Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Director
Ing. Raulith José Brito García
Ingeniero Civil
Coordinador de Proyectos, INGFOCOL Ltda.
Codirector
Ing. Darwin Mena Rentería
Ingeniero Ambiental y Sanitario Docente Facultad Ingeniería Ambiental,
Universidad Santo Tomas
Nota de aceptación
Jurado
Jurado
A mis padres Gonzalo Cortes y Gloria Naranjo por confiar en mi durante el desarrollo de
mi carrera y este proyecto, a mis hermanos Leyda Cortes y Hugo Cortes por el apoyo en
toda la carrera y en el desarrollo de este proyecto con sus consejos. A Karen Mora por ser
esa persona en la que siempre tuve un consejo más allá que aportara a este proyecto y
siempre fue mi apoyo personal.
Diego A. Cortes
A Dios en primer lugar por darme la vida y las capacidades para sacar adelante esta
oportunidad, en segundo lugar, a mis padres Cesar Jiménez y Yamile Beltrán por su apoyo
económico durante este proceso y finalmente a mi abuelita Leonor Ibarra, por su amor
incondicional y apoyo moral en todo momento que permitieron alcanzar este gran logro.
Angie A. Jiménez
1. INTRODUCCIÓN .................................................................................................... 1
2. PROBLEMA ........................................................................................................... 2
3. JUSTIFICACIÓN..................................................................................................... 3
4. OBJETIVOS ........................................................................................................... 4
4.1 General................................................................................................................ 4
4.2 Específicos .......................................................................................................... 4
5. MARCO TEÓRICO ................................................................................................. 5
5.1 Marco Geográfico ................................................................................................ 5
5.2 Marco Conceptual ............................................................................................. 10
5.2.1 Calculo de ICA´s......................................................................................... 10
5.2.1.1 ICA – NSF .................................................................................................. 11
5.2.1.2 ICA – IDEAM .............................................................................................. 12
5.2.1.3 ICA – CETESB ........................................................................................... 15
5.2.2.1 ICO - ICOMO .............................................................................................. 17
5.2.2.2 ICO - ICOSUS ............................................................................................ 18
5.2.2.3 ICO - ICOMI ............................................................................................... 19
5.2.2.4 ICO - ICOTRO ............................................................................................ 21
5.2.3 Qual2kw 6.0 ...................................................................................................... 22
5.2.3.1 Estabilidad del Modelo................................................................................ 25
5.2.3.2 Algoritmo genético empleado para la calibración. ....................................... 25
5.3 Marco Legal................................................................................................ 27
6. METODOLOGÍA ................................................................................................... 32
6.2 Modelación estática ........................................................................................... 33
6.3 Modelación dinámica ......................................................................................... 41
6.4 Escenarios de Remoción de la PTAR ................................................................ 43
7. DESARROLLO CENTRAL ................................................................................... 45
7.1 Calculo de Índices de calidad y contaminación de las estaciones de monitoreo 45
7.1.1 Calculo de ICA con metodologías IDEAM................................................... 45
7.1.2 Calculo de ICA con metodología NSF ........................................................ 47
7.1.3 Calculo de ICA con metodología CETESBE ............................................... 49
7.2 Calculo de índices de contaminación de agua ................................................... 50
7.2.1 Calculo de índice de contaminación por materia orgánica (ICOMO) ........... 51
7.2.2 Calculo de índice de contaminación por solidos suspendidos (ICOSUS) .... 52
7.2.3 Índice de contaminación por mineralización (ICOMI) .................................. 54
7.2.4 Índice de contaminación trófico (ICOTRO) ................................................. 56
5.2 Modelación Estática y Dinámica ........................................................................ 57
5.2.1 Resultados de la Modelación Estática ........................................................ 58
5.2.2 Resultados Modelación Dinámica ...................................................................... 67
5.2.3 Escenarios de la PTAR de la ciudad de Tunja ............................................ 71
5.3 Medidas de mejoramiento ................................................................................. 82
8. IMPACTO SOCIAL DEL PROYECTO .................................................................. 85
9. CONCLUSIONES ................................................................................................. 85
10. RECOMENDACIONES ......................................................................................... 87
Bibliografía ..................................................................................................................... 87
LISTA DE TABLAS
LISTA DE ECUACIONES
Con los datos de 4 campañas realizadas a lo largo del año 2015 por la empresa
INGFOCOL al Río Chicamocha en contrato con CORPOBOYACA, se determinó el
tramo que comprende desde el kilometro 2+913 hasta el kilometro 17+422 como
zona de estudio; en estos mismos informes se encontraba caracterización
fisicoquímica de los vertimientos a lo largo del río. Como programa de modelación
se eligió QUAL2KW versión 6, el cual es un software de acceso libre y nos
presenta una actualización importante que es la posibilidad de simular procesos
dinámicos.
Palabras clave
ABSTRACT
The Chicamocha River is one of the most important for the department of Boyacá
and Colombia, in late 2015 showed very high rates of contamination that presented
it as the second most polluted river in the country. One of the most important works
for the upstream is the Wastewater Treatment Plant of the city of Tunja, which has
been done over 10 years ago with an investment of approximately 33 thousand
millon pesos.
With data of 4 campaigns throughout 2015 by the Chicamocha River INGFOCOL
company in contract with CORPOBOYACA, comprising the stretch from km 2 +
913 to kilometer 17 + 422 as determined study area; in these same reports
physicochemical characterization of wastewater was along the river. As modeling
program was chosen QUAL2KW version 6, which is a freely available software
and presents a major upgrade that is the ability to simulate dynamic processes.
The main result of the modeling process was the identification of peak pollution in
the section that corresponds to the discharge of Tunja and the generation of the
respective scenaríos removal of the WWTP; besides this another result was static
modeling that allows us to observe the behavior of the parameters monitored in the
river. The dynamic modeling do not throw the expected results due to lack of data.
Keywords
1
2. PROBLEMA
2
3. JUSTIFICACIÓN
3
4. OBJETIVOS
4.1 General
4.2 Específicos
4
5. MARCO TEÓRICO
La cuenca alta del río Chicamocha drena aproximadamente la tercera parte del
departamento de Boyacá. Esta cuenca hasta el sitio de la estación San Rafael,
tiene un área aproximada de 1536 km2, de los cuales 367km2 son de la
subcuenta del río Chulo y 441 km2 del subcuenca del río Tuta. La cuenca
presenta una elevación media de 2950 m.s.n.m. y una pendiente media de 1.10%.
El río Chicamocha satisface en buena parte las demandas de agua existentes en
su trayectoria, y de él y de la regulación de sus caudales que se hace mediante los
embalses de La Copa localizado en la cuenca del río Tuta, el embalse la Playa
sobre el río Chulo y la laguna de Sochagota en Paipa, depende en gran medida el
desarrollo, tanto municipal como industrial de la región [5]. En el siguiente mapa se
describe el monitoreo realizado a la cuenca alta del Río Chicamocha, las
estaciones y puntos de monitoreo y la delimitación de la cuenca alta:
6
Figura 1. Mapa de monitoreo de la cuenca alta del Río Chicamocha
7
hídrico, al suelo y a los alcantarillados, en el artículo 9, los usos para los cuales
están destinadas las aguas de la cuenca del Alto Chicamocha son: consumo
humano y doméstico, agrícola, pecuario, recreativo y estético, asimilación, dilución
e industrial [9]; de esta manera la normativa ambiental al llevarla a cabo nos
permite identificar y controlar la contaminación que el río recibe progresivamente.
La demanda de agua solicitada o utilizada para consumo humano por distintos
municipios de la región alcanza los 0.72 m3/s. Los usos de agua para agricultura y
ganadería son importantes debido a la intensa actividad agropecuaria, el
requerimiento para atender el riego de cultivos y pastos durante el mes de mayor
demanda es de 2.94 m3/s, el uso industrial está concentrado en el corredor
industrial. Las necesidades de agua de las industrias de mayor consumo totalizan
0.67 m3/ aproximadamente las demandas de agua estimadas por los diversos
usos son de aproximadamente 4.59 m3/s [10].
8
Figura 2. Ubicación de estaciones y puntos de monitoreo en el tramo de estudio
Fuente: Autores
9
Al igual que la mayoría de las corrientes andinas de Colombia, el río Chicamocha
y sus tributarios no escapan a la acción incontrolada de la utilización de sus
recursos y a la disposición en sus cuerpos de gran cantidad de residuos
industriales y urbanos sin ningún tratamiento y consideración. La localización de
centros urbanos en sus orillas y de actividades agroindustriales y mineras en su
cuenca, han alterado las características normales del río hasta el punto de que las
condiciones fisicoquímicas y bacteriológicas de sus aguas que no las hace aptas
para el consumo humano y animal, siendo necesaria la aplicación de tratamientos
complejos para su potabilización y utilidad. Los factores más incidentes en su
deterioro son la descarga de aguas servidas urbanas no tratadas, de efluentes
industriales de dudosa calidad y legalidad, así como el uso incontrolado de agua
para regadío [11].
El Índice de Calidad de Agua (ICA), es un tipo de índice ambiental que puede ser
usado como este marco de referencia único para comunicar información sobre la
calidad del ambiente afectado y para evaluar la vulnerabilidad o la susceptibilidad
del agua a la contaminación. También, se puede considerar como una forma de
agrupación simplificada de algunos constituyentes indicadores del deterioro en la
calidad de agua; además posibilita la evaluación de los constituyentes que afectan
la calidad del agua para sus diferentes usos y resumir esta evaluación en un
simple valor que nos sirva como una manera de comunicar y representar la
calidad en los cuerpos de agua. Además, permite la comparación entre diversos
ríos o en diferentes localizaciones para un mismo río [12].
La calidad del agua puede ser utilizada como una propiedad con la cual se indica
si está o no contaminada, ya que se relaciona con las características físicas,
químicas y biológicas [12]. Al llevar a cabo un diagnóstico de calidad se hace
teniendo en cuenta los siguientes parámetros de calidad: Demanda Biológica de
Oxígeno (DBO5 mg/l), Demanda Química de Oxígeno (DQO mg/l), Oxígeno
Disponible (OD mg/l), Saturación de Oxígeno (%), Temperatura (°C),
concentración de Nitrógeno como Nitritos, Nitratos y Amonio, Conductividad
eléctrica (mS/cm.), pH y Coliformes (NMP/100 ml) [11]; sin embargo hay diversos
factores que pueden afectar la calidad del agua como, por ejemplo, la geología del
área, el ecosistema y actividades humanas tales como: las descargas del
alcantarillado sanitario, la contaminación industrial, el uso de cuerpos de agua
para recreación y el uso excesivo de los recursos de agua [12].
A nivel mundial se han desarrollado diferentes ICA, entre los que se destaca el de
la National Sanitation Foundation (ICA– NSF), desarrollado para ríos de Estados
Unidos y ampliamente empleado y validado o adaptado en diferentes estudios
internacionales [13]. Los ICA más recientes, cuyo objetivo fundamental es la
evaluación de la calidad del agua para consumo humano, incluyen dentro de su
estructura parámetros fisicoquímicos y microbiológicos directamente relacionados
con el nivel de riesgo sanitario presente en el agua [14]. Se ha observado que los
ICA-NSF desarrollados en Estados Unidos y aquellos adaptados para ríos de
Latinoamérica emplean para su cálculo el producto ponderado, comúnmente
conocido como ecuación de tipo multiplicativo. La NSF sugiere el empleo de
ecuaciones de tipo multiplicativo ya que son más sensibles que las ecuaciones de
tipo aditivo o suma ponderada a valores extremos en los subíndices Ii, asociados
generalmente con fuertes variaciones en la calidad del agua, evitando el fenómeno
de eclipsamiento que se presenta cuando se calcula un valor satisfactorio, aunque
el subíndice no lo sea [13].
11
calidad agua; se calcula mediante la integración de las ponderaciones de los
parámetros a través de diferentes funciones matemáticas [15].
𝑛
𝑊𝑖
𝐼𝐶𝐴𝑚 = ∏ 𝐼𝑖
𝑖=1
Dónde:
ESTADOS
PAÍS UNIDOS
Índice
ICA - NSF
Parámetro
OD 0.17
pH 0.11
DBO 0.11
Nitratos 0.10
Coliformes
0.16
Fecales
Temperatura 0.10
Turbiedad 0.08
Sólidos Disueltos
0.07
Totales
Fuente: [14]
𝐼𝐶𝐴𝑛𝑗𝑡 = (∑ 𝑊𝑖 . 𝐼𝑖𝑘𝑗𝑡 )
𝑖=1
Dónde:
𝐼𝐶𝐴𝑛𝑗𝑡 : Es el Índice de calidad del agua de una determinada corriente
superficial en la estación de monitoreo de la calidad del agua j en el tiempo
t, evaluado con base en n variables.
𝑊𝑖 : Es el ponderador o peso relativo asignado a la variable de calidad i.
𝐼𝑖𝑘𝑗𝑡 : Es el valor calculado de la variable i (obtenido de aplicar la curva
funcional o ecuación correspondiente), en la estación de monitoreo j,
13
registrado durante la medición realizada en el trimestre k, del período de
tiempo t.
𝑛: Es el número de variables de calidad involucradas en el cálculo del
indicador; n es igual a 5, o 6 dependiendo de la medición del ICA que se
seleccione.
Se recomienda que la tabla de datos del indicador incluya el valor mínimo del ICA
registrado en el período de tiempo t y, además, el ICA promedio de ese período,
que se calcula mediante la siguiente formula:
𝑛
∑𝑚
𝑘=1(∑𝑖=1 𝑊𝑖 . 𝐼𝑖𝑘𝑗𝑡 )
𝐼𝐶𝐴𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜𝑛𝑗𝑡 =
𝑚
Dónde:
Unidad de
Variable Ponderación
medida
Oxígeno disuelto, OD % Saturación 0,2
Sólidos suspendidos totales, SST mg/l 0,2
14
Tabla 3. Ponderación aplicada a cada uno de los parámetros usados en el ICA-
IDEAM (Continuación)
El ICA de CETESB (Autoridad Ambiental del Estado de Sao Paulo, Brasil), es una
adaptación para ríos tropicales del índice multiplicativo de la NSF (National
Sanation Foundation), la cual propuso una modificación ajustándolo a las
condiciones específicas de los ríos del Estado de Sao Paulo. Dicha modificación
consistió en el cambio de los parámetros nitratos y fosfatos por nitrógeno total y
fósforo total respectivamente, manteniendo las mismas funciones de los
subíndices y las ponderaciones específicas de cada parámetro establecido en el
ICA-NSF. Adicionalmente el CETESB modificó la clasificación de la calidad del
agua de los ríos de acuerdo con el valor del índice obtenido, considerando la
destinación del recurso para el abastecimiento humano Inicialmente fueron
propuestos 35 parámetros, de los cuales seleccionaron nueve considerados
relevantes para la evaluación de la calidad de las aguas teniendo como
determinante la utilización para abastecimiento público. A cada parámetro se
asignó un peso relativo, por ello el ICA es calculado como el producto ponderado
entre el peso relativo y los valores determinados por la función de cada parámetro
[17].
Para determinar el valor del índice existen dos técnicas básicas; las denominadas
aditivas y las multiplicativas. Cuando algunos de los subíndices toman valores
extremos, se recomienda la aplicación del Índice Multiplicativo, el cual es más
15
sensible a valores extremos. De esta forma cuando un subíndice se aproxima a
cero, el valor final del índice se aproxima a cero [17].
Para determinar el valor del ICA-CETESB se utilizó la ecuación de cálculo del ICA
Multiplicativo, el cual se calcula multiplicando los subíndices (I) de cada parámetro,
colocando los pesos (W) como exponentes en cada uno de ellos, dando origen a
la siguiente formula:
𝑛
𝑊𝑖 𝑊 𝑊 𝑊
𝐼𝐶𝐴𝑚 = ∏ 𝐼𝑖 = (𝐼1 1 )(𝐼2 2 ) … (𝐼𝑛 𝑛 )
𝑖=1
Dónde:
PESO
PARÁMETRO RELATIVO
(W)
Oxígeno
17%
Disuelto
Coliformes
15%
Fecales
pH 12%
DBO5 10%
Fósforo Total 10%
Nitrógeno Total 10%
Temperatura 10%
Sólidos Totales 8%
Turbiedad 8%
Fuente: [17]
16
5.2.2 Calculo de ICO´s
1
𝐼𝐶𝑂𝑀𝑂 = (𝐼. + 𝐼.𝐶𝑜𝑙𝑖𝑓𝑜𝑟𝑚𝑒𝑠 + 𝐼.𝑂𝑥𝑖𝑔𝑒𝑛𝑜% )
3 𝐷𝐵𝑂
Dónde:
𝑚𝑔
𝐼.𝐷𝐵𝑂 = −0.05 + 0.70𝐿𝑜𝑔10 𝐷𝐵𝑂( )
𝐿
𝑁𝑀𝑃
𝐼.𝐶𝑜𝑙𝑖𝑓𝑜𝑟𝑚𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 = −1.44 + 0.56𝐿𝑜𝑔10. 𝐶𝑜𝑙. 𝑇𝑜𝑙. ( )
100𝑚𝑙
𝐼.𝑂𝑥𝑖𝑔𝑒𝑛𝑜% = 1 − 0.01𝑂𝑥𝑖𝑔𝑒𝑛𝑜%
17
Tabla 5. Concentraciones de referencia para el ICOMO
Coliformes totales
DBO(g.m^-3) Oxígeno (g.m^-3)
(NMP.100cm^-3)
Concentraci Concentraci Concentraci
Calidad Calidad Calidad
ón ón ón
0.75 - 2 Recreación 50 - 100 Recreación 6.5 - 7.5 Recreación
Recreo, Recreo, Recreo,
1.5 - 3.5 100 - 1.000 5 -- 7
pesca pesca pesca
Abastecimie
<1 Normal 0 Potable >3
nto humano
Potable
(desinfecció Vida
1 -- 3 Aceptable 1.000 >4
n). Contacto piscícola
primario
Preservació
Agrícola. n flora y
Calidad
3 -- 6 5.000 Contacto >4 fauna.
dudosa
secundario Aguas
cálidas
Potable
(tratamiento
>6 Anormal 20.000 >5 Aguas frías
convencion
al)
Oligosapro Consumo
1 --3 > 75%
bio humano
Contacto
Mesosapro primario y
3.5 - 12 > 70%
bio secundario
(recreación)
Polisaprobi
15 - 100
o
> 100 Eusaprobio
Fuente: [18]
18
Este ICO, se determina tan sólo mediante la concentración de sólidos
suspendidos. Si bien esta variable observó alguna correlación de importancia con
la demanda de oxígeno (DBO y DQO) y con el amonio, se desagregó de las
anteriores por cuanto estas últimas corresponden con claridad a procesos de
contaminación orgánica, mientras que los sólidos suspendidos bajo muchas
circunstancias, podrían perfectamente hacer referencia tan sólo a compuestos
inorgánicos [18]. La fórmula es la siguiente.
𝑚𝑔
𝐼𝐶𝑂𝑆𝑈𝑆 = −0.02 + 0.0003𝑆𝑜𝑙𝑖𝑑𝑜𝑠𝑆𝑢𝑠𝑝𝑒𝑛𝑑𝑖𝑑𝑜𝑠 ( )
𝐿
Concentración Calidad
Muy buena cuenca
< 10
alta
Normal. Cuenca
10 --25
alta - media
Buena. Cuenca
25 - 50
media - baja
50 -75 Buena. Cuenca baja
Media.
75 - 150
Contaminados
Mediocre.
150 - 300
Contaminados
> 300 Muy contaminados
Fuente: [18]
1
𝐼𝐶𝑂𝑀𝐼 = (𝐼. + 𝐼.𝐷𝑢𝑟𝑒𝑧𝑎 + 𝐼.𝐴𝑙𝑐𝑎𝑙𝑖𝑛𝑖𝑑𝑎𝑑 )
3 𝐶𝑜𝑛𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑
𝑑𝑜𝑛𝑑𝑒
𝜇𝑆
𝐼.𝐶𝑜𝑛𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 = 𝐿𝑜𝑔10 . 𝐼.𝐶𝑜𝑛𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 = 3.26 + 1.34𝐿𝑜𝑔10. 𝐶𝑜𝑛𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 ( )
𝑐𝑚
𝐼.𝐶𝑜𝑛𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 = 10𝐿𝑜𝑔.𝐼.𝐶𝑜𝑛𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑
𝑚𝑔
𝐼.𝐷𝑢𝑟𝑒𝑧𝑎 = 𝐿𝑜𝑔10 . 𝐼.𝐷𝑢𝑟𝑒𝑧𝑎 = −9.09 + 4.40𝐿𝑜𝑔10 . 𝐷𝑢𝑟𝑒𝑧𝑎 ( )
𝑙𝑡
𝐼.𝐷𝑢𝑟𝑒𝑧𝑎 = 10𝐿𝑜𝑔.𝐼.𝐷𝑢𝑟𝑒𝑧𝑎
𝑚𝑔
𝐼.𝐴𝑙𝑐𝑎𝑙𝑖𝑛𝑖𝑑𝑎𝑑 = −0.25 + 0.005𝐴𝑙𝑐𝑎𝑙𝑖𝑛𝑖𝑑𝑎𝑑 ( )
𝑙𝑡
Conductividad
(μS/cm) Dureza (g-m^-3) Alcalinidad (g-m^-3)
Concentraci Concentraci Concentraci
Calidad Calidad Calidad
ón ón ón
Salobre Deseable Dulces
300 - 18.000 150 0 -40
s potable blandas
20
3.500 - Potable Dulces
Saladas 60 41 -200
100.000 + mínima blandas
Deseabl Abastecimie
Hasta 400 e 60 – 120 nto humano > 200 Salobres
potable (deseable)
Hasta tolerabl Abastecimie
mineralizació e 300 – 500 nto humano > 200 Saladas
n potable (permisible)
Consum
Potable
400 o < 10 Oligotrofia 30
mínimo
humano
Alta
Productivida Vida
20 – 50 montañ 10 -- 20 20 - 200
d débil piscícola
a
Cuenca Productivida Abastecimie
150 – 200 20 -40 30 - 500
baja d mediocre nto humano
Productivida
40 - 80 < 25 Alta montaña
d media
80 - 110 Eutrofia 25 - 50 Curso medio
Macizos
110 - 150 Aguas duras 50 -100
cristalinos
Aguas
Curso
> 150 incrustantes 100 - 150
inferíor
muy duras
Aguas muy
150 - 250
productivas
Aguas
250 - 350 contaminada
s
Aguas
> 350 contaminada
s
Fuente: [18]
21
Se determina en esencia por la concentración del fósforo total. Como se observa,
hay una alta correspondencia entre las variables involucradas en los ICO y
aquellas definidas por otros autores en los ICA. De igual modo, las relaciones
índices - concentración para las variables coincidentes, resultan muy próximas
entre sí [18]. El ICOTRO se fundamenta en la concentración del fósforo total. A
diferencia de los índices anteriores, en los cuales se determina un valor particular
entre 0 y 1, la concentración del fósforo total define por sí misma una categoría
discreta a saber [18]:
Por otro lado el modelo representa una corriente de agua como una serie de
tramos, que a su vez pueden ser divididos en la cantidad de elementos de un
mismo tamaño que se desee; esta división se basa en el cambio en las
características de la corriente, tales como la pendiente, la profundidad, el ancho,
etc.; su numeración inicia en el punto más aguas arriba de la corriente principal, y,
en caso de existir tributarios, su numeración igual inicia en el punto que se
encuentras más aguas arriba continuando la serie de la corriente principal, la
siguiente figura muestra un esquema de este proceso [21].
Fuente: [1]
23
Para cada elemento se realiza una serie de procesos, incluyendo un balance
hidrológico, un balance térmico, un balance de masa y concentración de
componentes [22] , es decir:
24
Fuente. [1].
Una de las condiciones principales que debe cumplir el modelo es la relación con
la estabilidad del número de Courant [23]. En un modelo de calidad del agua
existe una relación entre la longitud del segmento (Δx) y el paso de cálculo para
solución de las ecuaciones diferenciales (Δt). El programa QUAL2K realiza la
siguiente comprobación:
Dónde:
25
de forma aleatoria para realizar una corrida sobre el modelo, esta corrida luego es
evaluada por una función objetivo, a partir de la cual se hace una selección de las
poblaciones más adaptadas, es decir de aquellas que hayan generados los
mejores valores correspondientes a la función objetivo y que por ser las más aptas
tienen el derecho a utilizarse como padres para la generación siguiente en la
formación de nuevas poblaciones de prueba [26] [20].
Para evaluar el ajuste de cada uno de los parámetros en la calibración del modelo
QUAL2Kw la función recomendada por Pelletier [1], es una ecuación robusta que
representa todas las variables del modelo. Esta función de ajuste es el recíproco
del peso promedio (con el cual se pondera las variables que más influyen en el
proceso) de la normalización de la raíz cuadrada del error de la diferencia entre los
datos obtenidos con el modelo y los datos de campo y se representa en la
ecuación 2. Se tomó el recíproco de esta función porque es importante mencionar
que el algoritmo genético maximiza la función objetivo [20].
−1
∑𝑛𝑝
𝑗=1 𝑊𝑗
𝑓(𝑥) =
∑𝑛𝑝 2
√ 𝑗=1(𝑂𝑖𝑗 − 𝑃𝑖𝑗)
𝑛𝑡
∑𝑛𝑝
𝑗=1 𝑊𝑗 ∗ ∑𝑛𝑝
𝑗=1(𝑂𝑖𝑗 − 𝑃𝑖𝑗)
2𝑛𝑡
( ( ))
Dónde:
26
Esta función de error es programada de forma independiente dentro de la hoja
“Fitness” todos los cálculos de la ecuación anterior deben ser realizados de forma
secuencial y el resultado de este deber ser enlazado en la hoja “rates”. Una cosa
que debe quedar clara, es que el usuario puede programar dentro de la hoja
“Fitness” cualquier función de ajuste que a su modo de ver puede utilizar, esto es
una libertad que permite el modelo [20].
Decreto 1076 de 2015: “Por medio del cual se expide el Decreto Único
Reglamentario del Sector Ambiental y Desarrollo Sostenible”
Referencia Valor
Aluminio (Al) 5,0
Amoníaco (N) 0,5
Arsénico (As) 0, 1
Berilio (Be) 0,1
Boro (B) 0,3 - 4,0*
Cadmio (Cd) 0,01
Cinc (Zn) 2,0
Cloruros (CI-) 600,0
Cobalto (Col 0,05
Cobre (Cu) 0,2
Cromo (Cr+6) 0,1
Fluor (F) 1,0
Hierro (Fe) 5,0
28
Litio (Li) 2,5
Manqaneso (Mn) 0,2
Molibdeno (Mo) 0,01
Niquel (Ni) 0,2
Nitratos (N) <50
Nitritos (N) 0,1
pH (unidades) 4,5 - 9,0
Plomo (Pb) 5,0
Selenio (Se) 0,02
Sulfatos (80=4) 400,0
Vanadio (V) 0,1
Coliformes Totales (NMP/100 mi.) 5000**
Coliformes Fecales (NMP/100 mi.) 1000**
Materiales flotantes y película visible
Ausente
de grasas y aceites flotantes
Coliformes Termotolerantes
100
(NMP/ml)
OD (mq/1) 2
Fosfatos (mg/1 P-P04) 2
Olor Aceptable
Fuente: [29]
Coordenadas
Hidrográfica
Objetivo de
Subcuenca
(Origen Bogotá-
Subzona
calidad
o sirgas) recurso
CUENCA ALTA DEL RÍO CHICAMOCHA
(1.078.066 E pH 45-
RÍO Chicamocha
CHICAMOCHA
CHICAMOCHA
1.099.923 N (unidades) 90
(240301)
W) Pecuario (NMP/100
RÍO
Alto
Río
Coliformes 100
Termotoleran
tes (NMP/m)
DBO (mg/l) <10
DQO (mg/l) 30
OD (mg/l) 2
Solidos 50-
Suspendidos 100
Totales
(mg/l)
Fosfatos 2
(mg/l P-PO4)
Olor Acep
table
Nitratos (N) <50
Nitritos (N) 0.1
Fuente: [8]
30
Resolución 631 de 2015: En esta resolución se describen cuáles son los
parámetros y valores límites máximos permisibles en los vertimientos
puntuales a cuerpos de agua superficial y al sistema de alcantarillado
público, para fines de este proyecto fueron utilizados los límites permisibles
del para los vertimientos con carga mayor a 3000 kg/día DBO5, descritos en
la siguiente imagen:
Figura 5. Límites permisibles para vertimiento puntual con carga mayor a 3000
kg/día DBO5
Fuente: [30]
Tabla 12. Parámetros mínimos para la modelación del recurso hídrico superficial
6. METODOLOGÍIA
El cálculo de los indicadores se realizó con ayuda del programa ICA Test v1.0 y
Macros de Excel.
Fuente: [33]
33
Teniendo en cuenta la información suministrada por la corporación y tal y como se
estipulo en los objetivos, el tramo de estudio va desde la estación Aguas Arriba de
Tunja hasta la estación Oicata; es de vital importancia realizar la topología del
tramo ya que esta define entradas y salidas del río, lo cual es importante a la hora
de ingresar los datos al programa. A continuación se presenta la topología de la
zona de estudio:
Fuente: Autores
34
Paso seguido a tener la informacion, realizar la topología, identificamos los puntos
y estaciones de monitoreo en el tramo seleccionado; en la tabla 9 se puede ver el
abscisado requerido para ingresar la ubicación de las estaciones en la hoja
“Reach” del programa
DBO rápida
Materia orgánica soluble de fácil descomposición
Si se usa datos de DBO5, la muestra debe ser filtrada e inhibida
𝐷𝐵𝑂𝐶𝐹𝑁5
𝐷𝐵𝑂𝑟á𝑝𝑖𝑑𝑎 = 𝐷𝐵𝑂𝐶𝐹𝑁𝑢 =
1 − 𝑒 −𝑘1 ∗5
DBO lenta
Materia orgánica soluble de difícil descomposición
Opción 1
DBOCL = 0
DBOCR = DBOCFNu
Opción 2
DBOCR = DBOCFNu
DBOCL = roc COD – DBOR
SSI
SSI = SST – SSV
SSV = rdc (COT-COD)
Detritos (MOP)
36
Nitrógeno orgánico y total
Norg = NT– NO2 – NO3 – NH4+ – rna PHYTO (mg Clorofila /L)
Para tener en cuenta el programa cuenta con una codificación de colores que
representan si la información debe ser ingresada por el usuario o son
resultados generados por el programa, teniendo en cuenta el color:
37
• Color azul: designa los valores de las variables y parámetros que deben ser
ingresados por el usuario.
• Color amarillo: designa datos de campo que son entrados por el usuario,
esta información es opcional, el modelo es ejecutado sin la necesidad de
estos datos, pero servirán como puntos de referencia para la calibración del
modelo [20].
En la siguiente hoja “Reach Rates” es la que se utiliza para realizar una calibración
manual, pero ya que el programa viene programado con una auto calibración es
omitida esta página; la hoja “Initial Conditions”, “Air Temperature”, “Dew Point
Temperature”, “Wind Speed”, “Cloud Cover” y “Shade” se configuran las
condiciones ambientales registradas para cada punto de monitoreo.
Para la hoja “Light and Heat” los valores se dejaron tal cual y como estaban en la
hoja de cálculo ya que no se tenían datos para poder modificar el modelo de luz.
Por ultimo esta la hoja “Rates”, esta es donde se controla que parámetros se van a
calibrar y los rangos de calibración acompañada de la tabla del control de la auto
calibración del algoritmo genético, este proceso se llevó teniendo en cuenta un
documento presentado por el Ingeniero Ismael Vera el cual realizo en el año 2006
una presentación sobre la modelación en las nueve cuencas de segundo orden de
la jurisdicción de la CAR; se tuvieron en cuenta ya que eran valores probados con
cuerpos de agua en Colombia.
38
Figura 8. Valores de calibración
Fuente: [19]
Ya definida la hoja “Rates”, se tiene que configurar la función objetivo la cual está
en la hoja “Fitness” y tal y como se explicó en la ecuación 2 esta se programa
teniendo en cuenta los valores observados y modelados, sin calibrar, y el inverso
de la diferencia de cuadrados de estos dos. Los modelos en un principio se
realizaron en un mismo archivo q2k, ya que se permitía tener hasta 4 modelos
diferentes en un mismo archivo, se programaron las funciones objetivo asignando
diferentes pesos a las variables, siendo 10 las de menor peso y 100 las de mayor
peso, y se realizó el promedio de estos para lograr tener un primer ajuste del
modelo.
Cada modelo fue nuevamente puesto a calibrar con las mismas condiciones
anteriores pero variando los pesos de las variables, asignando los pesos más
fuertes a parámetros como DBO5, SST, Oxígeno Disuelto, Patógenos
(correspondiente a los Coliformes Termotolerantes), Constituyente Genérico
(correspondiente a grasas y aceites) y al pH; al igual la diferencia del ajuste no fue
mucha. El proceso igualmente tuvo un largo periodo computacional y la bondad de
ajuste presentada fue buena para los parámetros calibrados.
40
El profesor Chapra en su documento “QUAL2Kw - A framework for modeling wáter
quality in streams and rivers using a genetic algorithm for calibration”, nos
recuerda que la función objetivo es el reciproco del error medio cuadrático, los
rangos en los que está definido el RMSE van de 0 a infinito, donde cero
representa un ajuste perfecto y los números más grandes indican menor ajuste
[35] [36], el reciproco del error medio cuadrático es un mejor indicador de ajuste
porque el algoritmo genético maximiza la función objetivo [37], esto nos quiere
decir que reduce el error y que entre mayor sea el valor asignado por la función
objetivo es mejor el ajuste del modelo. Al igual la mayoría de modelos individuales
se tiene registro de niveles de ajuste bajos asociado a la falta de datos [21].
41
Tabla 15. Valores de los parámetros horarios para la modelación dinámica
N. F. Grasas
Conduct DBO DBO
Q T. SST Organic Organic y
ividad pH lenta rapida
o o Aceites
uS/cm mgD/ mgO2/ mgO2
m3/s °C ugP/L ugP/L
25C L L /L
9:00 PM 0.269 18 935 7.8
10:00 PM 0.249 17 992 7.9
11:00 PM 0.233 17 940 7.8
12:00 AM 0.185 16 923 7.9
12:00 AM 0.142 18 895 7.8
1:00 AM 0.13 14 886 7.9 230 594 396 22370 7240 22
2:00 AM 0.142 16 744 8
3:00 AM 0.154 17 692 8.1
4:00 AM 0.169 17 706 8.2
5:00 AM 0.127 18 704 8.3
6:00 AM 0.179 17 809 9.1
7:00 AM 0.295 18 910 9.1 290 516 314 8640 5900 19
8:00 AM 0.23 18 1483 8.5
9:00 AM 0.287 19 1397 8.3
10:00 AM 0.23 18 1041 8
11:00 AM 0.2 18 1038 8.2
12:00 PM 0.278 18 980 7.8
1:00 PM 0.249 16 927 8.1 405 947 597 93920 9800 87
2:00 PM 0.211 18 1008 7.9
3:00 PM 0.249 16 1049 7.9
4:00 PM 0.215 16 1032 7.9
5:00 PM 0.2 17 936 8.3
6:00 PM 0.154 17 870 7.7
7:00 PM 0.269 17 990 8.1 335 832 544 77710 6350 61
Fuente: Autores
42
modelo ya que solo cambia la condición del modelado y se entiende que los
parámetros están ajustados a la calibración ya realizada.
El Diseño Básico de la PTAR fue realizado en el año 1999, con ocasión de la Fase
III del Plan Maestro de Alcantarillado, desde entonces la construcción ha gastado
más de 44 mil millones de pesos que hasta la fecha se ven reflejados en dos
módulos de remoción y El Diseño de Procesos Biológicos comprende las
siguientes unidades: UASB, Reactor Aerobio, Aireación, Selector, Sedimentador
secundario y Espesador; los valores de población y caudales con los cuales se
realizó el diseño se pueden ver en la figura 1.
7. DESARROLLO CENTRAL
Con ayuda del cálculo de los siguientes índices y las comparaciones de los
mismos, podemos entender como es la dinámica del río, en qué lugares las
condiciones de calidad son tan bajas que el agua no tiene un uso probable o en
cuales el agua tiene condiciones aptas para diferente uso.
Debido a que el río tiene múltiples usos por parte de los habitantes de la cuenca,
se calcularon los siguientes índices de calidad de corrientes superficiales.
IDEAM
No Estación
1ra 2da 3ra 4ta
Campaña Campaña Campaña Campaña
45
Aguas Arriba
------ ------ ------
E1 Tunja 0.70
E2 Río Jordán 0.60 0.56 0.57 0.51
E3 La Vega 0.71 0.85 0.67 0.70
E4 Arboleda 0.53 0.54 0.54 0.53
E5 Descarga Tunja 0.49 0.49 0.49 0.49
E7 Oicata 0.49 0.80 0.43 0.39
0.00 - 0.25 Muy mala
0.26 - 0.50 Mala
0.51 - 0.70 Regular
0.71 - 0.90 Aceptable
0.91 - 1.00 Buena
Fuente: Autores
Durante la primera campaña las afluentes Aguas arriba Tunja, Rio Jordán, La
vega, Arboleda, Descarga Tunja y Oicatá, mostraron un índice de calidad del
agua promedio de 0,56 calificándose dentro del rango regular sobresaliendo la
estación La Vega con una calificación de aceptable.
Durante la segunda campaña el índice de calidad del agua alcanzó un
promedio de 0,65 calificada como regular siendo el valor más alto de las 4
campañas atribuyéndose este incremento a la estación La vega y Oicatá.
La tercera campaña mantuvo un promedio similar a la primera campaña
destacándose la estación de Oicatá como la calificación más alta (mala) de las
cuatro campañas; cabe anotar que el promedio de esta campaña correspondió
a 0,57 con una calificación de regular.
Mientras que la cuarta campaña se destaca por entregar el promedio más bajo
de 0,52 y una calificación de regular continuando siendo la estación de Oicatá
la de mayor contaminación de todas las afluentes.
Finalmente, basados en los objetivos de calidad agrícola de la cuenca alta del
rio Chicamocha, los valores calculados para el ICA-IDEAM, teniendo en cuenta
parámetros como oxígeno disuelto, sólidos suspendidos totales, demanda
química de oxígeno, conductividad eléctrica y pH total, el tramo estudiado
durante las 4 campañas muestra como las estaciones Aguas Arriba de Tunja,
Río Jordán, La vega y Arboleda supero el 0.5 correspondientes a índices
regulares y buenos de calidad de agua, en contraste con las estaciones
Descarga de Tunja y Oicatá los cuales su índice de calidad es menor a 0.5
46
correspondiente a niveles malos en calidad de agua por presencia mayor de
contaminantes.
Fuente: Autores
ICA-NSF
No Estación
1ra 2da 3ra 4ta
Campaña Campaña Campaña Campaña
Aguas
------ ------ ------
E1 Arriba Tunja 76.00
E2 Río Jordán 36.00 42.00 52.00 37.00
E3 La Vega 67.00 51.00 50.00 55.00
E4 Arboleda 35.00 38.00 34.00 48.00
Descarga
------ ------ ------ ------
E5 Tunja
47
E7 Oicata 37.00 26.00 36.00 39.00
0 - 25 Muy mala
26 - 50 Mala
51 - 70 Media
71 - 90 Regular
91 - 100 Excelente
Fuente: Autores
Fuente: Autores
48
7.1.3 Calculo de ICA con metodología CETESBE
CETESBE
No Estación
1ra 2da 3ra 4ta
Campaña Campaña Campaña Campaña
Aguas Arriba
------ ------ ------
E1 Tunja 37.27
E2 Río Jordán 8.92 15.70 20.52 12.28
E3 La Vega 38.22 30.51 32.84 30.87
E4 Arboleda 10.86 15.45 17.64 15.79
E5 Descarga Tunja 6.07 6.07 6.07 6.07
E7 Oicata 5.10 7.06 7.94 7.96
<19 Pésima
20 - 36 Mala
37 - 51 Regular
52 - 79 Buena
79 - 100 Optima
Fuente: Autores
49
Fuente: Autores
50
7.2.1 Calculo de índice de contaminación por materia orgánica (ICOMO)
ICOMO
No Estación
1ra 2da 3ra 4ta
Campaña Campaña Campaña Campaña
Aguas Arriba
------ ------ 0.47 ------
E1 Tunja
E2 Río Jordán 0.99 0.99 0.95 0.99
E3 La Vega 0.41 0.71 0.64 0.74
E4 Arboleda 0.98 0.98 0.98 0.98
E5 Descarga Tunja 1.00 1.00 1.00 1.00
E7 Oicata 1.00 1.00 1.00 1.00
0.8 - 1.0 Contaminación muy alta
0.6 - 0.8 Contaminación alta
0.4 - 0.6 Contaminación media
0.2 - 0.4 Contaminación baja
0.0 - 0.2 Contaminación muy baja
Fuente: Autores
51
Fuente: Autores
ICOSUS
No Estación
1ra 2da 3ra 4ta
Campaña Campaña Campaña Campaña
Aguas Arriba
------ ------ 0.03 ------
E1 Tunja
52
E2 Río Jordán 0.11 0.03 0.03 0.17
E3 La Vega 0.00 0.00 0.00 0.00
E4 Arboleda 0.09 0.04 0.04 0.14
E5 Descarga Tunja 0.47 0.47 0.47 0.47
E7 Oicata 0.73 0.28 0.61 0.87
0.8 - 1.0 Contaminación muy alta
0.6 - 0.8 Contaminación alta
0.4 - 0.6 Contaminación media
0.2 - 0.4 Contaminación baja
0.0 - 0.2 Contaminación muy baja
Fuente: Autores
Fuente: Autores
ICOMI
No Estación
1ra 2da 3ra 4ta
Campaña Campaña Campaña Campaña
Aguas Arriba
------ ------ 0.14 ------
E1 Tunja
E2 Río Jordán 0.91 0.47 0.40 0.75
E3 La Vega 0.30 0.52 0.30 0.76
E4 Arboleda 0.70 0.72 0.67 0.78
Descarga
0.68 0.68 0.68 0.68
E5 Tunja
E7 Oicata 0.71 0.73 0.64 0.62
0.8 - 1.0 Contaminación muy alta
0.6 - 0.8 Contaminación alta
0.4 - 0.6 Contaminación media
0.2 - 0.4 Contaminación baja
0.0 - 0.2 Contaminación muy baja
Fuente: Autores
54
Fuente: Autores
La estación La arboleda es la afluente que presentó indice de ICOMI mas alto con
una calificación de contaminacion alta, aunque en la tercera campaña, su índice
bajo y se calificó con una contaminacion media. En la estación de la Descarga de
Tunja obtuvo una calificación de contaminación alta con valores iguales durante
las cuatro campañas. Finalmente la estación de Oicatá arrojó una calificación de
contaminación alta cuyo promedio durante las cuatro campañas es igual al de la
estación de la Descarga de Tunja.
55
El comportamiento de dicha contaminacion por minerales, se le atribuye a la
calidad de las efluentes vertidas en diferentes epocas del año, lo cual registran
caudales diferentes que permiten disolucion de alcalinidades reflejando
variabilidad en conductividad y dureza.
ICOTRO
No Estación
1ra 2da 3ra 4ta
Campaña Campaña Campaña Campaña
Aguas Arriba
------ ------ 0.15 ------
E1 Tunja
E2 Río Jordán 4.22 0.84 0.15 0.90
E3 La Vega 0.03 0.56 0.65 0.59
E4 Arboleda 0.80 0.15 3.05 0.15
E5 Descarga Tunja 11.50 11.5 11.5 11.50
E7 Oicata 11.00 0.7 0.78 0.95
0.8 - 1.0
Oligotrófico (<0.01)
0.6 - 0.8
Mesotrófico (0.01 - 0.02)
0.4 - 0.6
Eutrófico (0.02 - 1)
0.2 - 0.4
Hipereutrófico (>1)
0.0 - 0.2
Fuente: Autores
56
Fuente: Autores
La estación Aguas arriba Tunja analizada durante la tercera campaña, entrego una
calificación de nivel eutrófico mostrando la presencia de contaminantes limitantes
en el desarrollo de los productos primaríos en su base alimenticia. La estación del
Río Jordán en la primera campaña arrojo una calificación de hipereutrófico,
situación que se atribuye a la epoca invernal y los niveles de fósforo obtenidos por
posibles contaminantes de producción agropecuaria arrastrado por las lluvias,
entre tanto la segunda, tercera y cuarta campaña presentaron un nivel de
eutrófico. En la estación La vega durante las cuatro campañas arrojó un valor
promedio de 0,46 calificando de esta manera como nivel eutrófico,
caracterizandose durante la primera campaña, con la misma calificación pero mas
cercano a un nivel mesotrófico. La estación La Arboleda obtuvo en la tercera
campaña una calificación de hipereutrófico atribuido al incremento de las lluvias y
el arrastre de contaminantes, las demás campañas obtuvieron un nivel de
eutrófico. la estación de la Descarga de Tunja como era de esperarse, se presenta
un nivel alto calificado como hipereutrófico. (aguas residuales). En la estación de
Oicatá en el promedio de las cuatro campañas arrojó calificación de hipereutrófico
califación elevada a raiz de la primera campaña por el arrastre de contaminantes
epoca invernal, ya que en las campañas subsiguientes fue de eutrófico. (ver
grafica).
59
Fuente: Autores
Fuente: Autores
Fuente: Autores
61
Figura 19. Comportamiento de la Conductividad en el año 2015
Fuente: Autores
62
Fuente: Autores
Fuente: Autores
63
materia organica es latente que se incrementa debido al vertimiento de la ciudad
de Tunja que vierte a una gran cantidad de materia organica (164 mg/L) pero este
no es el unico vertimiento que contamina el río, a 200 metros del vertimiento de
Tunja existe un nuevo vertimiento proveniente del relleno sanitarío de la ciudad,
llamado Pirgua, el cual hace un tratamiento de sus lixiviados pero según las
campañas de monitoreo esta generando un afluente a la quebrada Honda o
Cebollas con gran carga contaminante (465 mg/L); esta quebrada no esta
registrada en la topologia debido a que su caudal no es representativo pero según
este analisis esta generando gran impacto en el tramo de estudio.
Por otro lado, un salida del programa fue la DBO lenta, ver figura 15, parametro
que relaciona por diferencia la DQO y la DBO5 y corresponde a la materia
organica de dificil descomposicion. El resultado de este parametro es parecido al
de la DBO5 y ratifica la condicion de contaminacion del río fluctuando en el
kilometro 4,7 correspondiente al vertimiento de Tunja un rango de 150 a 210
mgO2/L. Teniendo en cuenta la Resolucion 631 de 2015, el limite permisible para
un vertimiento de tipo domestico es de 70 mgO2/L, a lo cual el vertimiento esta
claramente por fuera del rango establecido.
Fuente: Autores
Los SST son todas aquellas sustancias en estado solido cuyo tamaño es mayor a
0.20 µm y estan suspendidas en el agua [38], este parametro tambien influye en la
turbidez. Como pasa con la DBO5, este parametro tiene el mismo comportamiento
donde tiene un aumento subito en el kilometro 4,7 correspondiente al vertimiento
64
de Tunja; a lo largo de las 4 campañas el valor en este punto va desde 110 a 150
mgSST/L siendo el mas alto el de la primera campaña. Las oscilaciones se de las
concentraciones de este parametro corresponden a caracteristicas propias de
ecosistema acuatico, fuerza de arrastre de la corriente y principalmente a la
descarga de aguas residuales [33]. De acuerdo a los objetivos de calidad se
establece un rango de solidos entre 50 y 100, para vertimiento con cargas
mayores a 3000 kg/día un maximo de 70, lo cual indica que la calidad del agua
esta directamente afectada por el vertimiento.
Fuente: Autores
Fuente: Autores
66
Figura 26. Coliformes Termotolerantes Figura 27. Grasas y Aceites
Fuente: Autores
67
Figura 28. Resultados modelación dinámica del Caudal
Fuente: Autores
Las gráficas tanto como de la segunda y tercera campaña realizada durante los
meses de junio y agosto, generan una gráfica similar, mostrando disminución en
los horarios de la madrugada. En lo que respecta a la cuarta campaña durante el
mes de octubre, la gráfica generada por el programa, muestra un desfase entre la
curva construida y los valores tomados in situ, que también aparecen en el plano.
Por lo tanto, se genera una evaluación sobre los datos reales, observándose
68
disminución de caudal, referente a las anteriores campañas, en un porcentaje del
10.
Fuente: Autores
La primera campaña registro entre las 12:00 am y 2:00 am, la temperatura más
baja ~ 14ºC y durante el resto del día 16.5ºC (febrero) según los datos ingresados.
Para la segunda y tercera campaña realizadas en el mes de junio y agosto se
evidencio una temperatura máxima promedio de 22.5ºC y una mínima de 15.5ºC.
Durante la cuarta campaña la temperatura máxima fue de 24ºC y la mínima de
19ºC, comportamiento irregular, debido a que el programa posiblemente no
relaciono los datos ingresados con los modelados.
69
Figura 30. Resultados modelación dinámica de la Conductividad
Fuente: Autores
70
Los análisis del anterior parámetro corresponden a los valores tomados in situ, ya
que el programa no se ajustó ni observo una gráfica acorde. De acuerdo a los
resultados podemos observar que los datos ingresados no son suficientes para
realizar un modelo de esta magnitud ya que se tienen muy pocos datos. Las
bondades de ajuste para cada campaña varían drásticamente, esto posiblemente
por error propios del proceso de modelación, de los modeladores o en el proceso
de calibración; el proceso de calibración se llevó a cabo estableciendo límites
establecidos en la literatura, debido a que es una aplicación nueva dentro del
programa QUAL2KW no fue posible encontrar literatura previa acerca del proceso
dinámico, aunque la principal falencia que se presenta es la falta de datos.
71
Fuente: Autores
72
3ra Campaña 4ta Campaña
Fuente: Autores
73
17.5°C a 17.7°C. Al igual que las anteriores campañas temperatura afectada por
actividad realizada en la PTAR.
Finalmente, la cuarta campaña se caracterizó por el registro de las mayores
temperaturas de las cuatro campañas en razón de la época más calurosa del año
siendo para el escenario sin PTAR entre 18.2°C a 18.6°C, en el escenario del
10%, 20% y 26% de 18.1°C a 18.4°C y en el escenario de remoción de 31%, 36%
y 38% entre 17.9°C a 18.2°C.
Cabe destacar que la diferencia causada por los tres escenarios durante las cuatro
campañas generó disminución de más o menos 1°C entre cada uno de ellos.
Definitivamente generado por el clima y/o procesos de la PTAR.
Fuente: Autores
74
variación del pH, considerándose como promedio de la fuente un valor de pH =
8.1.
Para los escenarios de remoción del 10%, 20% y 26% en la primera campaña el
pH se mantuvo en rangos de 7.7 reduciendo en 0.5 unidades de pH, tomando
como base el valor promedio de la fuente, esto debido a los procesos llevados en
planta. Durante la segunda campaña en este mismo escenario el pH estuvo entre
7.5 y 7.6 por acciones climáticas y procesos adelantados en planta, la reducción
del pH correspondió a 0.7 unidades tomando como base el pH promedio de la
fuente. Para la tercera campaña, el comportamiento de pH fue muy similar al de la
primera campaña sin considerase valores de pH variables, finalmente para la
cuarta campaña el pH tuvo variaciones entre 7.55 y 7.68 reduciendo en 0.4
unidades de pH relacionado con el valor promedio de la fuente.
Para el escenario de la remoción de 31%, 36% y 38% el pH se mantuvo durante la
primera y segunda campaña en 7.5, para la tercera campaña entre 7.4 y 7.5 y en
la cuarta campaña entre 7.5 y 7.58, valores que a la postre, muestran constantes
sin mayor variación durante los cuatro períodos, reduciendo el pH de la fuente en
0.6 unidades debido a procesos en planta. Por otra parte, basados en la
resolución 631 de 2015, se evidencia que los valores obtenidos durante las cuatro
campañas, presentan cumplimiento de dicha normativa ya que se encuentra entre
los rangos máximos permisibles estipulados sobre este parámetro.
75
Fuente: Autores
76
Figura 35. Escenarios de remoción de la PTAR de la Conductividad
Fuente: Autores
77
Figura 36. Escenarios de remoción de la PTAR de los Solidos Suspendidos
Totales
Fuente: Autores
78
propuestas no estaría cumpliendo la normativa y por ende no cumpliría con uno de
los dos parámetros sujetos de tasa retributiva.
Fuente: Autores
Al igual que con los SST, la DBO5 tiene el mismo comportamiento con los
porcentajes de remoción. Después del vertimiento la concentración baja
aproximadamente 10 mgO2/l en todos los escenarios, a diferencia de los SST que
desde el vertimiento su concentración permanece estática. El valor inicial
modelado del vertimiento sin PTAR para la DBO5 es de 215, 160, 152 Y 170
mgO2/l, de la primera a la cuarta campaña respectivamente, y con el 38% de
remoción es de 140, 120, 113 y 120 mgO2/l respectivamente, esto quiere decir
que de acuerdo a lo propuesto por PROACTIVA AGUAS DE TUNJA la PTAR en 4
años de operación disminuye los SST en un 20 a 50 mgO2/l.
79
exceder de 70 mgO2/l, esto quiere decir que para el otro parámetro sujeto de tasa
retributiva con las eficiencias diseñadas tampoco se estaría cumpliendo con la
normativa.
Fuente: Autores
80
3ra Campaña 4ta Campaña
Fuente: Autores
81
3ra Campaña 4ta Campaña
Fuente: Autores
En el segundo semestre del año 2016, los municipios aledaños y las empresas
generadoras de vertimientos en la cuenca alta del Río Chicamocha integraron el
Consejo de Cuenca Alta Chicamocha además de la socialización del plan de
acción propuesto por la entidad para la descontaminación del río asociado al
POMCA de la cuenca alta. Teniendo en cuenta el desarrollo del presente proyecto,
el río a los cuatro kilómetros de su nacimiento ya es intervenido por el hombre,
pasa por la ciudad de Tunja en donde sus niveles de contaminación son
disparados y sigue por un recorrido en donde sigue siendo el receptor de las
aguas residuales de municipios e industrias; estas aguas que a su vez son
utilizadas en gran mayoría para la agricultura sin ningún tipo de tratamiento previo.
Fuente: Autores
83
Sin embargo, al observar los resultados obtenidos durante las 4 campañas, se
evidencia un comportamiento constante después del vertimiento que realiza la
planta, lo cual no se identifica una baja en la contaminación del rio, esto
corresponde a una descarga contaminante por lixiviados que vierte el relleno
sanitario de la ciudad a la fuente aproximadamente a 3 km de distancia, por tal
motivo, asesorados por ingenieros civiles de la empresa ECOINGENIAR, se
propone como tercera medida ubicar en la parte baja del relleno sanitario
localizado, la fuente de los lixiviados, direccionarlos mediante un filtro con tubería
perforada sobre una cama de arena, recubiertos con 50 cm de gravilla y cubiertos
con malla de geotextil no tejido GTN, el precio aproximado de este filtro ronda los
$100.000 por metro lineal, preferiblemente debe tener una pendiente aproximada
de un 2% a 3% y dispondrá el líquido captado en una laguna de oxidación, allí se
estabilizara y pasará a un filtro de arena y carbón antes de su vertimiento a la
fuente receptora. Los lixiviados son líquidos difíciles de tratar por su alta carga
orgánica, metales y metales pesados, no es recomendable la adición de cloro por
su potencial formación de organoclorados como cloroformo y furanos, sustancias
reconocidas por ser cancerígenas, con este tratamiento primario y secundario se
espera que dependiendo del caudal vertido al rio, lo pueda asimilar en una
distancia relativamente corta, de todos modos se recomienda la modulación de la
fuente para determinar esta longitud de mezcla. Las lagunas deberán tener una
capacidad mínima de 3 días de retención, es decir una laguna de 52m3
aproximadamente. Finalmente, se recomienda colocar geomembranas de alta
densidad en sus paredes para evitar el aporte de lixiviados al terreno, de esta
manera se espera alcanzar una DBO y DQO menor en el rio Chicamocha que
mejore su calidad y por ende un mejor desempeño en la PTAR.
El costo total de esta medida de mejoramiento se expresa a continuación.
84
8. IMPACTO SOCIAL DEL PROYECTO
Por otro lado los resultados aportan en la entrada de operación de la PTAR, los
porcentajes allí calculados y el comportamiento dinámico es un punto de partida
para la planta; por otro lado el proyecto permite controlar los usos que se le están
dando al río con el análisis del modelo, ya que en el caso de la agricultura según
las caracterizaciones del cuerpo no sería adecuada para el riego de alimentos y
esto conlleva consecuencias a largo plazo en los terrenos de cultivo y a los
consumidores, este es un punto base para realizar investigaciones futuras
epidemiológicas de los usos que se le están dando a las aguas de este cuerpo
hídrico.
9. CONCLUSIONES
86
10. RECOMENDACIONES
Como tercera recomendación el programa tiene una interfaz con Visual Basic, la
cual nos permite ver el código de programación, este código no es abierto y no se
puede modificar, por lo tanto cuando el programa arroje errores al correr el modelo
esto obliga a un error o en los datos o de parte del modelador, lo cual demanda
una gran cantidad de tiempo para realizar el proceso de modelación.
Bibliografía
90
[40] Davis LAWRENCE, Handbook of Genetic Algorithms. New York , Van Nostrald
Reinoll, 1991.
[41] Diana SALAS QUINTERO, Mario Alberto ZAPATA, and Jhoniers
GUERRERO, "Modelo de costos para el tratamiento de las aguas residuales
en la región.," Universidad Tecnológica de Pereira, p. 6, 2007.
[42] Rosa Carolina OLEA MADRUGA, "Evaluación de la planta de tratamiento de
aguas residuales del municipio de Coatepec, Veracruz.," Mexico, 2013.
[43] M. DÍAZ GRANADOS and L. A. CAMACHO, "Modelación hidrológica y
ambiental de una subcuenca de la ciudad de Bogotá," Bogotá , 2000.
91