Está en la página 1de 115

Universidad de Colima

Postgrado Interinstitucional de Ciencias Agrícolas y Forestales

BIORREMEDIACION DE UN SUELO AGRÍCOLA CONTAMINADO


CON ACEITE RESIDUAL AUTOMOTRIZ

Tesis que para obtener el grado de

DOCTOR EN CIENCIAS

Presenta

MARIBEL LEAL CASTILLO

Asesor y coasesor
Dr. Juan Manuel Sánchez Yáñez
Dr. José Luis Hernández Mendoza

Colima, Col. Agosto del 2003


ÍNDICE

PÁGINA
ÍNDICE DE CUADROS 1

ÍNDICE DE FIGURAS 3

RESUMEN 5

ABSTRACT 6

I. INTRODUCCIÓN 7

II. ANTECEDENTES 9

1.- Biorremediación. 9

2.- Metabolismo. 11

3.- Degradación de xenobióticos. 12

4.- Fitorremediación. 15

HIPÓTESIS 18

OBJETIVO GENERAL 18

OBJETIVO ESPECÍFICO 18

META 18

III. MATERIALES Y METODOS 19

1.- Biodegradación de aceite residual en medio líquido. 19

1.1.- Análisis microbiano preliminar. 19

1.2.- Captación de CO2 en álcali bajo diferentes tratamientos. 19

1.2.1.- Efecto de dos concentraciones de Fósforo y Potasio. 19

1.2.1a.- Con agitación. 20


1.2.1b.- Sin agitación. 20

1.2.1c.- Con H2O2. 20

1.3.- Concentración de grasas y aceites. 20

1.4.- Medición de volátiles orgánicos y metales pesados. 20

1.5.- Análisis estadístico. 20

2.- Efecto de la solución mineral 3, H2O2 y un microcosmos cerrado 22


en la biorremediación de un suelo agrícola contaminado con ARA
2.1.- Propiedades fisicoquímicas del suelo 22

2.2.- Captación de CO2 en álcali. 23

2.3.- Determinación de grasas y aceites 23

2.4.- Análisis estadístico 23

3.- Efecto de diferentes factores y un microcosmos con flujo de 23


aire en la biorremediación de un suelo agrícola contaminado
con ARA.
3.1.- Captación de CO2 en álcali. 25

3.2.- Determinación de grasas y aceites. 25

3.3.- Análisis estadístico. 25

3.4.- Fitorremediación 26

IV. RESULTADOS 27

1.- Biodegradación de aceite residual en medio líquido 27

1.1.- Análisis microbiano preliminar 27

1.2.- Captación de CO2 en álcali 28

1.2.1.- Efecto de dos concentraciones de fósforo y potasio 28

1.2.2.- Comparación del efecto de dos soluciones minerales y la 35


oxigenación sobre la producción de CO2 por la microflora
activa en ARI, ARA y SI.

2
1.2.3.- Efecto de dos soluciones minerales y la oxigenación sobre la 37
biodegradación de grasas y aceites.

1.3.- Medición de volátiles orgánicos y metales pesados 40

2.- Efecto de la SM3, H2O2 y un microcosmos cerrado en la 43


biorremediación de un suelo agrícola contaminado con ARA.

2.1.- Propiedades fisicoquímicas del suelo. 43

2.2.- Captación de CO2 en álcali. 43

2.3.- Determinación de grasas y aceites. 45

3.- Efecto de diferentes factores y un microcosmos con flujo de aire 47


en la biorremediación de un suelo agrícola contaminado con
ARA.

3.1.- Captación de CO2 en álcali. 47

3.2.- Determinación de grasas y aceites. 49

3.3.- Fitorremediación. 50

52
V. DISCUSIÓN
58
VI. CONCLUSIONES
59
VII. LITERATURA CITADA
71
ANEXO I
112
ANEXO II
118
ANEXO III

3
ÍNDICE DE CUADROS
CUADRO TÍTULO PÁGINA

1.- Composición química de las soluciones minerales empleadas para 20


estimular la microflora en los aceites residuales

2.- Combinación de factores para determinar su efecto sobre la 25


biodegradación de ARA en un suelo agrícola.

3.- Características coloniales y microscópicas de microorganismos 27


en muestras de aceite.

4.- ANAVA de la producción de CO2 por la microflora de ARA y ARI 29


con la SM1 y SM2.

5.- Coeficientes de determinación del análisis de regresión de los valores ...30


valores de CO2 generado por la microflora de dos aceites en dos SM.

6.- ANAVA de la producción de CO2 en ARA, ARI y SI, estimulada por la 31


solución mineral 1 con y sin agitación.

7.- Coeficientes de determinación del análisis de regresión de los valores 32


de CO2 generado por la microflora de tres aceites con la solución
mineral 1 con y sin agitación.

8.- ANAVA de la producción de CO2 por la microflora de los aceites 33


estimuladas por la SM1 ca y cp.

9.- Coeficientes de determinación del análisis de regresión de los 34


valores de CO2 generado por la microflora de los aceites en la SM1.

10.- ANAVA del efecto de dos soluciones minerales y condiciones 35


de oxigenación sobre la producción de CO2 por la microflora del ARI.

11.- ANAVA del efecto de dos soluciones minerales y condiciones................36


...........de oxigenación sobre la producción de CO2 por la microflora del ARA.

12.- ANAVA del efecto de la SM1 y condiciones de oxigenación sobre 37


la producción de CO2 por la microflora acompañante en el SI.

13.- ANAVA de la biodegradación de ARI en ppm causada por la 38


microflora activa con diferente SM y oxigenación, durante 5 semanas.

14.- . ANAVA de la biodegradación de ARA en ppm por la microflora 39


activa con diferente SM y oxigenación en 5 semanas.

1
15.- ANAVA de la biodegradación de ARA en el SI, con diferente 40
oxigenación en la SM1, durante 5 semanas.

16.- Componentes químico de los aceites antes de la bioestimulación 41


con la solución mineral 1 y H2O2.

17.- Componentes químicos de los aceites después de la bioestimulación 42


con la solución mineral 1 y H2O2.

18.- Propiedades fisicoquímicas del suelo muestreado. 43

19.- ANAVA de la producción de CO2 generada por la microflora de un 44


suelo agrícola contaminado con ARA bajo diferentes tratamientos.

20.- ANAVA de los valores totales de biodegradación de ARA inducidos 45


por la SM3 y el H2O2 sobre la microflora de un suelo agrícola.

21.- Análisis bifactorial del efecto del flujo de aire sobre la biodegradación 51
de ARA en un suelo agrícola con diferentes factores fisicoquímicos.

2
ÍNDICE DE FIGURAS

FIGURA TÍTULO PÁGINA


1.- Degradación de Xenobióticos. Reacciones de la Fase I. 13

2.- Degradación de Xenobióticos. Reacciones de la Fase II. 13

3.- Respirómetro tipo Bartha. 21

4.- Modelo de microcosmos para determinar la biodegradación del aceite....22


residual automotriz en un suelo agrícola

5.- Modelo de microcosmos con flujo de aire, para determinar la 23


biodegradación del aceite residual automotriz en un suelo agrícola.

6.- Producción de CO2 por la biodegradación de aceite residual en 28


solución mineral, con dos concentraciones de Fósforo y Potasio.

7.- Producción de CO2 por la microflora acompañante de ARI y ARA con 29


dos concentraciones de Fósforo y Potasio.

8.- Efecto de la SM1 con y sin agitación sobre la producción de CO2 31


por la flora microbiana en aceites.

9.- Efecto de la solución mineral 1 y la agitación sobre la 32


producción de CO2, por la microflora acompañante de ARA, ARI y SI
con la solución mineral 1.

10.- Efecto de dos formas de introducción de oxígeno y la solución 33


mineral 1 en la producción de CO2 por la microflora de los aceites.

11.- Efecto de la solución mineral 1 y dos fuentes de oxigenación en la 34


biodegradación de ARI, ARA y SI.

12.- Efecto de dos SM y formas de oxigenación en la biodegradación de 35


de ARI por su microflora acompañante.

13.- Efecto de dos soluciones minerales y formas de oxigenación en la 36


biodegradación de ARA por su microflora acompañante.

14.- Efecto de la SM1 y diferentes formas de oxigenación en la 37


biodegradación de ARA en SI por su microflora activa.

3
15.- Efecto de dos SM y condiciones de oxigenación sobre la 38
biodegradación de ARI en 5 semanas.

16.- Efecto de dos SM y formas de oxigenación sobre la biodegradación 39


de ARA en 5 semanas.

17.- Efecto de la SM1 y condiciones de oxigenación sobre la 40


Biodegradación de ARA por la microflora activa en el SI por cinco
semanas.

18.- Efecto de la SM3 y el H2O2 en la biorremediación de un suelo agrícola 44


contaminado con ARA.

19.- Efecto de la SM3 y el H2O2 en la biorremediación de un suelo 45


agrícola contaminado con ARA.

20.- Efecto de la SM3 y el H2O2 en la biodegradación de ARA por la 46


microflora de un suelo agrícola.

21.- Efecto de diversos factores y un flujo de aire sobre la microflora de un 47


suelo agrícola contaminado con ARA.

22.- Efecto de diversos factores y un flujo de aire en la biorremediación 48


de un suelo agrícola contaminado con ARA.

23.- Efecto de diferentes factores sobre la máxima biorremediación de 49


un suelo agrícola contaminado con aceite residual automotriz.

4
RESUMEN

El agua de riego agrícola frecuentemente contiene aceite residual, automotriz


(ARA) o industrial (ARI) que contaminan y reducen la fertilidad de los suelos. Se
evaluó el efecto de la oxigenación y dos soluciones minerales (SM1 y SM2) en la
microflora inicial de ARA, ARI y un suelo impactado (SI) con ARA, en líquido.
Además, se evaluaron con un diseño completamente al azar, diferentes factores
en un suelo agrícola contaminado con ARA, el cual se trató con: solución mineral
3 (SM3), peróxido de hidrógeno (H2O2), filtrado de Phanerochaete chrysosporium
(fPch), flujo de aire y Lolium multiflorum. Como indicadores de la biodegradación
se determinaron producción de CO2 y grasas totales.
En liquido la SM1 con H2O2 favoreció la biodegradación de aceites. La
combinación de SM3, fPch y L. multiflorum mostró la máxima biorremediación en
suelo. La integración oportuna de los diferentes factores estimuló la
biodegradación de aceites y la biorremediación del suelo contaminado con ARA.

Palabras clave: microflora, biodegradación, biorremediación, contaminación

5
ABSTRACT

Agricultural irrigation water, frequently contain, automotive waste oil (AWO), or


industrial waste oil (IWO); that pollute and reduce soil fertility. In this research was
evaluated the oxygenation effect and two minerals formulations (MS1 and MS2),
over initial microflora of AWO, IWO and an impacted soil (IS) with AWO, in liquid
medium. Also, was evaluated with a completely randomized design, different
factors in a contaminated agricultural soil with AWO, which was treated with
mineral solution 3 (MS3), hydrogen peroxide (H2O2), Phanerochaete chrysosporum
filtrate (fPch) with air flow and Lolium multiflorum. As biodegradation indicators,
was utilized CO2 production and total oils monitoring.
In liquid medium, MS1 with H2O2 favored oils biodegradation. The MS3 fPch and L.
multiflorum combination, shows maximum soil bioremediation. Opportune different
factors integration stimulates oils biodegradation and AWO contaminated soil
bioremediation.

Key words: microflora, biodegradation, bioremediation, contamination.

6
I. INTRODUCCIÓN

La contaminación ambiental forma parte de la vida moderna, una de las causas


principales es el uso de combustibles derivados del petróleo, durante el proceso de
extracción, manejo y disposición, además al oxidarse liberan al ambiente productos
tóxicos para casi todas las formas de vida. En el pasado esto no fue complicado,
progreso era sinónimo de bienestar social, las industrias no tenían mayor problema
para deshacerse de sus residuos puesto que eran vertidos en los cauces de los ríos
o dejados a la intemperie. Sin embargo cuando la velocidad de generación de
residuos superó la velocidad de integración al ambiente, surgió la contaminación;
que se ha agudizado gradualmente en las ciudades industrializadas donde se
observa en todas sus modalidades: en el aire, el agua y el suelo. El progreso es hoy
un sinónimo de daño ecológico. Afortunadamente se han establecido normas en
cuanto a la disposición de residuos y se han clasificado en base a su peligrosidad
(LGEEPA, 2001; NOM-052-ECOL-93, 1993).

Los aceites residuales se consideran desechos peligrosos y provienen


principalmente de dos fuentes: las industrias, que son llevados a confinamiento y los
talleres que realizan cambios de aceite automotriz, que comúnmente son vertidos en
el drenaje municipal (LGEEPA, 2001).

Otro problema de las ciudades industrializadas es la falta de agua, por esta razón es
usada solo para las necesidades básicas de la población, también es común que los
suelos agrícolas sean regados con aguas residuales, que contienen desechos
orgánicos y productos generados por la industria, así como aceite residual automotriz
(ARA) procedente de talleres. Según un cálculo estimativo, un taller de servicio de
lavado y engrasado en promedio recibe 15 automóviles diarios, así le corresponden 4
litros con un total de 60 litros diarios de desecho. Multiplicado por el número de
talleres, la cantidad es muy elevada. La importancia de eliminar el ARA radica en que
7
un litro de éste contamina 250 mil litros de agua, o forma una película sobre una
extensión de cuatro mil metros cuadrados. Además los lubricantes y aceites en los
cuerpos acuosos o el drenaje sanitario impiden la potabilización y la eficiencia del
tratamiento de las aguas domésticas. Según informes de la Subsecretaría de
Ecología del estado de Nuevo León, entre las descargas químicas a las aguas
residuales en 1994 se arrojaban 16,174 toneladas diarias de grasa y aceite, desde
ese tiempo ya excedían los límites oficiales permitidos.

Un ejemplo es el río Pesquería utilizado como vertedero clandestino de las aguas


residuales de la zona metropolitana de Monterrey, aunque se conducen a una planta
de tratamiento, para llegar a la presa Marte R. Gómez donde se emplean para riego
de suelos agrícolas en el noreste de Nuevo León y Tamaulipas. Sin embargo no
todas las ciudades industriales tienen la capacidad económica para tratar sus aguas
residuales antes de ser utilizadas para riego, así que el ARA se acumula y disminuye
el suelo agrícola productivo.

8
II. ANTECEDENTES

1. Biorremediación
Es un proceso que consiste en la aplicación de tratamientos biológicos para la
limpieza de áreas contaminadas con químicos peligrosos, se requiere el control y
manipulación de procesos microbianos. Esta es una posible solución a los problemas
antes mencionados, se puede lograr mediante la bioestimulación de
microorganismos nativos del suelo, donde existen bacterias, hongos y actinomicetos
los cuales por adaptación, inducción y cometabolismo desarrollan una capacidad
potencial para degradar y/o mineralizar compuestos recalcitrantes en aguas
residuales industriales, desechos de refinerías, combustibles, o derrames en tanques
de almacenaje, aplicable también a desechos químicos orgánicos,
organohalogenados y metales pesados. La biorremediación baja los costos en
comparación con otras tecnologías (Konopka et al., 1999; Leahy y Colwell, 1990;
Roane et al., 2001).

Al estudiar la degradación de hidrocarburos en un ambiente natural, se comprobó


que ciertos microorganismos obtienen sus nutrientes y energía a través de materiales
hidrocarbonados simples y complejos. Las bacterias más comunes del suelo están
entre ellos. Mediante muestreos y análisis se observó que son los organismos
oxidativos los más activos en tierra agrícola y lodos, se demostró que las técnicas
agronómicas como el cultivo, riego y la fertilización elevaron drásticamente el
porcentaje de degradación. En el caso de aguas subterráneas se encontró que los
acuíferos que estaban en conexión con la superficie se limpiaron más rápido que las
aguas profundas, donde la difusión del oxígeno estaba limitado. Cuando el agua
contaminada fue bombeada a la superficie y aireada se obtuvieron mejores
resultados. Mediante la introducción de oxigeno y nutrientes, estos acuíferos fueron
remediados con “tratamiento in situ” (Leahy y Colwell, 1990).

9
En trabajos más recientes se observó que el grado de biotransformación y la
persistencia del contaminante se controló con la aplicación de oxígeno en aguas
subterráneas contaminadas con hidrocarburos. Se afirma que este es el factor más
limitante para los procesos de biorremediación en estas áreas (Thomas y Ward,
1989). Se ha calculado que se necesitan 3 lb de oxígeno/lb de petróleo degradado
(Fogel et al., 1988). Goldsmith y Balderson (1989) estimaron un requerimiento
estequiométrico de 8.6 moles de oxígeno/mol de diesel degradado. De acuerdo con
Bajpai y Zappi (1994) se necesitan de 0.5-1 g de oxigeno/g de hidrocarburo
degradado, afirman que la concentración de oxígeno que acelera la oxidación del
hidrocarburo, en relación de peso es de 4:1. Huling y colaboradores (1990) estimaron
una proporción en peso de 5:1 de oxígeno para la gasolina, este calculo fue basado
en pruebas de laboratorio efectuadas en columna. En base a estas referencias se
establece que la efectiva introducción de oxígeno en zonas con alta actividad
biológica es de gran importancia en el diseño y mantenimiento de un efectivo sistema
de biotratamiento “in situ”.
Las opciones para la aplicación potencial de oxígeno incluyen; la perforación
profunda con introducción de aire, aeración/inyección sobre el suelo, o inyección de
H2O2 directamente en el acuífero (Wilson y Brown, 1989; Zappi et al., 1997). Otra
manera de proveer oxígeno al subsuelo es mediante la introducción de H2O2 que
típicamente se disocia en ½ mol de oxígeno disuelto/mol de H2O2 : H2O2 + H2O ---
0.5 O2 + 2H2O (Hulling et al., 1990). El oxígeno molecular puede ser suplido usando
H2O2 o asperjando oxígeno puro, tiene una solubilidad de 40-50 mg/l, representa un
incremento de al menos 4 veces el oxígeno disponible en un medio acuífero saturado
(Morgan y Watkinson, 1992). El H2O2 como una fuente de oxígeno para el
biotratamiento “in situ”, tiene las siguientes ventajas: es razonablemente barato, no
persistente, es un líquido estable sin problemas de almacenaje e introducción en los
acuíferos, generalmente es favorable al ambiente (Britton, 1985; Zappi et al., 2000).
Los suelos ricos en materia orgánica pueden incrementar significantemente los
costos de biorremediación, ya que el H2O2 reacciona con ésta constituyendo graves
pérdidas económicas (Aggaewal et al., 1991; Barcelona y Holm, 1991).

10
Existen numerosos reportes que señalan la necesidad de la microflora nativa de
disponer de nitrógeno, fósforo, potasio y de los metales que sirven como cofactores
para catalizar las diferentes reacciones metabólicas en concentración suficiente para
la síntesis de enzimas (API, 1983; Margesin y Schinner, 2001; Walker y Colwell,
1974). Adams y sus colaboradores (1999) recomiendan una relación de 100-10-1
para N-P-K en la mineralización de combustible, lubricantes y petróleo crudo.
Margesin y Schinner (2001) probaron una relación de 15-15-15 en N-P-K y
obtuvieron una reducción del 70% en la concentración de diesel en suelo.

2. Metabolismo
Las bacterias poseen una amplia variedad de sistemas de respiración. Esos pueden
ser caracterizados por la naturaleza de las sustancias que se utilizan como agentes
reductores y de los oxidantes. En la respiración aeróbica, el aceptor de electrones es
el oxígeno molecular. La respiración anaeróbica de las bacterias requiere de
sustratos orgánicos, en la mayoría de los casos, muy similar. Los sustratos son
oxidados a CO2, con la remoción sucesiva de pares de H+ y electrones (Horvath,
1972).

La biodegradación de hidrocarburos alifáticos se lleva a cabo mediante un proceso


aeróbico. El oxígeno es el factor limitante en la mayoría de los casos en que se tratan
suelos contaminados y aguas subterráneas. La primera etapa en la degradación de
los hidrocarburos es la incorporación del oxígeno por las enzimas oxigenasas.
Existen dos grupos de oxigenasas: monooxigenasas y dioxigenasas (Holm et
al.,1992).

La manera común en la degradación de alcanos, es la oxidación en el grupo metilo


terminal, donde el alcano es oxidado a alcohol y luego a su correspondiente ácido
graso. El hidrocarburo se oxida a un ácido, con la formación de un grupo carboxil, y
la oxidación sucesiva, remueve dos unidades de carbón, ésta es universal para la
mayoría de los sistemas vivientes y la secuencia termina con la beta oxidación.

11
En esta ruta, el grupo metileno , es oxidado a un grupo cetonico, seguido por la
remoción de un fragmento de doble carbón del compuesto. Además de la oxidación
terminal, la degradación subterminal ocurre ocasionalmente (Johnson et al., 1990;
Van den Wijngaard et al., 1993).

La degradación de alquenos, es más variada, ya que el ataque microbiano ocurre en


el grupo metilo o en el doble enlace. Los hidrocarburos insaturados de cadena lineal,
son generalmente mas difíciles de degradar que los saturados. El metabolismo
resulta en la formación de compuestos intermediarios, tales como alcoholes
insaturados, ácidos grasos, alcoholes primarios o secundarios, metil cetonas, 1,2-
epóxidos, y 1,2-dioles (Ramanand et al.,1995).

Los hidrocarburos con cadena ramificada, son menos susceptibles a la degradación.


Este hecho es recalcado por la resistencia al rompimiento biológico de los ABS
(alquil-bencen-sulfonatos). Los compuestos de cadenas ramificadas: en un carbón
cuaternario y los compuestos -alquil-ramificados, se consideraban recalcitrantes y
acumulables en la biosfera. No obstante existen pocos organismos capaces de
utilizar esos compuestos alquil-ramificados que pueden utilizarlos como fuente de
carbón y de energía (Nelson et al., 1986).

3. Degradación de xenobióticos
Los procesos por los cuales los organismos metabolizan especies xenobióticas, son
reacciones enzimáticas catalizadas en dos fases:
Fase I. Las especies xenobióticas en la célula tienden a llevar a cabo reacciones que
hacen al compuesto más soluble y reactivo al agua, por la incorporación de grupos
funcionales, tales como el -OH. La mayoría de las reacciones de la Fase I, son
producto de las oxidasas microsomáticas, catalizadas por el sistema enzimático
citocromo P-450, asociado con el retículo endoplásmico de la célula, esto ocurre con
mayor frecuencia en los vertebrados, en las células vegetales y en levaduras.

12
O
Producto. más soluble en
Sustancia xenobiótica, Epóxido C --- C
agua y con mayor reactividad
lipolítica, poco soluble en
agua, sin metabolizar Hidróxido -OH

Sulfhidril -SH

H
Sistema enzimático Hidroxilamina - N -- OH

Citocromo P-450

Figura 1. Degradación de xenobióticos. Reacciones de la Fase I


(González, 1998; Millburn, 1995)

Fase II. Los grupos funcionales polares incorporados a los compuestos xenobióticos
en las reacciones de la Fase I, proveen sitios de reacción para esta fase.

O
‫װ‬
Agente
Compuesto Carboxil --C-OH
conjugante
xenobiótico + endógeno
comúnmente Hidroxil OH
los productos
de reacción de Halógeno
la Fase I
-F,Cl,Br,I
C Producto de conjugación
Epóxido O
C  Polaridad alta
H  Solubilidad mayor en el
Amino agua
N
 Más fácilmente
H eliminado

Grupos funcionales que reaccionan


con un agente de conjugación

Figura 2. Degradación de xenobióticos. Reacciones de la Fase II


(González, 1998; Millburn, 1995)

13
La Fase II consta de reacciones de conjugación, donde las enzimas incorporan
agentes de conjugación a los xenobióticos, productos de la reacción de la Fase I,
éstos son a menudo menos tóxicos que los compuestos originales. Los principales
agentes de conjugación y las enzimas que catalizan las reacciones de la Fase II, son
el ácido glucorónico (UDP enzima glucoroniltransferasa) y el glutatión (enzima
glutationtransferasa). Los productos de conjugación más abundantes, son los
glucorónicos (González, 1998; Millburn, 1995).

Desde el descubrimiento del citocromo P-450 en mamíferos en 1964 se ha enfocado


el interés en este importante grupo de enzimas que contienen el grupo hemo. Se
conocen al menos dos tipos de Citocromo P-450, ambos contienen protoporfirina IX,
han sido encontrados en levaduras y filamentos de hongos. El citocromo P-450 tiene
enzimas que generalmente funcionan como componentes de monooxigenasas, las
cuales participan en la oxidación en una variedad de compuestos alifáticos y
aromáticos. El paso inicial en la activación de estos compuestos hacia la
carcinogénesis es desactivado por una flavoproteína enzimática (NADPH)-citocromo
P-450 reductasa) y una hemoproteina enzimática asociada con un fosfolipido. El P-
450 14DM está relacionado con la síntesis de esteroles, el P-450 está relacionado
con el metabolismo de hidrocarburos, acidos grasos y compuestos xenobióticos.
(Atlas y Cerniglia, 1995; Guengerich, 1993).

Recientemente se probó que los hongos tienen la capacidad de romper cadenas


largas y complejas de hidrocarburos más eficientemente que las bacterias, al iniciar la
oxidación de los bifenilos policlorados (BPC). Por cometabolismo muchos
microorganismos del ambiente oxidan hidrocarburos alifáticos que no utilizan como
fuente de carbono, por ejemplo Phanerochaete chrysosporium, este hongo oxida
algunos tipos de compuestos organoclorados incluyendo DDT, BPCs, y clorodioxinas.
El sistema enzimático que participa en la oxidación de estos compuestos es el mismo
que el hongo emplea para degradar la lignina en condiciones naturales y consiste en
un sistema multienzimático productor de lignina-peroxidasas y peroxidasas

14
manganeso-dependiente, así como un mecanismo generador de H2O2 (Michael,
1999; Yadav et al., 1995). Se ha reportado también la participación de las enzimas del
citocromo P450, que constituyen una super familia de haem-thiolato monooxigenasas,
algunas de las cuales catalizan la hidroxilación de contaminantes orgánicos, que
facilitan su biodegradación y/o metabolismo (Masaphy et al., 1996; Mehmood et al.,
1997; Topal et al., 1996).

Es común la presencia de metales pesados en áreas contaminadas con


hidrocarburos, esto puede hacer más difícil el proceso de biorremediación, no
obstante se reporta la existencia de microorganismos tolerantes a metales pesados,
con la capacidad de captar Pb+ en las proteínas y en los polisacáridos de su pared
celular (Kjaergaard et al., 2000; Richards et al., 2002). Se cree que esto depende de
la síntesis de enzimas y “fitoquelatinas” (Phitochelatins): péptidos ricos en cisteína
que se unen a metales pesados, estos péptidos se sintetizan en plantas y levaduras
(Sauge-Merle et al., 2003). Se comprobó la capacidad de cepas específicas y de la
microflora del suelo para fijar cadmio tanto en la membrana como intracelularmente y
con capacidad para oxidar 500-μg ml-1 de ácido 2-4 diclorofenoxiacético (Roane et
al., 2001). Los microorganismos de suelo pueden quelar plomo y oxidar gluosa
marcada con C14 (Konopka et al., 1999).

4. Fitorremediación
Otra manera de combatir la contaminación por hidrocarburo en suelos es la
fitorremediación, esta depende de las relaciones sinérgicas naturales entre el
sistema radicular de plantas y los microorganismos del suelo. No requiere de
técnicas de ingeniería ni de excavaciones, solo la intervención humana para
establecer una relación radicular adecuada planta-microorganismo en el sitio, o la
aplicación de técnicas agronómicas fertilizantes para inducir la mineralización natural
del hidrocarburo. Las rutas metabólicas más importantes que puede seguir un
hidrocarburo en la planta son: quedar contenidos en la zona de la raíz durante la
absorción de agua, las raíces de la planta pueden conducir el hidrocarburo hacia la
superficie, puede ser biodegradado o acumulado dentro la planta, los hidrocarburos

15
volátiles pueden ser transferidos al aire mediante la evapotranspiración, los
exudados radiculares estimulan la actividad oxidante de las comunidades
microbianas y oxidan hidrocarburos (Cunningham et al., 1996; Ferrera-Cerrato, 1997;
Siciliano y Germida, 1998; Siciliano et al., 2003; Yoshitomi y Shann, 2001).

En 12 especies de pasto de regiones cálidas, 4 de las cuales aceleran la oxidación


de hidrocarburos poliaromáticos de bajo peso molecular, solo una especie disminuyó
la concentración de compuestos de alto peso molecular (Qiu et al., 1997).

En un suelo sembrado con el pasto ryegrass se redujo notablemente la mezcla de


hidrocarburos, de n-alcanos (C10, C14, a C18, C22, C24), como el pristano, el
hexadecano, el fenantreno, el antraceno, el fluorantraceno, y el pireno. La
concentración inicial de hidrocarburos extractables fue de 4.33 g/kg de suelo,
después de 22 disminuyó a 0.120 g/kg de suelo (97% de reducción) en un suelo
cultivado y 0.790 g/kg en el suelo no cultivado (82% de reducción)(Gunther et al.,
1996).

Se conocen tres mecanismos principales por los que las plantas y los
microorganismos remedian suelos y agua contaminados con petróleo, estos
mecanismos incluyen su oxidación y acumulación, así como la transferencia del
hidrocarburo del suelo a la atmósfera (Cunningham et al., 1996; Siciliano y Germida,
1998; Sims y Overcash, 1983).

Las plantas proveen a las poblaciones microbianas de la rizósfera de exudados


radiculares, de carbón, energía, nutrientes, enzimas y en ocasiones de oxígeno. Los
que contienen azucares, alcoholes y ácidos representan del 10 al 20% de la
fotosíntesis anual de la planta. Debido a la acción de los exudados, las poblaciones
microbianas son de 5 a 100 veces mayores en la rizósfera que en suelo sin plantas.
Los tipos y cantidad de exudados radiculares dependen de la especie vegetal y de su
estado de desarrollo, del tipo de suelo, concentración de nutrientes esenciales, pH,
disponibilidad de agua, temperatura, concentración de oxígeno, dióxido de carbono

16
atmosférico e intensidad de luz (; Cunningham et al., 1996; Schnoor et al., 1995;
Vance, 1996).

Las interacciones específicas de los microorganismos con las raíces vegetales


ocurren cuando la planta exuda un compuesto en respuesta a un hidrocarburos
contaminante. Las interacciones no-específicas se presentan cuando los exudados
de la planta son químicamente similares al hidrocarburos, esto incrementa la
densidad y la actividad de los microorganismos y en consecuencia la mineralización
del contaminante. Los hidrocarrburos sirven a los microorganismos como fuente de
carbono y energía. El metabolismo microbiano de oxidación de hidrocarburos se
debe básicamente a la respiración aeróbica, aunque existen variantes como la
respiración anaeróbica, el cometabolismo, la fermentación, la deshalogenación
reductiva y el uso de compuestos inorgánicos como donadores de electrones
(Siciliano y Germida, 1998). Además se ha detectado que dentro de la raíz
incrementa el número de bacterias con capacidad para degradar determinados
contaminantes cuando estos se encuentran en la rizósfera de la planta (Siciliano et
al., 2001).

La industria del ramo automotriz libera aceite y otros hidrocarburos en agua residual
de las ciudades mientras que la carencia de agua para riego obliga a la utilización del
tipo residual para la producción de cultivos agrícolas.

A pesar de estos antecedentes sobre la oxidación de hidrocarburos en el ambiente,


la literatura no reporta la biodegradación de ARA. En base a esta revisión y a que en
México no existen estrategias precisas para la recuperación de suelos agrícolas
contaminados con ARA, se planteó la integración de los aspectos más importantes
que han sido probados de manera independiente en trabajos previos.

17
HIPÓTESIS

La capacidad natural de los microorganismos nativos del suelo para oxidar ARA se
puede emplear en la biorremediación de suelos agrícolas contaminados con estos
hidrocarburos, mediante bioestimulación con diferentes factores.

OBJETIVO GENERAL

Evaluar el efecto de diferentes factores sobre la microflora (inicial del aceite y nativa
de suelo) para la inducción de la biorremediación “in vitro” en un suelo agrícola
contaminado con aceite residual.

OBJETIVOS ESPECÍFICOS

1. Evaluar el efecto de soluciones minerales y la oxigenación sobre la

biodegradación de aceites en medio líquido.


2. Valorar la integración de diferentes factores o estrategias para la
biorremediación de un suelo agrícola contaminado con ARA.

META

Desarrollar metodologías y / o estrategias para la biorremediación de un suelo


agrícola contaminado con ARA.

18
III. MATERIALES Y METODOS

1.- Biodegradación de aceite residual en medio líquido.


Se realizaron muestreos de aceite residual en los siguientes lugares :
1).- Una industria de Monterrey, N. L. Se colectó aceite residual industrial (ARI)
2).-Suelo impactado con aceite automotriz (SI), del estacionamiento de la industria.
3).-En un lavadero de automóviles, se obtuvo aceite residual automotriz (ARA).
Las muestras se colectaron en frascos de 250 ml estériles con tapón esmerilado, se
transportaron y almacenaron en refrigeración.
1.1.- Análisis microbiano preliminar.
Las muestras se colocaron en matraces de 250 ml con 48 ml de la solución mineral 1
(SM1, cuadro 1) + 2 ml de aceite (industrial o automotriz) o 2 g de SI, se probaron las
3 muestras por separado. Se incubaron de 28 a 30ºC sin agitación. Después de 9
días se sembraron en agar nutritivo, agar EMB, agar papa glucosa y agar mineral y
aceite, éste se preparó con la SM1 y ARA o ARI como única fuente de carbono, con
la finalidad de comprobar si la microflora acompañante de los aceites y la flora nativa
del SI son capaces de utilizarlos como única fuente de carbono, una vez que los
micronutrientes y cofactores enzimáticos fueron suplidos por la SM1. Se incubaron a
30ºC durante 48 h. Los aislados se mantuvieron en agar mineral y aceite, se hicieron
observaciones microscópicas con tinción de Gram y para bacterias ácido alcohol
resistente (Walker y Colwell, 1974).
1.2.- Captación de CO2 en álcali bajo diferentes tratamientos.
Se determinó la actividad metabólica de la microflora inicial de cada aceite ARI, SI y
ARA mediante captación de CO2 en álcali, en matraces tipo Bartha (Fig. 3), de 250
ml con 45 ml de SM, 5 ml de aceite residual como única fuente de carbono e inóculo,
en el reservorio del matraz se colocaron 5 ml de NaOH 0.1N y se tituló cada 48 h con
HCl 0.1N, y se evaluaron las siguientes variantes:
1.2.1.- Efecto de dos concentraciones de fósforo y potasio
Se probaron dos formulaciones de SM (Cuadro 1) con ARA y ARI, se seleccionó la
mejor para comparar las siguientes condiciones de oxigenación:

19
1.2.1a.- Sin agitación (sa).
1.2.1b.- Con agitación (ca).
1.2.1c.- Con H2O2 a 50 ppm. este se agregó cada semana (cp).
Cada una de las condiciones para ARA, ARI y SI, con 5 repeticiones y un control
estéril para verificar que el CO2 fue generado por la microflora presente en los
aceites. Se incubaron de 28 a 30ºC durante 5 semanas (Leal et al., 1996; Lorraine,
1973).

Cuadro 1. Composición química de las soluciones minerales empleadas para


estimular la microflora en los aceites residuales.
REACTIVO g/l mol/l g/l mol/l REACTIVO g/l mol/l
No.1 (SM1) No.2 (SM2) No.3 (SM3)*
K2HPO4 10.0 P = 0.1062 5.0 P = 0.0581 Na2HPO4 4.303 P = 0.03866
KH2PO4 8.0 4.0 KH2PO4 1.179 K = 8.66 x 10-3
MgSO4 6.0 6.0 MgSO4.7H2O 0.225
NH4(NO3)2 15.0 15.0 NH4Cl 1.9
CaCO3 1.0 1.0 CaCl2 0.275
KCl 2.0 K = 0.0268 4.0 K = 0.0537 NH4MoO4 0.250
ZnSO4 0.5 0.5 FeCl3 .6H2O 0.250
CuSO4 0.5 0.5
FeSO4 0.2 0.2
SM = solución mineral *(Cookson, 1995)

1.3.- Concentración de grasas y aceites.


Al finalizar el período de incubación se determinó la concentración de grasas y
aceites por el método de Soxhlet (NMX-AA-005-SCFI-2000, 2000).

1.4.- Medición de volátiles orgánicos y metales pesados.


Se determinaron antes y después de la bioestimulación con la SM1 cp mediante
cromatografía de gases (referencia en pag. 35 y 36).

1.5.- Análisis estadístico.


Los matraces se distribuyeron bajo un diseño completamente al azar. Los resultados
se sometieron a un análisis de varianza para establecer las diferencias entre las
condiciones probadas, prueba de Tukey, correlación y regresión (Walpole y Myers,
1992).

20
Filtro de aire

fibra Aguja para

de vidrio Algodón inyectar NaOH

NaOH Tapón de hule

Fibra de vidrio

Algodón

Filtro de aire

Reservorio de NaOH

Muestra de Aceite con

la solución mineral y nutrientes

Figura 3. Respirómetro tipo Bartha.

21
2.- Efecto de la solución mineral 3 (SM3), H2O2 y un microcosmos cerrado en la
biorremediación de un suelo agrícola contaminado con ARA.
2.1.- Propiedades fisicoquímicas del suelo.
Se colectaron muestras de un suelo agrícola sin previa exposición al contaminante
ARA, en Cadereyta Jiménez N. L. Se determinaron sus características
fisicoquímicas, contenido de materia orgánica, nitrógeno y fósforo total (NMX-AA-
008-SCFI –2000, 2000; NMX-AA-026-SCFI-2001, 2001; NMX-AA-072-SCFI-2001,
2001).
El suelo se cribó con un tamiz de 200 mallas, se mezcló con 20,000 ppm de ARA y
se agregaron 30 ml/kg de tween 80 al 0.2% .
Se utilizaron microcosmos de vidrio rectangulares de 45 x 25 x 25 cm de altura como
el que se ilustra en la Fig. 4.

Figura 4. Modelo de microcosmos para determinar la biodegradación del aceite


residual automotriz en un suelo agrícola.

En cada microcosmos se colocaron 2 kg de suelo, se probaron cuatro condiciones:


1.- Suelo sin ARA (control relativo).
2.- Suelo con ARA y 50 ml de H2O2 a 50 ppm.
3.- Suelo con ARA.
4.-Suelo con ARA estéril (control absoluto).
A los cuatro tratamientos se les agregó 15 ml/kg de SM3 (Cuadro 1) y agua destilada
para completar un volumen de 100 ml/kg de suelo (Kanaly et al., 1997).

22
2.2.- Captación de CO2 en álcali.
Se determinó la actividad metabólica de la microflora del suelo, en cada unidad de
prueba se introdujo un vaso de precipitado con 40 ml de NaOH al 0.1N, los
recipientes se abrieron cada 48 h para titular con HCl 0.1N y humedecer con agua
destilada, cada dos semanas se agregó SM, H2O2 a 50 ppm y se mezcló el suelo en
cada unidad de prueba. Se incubaron por ocho semanas entre 30 y 35ºC (Kanaly et
al.,1997; Leal et al., 1996; Lorraine, 1973).

2.3.- Determinación de grasas y aceites.


Cada dos semanas se determinó la cantidad de grasas y aceites totales mediante el
método de Soxhlet (NMX-AA-005-SCFI-2000, 2000).

2.4.- Análisis estadístico.


Se empleó el diseño experimental y pruebas mencionadas en la sección anterior.

3.- Efecto de diferentes factores y un microcosmos con flujo de aire en la


biorremediación de un suelo agrícola contaminado con ARA.

En esta serie de pruebas se empleó suelo obtenido de la misma fuente. Se colocó en


porciones de 3 kg en microcosmos rectangulares de vidrio de 45 x 25 x 25 cm de
altura, como el que se ilustra en la Fig. 5.

Orificio para la introducción de nutrientes y agua


Entrada de aire Salida de aire

suelo
Figura 5. Modelo de microcosmos con flujo de aire, para determinar la
biodegradación del aceite residual automotriz en un suelo agrícola.

23
El ARA se mezcló a 25,000 ppm con el suelo agrícola para verificar la estrategia a
una concentración crítica del contaminante. Como agente tensoactivo se empleó
tween 80 al 0.2%, 30 ml/kg (Rojas et al., 1997).
En esta etapa se probaron diferentes factores para lograr una biorremediación
integral, tanto de hidrocarburos aromáticos como alifáticos que pueden estar
presentes en el aceite residual automotriz. Para inducir el desarrollo de la flora
microbiana inicial del aceite y la microflora nativa del suelo se aplicó la SM3 (Cuadro
1) se agregaron 75 ml a cada tratamiento excepto al control relativo, se probaron las
combinaciones que se describen en el cuadro 2. Al suelo del tratamiento 3 se le
agregaron 75 ml de H2O2 a 50 ppm, el suelo del tratamiento 4 se enriqueció con 75
ml de un filtrado de Phanerochaete chrisosporium (fPch), el filtrado se obtuvo
después de sembrar la cepa en un medio mineral con paja de zacate como única
fuente de carbono, con la finalidad de inducir la producción de enzimas ligninasas,
peroxidasas etc. responsables de la degradación de compuestos aromáticos. El
hongo se incubó a 30°C/12 días en agitación a 250 rpm. El cultivo fúngico se filtró
con membrana milipore 0.2 y el filtrado libre de células se agregó al suelo del
tratamiento 4. (La cepa de P. chrysosporium fue proporcionada por el Laboratorio de
Ecología, Departamento de Biotecnología y Bioingeniería del CINVESTAV-IPN).

El suelo del tratamiento 6 se esterilizó y enriqueció con la SM3 y el tween 80,


también estériles. A todos los tratamientos se les agregó agua destilada para
mantener al 60% la humedad (Cookson, 1995; Rojas et al., 1997; Spencer et al.,
1996).

24
CUADRO 2. Combinación de factores para determinar su efecto sobre la
biodegradación de ARA en un suelo agrícola.
TRATAMIENTOS
Blanco C. Relativo C. absoluto

FACTORES 1 2 3 4 5 6
Solución mineral 3 + + + + - +
Condición del suelo NE NE NE NE NE E
f Pch* - - - + - -
Agua - - - - + -
ARA** - + + + + +
H2O2 (50 ppm) - - + - - -
(+) = Se agregó (-)= no se agregó. NE = no esterilizado, E=esterilizado, *fPch = filtrado de Phanerochaete
chrysosporium. ** ARA = aceite residual automotriz. C = control

3.1.- Captación de CO2 en álcali


Se midió la actividad metabólica de la microflora activa:
A cada microcosmos se le adaptó una entrada y salida de aire que se burbujeó en
un matraz con NaOH al 0.1N. El CO2 capturado se tituló cada 48 h con HCl 0.1 N
(Leal-Castillo et al., 1994). Los microcosmos se distribuyeron bajo un diseño
completamente al azar con cinco repeticiones y se incubaron a 30°C por doce
semanas con flujo de aire y ocho semanas sin éste. Cada dos semanas se
enriquecieron con SM, H2O2, fPch, y agua destilada, según el tratamiento (Cookson,
1995; Kanaly et al., 1997; Rojas et al., 1996).

3.2. Determinación de grasas y aceites.


Se efectuó la cuantificación de las grasas y aceites totales al finalizar el período de
prueba, por el método de Soxhlet (NMX-AA-005-SCFI-2000, 2000).

3.3. Análisis estadístico.


Se realizó un análisis de varianza, prueba de Tukey y un análisis bifactorial de las
cantidades de ARA biodegradado por el efecto del flujo de aire sobre la actividad
microbiana del suelo agrícola en los microcosmos (Walpole y Myers, 1992).

25
3.4. Fitorremediación
Para complementar la estrategia de biorremediación en los microcosmos con flujo de
aire y reducir al máximo la concentración del ARA, se aplicó fitorremediación con el
pasto L. multiforum en el suelo parcialmente biorremediado. En vasos de unicel de
14 oz, con 90 g, se colocaron 5 plántulas por vaso del pasto de 8 días de
germinadas. Las que se mantuvieron en el invernadero por 16 semanas entre 28 y
30°C.
a) Se determinó la concentración de grasas y aceites totales en el suelo rizosferico
del pasto (Aprill y Sims, 1990; Cunningham et al., 1996; Kanaly et al., 1997).

26
IV. RESULTADOS

1.- Biodegradación de aceite residual en medio líquido.


1.1.- Análisis microbiano preliminar.
De las muestras de aceite inoculadas en agar aceite se obtuvieron 24 aislados de
hongos bacterias y levaduras.
Para demostrar la amplia capacidad metabólica potencial de los microorganismos
presentes en los diferentes aceites, se sembraron en tres medios de cultivo, como se
muestra en el Cuadro 3, donde se resumen las características coloniales y
microscópicas de los microorganismos aislados a partir de ARI, ARA y SI.
Dominaron levaduras, actinomicetos, hongos y cocobacilos Gram negativo (-),
probablemente enterobacterias.

Cuadro 3. Características coloniales y microscópicas de microorganismos


en muestras de aceite.
ACEITE RESIDUAL INDUSTRIAL
MEDIO DE CULTIVO MORFOLOGÍA COLONIAL MORFOLOGÍA
MICROSCÓPICA
Agar nutritivo Colonias húmedas
cremosas Cocobacilos Gram( - )
Agar EMB Colonias húmedas
moradas Cocobacilos Gram( - )
Agar papa glucosa Colonias secas polvosas, Levaduras, hifas,
mezcladas con micelio micelio septado con
blanco esporas esféricas
ACEITE RESIDUAL AUTOMOTRIZ
Agar nutritivo - -
Agar EMB Colonias puntiformes Bacilos delgados Gram
( - ) y actinomicetos
Agar papa glucosa - -
SUELO IMPACTADO CON ARA
Agar nutritivo Colonias polvosas Estructuras
ramificadas,
Agar EMB Micelio algodonoso levaduras,
actinomicetos y
Agar papa glucosa grisáceo hongos

27
1.2.- Captación de CO2 en álcali.
1.2.1.- Efecto de dos concentraciones de fósforo y potasio, SM1 y SM2. En la Fig. 6
se muestra la producción de CO2 derivada de la biodegradación de aceite residual,
en 4 unidades de prueba y 2 controles; 3 con la SM1 y 3 con la SM2. Con la SM1 se
registró la mayor producción de CO2 durante 5 semanas, por la microflora presente
en el ARI, que fue de 7.9 ppm, mientras que el ARA produjo un valor máximo de 5.2
ppm. Con la SM2 el ARI registró una disminución en la producción de CO2 con un
máximo de 2.5 ppm, con ARA se detectó un patrón semejante al descrito con SM1,
los controles registraron valores no mayores a 0.3 ppm en ambas SM.

Concentración
9
1 = g/l [ P-18, K-2 ].
8 2 = g/l [ P-9, K-4 ].
ARI 1 ARI = Aceite
7 Residual Industrial.
6 Aceite Residual
ARA 1 Automotriz.
ppm

5 Ctrl.= Control.
ARA 2
4
3
ARI 2
2
Ctrl. 1
1 Ctrl.2
0
1 2 3 4 5

Semanas

Figura 6. Producción de CO2 por la biodegradación de aceite residual en medio


mineral, con dos concentraciones de Fósforo y Potasio.

En el Cuadro 4 se presenta el análisis de varianza de la producción de CO2 por ARA


y ARI en la SM1 y SM2, se estableció diferencia significativa entre los tratamientos
probados.

28
Cuadro 4. ANAVA de la producción de CO2 por la microflora de ARA y ARI con
la SM1 y SM2.
FV GL SC CM F P>F
TRATAMIENTOS 5 228.131714 45.626343 768.3515 0.000
ERROR 24 1.425171 0.059382
TOTAL 29 229.556885
SM1= Solución Mineral 1 SM2= Solución mineral 2

La Fig. 7 muestra la comparación de medias según Tukey con 3 valores de medias


diferentes; la flora microbiana activa en ARI fue estimulada por la SM1, con el
mayor valor (A = 7.9), en comparación con C (2.3) correspondiente a ARI con la
SM2, la microflora de ARA no mostró diferencia significativa al desarrollarse en las
SM1 y SM2 (B = 4.5). Mientras que los valores de CO2 detectados en los controles
fueron semejantes entre sí pero diferentes al resto de los tratamientos.

SM1 = Solución
9 mineral 1 [P-18 g/l K-2
A g/l] SM2 = Solución
8 mineral 2
[ P-9 g/l K-4 g/l]
7 ARI = Aceite Residual
Industrial. ARA =
6 Aceite Residual
B B Automotriz.
5 Ctrl.= Control
ppm

(Tukey 0.01)
4
C
3
2
D D
1
0
SM1 ARI SM1ARA SM2 ARA SM2 ARI SM1Ctrl SM2 Ctrl

Figura 7. Producción de CO2 por la microflora acompañante de ARI y ARA con


dos concentraciones de Fósforo y Potasio.

29
Cuadro 5. Coeficientes de determinación del análisis de regresión de los
valores de CO2 generado por la microflora de dos aceites en dos SM
Origen Solución mineral 1 Solución mineral 2
σ2 σ2
Aceite Residual Industrial. 0.9982 0.8525
Aceite Residual Automotriz. 0.9363 0.8605
Control. 0.3077 0.5294

El Cuadro 5 presenta los coeficientes de determinación del análisis de regresión de


cada tratamiento probado, los valores señalan que existe correlación significativa
entre los puntos obtenidos en cada una de las variantes probadas: ARI, ARA y el
Ctrl. con las SM1 y SM2. En base a estos resultados, se seleccionó la SM1 para
probar el efecto de la agitación sobre la producción de CO2.
El análisis de regresión se calcula en base a la ecuación de regresión y = a x + b, en
este caso la variable dependiente fue la producción de CO2 en función de un
parámetro independiente con incremento fijo que fue el tiempo, si σ 2=0.05 entonces
”y” no depende únicamente de “x” sino de otras variables. Cuando todos los puntos
de la regresión coinciden se incrementa “y” en función de “x”, si es exacta el
coeficiente de determinación es = 1 ó muy cercano a este valor y significa que “y”
depende principalmente de “x”.

En la Fig. 8 se ilustra el efecto de la agitación sobre la producción de CO2 por la flora


microbiana activa en: ARA y ARI empleadas en el experimento anterior, en este
ensayo se incluyó un suelo impactado (SI) con ARA. La figura señala que los
máximos valores de CO2 se alcanzaron en los tratamientos incubados con agitación,
donde la flora microbiana activa en el SI generó 15.3, con el ARI; 14.9, 13 ppm de
CO2 con el ARA, mientras que los tratamientos incubados sin agitación presentaron
valores menores. En contraste con los controles con y sin agitación donde se
registraron cantidades mínimas de 0.35 ppm de CO2.

30
18 ARI = Aceite
residual industrial.
16 SI = Suelo
SI ca impactado.
14 ARA = Aceite
residual automotriz.
12 ca = con agitación.
ARI ca sa= sin agitación.
ARA ca SM1= Solución
10
ppm

mineral 1
ctrl. control
8
SI sa
6 ARI sa

4
ARA sa
2
Ctrl. sa Ctrl.ca
0
1 2 3 4 5

Semanas

Figura 8. Efecto de la SM1 con y sin agitación sobre la producción de CO2 por
la flora microbiana en aceites.

El análisis de varianza del Cuadro 6 señala que existe diferencia significativa en la


respuesta de las poblaciones incubadas con y sin agitación en la SM1.

Cuadro 6. ANAVA de la producción de CO2 en ARA, ARI y SI, estimulada por la


solución mineral 1 con y sin agitación.
FV GL SC CM F P>F
TRATAMIENTO 7 1257.224609 179.603516 1317.7896 0.000
ERROR 32 4.361328 0.136292
TOTAL 39 1261.585938

La Fig. 9 muestra la comparación de medias según Tukey donde las poblaciones


microbianas activas en el ARI y SI con agitación, generaron la máxima cantidad de
CO2; media A. La respuesta fue diferente en el ARA con y sin agitación: medias B y
D respectivamente. El ARI y SI sin agitación presentaron valores similares; media C.
En los controles se observaron los valores mínimos.

31
SI= suelo
18
impactado ARI=
aceite residual
16 A A industrial ARA=
aceite residual
14 B automotriz. Ctrl.=
control.
12 ca= con agitación
sa = sin agitación
10 (Tukey 0.01)
ppm

8 C C

6 D
4

2
E E
0
SIca ARIca ARAca ARIsa SIsa ARAsa Ctrlsa Ctrlca

Figura 9. Efecto de la solución mineral 1 y la agitación sobre la producción de


CO2, por la microflora acompañante de ARA, ARI y SI con la solución mineral 1.

El Cuadro 7 presenta los coeficientes de determinación del análisis de regresión de


cada tratamiento, los valores señalan una correlación significativa entre los puntos
obtenidos en cada una de las muestras probadas: ARI, ARA, SI y el Ctrl. en la SM1
con y sin agitación.

Cuadro 7. Coeficientes de determinación del análisis de regresión de los


valores de CO2 generado por la microflora de tres aceites con la solución
mineral 1 con y sin agitación.
Origen Sin agitación Con agitación
Aceite residual industrial 0.8525 0.9889
Aceite residual automotriz 0.8605 0.9931
Suelo impactado 0.8915 0.9903
Control 0.2262 0.2720

32
25 ARI-CP
ARA-CP
SI-CP
20
Ctrl-CP
ARI-CA
15 ARA-CA
ppm

SI-CA
10 Ctrl-CA

SI = suelo
impactado.
5 ARI = aceite
residual
Industrial.
ARA = aceite
0 residual
1 2 3 4 5 Automotriz.
ca =con agitación.
Semanas cp = con H2O2

Figura 10. Efecto de dos formas de introducción de oxígeno y la solución


mineral 1 en la producción de CO2 por la microflora de los aceites.

En la Fig.10 se compara el efecto de la SM1 con dos fuentes de oxígeno;con


agitación (ca) y aplicación de H2O2 a 50 ppm (cp) en la producción de CO2 por la flora
microbiana presente en ARA, ARI y SI. Los mayores valores se registraron en la
SM1cp: la flora microbiana presente en el SI con un máximo de 19.2, ARI 17.62, y
ARA 16.16. Las muestras incubadas en la SM1ca mostraron valores menores.

El análisis de varianza del Cuadro 8 señala diferencia significativa entre los


tratamientos probados.

Cuadro 8. ANAVA de la producción de CO2 por la microflora de los aceites


estimuladas por la SM1 ca y cp
FV GL SC CM F P>F
TRATAMIENTO 7 1947.005859 278.143707 2123.2878 0.000
ERROR 32 4.191895 0.130997
TOTAL 39 1951.197754
SM1 solución mineral 1. ca= con agitación. cp = con H2O2

33
La Fig. 11 muestra la comparación de medias según Tukey, donde los valores se
agrupan en 6 categorías, con nivel de significancia 0.01. La microflora de los aceites
estimulados por la SM1cp registraron los mayores valores:
A SIcp, B ARIcp, C ARAcp. Las medias D y E correspondieron a SI, ARI y ARA
incubadas en la SM1ca. La media F se asignó a ambos controles que presentaron
los menores valores.

20
A SI = suelo
impactado.
18 B ARI = aceite
residual industrial.
16
C C D ARA = aceite
residual
14 E automotriz.
Ca = con
agitación.
ppm de CO2

12
cp = con H2O2 50
ppm.
10
(Tukey 0.01)
8

2
F F
0
S Icp ARIcp ARAcp S Ica ARIca ARAca Ctrlcp Ctrlca

Figura 11. Efecto de la solución mineral 1 y dos fuentes de oxigenación en la


biodegradación de ARI, ARA y SI.

El Cuadro 9 presenta los coeficientes de determinación del análisis de regresión de


cada tratamiento probado, los valores señalan que existe correlación significativa
entre los puntos obtenidos en cada una de las muestras probadas: ARI, ARA, SI, y el
ctrl. en la SM1 y SM2.

Cuadro 9. Coeficientes de determinación del análisis de regresión de los


valores de CO2 generado por la microflora de los aceites en la SM1.
Tipo de aceite Con agitación Con H2O2
Aceite Residual Industrial 0.9889 0.9982
Aceite Residual Automotriz 0.9931 0.9963
Suelo Impactado 0.9903 0.9974
Control 0.2720 0.3077
SM1 = solución mineral 1

34
1.2.2.- Comparación del efecto de dos soluciones minerales y la oxigenación
sobre la producción de CO2 por la microflora activa en ARI, ARA y SI.

El Cuadro 10 muestra diferencia significativa en el análisis de varianza de la


producción de CO2 generada por la microflora presente en ARI, con dos SM y
fuentes de oxigenación. La composición química de las SM y oxigenación ejercieron
diferente efecto en la microflora inicial de ARI.

Cuadro 10. ANAVA del efecto de dos soluciones minerales y condiciones de


oxigenación sobre la producción de CO2 por la microflora del ARI. ___
FV GL SC CM F P>F
TRATAMIENTOS 4 1118.294434 279.573608 1957.8278 0.000
ERROR 20 2.855957 0.142798
TOTAL 24 1121.150391
ARI = Aceite residual Industrial

La comparación de medias según Tukey establece diferencia en el efecto de cada


SM y fuente de oxigenación. Se establecieron cinco grupos, la mayor cantidad de
CO2 se indujo con la SM1 y H2O2 a 5 ppm como fuente de oxígeno (Fig. 12).

20 SM = Solución

18
A mineral.
sa = sin agitación. ca
16 B = con agitación. cp =
con H2O2 a 50ppm.
14 ARI = Aceite residual
ppm de CO2

industrial. Ctrl. =
12 Control. (Tukey
0.01).
10 C
8
6
4 D
2 E
0
SM1cp SM1ca SM1sa SM2sa Ctrl.

Figura 12. Efecto de dos SM y formas de oxigenación en la biodegradación de


ARI por su microflora acompañante.

35
El Cuadro 11 muestra el análisis de varianza con diferencia significativa en el efecto
de las fuentes de oxigenación sobre la producción de CO2 generada por la microflora
del ARA con la SM1.

CUADRO 11. ANAVA del efecto de dos SM y fuente de oxígeno sobre la


producción de CO2 por la flora microbiana acompañante en el ARA. ___
FVL GL SC CM F P>F
TRATAMIENTOS 4 836.533691 209.133423 2639.3792 0.000
ERROR 20 1.584717 0.079236
TOTAL 24 838.118408
SM= solución mineral. ARA= Aceite residual automotriz

La prueba de medias según Tukey no señala diferencia en la respuesta de la


población activa en el ARA con la SM1sa y SM2sa, pero diferencía entre SM1cp y
ca. La máxima estimulación en la producción de CO2 por la flora microbiana del ARA
se registró con la SM1cp (Fig. 13).

ARA = Aceite
18 residual automotriz.
A SM = Solución
16 mineral.
14 B sa = sin agitación.
ca = con agitación.
ppm de CO2

12 cp = con H2O2 a
50ppm.
10 Ctrl = Control
(Tukey 0.01).
8
6 C C
4
2 D
0
SM1cp SM1ca SM1sa SM2sa Ctrl.

Figura 13. Efecto de dos soluciones minerales y formas de oxigenación en la


biodegradación de ARA por su microflora acompañante.

El Cuadro 12 muestra el análisis de varianza con diferencia significativa en el efecto


de dos SM y la fuente de oxígeno sobre la producción de CO2 por la población
acompañante del SI.

36
Cuadro 12. ANAVA del efecto de la SM1 y condiciones de oxigenación sobre la
producción de CO2 por la microflora acompañante en el SI. ___
FV GL SC CM F P>F
TRATAMIENTOS 3 1048.031494 349.343842 3203.3857 0.000
ERROR 16 1.744873 0.109055
TOTAL 19 1049.776367
SM1= solución mineral 1. SI = Suelo impactado

La comparación de medias según Tukey estableció cuatro grupos de valores


diferentes, donde la SM1cp favoreció los mayores valores de CO2. Fig. III.1.2.2c.

25 SI = Suelo
impactado.
20
A SM = Solución
mineral.
ppm de CO2

B sa = sin agitación.
ca = con
15 agitación.
cp = con H2O2 a
50ppm
10 C (Tukey 0.01).

5
D
0
SM1cp SM1ca SM1sa Ctrl.

Figura 14. Efecto de la SM1 y diferentes formas de oxigenación en la


biodegradación de ARA en SI por su microflora activa.

1.2.3. Efecto de dos soluciones minerales y la oxigenación sobre la


biodegradación de grasas y aceites.

El análisis de varianza de la biodegradación en ppm del ARI con dos SM y


condiciones de oxigenación, presentó diferencia significativa sobre la biodegradación
generada por la población activa del ARI (Cuadro 13).

37
Cuadro 13. ANAVA de la biodegradación de ARI en ppm causada por la
microflora activa con diferente SM y oxigenación, durante 5 semanas_________
FV GL SC CM F P>F
TRATAMIENTOS 4 2531146.000000 632786.50 28600.5195 0.000
ERROR 20 442.500000 22.125000
TOTAL 24 2531588.500000
SM= solución mineral. ARI = Aceite residual industrial

La comparación de medias según Tukey señala que la respuesta de la población


microbiana activa en ARI fue diferente en cada SM y condiciones de oxigenación
probadas. La SM1cp estimuló la máxima mineralización (Fig. 15).

1000 ARI = Aceite


residual industrial
900
A SM = Solución
mineral.
sa = sin agitación.
800
ca = con
agitación.
700 B cp = con H2O2 a
50 ppm.
600 (Tukey 0.01)
ppm

500
C
400

300

200 D
100

0 E
SM1cp SM1ca SM1sa SM2sa Ctrl.

Figura 15. Efecto de dos SM y condiciones de oxigenación sobre la


biodegradación de ARI en 5 semanas.

El cuadro 14 muestra el análisis de varianza con diferencia significativa entre los


valores de biodegradación con diferentes fuentes de oxígeno y SM generada por la
microflora acompañante en ARA.

38
Cuadro 14. ANAVA de la biodegradación de ARA en ppm por la microflora
activa con diferente SM y oxigenación en 5 semanas _______________
FV GL SC CM F P>F
TRAT 4 1372873.250000 343218.312500 88859.1094 0.000
ERROR 20 77.250000 3.862500
TOTAL 24 1372950.500000
ARA = aceite residual automotriz. SM = solución mineral

La prueba de Tukey muestra el efecto sobre la mineralización de ARA, que fue


diferente en cada SM y condiciones de oxigenación, se encontraron 5 valores de
medias, el mayor correspondió a la SM1cp (Fig. 16).

700 ARA= Aceite


A residual
600 automotriz. SM
= Solución
B mineral.
500 sa = sin
agitación.
400 ca = con
ppm

agitación.
cp = con H2O2
300 C a 50 ppm
(Tukey 0.01).
200 D
100
E
0
SM1cp SM1ca SM1sa SM2sa Ctrl.

Figura 16. Efecto de dos SM y formas de oxigenación sobre la biodegradación


de ARA en 5 semanas.

El análisis de varianza de los resultados de la biodegradación del ARA en el SI,


expresado en ppm, con diferentes fuentes de oxigenación y la SM1 mostró diferencia
significativa en la respuesta de la población microbiana activa (Cuadro 15).

39
Cuadro 15. ANAVA de la biodegradación de ARA en el SI, con diferente
oxigenación en la SM1, durante 5 semanas. ___
FV GL SC CM F P>F
TRAT 3 1372303.2500 457434.406250 142115.5469 0.000
ERROR 16 51.500000 3.218750
TOTAL 19 1372354.750000
SI = Suelo impactado SM1= Solución mineral 1

La prueba de Tukey señala que existen cuatro grupos diferentes de valores (Figura
15) la SM1cp generó los mayores valores de biodegradación de aceite.

800 ARA = Aceite residual


A automotriz.
700 SI = suelo impactado.
B SM = Solución mineral.
600 sa = sin agitación.
ca = con agitación.
500 cp = con H2O2 50ppm.
ppm

C (Tukey 0.01).
400

300

200
D
100

0
SM1cp SM1ca SM1sa Ctrl.

Figura 17. Efecto de la SM1 y condiciones de oxigenación sobre la


biodegradación de ARA por la microflora activa en el SI por cinco semanas.

1.3. Medición de volátiles orgánicos y metales pesados.


Antes de iniciar el proceso de bioestimulación de la microflora inicial, se analizaron
los tres aceites. En el Cuadro 16 se muestran los diferentes componentes de ARI,
ARA y SI expresados en mg/l, así como las técnicas empleadas para cada
determinación, en dicho cuadro destacan los valores de plomo con 153.7 mg/l y de
zinc que registró 1157.5 mg/l, ambos en el ARA. Después del proceso de
bioestimulación con la SM1cp, se analizaron los aceites tratados. En el Cuadro 17 se
presentan los resultados obtenidos, los valores para el plomo y el zinc en el ARA
disminuyeron notablemente, con < 2.0 y < 7.58 mg/l respectivamente.

40
2. Efecto la SM3, H2O2 y un microcosmos cerrado en la biorremediación de un
suelo agrícola contaminado con ARA.

2.1. Propiedades fisicoquímicas.


Las propiedades fisicoquímicas del suelo empleado en esta prueba se expresan en
el Cuadro 18.

Cuadro 18. Propiedades fisicoquímicas del suelo muestreado


Parámetro Concentración Interpretación
Saturación 40.5 %
pH 7.2 Alcalino
Conductividad eléctrica 0.24 Mmhos/cm
Calcio 2.25 Meq/l
Magnesio 2.25 Meq/l
Carbonatos 0.00 Meq/l Libre de sales
Bicarbonatos 2.50 Meq/l
Cloruros 1.00 Meq/l
Sulfatos 1.00 Meq/l
Nitrógeno total 28.59 mg/l
Fósforo total 0.09 mg/l
Textura
Arena 68 %
Limo 22 % Franco arenoso
Arcilla 10 %
Materia orgánica 1.50 % Suelo pobre

2.2. Captación de CO2 en álcali.


La Fig. 18 muestra el efecto de estimulación de la SM3 sobre la producción de CO2
generada por la microflora activa del suelo agrícola contaminado con ARA, durante 8
semanas, con una dinámica de liberación de CO2 en función del tipo de
bioestimulación aplicada en el tratamiento, la máxima producción de CO2 se registró
en el suelo enriquecido con SM y H2O2 a 50 ppm con un máximo de 77.6 ppm, al
agregar solo SM la concentración de CO2 fue de 58 ppm. En el suelo sin ARA con
SM la cantidad fue de 47 ppm. Los resultados en los tres tratamientos fueron
diferentes en comparación con el control, donde no se indujo la producción de CO2.

43
90
SM3 = Solución
mineral 3.
80 ARA = Aceite
SM3 + H2O2 residual
70 automotriz.
H2O2 a 50 ppm.
60 Ctrl.= ARA + SM
ppm de CO2

SM3 estéril.
50

40
Sin ARA+SM3
30

20

10
Ctrl.
0
1 2 3 4 5 6 7 8
Semanas

Figura 18. Efecto de la SM3 y el H2O2 en la biorremediación de un suelo agrícola


contaminado con ARA.

El análisis de varianza del establece diferencia significativa en la producción de CO2


por la flora microbiana del suelo con los diferentes tratamientos (Cuadro 19)

Cuadro 19. ANAVA de la producción de CO2 generada por la microflora de un


suelo agrícola contaminado con ARA bajo diferentes tratamientos.
FV GL SC CM F P>F
TRAT 3 25026.281250 8342.093750 11061.0674 0.000
ERROR 28 21.117188 0.754185
TOTAL 31 25047.398438
ARA = Aceite residual automotriz

Los coeficientes de determinación del análisis de regresión de acuerdo con los


tratamientos, fueron los siguientes: para el control (SM + ARA estéril), 0.2450; SM,
0.9853; SM3 + ARA, 0.9774; SM3 + ARA + H2O2 a 50 ppm, 0.9885, estos valores
sugieren una correlación significativa entre los puntos obtenidos en cada tratamiento.
La prueba de medias señala diferencia en la respuesta a los tratamientos probados,
la SM3 + H2O2 estimularon la máxima producción de CO2 (Fig. 19).

44
90 SM3 = Solución
mineral 3.
80 A ARA = Aceite
residual
70 automotriz.
B H2O2 a 50 ppm.
ppm de CO2

60 Ctrl.= ARA + SM3


estéril.
50 C (Tukey 0.01).

40
30
20
10 D
0
SM3+H2O2 SM
SM3 SM sin
SM3 sin ARA
ARA Ctrl.

Figura 19. Efecto de la SM3 y el H2O2 en la biorremediación de un suelo agrícola


contaminado con ARA.

2.3. Determinación de grasas y aceites.


El análisis de varianza de los valores totales de la biodegradación del ARA por la
microflora del suelo agrícola estimulada con la SM3 y el H2O2 durante 8 semanas,
mostró diferencia significativa entre los tratamientos probados (cuadro 20).

Cuadro 20. ANAVA de los valores totales de biodegradación de ARA inducidos


por la SM3 y el H2O2 sobre la microflora de un suelo agrícola.
FV GL SC CM F P>F
TRAT 2 21307350.00 10653675.00 36526.88 0.000
ERROR 12 3500.00 291.6666
TOTAL 14 21310850.00
ARA = Aceite residual automotriz

45
En la prueba de Tukey se encontraron 3 grupos de valores donde la SM3 + H2O2
indujo la máxima biodegradación de ARA con 2884 ppm (Fig. 20).

A ARA = Aceite
3000 residual
automotriz.
SM3 = Solución
2500 mineral 3.
H2O2 a 50 ppm.
2000 Ctrl.= Control
estéril con ARA y
ppm

SM.
1500 (Tukey 0.01).

1000 B

500
C
0
SM+H2O2
SM3 + H2O2 SM3
SM Ctrl.

Figura 20. Efecto de la SM3 y el H2O2 en la biodegradación de ARA por la


microflora de un suelo agrícola

46
3. Efecto de diferentes factores y un microcosmos con flujo de aire en la
biorremediación de un suelo agrícola contaminado con ARA.

3.1. Captación de CO2 en álcali


En la Fig. 21 se ilustra el efecto de la SM3, H2O2 y fPch sobre la producción de CO2
con flujo de aire, por la microflora nativa de un suelo agrícola contaminado con ARA.
Se probó un control relativo sin ARA, enriquecido con la SM3, que estimuló la
mineralización de la materia orgánica al detectarse aumento en la producción de
CO2, y alcanzó un máximo de 44 ppm de CO2. En el suelo contaminado con ARA y
adicionado con la SM3, se incrementó la concentración de CO2 con respecto al
tiempo que llegó a 77.1 ppm. Cuando al suelo agrícola contaminado con ARA y
enriquecido con la SM3 se agregó H2O2 como fuente adicional de oxígeno, la
producción de CO2 por la microflora nativa fue de 94.3 ppm.

120 SM3 = solución


mineral 3.
fPch = filtrado de
100 Phanerochaete
SM3+fPch chrysosporium. ARA
= aceite residual
80 automotriz
SM3
ppm de CO2

H2O2 a 50 ppm

60 SM3+H2O2
Sin ARA+SM3
40

agua
20
SM3 estéril
0
2
1 24 6
3 84 10
5 12
6

Semanas
Semanas

Figura 21. Efecto de diversos factores y un flujo de aire sobre la microflora de


un suelo agrícola contaminado con ARA.

47
El suelo agrícola tratado con el ARA y enriquecido con la SM3 y el fPch, generó la
mayor producción de CO2 con 105.3 ppm.

En el suelo contaminado con ARA y regado solo con agua la producción de CO2 fue
de 19.4 ppm.

Finalmente, en el tratamiento 6 se muestra el suelo contaminado con ARA y


enriquecido con la SM3 en condiciones de esterilidad, en este caso la adición de la
SM3 no tuvo efecto sobre la producción de CO2.

80 T4
T3 D SM = solución
70 C mineral 3.
fPch = filtrado de
60 T2 T4 Phanerochaete
B chrysosporium. ARA
= Aceite residual
ppm de CO2

50
T1 automotriz.
A T2 H2O2 a 50 ppm.
40 (Tukey 0.01).

30
T5
20 E
T6
10 F

0
SM sin
1 ARA SM
2 SM+H2O2
3 SM+fPch
4 agua
5 SM 6estéril
Tratamientos probados

Figura 22. Efecto de diversos factores y un flujo de aire en la biorremediación


de un suelo agrícola contaminado con ARA.

La Fig. 22 muestra la comparación de medias según Tukey y los valores promedio,


de la producción de CO2 por la microflora nativa de un suelo agrícola contaminado
con ARA, bajo diferentes factores representados en 6 tratamientos. Cada uno ejerció
un efecto diferente entre sí sobre la flora microbiana nativa del suelo, la máxima
producción de CO2 se alcanzó en el suelo contaminado con ARA y tratado con SM3
+ fPch.

48
3.2. Determinación de grasas y aceites.
En la Fig. 23 se comparó el efecto de diferentes factores y el flujo de aire sobre la
máxima biorremediación de un suelo agrícola contaminado con ARA, en diferentes
períodos de tiempo. En las primeras 5 columnas se muestra el efecto del flujo de aire
continuo por 12 semanas (En el tratamiento 1 no se le agregó ARA, por lo tanto no
aparece en la figura).

En el tratamiento 2, suelo contaminado con ARA y enriquecido con SM3, se


degradaron 3900 ppm, en comparación con las 1290 ppm cuando no se aplicó el
flujo de aire.

T2 SM3
20000
T4
T3 SM3+H2O2
18000 T3
T4 SM3+fPch
ppm de ARA biodegradado

16000
T5 agua
14000
T4 T6 SM3
12000
T2 estéril
10000
SM3 = solución
T3
8000 mineral 3.
H2O2 a 50 ppm.
6000 fPch = filtrado de
T3 T2 T3 T4 T5 Phanerochaete
4000 T2 chrysosporium.
T4 T5
Pasto = Lolium
2000 T5 T2 T6
T5 T6 multiforum.
0 T6 T6
12 con aire 8 sin aire 16 con pasto 36 TOTAL

Tiempo en semanas
Semanas

Figura 23 Efecto de diferentes factores sobre la máxima biorremediación de un


suelo agrícola contaminado con aceite residual automotriz.

El tratamiento 3 con H2O2 y la SM3 generó un incremento en la cantidad de ARA


degradado, alcanzando 8200 ppm con flujo de aire y 4810 sin su aplicación.

49
En el suelo contaminado con ARA, enriquecido con la SM3 y el fPch (trat. 4) se
produjo un impacto positivo sobre la biodegradación del ARA; con flujo de aire fue de
12080 ppm, comparado con la biodegradación obtenida sin él, de 1810 ppm.

En el tratamiento 5, se muestra el suelo contaminado con ARA y adicionado con


agua, con aireación se detectaron 1310 ppm de ARA biodegradado y 830 sin aire.

En el suelo del tratamiento 6 enriquecido con la SM3 en condiciones de esterilidad,


se comprueba que el la biodegradación del ARA fue exclusivamente dependiente de
la actividad microbiana heterotrófica de los organismos activos, la cual, al eliminarse,
hizo imposible la biorremediación del suelo.

Esto se demuestra con los valores de biodegradación de 25 ppm con flujo de aire y
de solo 20 ppm en su ausencia. Si se comparan todos los tratamientos, en base a las
ppm de ARA degradado los mejores son el 4, 3 y 2. Siendo el tratamiento 4 más
efectivo que el 3 y el 2.

3.3. Fitorremediación.
Después de mantener los suelos con y sin flujo de aire, del impacto de cada uno de
los factores que se agregaron en cada tratamiento y con la finalidad de reducir al
máximo la concentración de ARA; en este suelo se colocaron plántulas del pasto L.
multiforum. Los resultados se muestran en la Fig. 23 donde se puede apreciar la
similitud entre las cantidades de ARA degradado en el suelo de los tratamientos 2, 3
y 4; con los valores: 4697, 5027 y 5075 ppm, respectivamente.

La Fig. 23 también ilustra el total de biodegradación de ARA por acción de la


microflora activa en el suelo agrícola, donde los mayores valores fueron de 18965
ppm para el tratamiento 4, 18037 ppm para el tratamiento 3 y de 10157 ppm para el
2, en un tiempo total de 36 semanas.

50
En el Cuadro 21 se presentan los resultados del análisis bifactorial del efecto de la
SM3, H2O2, fPch con y sin flujo de aire sobre la biorremediación del suelo agrícola
contaminado con ARA y las diferencias altamente significativas entre las estrategias
empleadas () para estimular la actividad biodegradadora de la microflora con y sin
flujo de aire.
Además, se señalan las diferencias significativas () entre los tratamientos utilizados,
en el caso del tratamiento 3 (c); con H2O2 + SM3 y 4 (d); suelo tratado con la SM3 +
fPch. Esto sugiere que la combinación de factores en los tratamientos 3 y 4,
estimularon la biorremediación del suelo agrícola contaminado con ARA.

CUADRO 21. Análisis bifactorial del efecto del flujo de aire sobre la
biodegradación de ARA en un suelo agrícola con diferentes factores
fisicoquímicos.
Condición F P Tratamiento X  E E
2 3 4 5
Con aire 1470.95 0.0000 SM3 SM3+H2O2 SM3+fPch H2O
12 semanas  23.32 34.18 44.06 6.4
0.666 0.188 0.0748 0.471
b c d e
Sin aire 110.849 0.0000 6.198  17.629  15.556  3.1964 
8 semanas  0.151 1.067 0.7388 0.2693
b c d e
 
Datos procesados de la biodegradación de ARA con y sin flujo de aire. SM3 = solución mineral
3. H2O2 a 5 ppm. fPch = filtrado de Phanerochaete chrysosporium. H2O =suelo con agua.

51
V. DISCUSIÓN

Los microorganismos observados en el agar aceite se desarrollaron muy lentamente,


esto sugiere dependencia entre las diversas poblaciones microbianas para degradar
compuestos orgánicos complejos, ya que en su forma natural conviven en
asociación, donde los productos metabólicos de unas especies pueden ser
aprovechados por otras, creando una interdependencia nutricional en los consorcios
microbianos (Kanaly et al., 2000).

Los microorganismos desarrollados en el agar aceite fueron morfológicamente


similares a los encontrados en los medios selectivos, entre los aislados a partir de
ARI, ARA y SI, se detectaron levaduras, hongos y actinomicetos, nativos de suelo,
pero en este caso sobrevivieron a pesar de los aceites residuales. En estudios
realizados en Brasil se aislaron de diesel (Bento y Gaylarde, 2001), también se
encontraron cocobacilos Gram negativos, enterobacterias provenientes de la
actividad humana, este grupo se detectó en investigaciones en agua salada y
sedimento como en la Bahía Chesapeake, EUA donde se reportó la oxidación de
petróleo (Austin et al., 1977). En un derrame experimental de petróleo en la costa de
Delaware, EUA, se observó un evidente incremento de bacterias Gram negativas al
enriquecer el área con una solución mineral que equilibró el desbalance nutricional
en ese sitio (Macnaughton et al., 1999). El desarrollo de estas poblaciones en
medios selectivos sugiere que tienen una amplia capacidad metabólica y tolerancia a
los agentes antimicrobianos, propiedad esencial de los microorganismos oxidantes
de hidrocarburos.

La literatura señala que las coliformes son capaces de oxidar hidrocarburos, y que
existe correlación entre esta propiedad bioquímica y la tolerancia a diversos agentes
antimicrobianos; se utilizaron medios selectivos para determinar el tipo de

52
microorganismos en el ARA, ARI y SI, método de investigación recomendada para
este propósito (Austin et al., 1977; Macnaughton et al., 1999; Martínez, 1997).

La producción de CO2 en medio líquido fue afectada por diferentes factores; en


primer lugar el origen del aceite residual, que influyó en la carga microbiana inicial.
En el caso del ARI; que al momento de su colecta circulaba por la planta industrial
mezclado con agua, con exposición a la materia orgánica desechada por los
trabajadores de la empresa, lo que probablemente aumentó la diversidad de su flora
microbiana inicial y la concentración de oxígeno. Comparado con las condiciones en
que se encontraba el ARA, en un depósito estático, sin agua, carente de materia
orgánica, anóxico, sin posibilidades de aumentar su carga microbiana inicial. Bento y
Gaylarde (2001) reportaron la importancia del agua para iniciar el desarrollo
microbiano en tanques con diesel. El SI empleado como fuente de inóculo
permaneció almacenado el tiempo suficiente para inducir la proliferación de
microorganismos oxidantes de ARA. Swannell y col. (1996) enfatizaron la capacidad
de los microorganismos para oxidar componentes del petróleo después de períodos
cortos de exposición.

Otro factor clave en este proceso fue la relación de nutrientes en la SM de prueba;


los resultados muestran una evidente diferencia en la producción de CO2 y en la
biodegradación de las fuentes de carbono del aceite residual, al probar dos
concentraciones de P-K para SM1 y SM2 con ARI, ARA y SI. La concentración de
nutrientes en la SM1 estimuló la máxima biodegradación de las fuentes de carbono
del aceite residual, este resultado no coincide con las recomendaciones de Adams y
colaboradores (1999) que sugieren una relación 100-10-1 de la fórmula N-P-K para
inducir la biodegradación de combustibles, lubricantes y petróleo crudo. Mientras que
Margesin y Schinner (2001) probaron una relación de 15-15-15 en N-P-K y
obtuvieron una reducción del 70% en la concentración de diesel en suelo. Lo anterior
sugiere que la relación adecuada de nutrientes dependerá del tipo de contaminante
que se pretende eliminar y de un análisis preliminar para garantizar la eficiencia del
proceso. Margesin y Schinner (2001) señalan que una concentración y relación

53
equilibrada de nutrientes inorgánicos esenciales, induce la actividad biodegradadora
de la diversidad microbiana presente.

En el suelo contaminado con ARA e irrigado solo con agua, la falta de N y P limitaron
la actividad microbiana nativa para la biodegradación del ARA a 19.4 ppm. En un
suelo contaminado con diesel se logró un 90% de biodegradación en 45 días al
agregar P y N mineral (Gallego et al., 2001). En el suelo contaminado con ARA y
enriquecido con la SM3 en condiciones de esterilidad, fue evidente que la
biodegradación del ARA depende de la microflora activa del suelo, el enriquecimiento
con la SM3 no tuvo efecto sobre la producción de CO2, pues se eliminó la flora nativa
del suelo, lo que sugiere que en efecto la mineralización de ARA depende de los
microorganismos activos en el suelo. Durante un proceso de biorremediación, se
demostró el aumento de la población microbiana de un suelo al tratarlo con [14C]
Benzo [a] pireno y petróleo crudo (Kanali et al., 1997).

Otro factor determinante para la biodegradación de hidrocarburos fue la fuente de


oxígeno donde el H2O2 fue una de las mejores alternativas recomendada tanto en
suelo, como para acuíferos (Backer et al.,1994; Wilson y Brown, 1989; Zappi et al.,
1997). El efecto observado se atribuyo a que el H2O2 incrementa el oxígeno
disponible en un ambiente acuífero saturado, puesto que el H2O2 se disocia en ½ mol
de oxígeno disuelto/mol de H2O2 : H2O2 + H2O --- 0.5 O2 + 2H2O (Hulling et al.,
1990; Morgan y Watkinson, 1992). En esta investigación la aplicación de H2O2 a 50
ppm indujo un efecto positivo, ya que como una fuente de oxígeno para el
biotratamiento “in situ” tiene las siguientes ventajas: es barato, no persistente,
estable, sin problemas de almacenaje, de fácil aplicación y no contamina (Britton,
1985).

La baja concentración de materia orgánica en el suelo agrícola favoreció la


biodegradación, de acuerdo con los reportes existentes, los suelos ricos en materia
orgánica requieren mayores volúmenes de H2O2 que al reaccionar con ésta, reduce

54
su concentración e incrementa el costo de la biorremediación (Aggaewal et al., 1991;
Barcelona y Holm, 1991; Zappi et al., 2000).

El tratamiento con SM1cp, en el ARA utilizado en esta investigación, redujo


notablemente las cantidades de Pb y Zn. Este fenómeno se ha observado en otros
estudios donde se reporta la existencia de microorganismos tolerantes a metales
pesados, con la capacidad de captar Pb+ en las proteínas y en los polisacáridos de
su pared celular (Kjaergaard et al., 2000; Richards et al., 2002). Se cree que esto
depende de la síntesis de enzimas y “fitoquelatinas” (Phitochelatins): péptidos ricos
en cisteína que se unen a metales pesados, estos péptidos se sintetizan en plantas y
levaduras (Sauge-Merle et al., 2003). Esto pudo deberse a que las levaduras
existentes en el ARA se activaron al contacto con la SM1cp para captar los metales
pesados. Los microorganismos activos, además de su tolerancia al Pb y Zn
demostraron capacidad para biodegradar ARA y la producción de CO2 derivada de la
misma, esto sugiere una doble bioestimulación de la flora microbiana. Se reporta la
capacidad de cultivos específicos y de la microflora del suelo para fijar cadmio tanto
en la membrana como intracelularmente y con capacidad para oxidar 500-μg ml-1 de
ácido 2-4 diclorofenoxiacético (Roane et al., 2001). Se probó la capacidad de los
microorganismos de suelo para captar plomo y oxidar glucosa marcada con C14
(Konopka et al, 1999).

Entre los factores evaluados en esta investigación, la aplicación del fPch fue clave en
suelo contaminado con ARA, este hongo está reconocido por su capacidad de
hidrolizar cloroaromáticos contaminantes del ambiente. Esta capacidad bioquímica
se atribuye a un sistema multienzimático productor de lignina-peroxidasas,
peroxidasas manganeso-dependiente, y un mecanismo generador de H2O2 (Michael,
1999; Reddy, 1993; Yadav et al., 1995). A pesar de que el ARA empleado como
contaminante contenía cantidades bajas de aromáticos, la aplicación del fPch
estimuló la producción de CO2 y la cantidad de ARA biodegradado. En el suelo
contaminado con ARA, enriquecido con la SM3 y el fPch se indujo un efecto positivo
sobre la biodegradación del ARA; con flujo de aire fue de 12080 ppm, posiblemente

55
la actividad enzimática del fPch se estimuló por el flujo de aire, en comparación con
la biodegradación observada sin aire, que fue de 1810 ppm. Es probable que las
enzimas sintetizadas por el sistema multienzimático y el mecanismo productor de
H2O2 estimularon la liberación de O2 para inducir la biodegradación del ARA. Esto
pudo deberse también a la participación de las enzimas del citocromo P450, que
constituyen una super familia de haem-thiolato monooxigenasas, algunas de las
cuales catalizan la hidroxilación de contaminantes orgánicos, (Masaphy et al.,1996;
Mehmood et al., 1997; Topal et al., 1996).

El suelo sembrado con del pasto L. multiflorum, después de la aplicación de los


diferentes factores mostró similitud en las cantidades de ARA biodegradado en los
tratamientos 2, 3 y 4; con los valores: 4697, 5027 y 5075 ppm, respectivamente
durante 16 semanas de incubación. Los tres tratamientos coinciden en que pueden
contener los remanentes de la SM que se agregó en las etapas previas del
experimento. En trabajos anteriores se estableció la importancia del equilibrio mineral
para estimular la fitorremediación (Linn y Mendelssohn, 1998). Otro factor crítico en
este trabajo fue que se empleó un suelo no esterilizado, donde la flora microbiana
nativa y activa de la rizósfera fue la responsable de llevar a cabo el proceso de
fitorremediación del suelo contaminado con el ARA. Esto ha sido ampliamente
estudiado en suelos contaminados con hidrocarburos poliaromáticos (Siciliano et al.,
2003).

En el suelo de los tratamientos 5 y 6 se muestran valores inferiores en la


biodegradación del ARA, el primero se humedeció solo con agua en la etapa previa
del experimento y mostró 2625 ppm de ARA biodegradado, es posible que los
remanentes de la SM hayan sido suficientes para estimular la actividad de la
microflora capaz de degradar ARA en la rizósfera. El suelo del tratamiento 6 se
mantuvo en esterilidad durante la investigación, esto prueba que la flora microbiana
activa del suelo es indispensable para la biodegradación (Cunningham et al., 1996;
Ferrera-Cerrato, 1997; Linn y Mendelssohn, 1998; Siciliano y Germida, 1998).

56
Falta mucho por hacer e investigar en cuanto a la degradación de aceites residuales,
como perspectivas de continuación podemos citar las siguientes:
1.- Probar si se eliminan los metales pesados en suelo al igual que en medio líquido.
a) Cómo se lleva a cabo el proceso de eliminación o transformación.
b) Quienes son los microorganismos responsables de dicho proceso.
2.- Qué enzimas están presentes y activas en el jugo enzimático y cuales actúan en
la biodegradación del aceite.
3.- Que parte de la mezcla de constituyentes del aceite es eliminada por la microflora
de la rizósfera de la planta.
4.- Qué tipo de plantas además del pasto pueden utilizarse para fitorremediar
suelos contaminados con ARA.

57
VI. CONCLUSIONES

El ambiente natural tiene la capacidad de amortiguar el efecto contaminante de


ARA para mantener el equilibrio mediante la microflora nativa del suelo.
Los consorcios microbianos del suelo pueden ser inducidos para utilizar ARA
como fuente de carbono y biodegradarlo.

En este estudio se demostró que tanto la microflora inicial de los aceites


residuales como la flora nativa del suelo agrícola, fueron estimuladas para su
biodegradación, así como en la biorremediación de un suelo agrícola
contaminado con ARA y que dicha capacidad fue potenciada con la aplicación
oportuna de las diferentes combinaciones de factores que facilitaron este
proceso.

Este es uno de los primeros trabajos realizados en México en relación con la


biorremediación de un suelo agrícola contaminado con ARA, lo cual abre
grandes expectativas para actuar y remediar procesos contaminantes causados
por estos productos.

58
VII. LITERATURA CITADA

Adams, S. R.; V. I. Domínguez. y Y. L. García. (1999). Potencial de la


biorremediación de suelo y agua impactados por petróleo en el trópico
mexicano. Terra, 17: 159-174.

Aggarwal, P.; J. Means; D. Downey and R. Hinchee. (1991). Use of Hydrogen


peroxide as an oxygen source for in situ biodegradation, Part II: Laboratory
studies. Journal Hazardous Materials, 27: 301-314.

American Petroleum Institute. (1986). Beneficial stimulation of bacterial activity


in ground waters containing petroleum products. API, 4442-4496 Washington,
D. C.

Aprill, W. and R. C. Sims. (1990). Evaluation of the use of prairie grasses for
stimulation polycyclic aromatic hydrocarbon treatment in soil. Chemosphere,
20: 253-265.

Atlas, R. M and C. E. Cerniglia. (1995). Bioremediation of petroleum pollutants.


Bio-Science, 45: 332-338.

Austin, B.; J. J. Calomiris; J. D. Walker and R. R. Colwell. (1977). Numerical


taxonomy and ecology of petroleum-degrading bacteria. Applied Environmental
Microbiology, 34: 60-68.

Barcelona, M. and T. Holm. (1991). Oxidation-Reduction capacities of acuifer


soils. Environmental Science Technology, 25:1565-1572.

Barry K. R.; G. M. Long and J. K. Sheldon. (1992). Applied bioremediation. En


Practical Environmental Bioremediation. Lewis Publishers, 11-26 p.

59
Bajpai, R.K. and M. E. Zappi. (1994). Additives for establishment of biologically
active zones during in situ bioremediation. Ann. N.Y. Acad. Sci. 25-38. p.

Bento, F. M. and C. C. Gaylarde. (2001). Biodeterioration of stored diesel oil:


studies in Brazil. International Biodeterioration & Biodegradation, 47: 107- 112.

Biederbeck, V. O.; O. T. Bouman and C. A. Campbell; L. D. Bailey; G. E.


Winkleman. (1996). Nitrogen benefits from four green-manure legumes in
dryland cropping systems. Canadian Journal of Plant Science, 76: 307-315.

Bogan, B. W.; B. Schoenike; R. T. Lamar and D. Cullen. (1996). Manganese


peroxidase mRNA and enzyme activity levels during bioremediation of
polycyclic aromatic hydrocarbon-contaminated soil with Phanerochaete
chrysosporium. Applied Environmental Microbiology, 62: 2381-2386.

Britton, L.N. (1985). Feasibility studies on the use of hydrogen peroxide to


enhance microbial degradation of gasoline. American Petroleum Institute.
Washington, D.C. 56-98 p.

Chayabutra, Ch. and L. Ju. (2000). Degradation of n-hexadecane and Its


metabolites by Pseudomonas aeruginosa under microaerobic and anaerobic
denitrifying conditions. Applied Environmental Microbiology, 66:493-498.

Cheung, P-Y. and B. K. Kinkle. (2001). Mycobacterium diversity and pyrene


mineralization in petroleum-contaminated soil. Applied Environmental
Microbiology, 67: 2222-2229.

Cookson, J.T. (1995). Treatability studies. in Bioremediation engineering:


design and application. McGraw-Hill, New York, U.S.A., 433-459 p.

Cunningham, S. D.; T. A. Anderson; A. P. Schwab and F.C. Hsu. (1996).


Phytoremediation of soils contaminated with organic pollutants. Advances in
Agronomy, 56: 55-114.

60
Dass, S. B.; G. C. Dosortez; C. A. Reddy and E. A. Grethlein. (1995).
Extracellular proteases produced by the wood degrading fungus
Phanerochaete chrysosporium under ligninolytic and non-ligninolytic
conditions. Archives of Microbiology, 163:254-258.

Dinkla, J.T.; M. E. Gabo and B. C. Janssen. (2001). Effects of iron limitation on


the degradation of toluene by Pseudomonas strains carrying the TOL (pWWO)
plasmid. Applied Environmental Microbiology, 67: 3406-3412.

EPA-200.7. (1994). Environmental Protection Agency. Metals and trace


elements by ICP/ atomic emission spectrometry “Methods for the determination
of metals in environmental samples – Suplement 1”, EPA/600/R-94/111. May
1994.

EPA-300.0. (1993). Environmental Protection Agency. Environmental


Monitoring systems laboratory. Office of research and development, USEPA
Method 300.0, Determination of inorganic anions by ion chromatography, EPA-
600/R-93-100. August 1993.

EPA-8082. (1997). Environmental Protection Agency. Method 8082:


Polychlorinated biphenyls (PCBs) by gas chromatography.
http://www.epa.gov/eoaoswer/hazwaste/test/pdfs/8082.pdf

EPA-sw. (1997). Environmental Protection Agency, solid waste. Method


8021B, Aromatic and halogenated volatiles by gas chromatography using
photoionization and/or electrolytic conductivity detectors.
http://www.epa.gov/epaoswer/hazwaste/test/pdfs/8021b.pdf.

EPA-sw-8260. (1997). Environmental Protection Agency, solid waste. Method


8260B, Volatile organic compounds by gas chromatography/mass
spectrometry (GC/MS).
http://www.epa.gov/epaoswer/hazwaste/test/pdfs/8260b.pdf.

61
Fan, S. and K. M. Scrow. (1993). Biodegradation of trichloroethylene and
toluene by indigenus microbial populations in soil. Applied Environmental
Microbiology, 59:1911-1918.

Ferrera-Cerrato, R. (1997) Impacto de la contaminación por hidrocarburos


sobre el desarrollo de las plantas y de los microorganismos de la raíz. En:
Simposium sobre Biorremediación de Suelos y Acuíferos. CINVESTAV-IPN.
México D. F. 13-25 p.

Fogel, S.; R. Norris; E. Crockett and M. Findlay. (1988). Enhanced


Bioremediation Techniques for in situ and on-site treatment of petroleum-
contaminated soils and groundwater. In Proceedings of the 3rd conference on
environmental and public health effects of soils contaminated with petroleum,
Amherst, MA, Sept.

Gallego, L. R.; J. Loredo; J. F. Llamas.; F. Vázquez and J. Sánchez. (2001).


Bioremediation of diesel-contaminated soils: Evaluation of potential in situ
techniques by study of bacterial degradation. Biodegradation, 12: 325-335.

Goldsmith, C. and R. Balderson. (1989). Biokinetic constants of a mixed


microbial culture with model diesel fuel. Hazardous Waste, 6: 145-154.

Gonzalez, F. J. (1998). The study of xenobiotic-metabolizing enzymes and


their role in toxicity in vivo using targeted gene disruption. Toxicology Letters,
102: 161-166.

Guengerich, F. P. (1993). Cytochrome P450 enzymes. American Science, 81:


440-447.

Gunther, T.; U. Dornberg and W. Fritsche. (1996). Effects of ryegrass on


biodegradation of hydrocarbons in soil. Chemosphere, 33: 203-215.

62
Holm, P. E.; P. H. Nielsen; H. J. Albrechtsen and T. H. Christensen. (1992).
Importance of unattached bacteria and bacteria attached to sediment in
determining potentials for degradation of xenobiotic organic contaminants in an
aerobic aquifer. Applied Environmental Microbiology, 58: 3020-3026.

Horvath, R. S. (1972). Microbial co-metabolism and the degradation of organic


compounds in nature. Bacteriol. Rev., 36: 146-155.

Huling, S. G.; B. E. Bledsoe and M. V. White. (1990). Enhanced bioremediation


utilizing hydrogen peroxide as a supplemental source of oxygen: a laboratory
and field study; U.S. Enviromental Protection Agency, Report No.600/S2-
90/006;

Johnson, P. C.; M.W. Kemblowski and J. D. Colhart. (1990). Quantitative


analysis for the cleanup of hydrocarbon-contaminated soils by in-situ soil
venting. Groundwater : 28: 156-167.

Kanaly, R. A.; R. Bartha; S. Fogel and M. Findlay. (1997). Biodegradation of


[14C] benzo [a] pyrene added in crude oil to uncontaminated soil. Applied
Environmental Microbiology, 63: 4511-4515.

Kanaly, R. A.; R. Bartha; K. Watanable and S. Hrayama. (2000). Rapid


mineralization of benzo [a] pireno by a microbial consortium growing on diesel
fuel. Applied Environmental Microbiology, 66: 4205-4211.

Karickhoff, S. W. (1984). Organic pollutant sorption in aquatic systems. Journal


Hydrology Engineering, 7: 110-707.

Kjaergaard, K.; J. K. Sorensen; M. A. Schembri and P. Klemm. (2000).


Sequestration of zinc oxide by fimbrial designer chelators. Applied
Environmental Microbiology, 66: 10-14.

63
Konopka, A.; T. Zakharova; M. Bischoff; L. Oliver; C. Nakatsu and R. F. Turco.
(1999). Microbial biomass and activity in lead-contaminated soil. Applied
Environmental Microbiology, 65: 2256-2259.

Kuei-Jyum, Y. C.; Y. Kao and C. Cheng. (2002). Oxidation of chlorophenols in


soil at natural pH by catalyzed hydrogen peroxide: the effect of soil organic
matter. Chemosphere, 46: 67-73.

Lawes, B. C. (1991). Soil-Induced descomposition of hydrogen peroxide, In-


situ bioreclamation: Applications and investigations for hydrocarbon and
contaminated site remediation. (Eds.), Butterworth-Heinemann, Stoneham,
Mass., 143-156 p.

Leahy, J. G. and R. R. Colwell. (1990). Microbial degradation of hydrocarbons


in the environment. ASM Microbiol. Rev. : 305 – 315.

Leal-Castillo, M.; J. M. Sánchez-Yañez.; J. J. Peña-Cabriales. (1994). Efecto


de biocidas en un fluido de corte. En: VII Congreso Nacional de la Sociedad
Polimérica de México. (Academia Mexicana de Ciencia de Materiales A.C.).
Cancun, México, 2 p.

Ley General del Equilibrio Ecológico y la Protección al Ambiente. (2001).


Diario Oficial de la Federación. SEMARNAT, México 31 de diciembre.

Lin, Q. and I. A. Mendelssohn. (1998). The combined effects of


phytoremediation and biostimulation in enhancing habitat restoration and oil
degradation of petroleum contaminated wetlands. Ecological Engineering, 10:
263-274.

Lorraine, A. S. (1973). Microbiology Laboratory Manual and Workbook. Mosby


Co. Saint Louis, U.S.A., 57-68 p.

64
Macnaughton, S. J.; J. R. Stephen; A. D. Venosa; G. A. Davis; Y. Chang and
D.C. White. (1999). Microbial population changes during bioremediation of an
experimental oil spill. Applied Environmental Microbiology, 65: 3566-3574.

Margesin R. and F. Schinner. (2001). Bioremediation (natural attenuation and


biostimulation) of a diesel-oil-contaminated soil in an alpine glacier skiing area.
Applied Environmental Microbiology, 67: 3127-3133.

Masaphy S.; D. Levanon; Y. Henis; K. Venkateswarlu and S. L. Kelly. (1996).


Evidence for cytochrome P-450 and P-450 mediated benzo(a)pyrene
hydroxylation in the white-rot fungus Phanerochaete chrysosporium. FEMS
Lett., 135: 51-55.

Mehmood Z.; D. E. Kelly and S. L. Kelly. (1997). Cytochrome P4503A4


mediated metabolism of 2,4-Dichlorophenol. Chemosphere , 34: 2281-2291.

Michael, F. (1999). Microbe of the month: Phanerochaete chrysosporium.


International Society for Microbial Ecology, http://www.microbes.org/microbes/
phanero.htm

Millburn, P. (1995). The fate of xenobiotics in mammals: biochemical


processes. Progress in pesticide biochemistry and toxicology, 8: 1-86.

Mishra, S.; J. Jyot; R. C. Kuhad and B. Lal. (2001). Evaluation of inoculum


addition to stimulate in situ bioremediation of oily-sludge-contaminated-soil.
Applied Environmental Microbiology, 67: 1675-1681.

Morgan, P. and R. J. Watkinson. (1992). Factors limiting the supply and


efficiency of nutrient and oxygen supplements for the in situ bioteatment of
contaminated soil ang gruwndwater. Water Research, 26: 73-78.

Nelson, M. J. K.; S.O. Montgomery; E. J. Ö‫׳‬Neil and P. H. Pritchard. (1986).


Aerobic metabolism of trichloroethylene by a bacterial isolate. Applied
Environmental Microbiology, 52:383-384.

65
NMX-AA-005-SCFI-2000. (2000). Norma Mexicana calidad del agua-
determinación de grasas y aceites recuperables en aguas naturales,
residuales y residuales tratadas. Diario Oficial de la Federación, México, 18 de
diciembre .

NMX-AA-008-SCFI-2000. (2000). Norma Mexicana calidad del agua-


determinación de pH. Diario Oficial de la Federación, México, 18 de diciembre.

NMX-AA-026-SCFI-2001. (2001). Norma Mexicana calidad del agua-


determinación de Nitrógeno total Kjeldahl en aguas naturales, residuales y
residuales tratadas. Diario Oficial de la Federación, México, 17 de abril.

NMX-AA-072-SCFI-2001. (2001). Norma Mexicana calidad del agua-


determinación de dureza total en aguas naturales, residuales y residuales
tratadas. Diario Oficial de la Federación, México, 13 de agosto.

NOM-052-ECOL-SEMARNAT-93. (1993).Norma Oficial Mexicana para la


Protección Ambiental. Características de los residuos peligrosos, listado y
límites que hacen a un residuo peligroso por su toxicidad al ambiente. Diario
Oficial de la Federación, México, 22 de Octubre.

Ogino, H.; K. Miyamoto and H. Ishikawa. (1994). Organic solvent-tolerant


bacterium which secrete organic-solvent-stable lipolytic enzime. Applied
Environmental Microbiology, 60:3884-3886.

Qiu, X.; T. W. Leland; S. I. Shah; D. L. Sorensen and E. W. Kendall. (1997).


Grass remediation for clay soil contaminated with polycyclic aromatic
hydrocarbons. Phytoremediation of Soil and Water Contaminants. American
Chemical Society: Washington, D.C. ACS Symposium Series, 664: 186-199.

66
Radwan, S.S.; H. Al-Awadhi; N. A. Sorkhoh and I. M. El-Nemr. (1998).
Rhizospheric hydrocarbon-utilizing microorganisms as potential contributors to
phytoremediation for the oily Kuwaiti desert. Microbiological Research, 153:
247-251.

Ramanand, K. ; M. Sharmila and N. Sethunathan. (1988). Mineralization of


carbofuran by a soil bacterium. Applied Environmental Microbiology, 54: 2129-
2133.

Reddy, C. A. (1993). An overview of the recent advances on the physiology


and molecular biology of lignin peroxidases of Phanerochaete chrysosporium.
Journal Biotechnology, 30: 91-107.

Richards, J. W.; G. D. Krumholz; G. D. Chval and L. S. Tisa. (2002). Heavy


metal resistance patterns of Frankia strains. Applied Environmental
Microbiology, 68: 923-927.

Roane, T. M.; K. L. Josephson and I. L. Pepper. (2001). Dual-Bioaugmentation


strategy to enhance remediation of cocontaminated soil. Applied Environmental
Microbiology, 67: 3208-3215.

Rojas, A.N.; V. R. Rodríguez; B. S Saval y G. F. Esparza. (1997). Tratamiento


por bioestimulación de un suelo altamente contaminado con el arocloro 1260
(bifenilos policlorados). En: Symposium Biorremediación de Suelos y
Acuíferos. CINVESTAV-IPN. México D.F., 50-59 p.

Sauge-Merle, S.; S. Cunié; P. Carrier; C. Lecompte-Pradines; L. Doan-Trung


and G. Peltier. (2003). Enhanced toxic metal accumulation in engineered
bacterial cells expressing Arabidopsis thaliana phytochelatin synthase. Applied
Environmental Microbiology, 69: 490-494.

67
Schnoor, J. L.; L. A. Licht; S. C. McCutcheon; N. L. Wolfe and L. H. Carreira.
(1995). Pytoremediation of organic and nutrient contaminants. Environmental
Science and Technology, 29: 318-323.

Siciliano, S. D. and J. J. Germida. (1998). Mechanisms of phytoremediation:


biochemical and ecological interactions between plants and bacteria.
Environmental Review, 6: 65-79.

Siciliano, S. D.; N. Fortin; M. Anca; G. Wisse; S. Labelle; D. Beaumier; D.


Ouellette; R. Real; L. G. Whyte; M. K. Banks; P. Schwab; K. Lee; C. W. Greer.
(2001). Selection of specific endophytic bacterial genotypes by plants in
response to soil contamination. Applied Environmental Microbiology, 67: 2469-
2475.

Siciliano, S. D.; J. J. Germida; K. Banks; C. W. Geer. (2003). Changes in


microbial community composition and function during a polyaromatic
hydrocarbon phytoremediation field trial. Applied Environmental Microbiology,
69: 483-489.

Sims, R. C. and R. M. Overcash. (1983). Fate of polynuclear aromatic


compounds (PNAs) in soil-plant systems. Residue Reviews,.88: 1-64.

Spencer, C. J.; P. C. Stanton and R. J. Watts. (1996). A central composite


rotatable analisis for the catalyzed hydrogen peroxide remediation of diesel-
contaminated soils. Journal of the Air & Waste Management Association, 46:
1067–1074.

Swannell, R. P.; K. Lee. and M. McDonagh. (1996). Field evaluations of marine


oil spill bioremediation. Microbiol Review, 60: 342-365.

Topal, A.; N. Adams; E. Hodgson and S.L. Kelly. (1996) In vitro metabolism of
atrazine by tulip cytochrome P450. Chemosphere, 32: 1445-1451.

68
Thomas, J. and C. Ward. (1989). In situ Biorestoration of organic contaminants
in the subsurface. Environmental Science and Technology, 23: 7-14.

Vance, D. B. (1996). Phytoremedition: enhancing natural attenuation


processes. National Environmental Journal, 6: 30-31.

Van den Wijngaard, A. J.; R. D. Wind and D. B. Janssen. (1993). Kinetics of


bacterial growth on chlorinated aliphatic compounds. Applied Environmental
Microbiology, 59: 2041-2048.

Verrhiest G.J.; B.Clément; B. Volat; B. Montuelle and Y. Perrodin. (2002).


Interactions between a polycyclic aromatic hydrocarbon mixture and the
microbial communities in a natural freshwater sediment. Chemosphere, 46:
187-196.

Volc, J.; E. Kubatova; G. Daniel and V. Prikrylova. (1996). Only C-2 specific
glucose oxidase activity is expressed in ligninolitic cultures of the white rot
fungus Phanerochaete chrysosporium. Archives of Microbiology, 165: 421-424.

Walker, J. D. and R. R. Colwell. (1974). Microbial petroleum degradation: use


of mixed hidrocarbon substrates. Applied Environmental Microbiology, 27:
1053-1060.

Walpole, E. R. and R. H. Meyers. (1992). Experimentos generales de un solo


factor y Experimentos factoriales En: Probabilidad y Estadística. Tercera
edición. Mc Graw-Hill, México. 565-570 p.

Wilson, S. and R. Brown. (1989). In situ bioreclamation: a cost-effective


technology to remediate subsurface organic contamination. Ground Water
Monitor Review, 9: 1-25.

Xu, J. G. and R. L. Johnson. (1997). Nitrogen dynamics in soils with different


hydrocarbon contents planted to barley and field pea. Canadian Journal of Soil
Science, 77: 453-458.

69
Yadav, J. S.; J. F. Quensen III; J.M. Tiedje and C. A. Reddy. (1995).
Degradation of polychlorinated biphenil mixtures (aroclors 1242, 1254, and
1260) by the white rot fungus Phanerochaete chrysosporium as evidence by
congener-specific analysis. Applied Environmental Microbiology, 61: 2560-
2565.

Yoshitomi, K. J. and J. R. Shann. (2001). Corn (Zea mays L.) root exudates
14
and their impact on C-pyrene mineralization. Soil Biology and Biochemistry,
33: 1767-1776.

Zappi, M.; D. Gunnison; J. Pennington; M. Cullinane; C. Teeter; J. Brannon


and T. Myers. (1997). Technical approach for in situ biotreatment research:
bench scale experiments; WES Report No.IRRP-93-3; USAE Waterways
Experiment Station: Vicksburg, MS.

Zappi, M.; K. White and H. Hwang. (2002). The fate of hydrogen peroxide as
an oxygen source for bioremediation activities within saturated aquifer
systems. Journal of the Air & Waste Management Association, 50: 1818-1830.

70
ANEXO I
ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN DE CO2 EXPRESADA EN PPM
EN LOS DIFERENTES TRATAMIENTOS

Efecto de la solución mineral No.1 sin agitación (SM1sa), en diferentes aceites

Aceite residual industrial (ARI)


1 2 3 4 5 suma media
4.6 4.7 4.5 4.8 4.9 23.5 4.7
4.9 5.7 6.1 4.5 6.3 27.5 5.5
5.9 6.8 5 6.7 6.6 31 6.2
6.8 7.1 7.5 6.7 6.9 35 7
7.7 7.5 7.6 8.2 8.5 39.5 7.9
Aceite residual automotriz (ARA)
1 2 3 4 5 suma media
3.4 2.9 3.5 2.8 3.4 16 3.2
3.9 3.5 4 3.7 3.9 19 3.8
4.5 4.9 5 4.8 4.3 23.5 4.7
4.9 5.1 5.0 4.8 5.2 25 5
5.4 4.9 4.9 5.5 5.3 26 5.2
Suelo Impactado (SI)
1 2 3 4 5 suma media
4.64 4.8 4.7 4.6 4.66 23 4.68
5.3 5.6 5.8 5.9 6 28.6 5.72
6 6.6 6.3 6.2 6.5 31.6 6.32
7.1 7.2 6.9 7.5 7.4 36.1 7.22
7.5 7.6 7.7 7.8 7.9 38.5 7.7
Control absoluto
1 2 3 4 5 suma media
0.314 0.3 0.36 0.29 0.26 1.524 0.3048
0.32 0.34 0.36 0.36 0.38 1.76 0.352
0.29 0.32 0.33 0.28 0.34 1.56 0.312
0.33 0.35 0.29 0.35 0.33 1.65 0.33
0.36 0.37 0.34 0.35 0.34 1.76 0.352

ANÁLISIS DE VARIANZA
FV GL SC CM F P>F
Tratamientos 3 185.060608 61.686871 850.3809 0.000
Error 16 1.160645 0.072540
Total 19 186.221252

C V = 5.09%

71
Tabla de Medias
Tratamiento rep Media Nivel de significancia 0.01 α = 0.99
1 5 7.900 A Tukey = 0.6251
2 5 5.200 B Nivel de significancia 0.05 α= 0.95
3 5 0.352 C Tukey = 0.8100
4 5 7.700 A
valores de tablas (0.05), (0.01)= 4.05, 5.19

Los tratamientos 1 y 4 son semejantes


DMS = 0.4976

Tratamientos
1 = ARI
2 = ARA
3 = Ctrl
4 = SI

REGRESIÓN ARI
TABLA DE DATOS
Y X1
4.700 1.000
5.500 2.000
6.200 3.000
7.000 4.000
7.900 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
31.300000
101.800000

VECTOR DE COEFICIENTES DE REGRESION (B)


3.890000
0.790000

72
ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 6.241000 6.241000 1702.0909 0.000
ERROR 3 0.011000 0.003667
TOTAL 4 6.252000

ARI COEFICIENTE DE DETERMINACION = 0.9982

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.004033 -0.001100
-0.001100 0.000367

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS

Coeficiente tc p
B0 61.251615 0.000050
B1 41.256404 0.000080

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 3.890000 3.691345 4.088655
B1 0.790000 0.730103 0.849897

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA

Coeficiente B L.I. L.S.

B0 3.890000 3.519047 4.260953


B1 0.790000 0.678153 0.901847

73
T A B L A D E D A T O S ARA
---------------------
Y X1
---------------------
3.200 1.000
3.800 2.000
4.700 3.000
5.000 4.000
5.200 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
21.900000
70.900000

VECTOR DE COEFICIENTES DE REGRESION (B)


2.820000
0.520000

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 2.704000 2.704000 44.0870 0.006
ERROR 3 0.184000 0.061333
TOTAL 4 2.888000

ARA COEFICIENTE DE DETERMINACION = 0.9363

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.067467 -0.018400
-0.018400 0.006133

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 10.856866 0.001360
B1 6.639801 0.005830

74
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 2.820000 2.007522 3.632478
B1 0.520000 0.275029 0.764971

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 2.820000 1.302838 4.337162
B1 0.520000 0.062559 0.977441

SI
TABLA DE DATOS
Y X 1____
4.680 1.000
5.720 2.000
6.320 3.000
7.220 4.000
7.700 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

SI
MATRIZ X' Y
31.640000 102.460000

VECTOR DE COEFICIENTES DE REGRESION (B)


4.066000
0.754000

75
ANALISIS DE VARIANZA

FV GL SC CM F P>F

REGRESION 1 5.685160 5.685160 217.2119 0.001


ERROR 3 0.078520 0.026173
TOTAL 4 5.763680

SI COEFICIENTE DE DETERMINACION = 0.9864

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.028791 -0.007852
-0.007852 0.002617

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 23.963018 0.000210
B1 14.738111 0.000610

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 4.066000 3.535247 4.596753
B1 0.754000 0.593972 0.914028

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 4.066000 3.074910 5.057090
B1 0.754000 0.455175 1.052825

Ctrl.
TABLA DE DATOS
Y X1
---------------------
0.300 1.000
0.350 2.000
0.310 3.000
0.330 4.000
0.350 5.000

76
MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
1.640000
5.000000

VECTOR DE COEFICIENTES DE REGRESION (B)


0.304000
0.008000

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 0.000640 0.000640 1.3333 0.333
ERROR 3 0.001440 0.000480
TOTAL 4 0.002080

Ctrl. COEFICIENTE DE DETERMINACION = 0.3077

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.000528 -0.000144
-0.000144 0.000048

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 13.229902 0.000800
B1 1.154701 0.332600

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 0.304000 0.232124 0.375876
B1 0.008000 -0.013671 0.029671

77
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 0.304000 0.169784 0.438216
B1 0.008000 -0.032468 0.048468

Efecto de la solución mineral No.2 sin agitación (SM2sa), sobre la flora


microbiana presente en diferentes tipos de aceites
ARI
1.6 1.5 1.4 1.8 1.2 7.5 1.5
1.8 1.95 1.77 2.3 2.5 10.32 2.064
2.18 2.3 2.4 2.1 2.3 11.28 2.256
2.4 2.1 2.32 2.3 2.28 11.4 2.28
2.3 2.6 2.7 2.4 2.5 12.5 2.5
ARA
2.89 3.25 3.38 3.2 2.99 15.71 3.142
3.9 4.4 4.4 4.3 4.2 21.2 4.24
3.9 5.0 4.8 4.2 4.7 22.6 4.52
4.9 4.5 5.0 5.0 4.6 24 4.8
4.8 5.2 4.7 5.3 5.0 25 5.0
CTRL
0.29 0.28 0.33 0.32 0.34 1.56 0.312
0.28 0.29 0.32 0.34 0.33 1.56 0.312
0.27 0.30 0.33 0.35 0.32 1.57 0.314
0.3 0.27 0.28 0.34 0.29 1.48 0.296
0.31 0.26 0.29 0.35 0.30 1.51 0.302

ANALISIS DE VARIANZA
FV GL SC CM F P>F
TRATAMIENTOS 2 55.254028 27.627014 910.0980 0.000
ERROR 12 0.364273 0.030356
TOTAL 14 55.618301
C.V. = 6.70 %

TABLA DE MEDIAS
TRATA. REP. MEDIA
1 5 2.500000 ARI
2 5 5.000000 ARA
3 5 0.302000 CTRL

78
RESULTADOS DE LA COMPARACION DE MEDIAS
TRATAMIENTO MEDIA
2 5.0000 A
1 2.5000 B
3 0.3020 C

NIVEL DE SIGNIFICANCIA = 0.05


VALORES DE DMS
dms( 2 1 ) = 0.2401
dms( 2 3 ) = 0.2401
dms( 1 2 ) = 0.2401
dms( 1 3 ) = 0.2401
dms( 3 2 ) = 0.2401
dms( 3 1 ) = 0.2401

NIVEL DE SIGNIFICANCIA = 0.01


VALORES DE DMS
dms( 2 1 ) = 0.3366
dms( 2 3 ) = 0.3366
dms( 1 2 ) = 0.3366
dms( 1 3 ) = 0.3366
dms( 3 2 ) = 0.3366
dms( 3 1 ) = 0.3366

NIVEL DE SIGNIFICANCIA = 0.05 0.01

TUKEY = 0.2938 0.3927


VALORES DE TABLAS (0.05), (0.01) = 3.77, 5.04

REGRESIÓN ARI
TABLA DE DATOS
Y X1
1.500 1.000
2.064 2.000
2.256 3.000
2.280 4.000
2.500 5.000

MATRIZ X'X
5 15
15 55

79
MATRIZ INVERSA DE X'X
1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
10.600000
34.016000

VECTOR DE COEFICIENTES DE REGRESION (B)


1.455200
0.221600

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 0.491066 0.491066 17.3386 0.023
ERROR 3 0.084966 0.028322
TOTAL 4 0.576032

ARI COEFICIENTE DE DETERMINACION = 0.8525

MATRIZ DE VARIANZAS Y COVARIANZAS DE B

0.031154 -0.008497
-0.008497 0.002832

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p
B0 8.244482 0.003030
B1 4.163962 0.023380

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA

Coeficiente B L.I. L.S.


B0 1.455200 0.903089 2.007311
B1 0.221600 0.055132 0.388068

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA

80
Coeficiente B L.I. L.S.
B0 1.455200 0.424229 2.486171
B1 0.221600 -0.089250 0.532450

ARA
TABLA DE DATOS
Y X1
3.142 1.000
4.240 2.000
4.520 3.000
4.800 4.000
5.000 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X

1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
21.702000
69.382000

VECTOR DE COEFICIENTES DE REGRESION (B)


3.057600
0.427600

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 1.828418 1.828418 18.5072 0.021
ERROR 3 0.296386 0.098795
TOTAL 4 2.124803

ARA COEFICIENTE DE DETERMINACION = 0.8605

81
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
0.108675 -0.029639
-0.029639 0.009880

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p
B0 9.275053 0.002140
B1 4.301994 0.021300

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 3.057600 2.026428 4.088772
B1 0.427600 0.116690 0.738510

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 3.057600 1.132065 4.983135
B1 0.427600 -0.152971 1.008171

Ctrl.
TABLA DE DATOS
Y X1
0.312 1.000
0.312 2.000
0.314 3.000
0.296 4.000
0.302 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

82
MATRIZ X'Y
1.536000
4.572000

VECTOR DE COEFICIENTES DE REGRESION (B)


0.318000
-0.003600

ANALISIS DE VARIANZA

FV GL SC CM F P>F
REGRESION 1 0.000130 0.000130 3.3750 0.163
ERROR 3 0.000115 0.000038
TOTAL 4 0.000245

COEFICIENTE DE DETERMINACION = 0.5294

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.000042 -0.000012
-0.000012 0.000004

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p
B0 48.928868 0.000070
B1 -1.837117 0.163110

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 0.318000 0.297670 0.338330
B1 -0.003600 -0.009730 0.002530

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 0.318000 0.280038 0.355962
B1 -0.003600 -0.015046 0.007846

83
Efecto de la solución mineral No.1 con agitación (SM1ca), en diferentes aceites
ARI
1 2 3 4 5 Suma media
8.12 7.93 8.3 7.4 7.23 38.98 7.796
10 11.3 10.4 8.99 9.8 50.49 10.098
11.5 11.5 12.5 12 10 57.5 11.5
12.5 13.4 12.88 12.9 13 64.68 12.936
14.2 15.7 15.5 14.6 14.5 74.5 14.9
ARA
1 2 3 4 5 suma media
5.9 6.8 6.3 6.82 6.8 32.62 7.84
7.6 7.8 7.5 8.1 8.2 39 7.84
9.5 8.4 9.9 9.8 9.1 46.7 9.34
10.6 11.7 11.6 11.8 11.8 57.5 11.5
13.3 13.5 12.9 13 12.5 65.2 13.04
SI
1 2 3 4 5 suma media
5.9 6.6 6.8 5.9 6.5 31.7 6.34
9.2 8.7 8.6 8.9 9.2 44.6 8.92
10.6 10.7 9.9 10.8 10.6 52.6 10.52
13.2 14 13.5 13.8 14 68.5 13.7
14.9 15.6 15.9 14.8 15.4 17.6 15.32
Ctrl.
1 2 3 4 5 suma media
0.314 0.3 0.36 0.29 0.26 1.524 0.3048
0.32 0.34 0.36 0.36 0.38 1.76 0.352
0.29 0.32 0.33 0.28 0.34 1.56 0.312
0.33 0.35 0.29 0.35 0.33 1.65 0.33
0.36 0.37 0.34 0.35 0.34 1.76 0.352

Análisis de Varianza
FV GL SC CM F P>F
Tratamientos 3 756.8813 252.2937 1261.1033 0.000
Error 16 3.2009 0.2000
Total 19 760.0822
C.V. = 4.10%
TABLA DE MEDIAS
TRATAMIENTO MEDIA
3 15.3200 A
1 14.9000 A
2 13.0400 B
4 0.3520 C

84
NIVEL DE SIGNIFICANCIA = 0.01 0.05
TUKEY = 1.0380 0.8100

VALORES DE TABLAS (0.05), (0.01) = 4.05, 5.19

REGRESIÓN ARI
TABLA DE DATOS
ppm de CO2 Y X 1 semanas
7.790 1.000
10.090 2.000
11.500 3.000
12.930 4.000
14.400 5.000
MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X

1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
56.710000
186.190000

VECTOR DE COEFICIENTES DE REGRESION (B)


6.524000
1.606000

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 25.792360 25.792360 266.8911 0.000
ERROR 3 0.289920 0.096640
TOTAL 4 26.082280

ARI COEFICIENTE DE DETERMINACION = 0.9889

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.106304 -0.028992
-0.028992 0.009664

85
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
OBSERVADOS
Coeficiente tc p
B0 20.009634 0.000300
B1 16.336803 0.000470

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESION AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 6.524000 5.504138 7.543862
B1 1.606000 1.298500 1.913500

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 6.524000 4.619583 8.428417
B1 1.606000 1.031797 2.180203

ARA
TABLA DE DATOS
Y X1
6.520 1.000
7.840 2.000
9.340 3.000
11.500 4.000
13.040 5.000
-----------------------------------------------

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
48.240000
161.420000

86
VECTOR DE COEFICIENTES DE REGRESION (B)
4.638000
1.670000

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 27.889000 27.889000 429.7668 0.000
ERROR 3 0.194680 0.064893
TOTAL 4 28.083680

ARA COEFICIENTE DE DETERMINACION = 0.9931

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.071383 -0.019468
-0.019468 0.006489

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 17.359386 0.000410
B1 20.730818 0.000280

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 95% DE CONFIANZA

Coeficiente B L.I. L.S.

B0 4.638000 3.802276 5.473724


B1 1.670000 1.418020 1.921980

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 4.638000 3.077429 6.198571
B1 1.670000 1.199470 2.140530

87
SI T A B L A D E D A T O S
Y X1
6.340 1.000
8.920 2.000
10.520 3.000
13.700 4.000
15.320 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
54.800000
187.140000

VECTOR DE COEFICIENTES DE REGRESION (B)


4.138000
2.274000

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 51.710760 51.710760 306.5613 0.000
ERROR 3 0.506040 0.168680
TOTAL 4 52.216800

SI COEFICIENTE DE DETERMINACION = 0.9903

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.185548 -0.050604
-0.050604 0.016868

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 9.606437 0.001930
B1 17.508892 0.000400

88
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESION AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 4.138000 2.790605 5.485395
B1 2.274000 1.867745 2.680255

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 4.138000 1.621973 6.654027
B1 2.274000 1.515389 3.032611

Ctrl. T A B L A D E D A T O S
Y X1
0.305 1.000
0.352 2.000
0.312 3.000
0.330 4.000
0.352 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
1.650800
5.024800

VECTOR DE COEFICIENTES DE REGRESION (B)


0.308440
0.007240

ANALISIS DE VARIANZA

FV GL SC CM F P>F
REGRESION 1 0.000524 0.000524 1.1210 0.369
ERROR 3 0.001403 0.000468
TOTAL 4 0.001927

89
Ctrl. COEFICIENTE DE DETERMINACION = 0.2720

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.000514 -0.000140
-0.000140 0.000047

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p

B0 13.600254 0.000740
B1 1.058793 0.368730

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA

Coeficiente B L.I. L.S.

B0 0.308440 0.237500 0.379380


B1 0.007240 -0.014149 0.028629

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.

B0 0.308440 0.175972 0.440908


B1 0.007240 -0.032701 0.047181

Efecto de la solución mineral No.1 con H2O2 (SM1cp), en diferentes tipos de


aceite
ARI
1 2 3 4 5 SUMA MEDIA
10.38 10.5 10.4 10.6 10.06 51.94 10.388
12.9 12.8 12.3 12.57 12.35 62.92 12.584
13.4 13.9 13.5 13.7 13.6 68.1 13.62
15.89 15.76 16 15.55 15.5 78.7 15.74
17.65 17.8 17.9 17.25 17.5 88.1 17.62
ARA
1 2 3 4 5 SUMA MEDIA
9.8 10.4 9.5 9.8 10.2 49.7 9.94
10.7 10.5 10.2 10.6 10.5 52.5 10.5
12 11.8 12.2 11.9 11.8 59.7 11.94
13.7 14.5 13.8 14.4 14 70.4 14.08
15.9 16.3 16.2 15.8 16.6 80.8 16.16

90
SI
1 2 3 4 5 SUMA MEDIA
9.9 10.6 10.6 10.7 10.5 52.3 10.46
12.99 12.5 13.4 12.8 12.9 64.59 12.918
14.99 15.5 15.6 15.2 15.3 76.5 15.3
16.4 16.8 16.7 16.5 16.7 83.1 16.62
19.5 18.9 19.3 19.0 19.5 96.2 19.24
Ctrl.
1 2 3 4 5 SUMA MEDIA
0.29 0.32 0.32 0.34 0.28 1.54 0.308
0.199 0.2 0.25 0.21 0.26 1.119 0.2238
0.35 0.29 0.36 0.29 0.4 1.69 0.3338
0.25 0.3 0.39 0.27 0.5 1.71 0.342
0.48 0.56 0.51 0.5 0.49 2.54 0.508

ANALISIS DE VARIANZA
FV GL SC CM F P>F

TRATAMIENTOS 3 1128.669189 376.223053 6072.9443 0.000


ERROR 16 0.991211 0.061951
TOTAL 19 1129.660400

C.V. = 1.86%

TABLA DE MEDIAS
TRATA. REP. MEDIA

1 5 17.619999
2 5 16.160000
3 5 19.240000
4 5 0.508000

TABLA DE MEDIAS
TRATAMIENTO MEDIA
3 19.2400 A
1 17.6200 B
2 16.1600 C
4 0.5080 D

NIVEL DE SIGNIFICANCIA = 0.05 0.01


TUKEY = 0.4508 0.5777
VALORES DE TABLAS (0.05), (0.01) = 4.05, 5.19

91
TABLA DE MEDIAS
TRATAMIENTO MEDIA
3 19.2400 A
1 17.6200 B
2 16.1600 C
4 0.5080 D

REGRESIÓN ARI
TABLA DE DATOS
Y X1
10.388 1.000
12.584 2.000
13.620 3.000
15.740 4.000
17.620 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
69.952000
227.476000

VECTOR DE COEFICIENTES DE REGRESION (B)


8.704400
1.762000

________________A N A L I S I S D E V A R I A N Z A______________
FV GL SC CM F P>F
REGRESION 1 31.046440 31.046440 331.3397 0.000
ERROR 3 0.281099 0.093700
TOTAL 4 31.327539

COEFICIENTE DE DETERMINACIÓN ARI = 0.9910

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.103070 -0.028110
-0.028110 0.009370

92
VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA
_____________________OBSERVADOS_______________________
Coeficiente tc p
B0 27.112734 0.000160
B1 18.202738 0.000370

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
-
B0 8.704400 7.700172 9.708628
B1 1.762000 1.459214 2.064786

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 8.704400 6.829178 10.579622
B1 1.762000 1.196599 2.327401

ARA
TABLA DE DATOS
Y X1
9.940 1.000
10.500 2.000
11.940 3.000
14.080 4.000
16.160 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
62.620000
203.880000

93
VECTOR DE COEFICIENTES DE REGRESION (B)
7.718000 1.602000

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 25.664040 25.664040 70.4875 0.003
ERROR 3 1.092280 0.364093
TOTAL 4 26.756320

COEFICIENTE DE DETERMINACION ARA= 0.9592

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.400503 -0.109228
-0.109228 0.036409

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 12.195569 0.000990
B1 8.395685 0.002870

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.___ _
B0 7.718000 5.738436 9.697564
B1 1.602000 1.005139 2.198861
--------------------------------------------------------------------------------------------------

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 7.718000 4.021507 11.414493
B1 1.602000 0.487465 2.716535

SI
TABLA DE DATOS
Y X1
10.460 1.000
12.910 2.000
15.300 3.000
16.620 4.000
19.240 5.000

94
MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
74.530000
244.860000

VECTOR DE COEFICIENTES DE REGRESION (B)


8.525000
2.127000

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 45.241290 45.241290 351.4069 0.000
ERROR 3 0.386230 0.128743
TOTAL 4 45.627520____________________________

COEFICIENTE DE DETERMINACION SI= 0.9915

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.141618 -0.038623
-0.038623 0.012874

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 22.653519 0.000230
B1 18.745849 0.000340

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 8.525000 7.347867 9.702133
B1 2.127000 1.772081 2.481919

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 8.525000 6.326908 10.723092

95
B1 2.127000 1.464250 2.789750

Ctrl.
TABLA DE DATOS
Y X1
0.308 1.000
0.224 2.000
0.338 3.000
0.342 4.000
0.508 5.000

MATRIZ X'X
5 15
15 55

MATRIZ INVERSA DE X'X


1.100000 -0.300000
-0.300000 0.100000

MATRIZ X'Y
1.719800
5.677600

VECTOR DE COEFICIENTES DE REGRESION (B)


0.188500
0.051820

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 0.026853 0.026853 5.0900 0.109
ERROR 3 0.015827 0.005276
TOTAL 4 0.042680__________________________

COEFICIENTE DE DETERMINACION Ctrl.= 0.6292

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.005803 -0.001583
-0.001583 0.000528

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA


OBSERVADOS
Coeficiente tc p
B0 2.474444 0.088770
B1 2.256109 0.108600

96
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE
REGRESIÓN AL 95% DE CONFIANZA_____________________________
Coeficiente B L.I. L.S.
B0 0.188500 -0.049787 0.426787
B1 0.051820 -0.020026 0.123666

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE


REGRESIÓN AL 99% DE CONFIANZA
____Coeficiente B L.I. L.S.__________
B0 0.188500 -0.256460 0.633460
B1 0.051820 -0.082340 0.185980

Efecto de diferentes soluciones minerales y condiciones de oxigenación en


la producción de CO2 por la flora microbiana presente en al ARI (Aceite
Residual Industrial).

SM1sa
1 2 3 4 5 suma media
4.6 4.7 4.5 4.8 4.9 23.5 4.7
4.9 5.7 6.1 4.5 6.3 27.5 5.5
5.9 6.8 5 6.7 6.6 31 6.2
6.8 7.1 7.5 6.7 6.9 35 7
7.7 7.5 7.6 8.2 8.5 39.5 7.9
SM2 sa
1.6 1.5 1.4 1.8 1.2 7.5 1.5
1.8 1.95 1.77 2.3 2.5 10.32 2.064
2.18 2.3 2.4 2.1 2.3 11.28 2.256
2.4 2.1 2.32 2.3 2.28 11.4 2.28
2.3 2.6 2.7 2.4 2.5 12.5 2.5
SM1ca
1 2 3 4 5 Suma media
8.12 7.93 8.3 7.4 7.23 38.98 7.796
10 11.3 10.4 8.99 9.8 50.49 10.098
11.5 11.5 12.5 12 10 57.5 11.5
12.5 13.4 12.88 12.9 13 64.68 12.936
14.2 15.7 15.5 14.6 14.5 74.5 14.9
SM1 cp
1 2 3 4 5 SUMA MEDIA
10.38 10.5 10.4 10.6 10.06 51.94 10.388
12.9 12.8 12.3 12.57 12.35 62.92 12.584
13.4 13.9 13.5 13.7 13.6 68.1 13.62
15.89 15.76 16 15.55 15.5 78.7 15.74
17.65 17.8 17.9 17.25 17.5 88.1 17.62

97
Ctrl.
1 2 3 4 5 SUMA MEDIA
0.29 0.32 0.32 0.34 0.28 1.54 0.308
0.199 0.2 0.25 0.21 0.26 1.119 0.2238
0.35 0.29 0.36 0.29 0.4 1.69 0.3338
0.25 0.3 0.39 0.27 0.5 1.71 0.342
0.48 0.56 0.51 0.5 0.49 2.54 0.508

A N A L I S I S D E V A R I A N Z A____________________________________
FV GL SC CM F P>F
TRATAMIENTOS 4 1118.294434 279.573608 1957.8278 0.000
ERROR 20 2.855957 0.142798
TOTAL 24 1121.150391

C.V. = 4.35%

TABLA DE MEDIAS
TRATA. REP. MEDIA
1 5 7.900000
2 5 2.500000
3 5 14.900000
4 5 17.590000
5 5 0.508000______

TABLA DE MEDIAS
TRATAMIENTO MEDIA
4 17.5200 A
3 14.9000 B
1 7.9000 C
2 2.5000 D
5 0.5080 E________________________

NIVEL DE SIGNIFICANCIA = 0.05 =0.01


TUKEY = 0.7149 =0.8940
VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29

REGRESIÓN
SM1sa
Efecto de diferentes medios de cultivo y condiciones de oxigenación en la
producción de CO2 por la flora microbiana presente en al ARA

98
SM1sa

1 2 3 4 5 suma media
3.4 2.9 3.5 2.8 3.4 16 3.2
3.9 3.5 4 3.7 3.9 19 3.8
4.5 4.9 5 4.8 4.3 23.5 4.7
4.9 5.1 5.0 4.8 5.2 25 5
5.4 4.9 4.9 5.5 5.3 26 5.2
SM2sa

2.89 3.25 3.38 3.2 2.99 15.71 3.142


3.9 4.4 4.4 4.3 4.2 21.2 4.24
3.9 5.0 4.8 4.2 4.7 22.6 4.52
4.9 4.5 5.0 5.0 4.6 24 4.8
4.8 5.2 4.7 5.3 5.0 25 5.0

SM1ca
1 2 3 4 5 suma media
5.9 6.8 6.3 6.82 6.8 32.62 7.84
7.6 7.8 7.5 8.1 8.2 39 7.84
9.5 8.4 9.9 9.8 9.1 46.7 9.34
10.6 11.7 11.6 11.8 11.8 57.5 11.5
13.3 13.5 12.9 13 12.5 65.2 13.04

SM1cp
1 2 3 4 5 suma media
9.8 10.4 9.5 9.8 10.2 49.7 9.94
10.7 10.5 10.2 10.6 10.5 52.5 10.5
12 11.8 12.2 11.9 11.8 59.7 11.94
13.7 14.5 13.8 14.4 14 70.4 14.08
15.9 16.3 16.2 15.8 16.6 80.8 16.16

Ctrl.
1 2 3 4 5 suma media
0.29 0.32 0.32 0.34 0.28 1.54 0.308
0.199 0.2 0.25 0.21 0.26 1.119 0.2238
0.35 0.29 0.36 0.29 0.4 1.69 0.3338
0.25 0.3 0.39 0.27 0.5 1.71 0.342
0.48 0.56 0.51 0.5 0.49 2.54 0.508

ANALISIS DE VARIANZA
FV GL SC CM F P>F
TRATAMIENTOS 4 836.533691 209.133423 2639.3792 0.000
ERROR 20 1.584717 0.079236
TOTAL 24 838.118408
C.V. = 3.54 %

99
TABLA DE MEDIAS
TRATA. REP. MEDIA
1 5 5.200000
2 5 5.000000
3 5 13.039999
4 5 16.160000
5 5 0.352000

RESULTADOS DE LA COMPARACION DE MEDIAS


TRATAMIENTO MEDIA
4 16.1600 A
3 13.0400 B
1 5.2000 C
2 5.0000 C
5 0.3520 D

NIVEL DE SIGNIFICANCIA = 0.05


RESULTADOS DE LA COMPARACION DE MEDIAS
TRATAMIENTO MEDIA
4 16.1600 A
3 13.0400 B
1 5.2000 C
2 5.0000 C
5 0.3520 D

NIVEL DE SIGNIFICANCIA = 0.01


TABLA DE MEDIAS
TRATAMIENTO MEDIA
4 16.1600 A
3 13.0400 B
1 5.2000 C
2 5.0000 C
5 0.3520 D

NIVEL DE SIGNIFICANCIA = 0.05 =0.01


TUKEY = 0.5325 = 0.6659
VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29

Efecto de diferentes medios de cultivo y condiciones de oxigenación en la


producción de CO2 por la flora microbiana presente en al SI (Suelo Impactado).

100
SM1sa
1 2 3 4 5 suma media
4.64 4.8 4.7 4.6 4.66 23 4.68
5.3 5.6 5.8 5.9 6 28.6 5.72
6 6.6 6.3 6.2 6.5 31.6 6.32
7.1 7.2 6.9 7.5 7.4 36.1 7.22
7.5 7.6 7.7 7.8 7.9 38.5 7.7

SM1ca
1 2 3 4 5 suma media
5.9 6.6 6.8 5.9 6.5 31.7 6.34
9.2 8.7 8.6 8.9 9.2 44.6 8.92
10.6 10.7 9.9 10.8 10.6 52.6 10.52
13.2 14 13.5 13.8 14 68.5 13.7
14.9 15.6 15.9 14.8 15.4 17.6 15.32
SM1cp
1 2 3 4 5 SUMA MEDIA
9.9 10.6 10.6 10.7 10.5 52.3 10.46
12.99 12.5 13.4 12.8 12.9 64.59 12.918
14.99 15.5 15.6 15.2 15.3 76.5 15.3
16.4 16.8 16.7 16.5 16.7 83.1 16.62
19.5 18.9 19.3 19.0 19.5 96.2 19.24

Ctrl.
1 2 3 4 5 suma media
0.314 0.3 0.36 0.29 0.26 1.524 0.3048
0.32 0.34 0.36 0.36 0.38 1.76 0.352
0.29 0.32 0.33 0.28 0.34 1.56 0.312
0.33 0.35 0.29 0.35 0.33 1.65 0.33
0.36 0.37 0.34 0.35 0.34 1.76 0.352

ANALISIS DE VARIANZA
FV GL SC CM F P>F
TRATAMIENTOS 3 1048.031494 349.343842 3203.3857 0.000
ERROR 16 1.744873 0.109055
TOTAL 19 1049.776367
C.V. = 3.11%

TABLA DE MEDIAS
TRATA. REP. MEDIA
1 5 07.700000
2 5 15.240000
3 5 19.240000
4 5 0.352000

101
TABLA DE MEDIAS
TRATAMIENTO MEDIA
3 19.2400 A
2 15.3200 B
1 07.7000 C
4 0.3520 D

NIVEL DE SIGNIFICANCIA = 0.05 =0.01


TUKEY = 0.5981 =0.7665
VALORES DE TABLAS (0.05), (0.01) = 4.05, 5.19

Degradación en ppm de diferentes aceites residuales en dos soluciones


minerales y diferentes condiciones de oxigenación en 5 semanas

VARIABLE = degradaARA_____________________________________________
TRATA.
1 140.0000 146.0000 139.0000 138.0000 135.0000 SM2
2 288.0000 287.0000 288.0000 289.0000 287.0000 SM1sa
3 528.0000 528.0000 526.0000 527.0000 526.0000 SM1ca
4 630.0000 631.0000 629.0000 632.0000 630.0000 SM1cp
5 0.8700 0.8800 0.8900 0.8700 0.8900 CTRL

A N A L I S I S D E V A R I A N Z A____________________________________
FV GL SC CM F P>F
TRAT 4 1372873.250000 343218.312500 88859.1094 0.000
ERROR 20 77.250000 3.862500
TOTAL 24 1372950.500000

C.V. = 0.62%

TABLA DE MEDIAS
TRATAMIENTO MEDIA
4 630.4000 A
3 527.0000 B
2 287.8000 C
1 139.6000 D
5 0.8800 E

NIVEL DE SIGNIFICANCIA = 0.05 =0.01


TUKEY = 3.7178 =4.6495
VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29

102
Degradación en ppm de diferentes aceites residuales en 2 soluciones
minerales y condiciones de oxigenación, por la flora microbiana presente en
al ARI en 5 semanas

TABLA DE DATOS
VARIABLE = degAI Aceite Industrial_____________________________________
TRATA.
1 200.0000 195.0000 197.0000 195.0000 198.0000
2 400.0000 396.0000 397.0000 398.0000 399.0000
3 663.0000 669.0000 670.0000 671.0000 688.0000
4 880.0000 885.0000 889.0000 890.0000 887.0000
5 0.9000 0.8800 0.8900 0.8700 0.880000

__________________A N A L I S I S D E V A R I A N Z A__________________
FV GL SC CM F P>F
TRATAMIENTOS 4 2531146.000000 632786.5000 28600.5195 0.000
ERROR 20 442.500000 22.1250
TOTAL 24 2531588.500000
C.V. = 1.09%

TABLA DE MEDIAS
TRATAMIENTO MEDIA
4 886.2000 A
3 668.2000 B
2 398.0000 C
1 197.0000 D
5 0.8840 E

NIVEL DE SIGNIFICANCIA = 0.05 = 0.01


TUKEY = 4.8322 =6.0431
VALORES DE TABLAS (0.05), (0.01) = 4.23, 5.29

TABLA DE DATOS
Degradación en ppm de diferentes aceites residuales en dos soluciones minerales
y condiciones de aireación en 5 semanas

VARIABLE = degradaSI suelo impactado________________________________


TRATA.
1 348.0000 346.0000 345.0000 347.0000 349.0000 SM1sa
2 576.0000 575.0000 579.0000 576.0000 578.0000 SM1ca
3 680.0000 687.0000 686.0000 685.0000 686.0000 SM1cp
4 0.8600 0.8500 0.8800 0.8700 0.8900 CTRL

103
A N A L I S I S D E V A R I A N Z A____________________________________
FV GL SC CM F P>F
TRAT 3 1372303.250000 457434.406250 142115.5469 0.000
ERROR 16 51.500000 3.218750
TOTAL 19 1372354.750000
C.V. = 0.45%
TABLA DE MEDIAS
TRATAMIENTO MEDIA
3 684.7900 A
2 576.7999 B
1 347.0000 C
4 0.8700 D

NIVEL DE SIGNIFICANCIA = 0.05 =0.01


TUKEY = 3.2894 =4.1699
VALORES DE TABLAS (0.05), (0.01) = 3.96, 5.02

Producción de CO2 generada por un suelo agrícola contaminado con aceite


residual, tratado con la SM3 y H2O2 a 50 ppm, durante 8 semanas

TABLA DE DATOS: VARIABLE = CO2 SUELO________________________


TRATA.___________________________________________________________
1 46.0000 44.0000 43.7000 44.9000 45.0000 46.0000
47.0000 46.0000
2 57.0000 58.9000 59.5000 58.6000 58.0000 58.2000
58.0000 58.6000
3 77.0000 76.8000 77.9000 78.6000 79.0000 75.8000
78.4000 77.6000
4 1.8000 1.9000 1.5000 1.4000 1.2000 1.3000
1.5000 1.9000_______________________________________________

A N A L I S I S D E V A R I A N Z A____________________________________
FV GL SC CM F P>F__ _
TRATAMIENTOS 3 25026.281250 8342.093750 11061.0674 0.000
ERROR 28 21.117188 0.754185
TOTAL 31 25047.398438________________________________
C.V. = 1.90%

TABLA DE MEDIAS
TRATAMIENTO MEDIA
3 77.6300 A
2 58.3500 B
1 45.3200 C
4 1.5600 D

104
NIVEL DE SIGNIFICANCIA = 0.05
TUKEY = 1.1851
VALORES DE TABLAS (0.05), (0.01)= 3.86, 4.84

TABLA DE MEDIAS
TRATAMIENTO MEDIA
3 77.6300 A
2 58.3500 B
1 45.3200 C
4 1.5600 D

NIVEL DE SIGNIFICANCIA = 0.01


TUKEY = 1.4850
VALORES DE TABLAS (0.05), (0.01)= 3.86, 4.84

REGRESIÓN
X sm sm+ARA sm+ARA+H2O2 Ctrl
1 20.4 25.23 25.32 1.47
2 23.03 30.06 35.16 1.53
3 25.03 33.52 40.13 1.63
4 30.01 35.11 48.06 1.52
5 35 40.75 55.08 1.56
6 40 47.16 68.03 1.56
7 43.15 52.22 70.93 1.57
8 45.32 58.28 77.61 1.58

sm
TABLA DE DATOS
Y X1
20.400 1.000
23.030 2.000
25.030 3.000
30.010 4.000
35.000 5.000
40.000 6.000
43.150 7.000
45.320 8.000

MATRIZ X'X
8 36
36 204

105
MATRIZ INVERSA DE X'X
0.607143 -0.107143
-0.107143 0.023810

MATRIZ X'Y
261.940000
1341.200000

VECTOR DE COEFICIENTES DE REGRESION (B)


15.335000
3.868333

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 628.488117 628.488117 400.8116 0.000
ERROR 6 9.408233 1.568039
TOTAL 7 637.896350______________________________

COEFICIENTE DE DETERMINACION SM = 0.9853

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.952024 -0.168004
-0.168004 0.037334

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p
B0 15.716648 0.000080
B1 20.020279 0.000050

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 15.335000 12.947421 17.722579
B1 3.868333 3.395522 4.341145

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 15.335000 11.718017 18.951983
B1 3.868333 3.152064 4.584603

106
SM+ARA

TABLA DE DATOS
Y X1
25.300 1.000
30.600 2.000
33.520 3.000
35.110 4.000
40.750 5.000
47.160 6.000
52.220 7.000
58.280 8.000

MATRIZ X'X
8 36
36 204

MATRIZ INVERSA DE X'X


0.607143 -0.107143
-0.107143 0.023810

MATRIZ X'Y
321.350000
1640.860000

VECTOR DE COEFICIENTES DE REGRESION (B)


19.298929
4.637738

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 903.361815 903.361815 259.7251 0.000
ERROR 6 20.868873 3.478145
TOTAL 7 924.230687___________________________________

COEFICIENTE DE DETERMINACION SM +ARA = 0.9774

107
MATRIZ DE VARIANZAS Y COVARIANZAS DE B
2.111731 -0.372658
-0.372658 0.082813

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p
B0 13.280483 0.000110
B1 16.115990 0.000070

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 19.298929 15.742998 22.854859
B1 4.637738 3.933559 5.341917

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 19.298929 13.911992 24.685866
B1 4.637738 3.570966 5.704511

SM+ARA+H2O2
TABLA DE DATOS
Y X1
25.320 1.000
35.160 2.000
40.130 3.000
48.060 4.000
55.080 5.000
68.030 6.000
70.930 7.000
77.610 8.000

MATRIZ X'X
8 36
36 204

MATRIZ INVERSA DE X'X


0.607143 -0.107143
-0.107143 0.023810

MATRIZ X'Y
420.320000
2209.240000

VECTOR DE COEFICIENTES DE REGRESION (B)

108
18.490000
7.566667

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 2404.686667 2404.686667 566.4009 0.000
ERROR 6 25.473333 4.245556
TOTAL 7 2430.160000

COEFICIENTE DE DETERMINACION SM+ARA+H2O2= 0.9895

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


2.577659 -0.454881
-0.454881 0.101085

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p
B0 11.516598 0.000160
B1 23.799179 0.000040

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 18.490000 14.561320 22.418680
B1 7.566667 6.788672 8.344661

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 18.490000 12.538379 24.441621
B1 7.566667 6.388070 8.745263

SM+ARA+estéril
TABLA DE DATOS
Y X1
1.470 1.000
1.530 2.000
1.630 3.000
1.520 4.000
1.560 5.000
1.560 6.000
1.570 7.000
1.580 8.000

109
MATRIZ X'X
8 36
36 204

MATRIZ INVERSA DE X'X


0.607143 -0.107143
-0.107143 0.023810

MATRIZ X'Y
12.420000
56.290000

VECTOR DE COEFICIENTES DE REGRESION (B)


1.509643
0.009524

ANALISIS DE VARIANZA
FV GL SC CM F P>F
REGRESION 1 0.003810 0.003810 1.9469 0.211
ERROR 6 0.011740 0.001957
TOTAL 7 0.015550____________________________

COEFICIENTE DE DETERMINACIÓN SM+ARA ESTÉRIL= 0.2450

MATRIZ DE VARIANZAS Y COVARIANZAS DE B


0.001188 -0.000210
-0.000210 0.000047

VALORES DE t CALCULADA Y NIVELES DE SIGNIFICANCIA OBSERVADOS


Coeficiente tc p
B0 43.798732 0.000020
B1 1.395302 0.211180

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 95% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 1.509643 1.425300 1.593985
B1 0.009524 -0.007179 0.026226

INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION


AL 99% DE CONFIANZA
Coeficiente B L.I. L.S.
B0 1.509643 1.381871 1.637415
B1 0.009524 -0.015779 0.034826

110
Biodegradación de ARA en un suelo agrícola, bajo diferentes factores
fisicoquímicos, expresada en ppm, durante 8 semanas.
TABLA DE DATOS
VARIABLE = degsuelo_____________________________________
TRATA._________________________________________________
1 800.0000 821.0000 816.0000 818.0000 815.0000
2 2800.0000 2873.0000 2856.0000 2863.0000 2852.0000
3 18.0000 17.7000 19.0000 19.6000 18.0000

A N A L I S I S D E V A R I A N Z A____________________________
FV GL SC CM F P>F_
TRATAMIENTOS 2 21307350.0 10653675.00 36526.8867 0.000
ERROR 12 3500.0 291.666656
TOTAL 14 21310850.000 ______

C.V. = 1.39%
TABLA DE MEDIAS
TRATAMIENTO MEDIA
2 2848.0000 A
1 814.0000 B
3 18.4200 C
NIVEL DE SIGNIFICANCIA = 0.05
TUKEY = 28.7938
VALORES DE TABLAS (0.05), (0.01) = 3.77, 5.04

TABLA DE MEDIAS
TRATAMIENTO MEDIA
2 2848.0000 A
1 814.0000 B
3 18.4200 C

Nivel de Significancia = 0.01. Valores de tablas (0.05), (0.01) =3.77, 5.04


TUKEY = 38.4936

111
No 6 = SUELO CON ARA + SM TODO ESTÉRIL

REPETICIONES MEDIAS TOTALES


5.1 5.5 5.3 5.7 5.8 5.48 5.55
5.2 5.5 5.5 5.7 5.8 5.54 5.7
5.3 5.6 5.6 5.7 5.7 5.58 5.8
5.3 5.6 5.7 5.6 5.6 5.56 5.84
5.4 5.7 5.6 5.6 5.6 5.58 5.93
5.4 5.5 5.6 5.6 5.7 5.56 5.95
MONITOREO DURANTE 2 SEMANAS 5.55 34.77 TOTAL
5.5 5.6 5.7 5.6 5.7 5.62
5.6 5.6 5.7 5.7 5.7 5.66
5.5 5.6 5.7 5.8 5.9 5.7
5.6 5.7 5.8 5.9 5.9 5.78
5.5 5.6 5.7 5.8 5.8 5.68
5.6 5.7 5.8 5.9 6 5.8
4semanas 5.706667
5.7 5.8 5.9 5.9 6 5.86
5.7 5.8 5.9 5.9 6 5.86
5.8 5.8 5.9 6 6 5.9
5.8 5.7 5.8 5.9 6 5.84
5.6 5.6 5.6 5.6 5.6 5.6
5.7 5.8 5.7 5.8 5.8 5.76
6 semanas 5.803333
5.6 5.7 5.8 5.9 6 5.8
6 5.9 5.9 6 6 5.96
5.9 5.8 5.7 5.9 5.8 5.82
6.1 5.4 5.6 5.7 5.8 5.72
5.9 5.8 5.7 5.8 5.9 5.82
5.9 5.9 5.9 5.9 6 5.92
8 semanas 5.84
6 6 6 6 5.9 5.98
5.8 5.9 5.9 6 5.8 5.88
6.1 6 5.9 5.8 6 5.96
5.7 5.8 5.9 6 6.1 5.9
6 6 5.9 6.1 6 6
5.8 5.9 6 5.9 5.9 5.9
10 semanas 5.936667
5.9 5.7 5.9 6 6 5.9
6 6 6 6.1 6.1 6.04
6.2 6.2 5.9 5.8 5.7 5.96
5.9 5.8 5.7 6.2 6.1 5.94
5.8 6.1 5.8 5.9 6 5.92
5.7 6.2 5.9 5.8 6.2 5.96
12 semanas 5.953333

117
PRODUCCIÓN DE CO2 GENERADA POR LA MICROFLORA DE UN SUELO AGRÍCOLA
CONTAMINADO CON ARA Y TRATADO CON SM3 Y H2O2 A 50 PPM

Análisis de regresión
a X b Y SM3 a X b Y SM3+ARA
3.8 1 15.3 19.1 19.1 4.63 1 19.29 23.92 23.92
3.8 2 15.3 22.9 22.9 4.63 2 19.29 28.55 29.55
3.8 3 15.3 26.7 26.7 4.63 3 19.29 33.18 33.18
3.8 4 15.3 30.5 30.5 4.63 4 19.29 37.81 37.81
3.8 5 15.3 34.3 34.3 4.63 5 19.29 42.44 42.44
3.8 6 15.3 38.1 38.1 4.63 6 19.29 47.07 47.07
3.8 7 15.3 41.9 41.9 4.63 7 19.29 51.7 51.7
3.8 8 15.3 45.7 45.7 4.63 8 19.29 56.33 56.33

a X b Y SM3+ARA+H2O2 a X b Y Ctrl
7.56 1 18.49 26.05 26.05 0 1 1.5 1.5 1.5
7.56 2 18.49 33.61 33.61 0 2 1.5 1.5 1.5
7.56 3 18.49 41.17 41.17 0 3 1.5 1.5 1.5
7.56 4 18.49 48.73 48.73 0 4 1.5 1.5 1.5
7.56 5 18.49 56.29 56.29 0 5 1.5 1.5 1.5
7.56 6 18.49 63.85 63.85 0 6 1.5 1.5 1.5
7.56 7 18.49 71.41 71.41 0 7 1.5 1.5 1.5
7.56 8 18.49 78.97 78.97 0 8 1.5 1.5 1.5

X S S+A S+A+P Ctrl Coeficientes de determinación


1 19.1 23.92 26.05 1.5 S = 0.9853
2 22.9 29.55 33.61 1.5 S +A= 0.9774
3 26.7 33.18 41.17 1.5 S+A+P= 0.9895
4 30.5 37.81 48.73 1.5 S+A ESTÉRIL= 0.2450
5 34.3 42.44 56.29 1.5
6 38.1 47.07 63.85 1.5
7 41.9 51.7 71.41 1.5
8 45.7 56.33 78.97 1.5

Lineas de regresión de la producción de CO2 generada por la microflora de un


suelo agrícola contaminado con ARA y tratado con solución mineral y peróxido

90
80
70
60
S
ppm

50
40 S+A
30 S+A+P
20
Ctrl
10
0
0 2 4 6 8 10
Semanas

S=Solución mineral 3. A= ARA.aceite residual automotríz. P= H2O2 50ppm


Ctrl.=S+A todo estéril

125

También podría gustarte