Integración de los Modelos Weap Y

Qual2k para la Simulación de la

Calidad Agua de Fuentes
Superficiales.
Caso de Estudio: Cuenca del Río La
Vieja, Colombia
Introducción
 Problemática
En la cuenca del río ¨La Vieja¨, en Colombia, la contaminación de las fuentes de agua
superficiales es causada por la disposición de aguas residuales de origen doméstico,
industrial y agrícola (principalmente por el sector de producción de café)

Aguas Residuales domésticas Aguas Residuales agroindustriales

➔ 87% de la carga contaminante
generada (7,5 ton DBO5/día), se
destina sin tratamiento a
fuentes hídricas superficiales.
➔ El 13% restante (1,2 ton
DBO5/día) se destina a las
fuentes hídricas superficiales
luego de realizarse un
tratamiento primario
➔ 45 % de la carga contaminante
(7,5 ton DBO5/día) es dispuesta
al río.
➔ de esta carga contaminante, el
31% (2,3 ton DBO5/día) es
proveniente del sector cafetero.
Aguas residuales domésticas y
agroindustriales aportan 95% de la
contaminación puntual al río La Vieja.
 Objetivo
Evaluar, en el ámbito espacio-temporal, el impacto de la generación y
disposición de aguas residuales domésticas, industriales y agrícolas en la calidad
del agua del río La Vieja y once de sus principales afluentes, a través de la
integración de los modelos de simulación QUAL2K y WEAP.

Parámetros Evaluados: Factores considerados:

➔ Caudal ➔ Crecimiento poblacional

➔ DBO5 ➔ Desarrollo agroindustrial
➔ OD ➔ Efectos de la variabilidad y el
➔ Temperatura cambio climático.
 Ventajas de la integración de los modelos

La integración de los modelos permite modificar la cinética

de degradación de los contaminantes por tramo de río en el
modelo QUAL2K y la dinamización de los resultados de
este modelo en pasos de tiempo mensual, beneficio que
aporta el modelo de planificación WEAP.
 Zona de estudio
➔ Abarcan los departamentos Quindío
(68%), Valle del Cauca (22%) y
Risaralda (10%)
➔ Periodos húmedos (marzo a mayo y
octubre a diciembre)
➔ Periodos secos (enero-febrero y
junio a septiembre)
➔ Localiza en el centro occidente de
Colombia, forma parte de la
Ecorregión del Eje Cafetero
➔ 2880 Km2
➔ Rendimiento hídrico 34 L/s-Km2
➔ Oferta hídrica de 2.975 Mm3/año.
Metodología
 Modelo QUAL2K
➔ Modelo para el análisis del comportamiento de la calidad del agua
➔ Estudia el comportamiento de la calidad del agua de fuentes superficiales
➔ Sirve para la evaluación de impactos y toma de decisiones frente a una gestión
integral del recurso hídrico

Consideraciones:
1. Flujo de agua unidimensional y permanente.
2. Simulación del transporte de sustancias contaminantes: utiliza balance de calor y temperatura
3. Simula sistemas hídricos de tipo dendrítico: mezcla horizontal y vertical
4. Acepta entradas puntuales y no puntuales de cargas contaminantes y caudales.
5. La fuente hídrica simulada es representada como una sucesión de tramos: se realizan balances de masa, flujo y
calor (EPA, 2013).
6. Utiliza dos formas para representar el carbono orgánico: DBO rápida y DBO lenta.
7. Simula condiciones de anoxia reduciendo a cero las tasas de oxidación.
8. Para procesos de desnitrificación el modelo emplea una reacción de primer orden (Chapra, 2008).
 Modelo WEAP
➔ Herramienta de planificación integrada de recursos hídricos: representa
las condiciones actuales de un sistema hídrico (superficial o subterráneo)
en un área determinada.
➔ Es usado para evaluar la demanda y opciones de suministro incorporando
los objetivos ambientales y normativos del contexto específico de análisis
➔ Es posible evaluar los impactos futuros: modelación de escenarios
➔ Contribuye a la planificación de los recursos a largo plazo y mediante una
evaluación integrada de diferentes alternativas de gestión.
➔ El fundamento conceptual: principio básico de balance de masa.
Uso simultáneo de modelos WEAP y QUAL2k

➔ Integración (WEAP & QUAL2K) permite un análisis robusto

➔ Hasta 20 parámetros a analizar simultáneamente
- Contaminantes conservativos: balance de masas
- Contaminantes no conservativos: modelos integrados en WEAP
➔ Permite realizar análisis de resultados para cada paso de tiempo continuo
en todo el horizonte de evaluación
➔ Se desarrolló la integración computacional de la versión más reciente, que
permitió modelar de manera simultánea hasta 12 fuentes hídricas.
 Procedimiento
➔ Definir escala temporal (mensual)

➔ Caracterización de la cantidad de agua y la demanda hídrica (Modelo

histórico 1970 - 2010 y futuro 2011-2050)

➔ Monitoreo de caudal: comparación entre simulaciones y los registros

históricos.

➔ Año de línea base para la modelación de calidad: 2011, permitió el uso de

información existente para una calibración preliminar

➔ Caracterización hidráulica: secciones transversales del río La Vieja y de sus

principales tributarios.

➔ Obtención de relaciones caudal- profundidad-ancho de cada fuente a simular

por tramos

➔ Caracterización → WEAP / Esquematización → QUAL2K

 Esquema metodológico
Definición de escala de modelación

Definición de horizonte de modelación

Integración de modelos (WEAP & QUAL2K)

Definición del set de parámetros

Análisis de resultados
Esquematización del sistema a modelar
(WEAP)
Construcción e implementación de escenarios
Definir condiciones de calidad de agua (WEAP)
Corridas de escenarios de forma integrada
Caracterización de cargas contaminantes por sectores
Análisis de resultados
(WEAP)

Definición de las condiciones de cantidad de agua (WEAP)

Caracterización de sectores
Resultados y Discusión
 Línea Base de la Cantidad de Agua
Resultados de la modelación hidrológica realizada fueron calibrados en WEAP,
aplicando dos métricas estadísticas:

PBIAS (Porcentaje de Sesgo)

Métrica Nash-Sutcliffe ➔ Indica la tendencia promedio de los datos

simulados a ser mayores o menores que
➔ Determina la magnitud relativa de la los datos observados
varianza residual en comparación con la
variación de datos medidos
➔ Evalúa el poder predictivo de los modelos
hidrológicos
◆ NSE≈1 (mejor ajuste)
 Estación NSE PBIAS
Alambrado 0,72 -5,41
Cartago 0,78 2,88
La Española 0,56 -22,701

Los datos simulados con WEAP tienen un buen ajuste

con respecto a los datos de caudales históricos de las
tres estaciones
Línea Base de la Calidad de Agua

➔ El sistema dendrítico fue esquematizado y

sistematizado mediante WEAP
➔ Los resultados de la integración de modelos para la
línea base son considerados de enero de 2011
➔ Se presentan perfiles longitudinales para: Caudal,
DBO5, temperatura y Oxígeno Disuelto.
 DBO5
➔ Se observó que la modelación
representa las condiciones
típicas históricas para el cauce
principal.
➔ Aumenta aprox. 2 mg/l desde su
nacimiento hasta la
desembocadura.

Perfil de la DBO5 y del OD para el OD

sistema hídrico modelado en
➔ La modelación representó las
comparación con las
condiciones del cauce principal,
observaciones históricas espacialmente sus
realizadas concentraciones son las
 Variación espaciotemporal de la DBO5 y
el OD, debido a la dinamización mensual
de la simulación con WEAP.
DBO5
➔ Valores máximos: abril y mayo, meses de la
cosecha principal de Café en la región
(mayor carga contaminante).
➔ Valores mínimos: octubre, noviembre,
diciembre y enero, existe carga
contaminante de los cafetales, pero la
condición hidrológica favorece la dilución
de la carga contaminante por efecto de la
precipitación
OD
➔ Valores mínimos: febrero, abril, julio y
agosto
Análisis de escenarios de calidad de agua
Construcción y simulación de escenarios de control de la contaminación, mediante
análisis XLMR:
XLMR Tipo/Sector Incertidumbre/Estrategia

Variabilidad climática
Clima
Cambio Climático

Incertidumbre (X) Cambio demográfico

Urbano
Consumo de agua por persona

Agrícola Variabilidad en la producción

Municipio Implementación de Sistemas de tratamiento de aguas residuales (STAR)

Implementación de beneficio ecológico

Estrategias (L)
Cafetero
Implementación de Sistema modular de tratamiento anaeróbico de aguas
residuales de beneficio de café (SMTA)
 STAR
SMTA
➔ Implementación de Plata de ➔ Se consideró la variación temporal de la
Tratamiento de Aguas Residual producción de carga contaminante de
(PTAR) para el sector municipal acuerdo con el comportamiento de los
períodos de beneficio en la región, que
➔ Se debe considerar 3 corresponden a una cosecha principal en
los meses de marzo, abril y mayo y una
elementos: cosecha menor o mitaca en los meses de
septiembre, octubre y noviembre
1. Año de inicio de la PTAR,
2. Cobertura de la PTAR en
función del sistema de
recolección de las aguas
residuales del municipio
3. La eficiencia de remoción de
la DBO5.
 Condiciones de simulación:
➔ Se desarrollaron 30 escenarios de cambio
climático, solo 6 fueron priorizados para el
caso de estudio
➔ La calidad del agua fue analizada en el
escenario climático con incremento de 7%
en la precipitación y un aumento de
temperatura de 1,2 °C respecto al clima
histórico
➔ El cambio demográfico fue considerado
bajo 3 posibles valores según las
proyecciones de DANE, 2005.
➔ El consumo de agua por persona se
mantuvo constante para el desarrollo de las
simulaciones
 ➔ Se observó que tanto la
situación tendencial como el
escenario de implementación
de PTAR presentan un
comportamiento similar
➔ La calidad del río La Vieja
aumenta luego de su paso por
el municipio de Armenia
➔ La mejora en la calidad
Evaluación de la implementación continúa pese a las descargas
de PTAR al año 2019 de los municipios restantes
 Evaluación de la implementación
de PTAR al año 2033

➔ Todos los escenarios

presentan la misma tendencia
➔ La estrategia combinada entre
implementación de PTAR y
SMTA presenta el mejor
impacto en el cauce
Conclusiones
➔ Gracias a la simbiosis de escalas espacio-temporales de ambos
modelos y por permitir modificar parámetros en los diferentes
elementos de río, fue posible su integración y la evaluación del
impacto de las aguas residuales provenientes del sector
doméstico y agroindustrial.
➔ Los escenarios planteados y en referencia a la línea base
calibrada se puede desarrollar en el marco del análisis de
decisiones robustas y con objetivo de planificación ambiental.
➔ En general, la integración de las herramientas de modelación
permite simplificar el análisis de sistemas hídricos complejos
para facilitar la determinación de la calidad de agua y la toma de
decisiones referentes a su estado.