Está en la página 1de 115

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/312694034

Modelación matemática del acuífero Cuentas Claras

Thesis · June 2012


DOI: 10.13140/RG.2.2.27911.19367

CITATIONS READS

3 477

1 author:

Lemuel Carlos Ramos Arzola


Universidad Tecnológica de la Habana, José Antonio Echeverría
19 PUBLICATIONS   7 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Numerical Models of Groundwater Aquifers View project

All content following this page was uploaded by Lemuel Carlos Ramos Arzola on 24 January 2017.

The user has requested enhancement of the downloaded file.


INSTITUTO SUPERIOR POLITÉCNICO “JOSÉ ANTONIO ECHEVERRÍA”

FACULTAD DE INGENIERÍA CIVIL

CENTRO DE INVESTIGACIONES HIDRÁULICAS

MODELACIÓN MATEMÁTICA DEL ACUÍFERO “CUENTAS CLARAS”

Trabajo de Diploma para optar por el título de Ingeniero Hidráulico

Autor: Lemuel Carlos Ramos Arzola

Tutores: Dr. Eric Cabrera Estupiñán

Dr. David Ernesto Marón Domínguez

Cotutor: Dr. Armando Orestes Hernández Valdés

La Habana

2012
El principio de la sabiduría es el temor de Jehová.

Proverbios 1:7
AGRADECIMIENTOS

A Dios que ha sido mi sustento en todo tiempo.

A mis padres Ana Belkis Arzola y Samuel Carlos Ramos: por el amor, sacrificio y
dedicación derramado en mi formación como humano todos estos años, por estar
siempre a mi lado en cualquier situación y haber sembrado en mí el amor a Dios.

A mis tutores Eric Cabrera Estupiñán y David Ernesto Marón Domínguez por todo el
tiempo invertido en esta investigación. Por la pasión con la cual me han enseñado y
formado como profesional todos estos años, y haber sido para mí, ejemplos a seguir en
el complejo y difícil mundo de la ciencia.

A mi cotutor Armando Orestes Hernández Valdés por la guía acertada en el desarrollo


de este trabajo y transmitirme tantos conocimientos valiosos.

A Modesto Gómez y Arturo González por toda la ayuda brindada. A los asesores Félix
Dilla, Jorge Luis Blanco y Juan José Almirall por el trabajo realizado durante esta
investigación.

A mi oponente Haydeé Llanusa por la facilidad de entrega de este documento.

A Marlene Fornaguera, Odalis Álvarez, María de los Ángeles, Jorge Ramírez y Yoel
Martínez por la confianza depositada.

A mi novia Giselle Mederos Bello por amarme, soportarme y comprenderme.

A mis tíos Raquel y Marcos por lo mucho que me aman y todo lo que hacen por mí.

A mis hermanos Samuel David y Joel, a mis abuelas Nenita y Zenia por cuidarme con
amor inmensurable, a mi tía Sonia por su amor y haber satisfecho mis antojos materiales
durante muchos años, a mis tías Lucy, Adriana y mi tío Narciso, a mi tío Vilalta por sus
valiosos consejos, a mis primos Magdiel, Marcos Adriel, Adrián y Wendy.

A Iraida Mantilla por la revisión de este documento.

A Leticia Barrios y su hermana Idalmis por orar tanto por mí. A Ernesto y Vilma por su
apoyo incondicional. A Iluminada por su atención desinteresada.

A mi gran amigo Omar Díaz por compartir juntos las buenas y las malas. A mi
compañero y amigo Maiyourathaan por la ayuda en todos los años de la carrera y
durante esta investigación. A los amigos Rajiv, David, Miguel, Alejandro Rojas, Gretel,
Joel y Amett.
SÍNTESIS

Desde mediados de la década de los ochenta, con el objetivo de estudiar y comprender


la compleja dinámica de las aguas subterráneas en Cuba, se ha dado un importante salto
cualitativo, referente a la modelación matemática del agua subterránea, mediante la
creación del paquete de programas AQÜIMPE, que actualmente se encuentra su versión
WinAQE, que corre sobre la plataforma del sistema operativo Windows.

La necesidad de conocer el comportamiento hidrodinámico del acuífero “Cuentas


Claras” ubicado en la provincia de Granma, con el objetivo de evaluar los recursos
explotables, hizo que fuera necesaria la modelación de este acuífero mediante la
tecnología AQÜIMPE. Es por eso que en este trabajo se crea por primera vez un modelo
conceptual del acuífero “Cuentas Claras”.

Se plantea como objetivo calibrar este modelo utilizando el módulo de calibración


automática acoplado en WinAQE. En primera instancia se creó un modelo conceptual
que contempló el área total de modelación y luego se demostró que el mismo es incapaz
de reflejar el comportamiento hidrodinámico del acuífero, por lo que fue necesario
definir un nuevo modelo conceptual que solo respondiera al sector Cuentas Claras.

En este trabajo el proceso de calibración de las propiedades del acuífero ha resultado de


gran complejidad, pues la recarga al acuífero se produce fundamentalmente en la zona
sur ubicada cerca de la Sierra Maestra, y existe poca, o casi ninguna información para
estimar esta variable, por lo que esta entrada al sistema ha requerido también de un
proceso de calibración, siendo necesario establecer varios escenarios; los cuales
consisten, en primera instancia, considerar que el aporte de la zona de montaña puede
ser simulado utilizando un grupo de triángulos cuya única función sea la de permitir la
conexión entre la zona de recarga y el sector Cuentas Claras, el otro camino seguido fue
simular el aporte de la Sierra Maestra como un gasto superficial para tratar de obtener
las propiedades hidrogeológicas regionales del modelo conceptual del sector Cuentas
Claras.
TABLA DE CONTENIDO

INTRODUCCIÓN ............................................................................................................ 1

CAPÍTULO 1. ESTADO DEL ARTE ............................................................................. 7

1.1. La modelación matemática .................................................................................... 7

1.1.1. Método de las Diferencias Finitas (MDF)....................................................... 9

1.1.2. Método de los Elementos Finitos (MEF) ...................................................... 10

1.2. La modelación matemática para la simulación de acuíferos ............................... 11

1.2.1. Principales modelos de simulación utilizados en el mundo .......................... 13

1.2.2. Empleo de los Sistemas de Información Geográfica (SIG) en la modelación


matemática del agua subterránea ............................................................................ 14

1.2.3. Recarga de acuíferos ..................................................................................... 15

1.3. El Problema Inverso de la hidrogeología ............................................................ 17

1.3.1. Solución al Problema Inverso en el mundo ................................................... 18

1.3.2. Solución al Problema Inverso en Cuba ......................................................... 19

1.3.3. Algoritmos genéticos .................................................................................... 20

1.4. Tecnología AQÜIMPE ........................................................................................ 23

1.4.1. Actualizaciones en la tecnología AQÜIMPE ................................................ 23

1.5. Análisis, comentarios y conclusiones parciales del capítulo ............................... 24

CAPÍTULO 2. CARACTERIZACIÓN FÍSICO GEOGRÁFICA DE LA ZONA DE


ESTUDIO ....................................................................................................................... 27

2.1 Ubicación geográfica de la zona y área de estudio............................................... 27

2.2 Poblaciones y algunas redes de comunicación ..................................................... 29

2.3 Características climáticas ..................................................................................... 29

2.4 Vegetación ............................................................................................................ 30

2.5 Suelos y uso de suelos .......................................................................................... 30

2.6 Orografía y Relieve .............................................................................................. 32

2.7 Red hidrográfica ................................................................................................... 33


2.8 Características geológicas..................................................................................... 34

2.9 Características hidrogeológicas ............................................................................ 35

2.10. Análisis, comentarios y conclusiones parciales del capítulo ............................. 38

CAPÍTULO 3. CREACIÓN DEL MODELO CONCEPTUAL..................................... 40

3.1. Bases de datos de la zona de estudio ................................................................... 40

3.1.1. Límites del área a modelar y condiciones de contorno ................................. 41

3.1.2. Pozos de explotación ..................................................................................... 42

3.1.3. Pozos de observación .................................................................................... 44

3.1.4. Pluviómetros ................................................................................................. 45

3.1.5. Mapa de propiedades hidrogeológicas .......................................................... 46

3.2. Discretización ...................................................................................................... 47

3.3. Grupos de propiedades hidrogeológicas .............................................................. 49

3.4. Grupos de infiltración .......................................................................................... 50

3.5. Estimación de la recarga ...................................................................................... 51

3.6. Estado inicial del acuífero ................................................................................... 52

3.7. Simulación preliminar ......................................................................................... 54

3.7.1. Resultados de la simulación .......................................................................... 54

3.8. Análisis, comentarios y conclusiones parciales del capítulo ............................... 58

CAPÍTULO 4. CALIBRACIÓN DEL MODELO MATEMÁTICO ............................. 60

4.1. Período de calibración ......................................................................................... 60

4.2. Aplicación del módulo de calibración automática en WinAQE para obtener los
parámetros hidrogeológicos representativos del medio.............................................. 60

4.2.1. Tratamiento de la recarga en el período de calibración ................................ 61

4.2.2. Resultados de la calibración con el modelo conceptual de Cuentas Claras .. 61

4.2.3. Modelo conceptual del sector Cuentas Claras............................................... 63

4.2.3.1. Tratamiento de la recarga ...................................................................... 66

4.2.3.2. Resultados de la calibración .................................................................. 66


4.3. Análisis, comentarios y conclusiones parciales del capítulo ............................... 75

CONCLUSIONES .......................................................................................................... 76

RECOMENDACIONES ................................................................................................ 78

REFERENCIAS BIBLIOGRÁFICAS ........................................................................... 79

ANEXOS ........................................................................................................................ 85
INTRODUCCIÓN

Paralelo al desarrollo científico-tecnológico del mundo actual, donde los avances en


diferentes campos de la ciencia han permitido al hombre comprender complejos
sistemas, desarrollar nuevas herramientas y mejorar la calidad de vida, la población
mundial crece a un ritmo de 80 millones por año, provocando un gran crecimiento en la
demanda de agua.

Aunque los recursos hídricos son renovables, también son limitados. Esta limitación,
debido al aumento de la población, desarrollo de la agricultura y la industria, se está
haciendo sentir más intensamente cada día, aun en aquellos países que cuentan con
abundancia de precipitaciones anuales que son la fuente cíclica de renovación de los
mencionados recursos (Pérez, 2001).

El agua subterránea es la mayor fuente de agua dulce disponible, por lo cual, más de la
mitad de la población mundial la utiliza para su consumo. En regiones áridas y en islas,
debido a la escasez de fuentes superficiales, es el agua subterránea la encargada de
suplir toda la demanda. Inclusive, en los países de clima húmedo, se ha comenzado a
implementar este recurso, ya que los sistemas de abastecimiento de agua superficial
tienen un elevado costo (Vélez y Vásquez, 2011).

Cuba no es ajena a toda esta situación. Más del 50% del agua total que se utiliza es de
origen subterráneo y ésta se estima en poco más de un 25% del potencial total
disponible del país, por lo tanto, se hace evidente la necesidad de explotar
adecuadamente este recurso (Mario, 2010).

El conocimiento, protección y explotación racional de las formaciones acuíferas,


principales encargadas de almacenar el preciado líquido, es un elemento vital y de
primer orden para el Instituto Nacional de Recursos Hidráulicos (INRH) ya que estas
formaciones constituyen la principal fuente de abasto en algunas provincias del país
(Cabrera, 2009).

Como parte de la estrategia en el manejo de los recursos hídricos subterráneos en Cuba,


al igual que en otros lugares del mundo, se han desarrollado modelos matemáticos
capaces de simular, administrar y gestionar el agua subterránea. Estos modelos
matemáticos reproducen los niveles de las aguas subterráneas en el tiempo y en
cualquier lugar de acuífero.
1
Desde mediados de la década de los ochenta se dio en nuestro país un importante salto
cualitativo en esta rama de la Hidráulica con la creación del paquete de programas
AQÜIMPE en el Centro de Investigaciones Hidráulicas, (Llanusa et al, 2004).
AQÜIMPE es un modelo numérico bidimensional que emplea el método de los
elementos finitos (MEF) y básicamente es capaz de calcular los niveles piezométricos
del agua subterránea en cualquier zona del acuífero en estudio cuando se conocen las
entradas y salidas de flujo al sistema. Hasta la fecha son numerosos los acuíferos que se
han estudiado dentro y fuera de Cuba aplicando AQÜIMPE y han sido por supuesto
muchos los resultados que se han obtenido, permitiendo sustentar sobre bases teóricas
consistentes las soluciones prácticas y recomendaciones provenientes del análisis de los
resultados de esta tecnología (Cabrera, 2009)

La ciudad de Manzanillo en la provincia de Granma es una de las ciudades cubanas


donde el abasto de agua se produce de fuentes subterráneas. Estos recursos no han sido
evaluados con confiabilidad y mucho menos administrados adecuadamente.

Las reiteradas quejas de los habitantes de la ciudad de Manzanillo debido a la escasez


del agua, la poca estabilidad de este recurso y los ciclos que eran muy largos (15 a 20
días, fundamentalmente en la parte alta de esta ciudad), provocaron la acción del
Instituto Nacional de Recursos Hidráulicos para darle solución a este problema.
Además, la existencia de una gran cantidad de salideros en las tuberías de la antigua red
de abasto a la población, desconocimiento hidrodinámico del acuífero y la no existencia
de una política óptima en el manejo de los recursos subterráneos para satisfacer la
demanda, trae consigo que se acentúen aún más estos problemas.

Las acciones realizadas por el acueducto en aras de atenuar la afectación han sido
insuficientes. El INRH ha creado una serie de comisiones de diferentes tipos con el fin
de definir el estado actual de las tuberías, dar solución a los salideros, realizar estudios
pitométricos en las redes de distribución, estudiar mediante modelación matemática el
comportamiento del acuífero, etc. En este proceso de solución se involucran todas las
entidades correspondientes al organismo, tales como: La Empresa de Proyectos e
Investigaciones (RAUDAL), el Grupo Empresarial de Aprovechamiento de Recursos
Hidráulicos (GEARH), la Empresa de Acueducto y Alcantarillado (EAAL), Cuba
Hidráulica, la Delegación Provincial de Recursos Hidráulicos, entre otras;

2
convirtiéndose de este modo en una de las principales prioridades del INRH, al punto de
revisar mensualmente el progreso de las actividades relacionadas con las soluciones.

Para el manejo adecuado del acuífero Cuentas Claras con el fin de abasto a la Ciudad de
Manzanillo, se requiere en primer término poder evaluar con mayor confiabilidad tanto
el funcionamiento hidrodinámico de dicho acuífero como los recursos explotables para
diferentes escenarios de pronóstico, por lo que el primer paso sería obtener la
calibración de un modelo confiable para posteriormente realizar dicha evaluación, e
inclusive aplicar técnicas de optimización por medio del modelo MADA, que
vinculadas a las tecnologías de adquisición de datos en tiempo real y la automatización
puedan ayudar a la mejor operación de los pozos de bombeo, por lo que en este trabajo
se plantea como problema de investigación la siguiente interrogante:

¿Será posible obtener los parámetros hidrogeológicos regionales representativos del


acuífero de Cuentas Claras usando la tecnología AQÜIMPE?

Y se parte de la siguiente hipótesis de la investigación:

Usando la tecnología AQÜIMPE se puede obtener y calibrar un modelo matemático que


permita reflejar el comportamiento hidrodinámico del acuífero de Cuentas Claras.

Con el propósito de dar respuesta al problema planteado se definió el objetivo general:

Crear y calibrar un modelo matemático del comportamiento hidrodinámico del acuífero


de Cuentas Claras con el empleo de la tecnología AQÜIMPE.

Las tareas de investigación a llevar a cabo para cumplir con el objetivo planteado y
demostrar la hipótesis, se relacionan a continuación:

- Realizar una búsqueda bibliográfica referida al desarrollo de los modelos


matemáticos de simulación del flujo del agua subterránea y la calibración de los
mismos.

- Crear las bases de datos del área de estudio.

- Concebir el comportamiento hidrodinámico preliminar del acuífero (modelo


conceptual del acuífero).

- Verificar las hipótesis del modelo conceptual utilizando la tecnología AQÜIMPE.

3
- Obtener los parámetros hidrogeológicos regionales representativos del acuífero de
Cuentas Claras.

Los aportes y resultados alcanzados son:

1. Se crea y calibra por primera vez, un modelo matemático del acuífero de Cuentas
Claras capaz de reflejar el comportamiento hidrodinámico del mismo.

2. Se obtienen bases de datos, más completas y refinadas, de la zona de estudio.

3. Se crean las bases para la posterior evaluación de los recursos hidráulicos


subterráneos de la zona modelada.

La estructura del trabajo está definida por cuatro capítulos. En el Capítulo 1 se realiza
una revisión bibliográfica acerca de las principales técnicas numéricas utilizadas en la
simulación y estimación de parámetros del agua subterránea, se describen los
principales modelos matemáticos utilizados en el mundo para resolver estos problemas
y se mencionan las ventajas que brindan los Sistemas de Información Geográfica (SIG)
en la modelación matemática del agua subterránea. Además se expone uno de los
métodos más utilizados en la estimación de la recarga de acuíferos, mencionándose
algunos de los modelos que implementan este método. Finalmente se da una
panorámica de los avances en Cuba en el manejo de los recursos subterráneos.

En el Capítulo 2 se presentan algunas características de la zona de estudio de interés


para la modelación. Se analizan aspectos importantes que permiten crear una parte de
las bases de datos necesarias para la creación y calibración del modelo matemático del
acuífero “Cuentas Claras”.

En el Capítulo 3 se exponen las principales hipótesis tomadas en la creación del modelo


conceptual del acuífero “Cuentas Claras”. Se definen los límites del área a modelar, así
como el comportamiento hidrodinámico de los mismos. Se muestra la ubicación de los
pozos de bombeo, pozos de observación y pluviómetros que serán utilizados en la
calibración del acuífero. También, a partir de la herramienta SIG AQTRIGEO, se
realiza la discretización regional del área y se obtiene toda la base informativa de
carácter espacial y de atributos necesaria para el modelo AQÜIMPE. En este capítulo
también se expone la metodología utilizada en la estimación de la recarga al acuífero.

4
Finalmente se presentan los resultados de las simulaciones preliminares realizadas
utilizando la tecnología AQÜIMPE.

En el Capítulo 4 se somete el modelo matemático del acuífero “Cuentas Claras” a un


proceso de calibración automática mediante la tecnología AQÜIMPE. Se definen las
estrategias a seguir para la obtención de las propiedades hidrogeológicas regionales
representativas del medio y se presentan los principales resultados obtenidos. En este
capítulo se demuestra que el modelo conceptual del área total es incorrecto y se define
un nuevo modelo que contempla solamente el sector Cuentas Claras. Finalmente se
comentan algunas ideas a desarrollar para la mejora de los resultados de la calibración.

5
CAPÍTULO 1. ESTADO DEL ARTE
CAPÍTULO 1. ESTADO DEL ARTE

1.1. La modelación matemática

La descripción de los fenómenos que el hombre observa en el mundo objetivo y su


representación a través de modelos que permiten la experimentación, ha estado
íntimamente relacionada a la actividad cognoscitiva de la humanidad.

Un modelo de un sistema es un sustituto de cuyo comportamiento es posible derivar el


correspondiente al sistema original (Carrillo et al, 2008). En (Hernández, 2010) se
amplía este concepto al definirlo como una simplificación de un sistema real mediante
abstracciones, que le permiten al hombre evaluar las respuestas del mismo ante
diferentes acciones, en correspondencia con sus condiciones de estado y propiedades
internas.

Muchos de los sistemas que se analizan no están disponibles para la experimentación


directa y con vistas a profundizar en sus conocimientos, se tratan de representar por
medio de modelos de diversos tipos: físicos, analógicos, matemáticos, etc.

Un modelo matemático es aquel que representa un sistema por medio de ecuaciones


matemáticas y lógicas (Álvarez y Valle, 1987). En la figura 1.1 se ilustra el proceso de
modelado matemático.

Figura 1.1 Proceso de modelado matemático. Fuente: (Stewart, 2006)

7
La formulación de los modelos matemáticos es tan sencilla y tan general, que los
modelos básicos de sistemas tan complicados y diversos como la atmósfera,
los océanos, los yacimientos petroleros, los acuíferos, se derivan por medio de la
aplicación repetida de una sola ecuación diferencial: “la ecuación diferencial de
balance” (Carrillo et al, 2008). Hay que tener en cuenta, como señala (Kumar, 2006),
que uno de los aspectos para garantizar la efectividad de estos modelos, está en el hecho
de cuan precisas las ecuaciones matemáticas aproximan el sistema físico que será
modelado.

Los modelos matemáticos, en la actualidad, son los utilizados con mayor frecuencia y
también los más versátiles. Son entes en los que se integran los conocimientos
científicos y tecnológicos, con los que se construyen programas de cómputo que se
implementan con medios computacionales (Carrillo et al, 2008).

Según (Cabrera, 2007) los modelos matemáticos se pueden clasificar, atendiendo al


método de cálculo que utilicen en la solución de las ecuaciones, en:

- Modelos analíticos.

- Modelos numéricos.

- Modelos de los elementos analíticos.

- Modelos estadísticos.

Dentro de éstos se consideran aquí solamente los modelos numéricos.

Los modelos numéricos son aquellos que resuelven las ecuaciones utilizando técnicas
de aproximación numérica. Éstos son muy utilizados porque en la mayoría de los casos
las ecuaciones que rigen los fenómenos físicos a considerar no pueden resolverse
analíticamente, por lo que es necesario utilizar métodos aproximados mediante un
proceso de computación, siendo los más tratados: el Método de los Elementos Finitos y
el Método de las Diferencias Finitas. El primero hace discreto el medio en que tiene
lugar el fenómeno en estudio utilizando comúnmente una red de triángulos, mientras
que el segundo utiliza una red de rectángulos, que es menos complicada, pero no
siempre proporciona una descripción suficiente de los contornos.

A continuación se realiza un análisis de estos dos métodos.

8
1.1.1. Método de las Diferencias Finitas (MDF)

En el Método de las Diferencias Finitas (MDF), el dominio de solución es dividido en


una malla de puntos discretos o nodos (figura 1.2 b). Entonces, se escribe la ecuación
diferencial para cada nodo y sus derivadas se reemplazan por diferencias finitas
divididas. Esta aproximación por puntos se vuelve más difícil de aplicar en sistemas de
geometría irregular, con condiciones en las fronteras no usuales o de composición
heterogénea (Chapra y Canale, 1999).

Figura 1.2 Discretización usando una malla de rectángulos y una de triángulos.


Fuente: (Chapra y Canale, 1999).

a) Sistema de geometría irregular y composición no homogénea.

b) Este sistema es difícil de modelar con una aproximación por diferencias finitas. Esto se
debe al hecho de que se requieren aproximaciones complicadas en las fronteras del sistema
y en las fronteras entre diferentes materiales.

c) Una discretización por elementos finitos es mucho más adecuada para tales sistemas.

El MDF es más aplicado en el espacio a los problemas en 1D debido a que es muy fácil
de implementar computacionalmente. Para la discretización en el tiempo en la mayoría
de los problemas se utiliza este método con parámetros de peso, ya que hace que los
esquemas que se obtengan sean más flexibles, además de que ayuda a disminuir las
oscilaciones y dispersiones numéricas producto de los procesos de discretización
(Marón, 2001).

9
1.1.2. Método de los Elementos Finitos (MEF)

Este método ha adquirido gran importancia en la solución de problemas ingenieriles.


El MEF permite realizar un modelo matemático de cálculo del sistema real, más fácil y
económico de modificar que un prototipo; sin embargo, no deja de ser un método
aproximado de cálculo debido a las hipótesis básicas del mismo (Carnicero, 2011).

Aunque el nombre del MEF se ha establecido recientemente, el concepto se ha usado


desde hace varios siglos. El empleo de métodos de discretizado espacial y temporal, y la
aproximación numérica para encontrar soluciones a problemas ingenieriles es conocido
desde la antigüedad, por ejemplo, los egipcios empleaban métodos de discretizado para
determinar el volumen de las pirámides y Arquímedes empleaba el mismo método para
calcular el volumen de todo tipo de sólidos o la superficie de áreas. Fueron Turner,
Clough, Martin y Topp quienes presentaron el MEF en la forma aceptada hoy en día.
Los libros de Zienkiewicz y Cheung o Zienkiewicz y Taylor presentan una
interpretación amplia del MEF y su aplicación a cualquier problema de campos.
En estos textos se demuestra que las ecuaciones de los elementos finitos pueden
obtenerse utilizando un método de aproximación de pesos residuales, tal como el
método de Galërkin o el de mínimos cuadrados (Carnicero, 2011).

En contraste con el MDF, el MEF divide el dominio de solución en pequeñas regiones,


o elementos (figura 1.2 c). El uso de elementos, en lugar de una malla rectangular,
proporciona una mejor aproximación para sistemas con formas irregulares. Además,
los valores de las incógnitas pueden generarse continuamente a través de todo el
dominio de solución en lugar de puntos aislados (Chapra y Canale, 1999).

El procedimiento general según Chapra y Canale para aplicar el MEF puede dividirse en
los siguientes pasos:

1. Discretización: Se divide el dominio de la solución en elementos finitos.


Los puntos de intersección de las líneas que unen los lados de los elementos son
conocidos como nodos.

2. Ecuaciones de los elementos: Se desarrollan ecuaciones para aproximar la


solución de cada elemento. Esto involucra dos pasos: a) se debe elegir una
apropiada función con coeficientes desconocidos, que será usada para aproximar

10
la solución y b) evaluar los coeficientes de modo que la función se aproxime a la
solución de una manera óptima.

3. Ensamble: Las ecuaciones de cada elemento individual se deben enlazar o


ensamblar para caracterizar la conducta unificada del sistema; generando un
sistema de ecuaciones. El proceso de ensamblaje está determinado por el
concepto de continuidad.

4. Condiciones de frontera: Antes de resolver el sistema de ecuaciones proveniente


del ensamble, éste se tiene que modificar para tomar en cuenta las condiciones
exteriores o de frontera del sistema.

5. Solución: La solución del sistema de ecuaciones se lleva a cabo utilizando varios


tipos de técnicas, tales como la descomposición LU, el método de la raíz
cuadrada, etc.

6. Proceso posterior: Una vez obtenida la solución, se puede poner a la salida en


una forma tabular o ilustrada gráficamente.

Actualmente el método se encuentra en una fase de gran expansión: es ampliamente


utilizado en la industria y continúan apareciendo cientos de trabajos de investigación en
este campo. Los ordenadores han aportado el medio eficaz de resolver la multitud de
ecuaciones que se plantean en el MEF, cuyo desarrollo práctico ha ido caminando
parejo de las innovaciones obtenidas en el campo de la arquitectura de los ordenadores
(Carnicero, 2011).

1.2. La modelación matemática para la simulación de acuíferos

La complejidad de los medios geológicos en especial las formaciones acuíferas, una de


las principales fuentes portadoras del recurso elemental para la vida (el agua),
han provocado y favorecido el desarrollo de modelos. Éstos permiten a los especialistas
dotarse de una herramienta capaz de simular y estimar el comportamiento de dichos
sistemas ante diferentes acciones, ya sean provocadas por el hombre o por la misma
naturaleza.

Un modelo matemático de un acuífero es una ecuación o serie de ecuaciones que


simulan y pronostican respuestas físico-químicas de dicho sistema, sometido a

11
perturbaciones tales como recarga o extracción mediante pozos o la inyección de un
agente contaminante (Hernández et al, 2001).

Según (Llanusa, 1998) la aparición de las microcomputadoras ha permitido que entre las
técnicas de modelación de los sistemas acuíferos, los modelos numéricos pasen a ocupar
un primer plano, destacándose por la rapidez, generalización, bajo costo y precisión en
la obtención de los resultados.

Llanusa plantea que en la ejecución de un modelo matemático de un acuífero se


presentan dos problemas fundamentales:

1. Resolver la ecuación de flujo del agua subterránea que incluye la aproximación


numérica y la solución del sistema de ecuaciones que se deriva de ella.

2. Adaptar ese artificio matemático a la realidad física, donde el criterio del


hidrogeólogo desempeña un papel fundamental.

El primer problema es analizado y resuelto ampliamente en la bibliografía a escala


mundial. En el año 1986 Kinzelbach citado por (Cabrera, 2009) plantea que los modelos
numéricos para la simulación de acuíferos más usados en el mundo, emplean los
métodos de las Diferencias Finitas (MDF) y Elementos Finitos (MEF) para resolver la
ecuación diferencial parcial de flujo del agua subterránea. En el análisis realizado por
(Hernández, 1991; 1993) se concluye que el MEF con triángulo cuadrático, como
elemento para la discretización, parece tener mejores posibilidades para la simulación
del flujo del agua subterránea respecto al MDF.

La solución al segundo problema se puede dividir en dos etapas: conceptualización de la


realidad o creación del modelo conceptual del acuífero y la etapa de calibración,
conocida como “el problema inverso de la hidrología subterránea”.

El modelo conceptual de un acuífero consiste en la representación simplificada del


sistema real mediante hipótesis y abstracciones hechas por el modelador
(Hernández et al, 2001). Las decisiones tomadas en esta etapa serán verificadas en la
etapa de calibración.

El problema inverso de la hidrología subterránea radica en la obtención de los


parámetros hidráulicos de un acuífero a partir de datos de niveles piezométricos
(Carrera y Neuman, 1986). En esta etapa se pretende obtener una combinación de

12
parámetros hidrogeológicos que permitan al modelo reproducir de manera aceptable el
comportamiento hidrodinámico del acuífero (Hernández et al, 2001).

A continuación se realiza un análisis de los principales modelos numéricos de


simulación utilizados en el mundo.

1.2.1. Principales modelos de simulación utilizados en el mundo

Entre los principales modelos de simulación utilizados en el mundo se encuentran:


MODFLOW y FEFLOW.

MODFLOW

El concepto de MODFLOW (Modular Finite Difference Ground-Water Flow Model)


surgió en 1981 por el Servicio Geológico de los Estados Unidos, USGS en sus siglas del
inglés, para diseñar un modelo modular de aguas subterráneas que pudiera compilarse
en varias plataformas sin muchas modificaciones(Betancur y Palacio, 2009). Este
modelo emplea un esquema en diferencias finitas de bloques centrados para simular el
flujo en la zona saturada (Cabrera, 2009). El programa es de código libre, escrito
principalmente en Fortran y puede ser compilado y corrido en los sistemas operativos
DOS, Windows o Unix.

Uno de los productos más importantes basados en la tecnología MODFLOW, es el


GMS (Groundwater Modeling System). Éste posee diferentes herramientas para cada
fase de la simulación incluyendo la caracterización del lugar, posibilidades para el
desarrollo del modelo, calibración, post procesamiento y visualización de resultados
(Cabrera, 2009).

FEFLOW

Otro de los modelos más utilizados en la actualidad mundial es FEFLOW


(Finite Element Subsurface Flow), creado en el 1979. Éste es un paquete de programas
de simulación interactivo que utiliza el Método del Elemento Finito para resolver la
ecuación de flujo. Es capaz de modelar el flujo del agua subterránea en medio saturado
o no saturado, ya sea en 2D o 3D, y modela el transporte y la concentración de un
contaminante (DHI-WASY, 2005).

13
La versión actual, versión 6, posee una amplia interfaz gráfica para los usuarios, la cual
se ha diseñado para permitir la mayor cantidad de herramientas que sea posible;
evitando acudir a cuadros de diálogos y menús. FEFLOW permite la importación de
una gran variedad de mapas tales como: archivos Shape de ESRI, ficheros de
intercambio de AutoCAD, archivos en formato ASCII, entre otros. Para la realización
de la discretización, se emplea el triángulo lineal o el cuadrilátero. Este proceso se
realiza de manera automática ya que el programa consta de tres algoritmos generadores
de mallas. La generación se basa en la cantidad de elementos (triángulos-cuadriláteros)
que el usuario desee y no existen límites en cuanto al número de nodos y elementos.
Posee una poderosa salida gráfica que consta de gráficos y animaciones en 2D o 3D
(DHI-WASY, 2005).

FEFLOW presenta una aplicación de programación abierta para interactuar con los
módulos adicionales específicos de los usuarios. Estos módulos interpretan códigos en
C/C++ o lenguaje de programación mezclados en otros lenguajes como Fortran,
DHI-WASY, 2009 citado por (Cabrera, 2009).

1.2.2. Empleo de los Sistemas de Información Geográfica (SIG) en la


modelación matemática del agua subterránea

Los Sistemas de Información Geográfica son una tecnología que, como plantea Estrela
en 1996 citado por (Llanusa, 1998), trata un gran volumen de información con
referencia espacial y permite el almacenamiento, gestión, visualización y producción de
mapas con gran comodidad y eficiencia. Por otra parte, los modelos numéricos de agua
subterránea complejos, requieren una administración y análisis de grandes cantidades de
datos, ya sea datos de entrada o datos de salida producto del propio modelo (Tsou y
Whittemore, 2001). Debido a las características de los SIG, éstos se convierten en una
herramienta indispensable que facilita enormemente el desarrollo, calibración y
verificación de los modelos de agua subterránea, por ejemplo: permiten la asignación de
parámetros al modelo, con el uso de macros realizan las mallas numéricas para los MDF
y MEF, posibilitan la visualización de los resultados de la modelación mediante mapas,
gráficos bidimensionales y tridimensionales, etc. (Cabrera, 2009).

14
Con el objetivo de aprovechar las posibilidades que brindan los SIG, existen tres
tendencias básicas mediante las cuales se logra la conexión SIG- Modelos Matemáticos
de Agua Subterránea (Cabrera, 2009):

1. Vincular el SIG con el Modelo Matemático de Agua Subterránea mediante


programas de transferencia de datos.

2. Integrar el Modelo con la base de datos SIG.

3. Introducir el Modelo de Agua Subterránea dentro del SIG.

Según un estudio realizado por (Cabrera, 2007), se concluye que no hay una variante
que sea evidentemente mejor a las restantes e incluso, éstas no se deben ver como
rígidas en cuanto a su estructura.

Es bueno señalar que la tendencia de los principales modelos de agua subterránea en el


mundo, utilizan el concepto de modularidad, en el cual cada herramienta es un módulo y
puede relacionarse con los demás sin necesidad de programas intermedios y también
pueden ser empleados cada módulo de forma independiente (Cabrera, 2009).

1.2.3. Recarga de acuíferos

La recarga a los acuíferos es una variable extremamente difícil de estimar ya que


depende de muchos factores, entre los cuales cabe destacar: la precipitación, la
evapotranspiración potencial, la capacidad de retención y de drenaje del suelo, el
espesor del suelo, la vegetación, la pendiente y las prácticas agrarias. Además, según
Rushton 1988 citado por (Vélez y Vásquez, 2011), también hay que tener en cuenta la
capacidad del acuífero para aceptar el agua, variación de las condiciones del acuífero
con el tiempo y tipo de acuífero.

Toda la bibliografía consultada está de acuerdo en que esta problemática es


extremamente importante, ya que de la recarga depende la sustentabilidad del
aprovechamiento actual y futuro del agua subterránea en muchas regiones del mundo
(Fragala et al, 2003), (Wang et al, 2008), (Vélez y Vásquez, 2011) entre otros.

15
Según un estudio realizado por (Vélez y Vásquez, 2011) los diferentes métodos
empleados en el cálculo de la recarga de acuíferos pueden ser agrupados en cinco
grupos:

1. Medidas Directas.

2. Balance Hídrico.

3. Trazadores.

4. Aproximaciones de Darcy.

5. Empíricos.

Dentro de estos se consideran aquí solamente los métodos basados en un Balance


Hídrico. Se puede conocer más acerca de los restantes en la referencia anterior.

El estudio del Balance de Suelos o Balance Hídrico, se basa en el principio de la


conservación de la materia, o sea, el agua que debe entrar en un suelo, es igual al agua
que se almacena en el suelo, más el agua que sale de él.

Existe un gran grupo de modelos que implementan estos métodos, se pueden señalar: el
modelo SHE (Sistema Hidrológico Europeo), el modelo MHIDE (Modelo Hidrológico
Determinístico), entre otros (González et al, 2005). En Cuba se ha utilizado el MHIDE y
EVABAL con buenos resultados en varias provincias del país, actualmente existe un
nuevo modelo llamado TCG (Llanusa, 1998), (Llanusa et al, 2004) y (Duranzas, 1987).

(Vélez y Vásquez, 2011) advierten que muchas de las técnicas existentes para
determinar la recarga, no cuantifican el valor real, sino que estiman la recarga potencial,
quiere decir, el agua que se infiltra pero que puede o no alcanzar el nivel freático.

(Schosinsky, 2006) propone una metodología y un modelo con el propósito de


determinar la recarga potencial al acuífero utilizando el Método de Balance. Una de las
ventajas de dicha metodología es que considera varias variables que influyen en la
recarga de los acuíferos. Plantea que para poder realizar el balance, se debe determinar:
la infiltración de lluvia que penetra al suelo, la cobertura vegetal del suelo, la
profundidad de las raíces extractoras del agua, la capacidad de campo, el punto de
marchitez del suelo, la evapotranspiración potencial (ETP) y la humedad del suelo al
inicio del análisis. La expresión propuesta para el cálculo de la ETP es la de Blaney y

16
Criddle. Ésta radica en considerar que el consumo de agua de un cultivo, bajo el
supuesto de no faltar el agua en el suelo, es función de la temperatura, la iluminación y
la cubierta vegetal (Almorox, 2006). Sin embargo, otros autores recomiendan, para el
caso de no contar con un observatorio completo, utilizar el método de Hargreaves para
estimar la ETP ya que ha demostrado ser bastante preciso y confiable, además ofrece
resultados muy correlacionados con los obtenidos con el método de Penman (método de
más amplia divulgación y aplicación), (Goyal y González, 2006) y (Almorox, 2006). La
expresión de Hargreaves utiliza las temperaturas mínimas, máximas y medias, y la
radiación solar extraterrestre.

Varios de los modelos que determinan la recarga a un acuífero, están basados en


soluciones numéricas. Debido a esto y al auge computacional de la actualidad, se están
obteniendo distintas soluciones utilizando los más modernos métodos de optimización,
tales como: Algoritmos Genéticos, Redes Neuronales, etc. (Alfaro et al, 2010), (Fragala
et al, 2003), entre otros.

1.3. El Problema Inverso de la hidrogeología

El problema que surge cuando se conocen las propiedades hidrogeológicas,


las condiciones iniciales y las condiciones de frontera del acuífero, y se desea
determinar la distribución espacial y temporal de los niveles del agua subterránea,
se conoce como “Problema Directo” o simulación. Los modelos numéricos que
resuelven este problema pueden ser clasificados como Modelos de Predicción. Éstos,
según (Hernández et al, 2001), simulan el comportamiento del sistema acuífero y sus
respuestas ante diferentes acciones sobre el mismo.

Como se dijo anteriormente, para resolver el Problema Directo, es preciso conocer los
valores de las propiedades hidrogeológicas del acuífero. Éstas se pueden obtener
mediante mediciones o utilizando Modelos de Identificación o Estimación de
Parámetros; sin embargo, aunque las mediciones son necesarias, no resultan suficientes,
ya que son caras, sujetas a errores importantes, normalmente escasas, su obtención suele
requerir mucho tiempo y, sobre todo, pueden no ser representativas del medio, sino sólo
de un pequeño entorno alrededor del punto de medida (Carrera y Neuman, 1986). Es por
esto que se recurre entonces a los Modelos de Estimación de Parámetros. El proceso de
búsqueda de aquellos valores de los parámetros que proporcionan una buena similitud

17
entre los valores medidos y calculados por el modelo numérico, es conocido como
calibración (Medina et al, 2001).

Los Modelos de Estimación de Parámetros resuelven el llamado “Problema Inverso de


la Hidrogeología”. En éste son sabidas las condiciones iniciales, las condiciones de
frontera, y a diferencia del Problema Directo, se conocen los niveles del agua
subterránea en el acuífero y se desean inferir las propiedades hidrogeológicas capaces
de reflejar el comportamiento hidrodinámico real del acuífero. Este concepto es
enriquecido por (Alcolea y Galarza, 2000), al definir el Problema Inverso como la
estimación de los parámetros de un acuífero (bien sean estos físicos, tales como
conductividad hidráulica, almacenamiento específico, etc., o empíricos asociados a
funciones no lineales), a partir de medidas directas y de variables dependientes de los
mismos, tales como niveles, concentraciones, etc.

Los diferentes métodos empleados en la solución del Problema Inverso, se diferencian


en el modo como se expresan los parámetros (en algunos casos se tratan de forma
determinista y en otros son funciones aleatorias) y los algoritmos de optimización
empleados en la calibración (Medina et al, 2001).

También se conoce como Problema Inverso, cuando se trata de obtener la mejor forma
de explotar el recurso almacenado en un acuífero. Los modelos que se encargan de
resolver esta problemática se clasifican como Modelos de Administración; éstos
minimizan o maximizan una determinada función objetivo que influye sobre variables,
llamadas de decisión, que pueden ser las extracciones, las recargas, entre otros (Cabrera,
2009).

1.3.1. Solución al Problema Inverso en el mundo

Una de las vías de solución al Problema Inverso es la llamada calibración manual. Para
lograr una buena aproximación entre los valores medidos y calculados, el especialista de
manera subjetiva, va realizando distintas simulaciones cambiando los valores de los
parámetros que considere oportuno, de forma que se minimicen los residuos de los
niveles del agua subterránea (diferencias entre valores calculados y medidos) (Medina
et al, 2001).

La calibración manual presenta varios inconvenientes: consume mucho tiempo, por lo


que es cara desde ese punto de vista, es un proceso muy laborioso, no existen criterios
18
para variar los parámetros, a veces es preciso ignorar algunos datos, no está clara la
ponderación que debe darse a las propiedades, ni cuándo debe detenerse el proceso, etc.
El resultado es un modelo que depende fundamentalmente de la paciencia del
hidrogeólogo y cuya fiabilidad es desconocida (Carrera y Neuman, 1986).

Debido a estas dificultades, los especialistas se dieron a la tarea de implementar


algoritmos de calibración automática, siendo ésta la tendencia con más auge en los
últimos tiempos (Medina et al, 2001), aunque (Carrera y Neuman, 1986) señalan que en
los inicios del desarrollo de estos algoritmos, los resultados no fueron del todo
satisfactorios. El problema principal radicaba, y aun radica, en la imposibilidad de
incluir los datos subjetivos del especialista, que con frecuencia son los más importantes,
dada la naturaleza cualitativa de muchas de las fuentes de información.

Como se dijo anteriormente, la diferencia que existe entre los distintos modelos de
calibración automática, radica fundamentalmente en el algoritmo de optimización
empleado para minimizar los residuos de los niveles. Según (Cooley, 1985), los
algoritmos de optimización más eficientes eran los de tipo determinísticos, dentro de
éstos se señalan los basados en los métodos de Marquardt, quasi-linealización, quasi-
Newton y Fletcher-Reeves. En la actualidad con el desarrollo adquirido en las técnicas
de búsqueda basadas en la heurística, se han implementado algoritmos que utilizan este
principio para resolver el problema inverso con muy buenos resultados (Ajmera y
Rastogi, 2008), (Ezzedine y Rubin, 2001), entre otros.

1.3.2. Solución al Problema Inverso en Cuba

En Cuba la técnica más utilizada ha sido la calibración manual, refinando los


parámetros mediante un proceso de prueba y error (Hernández et al, 2001).

Según (Rivero, 2010), entre las cuencas calibradas manualmente se encuentran:


Ariguanabo en la Habana, Ciego Morón en Ciego de Ávila, Cuenca Sur de La Habana,
M1 en Matanzas y la cuenca de Vento en la Habana.

En (Mesa, 2000) ya se aborda el problema de la calibración automática mediante el


empleo de un Algoritmo Genético para la optimización denominado Shuffled Complex
Evolution (SCE) aplicado al modelo de flujo AQÜIMPE. (Gómez, 2008) logra
implementar este algoritmo al mencionado modelo.

19
En la bibliografía consultada no existe referencia de aplicación de la calibración
automática a un caso real en Cuba.

1.3.3. Algoritmos genéticos

Los Algoritmos Genéticos (AG) son métodos de optimización matemática que están
basados en la teoría de la evolución natural propuesta por Darwin en 1859. En el
proceso de búsqueda y optimización de la solución de un problema determinado,
los AG son guiados por el principio de la supervivencia del más apto
(Santana y Coello, 2006). Las técnicas que simulan la evolución natural, Algoritmos
Genéticos, Algoritmos Evolutivos, etc., están enmarcadas en una rama de la
computación llamada computación evolutiva (Mateos, 2004).

Los Algoritmos Genéticos fueron desarrollados por John H. Holland a principios de los
1960s. Holland fue el primero en proponer explícitamente el cruzamiento y otros
operadores de recombinación (Marczyk, 2004).

La secuencia básica, (Santana y Coello, 2006), que sigue un AG es la siguiente:

1. Generar (aleatoriamente) una población inicial.

2. Calcular la aptitud de cada individuo.

3. Seleccionar (probabilísticamente) con base a la aptitud.

4. Aplicar operadores genéticos (cruza y mutación) para generar la siguiente


población.

5. Ciclar hasta que cierta condición se satisfaga.

Las principales ventajas que presentan estas técnicas evolutivas son:

• Son intrínsecamente paralelos (Marczyk, 2004), pueden explorar el espacio de


soluciones en múltiples direcciones a la vez. Esta característica, junto a otros
factores, les permite escapar de óptimos locales y descubrir el óptimo global.

• Son capaces de resolver problemas altamente no lineales y complejos sin la


necesidad de tener información acerca de la curvatura de la función,
simplemente mediante un muestreo directo del espacio de búsqueda (Gómez et
al, 2009).

20
• Tienen el potencial para acoplarse con otras técnicas de búsqueda-optimización
(Rabuñal et al, 2007), (Alfaro et al, 2010), entre otros.

Una extensa gama de aplicación de los AG puede ser consultada en (Marczyk, 2004).

Aunque los Algoritmos Genéticos han demostrado tener eficiencia y potencia en la


resolución de problemas, tienen limitaciones, principalmente:

• Pueden tardar mucho en converger, o no converger en absoluto.

• Su espacio de búsqueda debe estar delimitado dentro de un cierto rango.

• Se deben elegir cuidadosamente los parámetros de un AG, como por ejemplo: el


tamaño de la población, el ritmo de mutación y cruzamiento, el tipo y fuerza de
la selección (Marczyk, 2004).

• Se aconseja no usarlos en problemas que tengan solución de manera analítica,


ya que los métodos analíticos convencionales consumen mucho menos tiempo y
potencia computacional, además que estos últimos ofrecen la única solución
exacta (Marczyk, 2004).

(Santana y Coello, 2006) recuerdan que los AG son técnicas heurísticas, por tanto, no
garantizan que convergerán al óptimo de un problema dado. El papel de las técnicas
heurísticas es el de servir normalmente como último recurso para resolver un problema,
en el que los algoritmos convencionales (típicamente deterministas), no funcionan o
tienen un costo computacional prohibitivo. Esto implica que antes de decidir recurrir a
los AG, debe analizarse la factibilidad de utilizar otro tipo de técnica.

Shuffled Complex Evolution

El algoritmo de convergencia global Shuffled Complex Evolution (SCE), es un AG que


ha sido ampliamente utilizado en problemas de modelación hidrológica Duan et al, 1993
y Wu y Zhu, 2006, citados por (Cabrera, 2009).

Está basado en una síntesis de cuatro conceptos que han tenido probado éxito en la
optimización global, según (Gómez, 2008) y (Gómez et al, 2009):

• Combinación de aproximaciones aleatorias y determinísticas.

• El concepto de clustering.

21
• El concepto de una evolución sistemática de un complejo de puntos extendiendo
el espacio en la dirección de perfeccionamiento global.

• El concepto de evolución competitiva.

Para conocer la descripción de cada concepto se puede consultar las dos referencias
anteriores.

A continuación se muestra en la figura 1.3 la representación esquemática del algoritmo


SCE implementado por (Gómez, 2008) en el modelo de flujo AQÜIMPE.

Figura 1.3 Representación esquemática del método SCE

22
1.4. Tecnología AQÜIMPE

El modelo matemático AQÜIMPE es un paquete modular integrado de programas, que


permite la simulación matemática del flujo lineal libre o confinado en medio poroso, en
dos dimensiones del espacio y con impermanencia gradual. Está concebido para simular
acuíferos freáticos (de cualquier espesor saturado) o acuíferos artesianos a escala
regional (Martínez et al, 2000). AQÜIMPE resuelve la ecuación de flujo del agua
subterránea utilizando el método del elemento finito triangular cuadrático y aplicando la
aproximación de Galërkin. Soluciona el sistema de ecuaciones que se deriva de la
aproximación numérica mediante el método de la raíz cuadrada o de Choleski (Martínez
et al, 2000). Simula la interacción entre un lago o embalse y el acuífero que los subyace,
siempre que exista un posible intercambio entre ellos (Martínez y Llanusa, 1998).
Además, simula el fenómeno de la intrusión salina utilizando una interfaz abrupta
(Cabrera, 2009).

El modelo de flujo AQÜIMPE es un sistema que recoge las experiencias de su


aplicación por el Grupo de Modelación del Centro de Investigaciones Hidráulicas en los
principales acuíferos cubanos (Hernández et al, 2001). Además, el mismo se ha
utilizado en algunas aplicaciones en el extranjero con muy buenos resultados.

1.4.1. Actualizaciones en la tecnología AQÜIMPE

(Marón,2001) desarrolla un Modelo Matemático que resuelve el problema del flujo y


del transporte de contaminantes teniendo en cuenta la dispersión hidrodinámica, con
densidad constante para los casos 1D y 2D en planta, y con densidad variable para los
casos 3D y 2D en el plano vertical.

(Gómez, 2008) realiza la migración de todo el código fuente de AQÜIMPE en su


versión original sobre MS-DOS a la plataforma Windows, adoptando para ello los
preceptos de la programación orientada a objetos y la programación guiada por eventos.
Además, en este mismo documento se manifiesta la inclusión de un módulo para la
calibración automática de parámetros basado en el método Shuffled Complex
Evolution, (SCE). También propone una Plataforma Modular Integrada para la gestión
del agua subterránea, que integra al modelo AQÜIMPE con un conjunto de
herramientas de forma coherente. Estas herramientas son: un Sistema de Información
Geográfica (SIG) y un sistema de adquisición de datos, supervisión y control (SCADA).

23
Todo este sistema concibe una base de datos temporal única, que asimila información en
tiempo real y diferido, de un conjunto de sensores para el monitoreo de diferentes
variables hidroquímicas (Cabrera, 2009).

(Cabrera, 2007) crea una herramienta SIG llamada AQTRIGEO que permite la creación
(semiautomática) y refinamiento de la malla de triángulos para AQÜIMPE, utilizando
una plantilla sobre la base de AutoCAD Map 3D 2005 donde la esencia del proceso se
basa en el establecimiento de topologías de polígonos y de puntos a partir de las
entidades gráficas que sean creadas.

Más recientemente (Cabrera, 2009) concibe y elabora un modelo de administración


óptima de la explotación del agua subterránea nombrado MADA, que se fundamenta
principalmente en la inclusión de las ecuaciones de AQÜIMPE en un algoritmo de
programación lineal.

1.5. Análisis, comentarios y conclusiones parciales del capítulo

En Cuba se ha utilizado para la solución del Problema Inverso la calibración manual


partiendo de criterios aproximados de la zona bajo estudio, y no se han utilizado hasta el
momento métodos de calibración automatizados aplicados a un caso real.

Actualmente el modelo matemático de flujo AQÜIMPE contiene un módulo que utiliza


un AG para resolver el Problema Inverso.

Para la estimación de parámetros se ha utilizado mundialmente la calibración manual y


la calibración automática. El primer método se realiza de manera subjetiva por parte del
modelador, mientras que el segundo utiliza algoritmos de optimización.

La calibración automática ha sido la tendencia con más auge en los últimos tiempos
para darle solución al Problema Inverso. La diferencia que existe entre los distintos
modelos de calibración automática radica fundamentalmente en el algoritmo de
optimización empleado para minimizar los residuos de los niveles.

En el campo de la ingeniería los modelos matemáticos en la actualidad son los más


utilizados. Dentro de éstos, debido al auge computacional, los modelos numéricos han
ocupado el primer plano; destacándose el MDF y el MEF.

24
MODFLOW y FEFLOW son los principales modelos que se utilizan a nivel mundial en
la modelación matemática para la simulación de acuíferos. El primero utiliza el MDF y
el segundo el MEF. En ambos se maneja el concepto de modularidad.

Los SIG han ocupado un puesto muy importante e irremplazable (hasta el momento) en
la modelación matemática de acuíferos.

Cualquier método que se utilice para el cálculo de la recarga a un acuífero, será siempre
una aproximación a un fenómeno muy complejo condicionado por la alta
heterogeneidad del entorno natural.

25
CAPÍTULO 2. CARACTERIZACIÓN FÍSICO GEOGRÁFICA
DE LA ZONA DE ESTUDIO
CAPÍTULO 2. CARACTERIZACIÓN FÍSICO GEOGRÁFICA
DE LA ZONA DE ESTUDIO

De los Informes Técnicos de la EIPHH-RAUDAL se extrajeron todas las referencias del


presente capítulo (Blanco et al, 2010 y Lloréns et al, 2011).

2.1 Ubicación geográfica de la zona y área de estudio

La zona de estudio, donde se encuentra incluida el área principal investigada (Cuentas


Claras), ocupa un área aproximada de 1560 km2. Abarca a los municipios Manzanillo,
Campechuela y Yara, pertenecientes a la provincia Granma. La misma limita al norte
con el Golfo de Guacanayabo, al sur con las premontañas de la Sierra Maestra, al este
con el municipio Yara y al oeste con el municipio Campechuela. Las coordenadas
Lambert de la zona en cuestión son: este desde x1=452000 m hasta x2=492000 m y norte
desde y1=154000 m hasta y2=193000 m, figura 2.1. En este trabajo se emplean mapas a
escala 1:25000.

Figura 2.1 Ubicación de la zona de estudio.

27
El área de interés para la modelación es el sector Cuentas Claras, con una extensión
aproximada de 137 km2. Se encuentra limitada por la cuenca hidrogeológica GM-3; sin
embargo, se consideró un área de recarga al acuífero en el sur de 178 km2 y un área
intermedia, entre la anterior y el sector Cuentas Claras, de 355 km2, ver figura 2.2.
El área intermedia permitirá la circulación del agua subterránea desde el sur al norte y
conectará hidráulicamente estas zonas. Al considerar las tres áreas descritas
anteriormente, el área total para la modelación es de aproximadamente 670 km2. Ésta
limita al norte con el Golfo de Guacanayabo, al sur con las premontañas de la Sierra
Maestra, al este con el Sector Cayo Redondo, específicamente con la Falla San
Fernando-Palmarito, y al oeste con la Falla Loma Blanca-La Vega, entre las
coordenadas Lambert: este desde x1= 454414.4 m hasta x2= 481179.5 m y norte
y1= 154555.0 m hasta y2=190548.2 m. En lo adelante el área total de modelación será
llamada Cuentas Claras.

Figura 2.2 Ubicación del área de estudio (Cuentas Claras).

28
2.2 Poblaciones y algunas redes de comunicación

La ciudad de Manzanillo es el conglomerado poblacional más importante de la zona de


estudio, con una población de 97 687 habitantes hasta el 2012. Esta ciudad es abastecida
de agua potable por medio de los acuíferos Cayo Redondo y Cuentas Claras, los cuales
deben satisfacer las demandas de 105 000 habitantes, considerando la población flotante
de esta ciudad, con sus escuelas, hospitales, instalaciones gastronómicas e industrias.

Después le siguen los poblados de Yara, Campechuela y Cayo Redondo, que están a
una distancia aproximada de 20, 19 y 15 km respectivamente de Manzanillo; teniendo
acceso a estos a través de la carretera Bayamo-Manzanillo-Pilón, principal vía de
comunicación, la que se encuentra en buen estado. Además, existen otras vías como
terraplenes y caminos de condiciones regulares, que permiten también el fácil acceso a
la zona.

Los servicios de correo, de telefonía nacional, así como otros servicios de comunicación
pertenecientes a diversos organismos, son de vital importancia para el desarrollo de la
zona.

2.3 Características climáticas

El clima de la región donde se encuentra la zona de estudio es tropical húmedo, y al


igual que el resto del país, está sometida a la acción de los vientos alisios del noroeste
en el invierno y del este-noreste en verano. De acuerdo a la distribución de las
precipitaciones se determinan en el año dos períodos, uno seco y otro lluvioso, el
primero se extiende de noviembre a abril y el segundo de mayo a octubre.

La precipitación anual oscila entre los valores de 1127 a 2396 mm, con una media de
1646 mm. De acuerdo a la Estación Climática de Paso Malo, los valores máximos de la
evaporación ocurren en el verano, encontrándose la evaporación media anual en el
orden de 2006 mm con radiación media diaria de 6 MJ/m2. La temperatura anual,
muestra poca variación, 25.6°C a 26.5°C, con una humedad relativa anual entre 78 %
y 81 %, correspondiendo a julio y agosto los meses más calurosos, y los más fríos a
diciembre y enero.

29
2.4 Vegetación

La vegetación del área de estudio es diversa. En la costa existen zonas de vegetación


típica de manglares, donde predominan los mangles rojos, más cercanos al mar; y el
mangle negro junto con otras variedades, ocupa la línea posterior más alejada del agua.

El sector Cuentas Claras se caracteriza por una vegetación donde predomina en el


centro y sur, el marabú y otros matorrales; encontrándose en fincas particulares de
campesinos algunos arbustos, cocoteros, frutales y pastos.

En la llanura intermedia existen también abundantes bosques de marabú y matorrales.


En algunas granjas campesinas o cooperativas, pueden encontrarse escasas arboledas de
maderas preciosas, palmas reales y árboles frutales como naranjos, cocoteros, mangos,
guayabas, etc.

En la parte sur, donde se considera que se produce la recarga al acuífero, la vegetación


se hace más abundante, predominando los árboles maderables como cedro, caoba jiquí,
jagüey, júcaro, cagüairán, entre otros, y frutales entre los que se encuentran naranjos,
mangos, mamey, anón, cocoteros, etc.

2.5 Suelos y uso de suelos

En la zona de estudio se encuentran 9 tipos de suelos: Ferralíticos cuarcíticos amarillos


gleysosos, Fersialíticos pardo rojizos, pardos carbonatados, pardos sin carbonatos,
húmicos carbonáticos, oscuros plásticos gleysados, oscuros plásticos neoquitomórficos
(gleysosos), gley oscuros plásticos y aluviales (sin divisiones). De éstos, cinco tipos se
encuentran en el área de modelación, mostrándose en la tabla 2.1 las características
físicas e hidrofísicas de los suelos y en la figura 2.3, la ubicación de los mismos en el
área de modelación.

30
Tabla 2.1. Características físicas e hidrofísicas de los suelos.

CARACTERÍSTICAS EN LA CAPA DE 0 - 50 cm
DENOMINACIÓN GENÉTICA Coeficiente de filtración γA CC
(mm/min) (g/cm³) (%pss)
Ferralíticos cuarcíticos amarillos gleysosos 0.4 - 0.8 1.30 - 1.60 25 - 35
Pardos sin carbonatados típicos 0.2 - 0.7 1.20 - 1.40 30 - 40
Fersialíticos pardos rojizos típicos 0.4 - 1.0 1.10 - 1.30 35 - 45
Húmicos carbonáticos típicos 0.2 - 0.5 1.15 - 1.25 40 - 50
Oscuros plásticos gleysados negros 0.004 - 0.05 0.95 -1.20 50 - 60

Donde:

γA: Peso específico aparente del suelo, CC: Capacidad de campo del suelo.

Figura 2.3 Ubicación de los distintos tipos de suelos en el área de Cuentas Claras.

31
En el norte y centro no se le da al suelo un uso óptimo. Vastas extensiones de tierras
estatales se encuentran cubiertas de matorrales, predominando el marabú. Cercano a la
ciudad de Manzanillo y a sus alrededores existen organopónicos dedicados a la
agricultura urbana, viveros, siembra de flores y algunos campesinos que cultivan
viandas, hortalizas y frutos menores. En la zona, algunas cooperativas practican una
ganadería extensiva aunque no muy desarrollada. En el extremo sur se pueden encontrar
bosques bajo los cuales se cultiva el cafeto y el cacao.

2.6 Orografía y Relieve

Gran parte de la provincia de Granma se encuentra dentro de la llanura Cauto-


Guacanayabo, una de las más extensas del país. Dentro de esta llanura se ubica también
la zona de estudio, donde al sur, en las premontañas de la Sierra Maestra, las cotas
alcanzan aproximadamente los 800 m. Al norte el relieve es de colinas y montañas
bajas, en forma de cúpula y llanuras costeras en intervalos, y en la parte central es una
llanura aluvial bañada por los principales ríos de la zona.

En el área de estudio, desde el punto de vista orográfico, se presenta al norte un relieve


de colinas bajas que no llegan a los 90 m en su porción centro-este, suavizándose en
forma de llanura ondulada hacia el norte, este, sur y suroeste, constituyendo una
estructura en forma de cúpula. En la parte central el relieve es llano con ligeras
ondulaciones, mientras que al sur el relieve es de colinas y montañas bajas en su
extremo meridional, con cuestas suaves que tienden su inclinación en dirección norte.
En la figura 2.4 se muestra un mapa en 3D con la situación orográfica de la zona y el
área de estudio (la escala vertical ha sido exagerada).

32
Figura 2.4 Situación orográfica de la zona y el área de estudio.

2.7 Red hidrográfica

Los principales ríos que se pueden encontrar dentro de la zona de estudio son: Yara,
Guá, Jibacoa, Buey, Ojo de Agua y Hicotea. También existen una serie de arroyos y una
red de canales de riego pertenecientes a cultivos de arroz.

Por las características orográficas de la zona, los ríos corren de forma general de sur a
norte; sin embargo, la estructura geológica local en Manzanillo, donde el relieve se
levanta hasta cerca de los 90 m en forma de una cúpula braquianticlinal, hace que el río
Jibacoa gire al oeste para superar este accidente, convirtiéndose así en afluente del río
Guá. Al este los ríos corren también de sur a norte, siguiendo la estructura geológica del
basamento por debajo de los depósitos aluviales de la Formación Cauto.

En el área de estudio, Cuentas Claras, los principales ríos que atraviesan son el río Guá,
Jibacoa y Ojo de Agua, con toda la red de afluentes que bajan desde las partes elevadas
al sur. La red de drenaje es fundamentalmente dendrítica y se hace más densa hacia la
parte central del área, donde predominan las arcillas, lo que hace que la infiltración sea
mínima y el escurrimiento superficial máximo.

A continuación en la figura 2.5 se muestra la red de ríos principales del área de estudio.
33
Figura 2.5 Red de ríos principales del área de estudio.

2.8 Características geológicas

En la zona de estudio, ubicándose en la parte baja del corte geológico, se encuentran las
formaciones: El Cobre, de edad Paleoceno superior-Eoceno medio, compuesta de
andesitas, andesita-basaltos y tobas, Charco Redondo, de edad Eoceno medio parte baja,
compuesta de calizas con estratificación gruesa o masivas, recristalizadas, y Manzanillo,
de edad Mioceno medio superior. En la parte alta se encuentra la Formación Dátil, de
edad Plioceno Superior- Pleistoceno basal, formada por conglomerado polimíctico con
matriz escasa y arcillosa, la Formación Cauto, de edad Cuaternario basal, formada por
arcillas, limos, arenas y gravas, así como depósitos aluviales actuales formados por
arenas, limos, gravas y cantos rodados fundamentalmente.

En el mapa geológico y perfil esquemático confeccionado durante esta investigación, se


pueden observar las principales estructuras de la zona de estudio. Además,
se muestran los límites que permiten caracterizar al acuífero (Figuras 2.6 y 2.7).

34
Figura 2.6 Mapa geológico de la zona de estudio.

Figura 2.7 Perfil geológico de la sección A-B.

2.9 Características hidrogeológicas

El área de estudio se encuentra enclavada en el complejo acuífero de los sedimentos


carbonatados del mioceno (N12) de la Formación Manzanillo.

Generalizando el corte estratigráfico de esta formación en el área, se presentan de abajo


hacia arriba, o sea de más viejo a más joven los siguientes grupos litológicos:

1. Calizas órgano-detrítica arenosas y gravosas, con fábrica primaria estratificada o


masiva y con fábrica secundaria maciza o brechosa, con contenido de CaCO3 de
más del 90 %. Son de color pardo crema-amarillento a gris con manchas en
ocasiones de óxido de hierro, porosas, fosilíferas, agrietadas, cavernosas o

35
karstificadas, siguiendo direcciones preferenciales de sistemas de grietas y
fallas.

Pueden aparecer intercalaciones de lentes o capas de calizas margosas con


fábrica primaria estratificada o masiva y con fábrica secundaria maciza,
brechosa gruesa o brechosa media, con contenido de CaCO3 entre un 70 a un 90
%, de color crema-amarillento a gris, porosa, presenta oquedades, restos fósiles
y manchas de óxido de hierro.

También se presentan lentes de margas calcáreas, margas arcillosas y hasta


lutitas calcáreas o calcilutitas subordinadamente en profundidad con colores
grisáceos.

Afloran en la parte centro-noreste del área de estudio, donde se encuentra


enclavados el principal campo de pozos, en la parte apical del braquianticlinal
que conforma la parte noreste de la cuenca GM-3. También afloran estas
litologías al suroeste del área en la zona premontañosa de la Sierra Maestra,
considerada como una de las zonas de alimentación del acuífero y siguen por
debajo de los conglomerados arcillosos de la Formación Dátil y de los paquetes
rocosos de la Formación Cauto.

2. Margas con fábrica primaria estratificada o masiva y con fábrica secundaria


foliada o maciza, con contenido de CaCO3 entre un 40 a un 60 %. Son de color
crema-amarillento a gris, de baja plasticidad y presentan restos fósiles visibles.

Pueden variar desde marga calcárea hasta margas arcillosas con contenido de
CaCO3 entre un 60 a un 70 % y un 20 a un 40 % respectivamente. Más
raramente se pueden presentar algunos bloques grandes de calizas o
intercalaciones de arcillas carbonatadas.

Estratigráficamente están encima de las calizas órgano-detríticas y en planta


afloran rodeando a las calizas.

3. Lutita calcárea o calcilutita con fábrica primaria estratificada o masiva y con


fábrica secundaria laminar o maciza, con un contenido de CaCO3 entre un 10 a
un 20 %. Pueden tener desde baja a alta plasticidad, de color crema a amarillento
con abundantes concreciones de CaCO3.

36
También se presentan lentes y bloques aislados de margas intercalados.
Hidrogeológicamente dentro de este tipo, se agrupan las arcillas y limos de la
Formación Cauto dentro del área de estudio, que se diferencian por tener muy
poco CaCO3.

Todo este paquete puede ser considerado como un acuícludo que protege en
parte al acuífero de la contaminación marina o antrópica.

Permeabilidad.

Las rocas acuíferas están constituidas fundamentalmente por los tipos litológicos 1 y
parte del 2 (margas calcáreas), con una conductividad hidráulica media de 12.1 m/d,
según datos de aforos. La potencia acuífera tiene como promedio 25.0 m,
considerándola hasta 10 m por debajo del nivel medio del mar.

Dentro de todo el conjunto de rocas de la Formación Manzanillo, el grupo 3 y parte del


2 (lutitas carbonatadas y margas arcillosas respectivamente), son los menos permeables,
con conductividades hidráulicas por debajo de 10-5 cm/s, mientras que las margas dentro
del grupo 2, se comportan como un acuitardo, con conductividad hidráulica por debajo
de 10-3 cm/s.

Profundidad de yacencia de las aguas subterráneas y comportamiento de las


hidroisohipsas en el área de estudio.

La profundidad de las aguas subterráneas va desde 4.22 m a 51.24 m, respecto a la


superficie del terreno. La mayor profundidad se encuentra hacia las partes más elevadas
del sector Cuentas Claras, donde calas de hasta 100 m, no alcanzan el nivel de las aguas
subterráneas. Estas profundidades están asociadas a la topografía en forma de cúpula
donde se encuentra ubicada la ciudad de Manzanillo.

La dirección del flujo de las aguas subterráneas, en el sector Cuentas Claras, ocurre
predominantemente de forma radial, desde las partes elevadas del sector en su porción
centro-sur hacia las partes bajas. Además se encuentran en algunos lugares niveles por
debajo del nivel medio del mar.

37
2.10. Análisis, comentarios y conclusiones parciales del capítulo

Gran parte de la información analizada y mostrada en este capítulo, permitirá la


creación de las bases de datos necesarias para concebir y plantear un grupo de hipótesis,
con el fin de obtener un modelo matemático del acuífero de Cuentas Claras; capaz de
reproducir el comportamiento hidrodinámico de dicho acuífero. Además, se obtendrán
los datos necesarios para realizar la calibración del mencionado modelo.

38
CAPÍTULO 3. CREACIÓN DEL MODELO CONCEPTUAL
CAPÍTULO 3. CREACIÓN DEL MODELO CONCEPTUAL

El modelo conceptual de un acuífero es el resultado de la aplicación del conjunto de


todas las hipótesis y abstracciones tomadas por el modelador que permiten representar a
una realidad tan compleja y heterogénea como la que se presenta en estos reservorios.

Los aspectos principales a tener en cuenta para la creación del modelo conceptual son
las siguientes (Hernández et al, 2001):

- Objetivos de la tarea técnica que se pretende resolver con el modelo.

- Bases de datos del área que se modelará.

- Conocimiento preliminar del comportamiento hidrodinámico del acuífero.

- Correspondencia entre las hipótesis de cálculo contenidas en el programa de


simulación y los del propio modelo conceptual.

En este capítulo se crea por primera vez el modelo conceptual del acuífero Cuentas
Claras y se realizan un grupo de simulaciones, utilizando la tecnología AQÜIMPE, para
validar las hipótesis realizadas sobre en el mismo.

3.1. Bases de datos de la zona de estudio

En los estudios de este tipo, uno de los aspectos más importantes es la adquisición y
procesamiento de la información con la que se generan las bases de datos necesarias
para crear un modelo conceptual. Generalmente (y esta no es la excepción), la
información se obtiene de diferentes fuentes, las cuales la guardan en diferentes
formatos, forma y organización. Para este trabajo la información de la explotación se
obtuvo del Acueducto de Manzanillo, los niveles en los pozos de observación y los
registros de lluvia fueron suministrados por la empresa GEARH. Toda esta información
fue procesada y se crearon las bases de datos necesarias para el modelo conceptual del
acuífero Cuentas Claras, que fue creado entre especialistas de la empresa RAUDAL de
Holguín y del Centro de Investigaciones Hidráulicas (CIH) de la CUJAE.

A partir de los estudios hidrogeológicos, geofísicos, geológicos e hidrológicos


realizados en la zona de estudio, se procedió a definir el área del modelo y las formas de
modelar sus fronteras tal y como se indica a continuación.

40
3.1.1. Límites del área a modelar y condiciones de contorno

En el área a modelar, Cuentas Claras, se definieron todos los contornos como


impermeables (figura 3.1), quiere decir, que la descarga del acuífero es producto
solamente de la explotación. También, como se dijo en el capítulo 2, existen dos zonas
de importancia: el sector Cuentas Claras al norte, donde se encuentra casi toda la
información disponible (pozos de observación, pozos de explotación, etc.), y el
polígono que se encuentra al sur, donde se produce la principal recarga al acuífero. El
área intermedia entre el sector Cuentas Claras y el polígono de recarga, permitirá la
conexión hidrodinámica entre estas dos áreas.

Figura 3.1 Área a modelar y condiciones de los contornos.

41
3.1.2. Pozos de explotación

En el área de estudio se encuentran un total de 51 pozos de explotación controlados por


tres organismos diferentes: la Industria (IND) con 11 pozos, el Ministerio de la
Agricultura (MINAGRI) con 12 pozos y el Poder Popular, mediante el Acueducto, con
28 pozos. La explotación media anual de éstos es aproximadamente de 18 hm3. En las
tablas que se muestran a continuación se observan las coordenadas de los pozos de
explotación y en la figura 3.2 la ubicación de los mismos en el área de estudio. Además
en la figura 3.2a se observa un gráfico con el porciento que representa la explotación de
cada grupo respecto al total anual.

Tabla 3.1. Pozos de explotación de la Industria con sus coordenadas.

x (m) y (m) ID
471350.00 186700.00 Pe-IND1
475507.00 186861.00 Pe-IND2
475169.00 187576.00 Pe-IND3
472430.00 188050.00 Pe-IND4
472450.00 188150.00 Pe-IND5
471500.00 188200.00 Pe-IND6
472650.00 188250.00 Pe-IND7
476800.00 184850.00 Pe-IND8
476356.98 186727.63 Pe-IND9
471321.45 188196.87 Pe-IND10
476797.56 184862.94 Pe-IND11

Tabla 3.2. Pozos de explotación del Ministerio de la Agricultura con sus coordenadas.

x (m) y (m) ID
476432.05 184157.86 Pe-MINAGRI1
469035.41 185882.03 Pe-MINAGRI2
475883.67 186015.91 Pe-MINAGRI3
475782.46 185879.53 Pe-MINAGRI4
476220.31 185968.21 Pe-MINAGRI5
470136.31 186145.94 Pe-MINAGRI6
467315.93 186162.80 Pe-MINAGRI7
467639.43 186686.85 Pe-MINAGRI8
474702.66 186765.59 Pe-MINAGRI9
474996.62 187103.94 Pe-MINAGRI10
475991.41 186932.75 Pe-MINAGRI11
467178.907 186722.771 Pe-MINAGRI12

42
Tabla 3.3. Pozos de explotación de Acueducto con sus coordenadas.

x (m) y (m) ID x (m) y (m) ID


474552.69 186040.15 Pe-281 468594.49 185714.11 Pe-FCM3
474870.03 183422.11 Pe-286 468739.36 185525.21 Pe-HC1
475173.41 183810.15 Pe-287 471471.46 187643.29 Pe-HI
475942.95 184805.28 Pe-288 469433.04 187284.29 Pe-HMFV
474375.78 185267.03 Pe-290 468202.85 186533.41 Pe-IPI
475166.13 185485.45 Pe-292 476646.21 185192.41 Pe-LC
474217.53 187764.50 Pe-2D 474335.00 185540.00 Pe-MA
473361.05 187002.35 Pe-437 468214.42 187174.79 Pe-NM1
473141.22 186669.75 Pe-445 468592.46 187143.07 Pe-NM3
470587.30 186111.66 Pe-561 474749.47 185276.74 Pe-SA
468489.82 181607.31 Pe-80 468173.02 184548.02 Pe-T1
475592.27 186433.04 Pe-Ac 468542.52 184621.00 Pe-T2
466900.00 184850.00 Pe-EPIGRAN 460810.00 179750.00 Pe-Troya
468536.60 185710.12 Pe-FCM1 476860.16 185605.35 Pe-Viv

Figura 3.2 Ubicación de los pozos de explotación.

43
2.12 hm³/año
12% 0.46 hm³/año
2%

Acueducto y Poder Popular


Industria
MINAGRI

15.32 hm³/año
86%

Figura 3.2a Distribución de la explotación por organismo.

3.1.3. Pozos de observación

El área cuenta con una red de 8 pozos de observación con mediciones desde enero de
1991 hasta noviembre de 2011, pero de este período solamente en los años de 1997 al
2000, los registros de 7 de ellos tienen observaciones mensuales. En los restantes años
solo los siguientes tres pozos conservan la condición anterior, Po-2, Po-3, Po-9, los
demás tienen mediciones semestrales.

En la siguiente tabla se muestran las coordenadas de los pozos y en la figura 3.3 las
ubicaciones de éstos.

Tabla 3.4. Pozos de observación con sus coordenadas.

x (m) y (m) ID
468250.00 187150.00 Po-10
466200.00 179000.00 Po-2
470300.00 183700.00 Po-3
471200.00 180800.00 Po-83
470110.00 186300.00 Po-84
467000.00 184550.00 Po-85
472057.00 188200.00 Po-9
475050.00 184200.00 Po-L2

44
Figura 3.3 Ubicación de los pozos de observación.

3.1.4. Pluviómetros

En la zona de estudio se encuentran 15 pluviómetros, sus coordenadas y nombres


correspondientes se muestran en la tabla 3.5. Se tienen mediciones mensuales a partir
del mes de enero del año 1997 hasta el mes de diciembre del 2011.

Tabla 3.5. Pluviómetros con sus coordenadas.

x (m) y (m) ID x (m) y (m) ID


444900.00 172800.00 Pv-1524 476400.00 160800.00 Pv-120
448400.00 174400.00 Pv-1617 482300.00 181900.00 Pv-127
453300.00 176300.00 Pv-1516 487300.00 189500.00 Pv-135
457100.00 176300.00 Pv-84 487500.00 179800.00 Pv-1526
465100.00 172700.00 Pv-98 488400.00 184500.00 Pv-137
467100.00 183100.00 Pv-1142 492000.00 181000.00 Pv-158
470200.00 188100.00 Pv-1520 492500.00 184300.00 Pv-1525
476000.00 174200.00 Pv-109

45
Para poder establecer los criterios de recarga y realizar la discretización del área,
se aplicó el método de los polígonos de Thiessen, determinando el área de influencia de
cada pluviómetro como se muestra en la figura 3.4.

Figura 3.4 Ubicación de los pluviómetros y polígonos de Thiessen en el área de estudio.

3.1.5. Mapa de propiedades hidrogeológicas

Se consideran como propiedades hidrogeológicas del acuífero: la transmisividad


hidráulica (TD) y la porosidad efectiva en el caso de acuíferos libres o el coeficiente de
almacenamiento para acuíferos confinados (S).

El mapa de transmisividades se obtuvo utilizando los resultados de las pruebas de


bombeo que se han realizado en los pozos de explotación. En la figura 3.5 se muestra el
mapa de transmisividad con los pozos empleados en la confección del mismo.

46
Figura 3.5 Mapa de transmisividad hidráulica y pozos de bombeo utilizados.

No se contó con información del coeficiente de almacenamiento, así que se asignaron


valores, atendiendo a las características hidrogeológicas de las rocas del área, utilizando
la literatura especializada.

3.2. Discretización

La discretización o la “triangulación” del área se obtuvo atendiendo a: las propiedades


hidrogeológicas, ubicación de los pozos de bombeo y de observación, límites del área a
modelar, zonas de infiltración y los polígonos de Thiessen. Con este fin se utilizó la
herramienta SIG, AQTRIGEO.

Este proceso inicialmente se realizó colocando puntos que representaban los nodos
principales de los triángulos, tratando que estos nodos coincidieran o estuvieran cerca
de pozos de explotación o pozos de observación. Debido a esto, la malla en la vecindad
de los campos de pozos de explotación tiene una mayor cantidad de triángulos respecto

47
a otras áreas. Una vez ubicados los nodos principales se crearon los triángulos o
elementos al unir mediante líneas estos nodos, tratando que cada triángulo estuviera
contenido, según el mapa de transmisividad, en un área con una misma propiedad
hidrogeológica.

Se crearon topologías de polígonos y de nodos, con las cuales, haciendo uso de un


grupo de consultas, se obtienen los principales datos para realizar la numeración
automática de la malla. Este paso se llevó a cabo empleando un conjunto de macros
(propias de AQTRIGEO) que han sido concebidas para este fin. Además de la
numeración, estas macros permitieron obtener las principales tablas que contienen la
información espacial necesaria para el modelo AQÜIMPE.

En la figura 3.6 se muestra la discretización del área de Cuentas Claras. La malla


mostrada está compuesta por 167 elementos (triángulos) y 362 nodos (vértices y centros
de cada lado de los triángulos). En las tablas A.1.1 y A.1.2 se puede consultar
información más detallada acerca de la triangulación.

Figura 3.6 Discretización del área de Cuentas Claras.

48
3.3. Grupos de propiedades hidrogeológicas

Atendiendo al mapa de transmisividad de la figura 3.5 y a la discretización realizada, se


conformaron 8 grupos de propiedades. En cada grupo, los valores iniciales, mínimos y
máximos de transmisividad, se obtuvieron mediante la superposición de la triangulación
sobre el mencionado mapa. Para el tramo intermedio, encargado del tránsito entre la
recarga y el sector Cuentas Claras, se asignaron altas transmisividades y bajo
coeficiente de almacenamiento. Como se dijo anteriormente en el 3.1.5., al no conocer
los valores del coeficiente de almacenamiento, no se realizó un tratamiento similar al
que se describió para el caso de la transmisividad, sino que se definió el intervalo
mediante la literatura especializada.

En la figura 3.7 se muestran los grupos de propiedades (GP) del modelo y en la tabla 3.6
se puede observar los valores de transmisividad y coeficiente de almacenamiento de los
mismos.

Figura 3.7 Grupos de propiedades del modelo.

49
Tabla 3.6. Grupos de propiedades con sus transmisividades y coeficiente de
almacenamiento inicial, mínimo y máximo.

GP TD-INI (m²/d) TDMIN (m²/d) TDMAX (m²/d) SINI SMIN SMAX


1 650 300 1000 0.05 0.01 0.30
2 200 100 300 0.05 0.01 0.30
3 75 50 100 0.05 0.01 0.30
4 200 100 300 0.05 0.01 0.30
5 200 100 300 0.05 0.01 0.30
6 55 10 100 0.02 0.01 0.05
7 700 500 1000 0.02 0.01 0.05
8 1500 1000 2000 0.0002 0.0001 0.0005

3.4. Grupos de infiltración

Con el mapa del suelo de cobertura, mostrado en la figura 2.3, los polígonos de
Thiessen y la discretización del área a modelar, se definieron un conjunto de 9 grupos
de infiltración (GI). Los elementos contenidos en cada uno de estos grupos,
son considerados con igual infiltración de la lluvia que incide sobre ellos, exceptuando
al GI-9 que se considera con infiltración nula. En la figura 3.8 se muestra la distribución
sobre el área de estudio de los mencionados grupos.

Figura 3.8 Grupos de infiltración.

50
3.5. Estimación de la recarga

Debido a la falta de información de carácter hidrológico que existe en el área de estudio,


no fue posible la determinación de la recarga mediante modelos de simulación
hidrológica. Se estima entonces la recarga potencial al acuífero usando el método de
balance hídrico propuesto por (Schosinsky, 2006).

Para realizar el balance hídrico del suelo de una cuenca es necesario procesar la
siguiente información: selección del intervalo de tiempo, datos de evapotranspiración
potencial, datos de las precipitaciones y datos de suelos (Dilla, 2002).

El estudio del balance de suelos se basa en el principio de la conservación de la materia.


Las entradas son debidas a la infiltración del agua hacia el suelo, y las salidas se deben a
la evapotranspiración de las plantas, más la descarga a los acuíferos.

Para evaluar la infiltración de lluvia que penetra al suelo en una zona, se determinan: la
precipitación mensual de la misma, los diferentes valores de infiltración básica de los
suelos, la cobertura vegetal del suelo y su pendiente. Determinados los valores
anteriormente mencionados, se puede evaluar la infiltración mediante una ecuación
presentada por Schosinsky y Losilla en (Schosinsky, 2006). Para el cálculo de la
evapotranspiración potencial existen una serie de ecuaciones, aunque algunas de ellas
requieren un grupo de datos que pocas estaciones meteorológicas los tienen. El autor
utilizó diferentes métodos para determinar la ETP y luego de varios análisis en conjunto
con los especialistas de la zona, se aceptó el método de Hargreaves ya que reflejaba la
realidad más adecuadamente; por la falta de datos fue imposible utilizar el método de
Penman. Posteriormente, luego de conocida la capacidad de campo, el punto de
marchitez del suelo y la profundidad aproximada de las raíces extractoras de agua, se
realiza el balance en un prisma rectangular, que tiene en la cara superior un cuadrado de
1 metro de lado y de profundidad la de las raíces. La máxima humedad que puede tener
un suelo que no se encuentre saturado, es igual a la capacidad de campo. Finalmente, la
recarga al acuífero se produce, si la cantidad de agua que infiltra es suficiente para
llevar al suelo a capacidad de campo y además satisfacer la evapotranspiración de las
plantas. El agua sobrante, una vez satisfecha la capacidad de campo y la
evapotranspiración, es la que recarga al acuífero.

51
A manera de ilustración de la metodología antes expuesta, se selecciona el Grupo de
Infiltración 1, el cual se encuentra en parte del área donde se considera ocurre la
principal recarga al acuífero.

Tabla 3.7. Alimentación debida a la lluvia en el Grupo de Infiltración 1.

Meses (Año 2004)


Concepto
1 2 3 4 5 6 7 8 9 10 11 12
P (mm) 2.5 0.0 24.2 172.8 155.8 99.2 223.6 222.7 203.8 97.8 0.0 2.2
Pi (mm) 0.0 0.0 19.2 152.1 137.1 87.3 196.8 196.0 179.3 86.1 0.0 0.0
HSi (mm) 119.2 105.6 98.9 104.6 171.5 194.3 183.5 210.0 210.0 210.0 193.9 144.7
ETP (mm) 96 87 113 143 135 130 132 140 130 118 94 92
HSf (mm) 105.6 98.9 104.6 171.5 194.3 183.5 210.0 210.0 210.0 193.9 144.7 119.2
Rp (mm) 0.0 0.0 0.0 0.0 0.0 0.0 38.2 56.0 49.3 0.0 0.0 0.0

Donde:

Capacidad de campo del suelo = 210 mm, P: Precipitación, Pi: Precipitación que infiltra al suelo, ETP:
Evapotranspiración potencial, HSi: Humedad del suelo al inicio del mes, HSf: Humedad del suelo al final
del mes, Rp: Recarga potencial al acuífero.

3.6. Estado inicial del acuífero

Para la etapa de simulación que se verá posteriormente, se selecciona finales del mes de
enero del año 2003 como estado inicial del acuífero. Con los datos de niveles en los
pozos de observación, se realiza una interpolación con la herramienta SIG, Surfer 10,
utilizando el método de Kriging, obteniéndose el mapa de la figura 3.9. Luego
superponiendo el mallado sobre el mapa anterior, se lleva a cabo la asignación de
niveles a todos los nodos (principales y secundarios) de la triangulación pertenecientes
al sector Cuentas Claras. En el área de recarga al no existir información referente a los
niveles, se tomó el criterio de asignarle como carga hidráulica a los nodos, la diferencia
entre el nivel del terreno del nodo en cuestión y 3 metros. Finalmente se obtuvo el mapa
de las hidroisohipsas correspondientes al estado inicial que se muestra en la figura 3.10.

52
Figura 3.9 Mapa de hidroisohipsas (Sector Cuentas Claras) y pozos de observación (finales
de enero del 2003).

Figura 3.10 Mapa de hidroisohipsas (Cuentas Claras) (finales de enero del 2003).

53
3.7. Simulación preliminar

El período escogido para realizar un grupo de simulaciones, con el objetivo de verificar


preliminarmente las hipótesis tomadas en la creación del modelo conceptual, fue desde
febrero del 2003 hasta mayo del 2004.

Se tomaron como valores iniciales de las propiedades hidrogeológicas los mostrados en


la tabla 3.6.

3.7.1. Resultados de la simulación

En la figura 3.11 se muestra la tendencia de los volúmenes de agua en todo el acuífero


para el período seleccionado. Se aprecia que existe una recuperación de los mismos en
el período húmedo.

Volúmenes de agua
3840
3835
3830
3825
V (hm³)

3820
3815
3810
3805
3800
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
t (mes)

Figura 3.11 Volúmenes de agua en todo el acuífero para cada tiempo de la simulación.

A continuación en las tablas 3.8, 3.9 y 3.10, y en las figuras 3.12, 3.13 y 3.14, se realiza
una comparación entre los niveles medidos en los pozos de observación Po-9, Po-3 y
Po-2, y los correspondientes nodos del modelo 19, 142 y 236. Se tomó como criterio de
error la media de los valores absolutos de las diferencias entre los niveles observados y
simulados.

54
Tabla 3.8. Comparación entre los niveles observados y simulados en el pozo de
observación Po-9.

t (mes) Hs (m) Ho (m) ΔH (m)


1 6.45 6.15 0.30
2 5.85 6.06 0.21
3 5.56 6.05 0.49
4 5.21 6.09 0.88
5 4.91 6.11 1.20
6 4.62 6.15 1.53
7 4.34 6.17 1.83
8 4.07 6.20 2.13
9 3.81 6.21 2.40
10 3.55 5.70 2.15
11 3.31 5.51 2.20
12 3.07 5.42 2.35
13 2.84 5.20 2.36
14 2.61 5.90 3.29
15 2.39 7.00 4.61
16 2.17 6.05 3.88
ERROR (m) 1.54

Niveles en el tiempo. Po-9 , Nodo-19


18
16
14
12
10
H (m)

8 Observado
6 Simulado
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
t (mes)

Figura 3.12 Comparación gráfica entre los niveles observados y simulados en el pozo de
observación Po-9.

55
Tabla 3.9. Comparación entre los niveles observados y simulados en el pozo de
observación Po-3.

t (mes) Hs (m) Ho (m) ΔH (m)


1 18.96 23.85 4.89
2 18.34 23.34 5.00
3 17.9 23.22 5.32
4 17.56 23.25 5.69
5 17.29 23.28 5.99
6 17.09 23.29 6.20
7 16.95 23.31 6.36
8 16.76 23.33 6.57
9 16.73 23.38 6.65
10 16.55 23.93 7.38
11 16.37 23.68 7.31
12 16.2 23.64 7.44
13 16.03 23.55 7.52
14 15.88 23.32 7.44
15 15.73 23.25 7.52
16 15.59 23.12 7.53
ERROR (m) 6.55

Niveles en el tiempo. Po-3 , Nodo-142


26
24
22
20
18
H (m)

16 Observado
14 Simulado
12
10
8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
t (mes)

Figura 3.13 Comparación gráfica entre los niveles observados y simulados en el pozo de
observación Po-3.

56
Tabla 3.9. Comparación entre los niveles observados y simulados en el pozo de
observación Po-2.

t (mes) Hs (m) Ho (m) ΔH (m)


1 12.57 10.98 1.59
2 14.59 10.42 4.17
3 16.44 10.38 6.06
4 17.96 10.43 7.53
5 19.38 10.55 8.83
6 21.41 10.82 10.59
7 23.28 10.94 12.34
8 24.24 10.95 13.29
9 26.24 11.38 14.86
10 26.78 13.01 13.77
11 27.14 12.84 14.30
12 27.57 12.21 15.36
13 27.97 12.08 15.89
14 28.36 11.63 16.73
15 28.73 11.08 17.65
16 29.08 11.02 18.06
ERROR (m) 11.93

Niveles en el tiempo. Po-2 , Nodo-236


32
30
28
26
24
22
H (m)

20
18 Observado
16 Simulado
14
12
10
8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
t (mes)

Figura 3.14 Comparación gráfica entre los niveles observados y simulados en el pozo de
observación Po-2.

57
3.8. Análisis, comentarios y conclusiones parciales del capítulo

En el procesamiento de la información con que se generaron las bases de datos


necesarias para la creación del modelo conceptual y la simulación preliminar, se
detectaron un conjunto de errores e insuficiencias que se mencionan a continuación:

- Varios meses donde no existen los registros de los pozos de explotación.

- En algunos casos, no existe concordancia entre la unidad en la que se brinda el


dato y la magnitud del dato.

- Se encuentran pozos en registros distintos con igual nombre pero con diferentes
coordenadas.

- Pozos con nombres y coordenadas incorrectas.

- Errores en la cota topográfica de algunos pozos.

- Los datos provenientes de las pruebas de bombeo más reciente, difieren en


algunos casos respecto a los brindados por un organismo perteneciente a la
minería.

- No existen estudios para estimar el valor del coeficiente de almacenamiento.

A pesar de las ventajas del modelo propuesto por Schosinsky para determinar la recarga
al acuífero, descritas en 1.2.3, este tiene el inconveniente de realizar un balance que
toma como intervalo de tiempo el mes. Esta consideración no representa adecuadamente
la realidad que existe en la naturaleza en el proceso de infiltración entre la lluvia y el
suelo de cobertura.

Los resultados obtenidos en la simulación con los valores iniciales dados a las
propiedades hidrogeológicas no fueron los adecuados, quiere decir que los niveles
simulados no reflejan fielmente el comportamiento y magnitud de los niveles
observados. Esto demuestra la necesidad de una etapa de calibración para analizar si el
modelo conceptual es correcto y determinar el conjunto de parámetros que identifican al
modelo del acuífero estudiado.

58
CAPÍTULO 4. CALIBRACIÓN DEL MODELO MATEMÁTICO
CAPÍTULO 4. CALIBRACIÓN DEL MODELO MATEMÁTICO

En este capítulo se somete el modelo conceptual del acuífero “Cuentas Claras” a un


proceso de calibración automática usando un algoritmo genético que se encuentra
acoplado a la tecnología AQÜIMPE. El objetivo fundamental de este proceso de
calibración es obtener los parámetros hidrogeológicos representativos del medio.

4.1. Período de calibración

Las bases de datos procesadas en los capítulos anteriores mostraban que existía un
período de 4 años (1997-2000) donde los registros de los niveles en todos los pozos de
observación contenían mediciones mensuales, exceptuando al Po-85 que presenta
mediciones semestrales. Sin embargo, se realizó un análisis gráfico en cada uno de estos
pozos y se demostró que a partir del mes de agosto del año 1998, ocurren una serie de
variaciones en los niveles, no justificadas, que imposibilitaron tomar íntegramente el
mencionado período como el período de calibración (ver anexo A2). Debido a lo
anterior, del período de 4 años, se seleccionaron 18 meses comprendidos entre febrero
del 1997 hasta julio de 1998 como período de calibración, ya que en los mismos se
garantizaba un comportamiento adecuado en los niveles del agua subterránea en los
pozos de observación; dato principal para obtener una buena calibración. Sería
conveniente revisar la información incompleta o con errores evidentes, con el objetivo
de ampliar el período de calibración o utilizarlo como etapa de validación de los
parámetros obtenidos de la calibración con el período restringido.

4.2. Aplicación del módulo de calibración automática en WinAQE para


obtener los parámetros hidrogeológicos representativos del medio

Es bueno señalar que a la nueva versión de AQÜIMPE sobre Windows (WinAQE) se le


ha incorporado un módulo, para realizar el proceso de calibración de manera
automática, que utiliza un algoritmo de optimización basado en técnicas heurísticas
(algoritmo genético) que es capaz de obtener la combinación de propiedades
hidrogeológicas que permiten minimizar la diferencia entre los niveles observados y
simulados.

60
4.2.1. Tratamiento de la recarga en el período de calibración

A partir de la definición de los grupos de infiltración dada en 3.4 y utilizando la


metodología expuesta en 3.5, se obtiene, para el período comprendido entre enero de
1997 y diciembre de 1998, la recarga al acuífero (anexo A3).

4.2.2. Resultados de la calibración con el modelo conceptual de


Cuentas Claras

Con el objetivo de realizar ejecuciones donde se puedan modificar un conjunto de


variables del modelo y los parámetros del algoritmo de optimización, la versión de
AQÜIMPE (WinAQE) permite la posibilidad de definir escenarios. En éstos se puede
para un mismo problema, establecer diferentes variantes de configuración de éste, y por
tanto, de solución.

En la búsqueda de la solución óptima, se desea encontrar la distribución de propiedades


hidrogeológicas capaces de simular los niveles estáticos en los pozos de observación
Po-9, Po-10, Po-84, Po-L2, Po-3, Po-83 y Po-2 en el período seleccionado

La primera calibración del modelo de Cuentas Claras que se realizó, tenía como
objetivo evaluar el modelo conceptual, de manera tal que en los elementos ubicados en
el sector Cuentas Claras, se obtuvieran valores del coeficiente de almacenamiento
menores que 0.1; ya que la geología en la que se encuentran estos elementos está
caracterizada por rocas con bajas capacidades de almacenamiento. También se esperaba
que en el tramo de tránsito se alcanzasen altas transmisividades, para así demostrar la
funcionalidad de dicho tramo encargado de conectar y transmitir el flujo desde la
montaña hasta el sector Cuentas Claras.

En esta ejecución, a pesar de obtenerse un grupo de propiedades que permitieron lograr


un error aceptable entre los valores observados y simulados de los pozos de observación
antes mencionados (figuras A.4.1.a hasta A.4.1.g), en el tramo de tránsito no se logró la
calibración con altas transmisividades. Además, el coeficiente de almacenamiento de los
grupos ubicados en el sector Cuentas Claras, mostró una fuerte tendencia a tomar el
valor máximo de 0.1, conjuntamente, en los pozos próximos a la zona de captación, la
tendencia era hacia al agotamiento. Esto indicaba que el modelo estaba calibrando sin
utilizar el aporte proveniente de la zona de recarga, ya que el flujo (calculado utilizando

61
la transmisividad resultante de esta ejecución) a través del tramo de tránsito era
despreciable. La convergencia se logró porque el modelo lograba suplir la demanda de
explotación utilizando un almacenamiento ficticio en el sector Cuentas Claras.

Es bueno señalar que este comportamiento es totalmente incorrecto, porque el análisis


realizado por el autor en el sector Cuentas Claras, demostró que no es suficiente la
recarga (proveniente de la lluvia que cae sobre este sector) para satisfacer la explotación
a la que está sometida este acuífero (Anexo A5). Además, como se dijo anteriormente,
las formaciones acuíferas que se encuentran presentes en el sector Cuentas Claras, no
poseen grandes capacidades de almacenamiento.

Se decide entonces realizar una calibración del modelo restringiendo al mínimo la


capacidad de comunicación entre la premontaña de la Sierra Maestra y el sector Cuentas
Claras. Para ello, el intervalo de búsqueda de la transmisividad en el área de tránsito se
limita desde1 m2/d hasta 10 m2/d.

En la tabla 4.1, que se muestra a continuación, se observa la similitud que existe entre
los resultados provenientes de estas dos calibraciones. Esto demostró la existencia de un
error en el modelo conceptual, ya que éste no era capaz de reflejar adecuadamente el
comportamiento hidrodinámico del acuífero.

Tabla 4.1. Propiedades calibradas resultantes de las dos primeras ejecuciones del modelo
AQÜIMPE.

Escenario-1 Escenario-2
GP
TD (m²/d) S TD (m²/d) S
1 1087.10 0.1000 1190.22 0.0999
2 59.00 0.0999 57.55 0.0999
3 511.98 0.0994 509.21 0.0998
4 3982.06 0.0089 1574.34 0.0188
5 10.00 0.0998 10.03 0.0999
6 26.09 0.1000 22.35 0.0999
7 1016.27 0.0556 1944.92 0.0846
8 14.21 0.0002 9.28 0.0001

Donde:

GP: Grupo de propiedades, TD: Transmisividad, S: Coeficiente de almacenamiento.

62
4.2.3. Modelo conceptual del sector Cuentas Claras

Los resultados obtenidos en el epígrafe anterior, junto a las razones que se comentarán a
continuación, obligaron a replantearse la conveniencia de sustituir el modelo conceptual
del área total, por uno que solo contemplara el área correspondiente al sector Cuentas
Claras.

AQÜIMPE, al ser un modelo en 2D, cuando se aplica al caso donde la componente


horizontal es la predominante, está incapacitado para contemplar la componente vertical
de la velocidad del flujo. Lo anterior, unido a que los niveles en el comienzo del sector
Cuentas Claras son bajos y aumentan hacia el centro, imposibilitó que el flujo
proveniente de la Sierra Maestra pudiera comunicarse a través del tramo de tránsito; ya
que estos bajos niveles y la concepción del AQÜIMPE, representaban una barrera para
este flujo. En la figura 4.1 se ilustra esta situación.

Figura 4.1 Perfil esquemático del acuífero con el movimiento del agua subterránea.

Los resultados de los estudios geológicos y geofísicos sugieren que el aporte de la


recarga de la zona de montaña al sector Cuentas Claras proviene de fallas geológicas
bajo ésta, por lo que el flujo debe ser de abajo hacia arriba con componentes verticales
de velocidad significativas. Con el software utilizado esto pudiera ser simulado como

63
una recarga en superficie, adicional a la que se produce directamente por la lluvia, en
los elementos que corresponden a los afloramientos de las calizas, quiere decir, este
aporte puede ser simulado como un “gasto superficial” que represente un determinado
por ciento del volumen que infiltra en la zona de recarga.

Manteniendo el mallado realizado anteriormente sobre este sector y desechando los


elementos ubicados en el tramo de tránsito y la zona de recarga, se realiza una nueva
numeración con los elementos pertenecientes al sector Cuentas Claras. Además, se
definen nuevos grupos de propiedades y de infiltración. Estos cambios se observan en
las figuras 4.2, 4.3 y 4.4.

Figura 4.2 Discretización en el sector Cuentas Claras.

64
Figura 4.3 Distribución de los grupos de propiedades en el sector Cuentas Claras.

Figura 4.4 Distribución de los grupos de infiltración en el sector Cuentas Claras.

Mediante el grupo de infiltración 6 se asignó al modelo el aporte de la Sierra Maestra


como gasto superficial.

65
4.2.3.1. Tratamiento de la recarga

Se mantuvo la recarga calculada en el modelo del área total, con la diferencia que en el
caso del grupo de infiltración 6, se calculó cuanto debería ser la lámina total, a asignar a
este grupo, capaz de representar un volumen equivalente al derivado de la zona de
montaña. Para definir como debería ser la distribución en el tiempo de esta lámina se
establecieron varios escenarios que se comentan a continuación.

El primero consistió en dividir la lámina total entre la cantidad de tiempos de


calibración. Esto generó una lámina uniforme en todo el período. A partir de este valor
se definieron otros escenarios modificando la magnitud de esta lámina uniforme. En los
dos últimos, se distribuyó la lámina total siguiendo el comportamiento de infiltración de
la lluvia en la zona de montaña para el período de calibración, tomando como
consideración para el último escenario, que el aporte demora un mes en llegar al sector
Cuentas Claras. En la tabla 4.2 se muestra la recarga asignada al grupo de infiltración 6
para cada escenario.

Tabla 4.2. Recarga al acuífero en lámina de agua acumulada, en (mm por mes) asignada al
grupo de infiltración 6.

Escenario t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 t11 t12 t13 t14 t15 t16 t17 t18
1 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0 44.0
2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2 35.2
3 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4 26.4
4 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8 52.8
5 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6 61.6
6 4.2 23.2 0.0 0.0 111.7 170.0 145.9 261.8 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 43.1 52.3
7 0.0 4.2 23.2 0.0 0.0 111.7 170.0 145.9 261.8 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 43.1

En los escenarios 2 y 3 se disminuyó la lámina en 20 y 40 por ciento respectivamente. Para los escenarios
4 y 5 se aumentó la lámina utilizando los mismos porcientos. El escenario 6 asemeja el comportamiento
de la infiltración de la lluvia en la zona de montaña y el 7 contempla un retardo de un mes en el aporte.

4.2.3.2. Resultados de la calibración

En la figura 4.5 se muestra un gráfico con el comportamiento de la función objetivo


(FO) para cada uno de los escenarios definidos anteriormente.

66
Función objetivo
300

250
Valor de la F.O.

200

150

100

50

0
1 2 3 4 5 6 7
Escenario

Figura 4.5 Comportamiento de la función objetivo en la calibración.

El escenario 3 generó el valor más pequeño de la función objetivo con una magnitud de
78.06. El coeficiente de almacenamiento calibrado en todos los escenarios mantiene la
fuerte tendencia a tomar el valor de 0.1 (tabla A.6.1). En general se obtuvo una buena
similitud entre los niveles simulados y observados en todos los escenarios. A
continuación se muestran, para el escenario 3, las propiedades calibradas y los niveles
observados y simulados en los pozos de observación utilizados en la calibración.

Tabla 4.3. Propiedades calibradas en el escenario 3.

GP TD (m²/d) S
1 14.45 0.1000
2 44.46 0.0997
3 242.63 0.0993
4 92.58 0.0039
5 4228.54 0.0939
6 31.09 0.0970
7 10.84 0.0985

67
Niveles en el tiempo. Po-2 , Nodo-43
18

16

14

12

10
H (m)

8 Observado

6 Simulado

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura 4.6.a Valores observados y simulados de los niveles en el pozo de observación


Po-2 en un período de 18 meses.

Niveles en el tiempo. Po-83 , Nodo-125


22

20

18

16

14
H (m)

12 Observado

10 Simulado

4
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura 4.6.b Valores observados y simulados de los niveles en el pozo de observación


Po-83 en un período de 18 meses.

68
Niveles en el tiempo. Po-10 , Nodo-126
16

14

12

10

8
H (m)

6 Observado

4 Simulado

-2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura 4.6.c Valores observados y simulados de los niveles en el pozo de observación


Po-10 en un período de 18 meses.

Niveles en el tiempo. Po-3 , Nodo-128


22

20

18

16

14
H (m)

12 Observado

10 Simulado

4
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura 4.6.d Valores observados y simulados de los niveles en el pozo de observación


Po-3 en un período de 18 meses.

69
Niveles en el tiempo. Po-84 , Nodo-141
18

16

14

12

10
H (m)

8 Observado

6 Simulado

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura 4.6.e Valores observados y simulados de los niveles en el pozo de observación


Po-84 en un período de 18 meses.

Niveles en el tiempo. Po-9 , Nodo-167


18

16

14

12

10
H (m)

8 Observado

6 Simulado

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura 4.6.f Valores observados y simulados de los niveles en el pozo de observación


Po-9 en un período de 18 meses.

70
Niveles en el tiempo. Po-L2 , Nodo-203
16

14

12

10

8
H (m)

6 Observado

4 Simulado

-2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura 4.6.g Valores observados y simulados de los niveles en el pozo de observación


Po-L2 en un período de 18 meses.

Estos resultados no lograron satisfacer las hipótesis planteadas, ya que como se dijo
anteriormente, el coeficiente de almacenamiento debe ser menor que 0.1. Además en el
escenario 3 se consideró una lámina un 40% inferior a la equivalente necesaria para
garantizar el aporte de la zona de montaña. Debido a esto se observa en los pozos Po-3,
Po-9 y Po-L2 una tendencia hacia el agotamiento.

Por último, en aras de resolver la situación anterior, se decidió realizar una distribución
más refinada de los grupos de propiedades, de manera tal, que cada grupo contemplara
solo un pozo de observación. También se dividió en tres grupos el GI-6 para ponderar
de manera diferente las láminas asignadas a éstos, manteniendo que el volumen,
producto de las mismas, aproxime al proveniente de la zona de montaña. En las figuras
4.7 y 4.8 se observan estos cambios, y en la tabla 4.4 la lámina asignada a los nuevos
grupos sustitutos del GI-6.

71
Figura 4.7 Nueva distribución de los grupos de propiedades en el sector Cuentas Claras y
pozos de observación (Po).

Figura 4.8 Nueva distribución de los grupos de infiltración en el sector Cuentas Claras.

72
Tabla 4.4. Recarga al acuífero en lámina de agua acumulada, en (mm por mes) asignada a
los grupos de infiltración 6, 8 y 9.

GI L (mm/mes)
6 22.2
8 33.3
9 11.1

Para contemplar las modificaciones anteriores se definieron dos escenarios más. En el


primero de éstos (escenario 8) se mantuvo la distribución original de los grupos de
propiedades pero se utilizaron los nuevos grupos de infiltración. El escenario 9
incorporó todas las modificaciones, quiere decir, nuevos grupos de propiedades y
nuevos grupos de infiltración. A continuación se muestran varios resultados
provenientes de estos escenarios.

Tabla 4.5. Tiempo de cómputo (TC) y valor de la función objetivo (FO).

Escenario TC (h) FO
8 15 80.32
9 17 48.98

Tabla 4.6. Propiedades calibradas.

Escenario-8 Escenario-9
GP GP
TD (m²/d) S TD (m²/d) S
1 31.45 0.1000 1 61.49 0.0975
2 183.00 0.0739 2 18.91 0.1000
3 286.38 0.0949 3 93.84 0.0972
4 10.34 0.0908 4 117.16 0.0999
5 4994.79 0.0998 5 196.63 0.0970
6 16.36 0.0999 6 4778.61 0.0375
7 756.00 0.0990 7 570.96 0.0842
8 552.74 0.0317
9 4992.48 0.1000
10 4986.33 0.1000

El escenario 8 demostró la sensibilidad que tiene en el modelo la recarga, ya que se


obtuvo un valor bien bajo de la función objetivo con solo cambiar la asignación de la
lámina por grupos de infiltración. Además se logró disminuir en el GP-2 el valor del

73
coeficiente de almacenamiento. En el escenario 9 se obtuvo el mínimo global (para las
variantes analizadas) de la función objetivo. A continuación se muestran los mapas de
hidroisohipsas para el tiempo final de calibración y en el anexo A6 se exponen los
gráficos de niveles observados y simulados producto de estos dos escenarios.

Figura 4.9 Mapa de hidroisohipsas correspondiente al tiempo final (t=18) de calibración


en el escenario 8.

Figura 4.10 Mapa de hidroisohipsas correspondiente al tiempo final (t=18) de calibración


en el escenario 9.

74
En todas las ejecuciones el algoritmo converge a la solución. El tiempo de ejecución
aumenta lentamente a medida que se disminuye la magnitud del error de convergencia,
llegando alcanzar hasta 15 horas. Sin embargo en los escenarios donde se aumentó la
cantidad de grupos de propiedades ocurre un aumento en el tiempo de ejecución
(17 horas aproximadamente).

4.3. Análisis, comentarios y conclusiones parciales del capítulo

Se demuestra que el modelo conceptual del área total es incapaz de simular


adecuadamente el comportamiento hidrodinámico del acuífero “Cuentas Claras”, ya que
no simula la recarga proveniente de la zona de montaña a través del tramo de tránsito y
considera un almacenamiento ficticio en el sector Cuentas Claras.

Con el modelo conceptual del sector Cuentas Claras se logra introducir el aporte
proveniente de la zona de montaña y además se obtienen errores muy bajos entre los
niveles observados y simulados. Sin embargo es necesario investigar las causas que
provocan valores del coeficiente de almacenamiento próximos a 0.1.

La sensibilidad del modelo a la recarga proveniente a la zona de montaña es bastante


notable, ya que con solo cambiar su valor o cambiar la forma de distribución por grupos
de propiedades, se obtienen diferentes propiedades hidrogeológicas y diferentes valores
de la función objetivo.

Existen un grupo de mediciones en los pozos de observación que debido al


comportamiento tan inestable que presentan los niveles (observados) en el tiempo, no
han podido ser utilizadas en el proceso de calibración.

El tiempo de cómputo en el proceso de calibración es directamente proporcional a la


cantidad de parámetros a calibrar, número de tiempos empleados y cantidad de
elementos en el modelo conceptual. Sin embargo, es inversamente proporcional al error
de convergencia y a la capacidad de microprocesador instalado. También depende de la
calidad de la aproximación inicial dada a las propiedades hidrogeológicas.

75
CONCLUSIONES

1. En el procesamiento de la información con que se generaron las bases de datos


necesarias para la creación del modelo conceptual y la calibración del mismo, se
detectaron y corrigieron un conjunto de errores e insuficiencias presentes en los
principales datos utilizados en la modelación.

2. Por primera vez se evalúan dos posibles modelos conceptuales del acuífero
“Cuentas Claras”, descartándose el modelo de toda el área con el aporte de la
montaña por no poder reflejar adecuadamente el flujo vertical que se produce en el
sector Cuentas Claras. En el caso del segundo modelo (sector Cuentas Claras) los
resultados obtenidos permiten considerarlo como calibrado.

3. Se logró obtener diferencias mínimas entre los valores observados y simulados en


los pozos de observación utilizados en la calibración del modelo conceptual del
sector Cuentas Claras, pero las propiedades calibradas, en especial el coeficiente de
almacenamiento, presenta una fuerte tendencia a tomar el valor de 0.1.

4. No ha sido posible utilizar modelos hidrológicos para la estimación de la recarga


producto de la falta de información que existe en el área. Existe una gran
incertidumbre en cuanto a la cuantificación real de la recarga hacia el acuífero. Es
por eso que el problema se complejiza y requiere no sólo de una calibración de los
parámetros hidrogeológicos del medio sino que de alguna forma también se deberá
ajustar la recarga, en aras de lograr una mejor coincidencia de los niveles
observados y simulados y obtener la combinación de propiedades hidrogeológicas
que representen adecuadamente al medio.

5. En la investigación bibliográfica realizada se demuestra que la calibración


automática ha sido la tendencia con más auge en los últimos tiempos para darle
solución al Problema Inverso. La diferencia que existe entre los distintos modelos de
calibración automática, radica fundamentalmente en el algoritmo de optimización
empleado para minimizar los residuos de los niveles.

6. Se aplica por primera vez, en un caso real, el módulo de calibración automática que
está acoplado en la tecnología AQÜIMPE. Durante este proceso se corrigieron un
conjunto de errores presentes en el modelo matemático AQÜIMPE en su nueva

76
versión sobre Windows, WinAQE, y se introdujeron nuevas modificaciones a esta
tecnología ampliando las potencialidades de la misma.

7. Se considera que los resultados obtenidos en la tesis son válidos, ya que con la
información que se contaba se logró realizar un modelo conceptual del acuífero, se
evaluaron diferentes escenarios de calibración de este modelo y se logró tener una
idea general del funcionamiento hidrodinámico del acuífero. No hay que olvidar que
este es el primer paso en la creación de un modelo de este tipo en la zona, que como
ya se ha planteado es bien compleja por la cantidad de información que aún no se
maneja y por las incertidumbres que se tienen en cuanto a algunos parámetros
fundamentales como es la recarga.

77
RECOMENDACIONES

1. Para evaluar la posibilidad de mejorar la calibración del modelo conceptual del


sector Cuentas Claras, se recomienda realizar una calibración manual de la recarga,
variando la lámina asignada por grupos de infiltración y modificando su magnitud.

2. Se recomienda realizar una búsqueda bibliográfica más profunda acerca de las


técnicas empleadas en la calibración con el objetivo de implementar otros
algoritmos para realizar la estimación de parámetros. Se puede también analizar la
posibilidad de utilizar la caja de herramientas de optimización que contempla el
asistente matemático MATLAB. Esto permitiría enriquecer aun más la tecnología
AQÜIMPE.

3. Gestionar los registros de lluvia diaria con el objetivo de realizar un balance hídrico
de suelo día a día e investigar la posibilidad de utilizar otros modelos hidrológicos
para la estimación de la recarga en la zona de montaña.

4. Analizar la posibilidad de establecer una correlación entre los niveles del agua
subterránea en el sector Cuentas Claras y la lluvia que infiltra en la zona de
montaña, para de esta manera, si es posible, estimar el período de retardo que debe
existir entre la lluvia infiltrada y su llegada al sector mencionado.

5. Sería conveniente revisar la información incompleta o con errores evidentes, con el


objetivo de ampliar el período de calibración o utilizarlo como etapa de validación
de los parámetros obtenidos de la calibración con el período restringido.

6. Se recomienda que se realice en todos los pozos de observación mediciones


mensuales para calibraciones posteriores del modelo. Además se deben mantener
bien actualizados los registros de los pozos de explotación.

78
REFERENCIAS BIBLIOGRÁFICAS

1. AJMERA, T., A. RASTOGI. Artificial neural network application on estimation of


aquifer transmissivity. Journal of Spatial Hydrology, Vol.8, No.2 Fall 2008.

2. ALCOLEA, A., G. GALARZA. Calibración automática de parámetros empíricos


asociados a funciones no lineales. 1stJoint World Congress on Groundwater. 2000.

3. ALFARO, L. A., J. C. GUTIÉRREZ., J. HERRERA., J. SUAÑA., H. GELLEGOS.


Calibración del modelo lluvia-escorrentía Gr4j usando algoritmos genéticos. Caso:
cuenca del rio Chili. XVII International Congress of Electronic, Electrical and
Systems Engineering. 2010.

4. ALMOROX, J. Métodos de estimación de las evapotranspiraciones. 2006.

5. ÁLVAREZ, M., B. VALLE. Modelos económicos-matemáticos II. Editorial


ISPJAE. La Habana, 1987.

6. BETANCUR, T., C. PALACIO. La modelación numérica como herramienta para la


exploración hidrogeológica y construcción de modelos conceptuales. (Caso de
aplicación: Bajo Cauca Antioqueño). Dyna, Vol. 76, Núm. 160, diciembre, 2009,
pp. 39-49. Universidad Nacional de Colombia. Colombia. Disponible en:
http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=49612068028

7. BLANCO, J. L., C. LLORÉNS., J. LICEA., J. ALMIRALL., J. CORDOVÉS., A.


LORENZO. Investigación Hidrogeológica de los Sectores Cuentas Claras y Cayo
Redondo. Manzanillo (Primera Etapa). Instituto Nacional de Recursos Hidráulicos.
Empresa de Investigaciones y Proyectos Hidráulicos de Holguín. 2010

8. CABRERA, E. Simulación de acuíferos con el empleo de herramientas de los


Sistemas de Información Geográfica. Tesis en opción al título de Máster en
Ingeniería Hidráulica. Facultad de Ingeniería Civil, Especialidad Ingeniería
Hidráulica. ISPJAE, Ciudad de la Habana. 2007.

9. CABRERA, E. Sistema para la administración de la explotación del agua


subterránea. Tesis en opción al grado científico de Doctor en Ciencias Técnicas.

79
Facultad de Ingeniería Civil, Especialidad Ingeniería Hidráulica. ISPJAE, Ciudad de
la Habana. 2009.

10. CARNICERO, A. Introducción al Método de Los Elementos Finitos. Tomado en la


fecha 23 de septiembre 2011. Disponible en:http://www.profesores.frc.utn.edu.ar

11. CARRERA, J., S. P. NEUMAN. El problema inverso de la hidrología subterránea:


estados del arte y método de solución. Revista internacional de métodos numéricos
para cálculo y diseño en ingeniería, Vol. 2, 1, 3-25. 1986.

12. CARRILLO, A., I. HERRERA., R. YATES. Método de Elementos Finitos. Instituto


de Geofísica y Grupo de Modelación Matemática y Computacional. Universidad
Nacional Autónoma de México. 2008. Disponible en:
http://www.mmc.igeofcu.unam.mx/

13. CHAPRA, S., R. CANALE. Métodos numéricos para ingenieros. McGraw-Hill.


1999.

14. COOLEY, R. A comparison of several methods of solving nonlinear regression


groundwater flow problems. Water Resources Research, Vol. 21, No. 10, 1985.

15. DHI-WASY. Sistema de simulación de flujos y de transporte basado en el método


de los elementos finitos. Ejercicio demostrativo. Copyright (c) 2005 WASY
GmbHBerlin.

16. DILLA, F. Análisis hidrodinámico del acuífero Jaruco-Aguacate. Ingeniería


Hidráulica en México, Vol. XVII, No. 1. 2002.

17. DURANZA, A. Balance hídrico en el suelo (Programa EVABAL). Informe


Técnico. 1987.

18. EZZEDINE, S., Y. RUBIN. Bayesian integration of hydrogeological and


geophysical data for site characterization: theory and application to the LLNL
superfund site. 2001.

19. FRAGALA, F., N. OBREGÓN., C. CARO., F. FLECHAS., O, GARCÍA.


Aproximación a la estimación de la recarga en los acuíferos mediante optimización
matemática multidimensional de un modelo de balance hídrico. Seminario

80
Internacional: La Hidroinformática en la Gestión Integrada de los Recursos
Hídricos. Universidad del Valle, Colombia. 2003.

20. GÓMEZ, M. Plataforma modular integrada para la gestión del agua subterránea
como recurso. Tesis en opción al grado científico de Doctor en Ciencias Técnicas.
Facultad de Ingeniería Civil, Especialidad Ingeniería Hidráulica. ISPJAE, Ciudad de
la Habana, 2008.

21. GÓMEZ, M., E. CABRERA, M. GARRIDO. Tecnología AQÜIMPE: fundamentos,


aplicaciones y desarrollo actual. Ingeniería Hidráulica y Ambiental, Vol. XXX, No.
2, 2009.

22. GONZÁLEZ, L., M. C. JORGE., J. B. MARTÍNEZ., N. MARRERO. Hidrología


Superficial para ingenieros. 2005

23. GOYAL, M., E. GONZÁLEZ. Evapotranspiración. 2006. Disponible en:


http://www.ece.uprm.edu/~m_goyal/home.htm

24. HERNÁNDEZ, A. O. Estado actual de las técnicas numéricas en la modelación del


flujo de agua subterránea. Ingeniería Hidráulica. Vol. XIV. No.1.1993.

25. HERNÁNDEZ, A. O. La explotación de acuíferos a escala regional y la modelación


matemática como su base tecnológica. Tesis en opción al grado científico de Doctor
en Ciencias Técnicas. ISPJAE. 1991.

26. HERNÁNDEZ, A. O. Modelación de Acuíferos. Diplomado Venezuela. 2010.

27. HERNÁNDEZ, A. O., J. B. MARTÍNEZ., F. DILLA., H. LLANUSA. Modelación


de Acuíferos. Centro de Investigaciones Hidráulicas. Facultad de Ingeniería Civil.
ISPJAE, Ciudad de la Habana, Cuba, 2001.

28. KUMAR, C. P. Groundwater flow models: An Overview. Groundwater Modelling


and Management (Eds. N. C. Ghosh & K. D. Sharma), Capital Publishing Company,
New Delhi, pp. 153-178. 2006.

29. LLANUSA, H. Modelación matemática de los sistemas acuíferos. Revista


Científica, Ingeniería Hidráulica y Ambiental, Vol. XIX, No. 4, 1998.

81
30. LLANUSA, H., A. O. HERNÁNDEZ., J. B. MARTÍNEZ., F. DILLA. Modelo del
acuífero costero sur de La Habana: Evaluación del dique. Primer taller de Expertos
en vulnerabilidad de acuíferos costeros en el caribe insular. Ciudad de la Habana,
Cuba. Octubre 12 – 15 de 2004.

31. LLORÉNS, J. C., H. IVONNET., C. PÉREZ. Investigación Hidrogeológica de los


Sectores Cuentas Claras y Cayo Redondo. Manzanillo (Segunda Etapa). Instituto
Nacional de Recursos Hidráulicos. Empresa de Investigaciones y Proyectos
Hidráulicos de Holguín. 2011

32. MARCZYK, A. Algoritmos genéticos y computación evolutiva. 2004

33. MARIO, G. Sobre las características de los recursos hídricos e hidráulicos cubanos.
Instituto Nacional de Recursos Hidráulicos. La Habana, Cuba. 2010.

34. MARÓN, D. Aplicación del M.E.F y del M.D.F en modelos de flujo y de transporte
de contaminantes con densidad constante o variable en medios porosos saturados.
Tesis en opción al grado científico de Doctor en Ciencias Técnicas. Facultad de
Ingeniería Civil, Especialidad Ingeniería Hidráulica. ISPJAE, Ciudad de la Habana,
2001.

35. MARTÍNEZ, J. B., H. LLANUSA. Interacción entre acuífero y embalse en el


sistema AQÜIMPE. Centro de Investigaciones Hidráulicas, ISPJAE. 1998.

36. MARTÍNEZ, J. B., H. LLANUSA., A. O. HERNÁNDEZ., F. DILLA. Manual del


Usuario del Sistema AQÜIMPE. Centro de Investigaciones Hidráulicas, Facultad de
Ingeniería Civil, Instituto Superior Politécnico José Antonio Echeverría, La Habana,
Cuba. 2000.

37. MATEOS, A. Algoritmos Evolutivos y Algoritmos Genéticos. Inteligencia en Redes


de Comunicaciones, Ingeniería de Telecomunicación. Universidad Carlos III de
Madrid. 2004.

38. MEDINA, A., G. GALARZA., J. CARRERA., J. JÓDAR., A. ALCOLEA. El


problema inverso en hidrología subterránea. Aplicaciones. Boletín Geológico y
Minero, Vol. 112, Núm. especial, pp. 93-106, 2001.

82
39. MESA, H. Solución del problema inverso en modelos de flujo del agua subterránea
mediante un algoritmo de convergencia global. Tesis doctoral, Departamento de
Matemática, Facultad de Ingeniería Civil, Instituto Superior Politécnico “José
Antonio Echeverría”, La Habana, Cuba, 2004.

40. PÉREZ, D. La explotación del agua subterránea. Un nuevo enfoque. Editorial Félix
Varela. La Habana. 2001.

41. RABUÑAL, J., A. CASTRO., O. IBAÑEZ., G. IGLESIAS., F. TAVEIRA., J.


DORADO., R. CARBALLO. Estimación del coeficiente de reflexión en diques
sumergidos mediante un sistema genético de lógica difusa. IX Jornadas Españolas
de Ingeniería de Costas y Puertos. 2007.

42. RIVERO, L. Validación del modelo matemático de la Cuenca M1-Matanzas.


Trabajo de diploma. Centro de Investigaciones Hidráulicas, Facultad de Ingeniería
Civil, Instituto Superior Politécnico “José Antonio Echeverría”, La Habana, Cuba,
2010.

43. SANTANA, L., C. COELLO. Una introducción a la computación evolutiva y


alguna de sus aplicaciones en Economía y Finanzas. Revista de Métodos
Cuantitativos para la Economía y la Empresa, Vol. 2. 2006. Disponible en:
http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=233117243001

44. SCHOSINSKY, G. Cálculo de la recarga potencial de acuíferos mediante un


balance hídrico de suelos. Escuela Centroamericana de Geología, Universidad de
Costa Rica. Revista Geológica de América Central, 34-35: 13-30, 2006.

45. STEWART, J. Cálculo con Trascendentes Tempranas. Editorial Félix Varela. La


Habana, 2006.

46. TSOU, M. S., D. WHITTEMORE. User interface for ground-water modeling:


ArcView Extension. Journal of Hydrologic Engineering, Vol. 6, No. 3. 2001.

47. VÉLEZ, M. V., L. M. VÁSQUEZ. Métodos para determinar la recarga en acuíferos.


2011.

83
48. WANG, H., L. KGOTLHANG., W. KINZELBACH. Using remote rensing data to
model groundwater recharge potential in Kanye region, Botswana. The International
Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences.
Vol. XXXVII. Part B8. Beijing 2008.

84
ANEXOS

85
Anexo A1. Discretización realizada a la zona de estudio del acuífero de
Cuentas Claras

Tabla A.1.1. Elementos, nodos principales y nodos secundarios de la triangulación.

E NP NS E NP NS E NP NS
1 1 16 3 4 9 2 41 72 105 75 90 91 74 81 162 170 190 165 180 173
2 1 22 16 6 17 4 42 72 113 105 94 110 90 82 161 174 185 166 181 172
3 3 12 7 8 10 5 43 72 89 113 80 101 94 83 169 188 174 179 182 171
4 3 16 12 9 15 8 44 82 115 87 99 102 84 84 162 204 191 184 198 177
5 7 12 14 10 13 11 45 87 115 104 102 109 97 85 174 188 185 182 187 181
6 12 16 26 15 19 18 46 78 108 106 96 107 95 86 170 185 190 178 189 180
7 12 32 14 20 21 13 47 82 93 115 88 103 99 87 159 191 193 175 192 176
8 16 22 26 17 24 19 48 93 105 115 100 111 103 88 169 201 188 186 194 179
9 12 47 32 28 40 20 49 86 131 108 112 119 98 89 162 190 204 173 197 184
10 12 36 39 23 37 25 50 73 142 89 114 118 81 90 185 202 190 195 196 189
11 12 26 36 18 30 23 51 105 130 115 117 121 111 91 185 211 202 199 208 195
12 22 43 26 33 34 24 52 73 106 142 92 126 114 92 190 202 204 196 203 197
13 14 46 51 27 48 29 53 105 113 127 110 120 116 93 185 188 211 187 200 199
14 12 39 47 25 42 28 54 105 127 130 116 128 117 94 191 218 193 206 207 192
15 14 32 46 21 38 27 55 89 147 113 123 132 101 95 188 219 211 205 215 200
16 22 56 43 35 50 33 56 106 108 134 107 124 122 96 188 201 219 194 209 205
17 22 41 56 31 49 35 57 108 140 134 125 136 124 97 191 204 218 198 212 206
18 26 73 36 44 53 30 58 89 142 147 118 144 123 98 202 222 204 213 214 203
19 32 47 63 40 55 45 59 113 147 127 132 137 120 99 201 221 219 210 220 209
20 26 43 73 34 57 44 60 108 131 140 119 135 125 100 202 211 222 208 216 213
21 32 82 46 52 64 38 61 104 115 146 109 133 129 101 204 245 218 223 232 212
22 39 72 47 54 58 42 62 106 134 142 122 138 126 102 204 222 230 214 225 217
23 32 63 82 45 71 52 63 115 130 146 121 139 133 103 211 238 222 224 229 216
24 36 89 39 61 62 37 64 130 159 146 145 153 139 104 204 230 245 217 239 223
25 47 75 63 59 68 55 65 127 159 130 143 145 128 105 211 219 238 215 227 224
26 39 89 72 62 80 54 66 104 146 167 129 158 141 106 222 236 230 228 234 225
27 41 86 56 65 70 49 67 127 147 159 137 154 143 107 167 193 270 183 240 226
28 47 72 75 58 74 59 68 131 169 140 150 156 135 108 219 248 238 233 242 227
29 43 56 78 50 67 60 69 142 162 147 151 155 144 109 219 221 248 220 235 233
30 46 87 51 66 69 48 70 134 170 142 152 157 138 110 222 238 236 229 237 228
31 46 82 87 64 84 66 71 134 140 161 136 149 148 111 221 241 248 231 244 235
32 36 73 89 53 81 61 72 140 169 161 156 163 149 112 193 218 270 207 251 240
33 43 106 73 76 92 57 73 134 161 170 148 164 152 113 230 256 245 243 250 239
34 63 93 82 77 88 71 74 147 162 159 155 160 154 114 236 238 252 237 247 246
35 63 75 93 68 83 77 75 142 170 162 157 165 151 115 230 236 256 234 249 243
36 43 78 106 60 95 76 76 146 193 167 168 183 158 116 236 252 256 246 255 249
37 51 87 104 69 97 79 77 161 169 174 163 171 166 117 238 265 252 253 258 247
38 56 108 78 85 96 67 78 161 185 170 172 178 164 118 218 274 270 254 272 251
39 56 86 108 70 98 85 79 146 159 193 153 176 168 119 238 248 265 242 257 253
40 75 105 93 91 100 83 80 159 162 191 160 177 175 120 218 245 274 232 260 254
E NP NS E NP NS E NP NS
121 241 273 248 259 262 244 137 285 306 295 293 298 290 153 320 339 332 329 335 325
122 252 269 256 261 263 255 138 287 301 305 294 303 296 154 317 345 328 334 337 323
123 248 273 265 262 268 257 139 287 291 301 289 297 294 155 312 344 339 330 341 326
124 245 256 274 250 266 260 140 291 311 301 299 307 297 156 312 327 344 321 336 330
125 252 265 269 258 267 261 141 291 295 312 292 302 300 157 317 332 345 324 338 334
126 167 270 287 226 280 264 142 291 320 311 304 316 299 158 327 350 344 340 347 336
127 265 273 269 268 271 267 143 291 312 320 300 319 304 159 327 333 350 331 342 340
128 256 281 274 275 277 266 144 295 327 312 308 321 302 160 332 352 345 343 348 338
129 256 269 281 263 276 275 145 301 317 305 309 310 303 161 332 339 352 335 346 343
130 269 273 285 271 279 278 146 301 311 317 307 313 309 162 339 357 352 349 355 346
131 270 291 287 282 289 280 147 295 306 327 298 314 308 163 339 344 357 341 351 349
132 269 295 281 284 288 276 148 306 333 327 318 331 314 164 333 362 350 353 358 342
133 270 274 291 272 283 282 149 305 317 328 310 323 315 165 344 360 357 354 359 351
134 274 281 291 277 286 283 150 311 332 317 322 324 313 166 344 350 360 347 356 354
135 269 285 295 278 290 284 151 311 320 332 316 325 322 167 350 362 360 358 361 356
136 281 295 291 288 292 286 152 312 339 320 326 329 319

Donde:

E: Elemento, NP: Nodos principales, NS: Nodos secundarios.

Tabla A.1.2. Nodos principales con sus coordenadas.

Nodo x (m) y (m) Nodo x (m) y (m) Nodo x (m) y (m)


1 470501.50 190519.00 89 471800.00 185501.50 190 468489.82 181607.31
3 473094.50 189166.00 93 475535.00 184533.00 191 471200.00 180800.00
7 475083.50 188164.00 104 477532.50 183736.00 193 475098.50 179873.50
12 474217.53 187764.50 105 475050.00 184200.00 201 463813.00 181886.00
14 477146.00 187108.50 106 468739.36 185525.21 202 467247.50 180920.50
16 471419.00 188306.00 108 466965.00 185857.50 204 468728.00 180585.00
22 469497.50 188218.50 113 473539.00 184314.50 211 464889.50 180898.00
26 471471.46 187643.29 115 476118.00 183714.00 218 470962.50 179051.00
32 475592.27 186433.04 127 474870.03 183422.11 219 463059.00 180671.00
36 472187.00 186928.50 130 475410.50 183231.00 221 462011.00 180880.50
39 473141.22 186669.75 131 466083.50 185209.00 222 466255.50 179894.00
41 467600.50 187725.00 134 468173.02 184548.02 230 467339.50 179092.00
43 469433.04 187284.29 140 467000.00 184550.00 236 466200.00 179000.00
46 476860.16 185605.35 142 470300.00 183700.00 238 463868.00 179429.00
47 474552.69 186040.15 146 476555.50 182079.00 241 458967.50 180211.00
51 477343.00 185339.00 147 472895.50 182859.50 245 468067.50 178087.00
56 468250.00 187150.00 159 474608.50 181846.00 248 460870.00 179500.00
63 475166.13 185485.45 161 467024.00 183356.00 252 464902.00 178144.50
72 474350.00 185401.50 162 472200.00 182200.00 256 466442.50 177636.00
73 470110.00 186300.00 167 477930.00 180529.00 265 461464.50 177768.50
75 474749.47 185276.74 169 465130.00 183278.50 269 462961.50 176750.50
78 468202.85 186533.41 170 468508.00 182534.50 270 474801.00 174041.50
82 475942.95 184805.28 174 466187.00 182776.00 273 458400.00 177200.00
86 466625.00 186686.00 185 466610.50 182135.50 274 470325.50 174605.50
87 476528.00 184509.00 188 465276.00 182370.50 281 466372.50 172872.00
Nodo x (m) y (m) Nodo x (m) y (m) Nodo x (m) y (m)
285 457663.50 172912.50 312 466718.50 162865.00 344 461891.50 158978.00
287 479504.50 167588.00 317 476311.00 160455.00 345 475440.00 155883.00
291 471415.50 167304.00 320 470136.50 161281.00 350 457986.50 158493.50
295 462767.00 168517.00 327 459272.00 162218.00 352 470484.50 155286.00
301 477396.00 163145.50 328 481172.00 157343.50 357 465051.50 154957.50
305 480416.50 162014.00 332 472398.00 159011.00 360 460132.00 154689.50
306 456614.50 167044.50 333 455861.50 162500.50 362 454427.50 154583.00
311 474012.50 161514.50 339 467652.00 158710.50
Anexo A2. Registros de los niveles en los pozos de observación para el
período de enero del 1997 a diciembre del 2000

Tabla A.2.1. Niveles en el pozo de observación Po-10 (Nodo-56) en el período de 1997 al


2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 1.24 13 1.14 25 -2.87 37 -2.79
2 1.30 14 1.11 26 38
3 1.48 15 1.07 27 39
4 1.04 16 1.44 28 -3.33 40 -3.71
5 1.00 17 1.44 29 41
6 1.16 18 1.24 30 42
7 1.14 19 1.52 31 -3.30 43 -2.70
8 1.28 20 1.71 32 44
9 1.46 21 1.96 33 45
10 1.52 22 1.97 34 -3.11 46 -2.69
11 1.14 23 2.04 35 47
12 1.11 24 1.97 36 48

Po-10 ó Nodo-56
4
2
0
H (m)

-2
-4
-6
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.1. Distribución de los niveles en el tiempo en el Po-10.


Tabla A.2.2. Niveles en el pozo de observación Po-2 (Nodo-236) en el período de 1997 al
2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 12.23 13 12.04 25 12.67 37 11.68
2 12.21 14 11.97 26 12.64 38 11.67
3 12.12 15 11.92 27 12.50 39 11.54
4 12.13 16 11.58 28 12.22 40 11.08
5 11.99 17 11.58 29 11.53 41 11.21
6 12.08 18 11.33 30 11.55 42 11.42
7 11.60 19 11.72 31 11.64 43 11.51
8 11.64 20 9.68 32 11.61 44 11.54
9 12.15 21 11.44 33 11.72 45 11.57
10 12.69 22 34 11.73 46 11.65
11 12.23 23 35 11.82 47 11.72
12 12.15 24 36 11.81 48 11.73

Po-2 ó Nodo-236
16
14
12
H (m)

10
8
6
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.2. Distribución de los niveles en el tiempo en el Po-2.


Tabla A.2.3. Niveles en el pozo de observación Po-3 (Nodo-142) en el período de 1997 al
2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 19.38 13 19.41 25 18.97 37 19.82
2 19.67 14 19.31 26 18.85 38 19.81
3 19.48 15 19.33 27 19.32 39 19.64
4 18.91 16 19.75 28 19.20 40 19.45
5 18.82 17 19.75 29 19.18 41 19.46
6 19.14 18 19.20 30 19.24 42 19.51
7 20.11 19 19.73 31 19.57 43 19.55
8 20.16 20 19.74 32 19.82 44 19.64
9 20.15 21 18.93 33 19.83 45 19.68
10 20.23 22 19.48 34 19.86 46 19.78
11 19.83 23 19.28 35 19.92 47 19.89
12 19.43 24 19.22 36 19.91 48 19.84

Po-3 ó Nodo-142
25
23
21
H (m)

19
17
15
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.3. Distribución de los niveles en el tiempo en el Po-3.


Tabla A.2.4. Niveles en el pozo de observación Po-83 (Nodo-191) en el período de 1997 al
2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 19.28 13 18.45 25 20.00 37 19.03
2 19.35 14 18.47 26 19.91 38 18.95
3 19.29 15 18.45 27 19.80 39 18.94
4 18.99 16 18.72 28 19.12 40 18.88
5 18.98 17 18.72 29 18.88 41 18.94
6 19.20 18 18.53 30 18.89 42 19.42
7 19.24 19 18.45 31 18.95 43 19.43
8 19.45 20 18.43 32 18.97 44 19.44
9 19.89 21 19.16 33 19.04 45 19.45
10 19.87 22 19.64 34 19.06 46 19.45
11 18.33 23 20.72 35 19.10 47 19.59
12 18.34 24 20.32 36 19.07 48 19.47

Po-83 ó Nodo-191
26
24
22
H (m)

20
18
16
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.4. Distribución de los niveles en el tiempo en el Po-83.


Tabla A.2.5. Niveles en el pozo de observación Po-84 (Nodo-73) en el período de 1997 al
2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 8.80 13 8.54 25 8.88 37 9.23
2 9.23 14 8.56 26 9.16 38 9.17
3 9.24 15 8.40 27 9.15 39 9.08
4 8.86 16 9.31 28 9.20 40 8.79
5 8.87 17 9.31 29 9.18 41 8.82
6 9.00 18 9.56 30 9.27 42 9.17
7 9.41 19 8.76 31 9.26 43 9.18
8 9.44 20 9.23 32 9.25 44 9.19
9 9.47 21 14.69 33 9.27 45 9.24
10 9.45 22 9.68 34 9.30 46 9.27
11 8.85 23 9.22 35 9.38 47 9.36
12 8.80 24 9.18 36 9.32 48 9.29

Po-84 ó Nodo-73
15
13
11
H (m)

9
7
5
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.5. Distribución de los niveles en el tiempo en el Po-84.


Tabla A.2.6. Niveles en el pozo de observación Po-85 (Nodo-140) en el período de 1997 al
2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 13 25 36
2 14 26 37
3 15 27 38
4 0.74 16 0.70 28 0.67 39
5 17 29 40 0.61
6 18 30 41
7 19 31 42
8 20 32 43
9 21 33 44
10 0.86 22 0.83 34 1.60 45
11 23 35 46 0.62
12 24 36 47

Po-85 ó Nodo-140
10
8
6
H (m)

4
2
0
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.6. Distribución de los niveles en el tiempo en el Po-85.


Tabla A.2.7. Niveles en el pozo de observación Po-9 (Nodo-19) en el período de 1997 al
2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 7.68 12 7.66 25 7.52 37 7.49
2 7.78 13 7.67 26 7.50 38 7.45
3 7.63 14 7.68 27 7.48 39 7.43
4 7.59 15 7.69 28 7.41 40 7.37
5 7.60 16 6.42 29 7.35 41 7.43
6 7.66 17 6.42 30 7.48 42 7.44
7 7.68 18 6.08 31 7.49 43 7.46
8 7.67 19 7.54 32 7.50 44 7.46
9 7.78 20 7.08 33 7.49 45 7.47
10 7.69 21 7.72 34 7.47 46 7.50
11 7.67 22 7.75 35 7.50 47 7.50
12 7.66 23 7.54 36 7.50 48 7.48

Po-9 ó Nodo-19
10
8
6
H (m)

4
2
0
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.7. Distribución de los niveles en el tiempo en el Po-9.


Tabla A.2.8. Niveles en el pozo de observación Po-L2 (Nodo-105) en el período de 1997 al
2000.

t (mes) H (m) t (mes) H (m) t (mes) H (m) t (mes) H (m)


1 1.01 13 0.81 25 1.02 37 0.99
2 0.91 14 0.67 26 0.99 38 0.96
3 0.54 15 0.41 27 0.99 39 0.90
4 -0.09 16 1.48 28 0.94 40 0.82
5 -0.22 17 1.48 29 0.99 41 0.87
6 1.03 18 1.53 30 1.28 42 1.01
7 1.01 19 0.28 31 1.34 43 1.07
8 1.22 20 0.42 32 1.37 44 1.16
9 1.88 21 1.17 33 1.42 45 1.27
10 1.81 22 1.37 34 1.18 46 1.28
11 0.97 23 1.57 35 1.17 47 1.29
12 0.88 24 1.51 36 1.09 48 1.23

Po-L2 ó Nodo-105
5
3
1
H (m)

-1
-3
-5
0 6 12 18 24 30 36 42 48
t (mes)

Figura A.2.8. Distribución de los niveles en el tiempo en el Po-L2.


Anexo A3. Datos de la recarga hacia el acuífero

Tabla A.3.1. Recarga al acuífero en lámina de agua acumulada, en (mm por mes) para
cada grupo de triángulos con igual infiltración.

GI t1 t2 t3 t4 t5 t6 t7 t8 t9 t10 t11 t12 t13 t14 t15 t16 t17 t18


1 2.7 14.9 0.0 0.0 36.2 0.0 0.0 65.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2 0.0 0.0 0.0 0.0 16.8 51.5 44.2 48.6 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 13.0 15.8
3 0.0 0.0 0.0 0.0 10.4 15.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 4.1 0.0
4 2.1 14.9 0.0 0.0 36.1 0.0 0.0 64.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
5 0.0 0.0 0.0 0.0 0.0 11.4 14.1 14.2 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
6 0.0 0.0 0.0 0.0 0.0 8.1 14.1 14.2 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
7 0.0 0.0 0.0 0.0 0.0 12.2 8.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
8 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0

Obsérvese que a partir del tiempo 9 hasta el 16 no hay recarga hacia el acuífero. Esto
evidencia que el período seleccionado es un período seco.
Anexo A4. Niveles en los pozos de observación resultantes de la
primera calibración del modelo conceptual del área total

Niveles en el tiempo. Po-9 , Nodo-19


18
16
14
12
10
H (m)

8 Observado
6 Simulado
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.4.1.a Valores observados y simulados de los niveles en el pozo de observación


Po-9 en un período de 18 meses.

Niveles en el tiempo. Po-10 , Nodo-56


16
14
12
10
8
H (m)

6 Observado
4 Simulado
2
0
-2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.4.1.b Valores observados y simulados de los niveles en el pozo de observación


Po-10 en un período de 18 meses.
Niveles en el tiempo. Po-84 , Nodo-73
18
16
14
12
10
H (m)

8 Observado
6 Simulado
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.4.1.c Valores observados y simulados de los niveles en el pozo de observación


Po-84 en un período de 18 meses.

Niveles en el tiempo. Po-L2 , Nodo-105


16
14
12
10
8
H (m)

6 Observado
4 Simulado
2
0
-2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.4.1.d Valores observados y simulados de los niveles en el pozo de observación


Po-L2 en un período de 18 meses.
Niveles en el tiempo. Po-3 , Nodo-142
22
20
18
16
14
H (m)

12 Observado
10 Simulado
8
6
4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.4.1.e Valores observados y simulados de los niveles en el pozo de observación


Po-3 en un período de 18 meses.

Niveles en el tiempo. Po-83 , Nodo-191


22
20
18
16
14
H (m)

12 Observado
10 Simulado
8
6
4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.4.1.f Valores observados y simulados de los niveles en el pozo de observación


Po-83 en un período de 18 meses.
Niveles en el tiempo. Po-2 , Nodo-236
18
16
14
12
10
H (m)

8 Observado
6 Simulado
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.4.1.g Valores observados y simulados de los niveles en el pozo de observación


Po-2 en un período de 18 meses.
Anexo A5. Análisis del volumen que recarga al acuífero en el período
de calibración

Tabla A.5.1. Volumen que recarga al acuífero en el período de calibración para cada
grupo de infiltración.

GI Ubicación A (m²) LINF (mm) V (hm³)


1 SM 56600819.6 118.9 6.7
2 SM 120076427.4 189.9 22.8
3 CC 9592216.4 29.8 0.3
4 CC 11250704.5 118.0 1.3
5 CC 32942537.2 39.7 1.3
6 CC 26105081.3 36.5 1.0
7 CC 48416037.3 20.2 1.0
8 CC 11617727.3 0.0 0.0
9 TR 354273507 0.0 0.0
Donde:

GI: Grupo de infiltración, SM: Premontaña de la Sierra Maestra, CC: Sector Cuentas Claras, TR: Tramo
de tránsito, LINF: Lámina que infiltra al acuífero en el período de calibración, V: Volumen que recarga al
acuífero en el período de calibración.

Tabla A.5.2. Comparación entre volumen de explotación y volumen que recarga al


acuífero.

VSM (hm³) 29.5


VCC (hm³) 4.9
VTR(hm³) 34.4
VTE(hm³) 26.9
Donde:

VSM: Volumen que recarga al acuífero en la zona de la Sierra Maestra, VCC: Volumen que recarga al
acuífero en el sector de Cuentas Claras, VTR: Volumen total que recarga al acuífero, VTE: Volumen total
que se explota en el acuífero.

Obsérvese que el volumen que se explota en el acuífero es muy superior al volumen que
recarga al mismo en el sector Cuentas Claras. Se hace necesario el aporte de la zona
montañosa.
Anexo A6. Resultados de la calibración del modelo conceptual del
sector Cuentas Claras

Tabla A.6.1. Propiedades calibradas para los escenarios definidos en el modelo del sector
Cuentas Claras.

Escenario 1 2 4
GP TD (m²/d) S TD (m²/d) S TD (m²/d) S
1 135.15 0.0999 15.90 0.0998 201.88 0.0988
2 10.01 0.1000 59.19 0.0999 10.01 0.1000
3 166.24 0.0994 184.34 0.0992 136.23 0.0991
4 23.67 0.0085 72.55 0.0044 171.18 0.0162
5 4386.45 0.0983 3798.16 0.0914 3964.18 0.0901
6 64.54 0.0995 58.35 0.0942 69.05 0.0991
7 46.59 0.0990 10.84 0.0973 10.66 0.0749
Escenario 5 6 7
GP TD (m²/d) S TD (m²/d) S TD (m²/d) S
1 187.62 0.1000 219.56 0.1000 211.65 0.1000
2 10.01 0.1000 10.01 0.1000 10.01 0.1000
3 71.62 0.0991 102.61 0.0998 105.23 0.0998
4 4723.93 0.0265 73.76 0.0471 40.36 0.0078
5 4851.62 0.0928 4097.94 0.0959 3909.69 0.0963
6 138.03 0.0980 118.20 0.0987 132.66 0.0996
7 10.04 0.0669 10.11 0.0801 10.34 0.0763
Niveles en el tiempo. Po-2 , Nodo-43
18

16

14

12

10
H (m)

Observado
8
Escenario8
6
Escenario9
4

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.6.1.a Valores observados y simulados de los niveles en el pozo de observación


Po-2 en un período de 18 meses.

Niveles en el tiempo. Po-83 , Nodo-125


22

20

18

16

14
H (m)

Observado
12
Escenario8
10
Escenario9
8

4
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.6.1.b Valores observados y simulados de los niveles en el pozo de observación


Po-83 en un período de 18 meses.
Niveles en el tiempo. Po-10 , Nodo-126
16

14

12

10

8
H (m)

Observado
6
Escenario8
4
Escenario9
2

-2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.6.1.c Valores observados y simulados de los niveles en el pozo de observación


Po-10 en un período de 18 meses.

Niveles en el tiempo. Po-3 , Nodo-128


22

20

18

16

14
H (m)

Observado
12
Escenario8
10
Escenario9
8

4
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.6.1.d Valores observados y simulados de los niveles en el pozo de observación


Po-3 en un período de 18 meses.
Niveles en el tiempo. Po-84 , Nodo-141
18

16

14

12

10
H (m)

Observado
8
Escenario8
6
Escenario9
4

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.6.1.e Valores observados y simulados de los niveles en el pozo de observación


Po-84 en un período de 18 meses.

Niveles en el tiempo. Po-9 , Nodo-167


18

16

14

12

10
H (m)

Observado
8
Escenario8
6
Escenario9
4

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.6.1.f Valores observados y simulados de los niveles en el pozo de observación


Po-9 en un período de 18 meses.
Niveles en el tiempo. Po-L2 , Nodo-203
16

14

12

10

8
H (m)

Observado
6
Escenario8
4
Escenario9
2

-2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
t (mes)

Figura A.6.1.g Valores observados y simulados de los niveles en el pozo de observación


Po-L2 en un período de 18 meses.

View publication stats