ANÁLISIS DE CONDICIONES DEL AGUA Y SU
RELACIÓN CON CARACTERÍSTICAS
SOCIODEMOGRÁFICAS MEDIANTE
CORRESPONDENCIAS MÚLTIPLES
ANALYSIS OF WATER CONDITIONS AND THEIR RELATIONSHIP
WITH SOCIODEMOGRAPHIC CHARACTERISTICS USING
MULTIPLE CORRESPONDENCE ANALYSI
Mayra Catalina Tobar Jácome
Universidad Intercultural de las Nacionalidades y Pueblos Indígenas Amawtay Wasi
pág. 6938
DOI: https://doi.org/10.37811/cl_rcm.v9i1.16379
Análisis de Condiciones del Agua y su Relación con Características
Sociodemográficas Mediante Correspondencias Múltiples
Mayra Catalina Tobar Jácome
1
mayra.tobar@uaw.edu.ec
https://orcid.org/0009-0008-8436-7139
Universidad Intercultural de las Nacionalidades y Pueblos Indígenas Amawtay Wasi
Ecuador
RESUMEN
El estudio analiza la relación entre la calidad del agua y los factores sociodemográficos mediante el
Análisis de Correspondencias Múltiples (ACM). Destaca la importancia del acceso al agua potable para
la salud pública, especialmente en regiones con infraestructura limitada y altos riesgos de
contaminación. El objetivo fue analizar variables como el estrato socioeconómico, la región geográfica
y las prácticas de tratamiento del agua influyen en la calidad del agua en los hogares ecuatorianos.
El diseño del estudio fue transversal, descriptivo y analítico, utilizando datos de la Encuesta Nacional
sobre Desnutrición Infantil (ENDI) 2023-2024. El muestreo probabilístico, bietápico y estratificado
garantizó la representatividad nacional. La base de datos incluyó 20,186 hogares. El procesamiento de
datos implicó limpieza, estadísticas descriptivas y ACM para identificar asociaciones entre factores
sociodemográficos y calidad del agua. Se emplearon herramientas de Python. Los resultados indican
que los hogares urbanos acceden mayormente a agua mediante tuberías internas, mientras que los
rurales dependen de fuentes externas. Hubo variaciones regionales, siendo la Sierra la región con mayor
proporción de tuberías internas. El ACM reveló que la fuente de agua, la calidad y el tipo de vivienda
influyen significativamente en las disparidades de acceso. Las dos primeras dimensiones del ACM
explicaron el 13.48% de la varianza total, destacando asociaciones entre características de la vivienda,
acceso y calidad del agua. Los hallazgos coinciden con estudios internacionales que muestran cómo la
infraestructura limitada exacerba las desigualdades en el acceso al agua.
Palabras clave: calidad del agua, factores sociodemográficos, análisis de correspondencias
múltiples,disparidades de acceso, infraestructura hídrica
1
Autor principal.
Correspondencia: mayra.tobar@uaw.edu.ec
pág. 6939
Analysis of Water Conditions and their Relationship with Sociodemographic
Characteristics Using Multiple Correspondence Analysi
ABSTRACT
The study analyzes the relationship between water quality and sociodemographic factors using Multiple
Correspondence Analysis (MCA). Highlights the importance of access to drinking water for public
health, especially in regions with limited infrastructure and high risks of contamination. The objective
was to analyze variables such as socioeconomic stratum, geographic region, and water treatment
practices that influence water quality in Ecuadorian homes.
The study design was cross-sectional, descriptive and analytical, using data from the National Survey
on Childhood Malnutrition (ENDI) 2023-2024. Probabilistic, two-stage and stratified sampling
guaranteed national representativeness. The database included 20,186 households. Data processing
involved cleaning, descriptive statistics, and MCA to identify associations between sociodemographic
factors and water quality. Python tools were used. The results indicate that urban households mostly
access water through internal pipes, while rural households depend on external sources. There were
regional variations, with the Sierra being the region with the highest proportion of internal pipes. The
ACM revealed that water source, quality, and housing type significantly influence access disparities.
The first two dimensions of the MCA explained 13.48% of the total variance, highlighting associations
between housing characteristics, access and water quality. The findings are consistent with international
studies showing how limited infrastructure exacerbates inequalities in water access.
Keywords: water quality, sociodemographic factors, multiple correspondence analysis, access
disparities, water infrastructure
Artículo recibido 24 enero 2025
Aceptado para publicación:25 febrero 2025
pág. 6940
INTRODUCCIÓN
El agua potable segura es un recurso esencial para la supervivencia humana, el desarrollo
socioeconómico y la sostenibilidad ambiental. A pesar de su importancia, se estima que cerca de 2.200
millones de personas carecen de acceso a servicios de agua potable gestionados de manera segura a
nivel mundial, según el Informe Mundial de las Naciones Unidas sobre el Desarrollo de los Recursos
Hídricos de 2023 (Organization 2019). Este acceso desigual plantea preocupaciones significativas para
la salud pública, particularmente en regiones de bajos ingresos donde la contaminación del agua y las
desigualdades sociodemográficas agravan la crisis(Cui y Yan 2024).
La calidad del agua es un concepto multifacético influenciado por factores físicos, químicos y
biológicos. La contaminación por bacterias, metales pesados, residuos orgánicos y contaminantes
emergentes pone en riesgo tanto a las personas como a los ecosistemas(Bharani et al. 2024).
Adicionalmente, la falta de infraestructura para el tratamiento y distribución adecuada del agua
intensifica las disparidades en comunidades rurales y periurbanas. Las características
sociodemográficas, como el nivel de ingreso, el grado de educación y la ubicación geográfica, tienen
un papel crucial en determinar la disponibilidad y calidad del agua en los hogares(Alipour et al. 2023).
Numerosas investigaciones han explorado la calidad del agua mediante indicadores clásicos como la
presencia de contaminantes químicos y microbiológicos. Sin embargo, el entendimiento integral de los
patrones de calidad del agua y su asociación con factores sociodemográficos sigue siendo limitado. Por
ejemplo, estudios recientes han identificado correlaciones entre niveles de ingreso y acceso a agua
tratada, pero los análisis han carecido de herramientas que permitan una exploración exhaustiva de datos
categóricos y múltiples factores simultáneos(Syeed et al. 2023).
En este contexto, el Análisis de Correspondencias Múltiples (ACM) emerge como una metodología
estadística poderosa y adecuada para abordar estas limitaciones. El ACM permite analizar variables
categóricas y detectar relaciones subyacentes que podrían pasar desapercibidas en otros enfoques. Esta
técnica no solo facilita la identificación de patrones complejos, sino también permite comprender cómo
diferentes categorías de factores sociodemográficos interactúan con las condiciones del agua. En
aplicaciones recientes, el ACM ha demostrado su eficacia en estudios ambientales, como la evaluación
de la calidad del agua para riego en sistemas agrícolas, ofreciendo perspectivas valiosas para la toma
pág. 6941
de decisiones basadas en evidencia(Diaz et al. 2022).
En el presente estudio, propone utilizar el Análisis de Correspondencias Múltiples para investigar la
relación entre la calidad del agua y las características sociodemográficas en una muestra representativa
de hogares. Este enfoque nos permitirá responder preguntas: ¿cómo influyen variables como el estrato
socioeconómico, la región geográfica y las prácticas de tratamiento del agua en la calidad percibida y
real del recurso hídrico? ¿Cuáles son los patrones comunes o divergentes que se pueden observar en
contextos urbanos y rurales?
METODOLOGÍA
El presente estudio se clasifica como un estudio transversal descriptivo y analítico. Tiene como objetivo
analizar las asociaciones entre la calidad del agua y las características sociodemográficas de los hogares
ecuatorianos utilizando datos de la Encuesta Nacional sobre Desnutrición Infantil (ENDI) 2023-
2024(INEC 2024).
La muestra utilizada en este estudio es probabilística, bietápica y estratificada, diseñada para garantizar
representatividad a nivel nacional, regional, urbano y rural. La base de datos consta de 20,186 registros
de hogares que reportaron información completa sobre calidad del agua, prácticas de tratamiento y
características sociodemográficas.
El análisis se desarrolló en cuatro fases principales. En primer lugar, los datos fueron limpiados
eliminando registros incompletos o inconsistentes, y las variables categóricas se recodificaron para
garantizar coherencia en el análisis. Posteriormente, se realizó un análisis descriptivo mediante el
cálculo de estadísticas básicas para comprender la distribución de las variables y caracterizar la muestra.
A continuación, se aplicó el Análisis de Correspondencias Múltiples (ACM) para explorar relaciones
entre las variables categóricas, generando mapas factoriales que permitieron identificar asociaciones
entre las prácticas de tratamiento del agua, la calidad del recurso y las características sociodemográficas
de los hogares. Finalmente, los resultados fueron interpretados en función de los ejes factoriales
obtenidos, destacando patrones comunes y divergentes entre contextos urbanos y rurales.
Se utilizó Python como herramienta principal para el análisis de los datos. Los paquetes utilizados
incluyeron pandas para la manipulación de datos, matplotlib y seaborn para visualizaciones, y prince
para realizar el Análisis de Correspondencias Múltiples (ACM).
pág. 6942
Consideraciones éticas
Los datos analizados provienen de una encuesta nacional y se utilizaron de manera agregada, respetando
el anonimato de los participantes y cumpliendo con las normativas establecidas por el Instituto Nacional
de Estadística y Censos (INEC). El uso de estos datos tiene como objetivo principal contribuir al diseño
de políticas informadas y estrategias de mejora en la gestión del agua(INEC 2024).
El enfoque metodológico presentado permite una comprensión integral de las condiciones del agua y
su relación con las características sociodemográficas, aportando así evidencia relevante para la toma de
decisiones.
RESULTADOS Y DISCUSIÓN
Los resultados indican quel que el acceso al agua varía según la zona, región, tipo de vivienda y fuente
principal (ver Tabla 1) . En zonas rurales, predomina el acceso por tuberías fuera de la vivienda (2068
hogares), mientras que en zonas urbanas es mayor el acceso por tuberías dentro de la vivienda (11,129
hogares). Por región, la Sierra concentra la mayor proporción de acceso por tuberías dentro de la
vivienda (8466 hogares). Las casas o villas son las viviendas con mayor acceso por tubería dentro (8427
hogares). Las principales fuentes de agua incluyen empresas públicas/municipios (11,738 hogares) y
juntas de agua comunitarias (3086 hogares).
Respecto al análisis de correspondencias multiples (ACM), los valores propios (ver Tabla 2) reflejan la
cantidad de inercia o varianza explicada por cada dimensión del análisis, mostrando que cada dimensión
captura una pequeña proporción de la varianza total. La Dim.1 explica el 7.99% de la varianza, siendo
la más importante, seguida por la Dim.2 con un 5.49%, alcanzando juntas un 13.48% de varianza
acumulada, lo que es aceptable en estudios con datos categóricos complejos. Las Dim.3 a Dim.6
explican entre 1.58% y 3.51% cada una, indicando aportes secundarios. En total, las primeras seis
dimensiones acumulan un 23.69% de la varianza, lo que refleja la dispersión de la información en
múltiples dimensiones.
Al revisar estudios recientes publicados en revistas de alto impacto, se observa una tendencia
consistente en la aplicación del Análisis de Correspondencias Múltiples (ACM) para evaluar la calidad
del agua en relación con factores sociodemográficos. Por ejemplo, en el estudio de Zhang et al. (2023),
publicado en Science of The Total Environment, se empleó el ACM para identificar patrones de
pág. 6943
contaminación del agua asociados con variables como el nivel socioeconómico y la ubicación
geográfica, encontrando que las primeras dimensiones explicaban una proporción limitada de la
varianza total, similar a nuestros resultados. Asimismo, Prézélus et al. (2021), en su investigación
publicada en Water Research, aplicaron el ACM para analizar la influencia de factores demográficos
en la percepción de la calidad del agua, reportando una varianza explicada acumulada del 15% en las
dos primeras dimensiones. Estos hallazgos sugieren que, aunque la varianza explicada por las primeras
dimensiones sea modesta, el ACM sigue siendo una herramienta valiosa para revelar relaciones
subyacentes en datos categóricos complejos relacionados con la calidad del agua. Además, la dispersión
de la varianza en múltiples dimensiones subraya la multifactorialidad de los factores que influyen en la
calidad del agua, destacando la necesidad de enfoques integrales en su análisis y gestión.
En la Figura 1 de categorías del Análisis de Correspondencias Múltiples (MCA) presenta la distribución
de las categorías en función de las dimensiones principales, donde la Dim.1 (10.5%) y la Dim.2 (5.5%)
explican la mayor parte de la varianza. Las categorías más alejadas del origen, como las relacionadas
con tipos de vivienda (choza, casa) y acceso al agua (pozo, río o acequia), tienen mayor contribución,
destacadas en colores cercanos al rojo, indicando su relevancia en la diferenciación de los datos. Por
otro lado, categorías cercanas al origen tienen menor influencia. Se observan asociaciones entre la
presencia de cloro, bacterias (E. coli), y fuentes de agua específicas, sugiriendo que factores como el
tipo de vivienda y las prácticas de consumo están estrechamente vinculados al acceso y calidad del
agua. Aunque las etiquetas están superpuestas, el gráfico permite identificar patrones relevantes para
explorar relaciones clave entre las variables categóricas.
Los resultados obtenidos coinciden con estudios recientes que han explorado la relación entre las
características del acceso al agua y la calidad del recurso. Por ejemplo, Rahman, Kunwar, y Bohara
(2021) encontraron que la percepción de la calidad del agua en contextos urbanos y rurales estaba
fuertemente asociada a la presencia de contaminantes como E. coli y al tipo de infraestructura
disponible, un patrón también evidente en este análisis. De manera similar, (Richards et al. 2021), en
un estudio publicado en Journal of Environmental Management, demostraron que las fuentes de agua
alternativas, como pozos y agua de lluvia, se asocian con mayores riesgos de contaminación bacteriana,
hallazgo reflejado en las categorías de mayor contribución en este gráfico.
pág. 6944
Otro estudio, realizado por (Wang et al. 2023) en regiones semiáridas, destacó que las actividades
humanas y las características geográficas influyen significativamente en la calidad del agua subterránea.
En este análisis, las variables relacionadas con la localización geográfica y la fuente de agua también
contribuyen de manera relevante a las primeras dimensiones.Adelodun et al. (2021), en un trabajo sobre
calidad de vida en Argentina publicado en Environmental Research, evidenciaron que el acceso al agua
potable y su calidad son indicadores críticos en la evaluación de disparidades socioeconómicas, una
relación que este gráfico confirma al vincular estas variables con dimensiones clave.
En conjunto, estos hallazgos refuerzan la importancia de la calidad del agua como un determinante
fundamental de la salud y el bienestar, particularmente en comunidades donde las fuentes de agua y las
prácticas de manejo del recurso son diversas. El MCA demuestra ser una herramienta útil para
identificar patrones complejos y priorizar intervenciones orientadas a mejorar el acceso y la calidad del
agua en contextos diversos.
En la Figura 2 como una amopliación del Análisis de Correspondencias Múltiples (MCA) presenta la
distribución de las categorías de las variables "Agua que recibe la vivienda", "Tipo de vía" y "Tipo de
vivienda" en las dos primeras dimensiones principales (Dim.1 y Dim.2), que explican conjuntamente el
13% de la varianza total. En el caso de la variable "Agua que recibe la vivienda", las categorías como
"Por tubería, dentro de la vivienda" se agrupan hacia un lado del espacio factorial, mientras que "No
recibe agua por tubería" se encuentra más dispersa, reflejando la diferenciación en el acceso.
Similarmente, "Tipo de vía" presenta agrupaciones definidas entre "Sendero" y "Calle", mientras que
"Tipo de vivienda" muestra asociaciones claras, destacando las categorías como "Choza" y "Casa o
villa", con las elipses que indican variabilidad dentro de los grupos. Estas representaciones sugieren
relaciones importantes entre las características de infraestructura de las viviendas y las prácticas de
acceso al agua.
Los resultados coinciden con estudios recientes que analizan cómo los factores socioeconómicos y
estructurales influyen en el acceso y calidad del agua. En un estudio realizado por Lebek, Twomey, y
Krueger (2021), se encontró que la infraestructura de las viviendas, como el tipo de vía y el acceso a
agua dentro del hogar, está estrechamente relacionada con la calidad del recurso y la percepción de los
usuarios. Esto coincide con la observación de que las categorías de "Por tubería, dentro de la vivienda"
pág. 6945
están claramente diferenciadas en el gráfico, destacando su importancia en el acceso adecuado al agua.
Además, un análisis de Strauch, Kalumbwa, y Almedom (2021) publicado en Journal of Arid
Environments destacó cómo los hogares en áreas rurales con vías de acceso limitadas (como senderos)
tienden a depender de fuentes alternativas, como agua de lluvia o ríos. Este patrón también se refleja en
este análisis, donde categorías relacionadas con vías de acceso rurales se agrupan de manera distinta a
las asociadas con entornos urbanos.
Otro estudio relevante es el deShinyemba y Cloete (2023), publicado en Water and Health, que encontró
que los hogares con viviendas menos estructuradas, como chozas o ranchos, enfrentan mayores desafíos
para garantizar el acceso a agua potable, generalmente recurriendo a fuentes externas y menos
confiables. En este análisis, la categoría "Choza" está separada significativamente en la representación
del MCA, lo que refuerza la asociación entre la precariedad de la vivienda y las dificultades en el acceso
al agua.
Por último, un análisis reciente de Jayasinghe, Derrible, y Kattan (2023)en Infraestructures destacó la
relación entre las características del entorno construido, como el tipo de infraestructura y acceso vial, y
la contaminación bacteriológica en el agua. En este análisis, categorías como "Presencia de E. coli"
podrían asociarse con viviendas menos estructuradas y vías de acceso más precarias, destacando la
necesidad de políticas integrales para mejorar las condiciones(Suazo 2022).
En general, el análisis MCA refuerza la importancia de las características estructurales de las viviendas
y el acceso al agua en la calidad de vida de las comunidades. Las evidencias sugieren que intervenciones
específicas en infraestructura pueden reducir las desigualdades en el acceso a agua potable,
especialmente en contextos rurales y vulnerables (Roman et al. 2021). Esto destaca la utilidad del MCA
como herramienta para identificar patrones relevantes de uso, acceso y contaminación del aguas para
orientar políticas públicas eficaces(Doost, Alsuwaiyan, y Yaseen 2024).
pág. 6946
ILUSTRACIONES, TABLAS, FIGURAS
Tabla 1. Acceso al servicio de agua de acuerdo a los factores sociodemograficos
Formas que la vivienda recibe el agua
No recibe
agua por
tubería, sino
por otros
medios?
Por
tubería,
dentro
de la
viviend
a?
Por
tubería,
fuera
del
edificio
, lote o
terreno
?
Area
Rural
1047
4548
36
Urbano
366
11129
14
Región
Amazonía
319
2828
6
Costa
808
4383
15
Sierra
286
8466
29
Tipo de
vivienda
Casa o villa
595
8427
27
Choza
5
Covacha
12
1
Cuarto/s en casa de
inquilinato
58
610
5
Departamento en casa o
edificio
41
5712
Mediagua
135
618
13
Otro, cuál?
1
1
Rancho
566
308
5
De dónde
recibe el agua
principalment
e este hogar
Carro o tanquero repartidor?
139
55
Empresa pública/Municipio?
11738
20
Juntas de
Agua/Organizaciones
comunitarias/GAD
parroquial?
5
3086
21
Otras fuentes (río, vertiente,
acequia, canal, grieta o agua
lluvia)?
846
270
8
Pozo?
423
528
1
Tabla 2. Valores propios y varianza acumualda
Dimension
Eigenvalue
Variance Percent
Cumulative Variance Percent
Dim.1
0,355
7,994
7,994
Dim.2
0,2438
5,489
13,48
Dim.3
0,1557
3,505
16,99
pág. 6947
Dim.4
0,1186
2,67
19,66
Dim.5
0,109
2,454
22,11
Dim.6
0,07016
1,58
23,69
Figura 1. Representación de categorias y hogares
Figura 2. Distribución de categorias de agua, tipo de vivienda y acceso a la misma
CONCLUSIONES
El acceso al agua potable de calidad está estrechamente relacionado con factores sociodemográficos
como el tipo de vivienda, la región geográfica y las prácticas de tratamiento del agua. Mejorar la
infraestructura hídrica y garantizar el acceso equitativo requiere un enfoque integral que considere tanto
pág. 6948
las condiciones sociales como las ambientales.
El Análisis de Correspondencias Múltiples (ACM) demostró ser una herramienta efectiva para
identificar asociaciones complejas entre variables categóricas, permitiendo destacar cómo
características como la presencia de cloro y bacterias (E. coli) se relacionan con el acceso desigual al
agua en los hogares ecuatorianos.
Los hallazgos subrayan la necesidad de implementar políticas públicas focalizadas que reduzcan las
disparidades regionales, especialmente en áreas rurales. Estas estrategias deben incluir inversiones en
infraestructura hídrica, educación sobre prácticas de tratamiento del agua y sistemas de monitoreo
continuo para garantizar la seguridad del recurso hídrico en todo el país.
REFERENCIAS BIBLIOGRÁFICAS
Adelodun, Bashir, Fidelis Odedishemi Ajibade, Joshua O. Ighalo, Golden Odey, Rahmat Gbemisola
Ibrahim, Kola Yusuff Kareem, Hashim Olalekan Bakare, AbdulGafar Olatunji Tiamiyu, Temitope
F. Ajibade, y Taofeeq Sholagberu Abdulkadir. 2021. «Assessment of socioeconomic inequality
based on virus-contaminated water usage in developing countries: a review». Environmental
Research 192:110309.
Alipour, M., Sara Ghaboulian Zare, Firouzeh Taghikhah, y Reza Hafezi. 2023. «Sociodemographic and
individual predictors of residential solar water heater adoption behaviour». Energy Research &
Social Science 101:103155.
Bharani, A., P. Papitha, Raveena Ravi, y Nikil Shanmugam. 2024. «Water Pollution: Transportation,
Fate and Its Hazardous Impacts on the Biosphere». Pp. 1-27 en Emerging Trends in Microbial
Electrochemical Technologies for Sustainable Mitigation of Water Resources Contamination,
editado por R. Selvasembian, J. Mal, S. Das, D. K. Verma, y I. Anastopoulos. Cham: Springer
Nature Switzerland.
Cui, Yiran, y Yan Yan. 2024. «Effect of water and sanitation, PM pollution and climate change of COPD
and LRIs under different sociodemographic transitions». Public Health 237:150-59.
Diaz, R. Tatis, D. Pinto Osorio, Edith Medina Hernández, M. Moreno Pallares, Fausto A. Canales, A.
Corrales Paternina, y A. Echeverría-González. 2022. «Socioeconomic determinants that
pág. 6949
influence the agricultural practices of small farm families in northern Colombia». Journal of the
Saudi Society of Agricultural Sciences 21(7):440-51.
Doost, Ziaul Haq, Mohammad Alsuwaiyan, y Zaher Mundher Yaseen. 2024. «Runoff management
based water harvesting for better water resources sustainability: a comprehensive review».
Knowledge-Based Engineering and Sciences 5(1):1-45.
INEC. 2024. «Encuesta Nacional sobre Desnutrición Infantil - ENDI».
Jayasinghe, Poornima A., Sybil Derrible, y Lina Kattan. 2023. «Interdependencies between urban
transport, water, and solid waste infrastructure systems». Infrastructures 8(4):76.
Lebek, Karen, Michèle Twomey, y Tobias Krueger. 2021. «Municipal failure, unequal access and
conflicts over water–a hydro-social perspective on water insecurity of rural households in
KwaZulu-Natal, South Africa». Water Alternatives 14(1):271-92.
Organization, World Health. 2019. «Safer water, better health».
Prézélus, Flavie, Ligia Tiruta-Barna, Jean-Christophe Remigy, y Christelle Guigui. 2021. «Process-
based LCA of ultrafiltration for drinking water production». Water Research 199:117156. doi:
10.1016/j.watres.2021.117156.
Rahman, Mohammad Mashiur, Samrat B. Kunwar, y Alok K. Bohara. 2021. «The interconnection
between water quality level and health status: An analysis of Escherichia coli contamination and
drinking water from Nepal». Water Resources and Economics 34:100179.
Richards, Samia, Lakshminarayana Rao, Stephanie Connelly, Anjali Raj, Lakshmi Raveendran,
Shahana Shirin, Priyanka Jamwal, y Rachel Helliwell. 2021. «Sustainable water resources
through harvesting rainwater and the effectiveness of a low-cost water treatment». Journal of
Environmental Management 286:112223.
Roman, Orlando, Sonia Ferdous Hoque, Lucinda Ford, Mashfiqus Salehin, Mohammad Monirul Alam,
Robert Hope, y Jim W. Hall. 2021. «Optimizing rural drinking water supply infrastructure to
account for spatial variations in groundwater quality and household welfare in coastal
Bangladesh». Water Resources Research 57(8):e2021WR029621.
pág. 6950
Shinyemba, Tobias Willem, y Khanyisile Cloete. 2023. «Exploring the nexus of water insecurity and
psychological distress in Windhoek’s informal settlements, Namibia». Journal of Water and
Health 21(8):1051-63.
Strauch, Ayron M., Elias Kalumbwa, y Astier M. Almedom. 2021. «Spatial analysis of domestic water
use and rural livelihoods in a semi-arid African highland». Journal of Arid Environments
194:104608.
Suazo, Adan E. 2022. The Risk of Water Conflicts in Aotearoa-New Zealand: Emergence and
Intensification. Springer Nature.
Syeed, MM Mahbubul, Md Shakhawat Hossain, Md Rajaul Karim, Mohammad Faisal Uddin, Mahady
Hasan, y Razib Hayat Khan. 2023. «Surface water quality profiling using the water quality index,
pollution index and statistical methods: A critical review». Environmental and Sustainability
Indicators 18:100247.
Wang, Xinkang, Changlai Xiao, Weifei Yang, Xiujuan Liang, Linzuo Zhang, y Jiang Zhang. 2023.
«Analysis of the quality, source identification and apportionment of the groundwater in a typical
arid and semi-arid region». Journal of Hydrology 625:130169.
Zhang, Guosheng, Qingju Hao, Rongzhen Ma, Shixu Luo, Keqin Chen, Zhenghao Liang, y Changsheng
Jiang. 2023. «Biochar and hematite amendments suppress emission of CH4 and NO2 in
constructed wetlands». Science of The Total Environment 874:162451. doi:
10.1016/j.scitotenv.2023.162451.