XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio

AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado y M. Chica-Olmo

Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico
M.J. Garca-Soldado y M. Chica-Olmo

Grupo de Investigacin RSGIS, Departamento de Geodinmica, Universidad de Granada.

mjosegs@ugr.es, mchica@ugr.es

RESUMEN El estudio de vulnerabilidad de los acuferos juega un papel importante no slo en el contexto de la ordenacin del territorio sino, igualmente, para la proteccin de los recursos hdricos subterrneos. La identificacin de zonas vulnerables permite el establecimiento de polticas de desarrollo sostenible dirigidas a una gestin integral de los recursos hdricos subterrneos. En aquellas reas ms afectadas por el cambio climtico la atencin a la prevencin y el aprovechamiento de estos recursos es de mayor importancia y motiva la comparacin y aplicacin de diferentes metodologas destinadas a establecer criterios de vulnerabilidad ms objetivos y mejor diferenciados. En este trabajo se presenta la aplicacin y comparacin de dos aproximaciones metodolgicas basadas en tcnicas de evaluacin multicriterio para el estudio de la vulnerabilidad de un acufero detrtico, en relacin con la contaminacin por nitratos del acufero de la Vega de Granada. Las dos metodologas aplicadas a la agregacin de pesos son el Analytical Hierarchy Process (AHP) y el Ordered Weighted Average (OWA). Dos aspectos esenciales se han analizado para la creacin de los ndices de vulnerabilidad en el acufero estudiado. De un lado, la elaboracin geoestadstica de mapas y de otro lado, la transformacin de las variables a un intervalo normalizado. Finalmente, se han asignado los pesos por los mtodos AHP y OWA y se han comparado los resultados. La aplicacin de las metodologas presentadas supone una ventaja para la evaluacin de la vulnerabilidad frente a otros mtodos clsicos porque tiene en cuenta las particularidades del acufero estudiado. PALABRAS CLAVE Sistemas de informacin geogrfica, evaluacin multicriterio, vulnerabilidad, geoestadstica.

ABSTRACT The study of vulnerability of aquifers plays an important role not only in the context of regional planning but also for the protection of groundwater resources. The identification of vulnerable zones allows the establishment of sustainable development policies aimed at integrated management of groundwater resources. In those areas affected by climate change the focus on prevention and the use of these resources is a priority and motivates the comparison and application of different methodologies to establish more objective and better differentiated criteria of vulnerability. This paper presents the application and comparison of two approaches based on multi-criteria evaluation techniques to study the vulnerability of a detrital aquifer in relation to nitrate contamination

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado y M. Chica-Olmo

of the aquifer "Vega de Granada". The two methods applied to the aggregation of weights are the "Analytical Hierarchy Process" (AHP) and the Ordered Weighted Average (OWA). Two key aspects have been analysed for the creation of vulnerability indices in the studied aquifer. On one side, the geostatistical preparation of maps, other side, the transformation of variables to a normalized range. Finally, we have assigned weights by AHP and OWA methods and the results were compared. The application of the methodologies presented is an advantage for assessing vulnerability to other classical methods because it takes into account the particularities of the studied aquifer." KEY WORDS Geographic information system, multicriteria evaluation, groundwater vulnerability, geostatistic.

1 INTRODUCCIN
Los modelos basados en conocimiento experto se caracterizan por la aplicacin de mtodos de combinacin o integracin de capas de naturaleza supervisada, en los que la aportacin o intervencin del analista o experto en el dominio de la aplicacin resulta esencial e indispensable. Los mtodos presentados en este artculo se basan en la lgica difusa para la transformacin de variables. Las dos tcnicas aqu aplicadas se diferencian en los procedimientos aritmtico-estadsticos que se realizan sobre las matrices de evaluacin y las prioridades a partir de las cuales se obtiene la evaluacin final de las alternativas. El proceso aqu presentado requiere la transformacin de las diferentes unidades de medida en valores comparables (valores byte) y la agregacin individual de las diferentes puntuaciones para crear los mapas intermedios y, posteriormente, los mapas finales de vulnerabilidad. La creacin de los factores se ha realizado en base a diferentes capas y, en algunos casos, como combinacin de varias. Para cada factor se ha creado un mapa intermedio normalizado y, posteriormente, se han combinado mediante los mtodos AHP y OWA. Finalmente, los resultados se han comparado con el mapa de contenido en nitratos del agua subterrnea para as calibrar y comprobar la validez de la metodologa.

Las aguas de este acufero muestran una alta concentracin de nitratos debido, fundamentalmente, a la intensa actividad agrcola y ganadera, junto con otras actividades antrpicas desarrolladas en la zona. Por este motivo, las autoridades gestoras estn particularmente interesadas en la preservacin de su calidad, ya que este recurso es una fuente estratgica para situaciones de emergencia.

Figura 1. Situacin geolgica del rea de estudio Los datos utilizados en este trabajo corresponden a diversos muestreos realizados en el acufero, as como a la recopilacin de datos de fuentes como el Instituto Geolgico y Minero de Espaa, el Instituto Nacional de Meteorologa, la Junta de Andaluca y diversos estudios previos.

METODOLOGA

2 DESCRIPCIN DEL REA DE ESTUDIO Y DATOS

El rea de estudio corresponde al acufero detrtico aluvial de la Vega de Granada, situado en las depresiones intrabticas del SE de Espaa (figura 1), en la cuenca del alto Genil y corresponde al depsito aluvial de dicho ro y de sus afluentes de cabecera. Este relleno se 2 presenta sobre una superficie de 200 km , llegando a superar, en algunos casos, los 250 m de potencia.

La construccin de mapas de vulnerabilidad ha requerido tres etapas fundamentales. En primer lugar, la estimacin de variables puntuales a mapas continuos a partir de la geoestadstica, en segundo lugar, la transformacin de las cubiertas de las diferentes variables a un intervalo normalizado por medio de funciones difusas y, por ltimo, la agregacin mediante Sistemas de Informacin Geogrfica (SIG) de las cubiertas por medio de los mtodos AHP y OWA.

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado, M. Chica-Olmo

diferentes unidades de medida a un mismo intervalo con el objetivo de no perder la Las variables referidas a la vulnerabilidad del informacin de los valores intermedios. acufero son interpretadas en un contexto topoprobabilstico como variables regionalizadas, Efecto Meseta Alcance donde cada variable se define como una funcin Variable Modelo pepita (C) (A) km Z(x) que da el valor de una caracterstica Z en un (C0) punto del espacio x. Adems de su distribucin espacial, la variable regionalizada tiene como 6,0 15 Piezometra Gausiano 1200 caractersticas una componente aleatoria y otra estructurada, ambas definidas por la funcin Esfrico 2,6 7.500 1,5 Ln(T) variograma (Matheron, 1971):

3.1

Geoestadstica

(h) = E {Z ( x ) Z ( x + h )}
1 2

(1) Precipitacin Esfrico Esfrico direccional Esfrico

4.200 0,4 0,6 120

17.000 3.500

50

El estimador del variograma experimental se Impacto obtiene a partir de la funcin: ZNS

0,25 7.000 9.500 40

(h) =

1 2 NP ( h )

NP ( h ) i =1

{Z ( x ) Z ( X )}
i i+h

(2) Arcillas

Esfrico 120 20.000 110 donde Z(xi) y Z(xi+h) son los valores de la Arenas variable observados en x y a una distancia h de x. NP(h) es el nmero de parejas de datos distantes Limos Esfrico 47 3.000 30 h. El clculo y la interpretacin del variograma Tabla 1. Parmetros del modelo terico de experimental, el ajuste del modelo terico y la variograma utilizado para cada variable validacin de ese modelo son las etapas fundamentales del anlisis variogrfico. Para llevarlas a cabo es necesario un conocimiento profundo de la variable experimental que nos permita modelizar los valores y llegar a aspectos esenciales de la regionalizacin de cada variable, ya que la finalidad de este anlisis es llegar a obtener un modelo de variabilidad que, mediante el Krigeaje, permita la estimacin de las variables en puntos no experimentales. El estimador del Krigeaje es un estimador ptimo e insesgado, ya que cumple las condiciones de minimizacin del error de
2

2 estimacin KO = E {Z v Z vKO } 0 y de no sesgo

E {Z v } = E {Z KO } .
Para cada variable, se ha realizado un anlisis variogrfico y se ha resuelto el sistema de Krigeaje, lo que nos da como resultado una cubierta de estimacin con un pxel de 250m x 250 m para cada una de las variables. En la tabla 1 y figura 2 se representan los variogramas experimentales y modelos tericos ajustados a las variables estimadas para el Figura 2. Variogramas experimentales y modelos clculo de la vulnerabilidad. tericos de las variables utilizadas. Esta transformacin se ha realizado por medio de funciones difusas, concretamente funciones de pertenencia sigmoidal para asignar valores en el La agregacin de las diferentes variables ha intervalo byte (0-255). Estas funciones estn requerido, en primer lugar, la normalizacin de las

3.2 Transformacin de variables a un intervalo normalizado

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado y M. Chica-Olmo

definidas por cuatro parmetros: a, b, c y d (figura conocida como sumatoria lineal ordenada ponderada (OWA). En este caso, los pesos no se 2) y se definen por la funcin: aplican a ningn factor especfico, sino que son 2 (3) aplicados en una base pxel a pxel a las (x)=cos As, en el caso de una funcin sigmoidal puntuaciones como se determina por su orden de rango a partir de cada localizacin (pxel). El decreciente el valor de es igual a: mtodo consiste en utilizar, adems de los pesos x c (4) de los factores, otra serie de pesos ordenados = que controlan cmo se agregan estos factores d c2 ponderados. De esta manera, es posible Cuando x<c; (x)=1. En el caso de una determinar el nivel total de compensacin funcin montonamente creciente, vale: permitido (figura 3).

1 ( x a) 3 ba 2

(5)

Cuando x>b; (x)=1.

Figura 3. Tringulo de decision.

4 APLICACIN METODOLOGA
Figura 2. Funciones de pertenencia sigmoidales.

DE

LA

3.3

Agregacin multicriterio

La evaluacin multicriterio es una herramienta de soporte a la decisin muy utilizada en el estudio de problemas de evaluacin en los que tienen cabida mltiples criterios. Los criterios pueden ser de dos tipos: factores y restricciones. Los factores son, generalmente, de naturaleza continua y sern los que utilizaremos en este trabajo y las restricciones tienen carcter booleano y, generalmente, afectan a objetos como zonas protegidas, zonas industriales, etc.

En una combinacin lineal ponderada, los Por este motivo, la aplicacin de este tipo de factores se combinan aplicando un peso a cada uno y una sumatoria para obtener el mapa metodologas de lgica difusa, combinada con los SIG, es una gran ventaja frente a las aplicaciones objetivo. clsicas. La asignacin de pesos se puede hacer por Para la aplicacin de esta metodologa se ha diversos mtodos. Los mtodos escogidos en este estudio, AHP y OWA, pertenecen al conjunto discretizado el acufero utilizando un tamao de de mtodos de EMC borrosos segn la celdilla de 250 x 250 m e, inicialmente, todos los factores se han estandarizado a un rango 0-255 clasificacin de Jankowski (1995). (nivel byte), el cual provee la mxima El proceso analtico jerrquico (Analytical diferenciacin posible cuando se analizan los Hierarchy Process o AHP) (Saaty, 1977) permite datos. As, el valor 0 se le asigna a las reas un enfoque ms objetivo que la simple asignacin menos vulnerables y el valor 255 a las ms de pesos lineal ponderada, ya que aplica una vulnerables. De este modo, las diferentes combinacin pareada en la cual slo dos criterios unidades de medida se transforman a unidades se consideran a la vez. De este modo, es ms comparables utilizando funciones de pertenencia probable producir un grupo de pesos robusto difusa. (Eastman, 2003). El clculo de la vulnerabilidad se ha realizado Una aplicacin ms all del tpico AHP es la con 6 de las 7 variables que incluye el mtodo asignacin de un segundo grupo de pesos

Hasta ahora, han sido diversos los mtodos desarrollados para evaluar la vulnerabilidad intrnseca de un acufero y diversos trabajos recogen la comparacin de los mismos, fundamentalmente en la aplicacin de ndices de suma ponderada (DRASTIC, GOD, AVI, EPIK, etc.). Estas comparaciones han mostrado una gran diversidad de resultados y, en muchos casos, en desacuerdo. La causa de estas diferencias radica, en gran parte, en que las aproximaciones clsicas de aplicacin de ndices segn intervalos concretos de valores pueden cambiar completamente el significado del resultado.

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado, M. Chica-Olmo

DRASTIC (Aller et al., 1987) (tabla 2). La variable que no se ha utilizado es la naturaleza del acufero debido a que, a la escala de trabajo, esta variable es homognea y no aporta informacin. Variable Origen MDT Resolucin a 10 m. Campaa piezomtrica IGME en 1980 en 183 puntos Datos precipitacin INM 1980 en 26 estaciones. Campaa de muestreo de suelos en 76 puntos MDT Resolucin a 10 m (mapa de pendientes) Columnas litolgicas de sondeos en 220 puntos Ensayos de bombeo en 45 puntos

Pesca, y Medio Ambiente de 2005 (generado a partir de fotografas areas a escala 1:20.000) y la cubierta estimada mediante krigeaje de la piezometra. As, una funcin sigmoidal montonamente decreciente se ha aplicado para transformar los valores del espesor no saturado a un rango de valores de 0 a 255. Los puntos de control de la funcin para esta variable son: 10, donde la funcin toma valor 1 (es decir, a 10 m de distancia del agua la funcin toma el valor mximo) y 150 donde la funcin toma el valor de 0 (a ms de 150 m de distancia al agua, la funcin toma el valor mnimo). As, valores inferiores a 10 reciben el mismo valor de pertenencia de la funcin que 1 y valores superiores a 150 el mismo que 0 (figura 4).

D Espesor no saturado

R Recarga neta

S Tipo de suelo

T Topografa

I Impacto de la zona no saturada C Conductividad Hidrulica o permeabilidad

Figura 4. Mapa normalizado. Factor R: Recarga

del

espesor

no

saturado

Tabla 2. Resumen de los datos origen utilizados. En la tcnica desarrollada por Saaty, los pesos derivan del autovector dominante de una matriz cuadrada recproca de comparaciones binarias de los criterios. Estas comparaciones entre los pares de criterios establecern la importancia relativa que un criterio tiene sobre su par, en una escala continua del 1 al 9, donde 1 representa igualdad de importancia y 9 la mxima importancia relativa de una propiedad sobre otra.

4.1

Creacin de funciones difusas

Factor D: Espesor no saturado El clculo del espesor no saturado del acufero se ha realizado a partir de las medidas de piezometra de una campaa con 183 puntos, correspondiente a abril de 1980, que coincide con un ao de precipitacin media en la zona. A partir de estos datos se ha creado una cubierta continua de la piezometra mediante geoestadstica. El espesor no saturado se ha obtenido como diferencia entre el modelo digital del terreno de Andaluca de las Consejeras de Obras Pblicas y Transportes, Agricultura y

La recarga del acufero se produce fundamentalmente por los ros de cabecera que proceden desde su amplia cuenca vertiente, as como de las infiltraciones de lluvia y riego a travs de la densa red de acequias (Garca Soldado, 2009). Esta recarga no es, en absoluto, despreciable pero s limitada a los cursos de los ros y a las acequias y a las zonas de riego por regado. Debo aclarar que el anlisis de la recarga en este caso de estudio no pretende ser un anlisis cuantitativo, ya que para esta aproximacin slo interesa la cantidad de agua que puede infiltrarse al acufero por unidad de pxel en trminos relativos, ya que finalmente el mapa final es una normalizacin. Este tipo de simplificaciones son comnmente utilizadas en la evaluacin SIG de la vulnerabilidad (Uddameriy Honnungar, 2007; Gemitzy et al., 2006). De esta manera, las zonas de regado se han identificado a partir de la clasificacin de la imagen de satlite Landsat TM del 2004 (Garca Soldado, 2009) y se les ha asignado un valor arbitrario de 125 (vulnerabilidad intermedia). Como siguiente factor en importancia est la recarga de la precipitacin. As, cada pixel del

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado y M. Chica-Olmo

rea de estudio recibe una cantidad de lluvia. La (200) a las zonas de textura franco-arcilloprecipitacin media del rea de estudio para el arenosa, y una vulnerabilidad intermedia (125) al ao 1980 (ao medio) es 367 mm y la desviacin resto de texturas (figura 6). estndar es de 92 mm. Estableciendo la condicin de que la mxima vulnerabilidad se da para valores superiores a la media ms una desviacin estndar y la mnima en la media menos una desviacin estndar, establecemos los puntos de control para una funcin montonamente creciente en 274 y 459 mm. Para incluir una nica imagen, simplificamos el factor de recarga con la suma de los dos mapas obtenidos, ya que la recarga total ser la suma de la recarga de precipitacin ms la recarga por infiltracin de regado. Al realizar la suma, los valores mximos se salen del rango 0255, por lo que asignamos un valor de 255 a los valores superiores al rango, es decir, mxima vulnerabilidad (figura 5). Figura 6. Textura USDA de los suelos. Factor T: Topografa La topografa de la zona de estudio tiene incidencia en el arrastre del contaminante por la escorrenta superficial o infiltracin y en el desarrollo del suelo. Como regla general, cuanto mayor sea la pendiente de la zona, la vulnerabilidad ser menor. En la Vega de Granada este parmetro realmente no es demasiado importante, ya que excepto los bordes, se trata de una depresin y por tanto con un relieve homogneo. La pendiente mxima del rea de estudio es de 13%, por lo que cabe comentar que la mayor parte del rea tiene una baja pendiente. La funcin de pertenencia montonamente decreciente asignada tiene como puntos de control c=0 y d=18 de acuerdo con las directrices indicadas por Martnez Navarrete y Garca Garca (2003) (figura 7).

Figura 5. Mapa de recarga normalizado. Factor S: Tipo de suelo Esta variable es importante en la cantidad de agua infiltrada que llega al acufero y en el movimiento del contaminante en la vertical a travs de la zona no saturada. Cada suelo presenta una vulnerabilidad diferente a la contaminacin, que depender del tipo de arcilla que lo conforma, su capacidad de hinchamiento, el tamao de grano que presenta y la materia orgnica del mismo. De manera aproximada, se puede aceptar que a mayor capacidad de hinchamiento y menor tamao de grano, menor ser la vulnerabilidad. Los suelos de la Vega de Granada estn asociados principalmente a depsitos aluviales del ro Genil, por lo que su composicin es relativamente homognea, as que la mayor o menor vulnerabilidad en relacin a este parmetro estar principalmente ligada a la cantidad de arcillas que contenga el suelo y que actan como barrera impermeable. De este modo, asignamos una vulnerabilidad baja con un valor arbitrario de 25 a las zonas de textura arcillosa, una vulnerabilidad tambin baja (75) a los suelos franco limosos, una vulnerabilidad alta

Figura 7. Mapa de la topografa normalizado. Factor I: Impacto de la zona no saturada Del mismo modo que el suelo, la zona no saturada interviene en los procesos de atenuacin de los contaminantes, ya sea producida por biodegradacin, por volatilizacin, o por reacciones qumicas, en el transporte del

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado, M. Chica-Olmo

contaminante y su tiempo de permanencia en la zona y en el desarrollo del suelo. El factor I viene a reflejar el tamao de grano, el grado de fracturacin y la clasificacin granulomtrica entre otras caractersticas. En la Vega de Granada la litologa de la zona no saturada, igual que ocurre con los suelos, es de una composicin homognea, por lo que el factor ms influyente es el tamao de grano. El tamao de grano se ha normalizado a un valor categrico de 6 y ponderado por el espesor de cada una de las columnas. A priori, un menor tamao de grano significar una menor vulnerabilidad y un tamao de grano mayor, una mayor vulnerabilidad, por lo que se asignan los valores de a=0 y b=6 a una funcin de pertenencia montonamente creciente (figura 8).

5 AGREGACIN RESULTADOS

Una vez estandarizados todos los factores a un intervalo comn de 0-255 por medio de funciones de pertenencia difusas, se han asignado los pesos a cada factor. Los pesos indican la importancia relativa del factor con respecto a los dems y controlan cmo los factores se compensan entre s. En otras palabras, el grado en el cual un factor es compensado por otro se determina a partir del peso de esos factores. En el caso de la determinacin de la vulnerabilidad de las aguas subterrneas a la contaminacin, los factores con baja vulnerabilidad a la contaminacin en una localizacin dada, pueden ser compensados por otros factores con una alta vulnerabilidad en la misma localizacin. En todos los casos, los pesos de los factores deben sumar 1. El mtodo AHP ha sido implementado de modo que cada par de factores es examinado, al mismo tiempo, en trminos de importancia relativa (tabla 3). De todas las posibles combinaciones de los dos factores, el mdulo de clculo proporciona un grupo de pesos que suma 1 y el coeficiente CR (consistency ratio).

Figura 8. Impacto de la zona no saturada normalizado. Factor C: Conductividad Hidrulica

D D 1

Pesos 0,415

1 0,0366 La conductividad hidrulica condiciona la T 1/9 velocidad de movimiento del agua y, por tanto, la 7 1 0,1928 del contaminante, as como la renovacin del C 1/3 agua en el interior del acufero. De este modo, la vulnerabilidad ser mayor cuanto mayor sea la R 1/9 1/3 1/7 1 0,0255 conductividad hidrulica. Esta variable se ha estimado geoestadsticamente a partir de 46 S 1/5 5 1/3 3 1 0,0802 valores de ensayos de bombeo facilitados por el IGME. Los parmetros de control escogidos para I 1/3 7 1 9 7 1 0,2499 esta variable son c=10 (mxima vulnerabilidad) y d=100 (mnima vulnerabilidad) para una funcin Tabla 3. Matriz de comparacin pareada para la sigmoidal decreciente (figura 9). asignacin de pesos de vulnerabilidad Una vez se han aplicado los pesos a los factores originales, los resultados son ordenados de baja a alta vulnerabilidad del acufero a la contaminacin para cada localizacin. Al factor con la puntuacin mnima de vulnerabilidad se le asigna el primer peso de orden; al factor con la siguiente puntuacin ms alta se le asigna el siguiente peso de orden y as con todos los dems. Esto tiene el efecto de basar los pesos de los factores para cada localizacin en su rango de valores mnimo (baja vulnerabilidad) a mximo Figura 9. Mapa de Conductividad hidrulica (alta vulnerabilidad). El sesgo relativo de mnimo o mximo de los pesos controla el nivel de riesgo normalizado.

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado y M. Chica-Olmo

de la evaluacin (Eastman 2003). Adems, el grado en el cual los pesos de orden son equitativamente distribuidos en todas las posiciones controla el grado en el cual los pesos de los factores influyen.

discretos) como mtodo de transformacin de los factores. Adems, el mtodo AHP permite establecer los pesos de un modo ms objetivo mediante una comparacin pareada y la agregacin mediante los pesos ordenados (OWA) define el nivel de compensacin preferido para la Los pesos ordenados (tabla 4) se asignan a agregacin de las variables. cada uno de los factores. Los pesos asignados muestran un nivel moderado de riesgo y una decisin estricta (los tres factores con la mxima puntuacin comparten el 70% del peso, mientras los dems estn pesados equitativamente). La vulnerabilidad evaluada mediante esta asignacin ordenada de pesos (figura 10) presenta tres zonas de mxima vulnerabilidad situadas en los bordes (borde noreste, noroeste y sureste) y la zona de mnima vulnerabilidad se localiza en el rea del ro Salado. Utilizando los mismos pesos, pero agregando los factores mediante una combinacin lineal de pesos (AHP) el mapa resultado (figura 11) tiene una superficie menor Figura 10. Vulnerabilidad del acufero (OWA). de reas con alta vulnerabilidad y el rea de vulnerabilidad alta localizada en el borde noroeste desaparece. Comparando estos dos mapas con la distribucin de los contenidos en nitratos del agua subterrnea (figura 12) observamos un mejor ajuste mediante el mtodo de los pesos ordenados. A pesar de este primer ajuste de tipo visual, la realidad es que no encontramos una alta correlacin entre las zonas de alta vulnerabilidad con las zonas de elevado contenido en nitratos, debido a que, aunque existan reas con elevada vulnerabilidad, no existe una contaminacin por Figura 11. Vulnerabilidad del acufero (AHP). nitratos. Debemos tener en cuenta que la vulnerabilidad a la contaminacin es una propiedad relativa y, por lo tanto, no medible (Gogu y Dassargues, 2000), por lo que estos mapas slo muestran la probabilidad o el riesgo de que la contaminacin llegue a las aguas subterrneas tras la introduccin en la superficie del contaminante, por lo que hay que tener precaucin al comparar la contaminacin observada con los mapas de vulnerabilidad. Pesos ordenados Orden 0.1 1 0.1 2 0.1 3 0.15 4 0.2 5 0.35 6 Figura 12. Distribucin del contenido en nitratos del agua subterranean. En el anlisis visual de los resultados se identifica al mtodo OWA como el mtodo que mejor se ajusta a la contaminacin por nitratos, pues pone de manifiesto la zona problemtica localizada al noroeste del rea de estudio donde existe una alta contaminacin por nitratos.

Tabla 4. Pesos ordenados (OWA)

6 CONCLUSIONES
A pesar de las diferencias de los mapas obtenidos, los mtodos presentados suponen una mejora a los mtodos clsicos de evaluacin de la vulnerabilidad (DRASTIC, EPIK, GOD, etc.). El mtodo aqu presentado permite una mayor diferenciacin para cada una de las variables estableciendo una funcin lineal (no intervalos

XV Congreso Nacional de Tecnologas de la Informacin Geogrfica, Madrid, AGE-CSIC, 19-21 de Septiembre de 2012 Comparacin de los mtodos de evaluacin multicriterio AHP y OWA para el anlisis de la vulnerabilidad de un acufero detrtico M.J. Garca-Soldado, M. Chica-Olmo

No obstante, no hay que olvidar que muchas Gemitzi, A., Petalas, C., Tsihrintzis, V.A. y Pisinaras, V. 2006. Assessment of de las inexactitudes y problemas de estos groundwater vulnerability to pollution: a mtodos pueden ser solventados con modelos de combination of GIS, fuzzy logic and decision flujo de aguas subterrneas y de transporte, making techniques, Environ. Geol, 49, 653aunque el conjunto de tcnicas es probablemente 673. la mejor manera de obtener un conocimiento completo del acufero, ya que este tipo de mtodos son muy tiles para establecer los Gogu, R.C. y Dassargues, A. 2000. Current and future trends in groundwater vulnerability posibles asentamientos de actividades humanas, assessment, Environ Geology, 39(6), 549 desarrollo urbano y agrario y gestin del agua. 559.

AGRADECIMIENTOS
Agradecemos la ayuda del proyecto del Ministerio de Ciencia e Innovacin (CGL201017629) y de la Junta de Andaluca (Grupo de Investigacin RNM122).

Jankowski, P., 1995. Integrating geographical information systems and multiple criteria decision making methods, International Journal Geographic Information System, 9(3), 251-273.

Matheron, G. 1971. The theory of regionalized variables and its applications. Les Cahiers du Centre de Morphologie Mathmatique de Aller, L. Bennet, T. Lehr, J.H., Petty, R.J. y Fontainebleau, Fontainebleau, cole des Hackett, G. 1987. DRASTIC: a standardized Mines de Paris, Fascicule 5, 211 pp. system for evaluating groundwater pollution potential using hydrogeologic settings, U.S. Saaty, T.L. 1977. A Scaling Method for Priorities Environmental Protection Agency, in Hierarchical Structures, Journal of Washington D.C., 622 pp. Mathematical Psychology, 15, 57-68

BIBLIOGRAFA

Eastman, J. 2003. IDRISI Kilimanjaro. Guide to Martnez Navarrete, C. y Garca Garca, A. 2003. GIS and Image Processing, Clark Labs, Clark Permetros de proteccin para captaciones University, Worcester Massachussetts. de agua subterrnea destinada al consumo humano. Metodologa y aplicacin al Garca Soldado, M.J. 2009. Metodologa basada Territorio, Madrid, IGME, 273 pp. en SIG para el desarrollo de un Sistema de soporte de decisin en la gestin de la Uddameri, V. y Honnungar, V., 2007. Combining calidad de los recursos hdricos subterrneos Rough Sets and GIS Techniques to Assess de la Vega de Granada, Universidad de Aquifer Vulnerability Characteristics in SemiGranada, 352 pp. Arid South Texas, Environmental Geology, 51(6), 931-939.