Está en la página 1de 10

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

0(72'2/2*,$3$5$/$2%7(1&,21'(8102'(/235(',&7,92'(
75$163257('(62/8726<'(&$/,'$''(/$*8$(15,26&$625,2
%2*27$
&DPDFKR/$'tD]*UDQDGRV0
8QLYHUVLGDGGHORV$QGHV&RUUHRHOHFWUyQLFROFDPDFKR#XQLDQGHVHGXFRPGLD]JUD#XQLDQGHVHGXFR

5(680(1

Este trabajo resume los resultados y la experiencia obtenida en un proyecto de investigacin financiado por dos aos
para el desarrollo de un modelo de calidad del agua del Ro Bogot. Se presenta una metodologa general para la
implementacin, calibracin y aplicacin efectiva de un modelo de calidad de agua en un ro que sirva como
herramienta de planeacin. Se estudian los diferentes pasos requeridos para la obtencin de un modelo calibrado que
pueda efectivamente utilizarse para la SUHGLFFLyQ de la calidad del agua bajo diferentes condiciones ambientales.
Primero se discuten las estrategias de toma de datos de campo incluyendo el diseo de puntos, metodologa, precisin y
frecuencia de muestreo y determinantes de calidad de agua a ser monitoreados. Luego se evala la efectividad de
experimentos con trazadores llevados a cabo bajo diferentes condiciones hidrolgicas para calibrar parmetros
hidrulicos y de transporte. Posteriormente se discute la necesidad de calibracin de los modelos de calidad de agua
utilizando series de datos tomados bajo diferentes condiciones hidrolgicas y mtodos objetivos de optimizacin.
Finalmente se discute la importancia de la aplicacin de mtodos de cuantificacin de incertidumbre y tcnicas de
anlisis de sensibilidad en la representacin de las predicciones del modelo.

3$/$%5$6&$/9(6
Marco de modelacin, Modelacin de la calidad del agua, Transporte de solutos.
,1752'8&&,21
Los ros y corrientes de agua superficial estn constantemente expuestos a recibir descargas de
residuos y vertimientos de diferente naturaleza que pueden potencialmente afectar la salud pblica y
la vida acutica, limitar los usos del agua, afectar la ecologa y causar prdidas de amenidad del
paisaje. Los modelos de transporte y calidad del agua sirven como herramientas en estudios de
recursos hdricos y de saneamiento del medio ambiente que buscan una aplicacin efectiva de
tcnicas para el manejo y control de la calidad del agua (Thomann y Mueller, 1987; Chapra, 1997).
Tradicionalmente, modelos de calidad del agua de estado permanente han sido utilizados en
estudios de evaluacin de la capacidad asimilativa de las corrientes, de concesiones de vertimientos,
de diseo de infraestructura de tratamiento de aguas residuales y de otras medidas no estructurales
requeridas para alcanzar estndares de calidad del agua bajo diferentes niveles de carga
contaminante (Thomann y Mueller, 1987); en estudios de desarrollo de incidentes de contaminacin
(Green, HWDO, 1994); o en la identificacin de fuentes de contaminacin DSRVWHULRUL (Whitehead HW
DO, 1986). Este tipo de aplicaciones de modelacin se requieren en forma intensiva en Colombia y
otros pases de la regin centro y suramericana donde la construccin de infraestructura de
tratamiento se encuentra en las primeras fases de planeacin y desarrollo, y la contaminacin de las
corrientes superficiales es un problema serio de gran preocupacin. La utilidad de los modelos
matemticos est determinada en gran medida por su habilidad en reproducir con precisin series de
datos observados, LHel nivel de calibracin logrado, pero ms an, por su capacidad predictiva. Se
define sta como la capacidad del modelo de producir resultados precisos bajo condiciones
hidrolgicas y ambientales, diferentes a las observadas en la calibracin del modelo, en el sistema
modelado (Fischer HW DO 1979). Varios autores se han preocupado por proponer metodologas y
marcos de modelacin cuyo objetivo final es el de obtener modelos predictivos que se conviertan en
herramientas tiles para las comunidades (Fischer HW DO 1979, Beck, 1981a, 1981b; Rientjes y
Boekelman, 1998; Thomann, 1998; Shanahan, 1998). En este artculo se presenta una revisin y
sugerencia de modificacin del marco de modelacin general propuesto por Rientjes y Boekelman
Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 73

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

(1998) a partir de la experiencia de los autores en el desarrollo del modelo de calidad del agua del
Ro Bogot.
El Ro Bogot es uno de los ms contaminados del mundo recibiendo descargas de aguas residuales
de ms de 6 millones de habitantes. En el marco de un convenio de investigacin entre la
Universidad de los Andes y la Empresa de Acueducto y Alcantarillado de Bogot (EAAB), se
adelant desde Agosto de 2001 el estudio de Modelacin de la Calidad del Agua del Ro Bogot
en el tramo Villapinzn Desembocadura Ro Magdalena (Uniandes, 2003). El objetivo de dicho
proyecto fue el de realizar mediciones de campo de calidad del agua que permitieron implementar,
calibrar y verificar modelos de transporte y calidad del agua del Ro Bogot. Los modelos
implementados y calibrados en dicho estudio han sido tiles en la definicin y revisin de las
alternativas de saneamiento ambiental del Ro Bogot y en la definicin de estrategias para
garantizar diferentes usos del agua en la cuenca y minimizar los riesgos a la salud pblica. El
examen de la experiencia adquirida en el proyecto del Ro Bogot ha permitido identificar errores y
vacos comunes en reas de trabajo fundamentales que son necesarias para alcanzar el objetivo
ltimo de obtener modelos predictivos de calidad del agua. En este artculo se discute una
metodologa modificada de modelacin con el fin de desarrollar modelos predictivos de calidad del
agua que sirvan como herramientas tiles de planeacin del saneamiento ambiental de corrientes
superficiales de agua.
0$5&2'(02'(/$&,2135238(672
A continuacin se presenta el marco de modelacin propuesto para la obtencin de modelos
predictivos de calidad del agua tiles a nivel de planeacin del saneamiento ambiental de corrientes
de agua. En la formulacin del marco de modelacin se parte de la observacin de que
frecuentemente en ejercicios de modelacin no est disponible el modelo comercial exactamente
aplicable a las condiciones que se presentan en el sistema fsico bajo estudio o que permite resolver
todas las necesidades del modelador. Se entiende que un modelo es solo una representacin de la
realidad y sin embargo, los resultados de ste deben reflejar el mejor esfuerzo del modelador por
observar, entender y representar la realidad modelada. Adicionalmente se reconoce que es
fundamental entender los alcances y las limitaciones de los modelos y es necesario y honesto
aceptar y cuantificar la incertidumbre de los resultados de la modelacin (Young HW DO 1996;
Camacho, 2000; McIntyre HWDO 2002; Wagener HWDO 2002). En la Figura 1 se presenta el marco
de modelacin propuesto en este trabajo y a continuacin se explican y justifican los diferentes
pasos de la secuencia en un ejercicio de modelacin de calidad del agua.
,QYHVWLJDFLyQ SUHOLPLQDU GH XVRV DFWXDOHV \ SURVSHFWLYRV GHO DJXD GH FDUDFWHUtVWLFDV \
FDQWLGDG GH FDUJD FRQWDPLQDQWH \ YDORUHV KLVWyULFRV KLGUROyJLFRV \ GH FDOLGDG GHO DJXD
REVHUYDGRVHQODFRUULHQWH
El primer paso sugerido en un estudio de modelacin de la calidad del agua de una corriente
superficial es recopilar la informacin correspondiente a usos actuales y prospectivos del agua de
dicha fuente y de las caractersticas y cantidad de carga contaminante que recibe a lo largo de su
recorrido. Adicionalmente es til recopilar la informacin histrica hidrolgica y de calidad del
agua disponible en diferentes secciones transversales. Si la informacin no se encuentra an
disponible en el momento de inicio del proyecto de modelacin es urgente propender por su
levantamiento mediante estudios bsicos. Esta investigacin preliminar permite al modelador
conocer la importancia, grado de necesidad y complejidad del modelo requerido y estimar el costo
de un error de modelacin (Chapra, 1997; Thomann, 1998). La informacin permite establecer, de
acuerdo con los usos actuales y prospectivos del agua y las normas vigentes del pas, los estndares
de calidad del agua que deben alcanzarse en diferentes sectores de la corriente a lo largo del tiempo.

Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 74

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos


Valores histricos
hidrolgicos y de
calidad del agua

Carga contaminante
Caractersticas,
cantidad, localizacin
Investigacin preliminar
Tipo de modelo
Estndares de calidad del agua
impactos y determinantes de
calidad del agua

Usos actuales y
prospectivos del agua

Inspeccin de campo del


modelador
Sitios de medicin
Procesos dominantes
Complejidad del modelo
Implementacin o seleccin del
modelo
- Soluciones analticas y cerradas
- Ejemplos sintticos
- Pruebas pos-modelacin
Cdigo
verificado ?

No

Si

Modelo apropiado para


el sistema fsico
modelado verificado

Investigacin hidrulica
preliminar y ensayos con
trazadores

Parmetros hidrulicos
y de transporte. Modelo
de tiempos de viaje

Programacin de toma de
muestras

Contramuestras
Estndares de toma,
preservacin, transporte y
analisis

Campaas de mediciones y
anlisis de laboratorio

Metodologa de muestreo,
sitios, horas de toma,
frecuencia. Acuerdos
laboratorio y personal campo
Datos para calibracin
del modelo con mnima
incertidumbre

Anlisis de datos y
determinacin de conflictos uso
calidad
Anlisis de sensibilidad e
incertidumbre paramtrica.
Lmites de confianza

Calibracin del modelo


Comparacin con series de
tiempo independientes
Verificacin del modelo

Implementacin y anlisis de
simulaciones. Orientacin a nivel
de planeacin

Cuantificacin de
incertidumbre cargas y medio
fsico. Lmites de confianza

Figura 1. Marco de modelacin propuesto


Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 75

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

Los estndares de calidad del agua as definidos permitirn identificar conflictos uso-calidad en
etapas posteriores del marco de modelacin. Es importante realizar estudios prospectivos del uso
del agua con la comunidad que incluyan desarrollos agrcolas e industriales previstos o deseables, y
de desarrollos urbanos aguas abajo (Whitehead HWDO 1981). Frecuentemente, mejoras en la calidad
del agua de la fuente receptora generan presiones nuevas de uso y contaminacin sobre el recurso
agua que deben ser identificadas D SULRUL de la adopcin de un nivel particular de tratamiento del
agua residual.
El conocimiento de las caractersticas del agua residual vertida y de la informacin histrica de
calidad del agua observada en la fuente receptora permite identificar los principales impactos que se
generan en la corriente y los determinantes de calidad del agua en los cuales se deber centrar la
modelacin. El conocimiento de la dinmica temporal del agua residual vertida YHUVXV el tamao de
la fuente receptora permitir al modelador juzgar sobre la necesidad o no de utilizar un modelo
dinmico de calidad del agua. La cantidad de agua residual vertida a la fuente receptora es un dato
fundamental en estudios de saneamiento ambiental y por supuesto para la modelacin en una fase
posterior de simulacin de alternativas de saneamiento. Con frecuencia la carga contaminante
vertida se estima a partir de la poblacin, el uso de coeficientes empricos de retorno de agua de
consumo y valores de concentracin tpicos del agua residual. Aunque sta ha sido una prctica
comn, hoy en da los avances en instrumentacin permiten obtener fcilmente series de tiempo
observadas de cantidad y calidad del agua en los ros afluentes y colectores de alcantarillado o
vertimientos a final de tubo antes de descargar a la fuente receptora superficial, tanto en periodos de
tiempo seco como durante eventos de precipitacin. Las mediciones directas de cantidad y calidad
del agua vertida en cada afluente durante algn tiempo, HJ una semana, se recomiendan
ampliamente en la actualidad pues permiten reducir sustancialmente la incertidumbre en la carga
contaminante estimada (Butler y Davies, 2000; DazGranados y Camacho, 2003, estas memorias).
,QVSHFFLyQGHFDPSR
Para lograr obtener un modelo predictivo de calidad del agua se sugiere que el modelador participe
en una inspeccin detallada inicial de campo con el fin de conocer el sistema fsico que ser
modelado. La inspeccin de campo permitir identificar al modelador sitios de medicin requeridos
a lo largo de la corriente donde se tomarn datos para la calibracin del modelo, afluentes y sitios
principales de descarga al ro que debern ser monitoreados para calcular cargas contaminantes de
entrada al ro y afluentes y sitios secundarios que dejarn de monitorearse, bien por su pequeo
tamao, o bien por recursos econmicos limitados YHUVXV los altos costos de un programa de
medicin. Esta ltima informacin dar una indicacin al modelador de la incertidumbre asociada
con las fuentes y cargas de contaminacin. Para reducir la incertidumbre en los datos de entrada al
modelo se recomienda la medicin de la carga contaminante de cada afluente o vertimiento en el
sitio ms cercano posible a la corriente receptora. En la inspeccin de campo el modelador
confirmar el nivel de complejidad requerido del modelo y observar los procesos que deber
representar adecuadamente en el modelo tales como reaireacin, procesos de metanognesis que se
presentan bajo condiciones anaerbicas, nivel de poblacin y tipo de plantas acuticas que afectarn
la calidad del agua, sectores del ro sujetos a procesos de sedimentacin por baja velocidad,
estructuras hidrulicas que afectarn la calidad del agua o las condiciones del flujo, sectores de
mayor aporte distribuido potencial por escorrenta superficial, entre otros. En la inspeccin de
campo es til recorrer el tramo a ser modelado en bote o por la orilla o al menos visitar los sitios de
localizacin de estructuras hidrulicas, afluentes y vertimientos principales, y medir parmetros de
campo como temperatura, pH, oxgeno disuelto y conductividad, este ltimo como medida del
contenido de slidos disueltos, localizar puntos principales con GPS y realizar registros
fotogrficos.

Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 76

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

,PSOHPHQWDFLyQ R VHOHFFLyQ GHO PRGHOR DSURSLDGR GH FDOLGDG GHO DJXD \ YHULILFDFLyQ
PDWHPiWLFD
Una vez llevados a cabo los pasos anteriores el modelador podr desarrollar e implementar o
seleccionar modelos comerciales o de uso pblico apropiados de transporte y de calidad del agua
para el sistema fsico a ser modelado. En el proceso de seleccin de un modelo comercial no debe
subestimarse la falta de documentacin para el total entendimiento de los alcances y limitaciones
propias de dicho modelo por encima de su disponibilidad y costo. En varias ocasiones los autores
han considerado ms apropiado desarrollar nuevos modelos o extender modelos existentes para
considerar los requerimientos de modelacin del sistema fsico, y no lo contrario, ajustar un modelo
disponible al sistema fsico. Siempre que se ha implementado un nuevo modelo o adquirido un
modelo comercial o de uso pblico se recomienda realizar una verificacin del correcto
funcionamiento del modelo numrico utilizando datos de entrada para los cuales existen soluciones
analticas o mediante la verificacin cualitativa o cuantitativa de los resultados del modelo para
ejemplos sintticos o publicados en la literatura (Chapra, 1997; Rientjes y Boeckelman, 1998). Se
utilizan comnmente para la verificacin clculos de conservacin de la masa, anlisis de los
resultados del modelo para condiciones de estado permanente, LH bajo condiciones de carga
contaminante constante, condiciones de transporte de flujo a pistn o de dispersin pura.
,QYHVWLJDFLyQKLGUiXOLFDSUHOLPLQDU\HQVD\RVFRQWUD]DGRUHV
Antes de realizar campaas de mediciones de calidad de agua para la obtencin de datos de
calibracin y verificacin de los modelo es necesario recopilar o levantar informacin geomtrica e
hidrulica del sistema modelado. Frecuentemente en pases en desarrollo, a pesar de ser sta
informacin bsica, no existen curvas de calibracin nivel-caudal con una precisin aceptable para
suficientes secciones transversales a lo largo de la corriente modelada. En estas condiciones es
difcil incluso calibrar un modelo hidrulico. En Colombia y varios pases de la regin andina y
centroamericana un alto porcentaje de las aguas residuales se vierten a ros de montaa de alta
pendiente de gran turbulencia por la presencia de macro rugosidades. La caracterizacin hidrulica
de estas corrientes es muy complicada, sino imposible. Para propsitos de calibrar adecuadamente
modelos de transporte y disear correctamente campaas de medicin de la calidad del agua se
recomienda realizar una investigacin hidrulica preliminar y ensayos con trazadores. Se
recomienda la realizacin de aforos de caudal para diferentes condiciones hidrolgicas en cada
seccin transversal de medicin de la corriente receptora que se haya definido en la inspeccin de
campo, con el fin de producir curvas de calibracin nivel-caudal, velocidad-caudal y ancho-caudal.
Por otra parte los experimentos con trazadores (Young y Wallis, 1993, Lees HWDO 1998) son una
herramienta fundamental para la calibracin de parmetros hidrulicos y de modelos de transporte.
Los experimentos permiten determinar el tiempo de primer arribo, tiempo promedio de viaje y
tiempo de pasaje de un trazador conservativo en un tramo de estudio. A partir de stos datos es
posible estimar los parmetros de transporte del modelo de zona muerta agregada, LH Agregated
dead zone model (ADZ, Beer y Young, 1983; Young y Wallis, 1993) y generar un modelo til de
tiempos de viaje (Camacho, 2000). Tambin es posible estimar el coeficiente de dispersin
longitudinal de la ecuacin de adveccin dispersin (Fischer, 1973; Chapra, 1997) y los parmetros
del modelo de almacenamiento temporal (Transient storage, TS, Bencala y Walters, 1983).
Adicionalmente a los parmetros de modelos de transporte es posible, acoplando un modelo
hidrolgico al modelo de transporte, estimar parmetros hidrulicos como el coeficiente de friccin
de Manning (Lees y Camacho, 2000).
3URJUDPDFLyQGHWRPDGHPXHVWUDV
Se recomienda dedicar el tiempo suficiente para la planeacin y programacin del programa de
mediciones de campo que permitir la recopilacin de datos necesarios para la calibracin del
modelo. Es importante tener en cuenta que las mediciones de campo se realizan con el fin particular
de calibrar el modelo de calidad del agua. As el diseo y programacin de la frecuencia de toma de
Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 77

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

datos y de los determinantes de calidad del agua monitoreados deben ser tales que permitan la
calibracin del modelo implementado con el mnimo grado de incertidumbre. Tradicionalmente se
han utilizado modelos de calidad del agua de estado permanente a nivel de planeacin (Thomann
and Mueller, 1987; Chapra, 1997). Para calibrar adecuadamente un modelo de este tipo se
recomienda tomar mediciones de calidad del agua sobre la misma masa de agua que fluye hacia
aguas abajo con el fin de reducir la incertidumbre que se incorpora por la variabilidad temporal de
las descargas y por razones de ahorro de costos de monitoreo. Si se monitorea la misma masa de
agua se pueden determinar las transformaciones que ocurren en la calidad del agua espacialmente a
lo largo de la corriente para las condiciones de caudal de la corriente y del caudal vertido que fluye
hacia aguas abajo. En estas condiciones la calibracin del modelo se realiza con menor
incertidumbre pues se garantiza la conservacin de la masa de agua y contaminantes. Monitorear la
misma masa de agua que fluye hacia aguas abajo implica programar correctamente la hora de toma
de la muestra en las secciones transversales sobre la corriente principal y en los sitios de
vertimiento. Esto se puede realizar mediante el modelo ADZ de transporte calibrado con
experimentos con trazadores siguiendo la metodologa de Young y Wallis (1993).
Si se ha implementado un modelo dinmico de calidad del agua el monitoreo debe permitir capturar
adecuadamente la dinmica de la calidad del agua debido a la variabilidad temporal de las
condiciones hidrolgicas y de la calidad del agua de las fuentes contaminantes o vertimientos. El
monitoreo adecuado puede resultar ser bastante costoso a nivel de planeamiento. El modelador debe
indicar en reuniones previas a las mediciones los determinantes que deben monitorearse en campo y
aquellos que deben analizarse en el laboratorio, y la forma en que se deben reportar los resultados
de tal manera que no haya dudas para el personal de campo y de laboratorio los determinantes
requeridos para la calibracin del modelo. El personal de laboratorio debe realizar las
capacitaciones correspondientes al personal de campo en la preparacin, toma y transporte de las
muestras.
&DPSDxDVGHPHGLFLRQHV\DQiOLVLVGHODERUDWRULR
Las mediciones de campo deben ajustarse a los estndares recomendados de toma, preservacin y
transporte de muestras al laboratorio y los anlisis de laboratorio ajustarse a los estndares
correspondientes. Las mediciones de campo se deben realizar a la hora programada y en los sitios
claramente designados siguiendo las instrucciones del modelador y del personal de laboratorio.
Preferiblemente el modelador debe acompaar el monitoreo de campo o enterarse de los sitios
exactos de medicin y hora de toma de muestra. Adicionalmente el modelador debe saber los
estndares que ha seguido el laboratorio en la realizacin de los anlisis y asegurarse que las
caractersticas y unidades reportadas para cada determinante corresponden con las solicitadas
previamente por l al laboratorio. Se recomienda para calibrar y verificar el modelo de calidad de
agua realizar al menos dos o tres campaas de mediciones siguiendo la masa de agua para diferentes
condiciones hidrolgicas ojal bajo condiciones de caudal bajo, medio y alto. Mediciones bajo
condiciones hidrolgicas diferentes permiten cuantificar adecuadamente la incertidumbre
paramtrica y estructural del modelo y obtener resultados de calibracin ms precisos. Este
procedimiento es fundamental en la bsqueda de un modelo con alta capacidad predictiva.
Adicionalmente en el marco de modelacin propuesto se requiere al menos una serie de datos no
utilizada en la calibracin del modelo para su verificacin.
$QiOLVLVGHGDWRVREVHUYDGRV\GHWHUPLQDFLyQGHFRQIOLFWRVXVRFDOLGDG
Las mediciones de campo de cada campaa proporcionan una fotografa de la calidad de agua
observada en la fuente receptora. Los datos permiten identificar fuentes principales de
contaminacin, entender e identificar procesos de transformacin de calidad del agua dominantes,
magnitudes de cargas contaminantes principales, sitios y variables importantes de medicin. En
general, las mediciones permiten elevar el estado del arte del conocimiento de los problemas de
Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 78

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

contaminacin de la corriente receptora. El anlisis de los determinantes observados de calidad del


agua en cada seccin transversal para diferentes condiciones hidrolgicas permite, de acuerdo al
estndar de calidad de agua, identificado previamente, asociado con los usos actuales y prospectivos
del agua, identificar conflictos uso-calidad. Este anlisis permite al modelador orientar las corridas
de simulacin del modelo ms adelante en el marco de modelacin. Esto debido a que se podr en
este nivel identificar aquellos determinantes de calidad del agua que deben removerse o tratarse
para alcanzar los niveles de calidad del agua requeridos en ese sector particular de la corriente.
&DOLEUDFLyQGHOPRGHOR
En un modelo de calidad del agua deben especificarse tasas de reaccin o transformacin de los
determinantes de calidad del agua y tasas de transferencia de masa hacia o desde la superficie del
agua y el fondo del canal. La cintica de las reacciones son particulares para cada tipo de agua
residual en las condiciones especficas que se presentan en el sistema fsico modelado y las tasas de
transferencia dependen en gran parte de la turbulencia propia de la corriente. Esto necesariamente
obliga al modelador a calibrar los modelos que se aplican a un sistema fsico particular utilizando
parmetros de calibracin. La comunidad cientfica ha aceptado que la calibracin de modelos con
varios parmetros es un problema complejo que requiere mtodos de calibracin objetiva. Los
mtodos de calibracin objetiva tipo gradiente tales como mtodos de mnimos cuadrados no
lineales (NLS), presentan serias limitaciones en la obtencin de parmetros ptimos del modelo por
problemas de alta no linealidad e interdependencia paramtrica. Se recomienda en el caso de
modelos de calidad del agua, tpicamente con ms de 7 parmetros, utilizar mtodos basados en
simulaciones de Monte Carlo tales como la metodologa de estimacin de incertidumbre
generalizada (Generalised Likelihood Uncertainty Estimation methodology, GLUE, Beven y
Binley, 1992), el procedimiento de identificacin dinmica (Dynamic identifiability Wagener HWDO
2002) o el mtodo de evolucin compleja de poblaciones ( Shuffled complex evolution method,
SCE-UA, Duan HW DO., 1994). Asociado al algoritmo objetivo de bsqueda est el problema de
definir la funcin objetivo del problema en la calibracin (Gupta HWDO 1998; Wagener HWDO 2002).
&8$17,),&$&,21 '( ,1&(57,'80%5( < $1$/,6,6 '( 6(16,%,/,'$'
3$5$0(75,&$
Se desconocen demasiadas heterogeneidades espaciales y temporales de los sistemas fsicos y son
muchos los procesos que interactan en modelos de calidad del agua. La observacin mediante
mediciones puntuales de campo tambin es incompleta y puede presentar errores. Toda esta
incertidumbre dificulta la modelacin con precisin. Los modeladores han tenido que poner ms
empeo en el proceso de calibracin del modelo y se han visto forzados a ser ms cuidadosos en
presentar soluciones determinsticas. De acuerdo a Neil HW DO (2002) no se puede justificar la
aplicacin de un modelo numrico ambiental con fines de prediccin sin realizar un anlisis de
incertidumbre implcito que utilice mtodos confiables y transparentes. Se ha vuelto un
procedimiento comn incluir lmites de confianza asociados con todos los resultados de modelos
numricos que cuantifican la incertidumbre. Neil HWDO (2002) presentan una revisin actualizada y
prctica de mtodos de cuantificacin de incertidumbre y anlisis de sensibilidad paramtrica. El
objetivo de la cuantificacin de incertidumbre es producir lmites de confianza asociados con los
resultados del modelo. De acuerdo con estos autores la metodologa GLUE (Beven y Binley, 1992)
es un mtodo verstil para la estimacin robusta de incertidumbre paramtrica. Dicha metodologa
se puede aplicar mediante la ayuda de una herramienta avanzada de anlisis desarrollada en
MATLAB que permite el anlisis de simulaciones de Monte-Carlo (Monte-Carlo Analysis Toolbox,
MCAT, Lees y Wagener, 2000). Mediante la herramienta MCAT los resultados de simulaciones de
Monte-Carlo se utilizan para producir grficas de la respuesta del modelo con lmites de confianza
asociados, HJ percentiles 5% y 95%.

Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 79

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

9HULILFDFLyQGHOPRGHOR
En este paso del marco de modelacin se verifica la capacidad con la cual el modelo es capaz de
predecir condiciones observadas no incluidas en la calibracin. La verificacin del modelo nunca
termina y por lo tanto debe realizarse permanentemente. Son pocos los ejemplos documentados en
los cuales se evalan predicciones del modelo despus de implementadas modificaciones fsicas del
sistema modelado, HJ dragado del ro, rectificacin, construccin de una planta de aguas
residuales.
,PSOHPHQWDFLyQ\DQiOLVLVGHVLPXODFLRQHVGHFDOLGDG
En este ltimo punto del marco de modelacin el modelador tendr una clara idea de las
simulaciones ms tiles para definir las medidas estructurales o no estructurales que solucionarn
los conflictos uso-calidad en la cuenca. Si el modelador no es quien lleva a cabo estas simulaciones
se recomienda que especifique claramente las limitaciones del modelo en cuanto a validez esperada
de las predicciones bajo modificaciones ambientales y fsicas del sistema modelado. Al igual que en
la cuantificacin de incertidumbre paramtrica, a los resultados de las predicciones del modelo se
deben asociar lmites de confianza respectivos. Se recomienda generar una banda de confianza, HJ
percentiles 5% y 95%, asociada con los resultados de cada corrida de simulacin del modelo. El
objetivo es producir en cada simulacin el valor de de la concentracin ms probable de los
diferentes determinantes de calidad del agua, HJ oxgeno disuelto, demanda bioqumica de
oxgeno, demanda qumica de oxgeno, nutrientes, metales, coliformes, etc., que se presentar a lo
largo del ro. Este ejercicio es necesario usualmente por la complejidad de los sistemas naturales
caracterizados por una alta variabilidad hidrolgica, y segundo, debido a la incertidumbre en los
valores prospectivos de las descargas de aguas residuales domsticas e industriales de la cuenca en
el tiempo. Los valores de caudal y de carga contaminante de los afluentes en las simulaciones son
inciertos y en la prctica, la calidad del agua real de la corriente resultar de la combinacin de la
cantidad y calidad de las muchas descargas que ocurren a lo largo de ste. La prediccin de la
calidad del agua bajo estas condiciones debe incluir una cuantificacin explcita de la
incertidumbre. El valor real ms probable de la concentracin de cada determinante se desconoce,
pero se puede producir un estimativo confiable con el uso de tcnicas de cuantificacin de
incertidumbre. La incertidumbre se define aqu como un rango en el cual se espera encontrar el
valor real de la concentracin del determinante dentro de unos lmites de confianza dados.
Cuando los parmetros o las variables de diseo son inciertos y stos pueden considerarse como
variables aleatorias se utiliza comnmente el mtodo de propagacin de incertidumbre de Monte
Carlo (Neil HWDO 2002).
&21&/86,21(6
El saneamiento de una corriente es un proceso costoso. La aplicacin de la metodologa propuesta
en el proceso de seleccin, diseo y construccin de las alternativas de saneamiento, sin omitir
ninguna fase del marco de modelacin, permitira ahorrar enormes gastos de inversin en
infraestructura de tratamiento de aguas residuales en Colombia y otros pases en desarrollo de la
regin, gastos en los que desafortunadamente ya se ha incurrido en varias ocasiones. Se reconoce
que el diseo de un plan de saneamiento es un problema complejo, y con el fin de obtener
soluciones tcnicas apropiadas que sean costo-efectivas, los ingenieros y tcnicos estamos en la
obligacin de proponer la aplicacin de las mejores tecnologas disponibles. Los modelos de
transporte de flujo y contaminantes y de calidad del agua permiten respaldar el diseo de medidas
estructurales y no estructurales requeridas para alcanzar estndares de calidad de agua bajo
diferentes niveles de contaminacin y/o tratamiento. Sin embargo, se requiere una aplicacin
juiciosa y responsable de estas herramientas para lograr obtener modelos tiles con alta capacidad
predictiva. La metodologa propuesta orienta y gua en la bsqueda de este objetivo.

Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 80

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

5()(5(1&,$6
Beck, M.B. (1981a). A procedure for modelling. In Mathematical modelling of water quality:
streams, lakes, and reservoirs. (Ed. G. T., Orlob). Int. Inst. for Appl. Sys. Anal. (IASA), a
Wiley-Interscience Publ., John Wiley & Sons, Chichester, U.K., 11-41.
Beck, M.B. (1981b). Sensitivity analysis, calibration and validation. In Mathematical modelling of
water quality: streams, lakes, and reservoirs. (Ed. G. T., Orlob). Int. Inst. for Appl. Sys. Anal.
(IASA), a Wiley-Interscience Publ., John Wiley & Sons, Chichester, U.K. .
Beer, T. y Young P.C., (1983). Longitudinal dispersion in natural streams, -RXUQDO RI
(QYLURQPHQWDO(QJLQHHULQJ.,  (5), ASCE, 1049-1067.
Bencala, K.E., y Walters RA., (1983). Simulation of solute transport in a mountain pool-and-riffle
stream: a transient storage model, :DWHU5HVRXUFHV5HVHDUFK,  (3), 718-724.
Beven, K. J. y Binley, A. (1992). The future of distributed models: model calibration y uncertainty
prediction, +\GURORJLFDO3URFHVVHV, 6, 279-298.
Butler, D. y Davies J. (2000). Urban Drainage. E&FN SPON.Taylor &Francis. First Edition.
Camacho, L.A., (2000). Development of a hierarchical modelling framework for solute transport
under unsteady flow conditions in rivers. PhD Tesis, Imperial College of Science Technology
and Medicine, Londres.
Chapra, S. C. (1997). Surface Water-Quality Modelling, The McGraw-Hill Companies. Inc., New
York.
Duan, Q., Sorooshian, S., y Gupta, Vi., (1994) Optimal use of the SCE-UA global optimization
method for calibrating watershed models, -RXUQDORI+\GURORJ\, 158, 265-284.
Fisher, H. B. (1973). Longitudinal dispersion and turbulent mixing in open channel flow, Ann. Rev.
Fluid Mech., 5, 59-78.
Fisher H. B., List, E. J., Koh, R. C. Y., Imberger, J. y Brooks, N. H. (1979). Mixing in Inland and
Coastal Waters, Academic Press, New York.
Green, H. M., Beven, K. J., Buckely, K, and Young, P. C. (1994). Pollution prediction with
uncertainty. In Mixing and transport in the environment (Ed. K. J. Beven, P. Chatwin, J.
Millbank). John Wiley & Sons, Chichester, 113-137.
Gupta H. V., Sorooshian, S., y Yapo, P. O. (1998). Toward improved calibration of hydrologic
models: Multiple y noncommensurable measures of information, :DWHU5HVRXUFHV5HVHDUFK, 
(4), 751-763.
Lees, M.J., Camacho, L.A., Whitehead, P., (1998) Extension of the QUASAR river quality model
to incorporate dead-zone mixing, +\GURORJ\DQG(DUWK6\VWHP6FLHQFHV, 2, 353-365.
Lees, M.J., Camacho, L.A., (2000) Modelling solute transport in rivers under unsteady flow
conditions: an integrated velocity conceptualization, British Hydrological Society, 7th National
Hydrology Symposium, Sept. 4-6., p.3.21-3.29.
Lees, M. J. y Wagener, T. (2000). Monte-Carlo Analysis Tool (MCAT) v.2, User Manual, Civil and
Environmental Engineering, Imperial College of Science Technology and Medicine, 27 p.
Lees, M.J., Camacho, L.A., Chapra, S., (2000) On the relationship of transient-storage and
aggregated dead zone models of longitudinal solute transport in streams, :DWHU 5HVRXUFHV
5HVHDUFK,  (1), 213-224.
McIntyre, N., Wheater H., Lees, M.J., (2002) Estimation and propagation of parametric uncertainty
in environmental models, -RXUQDORIK\GURLQIRUPDWLFV, 04.3.
Rientjes, T. H. M., and Boekelman, R. H. (1998). Hydrological models. Section of Hydrology and
Ecology, Delft University of Technology, TU Delft, CThe443.
Shanahan P., Henze, M., Koncsos, L., Rauch, W., Reichert P., Somlyody, L., and Vanrolleghem, P.,
(1998). River water quality modelling: II. Problems of the art, :DWHU6FLHQFHDQG7HFKQRORJ\,
38, 245-252.
Thomann, R.V., (1998). The future Golden Age of predictive models for surface water quality
and ecosystem management, -RXUQDORI(QYLURQPHQWDO(QJLQHHULQJ,  (2), 94-103.

Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 81

Seminario Internacional La Hidroinformtica en la Gestin Integrada de los Recursos Hdricos

Thomann, R.V., Mueller, J. A., (1987). Principles of Surface Water Quality Modelling and Control,
Harper & Row Publishers, New York.
Universidad de los Andes, Depto de Ingeniera Civil y Ambiental (2001). Modelacin de la calidad
del agua del Ro Bogot, CIACUA.
Wagener, T., Camacho, L.A., Wheater, H.S. (1992) Dynamic identifiability analysis of the transient
storage model for solute transport in rivers, -RXUQDORI+\GURLQIRUPDWLFV, 04.3.
Whitehead, P. G., Beck B., y O'Connel E., (1981). A systems model of stream flow and water
quality in the Bedford-Ouse River-II. Water quality modelling, :DWHU5HVHDUFK, 15, 1157-1171.
Whitehead, P. G., Williams R. G., y Hornberger G. M. (1986). On the identification of pollutant or
tracer sources using dispersion theory, -RXUQDORI+\GURORJ\, 84, 273-286.
Young, P. C., y Wallis, S. G. (1993). Solute Transport and Dispersion in Channels. In Channel
Network Hydrology (Eds. K. J. Beven y M. J. Kirby). John Wiley & Sons, Chichester, 129-174.
Young, P. C., Parkinson S., Lees M. J. (1996). Simplicity out of Complexity in environmental
modelling: Occams razor revisited, -RXUQDORIDSSOLHGVWDWLVWLFV, 23, 165-210.

Universidad del Valle/Instituto Cinara

Camacho, L. A., DazGranados, M. 82