Está en la página 1de 20

Mtodo para el diseo ptimo de redes

de monitoreo de los niveles del agua


subterrnea
Jessica Vanessa Briseo-Ruiz Graciela del Socorro Herrera-Zamarrn
Hugo Enrique Jnez-Ferreira
Universidad Nacional Autnoma de Mxico

Resumen

Para estimar la disponibilidad del agua subterrnea y su evolucin es indispensable


medir los niveles del agua subterrnea por periodos largos de tiempo. Sin embargo,
los recursos econmicos son una limitante en la recopilacin de suficientes datos
que permitan estimar con certeza la evolucin de dichos niveles. Por este motivo
se requiere de mtodos para el diseo de redes de monitoreo de los niveles del
agua subterrnea que faciliten utilizar los recursos econmicos disponibles para
el monitoreo de manera efectiva. El mtodo de Herrera y Pinder (Herrera, 1998)
para el diseo ptimo de redes de monitoreo de la calidad del agua subterrnea,
aplicado por Herrera et al. (2001), y tambin por Herrera y Pinder (2005), tiene
varias ventajas. Por un lado, permite seleccionar tanto posiciones como tiempos
de monitoreo en forma ptima; adems, con la informacin obtenida de la red de
monitoreo, permite hacer estimaciones en espacio y tiempo, y utiliza un modelo de
flujo y transporte, el cual sintetiza el conocimiento de las caractersticas del acufero, 77
de la dinmica del flujo subterrneo y de la problemtica de calidad del agua
subterrnea que se tenga, as como del conocimiento de las leyes de la fsica. En
este trabajo, una modificacin de esta metodologa se prueba por primera vez para
el diseo de redes de monitoreo de los niveles del agua subterrnea. Se presenta un
caso sinttico en el que la red se disea para un solo tiempo, suponiendo que el flujo
est en estado estacionario. Los resultados presentados indican que la metodologa
propuesta por Herrera y Pinder para el diseo de redes de monitoreo tiene buenas
perspectivas para aplicarse exitosamente al diseo de redes de monitoreo de los
niveles del agua.

Palabras clave: redes de monitoreo, agua subterrnea, diseo ptimo.

Introduccin subterrnea y de las cargas de contaminantes.


Sin embargo, se requiere de un alto costo para
El diseo de redes de monitoreo del agua medir los niveles del agua subterrnea, recabar
subterrnea consiste en establecer un programa las muestras, y llevar a cabo el anlisis de los
de supervisin continua en pozos de muestreo parmetros de la calidad del agua subterrnea
para medir niveles del agua subterrnea y tomar en todos los pozos de monitoreo de un acufero
muestras para el anlisis de variables fsicas, o de alguna zona contaminada. Es por ello que
qumicas y biolgicas previamente establecidas. se requiere de un diseo ptimo de redes de
Este tipo de redes de monitoreo piezomtricas monitoreo con las cuales se optimice la seleccin
y de calidad del agua subterrnea son indis- de los pozos y los tiempos de muestreo (en
pensables para conocer el comportamiento de dnde, cundo y cuntos pozos muestrear), los
un acufero, as como sus tendencias de calidad cuales proporcionen la mayor informacin para
del agua. Esta informacin es bsica para lograr lograr estimaciones confiables de los parmetros
una gestin eficaz y controlar los impactos de calidad del agua subterrnea y de los niveles
ambientales negativos de la extraccin del agua del agua subterrnea.

Tecnologa y Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011, pp. 77-96
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

Como respuesta a estas necesidades, He- Estado del arte en las redes de monitoreo
rrera (1998) propuso un mtodo para el piezomtrico
diseo ptimo de redes de monitoreo, que
involucra en el diseo el espacio y el tiempo A continuacin se presenta un resumen de
de forma combinada. Este mtodo tiene varias trabajos que proponen mtodos para el diseo
ventajas: por un lado permite seleccionar de redes de monitoreo del agua subterrnea.
tanto posiciones como tiempos de monitoreo Se incluyen tambin algunos que presentan
en forma ptima; con la informacin ob- mtodos para el diseo de redes de monitoreo
tenida de la red de monitoreo permite de la calidad del agua subterrnea, ya que
hacer estimaciones en espacio y el tiempo; con algunas modificaciones pueden servir de
y utiliza un modelo de flujo y transporte, base en el diseo de redes que permitan una
el cual sintetiza el conocimiento de las ca- adecuada caracterizacin de la carga hidru-
ractersticas del acufero, de la dinmica del lica en acuferos.
flujo subterrneo y de la problemtica de Tres puntos de vista han influenciado
calidad del agua subterrnea que se tenga, a mucho el diseo de redes de monitoreo
la vez que incluye el conocimiento de las leyes del agua subterrnea (ASCE, 2003). En el
fsicas. Este mtodo se prob en un caso de primero de ellos, que llamamos marco hidro-
estudio que se reporta en Herrera et al. (2001), lgico, siguiendo a Loaiciga et al. (1992), la
y otros ejemplos de aplicacin se presentan red y su programa de muestreo se definen
78 por consideraciones que toman en cuenta
en Herrera y Pinder (2005). Nos referiremos
solamente las condiciones hidrolgicas del
a este mtodo como el mtodo de Herrera y
sitio, sin recurrir a tcnicas estadsticas o
Pinder.
probabilsticas avanzadas. El segundo propone
El mtodo de Herrera y Pinder se pro-
el anlisis de datos dentro de un marco
puso originalmente para disear redes de
estadstico y define la red de muestreo basado
monitoreo de calidad del agua y se divide
en inferencias obtenidas de los datos, ste se
en dos procedimientos: 1) estima la varianza
llama marco estadstico. Al ltimo punto de
del error de la estimacin que se obtendra si
vista le llamaremos aqu marco de modelacin,
se tomaran muestras de agua en diferentes
en donde se utilizan modelos matemticos del
pozos y tiempos de monitoreo, y 2) escoge las
agua subterrnea para determinar posiciones y
posiciones y tiempos de monitoreo que mi-
frecuencias de muestreo.
nimizan una funcin de la varianza del error
A continuacin, primero se presentan los
de la estimacin, con los cuales se definen la
trabajos basados en criterios geoestadsticos,
red de monitoreo y su programa de muestreo.
que pueden ser incluidos en el marco estads-
En este trabajo se prueba una modificacin de tico, y posteriormente trabajos que pueden
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

ese mtodo para disear redes de monitoreo incluirse en el marco de modelacin. En cada
de los niveles del agua subterrnea. Dicha una de estas categoras primero se describen los
modificacin consiste en emplear la carga trabajos en los que nicamente se seleccionan
hidrulica en vez de la concentracin, y por de forma ptima las posiciones de muestreo
tanto un modelo de flujo en vez de un modelo y posteriormente los que incluyen tambin la
de transporte, como en los dos procedimien- seleccin ptima de frecuencias o tiempos de
tos descritos anteriormente. La formulacin muestreo.
del mtodo resultante se presenta para redes
de monitoreo espacio-temporales y la apli- Marco estadstico
cacin se realiza en un caso de estudio sinttico
en el que la red de monitoreo se disea para Rouhani (1985) propone el mtodo de
un solo tiempo. reduccin de la varianza para aumentar

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

una red de monitoreo existente. La red de mediante el uso de mallas regulares que pueden
monitoreo se aumenta agregando muestras de tener elementos con diversas geometras (se
pozos en lugares que minimizan la varianza ubican pozos de una red de monitoreo en cada
del error de la estimacin de una variable, uno de los elementos o nodos de una malla).
calculada por medio de kriging. Este trabajo En este caso se trabaja nicamente con los
no involucra la frecuencia temporal de parmetros que definen la malla regular y se
muestreo en el diseo. La aplicacin de la red establece una relacin entre la varianza y el
de monitoreo se hace para la concentracin costo asociado con estos parmetros.
de un contaminante, sin embargo, el mismo Del anlisis realizado para el diseo de una
mtodo se puede utilizar en el diseo de redes red se concluye que el mtodo de inclusiones
de monitoreo piezomtrico. sucesivas, aunque es subptimo, da buenos
Samper y Carrera (1990) presentan una resultados en la eleccin de puntos de estima-
comparacin de diferentes mtodos para cin, adems de que resulta ser una metodolo-
el diseo de redes de observacin basados ga muy econmica. Es por lo anterior que esta
en la implementacin del kriging. Dividen metodologa se ha utilizado frecuentemente,
el diseo de las redes de monitoreo en dos obteniendo buenos resultados.
grandes categoras: cuando se aade un punto
Cameron y Hunter (2000) propusieron un
de medicin a una red ya existente y cuando
mtodo para reducir la redundancia espacial
se aaden varios puntos. Incluimos aqu
y temporal por medio de dos algoritmos: uno
nicamente lo referente a la segunda categora,
temporal y otro espacial. El algoritmo temporal 79
que es la ms relevante para este trabajo. En
combina series de tiempo de datos de muchos
este caso se consideran varios mtodos para
pozos para construir un semivariograma
aadir posiciones de puntos de medicin:
temporal compuesto y usa el semivariograma
para definir frecuencias de muestreo que
Mtodo de inclusiones sucesivas: se van
proporcionen datos temporales sin correla-
probando uno por uno puntos alternativos
cin. En el algoritmo espacial se obtiene una
que se unen a un conjunto dado de pozos y
estimacin inicial de la pluma del contaminante
se escoge el que minimiza la varianza del
error de la estimacin. usando kriging con todos los pozos existentes.
Intercambios sucesivos ptimos: se inter- Se asignan pesos numricos, llamados pesos de
cambian los elementos de un conjunto dado kriging global, a la posicin de los pozos, para
de puntos existentes con los elementos de evaluar su contribucin relativa a la estimacin
un conjunto de puntos alternativos para de la pluma. Subconjuntos de pozos con los
encontrar la mnima varianza. pesos de kriging global ms bajos se remueven
Enumeracin total: se analizan subcon- temporalmente y se hace una nueva estima-
juntos del total de pozos a monitorear; se cin de la pluma. La variancia del kriging de
la nueva estimacin se compara con la de la
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011
empieza con todos los subconjuntos de
un elemento, luego los que se formen con estimacin inicial para ver si la incertidumbre
dos elementos y as sucesivamente hasta ha aumentado substancialmente. Si no es
llegar al subconjunto que proporcione la as, se quita el subconjunto de los pozos; en
incertidumbre deseada. caso contrario, el subconjunto de pozos no se
Rama y lmite: inverso al anterior, el remueve. En este trabajo no se considera en el
conjunto inicial corresponde al conjunto anlisis la correlacin cruzada espacio-tiempo
total de puntos disponibles y se van su- de la concentracin de contaminante.
primiendo puntos. Nunes et al. (2004) buscan optimizar
redes de monitoreo del agua subterrnea,
Dentro de esta categora tambin se consi- considerando una reduccin en la redundancia
dera la definicin de redes de monitoreo espacial y/o temporal. Se proponen tres

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

modelos de optimizacin para seleccionar el subterrneas para distintos subconjuntos de


mejor subconjunto de estaciones de una red pozos (siguiendo el orden de importancia
de monitoreo del agua subterrnea: 1) uno obtenido de la validacin cruzada). Se seleccio-
que maximiza la certidumbre espacial; 2) uno n el nmero de pozos suficiente para no tener
que minimiza la redundancia temporal, y prdida de informacin en la determinacin
3) un modelo que maximiza la certidumbre del balance del agua subterrnea.
espacial y minimiza la redundancia temporal. Para el rediseo de una red de monitoreo de
Los modelos de optimizacin propuestos se los niveles del agua en el acufero de la Comarca
resuelven con recocido simulado, junto con un Lagunera, Mxico, Esquivel-Victoria (2008)
algoritmo de parametrizacin, usando entropa utiliz un mtodo geoestadstico propuesto
estadstica. Los tres modelos se derivan de una por Ahmed (2004) para el diseo ptimo de
ecuacin que considera dos trminos: uno redes de monitoreo de la temperatura del
espacial y otro temporal; los modelos emplea- aire. En este mtodo, el rea de estudio se
dos en el artculo resultan de simplificaciones divide en una malla regular, y se obtienen la
a la ecuacin objetivo. La ecuacin general de la estimacin y desviacin estndar del error
que se derivan los modelos contiene un trmino de la estimacin para cada bloque utilizando
de varianza y un trmino que considera series kriging ordinario para los bloques con el total
de tiempo; las series de tiempo son representa- de datos existentes. La optimizacin se basa en
das por funciones matemticas comunes la comparacin de la desviacin estndar del
80 basadas en juicio emprico y experiencia. error de la estimacin sobre los bloques, con un
Kumar et al. (2005) disearon una red de valor mximo preestablecido por el usuario,
monitoreo de la carga hidrulica basndose conforme se van quitando o aadiendo datos
en la teora de las variables regionalizadas. en la estimacin.
Se le quita la tendencia a los datos al ajustarle
un plano. Se ajusta un modelo lineal al Marco de modelacin
semivariograma de los residuos obtenidos. Se
estiman valores mediante kriging universal Al parecer, Loaiciga (1989) fue el primer
y se determinan los errores en la estimacin autor que propuso un mtodo para el diseo
mediante un procedimiento de validacin espacio-temporal de redes de monitoreo del
cruzada (jacknife). agua subterrnea en el que la redundancia
Faisal et al. (2007) optimizaron una red espacial y temporal de una red de monitoreo
de monitoreo de la carga hidrulica para la se analizaron en conjunto. El mtodo combina
estimacin de un balance de aguas subterr- kriging con una ecuacin de transporte
neas en una cuenca de la India. Para la estocstica para predecir la incertidumbre
determinacin del balance se utiliz el mtodo del error de las concentraciones de un
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

de la fluctuacin del doble espejo de agua contaminante estimadas. l us el mtodo de


(llamado as porque considera poca de secas y kriging generalizado para incluir el dominio
de lluvias) propuesto por Marchal et al. (2006). en espacio y tiempo, y de esa manera evaluar
Se llev a cabo un anlisis geoestadstico cmo una muestra tomada de un pozo dado
para los datos recabados de carga hidrulica. en un tiempo dado reduce la incertidumbre
El criterio de optimizacin de la red se bas de todas las posiciones y tiempos en los
en la validacin cruzada del modelo de que se obtendran estimaciones. Para poder
semivariograma propuesto. Se le asigna un resolver el sistema de kriging es necesario
orden de importancia a cada pozo de acuerdo contar con la matriz de covariancia espacio-
con el tamao del error promedio de tres aos, temporal del error de la concentracin en las
resultado de la validacin cruzada en cada posibles posiciones y tiempos de muestreo.
sitio. Se realiz el clculo del balance de aguas Loaiciga deriva los elementos de la matriz

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

de covariancia de la ecuacin de adveccin- que un criterio de error preestablecido para


dispersin que gobierna el transporte de masa, ambos conjuntos de parmetros se cumple.
discretizada numricamente. Us un trmino Se analizaron dos ejemplos de aplicacin para
aditivo de error aleatorio en la ecuacin de el diseo de redes de monitoreo; en ambos,
transporte que considera la incertidumbre las frecuencias de muestreo se mantuvieron
del modelo; este trmino cambia de un paso fijas y la densidad de la red se minimiz
de tiempo a otro en el modelo, y en cada con la restriccin de un valor umbral para la
nuevo paso es independiente de todos los desviacin estndar del error de la estimacin.
errores previos. Para la optimizacin de la red, Se analizaron varias alternativas y la mejor fue
Loaiciga busca determinar dnde y cundo elegida por inspeccin. Los autores discuten
muestrear, para minimizar la variancia del la importancia relativa de la densidad de
error de la concentracin estimada (obtenida la red espacial y la frecuencia de muestreo
del sistema de kriging espacio-temporal) en las en relacin con el tiempo de respuesta
posiciones de inters, sujeto a constricciones del sistema. Encontraron que si el sistema
de costo e insesgo. La determinacin de un reacciona rpido, la optimizacin espacial de
plan de muestreo ptimo se plantea como un la red es importante. Si el sistema reacciona
problema de programacin entera mixta. lentamente, tanto la optimizacin temporal
Yangxiao et al. (1991) combinaron el pro- como la espacial son importantes.
cedimiento de estimacin de parmetros Herrera (1998) propuso una metodologa
propuesto en un trabajo previo (Van Geer et para el diseo ptimo espacio-temporal de 81
al., 1991) con un mtodo para el diseo de redes de monitoreo de la calidad del agua
redes de monitoreo de los niveles del agua subterrnea. El mtodo combina un Filtro de
subterrnea. El objetivo del diseo de la red Kalman esttico con un modelo de transporte
de monitoreo es observar los cambios espacio- estocstico para predecir la varianza del error
temporales de los niveles del agua causados de las concentraciones estimadas. Una de
por la extraccin de agua subterrnea. Se las entradas para el Filtro de Kalman es la
utiliza un modelo de flujo determinista, al que matriz de covarianza espacio-temporal de la
se le suma un error incierto con correlacin concentracin del contaminante en todas las
espacial. Los autores proponen utilizar un posiciones y tiempo de muestreo posibles.
Filtro de Kalman para estimar los parmetros Los elementos de esta matriz de covarianza se
de la ecuacin de flujo (llamados parmetros derivan de la ecuacin de un modelo numrico
deterministas) y los del modelo de la matriz de transporte de masa con adveccin y dis-
de covarianza del error (llamados parmetros persin que gobierna el transporte de masa
estocsticos). La calibracin se realiza para un numricamente discretizada. En este modelo,
periodo en el que las condiciones estacionarias las variables aleatorias que se consideran son
se cumplen y en la que todas las matrices la conductividad hidrulica y la fuente del
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

necesarias en el algoritmo del Filtro de contaminante. Para optimizar la red se busca


Kalman no cambian con el tiempo. El mtodo determinar dnde y cundo muestrear para
para la estimacin de los parmetros se aplica minimizar una funcin de la varianza del
de forma secuencial: primero se propone error de la concentracin estimada (obtenida
una estimacin del modelo de la matriz de del Filtro de Kalman) en las posiciones y
covarianza del error y la primera ronda de tiempos de inters. La determinacin de un
calibracin de los parmetros deterministas plan de muestreo ptimo se obtiene a travs de
se lleva a cabo; estos parmetros se mantienen un procedimiento secuencial, que selecciona
constantes y se obtiene la primera ronda de los puntos de muestreo en espacio-tiempo
calibracin de los parmetros estocsticos. que minimizan la funcin en cada paso, y se
Estos dos pasos se repiten varias veces hasta detiene cuando la funcin alcanza un valor

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

predeterminado. Este mtodo de optimizacin Hasta donde sabemos, no existen trabajos


se puede considerar como uno de inclusiones publicados en los que, al igual que en este tra-
sucesivas, que incluye tanto la seleccin de bajo, se utilicen modelos de flujo subterrneo
las posiciones de los pozos como los tiempos que incluyan la incertidumbre de parmetros
de monitoreo. En este trabajo se presentaron con correlacin espacial para disear redes
algunos ejemplos sintticos de aplicacin. de monitoreo ptimas de los niveles del agua
Posteriormente, Herrera et al. (2001) aplica- subterrnea, ya que Herrera (1998) mostr que
ron la metodologa propuesta por Herrera el modelo que utilizan Yangxiao et al. (1991)
(1998) en el diseo de una red de monitoreo no es adecuado para representar los errores
de la calidad del agua para el acufero Toms obtenidos como efecto de estos parmetros
River en New Jersey, Estados Unidos. Y en con correlacin espacial.
Herrera y Pinder (2005) incluyeron, adems
de la varianza, al coeficiente de variacin Metodologa de diseo ptimo espacio-
como una medida de la incertidumbre. Como temporal de una red de monitoreo
se mencion antes, la metodologa utilizada piezomtrica
en el presente trabajo es una modificacin de
la propuesta por Herrera y Pinder.
El mtodo propuesto originalmente por He-
Zhang et al. (2005) disearon una red de
rrera (1998) para el diseo ptimo de redes
monitoreo ptima de la calidad del agua sub-
de monitoreo de calidad del agua subterrnea
terrnea, combinando un Filtro de Kalman y un
82 se adapt y prob en este trabajo para la
algoritmo gentico para reducir al mximo el
optimizacin de redes de monitoreo de los
coeficiente de variacin en posiciones y tiempos
niveles del agua subterrnea. El mtodo
establecidos. La metodologa propuesta es una
que se propone es adecuado para optimizar
modificacin de la de Herrera y Pinder. En este
redes de monitoreo de largo plazo, en casos
caso, para disear redes de monitoreo de la
en los que el acufero ha sido investigado
calidad del agua: a) se generan realizaciones de
ampliamente y se cuenta con un modelo de
la conductividad hidrulica usando la tcnica
flujo para el mismo. La metodologa se divide
Latyn Hypercube Sampling (LHS), suponiendo
en dos procedimientos: 1) uno que se usa para
a la conductividad como un proceso aleatorio;
estimar la carga hidrulica (en lo siguiente h)
b) se simula el flujo y transporte del agua
subterrnea para generar realizaciones de la y la incertidumbre del error de esta estimacin
concentracin del contaminante, usando las cuando se tienen datos de h en diferentes pozos
realizaciones de la conductividad obtenidas y tiempos de monitoreo, y 2) un mtodo que
en el paso anterior; c) se calcula una matriz escoge las posiciones de los pozos y los tiem-
de covarianza espacio-temporal de las con- pos de muestreo que minimicen la prediccin
centraciones del contaminante; d) se usa un de la incertidumbre de h obtenida en el paso 1,
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

algoritmo gentico para seleccionar posiciones con los cuales se definen la red de monitoreo
y tiempos de muestreo que reduzcan el coe- y su programa de muestreo. En los prrafos
ficiente de variacin al mximo, en posiciones siguientes se describen con mayor detalle las
y tiempos de estimacin. Se usa un Filtro dos etapas del mtodo.
de Kalman para actualizar la matriz de
covarianza espacio-temporal despus de que 1. Estimacin de la carga hidrulica y de la
se ha tomado una muestra; e) se sigue con el incertidumbre de su error. Esta parte del
proceso de seleccin hasta que se logran los mtodo emplea un Filtro de Kalman y un
valores objetivo del coeficiente de variacin y modelo estocstico de flujo para obtener
se alcanza un escenario ptimo. Se realiz un una estimacin de h y la incertidumbre
problema ejemplo en Tomas River, New Jersey, que el error de sta tendra si datos de h
Estados Unidos. de muestras tomadas en un conjunto de

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

posiciones en diferentes tiempos se usaran fuentes o sumideros [L/T], y Ss es el coefi-


para estimar la carga hidrulica. Primero se ciente de almacenamiento especfico [1/L].
emplea el modelo estocstico de flujo para Esta ecuacin se discretiza usando un
calcular una estimacin inicial (o a priori) esquema numrico y el sistema se resuelve
de h en diferentes posiciones y tiempos, para el vector h de las incgnitas de la carga
as como su matriz de covarianza espacio- hidrulica en un subconjunto de puntos
temporal. El modelo estocstico tiene la asociados con la malla numrica. A esta malla
ventaja de que sintetiza el conocimiento la llamaremos malla del modelo estocstico.
que se tiene del acufero y a la vez permite Cualquiera de los parmetros, as como las
reconocer reas con diferentes niveles de condiciones iniciales o las de frontera, pueden
incertidumbre (a travs de la varianza). representarse como variables aleatorias. En
Posteriormente, con el Filtro de Kalman general se reconoce que uno de los parmetros
se actualizan tanto la estimacin inicial con mayor incertidumbre en esta ecuacin es
como la matriz de covarianza, al incluir la conductividad hidrulica. Por tal razn, en
los datos de piezometra disponibles y las el ejemplo presentado en este trabajo, la con-
posiciones de los pozos correspondientes. ductividad hidrulica se representa como un
Es importante recalcar que para obtener la campo aleatorio espacialmente correlaciona-
incertidumbre del error de la estimacin no do. Para caracterizar estadsticamente a K
es necesario conocer el valor de los datos, se calcula su media y se realiza un anlisis
sino nicamente las posiciones de las que geoestadstico, a fin de obtener un modelo de 83
se obtendran los mismos; en este sentido, semivariograma que representa su estructura
es posible predecir esta incertidumbre sin espacial.
haber tomado las muestras.
2. Seleccin ptima de las posiciones de los Filtro de Kalman
pozos y los tiempos de muestreo. Una
funcin de la varianza del error de la El Filtro de Kalman es un conjunto de ecuaciones
estimacin, calculada con el procedimiento matemticas que obtienen recursivamente
1, se utiliza como criterio para escoger estimaciones lineales no sesgadas y con va-
los pozos de muestreo y los tiempos de rianza mnima para el estado de un sistema
muestreo en cada pozo. La funcin que se utilizando datos con ruido (Jazwinski, 1970).
utiliza depende de los objetivos del diseo. Asimismo, se puede emplear para actualizar la
Para minimizar la funcin se pueden utilizar estimacin en el momento en que se cuente con
diferentes mtodos de optimizacin; hasta datos nuevos de la variable, sin necesidad de
ahora se ha usado un mtodo secuencial utilizar datos anteriores. El trmino recursivo
que escoge los puntos espacio-temporales significa que el filtro recalcula la solucin cada
que la minimizan en cada paso y se detiene vez que una nueva observacin o medida es
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

cuando el usuario lo decide. incorporada en el sistema.


En su forma general, el filtro se basa
Modelo estocstico en dos ecuaciones: una ecuacin dinmica
y una ecuacin de medicin. La ecuacin
La ecuacin de flujo se emplea para describir la dinmica contiene un error aleatorio que no
evolucin de h: tiene correlacin en el tiempo. Sin embargo,
Herrera (1998) mostr que cuando se usa un
h
( K h) Ss +Q = 0 (1) campo aleatorio con correlacin espacial para
t
representar a la velocidad y se deriva con
en donde h es la carga hidrulica [L]; K es la base en ste el modelo de transporte como
conductividad hidrulica [L/T]; Q representa una ecuacin con coeficientes deterministas

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

ms un error aleatorio, el error puede tener explique el mtodo de optimizacin de la red


una fuerte correlacin en el tiempo. Por esta de monitoreo. Para la implementacin del filtro
razn, el mtodo que propuso Herrera (1998) se requiere proponer una estimacin a priori
emplea lo que llamamos el Filtro de Kalman de h en espacio y tiempo (0), as como de la
esttico, que nicamente emplea la ecuacin de matriz de covarianza del error de estimacin
medicin, incorporando el tiempo a travs de (P0). Dadas estas estimaciones a priori, la
la utilizacin de vectores espacio-temporales. estimacin lineal de mnima varianza para h
La ecuacin lineal de mediciones del Filtro se puede obtener secuencialmente a travs de
de Kalman discreto, que relaciona al vector h las siguientes frmulas:
de la variable en las posiciones y tiempos en
que se quiere estimar con las muestras z es: ( )
h n+1 = h n + K n+1 zn+1 Hn+1 h n (4)

z j = Hj h +vj (2)
P n+ 1 = P n K n+1 Hn+1 P n (5)
en donde {zj, j = 1, 2,} es una secuencia de
mediciones de la carga hidrulica. La matriz
( )
1
de Hj es una matriz de 1 N, que no es cero K n+ 1 = P nH Tn+1 Hn+1 P n HTn+1 +rn+1 (6)
nicamente en la posicin correspondiente a la
entrada de h, en donde se toma el muestreo j, y N
Estimacin de los momentos a priori
84 es la dimensin del vector h. Hj es la matriz del
muestreo j; h = {hip} es el vector espacio-tiempo
El procedimiento para calcular la estimacin a
con los valores estimados de la carga hidrulica
priori de h en espacio y tiempo (0), as como
en las posiciones y tiempos de inters (hip es la
la matriz de covarianza del error de esta
carga hidrulica en la posicin xi en el tiempo
estimacin (P0) es la simulacin estocstica
tp); {vj, j = 1, 2,} es un escalar que representa
o Monte Carlo (Zhang, 2002), y se explica a
el error de medicin. Esta es una secuencia
continuacin.
blanca Gaussiana, con media cero y varianza
rj. La secuencia del error de medicin {vj} y el
1) Dadas la media y la de covarianza (o
vector h son independientes.
semivariograma) de la conductividad
La matriz de covarianza del error de la hidrulica se obtienen Nr realizaciones
estimacin es: de esta variable que sean acordes con las
mismas.
(h h )( h h )
T
Pn = E n n
(3) 2) Se resuelve numricamente la ecuacin
de flujo empleando cada realizacin, y se
en donde n = E{ (h/z1, z2,,zn)T} es el valor obtienen realizaciones de h para un periodo
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

esperado de h, dadas las mediciones z1, de tiempo.


z2,,zn y T denota transpuesta. En esta 3) Utilizando promedios de las realizaciones
notacin, el superndice identifica el nmero de h para cada nodo de la malla del
n de mediciones que se usan para obtener la Filtro de Kalman, obtenemos la media en
estimacin. espacio-tiempo, la que se propone como
En la aplicacin del Filtro de Kalman, la estimacin a priori; esta estimacin es
se estima h en una submalla de la malla del un vector al que denotaremos 0 y de la
modelo estocstico, a la que llamamos malla misma manera se calcula su matriz de
del Filtro de Kalman. Esta malla tiene dos tipos covarianza. La estimacin a priori de h en
de nodos, definidos como las posiciones de los espacio y tiempo (0), as como la matriz de
posibles pozos de muestreo (S) y de los puntos covarianza del error de la estimacin (P0),
de estimacin (E), que se definirn cuando se se obtienen con las siguientes ecuaciones:

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

ip2 (n)
Nr
1 T2 (n) = (9)
hip =
Nr
hipk (7)
i,p E
k =1

en donde 2ip(n) es la varianza del error de la


estimacin en el i-simo punto de estimacin y
( )
Cov eip , ejq = Covip:jq
en el tiempo de estimacin p, y E es el conjunto
1
Nr de los ndices de los puntos de estimacin.
= (
Nr 1 k= 1 ip )(
h k hip h kjq h jq ) (8)
Las varianzas 2ip(n) se obtienen del Filtro de
Kalman despus de tomar n muestras, y son
los elementos de la diagonal de la matriz de
en donde hkip denota la k-sima realizacin covarianza Pn, que corresponden a los puntos
de h en la posicin xi en el tiempo tp; 0 es el y tiempos de estimacin.
vector que contiene la media hip para todas las El algoritmo iterativo de optimizacin
realizaciones hkip; Cov(eip, ejq) es el elemento (i, p; para la seleccin de las posiciones y tiempos
j, q) de la matriz de covarianza del error de la de muestreo se explica diagramticamente
estimacin P0, donde el error ekip = hkip - hip; como en la figura 1. La seleccin de las posiciones
0 es un vector en espacio-tiempo, ste incluye y tiempos de muestreo se hace en forma
una estimacin de h para todas las posiciones y secuencial. El mtodo utiliza un algoritmo
tiempos de inters; por tanto, P0 es tambin una iterativo de optimizacin que escoge una a
matriz de covarianza en espacio-tiempo. la vez las posiciones de los pozos y las fechas 85
Para el ejemplo que se presentar, el nme- de muestreo que minimizan la varianza total
ro total de entradas que integran la matriz de la estimacin, calculada como la suma de
de covarianza del error de la estimacin de la varianza sobre todos los nodos y tiempos
la carga hidrulica es Nt = (mp)2, donde p es en que se va a estimar la h. En otras palabras,
el nmero total de tiempos de estimacin y dadas las posiciones x1,x2,,xS de los posibles
posibles tiempos de muestreo, y m es el nmero pozos de muestreo, y la matriz de covarianza a
de nodos de la malla del Filtro de Kalman; m priori P0, en el primer paso del procedimiento,
= NE + NS, donde NE es el nmero de puntos para xi, i = 1,s, con el Filtro de Kalman se
de estimacin y NS es el nmero de pozos de calcula la varianza del error de la estimacin
muestreo, ya que no existe interseccin entre que se obtendra al agregar el dato de cada
los puntos de estimacin y los de muestreo. posicin de muestreo y se escoge la posicin
y1, que da la varianza total menor. A la matriz

Funcin para minimizar la varianza del de covarianza resultante de aplicar el filtro


error de la estimacin con P0 y y1 la denotamos P1. Una vez que ya se
seleccionaron las posiciones de los pozos, yj,
Como se explic antes, para la seleccin ptima j = 1,...,k para formar parte de la red ptima, se
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

de las posiciones de los pozos y los tiempos de toman las posiciones que no han sido escogidas,
muestreo se utiliza un mtodo de optimiza- y con la matriz de covarianza actualizada Pk ,
cin, en el que se minimiza una funcin de que incluye los cambios debidos al muestreo de
la varianza del error de estimacin. En este las yj, i = 1,...,k posiciones anteriores, se aplica
caso, esta funcin es la suma de la varianza el Filtro de Kalman y nuevamente se escoge
del error sobre todas las posiciones y tiempos la posicin que da la varianza total menor.
de estimacin. A esta funcin la llamamos Las frmulas empleadas para minimizar la
la varianza total de la estimacin de la carga varianza total se presentan en Herrera (1998), y
hidrulica y se denota por 2T(n). sta, cuando Herrera y Pinder (2005).
se calcula con el plan de monitoreo que incluye Debido a que el proceso es secuencial, se
n muestras, es: realiza un anlisis de la contribucin en la

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

Con mtodo llamado Anlisis geoestadstico


simulacin secuencial
Gaussiana de libreras
GSLIB, generar las Calcular la media del LnK y el semivariograma
realizaciones de LnK

Obtener realizaciones de LnK

Generar modelo estocstico

Resolver la ecuacin de flujo


h
( K h ) Ss +Q = 0
t

Con los promedios de las cargas hidrulicas en cada posicin y tiempo, 1 Nr k


obtener la media y su matriz de covarianza hip = h
N k =1 ip
Dada la estimacin a priori h0 = hip
^
( ) y
Covip: jq =
1 Nr k
( )(
hip hipk hkjq h jq )
la matriz de covarianza a priori P = Covip: jq 0
( ) Nr 1 k =1

Aplicar el filtro de KALMAN para:

2. Aplicar el filtro y calcular las posiciones


86 1. Seleccionar la posicin del pozo xn+1
subsecuentes de la red
de los pozos de muestreo

Con la matriz de covarianza Ps1 como la


Calcular la varianza de la estimacin de la matriz a priori P0, calcular las varianzas

(hasta s pozos de muestreo)


carga hidrulica que se obtendra al agregar al agregar las posiciones xn+2...hasta s

Mtodo secuencial
(hasta s pozos de muestreo)

la posicin xn+1 con h0 y P0


P0 = Ps1 calcular P s1+1 = P s1 K s1+1Hs1+1P s1
Mtodo secuencial

n+1 0 0
P = P K n+1Hn+1P hasta calcular las matrices de covarianza de
en donde las posiciones restantes de muestreo
( )
1
Kn+1 = P 0 Hn+1 Hn+1 P0 Hn+1 + rn+1
T T

Seleccionar una posicin, que minimice la


hasta calcular las matrices de covarianza
funcin en cada paso
para cada posicin de muestreo
1
2 2
T ( s1+1) = T ( s1) ( )
Pi,s1j
rj + Pjjs1 i
2

Seleccionar la posicin que posea la


Establecer la matriz de covarianza Ps1+n
varianza total menor,
seleccionada, como la matriz a priori, y
2T ( n) = 2ip ( n) calcular las varianzas para las posiciones
i,pE xn+3... hasta las s posiciones totales...
y su matriz de covarianza Ps1 (espacio-
tiempo). La posicin seleccionada es la
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

Detener cuando se alcanza el valor


primera que conforma la red de muestreo pretederminado de la varianza del error

Postprocesamiento
h0 ,P y {z 1, z2 ...z n}
0

Con el Filtro de Kalman actualizar la


estimacin

{
hn+1 = hn + Kn+1 z n+1 Hn+1h n }
( )
1
Kn+1 = P nHTn+1 Hn+1 PnHn+1
T
+ rn+1

Figura 1. Mtodo de Herrera y Pinder.

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

reduccin de la varianza de cada pozo para en donde LnK es el semivariograma de LnK;


determinar cundo parar el proceso y as quede c0, la pepita o nugget; c0 + cl, el sill o la meseta del
definido el nmero total de pozos de la red de semivariograma; d, la distancia, y a es la escala
monitoreo ptima. de correlacin. Los valores ajustados para los
parmetros fueron c0 = 0.43, cl = 0.57, a = 8 900
Caso de estudio sinttico m y la distancia mxima considerada es de
1 262.05 metros.
La metodologa descrita se prob en un caso Con el modelo ajustado mediante el
sinttico basado en una representacin sim- anlisis geoestadstico se generaron cuatro mil
plificada del acufero del Valle de Quertaro realizaciones aleatorias de Ln K mediante el
(AVQ). Como una primera prueba del mtodo, mtodo conocido como simulacin secuencial
se redise una red de monitoreo de los Gaussiana (SGSim) de las libreras del GSLIB
niveles del agua subterrnea, suponiendo que (Deutsch y Journel, 1998). Para generar las
los cambios en los mismos son insignificantes. simulaciones mediante SGSim se requiere que c0
Para esto se utiliz un modelo numrico de + cl = 1; en el modelo ajustado esto se cumple. La
flujo en estado estacionario. malla sobre la que se obtienen las realizaciones
El AVQ est localizado en la porcin sur de LnK tiene elementos cuadrados y cubre en
oriental del estado de Quertaro, Mxico. Se su totalidad el rea del modelo determinista.
ubica en el subsuelo de la ciudad de Quertaro Mediante una transformacin de los valores
y su zona conurbada (ZMCQ) (Mendoza y de estas realizaciones se obtienen realizaciones 87
Herrera, 2007). Su poblacin es la mayor de de K con media 1.63 m/d (los detalles de
todo el estado, estimada en 962 240 habitantes la transformacin se pueden consultar en
en 2007 (Urquiza, 2008). La mayor explotacin Manchuk et al., 2004), que es igual a la media
de agua subterrnea en el AVQ es para el uso de los datos de K disponibles en este acufero.
pblico urbano, con la cual se abastece la
ZMCQ. Modelo determinista y estocstico de
flujo de agua subterrnea
Objetivo de la red de monitoreo
La simulacin de flujo se realiz con un simula-
El objetivo del diseo de la red de monitoreo
dor determinista convencional de elemento
de los niveles del agua subterrnea consisti
finito llamado Princeton Transport Code (Babu
en seleccionar, de entre 33 pozos preexistentes
et al., 1993). ste se adapt utilizando el modelo
en el AVQ, aquellos que no dieran informacin
calibrado por Simuta (2005). Las caractersticas
redundante para la estimacin de h en todo
del modelo del AVQ se pueden ver en la
el acufero. De acuerdo con este objetivo se
figura 2. La zona de modelacin corresponde
estimar h en todo el acufero, dndole el
a la del acufero del Valle de Quertaro e
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011
mismo peso a todas las zonas. A continuacin
incluye tambin al Valle de Obrajuelo, en el
se explica cmo se aplic el mtodo.
estado de Guanajuato, con un total de 426.87
km2. Este ltimo acufero se incluye debido
Simulacin secuencial Gaussiana
a que aunque por razones administrativas
Con base en un anlisis geoestadstico de 46 la Comisin Nacional del Agua incluye al
datos de K existentes en la zona de estudio, Valle de Obrajuelo como parte del acufero
se ajust un modelo exponencial para el de Celaya, Simuta (2005) concluye que existe
semivariograma muestral de Ln K: conexin hidrulica entre ellos y es necesario
modelarlos en forma conjunta. La malla del
modelo es triangular y cuenta con 6 676 nodos,
3d
LnK (d ) = c0 + c1 1 exp (10) 13 066 elementos y una capa. Los valores de
a

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

conductividad hidrulica en cada realizacin con excepcin de K, que es considerada


se asignaron a los nodos de la malla numrica como un campo aleatorio con media de 1.63
del modelo determinista, encontrando el nodo metros/da y correlacin espacial dada por
ms cercano al centro de la malla de elemen- el semivariograma exponencial descrito en
tos cuadrados utilizada para las realizaciones la seccin anterior. Para obtener la solucin
de K. Los parmetros hidrulicos del modelo del modelo estocstico se generaron cuatro
son: el almacenamiento especfico es uniforme mil realizaciones de K y sus correspondientes
en toda la zona de modelacin (Ss = 0.001). La realizaciones de h.
recarga se considera variable en la zona con Las posiciones en las que se estimar h
rangos de 0.011 a 0.067 metros/da para la con los datos que se obtendrn de la red de
recarga vertical originada por la precipitacin y monitoreo se asocian con los nodos de lo que
de 2.45 e-05 a 0.0003229 metros/da en la recarga llamamos malla de estimacin. De acuerdo
originada por el riego. En el caso de estudio no con lo explicado anteriormente, en estos
se considera extraccin por bombeo. Se tienen puntos de estimacin es en donde se minimiza
cinco zonas con condiciones de frontera de la varianza del error de estimacin de h en el
carga asignada, en promedio cien metros por proceso de optimizar la red de monitoreo. De
debajo de la topografa. acuerdo con el objetivo de la red de monitoreo,
El modelo estocstico de flujo tiene la misma para darle el mismo peso a toda el rea del
malla que el modelo determinista de flujo. El acufero en la optimizacin se propuso como
88 diseo de la malla cumple el criterio sugerido malla de estimacin una malla compuesta por
por Ababou (1998) para que las simulaciones 66 puntos de estimacin aproximadamente
del LnK no tengan una distorsin significativa equi-espaciados sobre el AVQ (figura 3). Las
debido a la discretizacin. ste es, x , estimaciones de h se calcularon en los nodos de
4
donde x es el tamao de los elementos de la la malla de estimacin, y por lo tanto la matriz
malla y es la escala de correlacin que para de covarianza incluy nicamente estos nodos
el modelo exponencial es a/3. Las condiciones y las posiciones de los 33 posibles pozos de
de frontera, as como todos los parmetros monitoreo, que tambin se pueden ver en la
del modelo se tomaron como deterministas, figura 3.

Vista en isomtrico Malla triangular con


Norte
6 676 nodos
Valle de Quertaro

No se considera bombeo

Almacenamiento especfico
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

Ss = 0.001

Conuctividad hidrulica
K = 1.63 m/da

Condiciones de frontera con


cargas asignada

1 capa Recarga por lluvia e


irrigacin

Flujo en estado
estacionario
Vista en planta

Figura 2. Modelo determinista.

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

Para verificar que el nmero de las Resultados


realizaciones del modelo estocstico fueran
suficientes, se estableci el criterio de La figura 5 muestra la varianza del error de
convergencia para la matriz de covarianza la estimacin inicial, sta es la varianza de h
basado en las siguientes ecuaciones: obtenida de la simulacin estocstica. Como
se puede observar, tiene valores entre 0 y 9 m2,
N con valores mayores hacia el lmite oeste de la
1
(m,m+) =
N |dif(m,m+ ) (i, j)| (11) zona en la que se obtendrn las estimaciones
1 y en la regin noreste tambin se tiene
un mximo local. Esto indica que la carga
dif(m,m+) (i, j) = Pm (i, j) P(m+) (i, j) (11a)

0.300
en donde Pm es la matriz de covarianza calcula-
da con m realizaciones, es el incremento en el 0.250

nmero de las realizaciones y N es el nmero

Convergencia
0.200

de entradas de la matriz de covarianza. En la 0.150


prueba, el incremento utilizado fue de 20. Con
0.100
base en estos criterios se considera que cuatro
0.050
mil realizaciones son suficientes (ver figura 4) 89
y se toma como matriz de covarianza a priori 0.000
0 500 1 000 1 500 2 000 2 500 3 000 3 500 4 000
para continuar con el diseo de la red ptima Nmero de realizacin
de monitoreo piezomtrico a la realizacin
nmero cuatro mil. Figura 4. Convergencia para la matriz de covarianza.

Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

Figura 3. Pozos de monitoreo (izquierda) y malla de estimacin (derecha).

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

90

Figura 5. Varianza del error de la estimacin inicial, y varianza final despus de muestrear 12, 22 y 33 pozos.
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

hidrulica es ms sensible a los cambios en la significativamente; conforme se van aadiendo


conductividad hidrulica en esas regiones. pozos a la red de monitoreo, la informacin
Como se mencion anteriormente, el obtenida por cada pozo va disminuyendo. La
mtodo de optimizacin propuesto es se- varianza total inicial (m2) para los 66 puntos
cuencial y se aade un pozo de monitoreo en de estimacin es de cerca de 120, y conforme
cada paso. Esto produce los resultados que se van aadiendo pozos a la red de monitoreo,
se muestran en forma de grfica en la figura esta varianza disminuye hasta un valor
6, en donde se representa la varianza total en cercano a 40. Esto indica que al utilizar todos
los puntos de estimacin contra el nmero de los pozos de la red de monitoreo, la varianza
pozos incluidos en la red. Se observa que los total no baja de este valor, que al promediar
primeros pozos elegidos proporcionan mucha sobre los 66 puntos de estimacin da una
informacin y la varianza total se reduce varianza cercana a 0.6. Sin embargo, esta

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

aadiendo los pozos), y se inicia la seleccin


120 de pozos cercanos a otros ya elegidos o en la
100 zona central, que inicialmente tiene varianzas
Varianza total (m2)

80 pequeas.
60

40 Anlisis para determinar el nmero total


20 de pozos en la red de monitoreo
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 Como se coment antes, en la optimizacin de
Nmero de pozos esta red de monitoreo el objetivo es determi-
nar los pozos que no sean redundantes. Para
Figura 6. Varianza total versus nmero de pozos en la red. hacer esto se lleva a cabo un anlisis en el
que se produce una estimacin inicial 0 y se
actualiza con los datos asociados con una red
figura tambin hace ver que los ltimos pozos de monitoreo con un determinado nmero
contribuyen muy poco a reducir la varianza, de pozos, mediante la aplicacin del Filtro
por lo que es natural analizar la pertinencia de de Kalman. En el caso de estudio sinttico,
dejarlos en la red de monitoreo. este procedimiento se realiz con el objeto
Por la forma en la que se construye la red de de mostrar cmo se hara este anlisis en un
monitoreo, el orden en el que se eligen los pozos caso real, y para ello se tom al azar una de 91
indica el grado de importancia de cada pozo en las realizaciones de h del modelo estocstico,
la disminucin de la varianza; por ese motivo, como si fuera la carga hidrulica en campo que
a ste le llamamos orden de importancia de los se quiere estimar.
pozos. El orden de importancia de los pozos Como un primer paso, se muestran los
se puede ver en la figura 7. Como se puede valores de h en los 6 676 nodos de la malla
observar, el pozo con orden de importancia del modelo (figura 8a). Tambin se muestran
1 se encuentra en la parte oeste de la zona las estimaciones de producidas con el Filtro
establecida para optimizar la red de monitoreo; de Kalman en los 66 nodos de la malla de
ello es lgico, ya que sta es la regin con mayor estimacin utilizando 12 (figura 8b), 22 (figura
varianza. De igual forma, el pozo con orden de
importancia 2 se ubica al noroeste de la zona de
estudio, en donde se seal anteriormente que
existe un mximo local. Es importante recal-
car que al seleccionar estos pozos se toma en
cuenta la varianza del error de la estimacin
en toda la zona de influencia del pozo y no
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

nicamente en el punto que se escoge. De esta


manera, se escogen tambin los pozos con orden
de importancia 3, 4 y 5, en posiciones en las que
se tienen varianzas altas, y en las que no se han
escogido pozos anteriormente. A partir del
pozo con orden de importancia 6, van cobran-
do ms importancia las selecciones realizadas
anteriormente y las zonas de influencia de los
pozos (zonas con correlaciones altas obtenidas
de las matrices de covarianza resultantes de Figura 7. Orden de importancia de los pozos.

aplicar el Filtro de Kalman conforme se van

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

8c) y 33 (figura 8d) datos de h que correspon- En segundo lugar, se realiz una compara-
den a los pozos con el orden de importancia del cin entre la varianza inicial del modelo (figura
1 hasta el nmero indicado. La estimacin se 5a) y las varianzas finales obtenidas con el
realiz nicamente para la zona del estado de Filtro de Kalman despus de incorporar los
Quertaro (el Valle de Obrajuelo no se incluy datos de 12, 22 y 33 pozos de muestreo de la red
en la estimacin). La comparacin entre estas de monitoreo propuesta. Las figuras 5b, 5c y 5d
piezometras indica, por un lado, que la muestran las varianzas que se obtienen del Fil-
estimacin generada con el filtro, empleando tro de Kalman despus de muestrear 12, 22 y 33
12, 22 y 33 datos de los pozos de muestreo de pozos. La varianza total despus de muestrear
la red propuesta, generan piezometras acordes 33 pozos, disminuy considerablemente y tiene
con la realizacin escogida de h; por otro lado, valores de entre 0 y 3. Tambin se puede ver que
tambin las piezometras generadas con 12, 22 las varianzas del error de la estimacin usando
y 33 datos son muy similares. 22 pozos y usando 33 pozos son muy similares,

92
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

Figura 8. Realizacin de h y estimacin de con 12, 22 y 33 pozos.

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

lo que confirma que existe una redundancia valores de la estimacin . Los resultados de
importante entre los 11 pozos que se aaden. estos errores para cada uno de los casos de
Adicionalmente, se calcularon los errores estudio se muestran en cuadro 1. Se puede
en los 66 puntos de estimacin, restando a la observar cmo el ECM y ECME tienen
realizacin escogida la estimacin producida valores cercanos a lo que indica la teora, sin
con el filtro. Los errores ms grandes detecta- embargo, es importante notar que cuando
dos se encuentran ubicados en las zonas NE y el nmero de pozos que conforman la red
SW y varan de 1.29 a 1.93 metros, y se ubican disminuye, tambin decrece el ECME.
en las zonas donde se encuentran las varianzas
ms grandes; ello se debe a que en estas zonas Red de monitoreo final
no se cuenta con ningn pozo de muestreo
que aporte datos para reducirlas. Esto indica Del anlisis anterior se concluye que al
que se requeriran pozos adicionales en tales utilizar una red de 22 pozos se obtiene
zonas para obtener una mejor estimacin. una estimacin con errores similares a los
obtenidos con los 33 pozos, esto indica que
Para comparar las alternativas entre la
los once pozos con orden de seleccin de 23 a
opcin de una red de monitoreo con 12, 22 o
33 se pueden considerar como redundantes.
33 pozos, se realiz el clculo de los errores. El
Adems, los resultados de la piezometra
error ei se calcul mediante la diferencia de los
indican que con 22 pozos obtenemos una
datos de la realizacin de h y de la estimada
representacin piezomtrica muy parecida a
mediante el Filtro de Kalman en los puntos 93
la real, con errores de estimacin del orden de
de la malla de estimacin con cada una de las
1.92 a 1.33 metros, y con un error cuadrtico
opciones de nmeros de pozos. Los errores
medio estndar de 0.97, muy cercano a 1. Es
calculados son el error medio (EM), el error
importante tener en cuenta que el nmero de
cuadrtico medio (ECM) y el error cuadrtico pozos que conformarn la red de monitoreo
medio estndar. El EM es un indicador final estar definida por la autoridad federal,
de la sobrestimacin o subestimacin de estatal o municipal de aguas, o en su caso
los valores de la realizacin de h. El error por los contaminadores potenciales del agua
cuadrtico medio (ECM) es una medida de la subterrnea, como empresas que requieran
magnitud del error de estimacin. La teora de algn monitoreo de calidad del agua en
indica que mientras ms cercanos estn el sus instalaciones. La red est en funcin del
EM y el ECM a cero, ms adecuado ser el tipo y volumen de datos requeridos, y vara
ajuste entre la realizacin de h y la estimacin considerablemente en cuanto al aspecto de
de con 12, 22 o 33 pozos (Armando, 1994). gestin de que se trate, pero inevitablemente
El error cuadrtico medio estndar (ECME), tambin depender de los recursos financieros
mientras ms cercano est a 1 indica el nivel disponibles y del nivel de riesgo que se est
de confianza entre la realizacin de h y los
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011
dispuesto a correr.

Cuadro 1. Comparacin de los errores en la estimacin con las opciones consideradas.

EM (m) ECM (m2) ECME


Nmero de 2 Mx error Mx error
pozos 1 n 1 n 2
1 n (e ) (+) (-)
EM = e i ECM = ( ei ) ECME = i 2
n i =1 n n i =1 i (m) (m)
i =1

33 0.1811047 0.38521572 0.96964912 1.935 1.29

22 0.18506818 0.406800151 0.927066718 1.943 1.325

12 0.12124242 0.42495848 0.72998227 2.287 1.46

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

Del anlisis de la varianza de los errores Agradecimientos


de las estimaciones, al utilizar todos los pozos
posibles, indica que en las zonas NE y SW de Jessica Briseo y Hugo Jnez agradecen al Consejo Nacional
la zona de estudio sera recomendable incluir de Ciencia y Tecnologa (Conacyt) por el otorgamiento de
algunos pozos de monitoreo que aporten datos sus becas para la realizacin de estudios de doctorado, lo
de carga hidrulica y con ello se logre una que permiti el desarrollo de la investigacin como parte
mejor estimacin de en la zona de estudio. de sus tesis doctorales.

Conclusiones Recibido: 27/04/10


Aprobado: 31/05/11
Del anlisis anterior se concluye que el diseo
de la red de monitoreo piezomtrica para este
caso de estudio mediante el mtodo de Herrera
Referencias
y Pinder es satisfactorio, y que se tienen buenas
ABABOU, R. Three-dimensional flow in random porous media.
perspectivas para aplicar exitosamente esta Ph.D. diss. Cambridge: Massachusetts Institute of
metodologa al diseo de redes de monitoreo Technology, 1988.
de los niveles del agua subterrnea en casos AHMED, S. Geostatistical estimation variance approach
reales. to optimizing an air temperature monitoring network.
Water, Air and Soil Pollution. Vol. 158, 2004, pp. 387-399.
Como se mostr en los resultados del an-
ARMANDO, A.J. Introduccin al tratamiento de series
94 lisis de la varianza en la figura 6, el mode-
temporales: aplicacin a las ciencias de la salud. Ediciones
lo estocstico de flujo es una valiosa he- Daz de Santos, 1994, 585 pp.
rramienta para evaluar la incertidumbre en ASCE. Long-Term Groundwater Monitoring: The State of the
las estimaciones del modelo, haciendo la Art. Task Committee on the State of the Art in Long-term
metodologa muy efectiva en la seleccin de Groundwater Monitoring Design, American Society of
Civil Engineers, USA, 2003.
las posiciones y los tiempos de muestreo que
BABU, D., PINDER, G.F., NIEMI, A., AHLFELD, D.P., and
minimizan la incertidumbre de la estimacin.
STOTHOOFF, A. Chemical transport by three dimensional
Asimismo, la metodologa es capaz de sugerir groundwater flows (PTC-Princeton Transport Code). Rep.
en qu zonas se requiere la construccin y/o 84-WR-3. Princeton: Princeton University, Department of
habilitacin de pozos de monitoreo que apor- Civil Engineering, 1993.
ten datos de carga hidrulica para lograr una CAMERON, K. and HUNTER, P. Optimization of LTM
Networks Using GTS: Statistical Approaches to Spatial and
mejor estimacin en la zona de estudio.
Temporal Redundancy. Brooks, USA: Tech. Rep., Air Force
Es importante recalcar que la formulacin Center for Environmental Excellence, 2000.
del mtodo se hizo para seleccionar en DEUTSCH, C.V. and JOURNEL, A.G. GSLIB Geostatistical
forma ptima tanto posiciones como tiempos Software Library and Users Guide. 2nd. ed. New York: Oxford
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

de monitoreo, y la aplicacin se hizo para University Press, 1998, 368 pp.


la seleccin de posiciones de monitoreo ESQUIVEL-VICTORIA, E. Aplicacin geoestadstica al rediseo
de la red de monitoreo en el acufero de la Comarca Lagunera,
nicamente. En un trabajo futuro se planea
Coahuila, Durango, Mxico. Tesis para obtener el grado de
realizar una prueba similar para el diseo maestra. Mxico, D.F.: Universidad Nacional Autnoma
espacio-temporal de una red de monitoreo de Mxico, 2008, 53 pp.
piezomtrica. FAISAL, K., ZAIDI, S., and DEWANDEL, B. Optimizing a
Finalmente es importante hacer notar que piezometric network in the estimation of the groundwater
budget: a case study from a crystalline-rock watershed in
al aplicar este tipo de mtodos a casos reales,
southern India. Hydrogeology Journal. Vol. 15,No. 6, 2007,
adems de utilizar criterios de optimizacin, es
pp. 1131-1145.
indispensable usar criterios geohidrolgicos, HERRERA, G.S. Cost Effective Groundwater Quality Sampling
que dependen del conocimiento del rea de Network Design. Ph. D. thesis. Vermont: University of
estudio. Vermont, Burlington, 1998, 172 pp.

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

HERRERA, G.S., GUARNACCIA, J., PINDER, G. y SIMUTA, NUNES, L.M., CUNHA, M.C., and RIBEIRO, L.
R. Diseo de redes de monitoreo de la calidad del agua Groundwater monitoring network optimization with
subterrnea eficientes. Proceedings of the 2001 International redundancy reduction. J. Water Resour. Plng. and Mgmt.
Symposium on Environmental Hydraulics, Arizona, USA, Vol. 130, No. 1, 2004, pp. 33-43.
2001. ROUHANI, S. Variance reduction analysis. Water Resources
HERRERA, G.S. and PINDER, G.F. Space-time optimization Research. Vol. 21, No. 6, 1985, pp. 837-846.
of groundwater quality sampling networks Water Resources SAMPER, F.J. y CARRERA J. Geoestadstica, aplicaciones a la
Research. Vol. 41, No. 12, W12407, 10.1029/2004WR003626.
hidrogeologa subterrnea. Barcelona: Centro Internacional
2005.
de Mtodos Numricos en Ingeniera, 1990.
JAZWINSKI, A.H. Stochastic Processes and Filtering Theory.
SIMUTA, R. Modelo en elemento finito para el flujo del acufero
San Diego: Academic Press, 1970.
del valle de Quertaro. Tesis de maestra. Mxico, D.F.:
KUMAR, S., SONDHI, S.K., and PHOGAT, V. Network
Universidad Nacional Autnoma de Mxico, 2005.
design for groundwater level monitoring in Upper Bari
URQUIZA, M. Uso sostenible del agua en la ciudad de Quertaro
Doab canal tract, Punjab, India. Irrigation and Drainage.
Vol. 54, 2005, pp. 431-442. [en lnea]. Expo Zaragoza 2008. Semana temtica:
LOAICIGA, H.A. An optimization approach for groundwater Agua y servicios de abastecimiento y saneamiento.
quality monitoring network design. Water Resources Eje temtico: Foro de los buenos ejemplos. Zaragoza,
Research. Vol. 25, No. 8, 1989, pp. 1771-1782. Espaa, de junio a septiembre del 2008 [citado el 9 de
LOAICIGA, H.A., CHARBENNEAU, R.J., EVERETT, L.G., marzo del 2010]. Disponible para World Wide Web:
FOGG, G.E., and HOBBS, B.F. Review of groundwater http://www.zaragoza.es/contenidos/medioambiente/
quality monitoring network design. Journal Hydraulic cajaAzul/27S6-P5-Manuel%20UrquizaACC.pdf.
Engineering. ASCE. Vol. 118, No. 1, 1992, pp. 11-32. VAN GEER, F., TE STROET, C., and YANGXIAO, Z. Using
MANCHUK, J., LEUANGTHONG, O., and DEUTSCH C. A Kalman Filtering to Improve and Quantify the Uncertainty
95
New Approach to Direct Sequential Simulation that Accounts of Numerical Groundwater Simulations 1. The Role
for the Proportional Effect: Direct Lognormal Simulation. of System Noise and Its Calibration. Water Resources
Sixth Annual Report of the Centre for Computational Research. Vol. 27, No. 8, 1991, doi:10.1029/91WR00509.
Geostatistics. University of Alberta. 2004. [citado el 13 de
YANGXIAO, Z., TE STROET, C., and VAN GEER, F. Using
abril del 2010] Disponible para World Wide Web: http://
Kalman Filtering to Improve and Quantify the Uncertainty
www.uofaweb.ualberta.ca/ccg/pdfs/2004%20104-
of Numerical Groundwater Simulations 2. Application
Direct%20Lognormal%20Simulation.pdf
to Monitoring Network Design. Water Resources Research.
MARCHAL, J.C., DEWANDEL, B.,AHMED, S., GALEAZZI,
Vol. 27, No. 8, 1991, doi:10.1029/91WR00510, 1991.
L., and ZAIDI, F.K. Combining the groundwater budget
ZHANG, D. Stochastic Methods for Flow in Porous Media.
and water table fluctuation methods to estimate specific
yield and natural recharge. Journal of Hydrology. Vol. 329, Coping with Uncertainties. San Diego: Academic Press,
No. 1-2, 2006, pp. 281-293. 2002.
MENDOZA, E.Y. y HERRERA, G. Estimacin multivariada ZHANG, Y., PINDER, G.F., and HERRERA, G.S. Least
espacio-tiempo de la carga hidrulica en el Valle de cost design of groundwater quality monitoring
Quertaro-Obrajuelo. Ingeniera hidrulica en Mxico. Vol. networks. Water Resources Research. Vol. 41, W08412,
XXII, nm. 1, enero-marzo de 2007, pp. 63-80. doi:10.1029/2005WR003936, 2005.

Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

Tecnologa y
Briseo-Ruiz et al., Mtodo para el diseo ptimo de redes de monitoreo de los niveles del agua subterrnea

Abstract

BRISEO-RUIZ, J.V., HERRERA-ZAMARRN, G.S. & JNEZ-FERREIRA, H.E.


Method for the optimal design of networks to monitor groundwater levels. Water Technology
and Sciences (in Spanish). Vol. II, No. 4, October-December, 2011, pp. 77-96.

It is essential to measure groundwater levels for long periods of time in order to estimate
groundwater availability and its evolution. However, economic resources are a limitation
to gathering enough data to estimate the evolution of these levels with certainty. Therefore,
methods are required to design groundwater monitoring networks so as to effectively use the
economic resources available for monitoring. The Herrera and Pinder method (Herrera, 1998)
for the optimal design of groundwater quality sampling networks, applied by Herrera et al.
(2001) and by Herrera and Pinder (2005), has several advantages: it allows for optimally
selecting both monitoring positions and monitoring times; the information from the
monitoring network enables obtaining estimates in space and time and; the method uses a flow
and transport model that synthesizes knowledge about the characteristics of the aquifer, the
groundwater flow dynamics and the groundwater quality problem, as well as knowledge about
the laws of physics. This work tests, for the first time, a modification of the original method for
the design of groundwater level monitoring networks. A synthetic case is presented in which
the network is designed for a single time, assuming steady-state flow. The results indicate that
the methodology proposed by Herrera and Pinder has good prospects for successful application
to the optimal design of groundwater level monitoring networks.
96
Keywords: groundwater, monitoring networks, optimal design.

Direccin institucional de los autores

M.C. Jessica Vanessa Briseo-Ruiz

Universidad Nacional Autnoma de Mxico


Facultad de Ingeniera
Ubicado en el interior de las instalaciones del
Ciencias del Agua, vol. II, nm. 4, octubre-diciembre de 2011

Instituto Mexicano de Tecnologa del Agua


Paseo Cuauhnhuac 8532, Colonia Progreso
62550 Jiutepec, Morelos, Mxico
Telfono: +52 (777) 3293 600, extensiones 135 y 136
jevabrir@hotmail.com
M.I. Hugo Enrique Jnez-Ferreira
Dra. Graciela del Socorro Herrera Zamarrn
Universidad Nacional Autnoma de Mxico
Universidad Nacional Autnoma de Mxico Facultad de Ingeniera
Instituto de Geofsica Ubicado en el interior de las instalaciones del
Ciudad Universitaria, Delegacin Coyoacn Instituto Mexicano de Tecnologa del Agua
04510 Mxico, D.F., Mxico Paseo Cuauhnhuac 8532, Colonia Progreso
Telfonos: +52 (55) 5622 41 33 y 5622 4135 62550 Jiutepec, Morelos, Mxico
Fax: +52 (55) 5622 4198 Telfono: +52 (777) 3293 600, extensiones 135 y 136
ghz@geofisica.unam.mx hejunez@hotmail.com

Tecnologa y