Evaluación de La Calidad de Las Aguas Del Río Katari, La Paz, Bolivia, Mediante Un Modelo Matemático

November 16, 2017 | Author: Michael Osina | Category: Water Pollution, Water, Statistics, Nature, Technology (General)
Report this link


Description

Actualmente la contaminación hídrica es uno de los problemas ambientales más grandes a nivel mundial, ya que la escasez del agua dulce y la creciente contaminación de ésta, están haciendo que su uso sea cada vez más dificultoso. Bolivia no es ajena a esta problemática y los casos de contaminación en los cuerpos naturales de agua en su territorio, son cada vez más significativos y frecuentes. El establecimiento de objetivos de calidad ha de realizarse teniendo en cuenta tanto la cantidad de contaminante vertido como su comportamiento posterior en el medio en función del tiempo y cómo puede interferir con el resto de sustancias presentes en el medio. En este sentido, se hace necesario utilizar modelos matemáticos de simulación conocidos como "modelos de calidad" o "modelos de transporte de contaminantes” que permitan predecir la evolución a largo plazo del sistema en su conjunto ante una acción determinada. La validez de la predicción vendrá determinada por la capacidad del modelo propuesto de reflejar el comportamiento del sistema. Por ello, es necesario, por una parte, conocer todos los fenómenos que afectan al comportamiento de las distintas sustancias presentes en el sistema y por otra conocer muy bien las características del sistema, de tal forma desde el punto de vista del enfoque sistémico realizar un seccionamiento ambiental representativo. En este trabajo se presenta el estudio de la calidad del agua del Río Katari el cual comprende la confluencia del Río Pallina y Río Colorado hasta la descarga a la Bahía de Cohana utilizando modelos matemáticos. En la segmentación ambiental se considero cuatro tramos divididos por cinco puntos de muestreo a lo largo de la corriente. Se utilizaron como datos de entrada a los modelos: demanda biológica de oxigeno (DBO5), oxigeno disuelto (OD), temperatura (T), altitud sobre nivel del mar, velocidad del río (V), caudal (Q), profundidad (H), ancho del río (W), área transversal (A), constante de desoxigenación (K1), constante de reaireación (K2), longitud de cada tramo (L). También se considero en el análisis de calidad de agua parámetros como el pH, conductividad eléctrica (CE), Concentración de saturación de oxigeno disuelto (Cs). Previamente se realizo varias precampañas para conocer las características del lugar de estudio, para posteriormente realizar la segmentación ambiental requerida por los modelos y georeferenciar los puntos de muestreo para luego poder utilizarlos como referencia en futuras campañas de muestreo. Se realizaron tres campañas de muestreo en época seca el 2010 y una en época de lluvia el 2011, también se utilizo datos de cinco campañas anteriores realizadas por el Instituto Boliviano de Ciencia y Tecnología Nuclear (IBTEN) y Servicio Nacional de Meteorología e Hidrología (SENAMHI). Se utilizaron tres modelos computacionales RIOSep, WASP 7.4 y SIMOD. Se preparo la información obtenida en las campañas de muestreo para introducir a los modelos y proceder a la calibración. Se calibraron con 5 campañas y se validaron con 4 campañas. El modelo RIOSep y WASP 7.4 no tienen la opción de calcular la K1, por lo cual se determino a partir de la ecuación de Chapra y la correlación a partir de los datos obtenidos por el modelo SIMOD entre la K2 y K1. Una vez ya calibrado y validado los modelos, se realizo la evaluación estadística de los modelos y se verifico que el WASP 7.4 no calibro, debido a que requiere excesiva cantidad y calidad de información de entrada, eso lo convierte en un modelo poco aplicable en nuestro medio, debido a la carencia de información existente para nuestros ríos. Sin embargo el modelo RIOSep y SIMOD calibraron muy bien. Se concluyo que el modelo SIMOD es el más óptimo para realizar el estudio de la calidad del agua debido a que tuvo menor porcentaje de error, coeficiente de correlación más cercano a 1 y una diferencia promedio cercana a cero mostrando mejor correlación de los valores analizados que le modelo RIOSep, además su fácil manejo, poca inform


Comments

Copyright © 2024 UPDOCS Inc.