MODELACIÓN DINÁMICA DE LA CALIDAD DEL AGUA DEL RÍO

CHICAMOCHA TENIENDO EN CUENTA EL VERTIMIENTO DE AGUA

RESIDUAL DE LA CIUDAD DE TUNJA

ANGIE ALEJANDRA JIMÉNEZ BELTRÁN

DIEGO ANDREY CORTES NARANJO

UNIVERSIDAD SANTO TOMÁS

DIVISION DE INGENIERÍAS
FACULTAD DE INGENIERÍA AMBIENTAL
BOGOTÁ D.C.
2016
 MODELACIÓN DINÁMICA DE LA CALIDAD DEL AGUA DEL RÍO
CHICAMOCHA TENIENDO EN CUENTA EL VERTIMIENTO DE AGUA
RESIDUAL DE LA CIUDAD DE TUNJA

ANGIE ALEJANDRA JIMÉNEZ BELTRÁN

DIEGO ANDREY CORTES NARANJO

Trabajo de tesis para optar por el título de Ingeniero Ambiental

Modalidad: Solución de un problema de Ingeniería

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

UNIVERSIDAD SANTO TOMÁS

DIVISION DE INGENIERÍAS
FACULTAD DE INGENIERÍA AMBIENTAL
BOGOTÁ D.C.
2016
 PÁGINA DE ACEPTACIÓN

Nota de aceptación

Presidente del jurado

Jurado

Jurado

Bogotá, D.C. del 2016

 AGRADECIMIENTOS

En primer lugar queremos expresar nuestros agradecimientos a nuestro director

Ing. Raulith Brito y codirector Ing. Darwin Mena, por su apoyo, paciencia y
valiosas colaboraciones en la realización de este proyecto, sin sus conocimientos
no sería posible.

También queremos expresar nuestro agradecimiento a la Ing. Amanda Bermúdez,

Profesional Especializado de CORPOBOYACA y a la Ing. Claudia Rodríguez, Jefe
de Planta de Tratamiento de Aguas Residuales de Proactiva Aguas de Tunja S.A
E.S.P, por su colaboración con los datos necesarios para la realización del
proyecto; además de su interés en el mismo.

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

A todos y cada una de las personas que se interesaron en el desarrollo de nuestro

proyecto de grado y realizaron aportes al mismo, muchas gracias.
 TABLA DE CONTENIDO

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

Tabla 1. Codificación de la cuenca .......................................................................... 5

Tabla 2. Ponderación o peso relativo aplicado a cada uno de los parámetros
usados en el ICA-NSF ........................................................................................... 12
Tabla 3. Ponderación aplicada a cada uno de los parámetros usados en el ICA-
IDEAM ................................................................................................................... 14
Tabla 4. Ponderación o peso relativo aplicado a cada uno de los parámetros
usados en el ICA-CETESB .................................................................................... 16
Tabla 5. Concentraciones de referencia para el ICOMO ....................................... 18
Tabla 6. Concentraciones de referencia para el ICOSUS ...................................... 19
Tabla 7. Concentraciones de referencia ICOMI ..................................................... 20
Tabla 8. Concentraciones de referencia para ICOTRO ......................................... 22
Tabla 9. Variables de estado del modelo ............................................................... 24
Tabla 10. Criterios de calidad para uso agrícola ................................................... 28
Tabla 11. Objetivos de calidad para el tramo de estudio de la cuenca alta ........... 29
Tabla 12. Parámetros mínimos para la modelación del recurso hídrico superficial32
Tabla 13. Abscisado de las estaciones .................................................................. 35
Tabla 14. Control del auto calibración del algoritmo PIKAIA .................................. 39
Tabla 15. Valores de los parámetros horarios para la modelación dinámica ......... 42
Tabla 16. Tablas de remoción para la planta ......................................................... 44
Tabla 17. Resultados del cálculo de ICA por metodología IDEAM. ....................... 45
Tabla 18. Resultados del cálculo de ICA por metodología NSF ............................ 47
Tabla 19. Resultados del cálculo de ICA por metodología CETESBE ................... 49
Tabla 20. Resultados del cálculo de ICO por metodología ICOMO ....................... 51
Tabla 21. Resultados del cálculo de ICO por metodología ICOSUS ..................... 52
Tabla 22. Resultados del cálculo de ICO por metodología ICOMI ......................... 54
Tabla 23. Resultados del cálculo de ICO por metodología ICOTRO ..................... 56
Tabla 24. Valores calibrados en el modelo y rangos de variación de los mismos . 58
Tabla 25. Costos de procesos en la PTAR……………………………………………83
Tabla 26. Costos medida de contingencia relleno sanitario………………………...84
 LISTA DE FIGURAS

Figura 1. Mapa de monitoreo de la cuenca alta del Río Chicamocha ...................... 7

Figura 2. Ubicación de estaciones y puntos de monitoreo en el tramo de estudio .. 9
Figura 3. Segmentación de los cuerpos hídricos para el programa QUAL2KW .... 23
Figura 4. Tipos de usos del agua ........................................................................... 27
Figura 5. Límites permisibles para vertimiento puntual con carga mayor a 3000
kg/día DBO5 .......................................................................................................... 31
Figura 6. Presentación de informes de monitoreo ................................................. 33
Figura 7. Topología del tramo de estudio .............................................................. 34
Figura 8. Valores de calibración............................................................................. 39
Figura 9. Grafica ICA-IDEAM ................................................................................. 47
Figura 10. Grafica ICA-IDEAM ............................................................................... 48
Figura 11. Grafica ICA - CETESBE ....................................................................... 49
Figura 12. Grafica de ICO – ICOMO ...................................................................... 51
Figura 13. Grafica de ICO – ICOSUS .................................................................... 53
Figura 14. Grafica de ICO – ICOMI........................................................................ 54
Figura 15. Grafica de ICO – ICOTRO .................................................................... 56
Figura 16. Comportamiento de Caudal en el año 2015 ......................................... 59
Figura 17. Comportamiento de Temperatura en el año 2015 ................................ 60
Figura 18. Comportamiento de pH en el año 2015 ................................................ 61
Figura 19. Comportamiento de la Conductividad en el año 2015 .......................... 62
Figura 20. Comportamiento de la DBO5 en el año 2015 ....................................... 62
Figura 21. Comportamiento de la DBO5 en el año 2015 ....................................... 63
Figura 22. Comportamiento de los SST en el año 2015 ........................................ 64
Figura 23. Comportamiento del OD en el año 2015............................................... 65
Figura 24. Nitratos + nitritos ...................................................................................
Figura 25. Clorofila A 66
Figura 26. Coliformes Termotolerantes 66
Figura 27. Grasas y Aceites ................................................................................... 67
Figura 28. Resultados modelación dinámica del Caudal ....................................... 68
Figura 29. Resultados modelación dinámica de la Temperatura ........................... 69
Figura 30. Resultados modelación dinámica de la Conductividad ......................... 70
Figura 33. Escenarios de remoción de la PTAR del Caudal .................................. 71
Figura 34. Escenarios de remoción de la PTAR de la Temperatura ...................... 72
Figura 35. Escenarios de remoción de la PTAR de pH .......................................... 74
Figura 36. Escenarios de remoción de la PTAR de Oxígeno Disuelto ................... 75
Figura 37. Escenarios de remoción de la PTAR de la Conductividad .................... 77
Figura 38. Escenarios de remoción de la PTAR de los Solidos Suspendidos
Totales ................................................................................................................... 78
Figura 39. Escenarios de remoción de la PTAR de la DBO5 ................................. 79
Figura 40. Escenarios de remoción de la PTAR de los Nitritos + Nitratos ............. 80
Figura 41. Escenarios de remoción de la PTAR de Coliformes Termotolerantes .. 80
Figura 40. Escenarios de remoción de la PTAR de Grasas y Aceites ................... 81

LISTA DE ECUACIONES

Ecuación 3. Formula del ICA-NSF ......................................................................... 12

Ecuación 4. Formula de ICA-IDEAM...................................................................... 13
Ecuación 5. Formula ICA promedio ....................................................................... 14
Ecuación 6. Formula ICA-CETESBE ..................................................................... 16
Ecuación 7. Ecuación índice ICOMO ..................................................................... 17
Ecuación 8. Ecuación índice ICOSUS ................................................................... 19
Ecuación 9. Ecuación índice ICOMI....................................................................... 20
Ecuación 1. Comprobación de estabilidad ............................................................. 25
Ecuación 2. Ajuste de parámetros ......................................................................... 26
Ecuación 10. Ecuaciones de cálculo de parámetros para ingreso al programa ..... 35
 RESUMEN

El Río Chicamocha uno de los más importantes para el departamento de Boyacá y

para Colombia, a finales del año 2015 presentaba índices de contaminación muy
altos que lo presentaban como el segundo río más contaminado en el país. Una
de las obras más importantes para la cuenca alta es la Planta de Tratamiento de
Aguas Residuales de la ciudad de Tunja, la cual se viene realizando hace más de
10 años con una inversión de aproximadamente 33 mil millones de pesos.

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.

El resultado principal del proceso de modelación fue la identificación del pico de

contaminación en el tramo que corresponde a la descarga de Tunja y la
generación de los respectivos escenarios de remoción de la PTAR; además de
esto otro resultado fue la modelación estática que permite observar el
comportamiento de los parámetros monitoreados en el río. La modelación
dinámica no arrojo los resultados esperados por falta de datos.

Palabras clave

Calidad del agua, modelo QUAL2KW, escenarios de modelación

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

Water quality, QUAL2K model, modeling scenarios.

 1. INTRODUCCIÓN

La modelación de cuerpos de agua superficiales permite observar el

comportamiento por tramos de acuerdo a monitoreos in-situ y análisis de
laboratorio realizados a lo largo de dicho cuerpo hídrico, con el fin de analizar la
calidad del cuerpo hídrico existen variedad de programas informáticos que
procesan la información y generan un modelo el cual es la aproximación a la
realidad y con éste se pueden realizar simulaciones las cuales representan
experimentos virtuales de escenarios en los cuales varían las condiciones en
puntos específicos del cuerpo de agua [1]. Para este proyecto se eligió el
programa QUAL2KW versión 6, es un programa reciente desarrollado por el Dr.
Steven Chapra y su equipo de trabajo donde a diferencia de su antecesor se
agrega la función dinámica a la modelación lo cual permite ver a través del tiempo
el comportamiento del cuerpo de agua [2].

Por medio de este modelo desarrollado se pretende generar un herramienta que

permita el control en el tramo que va desde aguas arriba de Tunja hasta la
estación designada para el monitoreo llamada Oicata; este tramo comprende el
vertimiento de Tunja, un vertimiento de la capital del departamento de Boyacá el
cual no tiene control alguno y ningún tratamiento óptimo para su efluente al Río
Chicamocha. En el segundo semestre del año 2016 la empresa Proactiva Aguas
de Tunja S.A E.S.P tiene previsto la entrada en operación de dos módulos de la
planta de tratamiento de aguas residuales (PTAR) los cuales tienen como principal
mecanismo de descontaminación reactores UASB; cada uno está diseñado como
un módulo independiente [3]; adjunto a la herramienta de control sobre el cuerpo
hídrico, este proyecto tiene la capacidad de realizar escenarios para la planta
propuesta y su efectividad en remoción de contaminantes, asi poniendo en
evidencia como funcionaria la plata y que mejoras puede tener en el proceso de
tratamiento.

1
2. PROBLEMA

El Río Chicamocha es un cuerpo hídrico que nace cerca de la ciudad de Tunja,

pasa por la ciudad recibiendo todos los canales de los efluentes cercanos y viaja
hacia los municipios de Paipa, Duitama, Sogamoso hasta que sale del
departamento de Boyacá y entra al departamento de Santander. Desde que inicia
su recorrido la intervención antrópica ha degradado la calidad del río, cuando pasa
por la ciudad de Tunja recibe todas las aguas negras de la ciudad sin ningún
tratamiento previo y llega al corredor industrial de Boyacá ubicado en los valles de
la cuenca alta donde se encuentran las empresas Termopaipa, Acerías Paz del
Río, Argos, Holcim, Indumil, Industria de Licores de Boyacá entre otras [4]. La
contaminación del río comienza casi desde su nacimiento, las afectaciones a la
salud humana ya están siendo latentes en las comunidades aledañas al cuerpo
hídrico [5]

De acuerdo a los planes de acción que han emprendido la Corporación Autónoma

de Boyacá y los entes gubernamentales, existen varios planes y proyectos que
intervienen el cuerpo hídrico, desde actualizaciones de POMCA, mesas de
concertación por microcuencas hasta la inversión en una PTAR que trate las
aguas residuales de la ciudad [6].

2
3. JUSTIFICACIÓN

Teniendo en cuenta los datos de los monitoreos realizados al Río Chicamocha y

su importancia para la gestión que la Corporación ha emprendido para la
recuperación ambiental de la cuenca alta, además de una herramienta como lo es
el software libre QUAL2KW en su versión número 6, se plantea realizar un modelo
capaz de simular las condiciones a las que está expuesto el Río Chicamocha,
herramienta es capaz de asimilar las condiciones observadas y predecir un
comportamiento en el río.

Ya que se ha emprendido una arremetida de las organizaciones gubernamentales

en pro de la gestión del río, el presente proyecto es una primera aproximación del
estado actual del tramo inicial del cuerpo superficial, teniendo en cuenta la
implementación de nuevas tecnologías y normativa reciente que permiten la
priorización del recurso; con el uso de software se pretende entender la dinámica
del río y los cambios a los que está siendo sujeto.

3
 4. OBJETIVOS

4.1 General

Realizar la modelación dinámica de la calidad de agua del Río Chicamocha en el

tramo desde la estación aguas arriba de Tunja kilómetro 2+913 hasta la estación
de monitoreo Oicata kilómetro 17+422 incluyendo el vertimiento de la ciudad de
Tunja utilizando el modelo QUAL2Kw versión 6.

4.2 Específicos

 Analizar la calidad del agua del río Chicamocha y del vertimiento de la

ciudad de Tunja aplicando diferentes índices de calidad del agua.
 Realizar la modelación del recurso con el programa QUAL2Kw versión 6.
 Formular medidas para el mejoramiento de la calidad del agua de acuerdo
a la implementación de soluciones ambientales que prioricen la gestión del
recurso hídrico.

4
 5. MARCO TEÓRICO

5.1 Marco Geográfico

El río Chicamocha es el más importante del departamento de Boyacá nace al sur

de Tunja, toma los nombres de Chulo, Jordán, Grande, Sogamoso, a medida que
avanza en su recorrido; atraviesa el altiplano de Tunja, Tuta, Oicatá, Paipa,
Duitama y entra a Sogamoso [7], recibiendo a su vez una progresiva
contaminación por vertimientos sin control de diferentes urbanizaciones, a tal
punto que al atravesar a Tunja sus aguas cristalinas solo se pueden apreciar en
los primeros 50 metros desde su nacimiento. En Tunja comienza con depósito de
desperdicios y materias orgánicas, vertimiento de residuos hospitalarios e
industriales, al llegar a Tuta estas aguas son usadas para consumo animal y como
riego de hortalizas, pastos y frutales; el río continua su recorrido atravesando
Oicatá donde el depósito de pesticidas y residuos de fincas agrícolas y ganaderas
van dándole una mayor carga infectante a las aguas, al pasar por el complejo
turístico de Paipa, el río recibe los vertimientos controlados de las fuentes de agua
salina y del lago Sochagota [5]. Así como las aguas de tipo doméstico e industrial
(contaminadas) producidas en Acerías Paz del Río, complejo industrial de
Maguncia, Metalúrgica Boyacá y curtiembres [7].

La posición del tramo seleccionado se encuentra en la subcuenca alta del Río

Chicamocha; la codificación del río y la pertenencia al área hidrográfica la da el
IDEAM y los soportes hidrográficos de CORPOBOYACA, esta se describe en el
siguiente cuadro:

Tabla 1. Codificación de la cuenca

Área Hidrográfica Zona Hidrográfica Subzona Subcuenca

Hidrográfica
Magdalena-Cauca Río Sogamoso Río Chicamocha Río Chicamocha
2 24 2403 Alto
240301
Fuente: [8]

El río Chicamocha es el más importante del departamento de Boyacá nace al sur

de Tunja, toma los nombres de Chulo, Jordán, Grande, Sogamoso, a medida que
avanza en su recorrido; atraviesa el altiplano de Tunja, Tuta, Oicatá, Paipa,
Duitama y entra a Sogamoso [7], recibiendo a su vez una progresiva
5
contaminación por vertimientos sin control de diferentes urbanizaciones, a tal
punto que al atravesar a Tunja sus aguas cristalinas solo se pueden apreciar en
los primeros 50 metros desde su nacimiento. En Tunja comienza con depósito de
desperdicios y materias orgánicas, vertimiento de residuos hospitalarios e
industriales, al llegar a Tuta estas aguas son usadas para consumo animal y como
riego de hortalizas, pastos y frutales; el río continua su recorrido atravesando
Oicatá donde el depósito de pesticidas y residuos de fincas agrícolas y ganaderas
van dándole una mayor carga infectante a las aguas, al pasar por el complejo
turístico de Paipa, el río recibe los vertimientos controlados de las fuentes de agua
salina y del lago Sochagota [5]. Así como las aguas de tipo doméstico e industrial
(contaminadas) producidas en Acerías Paz del Río, complejo industrial de
Maguncia, Metalúrgica Boyacá y curtiembres [7].

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

Fuente: INGFOCOL 2015

El río Chicamocha es el segundo río más contaminado de Colombia por la

disposición constante de aguas residuales provenientes inicialmente de las
actividades diarias domesticas como escuelas, instalaciones turísticas, edificios
públicos e instalaciones sanitarias de las industrias entre otros; de acuerdo con el
Decreto 3930 de 2010 al establecer disposiciones relacionadas con los usos del
recurso hídrico, el Ordenamiento del Recurso Hídrico y los vertimientos al recurso

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].

En la figura 2 observamos la delimitación del tramo de estudio, la ubicación de las

estaciones y puntos de monitero, teniendo en cuenta que el tramo de estudio es
de maximo 4,7 kilometros, el monitero fue realizado en un dia, por esta razon mno
hay que realizar continuidad a la masa de agua.

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].

5.2 Marco Conceptual

5.2.1 Calculo de ICA´s

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].

Al analizar la calidad del agua de la cuenca estudiada es necesario tener como

base estudios como “Estado de la calidad del agua del recurso hídrico superficial
en la cuenca alta del río Chicamocha”, y a su vez el sistema hidrográfico del río el
cual transcurre desde su nacimiento en la parte alta del municipio de Tunja en
donde se le da el nombre de río Jordán, hasta después de pasar por el municipio
de Sogamoso, en el sitio Vado Castro. Tiene una longitud de algo más de 100 Km
y su cauce es alimentado por ocho corrientes principales y una cuantiosa red de
corrientes secundarias, temporales y permanentes. En el plan de ordenamiento y
manejo ambiental de la parte alta del río se presenta la sección correspondiente
con la calidad de las aguas presentes en los cuerpos de agua de la jurisdicción;
Este análisis se hace con énfasis en el agua de la corriente principal, el río
10
Chicamocha, entre los municipios de Tunja y el sitio Vado Castro, con algunos
datos referentes a la calidad del agua que le vierten sus tributarios y las descargas
de acerías Paz de Río [11].

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].

5.2.1.1 ICA – NSF

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].

La estructura de cálculo de la mayoría de los ICA se basa en la normalización de

los parámetros que los conforman de acuerdo con sus concentraciones, para su
posterior ponderación en función de su importancia en la percepción general de la

11
calidad agua; se calcula mediante la integración de las ponderaciones de los
parámetros a través de diferentes funciones matemáticas [15].

La fórmula del indicador es:

Ecuación 1. Formula del ICA-NSF

𝑛
𝑊𝑖
𝐼𝐶𝐴𝑚 = ∏ 𝐼𝑖
𝑖=1
Dónde:

𝑊𝑖 : Peso o porcentaje asignado al i-ésimo parámetro

𝐼𝑖 : Subíndice de i-ésimo parámetro

Tabla 2. Ponderación o peso relativo aplicado a cada uno de los parámetros

usados en el ICA-NSF

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]

5.2.1.2 ICA – IDEAM

Para explicar el estado de la calidad de agua en Colombia se desarrolló el

“sistema de indicadores hídricos” que explica el estado de cualquier fuente hídrica,
entre esos se explica el índice de calidad del agua (ICA-IDEAM) que es el valor
12
numérico que califica en una de cinco categorías, la calidad del agua de una
corriente superficial, con base en las mediciones obtenidas para un conjunto de
cinco o seis variables, registradas en una estación de monitoreo j en el tiempo t
[16]; Este índice de calidad del agua en corrientes superficiales, corresponde a
una expresión numérica agregada y simplificada surgida de la sumatoria aritmética
equiponderada de los valores que se obtienen al medir la concentración de cinco o
seis variables fisicoquímicas básicas en las estaciones de monitoreo que hacen
parte de la Red Básica de Monitoreo de Calidad de Agua y que evalúan la calidad
del agua en las corrientes superficiales [16].

El indicador se puede calcular con un diferente conjunto de variables medidas,

cuya cantidad y tipo depende de la disponibilidad de datos, de las diferentes
presiones contaminantes a las cuales están sometidos los diferentes cuerpos de
agua y del tipo de cuerpo de agua. Para el caso colombiano, se ha medido desde
2005, en las corrientes superficiales, un conjunto de cinco variables, a saber:
oxígeno disuelto, sólidos suspendidos totales, demanda química de oxígeno,
conductividad eléctrica y pH total. A partir de 2009, en las estaciones de la Red se
ha medido adicionalmente nitrógeno total y fósforo total [16].

El indicador se calcula a partir de los datos de concentración de un conjunto de

cinco o seis variables que determinan, en gran parte, la calidad de las aguas
corrientes superficiales.

La fórmula de cálculo del indicador es:

Ecuación 2. Formula de ICA-IDEAM

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:

Ecuación 3. Formula ICA promedio

𝑛
∑𝑚
𝑘=1(∑𝑖=1 𝑊𝑖 . 𝐼𝑖𝑘𝑗𝑡 )
𝐼𝐶𝐴𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜𝑛𝑗𝑡 =
𝑚

Dónde:

𝑚 : Es el número de muestreos en los cuales se midieron las variables de

calidad involucradas en el cálculo del indicador. 1 ≤ m ≤ 4 si el período es
anual.

Tabla 3. Ponderación aplicada a cada uno de los parámetros usados en el ICA-

IDEAM

VARIABLES Y PONDERACIONES PARA EL CASO DE 5 VARIABLES

Unidad de
Variable Ponderación
medida
Oxígeno disuelto, OD % Saturación 0,2
Sólidos suspendidos totales, SST mg/l 0,2

Demanda química de oxígeno, DQO mg/l 0,2

Conductividad eléctrica, C.E. μS/cm 0,2

pH Unidades de pH 0,2
Fuente: [16]

14
 Tabla 3. Ponderación aplicada a cada uno de los parámetros usados en el ICA-
IDEAM (Continuación)

VARIABLES Y PONDERACIONES PARA EL CASO DE 6 VARIABLES

Variable Unidad de medida Ponderación

Oxígeno disuelto, OD % Saturación 0,17
Sólidos suspendidos totales, SST mg/l 0,17

Demanda química de oxígeno, DQO mg/l 0,17

NT/PT - 0,17
Conductividad eléctrica, C.E. μS/cm 0,17
pH Unidades de pH 0,15
Fuente: [16]

5.2.1.3 ICA – CETESB

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:

Ecuación 4. Formula ICA-CETESBE

𝑛
𝑊𝑖 𝑊 𝑊 𝑊
𝐼𝐶𝐴𝑚 = ∏ 𝐼𝑖 = (𝐼1 1 )(𝐼2 2 ) … (𝐼𝑛 𝑛 )
𝑖=1

Dónde:

𝑖: Corresponde a los parámetros de calidad elegidos.

𝐼: Corresponde a los subíndices de cada parámetro.
𝑊: Corresponde al peso asignado a cada variable o parámetro según su
importancia.

Tabla 4. Ponderación o peso relativo aplicado a cada uno de los parámetros

usados en el ICA-CETESB

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

Con la finalidad de observar el grado de contaminación en las estaciones de

estudio, se desarrollan los siguientes índices de contaminación:

5.2.2.1 ICO - ICOMO

Al igual que en la mineralización, se expresa en diferentes variables fisicoquímicas

de las cuales se selecciona demanda bioquímica de oxígeno (DBO5), Coliformes
totales y porcentaje de saturación del oxígeno, de tal manera estas variables en
conjunto, recogen efectos distintos de la contaminación orgánica [18].

Se calcula de la siguiente forma:

Ecuación 5. Ecuación índice ICOMO

1
𝐼𝐶𝑂𝑀𝑂 = (𝐼. + 𝐼.𝐶𝑜𝑙𝑖𝑓𝑜𝑟𝑚𝑒𝑠 + 𝐼.𝑂𝑥𝑖𝑔𝑒𝑛𝑜% )
3 𝐷𝐵𝑂

Dónde:
𝑚𝑔
𝐼.𝐷𝐵𝑂 = −0.05 + 0.70𝐿𝑜𝑔10 𝐷𝐵𝑂( )
𝐿

DBO > 30 (mg/l) = 1

DBO < 2 (mg/l) = 0

𝑁𝑀𝑃
𝐼.𝐶𝑜𝑙𝑖𝑓𝑜𝑟𝑚𝑒𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 = −1.44 + 0.56𝐿𝑜𝑔10. 𝐶𝑜𝑙. 𝑇𝑜𝑙. ( )
100𝑚𝑙

Coliformes totales > 20.000 (NMP/100 ml) = 1

Coliformes totales < 500 (NMP/100 ml) = 0

𝐼.𝑂𝑥𝑖𝑔𝑒𝑛𝑜% = 1 − 0.01𝑂𝑥𝑖𝑔𝑒𝑛𝑜%

Oxigeno (%) mayores a 100% tienen un índice de oxigeno de 0

Es importante señalar, que de manera general en los sistemas loticos, porcentajes

de saturación mayores a 100% son indicativos de una muy buena capacidad de re
aireación de los cursos hídricos [18].

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]

5.2.2.2 ICO - ICOSUS

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.

Ecuación 6. Ecuación índice ICOSUS

𝑚𝑔
𝐼𝐶𝑂𝑆𝑈𝑆 = −0.02 + 0.0003𝑆𝑜𝑙𝑖𝑑𝑜𝑠𝑆𝑢𝑠𝑝𝑒𝑛𝑑𝑖𝑑𝑜𝑠 ( )
𝐿

Solidos suspendidos > a 340 mg/l tienen un ICOSUS = 1

Solidos suspendidos < a 10mg/l tienen un ICOSUS = 0

Tabla 6. Concentraciones de referencia para el ICOSUS

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]

5.2.2.3 ICO - ICOMI

Se expresa en numerosas variables, de las cuales se eligieron: conductividad

como reflejo del conjunto de sólidos disueltos, dureza por cuanto recoge los
cationes calcio y magnesio, y alcalinidad porque hace lo propio con los aniones
carbonatos y bicarbonatos [18]. El ICOMI es el valor promedio de los índices de
19
cada una de las tres variables elegidas, las cuales se definen en un rango de 0 - 1;
índices próximos a cero (0) reflejan muy baja contaminación por mineralización, e
índices cercanos a uno (1), lo contrarío [18]. Su fórmula es:

Ecuación 7. Ecuación índice ICOMI

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

Conductividades mayores a 270 µS/cm, tienen un índice de conductividad =

1

𝑚𝑔
𝐼.𝐷𝑢𝑟𝑒𝑧𝑎 = 𝐿𝑜𝑔10 . 𝐼.𝐷𝑢𝑟𝑒𝑧𝑎 = −9.09 + 4.40𝐿𝑜𝑔10 . 𝐷𝑢𝑟𝑒𝑧𝑎 ( )
𝑙𝑡
𝐼.𝐷𝑢𝑟𝑒𝑧𝑎 = 10𝐿𝑜𝑔.𝐼.𝐷𝑢𝑟𝑒𝑧𝑎

Durezas mayores a 110 mg/lt tienen un índice = 1

Durezas menores a 30 mg/lt tienen un índice = 0

𝑚𝑔
𝐼.𝐴𝑙𝑐𝑎𝑙𝑖𝑛𝑖𝑑𝑎𝑑 = −0.25 + 0.005𝐴𝑙𝑐𝑎𝑙𝑖𝑛𝑖𝑑𝑎𝑑 ( )
𝑙𝑡

Alcalinidades mayores a 250 mg/lt tienen un índice = 1

Alcalinidades menores a 50 mg/lt tienen un índice = 0

Tabla 7. Concentraciones de referencia ICOMI

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]

5.2.2.4 ICO - ICOTRO

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]:

Oligotrófico < 0,01 (g·m-3)

Mesotrófico 0,01 - 0,02 (g·m-3)
Eutrófico 0,02 - 1 (g·m-3)
Hipereutrófico >1 (g·m-3)

Tabla 8. Concentraciones de referencia para ICOTRO

Fósforo total (g-m^-3)

Concentración Calidad
Deseable
0.17
Potable
< 0.01 Oligotrófica
0.01 - 0.02 Mesotrófico
> 0.02 Eutrófica
Fuente: [18]

5.2.3 Qual2kw 6.0

El modelo QUAL2K desarrollado por el profesor Steven Chapra y su equipo de

trabajo, es un software libre que se puede descargar directamente de la página
web http://www.qual2k.com/, este es un programa de modelación unidimensional
de la calidad del agua sobre corrientes superficiales que puede simular el
comportamiento de 19 variables distintas de calidad del agua y representa el
avance sobre el modelo anterior QUAL2E [19] [20].

Su entorno básico de entrada y salida de información se presenta en Microsoft

Excel mediante hojas electrónicas donde se introduce la información de entrada y
salida del modelo. La información de entrada está dividida básicamente en la
segmentación del modelo, la información climatológica e hidráulica de cada una de
22
las secciones, y los valores de calidad del agua medidos en la corriente y en las
entradas y salidas de la misma [20]. Los requerimientos computacionales para el
desarrollo del programa son básicos, aunque ya que el programa en versiones 5.1
y 6.0 incluye el algoritmo genético, PIKAIA, es necesario que el procesador tenga
la capacidad suficiente para realizar las corridas además que el modelador tenga
conceptos avanzados en estadística.

El modelo QUAL2K, como su modelo antecesor QUAL2E, simula el transporte de

contaminantes convencionales (no tóxicos), este permite evaluar la capacidad
asimilativa de una corriente determinando el impacto de cargas contaminantes
puntuales o no puntuales [20].

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].

Figura 3. Segmentación de los cuerpos hídricos para el programa QUAL2KW

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:

1. Balance de flujo constante

2. Balance de Calor
3. Balance de masas y componentes [21]

A continuación, en la tabla 1 se presentan los parámetros de calidad del agua

simuladas por el programa.

Tabla 9. Variables de estado del modelo

Variable Símbolo Unidades

Conductividad s µohms
Sólidos Suspendidos Inorgánicos mi mgD/l
Oxígeno Disuelto O mgO2/l
DBOC lenta cs mgO2/l
DBOC rápida cf mgO2/l
Nitrógeno Orgánico no µgN/l
Amonio na µgN/l
Nitrato nn µgN/l
Fósforo Orgánico po µgP/l
Fósforo Inorgánico pi µgP/l
Fitoplancton ap µgA/l
Detrito o Material Orgánico mo mgD/l
Particulado
Patógenos X Ufc/100 ml
Constituyente Genérico gen1, gen2 Definidas por
el usuario
Alcalinidad Alk mgCaCO3/l
Carbono Inorgánico Total cr Mole/L
Crecimiento de algas ab,ah gD/m2
Crecimiento de algas nitrogenadas INb mgN/m2
Crecimiento de algas Fosforosas IPb mgP/m2

24
 Fuente. [1].

5.2.3.1 Estabilidad del Modelo

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:

Ecuación 8. Comprobación de estabilidad

∆𝑥𝑖 ∆𝑡𝑖 ∙∆𝑥𝑖

∆𝑡𝑖 < Que es equivalente a decir <1ó 𝛾<1
𝑈𝑖 𝑈𝑖

Dónde:

Δt: Tamaño de paso para resolver las ecuaciones diferenciales.

Δx: Tamaño del segmento
Ui: Velocidad promedio del segmento.
Ɣ: Número de Courant [23].

Si la condición no se cumple en al menos uno de los segmentos del modelo el

programa no se ejecuta, ante lo cual se tiene que variar el paso de cálculo, razón
por la cual no todos son iguales en los diferentes días de modelación tal como se
dijo anteriormente [24]. Si al tomar el menor o mayor paso de cálculo no se
cumplía la condición de Courant, era necesario correr algunos metros el segmento
y comprobar para poder garantizar el funcionamiento del modelo hidráulico, en
caso tal de encontrarse dos segmentos con características hidráulicas similares se
procedía a la eliminación de uno de ellos para que el tamaño del segmento se
ampliara y pudiera compensar el valor de velocidad elevada [19] [25].

5.2.3.2 Algoritmo genético empleado para la calibración.

Está técnica se basa en conceptos de selección natural y genética, razón por la

cual toda la terminología usada por ella es de carácter biológico con una
connotación en la parte matemática de la programación usada. Un algoritmo
genético funciona de manera similar a la naturaleza, creando poblaciones
compuestas por individuos, los individuos son cada uno de los valores generados

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].

Ecuación 9. Ajuste de parámetros

−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:

Oi,j = Valor Observado

Pij = Valor predicho por el modelo
nt = Número de valores observados
np: Número de variables de calidad del agua a calibrar
wj = Factor de peso [27].

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].

5.3 Marco Legal

El agua es un recurso natural vital para la existencia de los seres vivos. Es

esencial para el desarrollo de las actividades económicas (agricultura, minería,
industria, servicios, generación de energía), también favorece el sostenimiento de
los ecosistemas y de los bienes y servicios que éstos proporcionan. Actualmente
las consecuencias por el acelerado crecimiento económico han generado en
nuestro ambiente alteraciones que podrían ser irremediables si no damos una
solución y un control moderado de la actividad humana que conlleve a la
conservación de nuestros recursos. La mayor demanda de agua dulce por las
diferentes actividades económicas, unido al crecimiento poblacional da como
resultado, una presión excesiva sobre éste recurso hídrico. Éstas en asocio a un
desmejoramiento de su calidad, entre otras, han puesto en peligro la disponibilidad
efectiva del recurso originado escasez de agua dulce [28]. Teniendo en cuenta la
problemática previamente descrita y las condiciones que se tienen del proyecto, a
continuación se encuentra la normativa aplicable para este proyecto:

 Decreto 1076 de 2015: “Por medio del cual se expide el Decreto Único
Reglamentario del Sector Ambiental y Desarrollo Sostenible”

En el titulo 3 capitulo 1, se estipula los instrumentos para la planificación,

ordenación y manejo de las cuencas hidrográficas y acuíferos, en el mismo
la sección 4 estipula el Programa Nacional de Monitoreo del Recurso
Hídrico.

En el capítulo 3 el Ordenamiento del Recurso Hídrico y Vertimientos, se

estipula en la sección 2 los tipos de usos del agua, descritos en la siguiente
tabla:

Figura 4. Tipos de usos del agua

27
1. Consumo Humano y Doméstico que requieren Tratamiento Convencional.
2. Consumo Humano y Doméstico que requieren Desinfección.
3. Agrícola
4. Pecuario
5. Recreación con contacto primario
6. Recreación con contacto secundario
7. Preservación de Flora y Fauna
8. Estático
Fuente: [29]

Además en el artículo 2.2.3.3.9.5 de la sección 9 del capítulo 3, que estipula

los criterios de calidad admisibles para la destinación del recurso a uso
agrícola, estos criterios ampliados por la resolución 3382 de 2015 realizada
por CORPOBOYÁCA. Esta ley deroga al decreto 1584 de 1984, donde
también se estipulan usos del agua y criterios de calidad.

 Resolución 3382 de 2015: "Por medio de la cual se adoptan. los Criterios de

Calidad del Recurso Hídrico dentro de la jurisdicción de CORPOBOYACÁ."

En el artículo quinto de la presente resolución se estableces los Criterios de

calidad para uso agrícola, estos de importancia para el proyecto ya que
para el tramo de estudio los objetivos de calidad estipulan un uso agrícola.

Tabla 10. Criterios de calidad para uso agrícola

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]

 Resolución 3560 de 2015: "Por media de Ia cual se establecen los

Objetivos de Calidad de agua en la Cuenca Alta y Media del Rio
Chicamocha a lograr en el periodo 2016 2025"

En esta resolución se establecen los objetivos de calidad para el tramo de

estudio, estos establecen como agrícola el uso del agua y concuerdan con
los estipulados en la resolución 1076 de 2015 y la resolución 3382 de 2015:

Tabla 11. Objetivos de calidad para el tramo de estudio de la cuenca alta

Coordenadas
Hidrográfica

Objetivo de
Subcuenca

(Origen Bogotá-
Subzona

calidad

Tram Datum-magna Uso del Parámetro

Valor

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)

(5' 29' 57,826" N Coliformes 5000

73' 22' 22,879" Agrícola Totales
(2403)
(2403)

W) Pecuario (NMP/100
RÍO

Alto
Río

- Estético Agrícola ml)

29
 (1.089.728 E Coliformes 1000
Agua 1.118.400 N Fecales
s (5" 39' 58,757" N (NMP/100
arrib 73' 16' 3,226" W) ml.)
a de Materiales Ause
Tunja flotantes y nte
, película
hasta visible de
Playa grasas y
arrib aceites
a flotantes

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]

 Plan de Ordenación y Manejo Ambiental de la Cuenca Alta del Río

Chicamocha: Este documento fue realizado en convenio por la Universidad
Nacional y la UPTC, realizado en el año 2006 el cual estipula
geomorfología, hidrología, sistema hídrico, calidad de agua, ecosistemas
entre otros aspectos de la cuenca.

 Resolución 2691 de 2014: “Por medio de la cual se declara en Ordenación

la Cuenca Alta del Rio Chicamocha”

Este decreto estable los aspectos ambientales a considerar de la cuenca

alta del rio Chicamocha, así como la delimitación del mismo.

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]

 Decreto 3930 de 2010: “Por el cual se reglamenta parcialmente el Título I

de la Ley 9ª de 1979, así como el Capítulo II del Título VI -Parte III- Libro II
del Decreto-ley 2811 de 1974 en cuanto a usos del agua y residuos líquidos
y se dictan otras disposiciones.”

Para el desarrollo de este proyecto se tiene en cuenta el capítulo tres, el

cual habla del ordenamiento del recurso hídrico, y en su artículo número
31
 siete habla de los modelos de simulación de la calidad del recurso hídrico;
expone los parámetros mínimos a modelador, ver tabla 10, y además la
expedición de la Guía Nacional de Modelación del Recurso Hídrico.

Tabla 12. Parámetros mínimos para la modelación del recurso hídrico superficial

1. DBO5: Demanda bioquímica de oxígeno a cinco (5) días.

2. DQO: Demanda química de oxígeno.
3. SS: Sólidos suspendidos.
4. pH: Potencial del ion hidronio, H+
5. T: Temperatura.
6. OD: Oxígeno disuelto.
7. Q: Caudal.
8. Datos Hidrobiológicos.
9. Coliformes Totales y Coliformes Fecales.
Fuente: [31]

6. METODOLOGÍIA

La Corporación Autónoma Regional de Boyacá, CORPOBOYACA, en el año 2015

contrato los servicios de la empresa INGFOCOL la cual realizo 4 monitoreos a la
cuenca alta y media del Río Chicamocha, estos fueron realizados el 4 de febrero,
13 de Junio, 25 de agosto y 10 de Octubre; asimilando dos campañas secas y dos
campañas húmedas a los fenómenos de niño y niña. Teniendo en cuenta las
actividades propuestas se realizó el desarrollo de este proyecto, primero análisis
de información y aplicación de índices de calidad de agua, segundo realización del
modelo estático y dinámico (actividad que comprende la calibración del modelo) y
tercero realización de escenarios de remoción de la planta de tratamiento de agua
residual y propuesta de mejoras.

6.1 Calculo de ICA´s e ICO´S

Teniendo en cuenta los datos de los monitoreos y las condiciones de calidad

presentadas de los parámetros fisicoquímicos, se tenían datos suficientes para
realizar casi cualquier ICA siguiendo la teoría anteriormente descrita; debido a que
en los Objetivos de Calidad para el tramo de estudio se establece un uso agrícola,
se decidió aplicar el ICA NSF y el ICOMO en un principio teniendo en cuenta la
32
literatura [32], pero se determinó que para tener un análisis completo de la calidad
en términos cualitativos era necesario aplicar más indicadores, los cuales
corresponden a otros usos pero debido a los pesos que manejan sus parámetros
eran susceptibles a comparación con los ya elegidos.

El cálculo de los indicadores se realizó con ayuda del programa ICA Test v1.0 y
Macros de Excel.

6.2 Modelación estática

Para llevar a cabo la modelación, se realizo la solicitud de la información a la

Corporación Autónoma de Boyacá, se tuvo en cuenta los monitoreos de calidad
hidrica que se realizaron al río Chicamocha en diferentes puntos, especialmente
los que conforman el tramo que escogimos para llevar a cabo este proyecto; como
son Aguas Arriba Tunja, La Vega, Río jordan, Arboleda, Vertimiento Tunja y Oicata
las cuales fueron tomadas en 4 campañas distribuidas de la siguiente manera;
febrero de 2015 (primera campaña), mayo de 2015 (segunda campaña), agosto de
2015 (tercera campaña) y finalmente octubre de 2015 (cuarta campaña) en la cual
se realizó un monitoreo de calidad de 24 horas al vertimiento que recibe el río. En
la figura 5 se pueden ver la presentacion de los informes presentados por la
empresa INGFOCOL.

Figura 6. Presentación de informes de monitoreo

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:

Figura 7. Topología del tramo 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

Tabla 13. Abscisado de las estaciones

Distancia
Latitud en Longitud en
Estación Norte Este Altura Latitud Longitud desde el
radianes radianes
inicio (m)
Aguas arriba de
1100010 1078057 2750 5.500175 -73.373106 5° 30' 0,629" N 73° 22' 23,183" W 3000
Tunja
Rio Jordan 1105687 1080860 2680 5.551473 -73.347749 5° 33' 5,304" N 73° 20' 51,895" W 9800
La Vega 1106078 1080920 2681 5.55501 -73.347204 5° 33' 18,037" N 73° 20' 49,934" W 10200
Arboleda 1107703 1082443 2676 5.56969 -73.333441 5° 34' 10,885" N 73° 20' 0,389" W 12600
Descarga de Tunja 1109073 1083610 2648 5.582064 -73.322893 5° 34' 55,431" N 73° 19' 22,415" W 14600
Oicata 1111450 1084518 2622 5.603543 -73.314674 5° 36' 12,754" N 73° 18' 52,825" W 17400
Fuente: Autores

Una vez obtenidos los resultados de los monitoreos, se dispone a ingresar al

modelo QUAL2Kw los respectivos datos de entrada que este pide, como son,
temperatura, conductividad, solidos inorganicos, oxigeno disuelto, DBO lenta,
DBOrapida, nitrogeno organico, fosforo organico, NH4, NH3, fosforo inorganico,
detritus, patogenos, alcalinidad, pH entre otros. Sin embargo para que el modelo
corra sin inconveniente alguno, es necesarío conocer que el programa no simula
ni DBO5 ni DQO, sin embargo se debe aplicar unas formulas respectivas a ciertos
parametros entre esos los SST y la DBO los cuales fueron ingresados al programa
en las casillas de ISS Y DBOrapida por la curva de decaimiento, esto con el fin de
que permitiera la lectura de estas variables y una ejecucion optima del programa.

Las formulas aplicadas a esos parametros son las siguientes.

Ecuación 10. Ecuaciones de cálculo de parámetros para ingreso al 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

DBOCFN5: DBO5 soluble o filtrada (mg O2/L)

FN: muestra filtrada e inhibida
35
 k1 (d-1): constante de la botella

 DBO lenta
Materia orgánica soluble de difícil descomposición

Opción 1
DBOCL = 0
DBOCR = DBOCFNu

Opción 2
DBOCR = DBOCFNu
DBOCL = roc COD – DBOR

Otras aproximaciones útiles para el cálculo de DBO lenta

DBOCL = DQOF – DBOCFNu

DBOC = 2,69 COT

Para el resultado de la DBO es importante acudir a la opción 1 tratando de

que el tiempo de viaje en el segmento o tramo sea menor de 5 días.

 SSI, detritos y SST

SSI
SSI = SST – SSV
SSV = rdc (COT-COD)

Detritos (MOP)

MOP (mg O2/L) = SSV - rda PHYTO (mg Clorofila /L)

MOP = 0 cuando SSV < rda
MOP =rdc/roc (DBO5 total – DBO5 filtrada o disuelta) *

*Cálculo no muy exacto

Sólidos suspendidos totales (SST)

SST = SSI + MOP + rda PHYTO (mg Clorofila /L)

36
  Nitrógeno orgánico y total

Cuando se mide NTK

Norg = NTK – NH4+ - rna PHYTO (mg Clorofila /L) rna es el factor de
conversión de mg de clorofila en mg de N.
Cuando se mide nitrógeno total (NT)

Norg = NT– NO2 – NO3 – NH4+ – rna PHYTO (mg Clorofila /L)

 Fósforo orgánico y total

Porg = PT – SRP – rpa PHYTO (mg Clorofila /L) rpa es el factor de

conversión de mg de clorofila en mg de P

SRP: Fósforo inorgánico soluble (orto fosfatos)

Teniendo en cuenta que el programa no contempla directamente el ingreso de

parámetros como DBO5 y Solidos Suspendidos Totales, y estos son parámetros
que se tienen que analizar para el tratamiento del agua residual de la ciudad de
Tunja ya que son los que están sujetos a tasa retributiva; de acuerdo a la
hidráulica del río y los análisis de laboratorio [34], se determinó que estos
parámetros presentan curvas de decaimiento similares a la de los parámetros
anteriormente calculados (DBO rápida y SSI), por esta razón y para que el
resultado estuviera en función de esta condición se obvio el cálculo de esos
parámetros y se ingresaron directamente al programa en las 4 campañas.

Después de haber realizado estos dos pasos, fundamentales para empezar el

proceso de modelación, se empezó a completar los datos necesarios para el
programa; en la primer hoja denominada “QUAL2K” se definen las rutas para
guardar el archivo, fecha de modelación y la zona horaria; también se definió el
tiempo de cálculo a 2.8125, 3 días de simulación para estabilizar el modelo, Euler
como método de integración y las demás opciones varían dependiendo de si es
estático o dinámico.

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 verde: designa los valores generados por el programa

• 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].

La segunda hoja “Headwater” como su traduccion lo indica es la cabeza de agua

del tramo de estudio, en este caso corresponde a los datos de la estacion Río
Jordan, con los datos de los parametros ya calculados para esta estacion se
corrieron a un solo dia.

En la siguiente hoja “Reach”, se agrega el abcisado de la tabla número 10 además

de la hidráulica que para el caso de este proyecto se realizó utilizando la
batimetría de los informes y el n de manning calculado para cada tramo.

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.

La siguiente hoja es “Point Sources”, esta corresponde a los vertimientos que

llegan al río a lo largo del tramo; para este proyecto solo hay dos que
corresponden a la quebrada La Vega y el Vertimiento de la ciudad de Tunja.

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]

En el mismo documento el Ingeniero Vera hace referencia a la tabla control del

algoritmo pikaia y estipula unos valores para las corrientes que se modelaron en el
2006, de acuerdo a esto se decidió tenerlas en cuenta para nuestros cuatro
modelos.

Tabla 14. Control del auto calibración del algoritmo PIKAIA

Auto-calibration genetic algorithm control:

Random number seed 100000 seed
Model runs in a population
(<=512) 30 np
Generations in the evolution 80 ngen
Digits to encode genotype
(<=6) 4 nd
Crossover mode (1, 2, 3, 4, 5,
6, or 7) 3 icross
Crossover probability (0-1): 0.85 pcross
Mutation mode (1, 2, 3, 4, 5, 5 imut
39
 or 6)
Initial mutation rate (0-1): 0.005 pmut
Minimum mutation rate (0-1): 0.0005 pmutmn
Maximum mutation rate (0-1): 0.25 pmutmx
Relative fitness differential (0-
1): 1 fdif
Reproduction plan (1, 2, or 3): 3 irep
Elitism (0 or 1): 1 ielite
Shuffle probability (0-1): 0 pshuffle
Restart from previous
evolution (0 or 1): 0 irestart
Skip high Courant conditions Yes icour
Fuente: Autores

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.

Después de realizar este proceso se estaba listo para ejecutar la función

“Autocalibrar”, este proceso con las condiciones anteriormente descritas tuvo una
duración de aproximadamente 24 horas seguidas. Teniendo en cuenta los
resultados presentados, y como el modelo estaba inicialmente calibrado, se
cambió la función para que ejecutara la del módulo dinámico; este no estaba
programado en la hoja de cálculo, lo cual impidió seguir el proceso en este archivo
y se realizó la división de cada modelo en archivos diferentes.

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].

6.3 Modelación dinámica

La modelación se llevo a cabo teniendo en cuenta un informe realizado por

PROACTIVA aguas de Tunja S.A. E.S.P, que nos suministro, en el se expresa
información acerca del tratamiento que tendran las aguas de Tunja, sus
porcentajes de remoción los cuales fueron importantes al momento de ejecutar el
programa para la obtencion de la modelacion y por supuesto con los diferentes
datos obtenidos en las 4 campañas de monitoreo que se llevaron a cabo en el año
2015, de igual manera se tuvo en cuenta otras caracteristicas que tendrá la planta
de tratamiento de agua residual PTAR de Tunja, basicamente este informe fue de
vital importancia ya que la empresa realizo estudios como aforos, muestreo y
caracterización del agua residual de la ciudad de Tunja, el cual nos permitio hacer
un mejor analisis de los resultados obtenidos en esta modelación. En la siguiente
tabla se observa los valores de cada parametro obtenidos en alicuotas de 1 hora.

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

Los parámetros que aparecen cada 6 horas corresponden a muestras compuestas

que eran enviadas al laboratorio certificado ubicado en Duitama, Boyacá. Estos
valores se ingresan en la hoja “Continuos Sources” y en la hoja “QUAL2K” en la
celda simulation mode se da la opción Continuos para que el programa asimile
que se quiere realizar la modelación dinámica.

Debido a que el programa realiza la calibración de parámetros para el modelo

estático, para realizar la corrida dinámica no es necesario volver a calibrar el

42
modelo ya que solo cambia la condición del modelado y se entiende que los
parámetros están ajustados a la calibración ya realizada.

6.4 Escenarios de Remoción de la PTAR

La planta de tratamiento de aguas residuales de Tunja – PTAR, fue diseñada

como un proceso esencialmente biológico, que además de incluir las fases de
cribado y retención de arenas, comprende principalmente una fase anaeróbica
representada en un reactor UASB seguida de una fase aerobia representada en
un tanque de aireación extendida y, el tren de tratamiento se concluye con un
proceso de sedimentación. De acuerdo a la caracterización de las aguas
residuales de la ciudad, esta corresponde a un vertimiento netamente domestico
donde no existe vertimiento alguno de agua residual industrial.

La PTAR se proyectó en módulos autónomos para cubrir paulatinamente el

crecimiento de la ciudad y permitir la obtención de los recursos financieros
necesarios para la ejecución del proyecto, que debe construir el Municipio de
Tunja, de acuerdo a las disposiciones del Contrato de Concesión 132 de 1996. La
PTAR también contempla obras generales que serán asumidas con la ejecución
del primer módulo, y que corresponden a la estructura de separación de caudales,
edificio de operaciones, vías y algunos equipos como la rejilla auto limpiante, el
decanter centrífugo y la subestación eléctrica.

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.

Toda la información presentada en el presente capitulo fue obtenida el informe

ejecutivo presentado por la empresa Proactiva Aguas de Tunja S.A E.S.P. [3]

Teniendo en cuenta las metas globales propuestas por CORPOBOYACA para la

descontaminación del Río Chicamocha y las metas propuestas por PROACTIVA
para la entrada en operación de la PTAR, los valores de remoción de la planta de
tratamiento fueron: condición inicial 0%, 10%, 20%, 26%, 31% y 38%; estos
porcentajes se calcularon teniendo en cuenta los valores registrados en el informe
43
realizado por INGFOCOL sobre vertimientos a lo largo de la cuenca alta y media
del río.
Tabla 16. Tablas de remoción para la planta

DBO DBO Nitrógeno

T. Conductividad SST OD
lenta rápida Orgánico

°C uS/cm 25C mg/L mg/L mgO2/L mgO2/L ugN/L

V. Sin
17.1 717 164 0 229.43 240 8600
PTAR
V. 10% 17.1 645.3 147.6 2 206.487 216 7740
Remoción
V. 20%
17.1 573.6 131.2 2 183.544 192 6880
Remoción
V. 26%
17.1 530.58 121.4 2 169.7782 177.6 6364
Remoción
V. 31%
17.1 494.73 113.2 3 158.3067 165.6 5934
Remoción
V. 36%
17.1 458.88 105 3 146.8352 153.6 5504
Remoción
V. 38%
17.1 444.54 101.7 3 142.2466 148.8 5332
Remoción

Tabla 10. Tablas de remoción para la planta (Continuación)

Nitritos Grasas
Nitrógeno F.
+ Patógenos y Alcalinidad
Amoniacal Orgánico pH
Nitratos Aceites
ugN/L ugN/L ugP/L cfu/100ml mgCaCO3/L

V. Sin 51900 8910.6 11500 13900000 69.2 330.14 8.5

PTAR

V. 10% 46710 8019.54 10350 12510000 62.28 297.126 7.5

Remoción
V. 20% 41520 7128.48 9200 11120000 55.36 264.112 7.5
Remoción
44
V. 26% 38406 6593.84 8510 10286000 51.208 244.3036 7.5
Remoción

V. 31% 35811 6148.31 7935 9591000 47.748 227.7966 7.5

Remoción

V. 36% 33216 5702.78 7360 8896000 44.288 211.2896 7.5

Remoción

V. 38% 32178 5524.57 7130 8618000 42.904 204.6868 7.5

Remoción
Fuente: Autores

7. DESARROLLO CENTRAL

7.1 Calculo de Índices de calidad y contaminación de las estaciones de monitoreo

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.

7.1.1 Calculo de ICA con metodologías IDEAM

Teniendo en cuenta la metodología para calcular el índice ya descrita, se calculó

el ICA para las estaciones desde Río Jordán hasta la estación Oicata, debido a
que la estación Aguas arriba de Tunja no presento caudal no se tiene en cuenta.
Este índice tiene

Tabla 17. Resultados del cálculo de ICA por metodología IDEAM.

ÍNDICE DE CALIDAD DEL AGUA

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.

Figura 9. Grafica ICA-IDEAM

Fuente: Autores

7.1.2 Calculo de ICA con metodología NSF

Tabla 18. Resultados del cálculo de ICA por metodología NSF

ÍNDICE DE CALIDAD DEL AGUA

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

Caracterizado el análisis con los diferentes métodos que se aplicaron en el

presente estudio, durante la tercera campaña se evaluó la estación Aguas arriba
de Tunja mediante el índice de calidad NSF igual a 76 calificada como Regular,
encontrándose los agentes de contaminación en los parámetros analizados en las
afluentes Río Jordán, La vega, Arboleda, y Oicatá que dentro de la primera
campaña arrojaron un promedio de 43,75 con una calificación de mala, siendo La
arboleda la de mayor contaminación. Se deja claridad que la estación de la
descarga de Tunja no se incluyó en los análisis ICA – NSF. No se realizó análisis
a la descarga de Tunja debido a que no se realizó caracterización de Coliformes
fecales el cual es un parámetro con una alta ponderación para el índice.

Figura 10. Grafica ICA-IDEAM

Fuente: Autores

48
7.1.3 Calculo de ICA con metodología CETESBE

Tabla 19. Resultados del cálculo de ICA por metodología CETESBE

ÍNDICE DE CALIDAD DEL AGUA

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

Figura 11. Grafica ICA - CETESBE

49
 Fuente: Autores

Analizada la estación Aguas arriba Tunja en la tercera campaña, durante la época

seca, cuando el grado de contaminación es mayor, el ICA arrojo una calificación
de regular. Característica contraria presenta la estación Río Jordán que durante
las cuatro campañas el promedio de los análisis califico 14,36 como agua pésima,
siendo la primera campaña (época de invierno) la que arrojo el ICA más negativo.
En la estación La vega el promedio de las cuatro campañas muestra una
calificación mala siendo esta característica muy similar durante las épocas secas y
de invierno. La estación La arboleda en la época de invierno, se caracterizó por
tener la calificación de pésima superando la de las otras tres campañas que
también tuvieron esta misma calificación. La descarga de Tunja mostró durante las
cuatro campañas, un valor igual con una calificación de pésima, es decir, no hubo
cambios en el ICA durante las diferentes épocas climáticas. La estación de Oicatá
también muestra calificaciones de pésima durante las cuatro campañas, siendo
esta estación la de mayor contaminación de todas las estaciones analizadas en
épocas de invierno.

7.2 Calculo de índices de contaminación de agua

Como parte de la metodología para determinar calidad de los cuerpos hídricos,

existen diferentes índices de contaminación del agua; estos son desarrollados en
función de los resultados de análisis de laboratorio de los puntos a monitorear.

50
7.2.1 Calculo de índice de contaminación por materia orgánica (ICOMO)

Tabla 20. Resultados del cálculo de ICO por metodología ICOMO

ÍNDICE DE CONTAMINACIÓN DEL AGUA

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

Figura 12. Grafica de ICO – ICOMO

51
 Fuente: Autores

De acuerdo a los resultados presentados se puede observar que en las estaciones

Río Jordán, Arboleda, Descarga Tunja y Oicata el índice indica que la
contaminación por materia orgánica es muy alta, esto corresponde a que el río
pasa por una ciudad donde las descargas de agua domiciliaria tienen gran
contenido orgánico. Teniendo en cuenta que este índice es el resultado del caculo
que relación la DBO5, Coliformes totales y saturación de oxígeno, analizando por
separado cada parámetro se puede observar que a lo largo del tramo de estudio la
contaminación es exponencial, no existe ningún tipo de decaimiento de las cargas
contaminantes en las 4 campañas de monitoreo realizadas.

7.2.2 Calculo de índice de contaminación por solidos suspendidos (ICOSUS)

Tabla 21. Resultados del cálculo de ICO por metodología ICOSUS

ÍNDICE DE CONTAMINACIÓN DEL AGUA

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

Figura 13. Grafica de ICO – ICOSUS

Fuente: Autores

El índice de contaminación por Solidos Suspendidos está directamente

relacionado con las partículas sólidas de compuestos orgánicos e inorgánicos que
se mantienen en suspensión en una solución. Teniendo en cuenta el resultado
obtenido, la contaminación por solidos se ve reflejada desde la estación Descarga
de Tunja donde el indicador es de contaminación media; en la estación siguiente,
Oicata, la contaminación varía según la campaña realizada, podemos observar
que los índices más altos de contaminación media y alta se dan en las campañas
53
de febrero y octubre y los índices de contaminación media en las campañas de los
meses junio y agosto, esto corresponde a la variación de caudales según la
precipitación registrada por fenómeno de la niña/niño.

7.2.3 Índice de contaminación por mineralización (ICOMI)

Tabla 22. Resultados del cálculo de ICO por metodología ICOMI

ÍNDICE DE CONTAMINACIÓN DEL AGUA

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

Figura 14. Grafica de ICO – ICOMI

54
 Fuente: Autores

En cuanto a la contaminación por minerales la estación Aguas arriba Tunja

analizada en la tercera campaña arrojó el menor grado de contaminacion de todas
las estaciones analizadas con una calificación de contaminación de muy baja.
Entre tanto la estación Río Jordán, durante las cuatro campañas arrojó una
calificacion promedio de contaminación media, siendo la primera y la cuarta
campaña con los mayores valores de contaminación. La estación La vega durante
las cuatro campañas obtuvo una calificación de contaminación media
caracterizandose como la de menor índice de contaminación comparada con las
otras estaciones (excepto la estación Aguas arriba Tunja). Cabe anotar que se
presento igual valor de contaminación durante la primera y tercera campaña
calificandose con contaminación baja.

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.

7.2.4 Índice de contaminación trófico (ICOTRO)

Tabla 23. Resultados del cálculo de ICO por metodología ICOTRO

ÍNDICE DE CONTAMINACIÓN DEL AGUA

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

Figura 15. Grafica de ICO – ICOTRO

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).

5.2 Modelación Estática y Dinámica

57
La modelación en el programa QUAL2KW versión 6, nos pide primero realizar el
modelo estático, calibrar y paso seguido realizar la modelación dinámica. Como ya
se explicó en el numeral 4.3, el programa necesita variables de entrada que no
son posibles de obtener en análisis de laboratorio, entonces es necesario hacer
una serie de cálculos para el ingreso de los datos.

La calibración se hace en base al algoritmo PIKAIA previamente descrito, el cual

sus valores y limites fueron definidos por modelación previas realizadas en
Colombia, [19], por literatura y por ultimo experiencia del modelador.

5.2.1 Resultados de la Modelación Estática

La modelación estática nos permite realizar el análisis de la calidad del cuerpo

hídrico teniendo en cuenta condiciones iniciales provenientes de análisis in situ y
ex situ de los afluentes, este tipo de modelación asimila las condiciones y simula
escenarios basándose en la calidad de los datos.

A continuación se presenta la tabla con los valores calibrados y los límites

establecidos para dicho proceso, esto con el fin de corroborar el ajuste del modelo.

Tabla 24. Valores calibrados en el modelo y rangos de variación de los mismos

Auto- Min Max

Parameter Value Units Symbol
cal value value
Stoichiometry:
Carbon 40 gC gC No 30 60
Nitrogen 7.2 gN gN No 5 9
Phosphorus 1 gP gP No 0.5 2
Dry weight 100 gD gD No 100 100
Chlorophyll 0.5 gA gA No 0.5 2
Inorganic
suspended solids:
Settling velocity 0.9316 m/d vi Yes 0 2
Slow CBOD:
Hydrolysis rate 0.14774 /d khc Yes 0.05 0.25
Oxidation rate 4.997 /d kdcs Yes 0 5
Fast CBOD:
Oxidation rate 4.992 /d kdc Yes 0 5
58
 Organic N:
Hydrolysis 0.287725 /d khn Yes 0.05 0.3
Settling velocity 1.188605 m/d von Yes 0.05 2
Ammonium:
Nitrification 2.99882 /d kna Yes 0.05 3
Nitrate:
Denitrification 0.016 /d kdn Yes 0 2
Sed denitrification
0.0529 m/d vdi Yes 0 1
transfer coeff
Organic P:
Hydrolysis 0.050275 /d khp Yes 0.05 0.3
Settling velocity 1.56398 m/d vop Yes 0.05 2
Inorganic P:
Settling velocity 1.6124 m/d vip Yes 0 2
Sed P oxygen
attenuation half sat 1.2524 mgO2/L kspi Yes 0 2
constant
pH:
Partial pressure of
375 ppm pCO2
carbon dioxide
Fuente: Autores

Teniendo en cuenta que se tenían 4 campañas de modelación, se decidió para

ordenar los resultados y no ser redundantes en la cantidad de gráficas
presentadas, estas se ordenaron de manera grupal por parámetro, teniendo en
cuenta las salidas del mismo en el modo estático.

Figura 16. Comportamiento de Caudal en el año 2015

59
 Fuente: Autores

En la anteríor grafica podemos observar que de acuerdo a las campañas humedas

y secas de monitoreo, la primera campaña es la que se encuetra atipica a las
demas campañas con un caudal aproximado de 0.22 m3/s; las otras tres
campañas estan en un valor aproximado de 0.30 a 0.32 m 3/s, esto variable de los
datos tomados en campo.

Figura 17. Comportamiento de Temperatura en el año 2015

Fuente: Autores

El comportamiento modelado de la temperatura del cuerpo de agua denota

temperaturas iniciales diferentes, en la primera campaña de 21°C, en la segunda
60
14.5°C, en la tercera 18°C y en la cuarta campaña de 21.7°C; en el kilometro 4.7
correspondiente al vertimiento de la ciudad de Tunja, el rango de temperatura
fluctua de 18°C hasta 17°C en todas las campañas y se comporta estatico hasta la
estacion Oicata. Teniendo en cuenta que la temperatura promedio de años
anteriores varia de 20°C a 23°C [6], este parametro mantiene un rango establecido
a traves de los años, aunque su efecto sobre las propiedades fisicas determina la
rapidez de reacciones quimicas, solubilidad y olores del agua, no tiene insidencia
directa con los valores registrados [15]. Teniendo en cuenta que la temperatura de
un vertimiento puede variar de 19°C a 20°C, el vermiento se mantiene estable.

Figura 18. Comportamiento de pH en el año 2015

Fuente: Autores

El pH tiene el mismo patron de la temperatura, con valores iniciales diferentes en

las cuatro campañas pero en el kilometro 4,7 se agrupa en valores desde 7.5
hasta 8.5 correspondientes a pH´s neutrales y un poco alcalinos; para la ultima
estacion el valor fluctua entre 7.5 y 8 lo que corresponde a un pH neutro lo cual
ratifica la condicion del vertimiento de origen domestico y cumple la resolucion 631
de 2015 que establece que para prestadores de servicios publicos con cargas
mayores a 3000 kg/dia de DBO5 el valor de pH este entre 6 y 9; esta ley rige la
mayoria de parametros aquí establecidos [30]. El pH se encuentra en los rangos
admisibles tanto para los objetivos de calidad como para el vertimiento, su
variacion se puede deber a varios factores, tales como caudal, hidrodinamica del
tramo y aumentos en temperatura, este ultimo no se ve reflejado ya que la
temperatura no aumenta con el vertimiento.

61
 Figura 19. Comportamiento de la Conductividad en el año 2015

Fuente: Autores

Con respecto a la conductividad este parámetro es una medida indirecta de la

productividad ya que relaciona todos los iones presentes en el agua, por esto se
relaciona con los sólidos disueltos totales que representan los minerales en el
cuerpo hídrico y es una medida de la capacidad de transferir corriente eléctrica
teniendo en cuenta también la temperatura del agua [38]; en el tramo de estudio
esta varía entre 250 µS/cm25C y 700 uS/cm25C, una conductividad baja con
respecto al resto de la cuenca. Teniendo en cuenta que la conductividad está
relacionada también con las sales disueltas en el agua y su variación depende de
factores como cambios de temperatura [15], este parámetro presenta un aumento
en el vertimiento, esto a razón de que las descargas de aguas residuales
presentan altos contenidos de cloruros, nitratos y sulfatos [39], asi descartando la
inferencia de la temperatura en la variación de este parámetro.

Figura 20. Comportamiento de la DBO5 en el año 2015

62
 Fuente: Autores

Figura 21. Comportamiento de la DBO5 en el año 2015

Fuente: Autores

Teniendo en cuenta la ecuacion 10 y como se aclaro en este item, el calculo de la

DBO5 rapida fue omitido con el fin de dejar como un dato de entrada directo la
DBO5 ya que estos dos tienen las mismas curvas de decaimiento.

El comportamiento de la DBO5, ver figura 14, en los primeros 4 kilometros fluctua

entre 0 y 50 mgO2/L, al llegar al kilometro 4.7 incrementa de manera subita en las
4 campañas siendo la primera la que mayor valor registra; al ser este parametro
una medida de oxigeno requerida por los microorganismos para degradar la

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.

Figura 22. Comportamiento de los SST en el año 2015

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.

Según la Resolución 631 de 2015, el limite permisible para este parametro es de

70 mgSST/L lo cual nos indica que el vertimiento no cumple dicha normativa en
ninguna de las 4 campañas [30].

Figura 23. Comportamiento del OD en el año 2015

Fuente: Autores

El comportamiento del Oxígeno Disuelto fluctúa entre 0 y 12 mgO2/L, siendo el

mayor modelado en la primera campaña cerca de la estación la Vega; el Oxígeno
Disuelto baja en el kilómetro 4,7 en todas las campañas a niveles menores de 1
mgO2/L debido al vertimiento de la ciudad de Tunja y su relación con la materia
orgánica vertida al río. En los objetivos de calidad para el rio se establece un
mínimo de 2 mgO2/L que se cumple hasta la estación Arboleda, pero en la
normativa vigente para vertimientos puntales no se establece un valor mínimo
para oxígeno disuelto, esto debido a que sea o no sea tratado el vertimiento no
garantiza que este logre tener un mínimo de oxígeno. Dadas las características del
tramo de estudio, el rio cuenta con una baja capacidad de dilución y condiciones
65
de flujo lento lo que demuestra una relación inversa entre el contenido de materia
orgánica como la DBO5 y el OD, entre mayores sean las concentraciones de
DBO5 la caídas del Oxígeno Disuelto serán mayores. Esta situación se ilustra en la
gráfica anterior donde los niveles de Oxígeno Disuelto son estables en el tramo
Aguas Arriba de Tunja y la estación Arboleda, al llegar al Vertimiento de la ciudad
de Tunja, sufre una caída a condiciones anoxicas de menor de 1 mgO2/L, esto
debido a la descarga de agua residual y sus altas concentraciones de materia
orgánica.

Figura 24. Nitratos + nitritos Figura 25. Clorofila A

Fuente: Autores

El programa en su proceso de modelación tiene como parametro de salida los

nitratos mas los nitritos, ver figura 18, estos iones que existen en el agua de
manera natural y forman parte del proceso del nitrogeno en cantidades de mas de
10 mg/l representa un peligro para el consumo humano. En contraste con la
Resolucion 631 de 2015 para estos dos parametros se requiere analisis y reporte.
De acuerdo al resultado de Clorofila A, ver figura 19, existe un decaimiento
pronuniado en el kilometro 4,7 correspondiente al vertimiento de la ciudad. Cabe
recordar que la presencia de clorofila a se encuentra asociada de manera directa
con la biomasa de microalgas presentes en el medio específicamente al
fitoplancton suspendido en la columna de agua, en abundancia la clorofila
evidencia estado de alta productividad en el medio acuático [33].

66
Figura 26. Coliformes Termotolerantes Figura 27. Grasas y Aceites

Fuente: Autores

Los Coliformes Termotolerantes son un subgrupo las Coliformes totales y están

asociados a contaminación por heces fecales [33], según el resultado obtenido en
la anterior gráfica, podemos ver que el vertimiento de Tunja incrementa
rápidamente este valor en unidades formadoras de colonia y ratifica que el
vertimiento de origen domestico causa una afectación significativa en el recurso
hídrico y de no aplicar medidas de tratamiento en este, el uso de estas aguas en
diferentes actividades como la agricultura, puede comprometer la salud humana.

De acuerdo a la normativa, Resolución 631 de 2015, el vertimiento no está

cumpliendo el límite permisible de 10 mg/l de Grasas y Aceites vertidas debido a
que este no tiene ningún tipo de tratamiento; este parámetro está asociado a la
cantidad de materia orgánica presente en el cuerpo hídrico. Para el tramo
estudiado no existe una normativa que regule la presencia de grasas y aceites,
pero según la literatura [38], se establece que al momento de monitorear no debe
haber espectro visible de este parámetro.

5.2.2 Resultados Modelación Dinámica

Para la realización de la modelación dinámica no es necesario realizar una nueva

calibración, es decir con la calibración previamente descrita para el modelo
estático se corre el programa con la función continua o dinámica. Como se
explicaba en la metodología los parámetros a modelar que tuvieron gran impacto
fueron los monitoreados in-situ ya que se tienen los datos horarios a diferencia de
parámetros como SST, DBO, Nitrógeno entre otros que solo hay datos cada 6
horas, estos fueron eliminados ya que no presentaban resultados relevantes.

67
 Figura 28. Resultados modelación dinámica del Caudal

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

Fuente: Autores

Observadas las gráficas de modelación dinámica del parámetro caudal,

soportados en la tabla 1 y durante 22 horas en la primera campaña realizada en el
mes de febrero, los valores registrados en las horas de la noche, partiendo desde
las 9:00 pm y hasta las 12:00 am fueron de 0.250 m 3/s promedio. Entre la 1:00 am
y las 6:00 am el promedio del fluido correspondió a un promedio de 0.150 m3/s y
finalmente a las 7:00 am el caudal alcanza 0.295 m 3/s.

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.

Figura 29. Resultados modelación dinámica de la Temperatura

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

Fuente: Autores

La estadística se trabajó en 19 horas durante las cuatro campañas, mostrando

cambios así:

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

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

Fuente: Autores

En cuanto a la conductividad, durante la primera campaña, cabe resaltar que el

programa asimilo los valores entregados, mostrando un comportamiento durante
las 19 horas, entre 880 µS a las 12:00 am y mostrando hacia las 9:00 am el mayor
valor correspondiendo a 1400 µS, este último valor muestra un alto índice de
contaminación. Para la segunda campaña, en horas de la madrugada, alcanzó
una concentración de 850 µS, para las 9:00 am registrar 1200 µS como indicativo
de un grado de contaminación alto. La tercera campaña a las 12:00 am mantuvo
un valor similar a las anteriores campañas 850 µS elevándose a 1500 µS a las
9:00 am, mostrando el mayor grado de contaminación. Finalmente la cuarta
campaña, observo comportamientos similares, mostrando valores que fueron
estándar durante los meses anteriores en que se realizó la segunda y tercera
campaña.

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.

Las gráficas del parámetro SST obtenidas de la modelación, debido a que se

tuvieron que hacer muestras compuestas cada 6 horas y posteriormente enviar al
laboratorio, se puede ver que estos datos no son relevantes para el proyecto ya
que solo tiene 4 datos de entrada y presenta solo 4 resultados en 24 horas de
modelación, cosas que no es posible. Los siguientes parámetros DBO 5, Nitrógeno
Total, Fosforo Total y Grasas y Aceites; no se agregaron ya que presentan la
misma situación de los SST.

5.2.3 Escenarios de la PTAR de la ciudad de Tunja

Figura 31. Escenarios de remoción de la PTAR del Caudal

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

71
 Fuente: Autores

El comportamiento del caudal en las cuatro campañas realizadas y evaluados los

volúmenes con tres directrices de remoción referenciadas a 4.5 km mostraron:

a) caudal sin PTAR, mostraron un incremento de 0.22 m3/s, durante la primera

campaña. En la segunda campaña se incrementó el volumen en 0,31 m 3/s. En la
tercera campaña el aumento de caudal correspondió a 0.32 m 3/s y en la cuarta
campaña el aumento de caudal fue de 0,3 m3/s. Finalmente el promedio general
de las cuatro campañas arrojo un valor de 0,3 m3/s.
b) caudal con 10%, 20% y 26% de remoción. (PTAR en funcionamiento) Durante
la primera campaña el volumen se incrementó en 0,28 m 3 /s. En la segunda
campaña el caudal aumenta en 0,37 m3 /s. En la tercera campaña el volumen se
incrementó en 0,38 m3/s y finalmente en la cuarta campaña el aumento del caudal
correspondió a 0,36 m3/s. El promedio general de las cuatro campañas
correspondió a 0,34 m3/s.
c) caudal con 31%, 36% y 38% de remoción. (PTAR en funcionamiento) Se
muestra en la primera campaña un incremento de caudal de 0.38 m 3 / s, durante la
segunda campaña el caudal aumenta a 0.47 m 3 / s. En la tercera campaña el
volumen de caudal tiene un incremento de 0.48 m3 / s y un valor de 0.46 m3 / s
que corresponde al aumento de caudal durante la cuarta campaña. Finalmente, el
valor promedio de las cuatro campañas corresponde a 0.44 m 3/s.
Cabe resaltar que el comportamiento de los caudales registrados en las gráficas,
se debe al ajuste real con las condiciones climáticas presentadas en las diferentes
campañas en que fueron tomados los datos, durante los escenarios de remoción

Figura 32. Escenarios de remoción de la PTAR de la Temperatura

1ra Campaña 2da Campaña

72
3ra Campaña 4ta Campaña

Fuente: Autores

La primera campaña realizada durante el mes de febrero, época invernal. En la

PTAR inactiva, la temperatura estuvo entre 17.5 °C y 18.1 °C que corresponde, al
promedio registrado por el río Chicamocha. Para el comportamiento de la
temperatura cuando la planta generaba remoción entre el 10%, 20% y 26%, la
temperatura disminuyó y se mantuvo entre 17.2°C y 17.9°C explicándose esta
baja de temperatura a la disminución de velocidad del flujo entre el vertimiento y la
descarga final. Durante la remoción del 31%, 36% y 38% la temperatura oscilo
entre 17. 1°C y 17.7°C con base en una menor velocidad de descarga entregada
por la PTAR.
Durante la segunda campaña, las temperaturas registradas se mantuvieron entre
17.2°C y 17.6°C siendo la más alta esta última, haciendo referencia al escenario
sin PTAR. Los comportamientos influenciados por la época fría y la labor ejercida
por la PTAR durante los dos procesos de remoción, determinaron disminución de
la velocidad del vertimiento, que ocasionan baja en la temperatura.
Para la tercera campaña, el comportamiento de la temperatura ascendió en
proporción a la época de verano siendo el promedio entre en 17.7°C y 18.1°C en
el escenario sin PTAR. Para la remoción del 10%, 20% y 26% estuvo entre 17.6°C
y 17.9°C y para la actividad de remoción de 31%, 36% y 38% alcanzó valores de

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.

Figura 33. Escenarios de remoción de la PTAR de pH

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

Fuente: Autores

Durante las cuatro campañas, el vertimiento captado por la PTAR, el pH se

mantuvo entre 8.5 y 7.7 conservando características fisicoquímicas del río
Chicamocha y sus afluentes, sin estar operando la planta, vale la pena agregar
que durante las diferentes épocas climáticas no fue mayor de una unidad la

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.

Figura 34. Escenarios de remoción de la PTAR de Oxígeno Disuelto

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

75
 Fuente: Autores

En la primera campaña el OD sobre el río Chicamocha alcanzó un máximo

de 12 mg/L y un mínimo de 3 mg/L, durante el escenario sin PTAR, en la
primera campaña el OD fue de 0.6 mg/L característica que indudablemente
tiene afectación sobre la vida acuática sensible. Se atribuye la disminución
de este parámetro a la acción climática presentada sobre el río y el
aumento de materia orgánica. En el escenario de remoción 10%, 20% y
26% el OD correspondió a 0.7 mg/L análisis similar al del escenario
anterior, para el escenario de 31%, 36% y 38% el OD registro 0.8 mg/L al
igual que los anteriores, genera la misma conclusión.
El comportamiento del OD en la segunda campaña registrado por el río
Chicamocha estuvo entre 6 mg/L y 3.8 mg/L. Durante la segunda y tercera
campaña, los escenarios de remoción del 10%, 20%, 26%, 31%, 36% y
38% registraron valores de OD similares correspondientes a 0.55 mg/L
promedio. Con la diferencia que el OD en la segunda campaña en el río se
mantuvo entre 6 mg/L y 3.8 mg/L, entre tanto en la tercera campaña el OD
estuvo entre 3.8 mg/L y 3 mg/L. en la fuente.
Finalmente, durante la cuarta campaña el OD del río Chicamocha registro
valores entre 1 mg/L y 1.9 mg/L (época seca). El comportamiento del OD en
el escenario sin PTAR al igual que el escenario de remoción de 10%, 20% y
26% registró valores de 0.3 mg/L y en el escenario de remoción del 31%,
36% y 38% el valor corresponde a 0.4 mg/L de OD.
Realizando un compendio de los escenarios durante las cuatro campañas
determinan una eficiencia del 80% de la eliminación de la carga bacteriana,
aunque el OD en los procesos se haya reducido a niveles de riesgo de
afectación a la vida acuática sensible, con el atenuante que el oxígeno
aceptable, recuperará en el instante en que la PTAR vierta sobre el cauce
natural del río.

76
 Figura 35. Escenarios de remoción de la PTAR de la Conductividad

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

Fuente: Autores

Para el análisis del parámetro de la conductividad, durante los procesos

adelantados en PTAR en la primera campaña, se observa una eficiencia de
remoción de elementos (contaminantes) que para el escenario sin PTAR arrojó
680 µS reduciendo durante todos los procesos a 360 µS. Para la segunda
campaña 590 µS registró el escenario sin PTAR reduciéndose a un valor de 380
µS a través de los diferentes escenarios de remoción (10%, 20%, 26% y 31%). La
tercera campaña la conductividad se comportó en un valor de 540 µS sin PTAR y
hasta 390 µS después de diversos procesos de remoción. Durante la cuarta
campaña tuvo un comportamiento similar al de la primera campaña registrando
valores de 660 µS escenario sin PTAR Y 465 µS mínimo valor después de
procesos de remoción.
Evaluadas las cuatro campañas, se determina una eficiencia en la PTAR de un
70% del valor de la conductividad del vertimiento que refleja alto nivel de
contaminación. Mayor eficiencia se alcanza en la medida que se ajusten procesos
de remoción en planta.

77
 Figura 36. Escenarios de remoción de la PTAR de los Solidos Suspendidos
Totales

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

Fuente: Autores

En la gráfica 32, podemos apreciar que en la entrada en operación de la PTAR a

10% de remoción el cambio no es relevante, pero después a la entrada de 20% el
cambio ya es significativo en la remoción de solidos suspendidos totales y así
sucesivamente hasta el último valor de remoción; el valor inicial modelado del
vertimiento sin PTAR para los sólidos es de 150, 110, 106 y 125 mgSST/l, de
primera a cuarta campaña respectivamente, y con el 38% de remoción es de 90,
80, 80 y 79 mgSST/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 aproximado de 25 a 50 mgO2/l.

En contraste con la normativa vigente, resolución 631 de 2015 artículo 8, estipula

que los vertimientos puntuales domésticos con cargas mayores a 3000 no pueden
exceder de 70 mgSST/, esto quiere decir que el tratamiento con las eficiencias

78
propuestas no estaría cumpliendo la normativa y por ende no cumpliría con uno de
los dos parámetros sujetos de tasa retributiva.

Figura 37. Escenarios de remoción de la PTAR de la DBO5

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

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.

En contraste con la normativa vigente, resolución 631 de 2015 artículo 8, estipula

que los vertimientos puntuales domésticos con cargas mayores a 3000 no pueden

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.

Figura 38. Escenarios de remoción de la PTAR de los Nitritos + Nitratos

1ra Campaña 2da Campaña

3ra Campaña 4ta Campaña

Fuente: Autores

De acuerdo al resultado de la modelación, este es uno de los parámetros que

tiene mejor comportamiento al tratamiento ya que sus concentraciones bajan
gradualmente de acuerdo al porcentaje. También cabe agregar que según la
norma para este tipo de parámetros se tiene que analizar y reportar las
concentraciones del mismo, no existe un límite permisible pero como se nombraba
en la figura 18, el límite para que no afecte al ser humano es de 10 mg/l la cual no
es excedida ni con condición inicial.

Figura 39. Escenarios de remoción de la PTAR de Coliformes Termotolerantes

1ra Campaña 2da Campaña

80
3ra Campaña 4ta Campaña

Fuente: Autores

Como ya se expresó anteriormente en los resultados de la modelación estática,

este parámetro influye mucho en la calidad del agua ya que va directamente
relacionado con heces fecales presentes en el agua; con las eficiencias
propuestas del tratamiento a realizar se mitiga en parte esta situación pero no es
suficiente para volver a las condiciones anteriores al vertimiento.

Figura 40. Escenarios de remoción de la PTAR de Grasas y Aceites

1ra Campaña 2da Campaña

81
3ra Campaña 4ta Campaña

Fuente: Autores

De acuerdo a la normativa vigente, con el 38% de remoción de la planta no se

logra cumplir el limite permisible de 10 mg/l con ninguna de las condiciones de las
cuatro campañas, pero se tiene que tener en cuenta que el proceso de remoción
de las grasas y aceites depende de muchas variables entre ellas la cantidad de
materia organica presente en el agua que a su vez tambien depende el caudal
entre otros; es por eso que los datos presentados en el presente proyecto pueden
variar dependiendo de las condiciones en las que opere la planta y de las
eficiencias reales que presente el proceso.

5.3 Medidas de mejoramiento

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.

Como primera medida de mejoramiento propuesta para la gestión del recurso

hídrico esta la identificación de todos los afluentes del río debido a que en las
caracterizaciones se pudo identificar niveles de contaminación muy altos en
tramos donde no existe un gran generador, entonces esto afecta
considerablemente la calidad del río
82
Basados en el proyecto de la planta de tratamiento de agua residual de la ciudad
de Tunja, la cual consta de 8 módulos totalmente independientes para tratar
aproximadamente 120 l/s cada uno, se espera el funcionamiento de los 3 primeros
módulos a finales del mes de septiembre del presente año. Cada módulo se
encuentra estructurado por diferentes procesos como Estructura de llegada,
Reactor USAB, tanque de aireación extendida y sedimentación, los cuales
generaran remociones de diferentes porcentajes para un óptimo tratamiento de la
fuente, dichos procesos fueron cotizados de la siguiente manera en la empresa
ECOINGENIAR de la ciudad de Fusagasugá, teniendo en cuenta que cada
módulo recibe una inversión de $13.000.000.000,00.

Tabla 25. Costos de procesos en la PTAR

ITEM DESCRIPCION UN CANT. VR. UNITARIO VR. PARCIAL VR ITEM
1.0 ESTRUCTURA LLEGADA
1.1 Parrillas de cribado un 12,00 $ 2.500.000,00 $ 30.000.000,00
1.2 Canaleta Parshal un 1,00 $ 28.000.000,00 $ 28.000.000,00
1.3 Tanque homogenización un 1,00 $ 850.000.000,00 $ 850.000.000,00
1.4 Vertedero salida un 1,00 $ 32.000.000,00 $ 32.000.000,00 $ 940.000.000,00
2.0 REACTOR UASB
2.1 Excavación material común con retiro M³ 3560,00 $ 32.500,00 $ 115.700.000,00
2.2 Cubetas de reparto caudales un 12,00 $ 3.500.000,00 $ 42.000.000,00
Cuerpo reactor concreto f´c = 4500 psi,
2.3 M³ 2820,00 $ 1.050.000,00 $ 2.961.000.000,00
reforzado hierros fy = 60000 psi
2.4 Ductos de conducción d = 4" ml 250,00 $ 120.000,00 $ 30.000.000,00
2.5 Cubierta concreto M³ 320,00 $ 1.050.000,00 $ 336.000.000,00
2.6 Vertedero salida ml 120,00 $ 320.000,00 $ 38.400.000,00
2.7 Quemadores de gas un 5,00 $ 3.500.000,00 $ 17.500.000,00
2.8 Escalera de acceso y barandas gl 1,00 $ 84.835.400,00 $ 84.835.400,00 $ 3.625.435.400,00
3.0 TANQUE AIREACION EXTENDIDA
3.1 Excavacion material común con retiro M³ 13500,00 $ 32.500,00 $ 438.750.000,00
Cuerpo tanque aireador concreto f´c =
3.2 M³ 3052,00 $ 1.050.000,00 $ 3.204.600.000,00
4500 psi, fy = 60000 psi
3.3 Aireadores mecanicos P = 8 hp un 12,00 $ 5.500.000,00 $ 66.000.000,00
3.4 Valvulas de corte d=6" un 12,00 $ 2.100.000,00 $ 25.200.000,00
3.5 Ductos de evacuación d = 10" ml 150,00 $ 35.000,00 $ 5.250.000,00 $ 3.739.800.000,00
4.0 SEDIMENTADOR
4.1 Excavacion material común con retiro M³ 14790,00 $ 32.500,00 $ 480.675.000,00
Cuerpo tanque sedimentador concreto
4.2 M³ 4008,00 $ 1.050.000,00 $ 4.208.400.000,00
f´c = 4500 psi, fy = 60000 psi
4.4 Valvulas de corte d=6" ml 13,20 $ 28.000,00 $ 369.600,00
4.5 Ductos de evacuación d = 10" ml 152,00 $ 35.000,00 $ 5.320.000,00 $ 4.694.764.600,00
TOTAL $ 13.000.000.000,00 $ 13.000.000.000,00

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.

Tabla 26. Costos medida de contingencia relleno sanitario

5.0 MEDIDA CONTINGENCIA RELLENO
5.1 Excavacion material común con retiro M³ 220,00 $ 32.500,00 $ 7.150.000,00
Filtro en piedra, tuberia drenaje d=6",
5.2 ml 150,00 $ 180.000,00 $ 27.000.000,00
arena y geotextil GNT
5.3 Laguna estabilización M³ 155,00 $ 170.000,00 $ 26.350.000,00
5.4 Cabezal descarga un 1,00 $ 12.000.000,00 $ 12.000.000,00
TOTAL $ 72.500.000,00
Fuente: Autores

84
8. IMPACTO SOCIAL DEL PROYECTO

El presente proyecto fue presentado ante la dirección encargada de la PTAR de

Tunja a cargo de la empresa Proactiva Aguas de Tunja, este se tuvo en cuenta en
la mesa de dialogo del Consejo de Cuenca Alta del Río Chicamocha por parte de
la prestadora de servicios públicos Proactiva y como insumo interno para el trámite
del Permiso de Vertimientos de la planta. Además el proyecto prioriza la gestión
del río en este momento crucial de su intervención por parte de CORPOBOYACA.

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

De acuerdo a los resultados del modelo podemos concluir que:

1. El análisis de la calidad del agua de Río Chicamocha en el tramo

seleccionado se realizó utilizando tres índices de calidad y tres índices de
contaminación, de acuerdo a los objetivos de calidad se establece un uso
agrícola en el que los límites permisibles no están tan alejados a las del uso
por consumo humano, es por eso que se escogen diferentes índices de
países como Estados Unidos, Brasil y Colombia en donde la ponderación
es diferente para cada parámetro y expone un resultado cualitativo de fácil
interpretación. Es de resaltar que en la aplicación de todos los índices se
variaban las calidades en diferentes puntos, pero existe un factor de
similitud y es que desde el vertimiento de Tunja la calidad disminuye a
calidades malas que ponen en duda que sean aptas para el uso
establecido.
2. La graficas de la modelación estática nos presenta una situación poco
común, se observa como el vertimiento de la ciudad de Tunja incide en la
modificación de las condiciones de calidad de la fuente, destacando el
85
 incremento que tiene la DBO5 de la materia orgánica del vertimiento, la cual
conlleva la fuente a condiciones anóxicas, una vez la fuente recibe el
vertimiento de la ciudad aproximadamente a 3 kilómetros, los índices de
contaminación no disminuyen, es decir el río no tiene resiliencia al
vertimiento; indagando esta situación se encontró que a los pocos metros
de la PTAR se encuentra el relleno sanitario Pirgua de la ciudad de Tunja el
cual tiene un proceso de tratamiento de sus lixiviados, pero al analizar las
concentraciones de contaminantes en la última estación Oicatá en el
kilómetro 17+422 se encuentra que posiblemente hay incidencia del
vertimiento de este relleno en la calidad del río.
3. La calibración del modelo se hizo teniendo en cuenta la función objetivo
establecida por el programa y los valores de calibración obtenidos de la
literatura; debido a que los monitoreos fueron realizados en temporada seca
y húmeda, no se tuvo en cuenta las variaciones climatológicas y cambio de
condiciones del cuerpo hídrico, de igual forma no se realizó cambio en los
valores de calibración, factor que pudo afectar la bondad de ajuste del
modelo realizado.
4. En cuanto a la modelación dinámica no se obtuvieron los resultados
esperados ya que no se contaron con una totalidad de datos necesarios
para completar el modelo, aunque en los parámetros como pH que se
contaba con los datos continuos de 24 horas, se pudieron apreciar los picos
en los cuales el vertimiento cambia sus condiciones. Esta herramienta es
muy importante para el análisis de cuerpos hídricos ya que simula
horariamente el comportamiento del mismo.
5. De acuerdo a los porcentajes de remoción brindados por la empresa
Proactiva Aguas de Tunja S.A E.S.P de la PTAR que entra en
funcionamiento en el segundo semestre del año 2016, está en su primer
año de funcionamiento el no cumplimiento de las metas globales
propuestas por CORPOBOYACA para el funcionamiento de la misma y
además no cumple la Resolución 631 de 2015 referente a vertimientos de
fuentes puntuales a cuerpos superficiales de los dos parámetros sujetos de
tasa retributiva, SST y DBO5, los cuales tienen que ser menores a 70 mg/l
respectivamente.
Este análisis este basado en los resultados del modelo, está sujeto a las
eficiencias reales que pueda presentar el proceso de descontaminación del
agua residual.

86
10. RECOMENDACIONES

Como primera recomendación para la realización de un modelo con el programa

QUAL2KW estático y dinámico, esta que los datos de análisis fisicoquímicos e
insitu del cuerpo a estudiar tienen que estar completos en la totalidad del tramo ya
que la falta de uno solo puede generar ruido en los resultados.

Como segunda recomendación el programa tiene unidades de ingreso de datos

diferentes a los que los análisis en laboratorio arroja de las muestras, es de vital
importancia estar pendientes de las unidades de los parámetros.

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.

Como cuarta recomendación queremos incentivar el uso de este programa, con

este podemos analizar a detalle los procesos tanto fisicoquímicos como
microbiológicos teniendo en cuenta el componente hidráulico que se llevan a cabo
en un cuerpo hídrico y además esta soportado en una plataforma como lo es Excel
que no demanda mayor procesador computacional.

Como quinta y última recomendación queremos extender la invitación a los entes

gubernamentales y de control que ejercen en jurisdicción del Río Chicamocha a lo
largo de sus cuencas, a realizar acciones inmediatas que permitan la gestión del
río ya que este presenta niveles avanzados de contaminación que están afectando
a la comunidad y que a largo plazo pueden ser irreversibles.

Bibliografía

[1] Steven C. CHAPRA and Gregory J. PETELLIER, "QUAL2K: A Modeling

Frameswork for Simulating River and Stream Water Quality: Documentation
ans Users Manual.," Civil and Environmental Engineering Dept. Tufts
University, Medford, MA, Manual 2008.
[2] Greg PELLETIER and Steve CHAPRA , "QUAL2Kw manual del usuario; un
marco de modelado para la simulación del río y calidad del agua corriente,"
87
 Washington state department of ecology, Olympia, Manual de usuario 2008.
[3] PROACTIVA AGUAS DE TUNJA S.A E.S.P, "Informe Ejecutivo Planta de
Tratamiento de Aguas Residuales de Tunja," Tunja, Informe Ejecutivo 2015.
[4] Cecilia RAMIREZ LEÓN, "Estudio de la aplicación del diseño industrial en el
sector manufacturero del corredor industrial de Boyacá," Revista de
Investigación, Desarrollo e Innovación, vol. 2, no. 1, Dec. 2011.
[5] Fred Gustavo MANRIQUE ABRIL, Diego Alexander MANRIQUE ABRIL,
Ricardo Alberto MANRIQUE ABRIL, and Marlon Fernando TEJEDOR
BONILLA, "Contaminación de la cuenca alta del rio y algunas aproximaciones
sobre la salud humana," Tunja, 2006.
[6] CORPOBOYACÁ, "Linea base de calidad implementación tasas retributivas
por vertimientos hídricos puntuales," Corporación Autónoma Regional de
Boyacá, Tunja, 2009.
[7] GOBERNACIÓN DE BOYACÁ, "Hidrografía de Boyacá," Boyacá, 2012.
[8] CORPOBOYACA, "Resolución 3560 ," Corporación Autonoma de Boyaca,
Tunja, Ley 09 de Octubre de 2015.
[9] REPÚBLICA DE COLOMBIA, "Decreto 3930 de 2010," Bogotá, 2010.
[10] UNIVERSIDAD PEDAGÓGICA DE COLOMBIA, "Cuenca del rio Chicamocha,"
Duitama, 2011.
[11] CORPOBOYACA, UNIVERSIDAD NACIONAL DE COLOMBIA,
UNIVERSIDAD PEDAGOGICA Y TECNOLÓGICA DE COLOMBIA, "Plan de
ordenación y manejo ambiental de la cuenca alta del rio Chicamocha," Tunja,
2006.
[12] Francisco TORRES VEGA, "Desarrollo y Aplicación de un Índice de Calidad
de Agua para ríos en Puerto Rico," Puerto Rico, 2009.
[13] TORRES, Patricia; CRUZ, Camilo; PATIÑO, Paola; ESCOBAR, Juan Carlos;
PEREZ, Andrea;, "Aplicación de índices de calidad de agua -ICA orientados al
uso de la fuente para consumo humano," Bogotá, 2010.
[14] TORRES, Patrica; CRUZ, Camilo Hernan; PATIÑO, Paola Janeth;, "Índices de
calidad de agua en fuentes superficiales utilizadas en la producción de agua
para consumo humano," Medellin, 2009.
[15] UNEP, "Global Drinking Water Quality Index Development and Sensitivity
Analysis Report," Canadá , 2007.
[16] INSTITUTO DE HIDROLOGÍA, METEREOLOGÍA Y ESTUDIOS
AMBIENTALES (IDEAM), "Índice de calidad del agua en corrientes
superficiales (ICA)," Bogotá, 2011.
88
[17] ASOCAÑA, THE NATURE CONSERVANCY, CENICAÑA, "Protocolos
elaborados para medir el impacto de las intervenciones del fodo agua por la
vida y la sostenibilidad ," Cali, 2012.
[18] A. RAMÍREZ, R. RESTREPO, G. VIÑA, "Cuatro índices de contaminación
para caracterización de aguas continentales. Formulaciones y aplicación,"
Bogotá, 1997.
[19] CONSORCIO 2006 , "MODELACIÓN DE LA CALIDAD DE LAS
CORRIENTES HÍDRICAS PRINCIPALES DE LAS CUENCAS DE SEGUNDO
ORDEN DE LA JURISDICCIÓN DE LA CAR," CAR Cundinamarca, Bogotá,
2006.
[20] Ismael Leonardo VERA PUERTO, "Aplicación de técnica de optimización
mediante algoritmos geneticos para calibración de modelo QUAL2K como una
aproximación a la modelación de la calidad del agua de los principales rios de
de la zona urbana de Bogotá," Pontificia Universidad Javeriana, Bogotá, Tesis
de magister 2007.
[21] Jae Heon CHO and Sung Ryong Ha, "Parameter optimization of the QUAL2K
model for a multiple-reach river using an influence coefficient algorithm,"
Science of the TotalEnviromental , vol. 408, pp. 1985-1991, Jan. 2010.
[22] Javier Ernesto HOLGUÍN GONZALEZ, "Calibración del Modelo de Simulación
de la Calidad de Agua QUAL2KW del Rio Palocon fines de Ordenamiento del
Recurso Hídrico," Convenio CRC - FUNARU, Popayan , Convenio Marco de
Cooperación 2014.
[23] Steven CHAPRA, Surface Water-Quality Modeling.: Waveland Press, Inc.,
1997.
[24] Prakash Raj KANNEL, S LEE, Y-S LEE, S.R KANEL , and G.J PELLETIER ,
"Application of automated QUAL2Kw for water quality modeling and
management in the Bagmati River, Nepal," Ecological Modelling, vol. 202, pp.
203-507, Feb. 2007.
[25] Mayra Andrea CASTRO HUERTAS , "Aplicacion del QUALKw en la
modelacion de la calidad del agua del Río Guacaica, Departamento de
Caldas, Colombia," Universidad Nacional de Colombia, Manizales, Colombia,
Trabajo de profundización presentado como requisito parcial para optar al
título de: Magister en Ingeniería- Ingeniería Ambiental 2015.
[26] Seok Soon PARK and Yong Seok LEE, "A water quality modeling study of the
Nakdong River, Korea," Ecological Modelling, vol. 152, pp. 65-75, Nov. 2002.
[27] Ng A.W.N and Perera B.J.C , "Selection of genetic algorithm operators for river
water quality model calibration," Enginneering Aplications of Artificial
89
 Intelligence , vol. 16, pp. 529-541, Sep. 2003.
[28] DANE, "Cálculo piloto de la cuenta de flujos físicos del agua: Sectores
industria manufacturera y hogares ," Bogotá, 2012.
[29] CORPOBOYACA, "Resolución 3382 ," Corporación Autonoma Regional de
Boyaca, Tunja, 2015.
[30] MINISTERIO DE AMBIENTE Y DESARROLLO SOSTENIBLE, "Resolución
631 de 2015," Ministerio de Ambiente y Desarrollo Sostenible, Bogota,
Normativa FA-DOC-03, 2015.
[31] MINISTERIO DE AMBIENTE, VIVIENDA Y DESARROLLO TERRITORIAL,
"Resolución 3930 ," Bogotá, Ley 2015.
[32] Natalia E SAMBONI, Aldemar REYES T, and Yesid CARVAJAL E, "Aplicación
de los indicadores de calidad y contaminación del agua en la determinación
de la oferta hídrica neta," Ingeniería y Competitividad, vol. 13, no. 2, pp. 49 -
60, Sep. 2011.
[33] MCS CONSULTORIA Y MONITOREO AMBIENTAL and INGFOCOL LTDA,
"Monitoreo de la Calidad de Agua de la Corriente Principal de la Cuenca Alta y
Media del Rio Chicamocha," Bogotá , 2015.
[34] Beatriz Elena DIAZ MERCHAN, "Modelación de la calidad de agua en el
interceptor Río Bogotá en los tramos Fucha-Tunjuelo-Canoas," Universidad de
los Andes, Bogotá, Tesis de grado para optar titulo de Magister en Ingeniería
Cilvil- Área Ambiental MIC 2004-I-24, 2004.
[35] T CHAI and R.R DRAXLER, "Root mean square error (RMSE) or mean
absolute error (MAE)? – Arguments against avoiding RMSE in the literature,"
Geoscientific Model Development, vol. 7, pp. 1247-1250, Feb. 2014.
[36] E DOMINGUEZ, A RAMÍREZ, C.W DAWSON, and R.J ABRAHART, "The
search for orthogonal hydrological modelling metrics: a case study of 20
monitoring stations in Colombia," Journal of Hydroinformatics, pp. 429-442,
2011.
[37] Gregory J PELLETIER, Steven C. CHAPRA, and Hua TAO, "QUAL2Kw e A
framework for modeling water quality in streams and rivers using a genetic
algorithm for calibration," Enviromental Modelling & Software, vol. 21, pp. 419-
425, 2006.
[38] C SAWYER, Química para la Ingeniería Ambiental.: McGrawHill, 2000.
[39] Shumming LIU, David BUTLER, Richard BRAZIER, Louise HEATHWAITE,
and Soon-Thiam KHU, "Using genetic algorithms to calibrate a water quality
model," Science of Total Enviromental , vol. 274, pp. 260-272, Dec. 2007.

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