{"id":{"repo_id":"catania","oai_identifier":"oai:www.iris.unict.it:20.500.11769/705944"},"canonical_url":"https://search.dev.ndltd.org/etd/catania/oai:www.iris.unict.it:20.500.11769/705944","repository":{"repo_id":"catania","name":"Università degli Studi di Catania","base_url":"https://www.iris.unict.it/oai/request"},"display":{"title":"Ricerca delle fonti di contaminazione in acquedotti e fognatura: definizione di un approccio integrato","abstract":"Negli ultimi anni la qualità delle acque potabili e reflue ha suscitato crescente preoccupazione a causa della diffusione di contaminanti di interesse emergente (es. PFAS, farmaci) e dei loro impatti ambientali. In questo contesto, la tesi presenta un approccio integrato per il monitoraggio continuo in situ delle reti idriche e fognarie, basato sull’integrazione di sensori digitali, tecnologie IoT e strumentazione analitica miniaturizzata (spettroscopia, dispositivi lab-on-a-chip, piattaforme open-source come Arduino/Raspberry Pi). L’obiettivo principale è sviluppare un sistema automatizzato per il rilevamento rapido di nitriti, nitrati e azoto ammoniacale direttamente sul campo. Il prototipo realizzato integra una pompa volumetrica per il campionamento, cuvette contenenti reagenti colorimetrici, moduli LED/laser per la misura ottica, e un microcontrollore Arduino che gestisce le sequenze di dosaggio, acquisizione dati e trasmissione Wi-Fi a una dashboard remota. Il metodo sperimentale comprende la modellazione e simulazione del sistema, procedure di calibrazione con soluzioni standard, e test sperimentali su banco di prova a condizioni controllate. I risultati mostrano che il sistema fornisce misure quantitative affidabili e confrontabili con le analisi di laboratorio convenzionali (ad esempio, le concentrazioni di NH4+ e NO3− rilevate risultano generalmente allineate tra i metodi). Inoltre, il monitoraggio continuo in tempo reale consente di ridurre sensibilmente i tempi di analisi e l’uso di reagenti rispetto alle procedure tradizionali, permettendo l’individuazione tempestiva di eventuali anomalie della qualità dell’acqua. Tra le prospettive future si segnalano l’integrazione di algoritmi di intelligenza artificiale per l’elaborazione automatica dei dati raccolti e l’adozione del sistema in contesti urbani intelligenti (smart cities).","abstract_html":"Negli ultimi anni la qualità delle acque potabili e reflue ha suscitato crescente preoccupazione a causa della diffusione di contaminanti di interesse emergente (es. PFAS, farmaci) e dei loro impatti ambientali. In questo contesto, la tesi presenta un approccio integrato per il monitoraggio continuo in situ delle reti idriche e fognarie, basato sull’integrazione di sensori digitali, tecnologie IoT e strumentazione analitica miniaturizzata (spettroscopia, dispositivi lab-on-a-chip, piattaforme open-source come Arduino/Raspberry Pi). L’obiettivo principale è sviluppare un sistema automatizzato per il rilevamento rapido di nitriti, nitrati e azoto ammoniacale direttamente sul campo. Il prototipo realizzato integra una pompa volumetrica per il campionamento, cuvette contenenti reagenti colorimetrici, moduli LED/laser per la misura ottica, e un microcontrollore Arduino che gestisce le sequenze di dosaggio, acquisizione dati e trasmissione Wi-Fi a una dashboard remota. Il metodo sperimentale comprende la modellazione e simulazione del sistema, procedure di calibrazione con soluzioni standard, e test sperimentali su banco di prova a condizioni controllate. I risultati mostrano che il sistema fornisce misure quantitative affidabili e confrontabili con le analisi di laboratorio convenzionali (ad esempio, le concentrazioni di NH4+ e NO3− rilevate risultano generalmente allineate tra i metodi). Inoltre, il monitoraggio continuo in tempo reale consente di ridurre sensibilmente i tempi di analisi e l’uso di reagenti rispetto alle procedure tradizionali, permettendo l’individuazione tempestiva di eventuali anomalie della qualità dell’acqua. Tra le prospettive future si segnalano l’integrazione di algoritmi di intelligenza artificiale per l’elaborazione automatica dei dati raccolti e l’adozione del sistema in contesti urbani intelligenti (smart cities).","abstract_has_math":false,"creators":["LA COGNATA, ROSARIO"],"institution":"Università degli studi di Catania","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":["CONTRAFATTO, Loredana Caterina"],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026-01-14","date_published":"2026-01-14","updated_at":"2026-07-24T01:35:01Z","subjects":["Water quality","Contamination sources","Water quality monitoring","Colorimetric analysis","Nitrites and nitrates","Arduino","Contaminants of Emerging Concern (CECs)","Qualità delle acque","fonti di contaminazione","monitoraggio della qualità delle acque","analisi colorimetrica","Nitriti e nitrati","cec"],"languages":["ita"],"rights":["info:eu-repo/semantics/openAccess","license:PUBBLICO - Pubblico con Copyright","license uri:iris.PUB02"],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"https://hdl.handle.net/20.500.11769/705944","outbound_label":"Handle","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor","label":"Contributor","values":["La Cognata, Rosario","CONTRAFATTO, Loredana Caterina"]},{"key":"dc:creator","label":"Author","values":["LA COGNATA, ROSARIO"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026-01-14"]},{"key":"dc:publisher","label":"Institution","values":["Università degli studi di Catania","place:Catania"]},{"key":"dc:type","label":"Dc Type","values":["info:eu-repo/semantics/doctoralThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Water quality","Contamination sources","Water quality monitoring","Colorimetric analysis","Nitrites and nitrates","Arduino","Contaminants of Emerging Concern (CECs)","Qualità delle acque","fonti di contaminazione","monitoraggio della qualità delle acque","analisi colorimetrica","Nitriti e nitrati","cec"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["ita"]},{"key":"dc:rights","label":"Dc Rights","values":["info:eu-repo/semantics/openAccess","license:PUBBLICO - Pubblico con Copyright","license uri:iris.PUB02"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["https://hdl.handle.net/20.500.11769/705944"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Negli ultimi anni la qualità delle acque potabili e reflue ha suscitato crescente preoccupazione a causa della diffusione di contaminanti di interesse emergente (es. PFAS, farmaci) e dei loro impatti ambientali. In questo contesto, la tesi presenta un approccio integrato per il monitoraggio continuo in situ delle reti idriche e fognarie, basato sull’integrazione di sensori digitali, tecnologie IoT e strumentazione analitica miniaturizzata (spettroscopia, dispositivi lab-on-a-chip, piattaforme open-source come Arduino/Raspberry Pi). L’obiettivo principale è sviluppare un sistema automatizzato per il rilevamento rapido di nitriti, nitrati e azoto ammoniacale direttamente sul campo. Il prototipo realizzato integra una pompa volumetrica per il campionamento, cuvette contenenti reagenti colorimetrici, moduli LED/laser per la misura ottica, e un microcontrollore Arduino che gestisce le sequenze di dosaggio, acquisizione dati e trasmissione Wi-Fi a una dashboard remota. Il metodo sperimentale comprende la modellazione e simulazione del sistema, procedure di calibrazione con soluzioni standard, e test sperimentali su banco di prova a condizioni controllate. I risultati mostrano che il sistema fornisce misure quantitative affidabili e confrontabili con le analisi di laboratorio convenzionali (ad esempio, le concentrazioni di NH4+ e NO3− rilevate risultano generalmente allineate tra i metodi). Inoltre, il monitoraggio continuo in tempo reale consente di ridurre sensibilmente i tempi di analisi e l’uso di reagenti rispetto alle procedure tradizionali, permettendo l’individuazione tempestiva di eventuali anomalie della qualità dell’acqua. Tra le prospettive future si segnalano l’integrazione di algoritmi di intelligenza artificiale per l’elaborazione automatica dei dati raccolti e l’adozione del sistema in contesti urbani intelligenti (smart cities).","In recent years, water quality of drinking and wastewater systems has attracted growing attention due to emerging contaminants (e.g., pharmaceuticals, PFAS) and their environmental and health impacts. The research presents an integrated in situ monitoring approach for automated detection of contaminants (nitrites, nitrates, ammoniacal nitrogen) in water distribution and sewer networks, leveraging digital sensors, IoT connectivity, and miniaturized analytical techniques (Spectroscopy, lab-on-a-chip devices, open-source platforms like Arduino/Raspberry Pi). The developed prototype combines a volumetric sampling pump, reagent-filled microcuvettes, LED/laser optical modules, and an Arduino microcontroller that controls dosing sequences, data acquisition and Wi-Fi transmission to a remote dashboard. The methodology includes system design and simulation, calibration with standard solutions, and experimental validation on a controlled bench setup. For metrological validation, the optical sensor system was calibrated following international standards. Results show that the system provides reliable measurements consistent with conventional laboratory analyses (for example, measured NH4+ and NO3− concentrations align across methods). At the same time, continuous real-time monitoring significantly reduces analysis time and reagent consumption compared to traditional procedures, enabling prompt identification of water quality anomalies. The innovative contribution lies in enabling rapid field detection of contamination events at low cost. Future work will focus on integrating artificial intelligence algorithms for automated data processing and deploying the system in smart-city infrastructures for proactive environmental management."]},{"key":"dc:title","label":"Title","values":["Ricerca delle fonti di contaminazione in acquedotti e fognatura: definizione di un approccio integrato"]}]}],"canonical_facts":{"dc:contributor":["La Cognata, Rosario","CONTRAFATTO, Loredana Caterina"],"dc:creator":["LA COGNATA, ROSARIO"],"dc:date":["2026-01-14"],"dc:description":["Negli ultimi anni la qualità delle acque potabili e reflue ha suscitato crescente preoccupazione a causa della diffusione di contaminanti di interesse emergente (es. PFAS, farmaci) e dei loro impatti ambientali. In questo contesto, la tesi presenta un approccio integrato per il monitoraggio continuo in situ delle reti idriche e fognarie, basato sull’integrazione di sensori digitali, tecnologie IoT e strumentazione analitica miniaturizzata (spettroscopia, dispositivi lab-on-a-chip, piattaforme open-source come Arduino/Raspberry Pi). L’obiettivo principale è sviluppare un sistema automatizzato per il rilevamento rapido di nitriti, nitrati e azoto ammoniacale direttamente sul campo. Il prototipo realizzato integra una pompa volumetrica per il campionamento, cuvette contenenti reagenti colorimetrici, moduli LED/laser per la misura ottica, e un microcontrollore Arduino che gestisce le sequenze di dosaggio, acquisizione dati e trasmissione Wi-Fi a una dashboard remota. Il metodo sperimentale comprende la modellazione e simulazione del sistema, procedure di calibrazione con soluzioni standard, e test sperimentali su banco di prova a condizioni controllate. I risultati mostrano che il sistema fornisce misure quantitative affidabili e confrontabili con le analisi di laboratorio convenzionali (ad esempio, le concentrazioni di NH4+ e NO3− rilevate risultano generalmente allineate tra i metodi). Inoltre, il monitoraggio continuo in tempo reale consente di ridurre sensibilmente i tempi di analisi e l’uso di reagenti rispetto alle procedure tradizionali, permettendo l’individuazione tempestiva di eventuali anomalie della qualità dell’acqua. Tra le prospettive future si segnalano l’integrazione di algoritmi di intelligenza artificiale per l’elaborazione automatica dei dati raccolti e l’adozione del sistema in contesti urbani intelligenti (smart cities).","In recent years, water quality of drinking and wastewater systems has attracted growing attention due to emerging contaminants (e.g., pharmaceuticals, PFAS) and their environmental and health impacts. The research presents an integrated in situ monitoring approach for automated detection of contaminants (nitrites, nitrates, ammoniacal nitrogen) in water distribution and sewer networks, leveraging digital sensors, IoT connectivity, and miniaturized analytical techniques (Spectroscopy, lab-on-a-chip devices, open-source platforms like Arduino/Raspberry Pi). The developed prototype combines a volumetric sampling pump, reagent-filled microcuvettes, LED/laser optical modules, and an Arduino microcontroller that controls dosing sequences, data acquisition and Wi-Fi transmission to a remote dashboard. The methodology includes system design and simulation, calibration with standard solutions, and experimental validation on a controlled bench setup. For metrological validation, the optical sensor system was calibrated following international standards. Results show that the system provides reliable measurements consistent with conventional laboratory analyses (for example, measured NH4+ and NO3− concentrations align across methods). At the same time, continuous real-time monitoring significantly reduces analysis time and reagent consumption compared to traditional procedures, enabling prompt identification of water quality anomalies. The innovative contribution lies in enabling rapid field detection of contamination events at low cost. Future work will focus on integrating artificial intelligence algorithms for automated data processing and deploying the system in smart-city infrastructures for proactive environmental management."],"dc:identifier":["https://hdl.handle.net/20.500.11769/705944"],"dc:language":["ita"],"dc:publisher":["Università degli studi di Catania","place:Catania"],"dc:rights":["info:eu-repo/semantics/openAccess","license:PUBBLICO - Pubblico con Copyright","license uri:iris.PUB02"],"dc:subject":["Water quality","Contamination sources","Water quality monitoring","Colorimetric analysis","Nitrites and nitrates","Arduino","Contaminants of Emerging Concern (CECs)","Qualità delle acque","fonti di contaminazione","monitoraggio della qualità delle acque","analisi colorimetrica","Nitriti e nitrati","cec"],"dc:title":["Ricerca delle fonti di contaminazione in acquedotti e fognatura: definizione di un approccio integrato"],"dc:type":["info:eu-repo/semantics/doctoralThesis"]},"updated_at":"2026-07-24T01:35:01Z"}