Gracias por visitar nature.com.Está utilizando una versión de navegador con soporte limitado para CSS.Para obtener la mejor experiencia, le recomendamos que utilice un navegador más actualizado (o desactive el modo de compatibilidad en Internet Explorer).Mientras tanto, para garantizar un soporte continuo, mostramos el sitio sin estilos ni JavaScript.Carrusel con tres diapositivas mostradas a la vez.Use los botones Anterior y Siguiente para navegar por tres diapositivas a la vez, o los botones de puntos de diapositivas al final para saltar tres diapositivas a la vez.Bisrat Ayalew Yifru, Il-Moon Chung, … Sun Woo ChangTunde Olarinoye, Tom Gleeson, … Andreas HartmannDanielle K. Hare, Ashley M. Helton, … Martin A. BriggsCarina Furusho-Percot, Klaus Goergen, … Stefan KolletFred D. Tillman, Subhrendu Gangopadhyay y Tom PruittWen-Ying Wu, Min-Hui Lo, … Zong-Liang YangTesfa Worku Meshesha, Junye Wang, … Cynthia N. McClainTristan McKenzie, Henrietta Dulai y Peter FulekyDJ MacAllister, G. Krishan, … AM MacDonaldScientific Data volumen 9, Número de artículo: 613 (2022) Citar este artículoLa contaminación por nitratos en las aguas subterráneas, que es un problema internacional, amenaza la salud humana y el medio ambiente.Podría tomar décadas para que el nitrato se transporte en el sistema de agua subterránea.Al comprender los impactos de este legado de nitrato en la calidad del agua, la velocidad de transporte de nitrato (vN) en la zona no saturada (USZ) es de gran importancia.Aunque algunos datos locales de USZ vN medidos o simulados están disponibles, no ha habido tal conjunto de datos a escala global.Aquí, presentamos un conjunto de datos de velocidad de transporte de nitrato (GNV) de zona no saturada a escala global generado a partir de un modelo de bomba de relojería de nitrato (NTB) utilizando permeabilidad y porosidad global y datos de recarga de agua subterránea anual promedio global.Para evaluar GNV, se creó un conjunto de datos de referencia de USZ vN utilizando datos medidos localmente y datos litológicos globales.Los resultados muestran que el 94,50 % del GNV coincide con el conjunto de datos USZ vN de referencia.Este conjunto de datos contribuirá en gran medida al avance de la investigación sobre el legado de nitratos en el sistema de aguas subterráneas, proporcionará evidencia para gestionar la contaminación del agua por nitratos y promoverá colaboraciones internacionales e interdisciplinarias.Solo el 3 % del agua total de la Tierra se considera agua dulce y aproximadamente el 30 % de ella es accesible como agua subterránea, que es vital para el desarrollo humano, los ecosistemas, la industria energética y otras actividades dependientes del agua1.Desde la década de 1950, se ha observado que el nitrato (NO3−N), que es el contaminante de aguas subterráneas más común en todo el mundo2,3,4, afecta negativamente a la salud humana5,6.Los estudios han demostrado una correlación positiva entre la concentración de nitrato en el agua potable y la morbilidad del cáncer colorrectal cuando la calidad del agua potable está muy por debajo del estándar del agua potable (50 mg/L de nitrato como NO3− en la Unión Europea7, o 10 mg/L de nitrógeno como el nivel máximo de contaminante regulado por la Agencia de Protección Ambiental de los Estados Unidos) establecido por las políticas8,9.El nitrato también se ha considerado un disruptor endocrino ambiental, ya que se ha demostrado que afecta la reproducción de vertebrados y los procesos de desarrollo de los peces10,11.El nitrato que ingresa a los humedales, ríos o lagos puede conducir a la eutrofización, lo que puede provocar el crecimiento excesivo de algas y la pérdida de peces12,13,14.Además, el nitrato tiene un impacto indirecto en la economía.Los estudios de principios de la década de 1990 mostraron que, en respuesta a la contaminación de las aguas subterráneas, muchas personas tomaron medidas de evitación que pueden resultar en pérdidas económicas significativas15.Por ejemplo, en Wisconsin, EE. UU., el costo médico directo de todas las consecuencias adversas para la salud atribuibles a los nitratos se estima entre $23 millones y $80 millones por año16.Las principales fuentes de nitrato en las aguas subterráneas que provocan estos peligros son la agricultura de secano y de regadío y la ganadería intensiva17.Otras fuentes, como las fosas sépticas y los vertederos, pueden filtrar nitrato localmente18.En algunas áreas urbanizadas, la fuga de alcantarillado subterráneo también es una fuente de nitrato en las aguas subterráneas19.La contaminación por nitratos en acuíferos poco profundos es causada principalmente por la fertilización y la subsiguiente lixiviación de nitratos20,21, que es el proceso de migración de nitratos desde el suelo superior al inferior con el agua del suelo.El nitrato sale del fondo del suelo hacia la zona no saturada (USZ) y finalmente ingresa al agua subterránea.La USZ se encuentra debajo del suelo y por encima de las aguas subterráneas, que no solo es un espacio importante que conecta las aguas superficiales y subterráneas, sino también una vía necesaria para que todo tipo de contaminantes ingresen a las aguas subterráneas.Después de que el nitrato ingresa a la USZ desde el fondo de los suelos, la transformación del nitrato en la USZ incluye principalmente tres procesos, a saber, adsorción22, nitrificación y desnitrificación23.La literatura reciente ha indicado una creciente preocupación global sobre los efectos de la lixiviación de nitratos en el medio ambiente, particularmente en los ecosistemas agrícolas24, especialmente el legado de nitratos en la USZ, es decir, el tiempo de retraso de los nitratos entre el fondo de la capa del suelo y la llegada a la capa freática25 .Algunos estudios han calificado este problema como una 'bomba de relojería de nitratos'26 e indican que los países deberían considerarlo al evaluar la contaminación por nitratos de las aguas subterráneas y desarrollar políticas de control de la contaminación27.Para comprender el legado de nitrato en el sistema de aguas subterráneas, es necesario comprender la velocidad de transporte de nitrato (vN) en las USZ y, por lo tanto, el tiempo de retraso del nitrato en las USZ.En estudios previos, vN fue considerado como uno de los principales factores que afectan la concentración y distribución de nitrato en las USZ de las áreas de estudio28, y el nitrato también se consideró como un marcador ambiental para comprender los procesos de transferencia en las USZ29.Sin embargo, la vN en las USZ involucradas en estas investigaciones se limita a áreas de investigación locales específicas.En cuanto a la investigación a escala global, existen pocos estudios28,29,30,31,32,33,34,35,36,37 sobre la estimación de vN, y la mayor parte de la investigación se concentra en los acuíferos europeos35,36,37, especialmente acuíferos británicos38.Aunque se han generado mapas de vN para el Reino Unido38, la meseta de Loess de China39, no existe un mapa espacial que represente la distribución de vN para todo el mundo.Dado que el vN de la USZ está determinado por muchos factores, como los tipos de rocas, la permeabilidad, la porosidad y la cantidad de recarga de agua subterránea, es muy específico a nivel regional o litológico40, lo que dificulta la generación de un conjunto de datos global confiable de vN de las USZ.Con base en un modelo de bomba de tiempo de nitratos (NTB)38, desarrollamos un conjunto de datos globales de la velocidad de transporte de nitratos en las USZ (GNV) y lo validamos utilizando datos de velocidad de nitrato observados localmente o derivados de la revisión de la literatura.Este primer conjunto de datos GNV de USZ vN a escala mundial conocido y de código abierto puede ayudar a los científicos de otras disciplinas a comprender mejor el legado de nitrato en el sistema de agua subterránea a gran escala, contribuyendo así al desarrollo de nuevos métodos para proporcionar evidencia sólida para la gestión de la contaminación del agua por nitrato. .El desarrollo del GNV consta de tres pasos: (1) Construir un modelo NTB al preparar e ingresar conjuntos de datos globales de permeabilidad de la roca, porosidad de la roca y recarga anual de agua subterránea.(2) Calibración del modelo NTB basado en un conjunto de datos de referencia de 22 zonas de USZ vN creado utilizando datos de vN medidos localmente y datos litológicos globales.(3) Validación del conjunto de datos GNV derivado del conjunto de datos USZ vN de referencia.El modelo NTB se ha utilizado para simular el transporte de nitratos en el sistema de aguas subterráneas a escala nacional y mundial41, con base en la información sobre la lixiviación de nitratos del fondo de los suelos, el espesor de las USZ y las características hidrogeológicas de las rocas.El modelo NTB se utilizó en este estudio para derivar el conjunto de datos GNV.El modelo NTB se desarrolló originalmente en el Reino Unido, donde la velocidad de transporte en las USZ se calculó como la relación entre la recarga promedio de agua subterránea y la porosidad42:donde, VUSZ,i (m/año) es el USZ vN en la celda i;Rec, i (mm/año) es la recarga de agua subterránea en la celda i;Prock,i es la porosidad de la roca en la ubicación de i;y R es el factor de retardo que refleja las influencias de otros factores, como la permeabilidad, el tamaño de los poros, la difusión, la dispersión y la adsorción en la USZ vN.Los datos de porosidad global utilizados en este estudio se derivaron del GLHYMPS (Fig. 1a), que son datos de hidrogeología global cerca de la superficie de permeabilidad y porosidad producidos al sintetizar y modificar las bases de datos globales existentes43,44.Las nueve clases de datos de porosidad, que tienen un tamaño de polígono promedio de 107 km2 (incluida la Antártida), corresponden a nueve categorías hidrogeológicas, es decir, sedimentos no consolidados, sedimentos no consolidados de grano grueso, sedimentos no consolidados de grano fino, sedimentos siliciclásticos, sedimentos de grano grueso sedimentaria siliciclástica, sedimentaria siliciclástica de grano fino, carbonatada, cristalina y volcánica.Conjuntos de datos de entrada para el modelo NTB.(a) Base de datos de porosidad global.Diferentes valores de porosidad corresponden a diferentes litologías, incluyendo sedimentos no consolidados (0.22), sedimentos no consolidados de grano grueso (0.28), sedimentos no consolidados de grano fino (0.15), sedimentos siliciclásticos (0.19), sedimentos siliciclásticos de grano grueso (0.27), sedimentos siliciclásticos de grano grueso (0.27), grano siliciclástico sedimentario (0,12), carbonatado (0,06), cristalino (0,01) y volcánico (0,09).La base de datos está disponible en https://doi.org/10.5683/SP2/DLGXYO66.(b) Recarga promedio global de agua subterránea de 1958 a 2015. El conjunto de datos original está disponible en https://opendap.4tu.nl/thredds/catalog/data2/pcrglobwb/catalog.html.Los datos de recarga anual mundial de aguas subterráneas utilizados en este estudio se derivaron de un modelo hidrológico y de recursos hídricos mundial denominado PCR-GLOBWB45,46, que tiene resoluciones espaciales de 0,5° × 0,5° y 5′ × 5′ y está disponible en https:/ /github.com/UU-Hydro/PCR-GLOBWB_model47,48.Al igual que otros modelos hidrológicos a gran escala, PCR-GLOBWB es esencialmente un modelo de "balde con fugas" que se aplica celda por celda49 al considerar la lluvia, la evaporación, la intercepción del dosel, la acumulación de nieve y el deshielo.La recarga mensual de agua subterránea derivada de PCR-GLOBWB se utilizó para calcular la recarga promedio anual de 1958 a 2015 (Fig. 1b).Para generar un conjunto de datos de referencia global de USZ vN, los datos de vN medidos o modelados (pero verificados) de las USZ regionales en diferentes países se recopilaron y promediaron a partir de la literatura publicada (Tabla complementaria 1)28,29,30,31,32,33, 34,35,36,37,38,50,51.La Figura 2 muestra la distribución de los datos promedio de USZ vN recopilados de los Estados Unidos, China, el Reino Unido, Europa Occidental, Japón e Israel.Luego, estos datos se ampliaron a un conjunto de datos USZ vN de referencia a escala global basado en la litología regional y los datos de litología global (GLiM)52.GLiM, que está disponible en la base de datos PANGEA (https://doi.org/10.1594/PANGAEA.788537)53, representa los tipos de rocas de la superficie terrestre con 1.235.400 polígonos.La clasificación litológica consta de tres niveles: el primer nivel contiene 16 clases litológicas básicas, mientras que los otros dos niveles contienen 12 y 14 subclases respectivamente que describen más detalles de la roca.En este documento solo se utilizaron 16 clases básicas del primer nivel de GliM, que incluyen: rocas volcánicas intermedias, rocas volcánicas básicas, rocas plutónicas ácidas, metamórficas, sedimentos no consolidados, rocas sedimentarias siliciclásticas, rocas plutónicas básicas, rocas plutónicas intermedias, rocas sedimentarias mixtas , Cuerpos de agua, Piroclásticos, Rocas sedimentarias carbonatadas, Rocas volcánicas ácidas, Sin datos y Evaporitas.Según el GLiM, la Tierra está cubierta por un 64 % de sedimentos (un tercio de los cuales son carbonatos), un 13 % metamórficos, un 7 % plutónicos, un 6 % volcánicos y un 10 % de agua o hielo52.La distribución espacial de los datos promedio de USZ vN recopilados en este estudio.La región roja representa la región donde existe la media USZ vN (la media USZ vN puede ser una o más).(a) Los valores medios múltiples de USZ vN del Reino Unido cubren casi todo el Reino Unido;(b) La cuenca del Tarim, la meseta de Loess y la llanura del norte de China en China tienen el mismo promedio USZ vN;(c) La media USZ vN de las rocas metamórficas en la región de Kumamoto en Japón;(d) El promedio USZ vN del Loess en Israel;(e) Los valores medios USZ vN de la caliza y la arenisca triásica en Europa occidental;y (f) El promedio USZ vN del Loess estadounidense.El primer nivel de clasificación GLiM se usó en este estudio como un mapa base para interpolar los datos de USZ vN medidos o modelados regionalmente (pero verificados) en un conjunto de datos de referencia global de USZ vN (vN_base) (Fig. 3), que se usa como observado/conocido vN para calibrar el modelo NTB.La figura 4 muestra el diagrama de flujo de la generación de vN_base.De acuerdo con el principio del modelo NTB, el vN está limitado por las condiciones de la litología de USZ, por lo que asumimos que la misma litología de USZ tenía el mismo promedio de USZ vN.Se cotejaron los datos regionales monitoreados o modelados de USZ vN y sus correspondientes litologías de USZ, y el mundo se dividió en dos partes según la existencia de USZ vN, a saber, las regiones con y sin datos de vN.Para las regiones con datos de vN, las dividimos en regiones con diferentes clasificaciones de litología y luego reclasificamos la litología de estas regiones según la clasificación GLiM (Tabla complementaria 2), para calcular los valores medios de vN de la litología reclasificada.Mientras que, para las regiones sin datos de vN, derivamos los valores de vN en función de los tipos de litología que son los mismos que en las regiones con datos de vN.Finalmente, el conjunto de datos de referencia global de USZ vN se generó utilizando los datos medios de vN de todas las regiones.Los datos de referencia de USZ vN que contienen las velocidades promedio de transporte de nitrato medidas o modeladas en las regiones.El diagrama de flujo de la generación de un conjunto de datos de referencia global de USZ vN.El procesamiento de datos recopilados de USZ vN monitoreados o modelados se dividió principalmente en tres partes: (A) USZ vN en el Reino Unido;(B) la USZ vN en caliza y arenisca triásica de Europa Occidental;y (C) la USZ vN en otras regiones.Su tratamiento de datos se describe a continuación:Dado que el Reino Unido tiene una base de datos completa de USZ vN con una descripción detallada de los acuíferos que cubren casi todo el país38, esta base de datos del Reino Unido se utilizó para derivar la media de USZ vN de otras regiones del mundo en función de los tipos de acuíferos.Por lo tanto, los acuíferos del Reino Unido se reclasificaron utilizando el estándar de clasificación litológica básica de los datos GLiM globales (Tabla complementaria 2).Por ejemplo, de acuerdo con la distribución espacial, Chalk, Carboniferous, Cornbrash y Great Oolite of Lincolnshire y otras litologías en el Reino Unido pertenecen a las rocas sedimentarias carbonatadas definidas en la litología básica GLiM.Las Arenas del Cretácico Inferior, Areniscas Triásicas, Triásicas y Pérmicas y otras litologías pertenecen a las rocas sedimentarias Siliciclásticas de la litología básica GLiM.El Plioceno: Corralline Crag y Quaternary Norwich y Red Crags pertenecen a las rocas sedimentarias mixtas de la litología básica GLiM.Cuando se clasificaron más de una litologías USZ del Reino Unido en un tipo litológico GLiM después de la reclasificación, se calculó el valor medio de vN de estas litologías USZ y se aplicó para calcular el vN medio de USZ de otras partes del mundo.Debido a clasificaciones litológicas especiales en Europa occidental54 (Bélgica, la antigua República Federal de Alemania, Dinamarca, Francia, Irlanda, Italia, Luxemburgo, los Países Bajos y el Reino Unido), los valores de vN en las USZ de la caliza y la arenisca triásica en Europa occidental se determinaron en base a la clasificación litológica de Europa Occidental.Con respecto a otros países que tienen USZ vN recopilados de la literatura, los datos de la Región Administrativa Mundial55,56 y la clasificación de litología de GLiM se usaron para extrapolar los valores de USZ vN en las áreas de estudio en la literatura al rango litológico dentro de los límites de los países donde se realizaron los estudios (Tabla complementaria 2).Los principales factores que afectan el valor del factor de retardo R incluyen la permeabilidad, el tamaño de los poros, la difusión, la dispersión y la adsorción, que están limitados por la litología42.Para simular con precisión los valores USZ vN distribuidos espacialmente, los valores R para diferentes clasificaciones litológicas deben calibrarse utilizando vN_base.Por lo tanto, de acuerdo con la clasificación de litología GLiM y la vN_base de diferentes países, las USZ globales se dividieron en 22 zonas (excluyendo agua, hielo y nieve, y sin zonas de valor vN_base) (Fig. 5).El método de zonificación es el siguiente: para todo el país donde hay una media de USZ vN y la vN_base en el área es la media de USZ vN (por ejemplo, el Reino Unido), dividimos la región con la misma vN_base en una zona.Para las áreas donde hay una media USZ vN de litología, la vN_base en el área es la media USZ vN y el límite de litología entre varios países (como la caliza y la arenisca triásica en Europa occidental), dividimos la litología en una zona de acuerdo con EL limite.Para las áreas donde hay una media USZ vN de litología, la vN_base en el área se obtiene usando la litología GLiM para expandir el espacio de acuerdo con la relación subordinada entre la litología y la litología GLiM 16, y el límite de la litología existe solo en un país ( como China, Estados Unidos, Japón e Israel), dividimos la litología GLiM correspondiente a esta litología en este país en una zona.Por ejemplo, hay una media USZ vN en el Loess de China, y la región del loess pertenece a los sedimentos no consolidados de GLiM.Dividimos los sedimentos no consolidados de China en una zona.Las otras áreas donde no hay media USZ vN y vN_base se obtiene por interpolación se dividen según la litología GLiM.La división de 22 zonas se basa en la existencia de los datos medios de USZ vN, el método de cálculo de vN_base y la litología.En comparación con las clasificaciones de litología GLiM 16, el método de zonificación de 22 zonas distingue la región en la que se obtiene vN_base mediante el uso de diferentes métodos según la media USZ vN en la misma litología, para restringir mejor el valor del factor de retardo de vN_base directamente obtenido de la existencia de la media de USZ vN en la región, aumentando así la precisión de los resultados de la simulación de velocidad.El número y la litología de las 22 zonas se muestran en la Tabla complementaria 3. El mapa de zonas proporcionó restricciones regionales para derivar valores USZ vN espacialmente distribuidos utilizando el modelo NTB.Las 22 zonas USZ globales que excluyen las áreas cubiertas por agua, hielo y nieve, o que no tienen valores vN_base.Aunque algunos datos regionales de USZ vN monitoreados se pueden encontrar en la literatura publicada, la cantidad de estos datos es demasiado limitada para usarse directamente para derivar los valores de USZ vN distribuidos espacialmente en el resto de las regiones del mundo.Sin embargo, estos datos recopilados regionales de USZ vN monitoreados se han utilizado para derivar los conjuntos de datos de referencia de USZ vN, es decir, el conjunto de datos vN_base para calibrar el modelo NTB, que se utilizó en este estudio para generar los datos distribuidos globales de USZ vN (GNV).Para calibrar el modelo NTB utilizando vN_base en 22 zonas (descrito en la sección anterior), se usaron y calibraron los diferentes valores de los factores de retardo R de NTB en cada zona durante la simulación Monte Carlo (MC), en la que se corrió el modelo NTB 100.000 veces.En cada ejecución de NTB, se calculó el valor absoluto de la diferencia entre los conjuntos de datos de referencia y los valores simulados medios distribuidos espacialmente para verificar la precisión de los resultados modelados.Los gráficos de dispersión de sensibilidad de las 22 zonas se generaron trazando el valor absoluto de la diferencia entre los conjuntos de datos de referencia y los valores simulados medios distribuidos espacialmente de los factores de retardo de NTB (Fig. 6).Por ejemplo, en la Fig. 6(1), el número 1 corresponde a la zona1.Usamos el método MC para ingresar un valor R aleatorio como Ri, ejecutamos el modelo NTB una vez y obtuvimos una velocidad simulada media (vN_sim) de la zona1.El valor absoluto de la diferencia entre la media vN_sim y la zona1 vN_base se marcó con un punto azul en la Fig. 6(1).El modelo MC se ejecutó 100 000 veces y se obtuvo un total de 100 000 Ri y 100 000 puntos de dispersión.Entre estos puntos de dispersión, el punto con el valor más cercano a 0 indica que la media vN_sim es la más cercana a la vN_base, y llamamos a esta media vN_sim como la mejor media vN_sim.El Ri correspondiente a este punto fue el mejor R de la zona 1, marcado con un triángulo rojo en la Fig. 6(1).Los valores de vN_base, la velocidad simulada (vN_sim) y el factor de retardo en 22 regiones se muestran en la Tabla complementaria 3. Después de determinar los valores R de 22 zonas, se volvió a ejecutar el modelo NTB y se obtuvo el conjunto de datos GNV.El conjunto de datos GNV generado utilizando el modelo NTB se muestra en la Fig. 7.Gráficos de dispersión de sensibilidad para 22 zonas.Los valores de sesgo son los valores absolutos de las diferencias entre los resultados simulados medios y los valores de referencia (vN_base);las líneas azules consisten en puntos que representan los valores básicos de 100 000 corridas de MC;los triángulos rojos son los mejores valores del factor de retardo (R) para 22 zonas de modelado (1–22).Datos distribuidos globales de USZ vN (GNV) generados en este estudio.El conjunto de datos GNV y sus detalles de calidad se ponen a disposición del público de forma gratuita en formato GeoTIFF a través de un repositorio público sin restricciones (Figshare57).Los datos se proporcionan en una resolución espacial de 5′ × 5′ con la unidad de velocidad de m/año.El conjunto de datos GNV representa la distribución global de las velocidades de transporte de nitratos de la USZ, que se ven afectadas principalmente por los tipos de rocas, las características hidrogeológicas de las rocas, la recarga de aguas subterráneas a largo plazo, etc. La información sobre la calidad de los datos, que se analizará en la siguiente sección, es la estimación de precisión de datos de transporte de nitratos basados ​​en los valores vN_base en diferentes zonas.Tras la disponibilidad de nuevos datos USZ vN medidos o modelados regionalmente, el repositorio se actualizará con una versión más nueva del gráfico de datos de transporte de nitrato.Dado que el conjunto de datos de porosidad de roca global es uno de los parámetros de entrada al estimar USZ vN en el modelo NTB, se realiza el análisis de correlación de la distribución de USZ vN y los datos de porosidad.Para eliminar la influencia de la recarga nula de aguas subterráneas en este análisis, los resultados cero USZ vN calculados por la recarga anual promedio cero de aguas subterráneas (p. ej., desierto del Sahara, desierto árabe, desierto iraní, desierto turco, desierto Taklimakan, desierto Gobi, desierto australiano, desierto desierto y el desierto de Karari) no se consideraron.La Figura 8a muestra que el valor medio de vN es inversamente proporcional a la porosidad de la roca en su conjunto;y esto es consistente con la fórmula básica del modelo NTB42.Sin embargo, cuando los valores de porosidad son 0,15, 0,22 y 0,28, los rangos de valores de vN son menores que los de otros valores de porosidad (Fig. 8b).Para explicar este fenómeno, verificamos la clasificación litológica de GLiM y encontramos que estos tres valores de porosidad pertenecen a la misma categoría litológica, a saber, sedimento no consolidado58.Comparamos la distribución espacial de estos tres tipos de porosidad con la distribución espacial59 de los subtipos de sedimentos no consolidados en la base de datos de mapas de sedimentos no consolidados globales (GUM)58.A través del análisis estadístico comparativo, se encontró que bajo la condición de excluir sedimentos indiferenciados, la unidad de área de arcilla y limo (asumiendo que diferentes partículas en la mezcla se mezclaron en el mismo volumen) correspondiente a estos tres tipos de porosidad representa más de 30% del área de porosidad correspondiente (Cuadro 1).Esto demuestra que hubo una gran cantidad de arcilla y limo en los sedimentos no consolidados con valores de porosidad de 0,15, 0,22 y 0,28.Los valores de referencia de la porosidad de la arcilla y el limo son 0,4~0,7 y 0,8 respectivamente60, que son muy superiores a los 0,15, 0,22 y 0,28 utilizados para calcular el vN.Para verificar la precisión de esta conclusión, obtuvimos los valores de porosidad de ejemplo de la literatura (Fig. 9)61,62,63,64.La Figura 9 muestra que es posible que los valores reales de porosidad sean más altos que los utilizados en el modelo NTB.Con base en el análisis anterior, la porosidad real de los sedimentos no consolidados puede ser superior a 0,15, 0,22 y 0,28 utilizados en el modelo NTB, lo que lleva a una sobreestimación de vN.Sin embargo, las incertidumbres de cálculo de vN, que fueron introducidas por errores de porosidad, pueden reducirse debido a la existencia del factor de retardo en el modelo NTB.Al calibrar el modelo NTB utilizando el vN de referencia, el factor de retardo se puede ajustar para hacer que el vN modelado se acerque más al vN real.Comparación de los datos globales de porosidad de las rocas con la vN.(a) los puntos en el gráfico representan el vN promedio en diferentes zonas de porosidad y sus valores de porosidad correspondientes;(b) la distribución estadística de los valores vN a diferentes valores de porosidad.La distribución de los valores de porosidad de ejemplo.El modelo NTB utiliza valores de porosidad de 0,15, 0,22 y 0,28;y el triángulo representa los valores de porosidad de la literatura.Para verificar la precisión del conjunto de datos GNV derivado de este estudio, comparamos los resultados de la simulación con la velocidad de referencia en 22 zonas.En primer lugar, se comparó el valor medio de los resultados de la simulación en cada región con el de vN_base.La Tabla 2 muestra que el error máximo entre el valor promedio de vN y vN_base es 0.4252 en la zona 21, que tiene la litología principal de las rocas sedimentarias mixtas.El diagrama de dispersión de la correlación entre el promedio vN y vN_base muestra una fuerte correlación positiva (Fig. 10, R2 = 0,9956).Para evaluar más a fondo la precisión de los datos de GNV, se tomó como intervalo de confianza la vN_base ± la desviación estándar de vN en cada zona, y los valores de vN fuera del intervalo de confianza se tomaron como valores atípicos, y luego la proporción de celda de valores atípicos en se calculó cada región (Cuadro 3).Los resultados muestran que la zona 6, que tiene la litología de Chalk en Europa Occidental, tiene la mayor proporción de valores atípicos (40,92%).Además, las proporciones atípicas en la zona 8, 9, 10 y 13 también son relativamente grandes, representando el 32,14 %, 25 %, 24,25 % y 25,93 %, respectivamente.Sin embargo, los valores atípicos en estas regiones solo ocupan una pequeña proporción a nivel mundial.Por lo tanto, el porcentaje general de valores atípicos es del 5,50 %, lo que indica que la precisión de GNV es del 94,50 %.La figura 11 muestra la proporción de valores atípicos de cada zona.Se puede encontrar que los valores atípicos en Europa occidental y el sur de Gran Bretaña tienen proporciones relativamente grandes.Esto se debe a que las áreas totales de estas regiones son comparativamente pequeñas y una sola celda de cuadrícula ocupa una gran proporción de la región, lo que da como resultado una proporción relativamente alta de valores atípicos.El diagrama de dispersión de la correlación entre el GNV promedio y el vN_base.Distribución espacial de las proporciones atípicas (mostrada en la Tabla 3).En este documento, el conjunto de datos USZ vN a escala global denominado GNV se generó usando el modelo NTB basado en los datos de porosidad global y los conjuntos de datos de recarga promedio de aguas subterráneas globales de 1958 a 2015. Este conjunto de datos GNV se obtuvo al restringir el modelo NTB y ha sido cuidadosamente analizado y verificado usando los valores medidos en varias regiones del mundo de la literatura publicada.En general, la información sobre la velocidad de transporte de nitrato en las USZ es valiosa para comprender mejor el legado de nitrato en el sistema de agua subterránea e investigar y pronosticar sus impactos sobre el medio ambiente, la salud humana, la calidad ecológica, el crecimiento de plantas y animales.En detalle, el conjunto de datos GNV puede ser utilizado por diferentes modelos numéricos, como modelos de transporte de contaminación de aguas subterráneas y USZ y modelos de aguas superficiales, junto con otros conjuntos de datos.Por ejemplo, el conjunto de datos GNV se puede combinar con los datos de espesor de la USZ para calcular el tiempo de retraso en las USZ (el tiempo que tarda el nitrato en viajar desde el fondo de los suelos hasta la capa freática).De manera similar, este conjunto de datos de GNV podría usarse para estimar el momento en que el valor máximo de la lixiviación de nitrato alcanza la capa freática, lo que informaría a los responsables de la formulación de políticas para que estén preparados para el posible aumento o disminución de las concentraciones de nitrato en las aguas subterráneas en el futuro.Este estudio global puede ayudar a los financiadores, formuladores de políticas y profesionales de un país a comprender mejor la escala de tiempo factible para esperar los beneficios de las medidas de mitigación de nitratos, guiando así el establecimiento de prioridades regionales de planes de gestión de nitratos en aguas subterráneas a escala nacional.Sin embargo, es necesario realizar más trabajos localizados para obtener información detallada al manejar los problemas locales de contaminación por nitratos en las aguas subterráneas.Este conjunto de datos GNV calibrado está disponible en formatos GeoTIFF y ASC, lo que facilita su importación a ESRI ArcMap y cualquier otro software geoespacial.La limitación de este estudio es que derivar el conjunto de datos de GNV depende de la recarga global anual de aguas subterráneas y de los datos de porosidad global, por lo que posiblemente se transmitan las incertidumbres de estos dos conjuntos de datos a este conjunto de datos de GNV.Además, el 8,30% del área global en GNV no tiene valores de velocidad de nitrato en las USZ debido a la falta de datos medidos de vN para los tipos de roca en estas áreas.Según la clasificación de 16 tipos litológicos básicos de GLiM, las clases litológicas, que no tienen USZ vN medido, incluyen rocas volcánicas intermedias, rocas plutónicas ácidas, rocas plutónicas básicas, rocas plutónicas intermedias, piroclásticas, rocas volcánicas ácidas y evaporitas.Sin embargo, estos datos pueden actualizarse una vez que estén disponibles los USZ vN medidos para las rocas en estas áreas.El código del modelo NTB involucrado en la generación de GNV se desarrolló usando VC++, y el código está disponible en Figshare65.Se han comentado los métodos de uso y partes importantes del código.Shiklomanov, IA Recursos mundiales de agua dulce.En: Gleick, PH (Ed.), Water in Crisis.Nueva York (1993).Bailey, RT et al.Influencia distribuida espacialmente de los factores agroambientales que gobiernan el destino y el transporte de nitratos en un sistema acuífero irrigado.Hidrología y Ciencias del Sistema Terrestre.19(12), 4859–4876 (2015).Artículo ADS CAS Google AcadémicoGilmore, TE et al.Cuantificación del destino del nitrógeno agrícola en un acuífero no confinado: observaciones basadas en corrientes en tres escalas de medición.Investigación de Recursos Hídricos.52(3), 1961–1983 (2016).Artículo ADS CAS Google AcadémicoNakagawa, K. et al.Tendencias espaciales de la contaminación por nitratos y la química de las aguas subterráneas en Shimabara, Nagasaki, Japón.Ciencias Ambientales de la Tierra.75(3), 1–17 (2016).Comley, HH Cianosis en lactantes causada por nitratos en agua de pozo.Revista de la Asociación Médica Estadounidense.129, 112–116 (1945).Su, X., Wang, H. y Zhang, Y. Evaluación de riesgos para la salud de la contaminación por nitratos en las aguas subterráneas: un estudio de caso de un área agrícola en el noreste de China.Gestión de Recursos Hídricos.27(8), 3025–3034 (2013).UE.Directiva 98/83/CE sobre la calidad del agua destinada al consumo humano.CELEX‐EUR Off J. 330, 32–54 (1998).Espejo-Herrera, N. et al.Riesgo de cáncer colorrectal y exposición a nitratos a través del agua potable y la dieta.En t.Cáncer.139, 334–346 (2016).Schullehner, J., Hansen, B., Thygesen, M., Pedersen, CB y Sigsgaard, T. Nitrato en el agua potable y riesgo de cáncer colorrectal: un estudio de cohorte basado en la población a nivel nacional.En t.Cáncer.143, 73–79 (2018).Hannas, BR, Das, PC, Li, H. y LeBlanc, GA Conversión intracelular de nitrato y nitrito ambiental en óxido nítrico con la consiguiente toxicidad para el desarrollo del crustáceo Daphnia magna.Más uno.5(8), e12453 (2010).Artículo ADS PubMed PubMed Central Google ScholarPoulsen, R., Cedergreen, N., Hayes, T. y Hansen, M. Nitrato: ¿un disruptor endocrino ambiental?Una revisión de la evidencia y las necesidades de investigación.Reinar.cienciaTecnología52, 3869–3887 (2018).Artículo ADS CAS PubMed Google ScholarReinar.Evaluar.J. Peligro.Mate.cienciaEntorno Total.Sci Medio ambiente total.Chen, N. et al.(1970)Wang, L. et al.Hidrol.Proceso.Wang, L. et al.Cartas de investigación geofísica.Cartas de investigación geofísica.tecnología(2017).Springer-Verlag.Yang, C. et al.(1979).Cartas de investigación geofísica.Los autores declaran no tener conflictos de intereses.Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt