) |
1.916 |
0.1523 |
0.7975928 |
La tabla 1 muestra que, en panes
con muy poca levadura (T1=0.5 %), la masa genera un poro más denso, con celdas
de gas menos desarrolladas y menos retención interna de vapor. Eso facilita que
el agua salga más rápidamente durante el horneado, y se refleja en un k alto
(1.929). Asociado con un
En panes con levadura alta (T4 =
2 %), aunque se forma más porosidad, esta también puede conectarse con canales
de salida de vapor. Es decir, ya no es solo “esponjoso”, sino “abierto”
(Lampignano et al., 2013), por lo que el vapor tiene vías de escape y se seca
rápido. Sin embargo, presenta igualmente un
En cambio, los tratamientos
intermedios T2 y T3 muestran k más bajos, 1.864 y 1.827, respectivamente; esto
indica una pérdida de humedad algo más gradual (Erbay et al., 2010), compatible
con una miga más estable, con poros más pequeños y distribuidos de manera más
uniforme, que retienen agua por más tiempo dentro de la estructura (Mathieu, et
al., 2016). Sin embargo, si n = 0.1579 (T2), esto sugiere una textura agradable
para el consumo (suave pero no gomosa). Por el contrario, si n = 0.1807 (T3),
la difusión interna es más importante. Eso puede indicar una miga con alvéolos
más desarrollados y heterogéneos, que retiene humedad en zonas internas; el
horno seca las capas externas y luego va drenando el interior (Wagner et al.,
2007). Esto puede dar panes más esponjosos, pero también con un riesgo de zonas
ligeramente más húmedas.
Esto es interesante porque T2 y
T3 (1,0 % y 1,5 % de levadura) parecerían ser condiciones en las que la
estructura interna modera la deshidratación durante el horneado.
Los
resultados encontrados están alineados con lo que se discute en tecnología
panadera moderna: la cinética de pérdida de agua durante el horneado está
fuertemente condicionada por la microestructura gas-sólido generada durante la
fermentación, y dicha microestructura depende directamente del nivel de
levadura y del desarrollo de la masa (Wang, et al., 2024; Lu et al., 2020;
Purlis, E. (2011)).
Las imágenes de las rebanadas de
pan (Figura 2) se procesaron en ImageJ (Fiji Is Just ImageJ). Cada archivo RGB
(A) se convirtió a escala de grises de 8 bits (B) y, a partir del histograma,
se aplicó una umbralización manual (rango 100–155) (C) que separó de forma
estable los alvéolos de la matriz de miga. Con la herramienta Analizar
→ Analizar partículas, se cuantificaron los poros dentro del intervalo
0.2–5.0 mm² y con circularidad 0.1–1.0 (D),
obteniéndose recuentos y métricas geométricas por imagen (área, perímetro y
circularidad). Este flujo produjo máscaras limpias, preservando la geometría de
los alvéolos y minimizando el ruido de fondo, lo que permitió construir una
tabla de frecuencias de tamaños de poro y su distribución de formas (Schindelin
et al., 2012; Schneider et al., 2012).
Estos parámetros (área y
circularidad) son indicadores reconocidos de la microestructura de la miga y se
han asociado con propiedades de textura y con la capacidad de retención de
humedad durante y después del horneado: estructuras con alvéolos más pequeños y
de forma más uniforme suelen corresponder a migas más estables y suaves,
mientras que conjuntos de poros más desarrollados y heterogéneos se vinculan
con mayor esponjosidad y gradientes internos de humedad (Lassoued et al.,
2007).
Los resultados obtenidos son, por tanto,
coherentes con metodologías estandarizadas de análisis digital de imágenes de
panificados y con la literatura sobre las relaciones
microestructura-propiedades (Scanlon & Zghal, 2001; Rathnayake et al.,
2018; Mathieu et al., 2016).
Figura 2.
Esquema de la segmentación en pan
de molde con 1.5 % de levadura procesado por ImageJ (FIJI).
Figura 3.
Frecuencia de área obtenidas de
acuerdo al porcentaje de levadura incorporado al pan de molde.
La figura 3
muestra la distribución de frecuencia del tamaño de poro en el
pan de molde para los distintos niveles de levadura (0,5 %, 1 %, 1,5 % y 2 %).
En todos los casos, se observa una alta concentración de poros pequeños (<1
mm), seguida de una disminución progresiva hacia tamaños mayores, lo cual es
característico de estructuras panarias con expansión controlada por la
fermentación (Vain, S. P., & Young, L. S., 2015).
El
tratamiento con 1.5 % de levadura presentó la mayor frecuencia de poros finos
(~0.38 mm), lo que indica una microestructura más homogénea y aireada, mientras
que el tratamiento con 2 % mostró una mayor proporción de poros grandes,
asociados a la coalescencia de gas y a una expansión irregular (Miś, A., et
al., 2018).Estos resultados coinciden con la cinética de secado obtenida, en la
que la variación en el nivel de levadura afectó directamente la densidad
estructural y la retención de humedad del pan.
Además, se
observa que cuando las áreas son de aproximadamente 0.38 mm², las
diferencias entre los tratamientos son significativas (LSD, p < 0.05). Es
así que los tratamientos 1 y 1.5 % no son diferentes significativamente al
tomar en cuenta sus medias; sin embargo, los tratamientos 0.5 % y 2 % sí
presentan diferencias significativas (LSD, p < 0,05) con el resto de los
tratamientos, lo que establece que los poros más estables y con mejor
estructura se encuentran con una concentración de 1 a 1.5% de levadura.
a.
Relación
del área del poro y los parámetros cinéticos
La distribución del tamaño de poro, cuantificada
mediante análisis de imagen, mostró que el porcentaje de levadura modula
directamente la microestructura de la miga: el tratamiento con 1.0 % presentó
una alta frecuencia de poros pequeños y homogéneos, mientras que 0.5 % generó
una estructura más densa y 2.0 % produjo poros de mayor tamaño con indicios de
coalescencia (Wang et al., 2024; Jiang et al., 2025; Tagliasco et al., 2024;
Tsatsaragkou et al., 2023).
Estas diferencias estructurales se
reflejaron en la cinética de deshidratación modelada con la ecuación
de Page, el tratamiento con 1.0 % mostró k =
1.864 y n = 0.1579, junto con el mayor coeficiente
de determinación (R² = 0.8707), indicando liberación de
humedad progresiva y predecible; en contraste, 0.5 %
presentó k = 1.929 y n = 0.132, asociados a pérdida
rápida de agua inicial y miga más compacta; 1.5
% mostró el valor más alto de n (0.1807) y el
menor de k (1.827), lo que sugiere un secado
más dominado por difusión interna en una miga muy aireada (aunque su R²
= 0.7978 indica heterogeneidad espacial del proceso);
finalmente, 2,0 % combinó un valor elevado de k (1.916)
con un intermedio-bajo (0.1523),
consistente con poros grandes y canales preferenciales
de salida de vapor que aceleran la deshidratación inicial (Buzrul, 2022;
Popescu et al., 2023; Zeng et al., 2024).
Este patrón es coherente con la física del
horneado, en la que la corteza se seca primero y el interior drena después; la
porosidad y la conectividad de los alvéolos condicionan los gradientes de
temperatura y humedad y, por ende, la trayectoria de k y n durante el horneado
(Chakraborty et al., 2023; Zhang et al., 2025).
Cuantitativamente, a partir de la tabla de
frecuencias de la Figura 3, la mediana (rango intercuartílico, IQR)
del área de poro fue:
· 0. 0,5 % (T1): 0,55 mm² (IQR = 0,38–1,06 mm²), con un 72 % de poros
menores de 1 mm² y clase modal de 0,38 mm² (141 poros).
· 1.0 % (T2): 0.72 mm² (IQR = 0.38–1.39 mm²), un 63 % de poros menores
de 1 mm², con un modo de 0.38 mm² (158 poros).
· 1.5 % (T3): 0.72 mm² (IQR = 0.38–1.39 mm²), un 63 % de poros menores
de 1 mm², con un modo de 0.38 mm² (170 poros).
· 2.0 % (T4): 0.72 mm² (IQR = 0.55–1.56 mm²), un 59 % de poros menores
de 1 mm², con un modo de 0.38 mm² (134 poros).
Estos resultados confirman que
los niveles intermedios de levadura (1.0–1.5 %) favorecen una microestructura
más fina y homogénea, coherente con una liberación de humedad más gradual,
mientras que 0.5 % conduce a una miga más compacta y 2.0 % a un alveolado más
abierto e irregular, con mayor heterogeneidad en el secado.
Conclusiones
La quebrada Las Abras presenta una condición ambiental comprometida, donde confluyen múltiples fuentes de contaminación: expansión agrícola, ganadería, vertidos industriales (planta lechera), descargas domésticas y acumulación de residuos sólidos. Los índices ICA-NSF, ABI y ETP evidencian que la calidad del agua es mala en la mayor parte del tramo, inadecuada para riego agrícola o cualquier uso sin tratamiento previo.
Los hallazgos concuerdan con investigaciones similares realizadas en las microcuencas de los ríos Chambo (Freire Rosero et al., 2020) y Mocha (Mosquera Guilcapi & Núñez Moreno, 2023), donde se reportan impactos comparables de las actividades humanas sobre los cuerpos hídricos.
En suma, los resultados de la quebrada Las Abras reflejan un ecosistema altamente perturbado, con alteración de sus propiedades fisicoquímicas, pérdida de biodiversidad acuática y disminución del caudal, confirmando un deterioro integral del recurso hídrico.
Referencias
APHA/AWWA/WEF.
(2017). Standard Methods for the Examination of Water and Wastewater
(23rd ed.).
Anavitarte, E. J. (2020). El diseño de investigación no experimental. AcademiaLab. https://academia-lab.com/a/rev.lab.derecho/el-diseno-de-investigacion-no-experimental
Amaya Lema, M. (2025). Evaluación del medio físico de la microcuenca del río Guano [Informe/estudio]. (Referencia citada en el texto; agrega editorial/enlace si lo tienes).
Brito Noboa, J. P., Merino Gavilanes, D. C., & Patiño Vaca, N. E. (2025). Determinación de curvas de nivel y pendientes con LiDAR para modelar crecidas en la quebrada Las Abras. Revista Científica Multidisciplinaria InvestiGo, 6(14), 749–767. https://doi.org/10.56519/WFW0S854
CEPAL. (2023). Manual para la evaluación de desastres. https://repositorio.cepal.org/server/api/core/bitstreams/df2fa48c-418c-4b2a-957c-0bdd97181d27/content
Collay Acan, L. M., & Pilco Álvarez, N. S. (2025). Evaluación de la calidad del agua de riego en la quebrada Las Abras de la comunidad de San Pablo perteneciente al cantón Guano [Trabajo de titulación, Escuela Superior Politécnica de Chimborazo]. Facultad de Ciencias, Carrera de Ingeniería Ambiental.
Escalona Domenech, R. Y., Infante Mata, D., García Alfaro, J. R., Ramírez Marcial, N., Ortiz Arrona, C. I., & Barba Macías, E. (2022). Evaluación de la calidad del agua y de la ribera en la cuenca del río Margaritas, Chiapas, México. Revista Internacional de Contaminación Ambiental, 38, 37–56. https://doi.org/10.20937/RICA.54092
Escandón Guachichullca, C. G., & Cáceres Vintimilla, M. E. (2022). Análisis de la calidad del agua mediante parámetros físicos, químicos y macroinvertebrados bentónicos, en la microcuenca del río San Francisco-Gualaceo. http://dspace.ups.edu.ec/handle/123456789/21649
Espinoza Sarmiento, F. J. (2020). Evaluación de la calidad del agua en la quebrada El Salado mediante la aplicación del índice de calidad de agua (NSF), parroquia El Valle, cantón Cuenca [Tesis, Universidad de Cuenca]. http://dspace.ucuenca.edu.ec/handle/123456789/34103
FAO. (2020). El estado de los recursos de tierras y aguas del mundo para la alimentación y la agricultura (SOLAW). www.mundiprensa.com
Fernández Cirelli, A. (2020). El agua: un recurso esencial. QuímicaViva. https://www.redalyc.org/pdf/863/86325090002.pdf
Freire Rosero, R. del P., Pino Vallejo, M., Andrade, P., & Mejía López, A. (2020). Chambo river water quality assessment in time of stretching using the ICA-NSF water quality index. Perfiles, 1(23). https://doi.org/10.47187/perf.v1i23.248
Gobierno Autónomo Descentralizado de la Provincia de Chimborazo. (2018). Coordinación de Gestión de Riego: Rehabilitación y mejoramiento del sistema de riego Las Abras (conducción principal tramo Hacienda San Pablo–La Esperanza). www.chimborazo.gob.ec
González Pérez, E., Ortega Escobar, H. M., Yáñez Morales, M. J., & Rodríguez Guillen, A. (2019). Diagnóstico de indicadores de calidad físico-química del agua en afluentes del río Atoyac. Tecnología y Ciencias del Agua, 10(1), 30–51. https://doi.org/10.24850/J-TYCA-2019-01-02
Gudiño Sosa, L. F., Escalera Gallardo, C., Cruz Cárdenas, G., Moncayo Estrada, R., Silva García, J. T., Flores Magallón, R., Damián Arroyo, M., & Chávez Tinoco, M. A. (2022). Evaluación de la calidad del agua en un río subtropical y tributarios utilizando índices fisicoquímicos y macroinvertebrados acuáticos. Hidrobiológica, 32(1), 33–50. https://doi.org/10.24275/UAM/IZT/DCBS/HIDRO/2022V32N1/GUDINO
Hernández Sampieri, R., Fernández Collado, C., &
Baptista, P. (2023). Metodología
de la investigación
(6.ª ed.).
ISO.
(2012). ISO 9308-2:2012. Water quality—Enumeration of Escherichia coli and
coliform bacteria—Part 2: Most probable number method.
Lazo Oscanoa, C. A., Piscoya Torres, J. A., & Roa Changana, P. J. (2022). Análisis crítico del uso de macroinvertebrados bentónicos como bioindicadores de la calidad del agua en el Sistema Nacional de Gestión Ambiental. Revista Kawsaypacha, 9, 140–153. https://doi.org/10.18800/kawsaypacha.202201.007
Llangari Rivera, C. J. (2023). Dinámicas socioespaciales y mapeo participativo en la quebrada “Las Abras” de Riobamba/Guano, Ecuador [Tesis, PUCE]. https://repositorio.puce.edu.ec/handle/123456789/43084
MAATE (Ministerio del Ambiente, Agua y Transición Ecológica). (2024). Situación de la calidad de las fuentes hídricas superficiales en Ecuador [Comunicado/portal institucional]. https://www.ambiente.gob.ec/
Ministerio del Ambiente. (2015). Revisión del Anexo 1 del Libro VI del TULSMA: Norma de calidad ambiental y de descarga de efluentes al recurso agua.
OMS. (2022). Calidad del agua y salud: Informe/nota técnica. (Referencia institucional citada en el texto; añade URL o número de informe si lo tienes).
ONU-Agua. (2023). Informe sobre la gobernanza hídrica y prácticas agrícolas sostenibles. (Referencia institucional citada; añade URL/título exacto si lo dispones).
Pérez Gómez, G., Alvarado García, V., Rodríguez Rodríguez, J. A., Herrera, F., & Sánchez Gutiérrez, R. (2021). Calidad fisicoquímica y microbiológica del agua superficial del río Grande de Tárcoles, Costa Rica: Un enfoque ecológico. Cuadernos de Investigación UNED, 13(1), 17. https://doi.org/10.22458/URJ.V13I1.3148
Pesántez Quintuña, M. K., & Roldán Arias, A. P. (2021). Relación de la calidad del agua de la quebrada El Salado con el uso de suelo urbano y periurbano de la parroquia Baños [Tesis]. http://dspace.ucuenca.edu.ec/handle/123456789/36142
Quiroz Fernández, L. S., Izquierdo Kulich, E., & Menéndez Gutiérrez, C. (2020). Aplicación del índice de calidad de agua en el río Portoviejo, Ecuador. Ingeniería Hidráulica y Ambiental, 38. http://scielo.sld.cu/pdf/riha/v38n3/riha04317.pdf
Quishpe Vázquez, C., García Valdecasas Ojeda, M., Gámiz Fortis, S. R., Castro Díez, Y., & Esteban Parra, M. J. (2018). Variabilidad estacional de los caudales en Ecuador en el período 1964–2014. (Comunicación/capítulo de congreso citado; añade datos completos si los tienes). https://doi.org/10.14198/XCongresoAECAlicante2016-09
Tenesaca Saca, M. E., Reyes Zambrano, J. L., Vallejo Vizhuete, D. P., & Chavarría Párraga, J. E. (2024). Modelación hidrológica e hidráulica para la identificación de zonas de inundación en la quebrada Las Abras, Riobamba. Revista Científica INGENIAR, 7(14). https://doi.org/10.46296/ig.v7i14.0220
Vásquez Venegas, N. Y., Soria Noroña, L. C., & Chacha Coles, A. L. (2023). Evaluación de calidad del agua en dos puntos de muestreo del río Blanco a través de macroinvertebrados. Polo del Conocimiento, 8(3), 705–722. https://doi.org/10.23857/pc.v8i3.5331