Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Techos Verdes Utilizados Como Elementos de Regulación de La Escorrentía en Bogotá
Techos Verdes Utilizados Como Elementos de Regulación de La Escorrentía en Bogotá
elementos de regulación de la
escorrentía en Bogotá
Tesis de investigación presentada como requisito parcial para optar al título de:
Magister en Hidrosistemas
Director
Ingeniero Civil Msc, Ph.D. Andrés Torres
Evaluadores
Manfred Shuetze
Institut fuer Automation und Kommunikation
Jorge Gironás
Universidad Católica de Chile
Juan Pablo Rodríguez
Universidad de los Andes
Grupo de Investigación:
Ciencia e ingeniería del agua y el ambiente
Albert Einstein
Agradecimientos
Al Ingeniero Andrés Torres por su constante dedicación y tiempo para que este trabajo
tuviera los mejores resultados.
Al ingeniero Camilo Otalora por realizar el montaje electrónico de los techos verdes.
A la Gerencia de Tecnología Empresa de Acueducto y Alcantarillado de Bogotá, por la
información suministrada de las estaciones de precipitación
A todas las personas que aportaron para que la investigación pudiera llevarse a buen
término.
Resumen y Abstract IX
Resumen
Debido al aumento de la urbanización en todo el mundo, se ha visto un cambio
significativo durante las últimas décadas pasando de considerar los sistemas de drenaje
urbano como elementos (típicamente destinados a reducir inundaciones) a múltiples
objetivos (Fletcher et al, 2014). En las zonas peri-urbanas de Bogotá, la gente cosecha
y utilizan el agua lluvia sin tratar. La investigación inicial indica que el agua recogida de
los tejados contiene altos valores de turbidez, así como altas concentraciones de SST,
DBO5, y metales pesados (Torres et al., 2013). Por otra parte, estas áreas por lo general
no tienen acceso a los sistemas de alcantarillado público. Recientemente, se
han propuesto una serie de techos verdes para evitar la inundación de grandes
proyectos de construcción. Por lo anterior, este trabajo pretende evaluar algunos
beneficios hidrológicos y ambientales (atenuación hídrica y variaciones de
concentraciones de parámetros de calidad del agua) de techos verdes productivos en
Bogotá, mediante la implementación de techos piloto en el campus de la Pontificia
Universidad Javeriana sede Bogotá (PUJB).
El montaje consta de seis módulos de techos verdes independientes (cada techo tiene
un tipo de planta (Acelga China, Lechuga Crespa, Lechuga Batavia), un tipo de
sustrato (cascarilla de arroz, humus, tierra negra - Biochar) según el diseño propuesto
por Forero et al. (2012) y un techo de referencia, que sirve como dispositivo de control
para evaluar el desempeño de los techos verdes. Se realizó el análisis para 20 eventos
de lluvia, de los cuales se les realizó el análisis de calidad del agua a 8 eventos. Por otra
parte se desarrolló una metodología para tener en cuenta la incertidumbre experimental.,
teniendo en cuenta la precisión de los equipos de campo y laboratorio, dicho método se
basó en simulaciones de Monte Carlo las cuales tienen en cuenta la incertidumbre
asociada a cada variable de lluvia escorrentía y calidad del agua
Palabras clave: Techos verdes productivos, SUDS, gestión del drenaje urbano, calidad
de la escorrentía urbana, incertidumbre experimental.
X Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Abstract
Due to increasing urbanization worldwide, there has seen a significant change during the
recent decades going to consider urban drainage systems as elements (typically aimed at
reducing flooding) to multiple targets (Fletcher et al, 2014). In peri-urban areas of Bogotá,
people harvest and use rainwater untreated. The initial investigation indicates that the
water collected from the roof contains high turbidity values as well as high concentrations
of TSS, BOD5, and heavy metals (Torres et al., 2013). Moreover, these areas often lack
access to public sewer systems. Recently, there has proposed a series of green roofs in
order to prevent flooding of large construction projects. Therefore, this work evaluates
some hydrological and environmental benefits (water attenuation and variations in
concentrations of water quality parameters) of productive green roofs in Bogotá, by
implementing pilot ceilings on the campus at the Pontificia Universidad Javeriana in
Bogotá (PUJB).
The assembly consists of six independent green roofs modules (each roof is a type of
plant (Chard China, Lettuce Crespa, Lettuce Batavia), a type of substrate (rice hulls,
humus, black earth - Biochar) according to the design proposed by Forero et al. (2012)
and a reference ceiling, which serves as a control device for evaluating the green roofs
performance. Twenty (20) rain events analyses were performed, which eigth (8) events
analysis was about water quality. On the other hand, a methodology to have into account
the experimental uncertainty was developed considering the equipment field and
laboratory precision, this method was based on Monte Carlo simulations which take into
account the uncertainty associated with each rainfall runoff and water quality variable.
By applying the developed method at 20 rain events were observed: (i) It is not indifferent
to propose any type of green roofs for water quality parameters and rain runoff. (ii) a
methodology is proposed to take into account the uncertainty of rainfall events and water
quality, which lets talk about of significance and no significance probabilities. (iii)
Furthermore, the plant has a 80% probability to affect significantly the characteristics of
runoff. (iv) The results of Pb increased with elapsed rain events possibly by the type of
irrigation performed on production ceilings.
Keywords: Productive green roofs, SUDS, urban drainage management, urban runoff
quality, experimental uncertainty
.
Contenido XI
Contenido
Pág.
Resumen ......................................................................................................................... IX
Introducción .................................................................................................................... 1
Bibliografía ...................................................................................................................107
Contenido XIII
Lista de figuras
Pág.
Figura 1-1 Esquema general de las simulaciones Monte Carlo (Zamora, 2013) ........... 18
Figura 1-2 Pasos para generar una simulación Monte Carlo (Lepot, 2012) .................. 19
Figura 2-1 Montaje Techos Verdes ................................................................................ 25
Figura 2-2 Diseño techo verde....................................................................................... 25
Figura 2-3 Sensor 1 en el balde ..................................................................................... 26
Figura 2-4 Sensor 2 en el techo ..................................................................................... 26
Figura 2-5 Programa de registro de datos .................................................................... 27
Figura 2-6 Botellas de gaseosa con las plantas (Acelga China (Izq), Lechuga Crespa
(Med) y Lechuga Batavia (Der) ....................................................................................... 27
Figura 2-7 Calibración de sensores ............................................................................... 32
Figura 2-8 Simulaciones SST ........................................................................................ 33
Figura 2-9 Calibración para metales pesados ................................................................ 35
Figura 2-10 Gráfico de observaciones de calidad del agua (Componente 2) ................. 37
Figura 2-11 Box plot CE-Evento .................................................................................... 38
Figura 3-1 Hidrograma evento Octubre 28..................................................................... 41
Figura 3-2 Observaciones de lluvia escorrentía proyectadas en la componente 1 (CO1)
....................................................................................................................................... 42
Figura 3-3 Observaciones de lluvia escorrentía proyectadas en la componente 2 (CO2)
....................................................................................................................................... 43
Figura 3-4 Variables de lluvia escorrentía proyectadas en la componente 1(CO1) y la
componente 2 (CO2) ...................................................................................................... 44
Figura 3-5 Separación por evento.................................................................................. 45
Figura 3-6 Separación por módulo................................................................................. 45
Figura 3-7 Separación por planta.................................................................................. 46
Figura 3-8 Separación por sustrato............................................................................... 46
Figura 3-9 Boxplot de C para cada evento..................................................................... 49
Figura 3-10 Boxplot de C para cada planta.................................................................... 49
Figura 3-11 Boxplot de Cp para cada planta.................................................................. 50
Figura 3-12 Observaciones de calidad del agua proyectadas en la componente 1(CO1)
....................................................................................................................................... 54
Figura 3-13 Observaciones de calidad del agua proyectadas en la componente 2 (CO2)
....................................................................................................................................... 54
Figura 3-14 Variables de calidad del agua proyectadas en la componente 1(CO1) y la
componente 2 (CO2) ...................................................................................................... 55
Figura 3-15 Análisis de variables ................................................................................... 55
XIV Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Lista de tablas
Pág.
Tabla 1-1 Contaminantes de agua lluvia ........................................................................ 13
Tabla 1-2 Clasificación básica de sólidos (Butler y Davies, 2011) .................................. 14
Tabla 2-1 Descripción de tratamientos ........................................................................... 23
Tabla 2-2 Resultados diseño experimental para seis módulos ....................................... 24
Tabla 2-3 Resultados diseño experimental para cinco módulos ..................................... 24
Tabla 2-3 Fechas de siembra......................................................................................... 28
Tabla 2-4 Fechas de eventos de lluvia y calidad de agua ......................................... 29
Tabla 2-5 Especificaciones técnicas de los equipos ....................................................... 30
Tabla 2-6 Datos de calibración de sensores .................................................................. 31
Tabla 3-1 Resultados Lluvia-Escorrentía........................................................................ 40
Tabla 3-2 Probabilidades de influencia de evento, sustrato y planta en la escorrentía ... 47
Tabla 3-3 Resumen de los valores de escorrentía C para los eventos ........................... 48
Tabla 3-4 Resumen de los valores de escorrentía C para las plantas ............................ 49
Tabla 3-5 Resumen de los valores de escorrentía Cp para las plantas .......................... 50
Tabla 3-6 Prueba de correlación variables de escorrentía-características de lluvia ........ 51
Tabla 3-7 Resultados de calidad del agua ..................................................................... 52
Tabla 3-8 Probabilidades de influencia de evento, sustrato y planta en los determinantes
de calidad de agua ......................................................................................................... 58
Tabla 3-9 Probabilidades de influencia de evento, sustrato y planta en la diferencia de los
determinantes de calidad de agua .................................................................................. 59
Tabla 3-10 Resumen de los valores de CE (µS/cm) para los eventos ............................ 59
Tabla 3-11 Resumen de los valores de CE (µS/cm ) para los sustratos ......................... 60
Tabla 3-12 Resumen de los valores de DBO (mg/l) para los sustratos .......................... 61
Tabla 3-13 Resumen de los valores de Pb (mg/l) para los eventos ................................ 62
Tabla 3-14 Resumen de los valores de Pb (mg/l) para los sustratos .............................. 63
Tabla 3-11 Resumen de los valores de pH para los sustratos........................................ 64
Tabla 3-12 Resumen de los valores de SST para los eventos ....................................... 65
Tabla 3-17 Resumen de los valores de SST para los sustratos ..................................... 66
Tabla 3-18 Resumen de los valores de Zn para os eventos ........................................... 67
Tabla 3-19 Prueba de correlación calidad del agua-características de lluvia .................. 68
Tabla 3-20 Test de correlación Escorrentía-Calidad de Agua ........................................ 70
Tabla 3-21 Resultados de carga contaminante .............................................................. 71
Tabla 3-22 Probabilidades de influencia de evento, sustrato y planta en la carga
contaminante .................................................................................................................. 76
XVI Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Los techos verdes han sido relacionados con una atenuación de los niveles de lluvia, en
una disminución de su coeficiente de escorrentía (C) (Getter et al., 2006). Entre los
servicios ambientales más importantes se tiene la reducción de la escorrentía por
precipitación, que puede estar entre un 75% y un 80%, la cual varía en función de la
2 Introducción
Adicionalmente, los techos verdes pueden reducir la contaminación de las aguas lluvias
de escorrentía mediante absorción y filtración de contaminantes como algunos metales
pesados (Berndtsson et al., 2006). También se ha evidenciado que neutralizan
ligeramente el pH y aportan cargas significativas de nitrógeno (Bliss et al., 2009). La
calidad de la escorrentía de un techo verde depende del tipo de la cubierta (el espesor de
la capa de sustrato, su composición, la vegetación y el tipo de drenaje), la edad de la
azotea, su mantenimiento y las fuentes de contaminación locales (Minke ,2005;
Berndtsson et al., 2006; Dunnett et al., 2008). La composición de la vegetación tiene un
efecto significativo tanto en la cantidad de agua retenida como en la atenuación de picos
de caudal: plantas con mayores alturas se asocian a menores volúmenes de escorrentía
(Dunnett et al., 2008).
simulaciones aplicables a diversos climas y tipos de techos (Berthier et al., 2011; Forero
et al., 2012).
La población mundial ha crecido muy rápidamente en los últimos 150 años y lo sigue
haciendo, lo que resulta en impactos sobre la hidrología, tanto a escala local como
mundial. Uno de los recientes empujes en el modelado hidrológico es la evaluación de
los efectos del uso del suelo y los cambios de cobertura del suelo sobre los recursos
hídricos y las inundaciones (Yang et al., 2012). Es ampliamente reconocido que la
urbanización genera cambios en los procesos hidrológicos dentro de las cuencas
hidrográficas mediante la alteración de características de la superficie de infiltración. Los
resultados esperados incluyen la reducción de la infiltración, flujo de base, los tiempos de
retardo, el aumento de los volúmenes de flujo de la tormenta, descarga máxima, la
frecuencia de las inundaciones, y la escorrentía superficial (Du et al., 2012).
El agua lluvia en áreas urbanas causa más problemas que en las rurales, debido al
desbalance en el ciclo hidrológico por el aumento de las áreas impermeables (cubiertas,
parqueaderos y vías). Estas zonas recogen las aguas lluvias y las dirigen al sistema de
drenaje urbano, generando el aumento en la cantidad y velocidad de la escorrentía, y de
los caudales picos (Durrans, 2003; Mentens et al., 2006; Berndtsson et al., 2006).
Conceptos más recientes en el manejo de aguas pluviales urbanas tales como: Sistemas
de Drenaje Urbano Sostenible (SUDS), Bajo Impacto de Desarrollo (LID), Diseño Urbano
(WSUD); tienen como objetivo la restauración de los componentes críticos de los
regímenes de flujo naturales. Tales técnicas están diseñadas para captar, retener
temporalmente e infiltrar el agua lluvia (por ejemplo estanques de lluvia, cunetas de
biofiltración, pavimentos permeables, techos verdes), promoviendo la
evapotranspiración, así como la evaporación, la recarga de agua subterránea y el
aprovechamiento de aguas lluvia (Villarreal et al. 2004). Los SUDS minimizan y mejoran
la calidad del agua de escorrentía mitigando el problema descrito anteriormente,
controlan los altos flujos de la escorrentía, reduciendo el impacto de la urbanización
(Durrans, 2003; Mentens et al., 2006; Berndtsson et al., 2006).
Proteger los sistemas naturales y mejorar el ciclo del agua en entornos urbanos.
Integrar el tratamiento de las aguas de lluvia en el paisaje
Proteger la calidad de las aguas receptoras de escorrentías urbanas.
Reducir volúmenes de escorrentía y caudales pico.
Las desventajas de los SUDS se podrían decir que son las siguientes:
Los SUDS se clasifican en dos grandes grupos: los de tipo estructural y los de tipo no
estructural. Los de tipo no estructural son una variedad de prácticas institucionales y
educativas llamadas comúnmente «control de fuente o prevención de la contaminación»,
los cuales buscan reducir o eliminar el ingreso de contaminantes a las aguas lluvias
(Urbonas, 1999). La incorporación de los SUDS en el diseño urbano producen un
desarrollo de bajo impacto para el lugar, conservando y mejorando los lugares de alto
valor ambiental, para adaptarlos a la nueva condición urbana; lo que implica la utilización
de materiales permeables para las zonas duras y de la disminución de las zonas
impermeables aprovechando para ello las zonas verdes (jardines, parques públicos,
glorietas y separadores), las cuales se diseñan desde la óptica de la hidrología
(Fernández, 2005).
Infiltración: Consiste en el proceso de dejar pasar agua a través de suelo con el fin de
reducir el volumen de lluvia, y recargar acuíferos. Por lo general, es la solución que más
se busca, porque restablece el ciclo hidrológico, mediante la generación de áreas
permeables. Sin embargo, el porcentaje de áreas que permiten este fenómeno son cada
vez menores en áreas urbanizadas.
Los componentes básicos para cubiertas verdes en losas de concreto son las siguientes:
Una membrana impermeable, la capa de drenaje constituida por medios porosos
naturales o artificiales, el filtro de membrana (geotextil), el medio de crecimiento (una
mezcla de material mineral enriquecido con material orgánico) y la capa de vegetación.
Por otra parte se concluyó que los techos verdes parecen ser preferibles en el
revestimiento convencional de un techo, y que el tiempo de vida de los techos verdes es
aproximadamente el doble de cubiertas de techo clásicas (Claus y Rousseau 2012).
Los techos verdes pueden reducir la contaminación de las aguas pluviales de escorrentía
urbana mediante la absorción y filtrar los contaminantes, también pueden contribuir a los
contaminantes liberados en el agua del suelo, plantas y fertilizantes. La calidad de la
escorrentía de un techo verde depende del tipo de la cubierta (el espesor de la capa de
sustrato, su composición, la vegetación y el tipo de drenaje), la edad de la azotea, su
mantenimiento, y las fuentes de contaminación locales. En Estonia se realizó un estudio
de la calidad de agua de escorrentía de agregados de peso ligero (LWA) provenientes
de techos extensivos y cubiertas de césped, tomando muestras de 10 tipos de techos
verdes diferentes para determinar el nivel de calidad del agua (Berndston 2006; Teemusk
y Mander ,2011).
1.4.1 Intensidad
La medida de intensidad es una medida en mm por hora para una cuenca o subcuenca
de drenaje particular. La intensidad se selecciona con base en la duración de lluvia de
diseño del período de retorno. La duración de diseño es igual al tiempo de concentración
para el área de drenaje en consideración. El período de retorno se establece utilizando
estándares de diseño o es escogido por el hidrólogo como un parámetro de diseño. El
tiempo de concentración es el tiempo requerido por una gota de agua para fluir desde el
punto más remoto en la cuenca hasta el punto de interés (Chow ,1987). Si la intensidad
se mantiene constante durante el tiempo que tomaría para que el área total que
contribuye a drenar el exceso de lluvia en el sitio de salida, la intensidad de la
precipitación debe ser igual a la escorrentía y para equilibrar las unidades, la intensidad
debe ser multiplicado por el área
𝑄 = 𝐶𝑖𝐴 (1.1)
En donde
3
𝑄=Caudal (𝑚 ⁄𝑠)
𝑖=Intensidad (𝑚𝑚⁄ℎ𝑟)
𝐶=Coeficiente de escorrentía
𝐴=Área (𝑚2 )
1.4.2 Escorrentía
En el medio urbano, la escorrentía de superficie está formada por los flujos sobre el suelo
provenientes de la lluvia neta, hasta la entrada en la red.
Se distinguen dos flujos: en superficie propiamente dicho y los flujos en las canaletas:
Flujo en las canaletas: Los flujos dentro de las canaletas son alimentados a todo
lo largo de su recorrido por la escorrentía en superficie adyacentes. (Torres, 2004)
aprovechamiento o drenaje, permiten justificar por qué la calidad del agua lluvia es tan
variable. Esta característica se hace mucho más crítica en las ciudades que en zonas
rurales debido a la concentración de industrias y procesos productivos (Coombes et al.,
2000; Mwenge et al., 2007; Helmreich y Horn, 2009;).
Generalmente los procesos de tratamiento dependen de la calidad del agua y de los usos
que ésta pueda tener (agricultura, paisajismo, industria, usos urbanos no potables,
recreación y ambiente, recarga de aguas subterráneas, agua potable, usos directos e
indirectos, etc.). En la actualidad los procesos de tratamiento se enfocan al análisis de la
calidad del agua lluvia de acuerdo a las normas establecidas por reconocidas
organizaciones, como la Organización Mundial de la Salud y entes territoriales que
condicionan su utilización de acuerdo a parámetros físicos (pH, color, temperatura,
partículas), químicos (cloruros, sodio, metales pesados, contenido orgánico),
microbiológicos (coliformes totales y fecales, bacterias varias) y biológicos-orgánicos
(Demanda Bioquímica de Oxígeno DBO, Demanda Química de Oxígeno DQO,
Compuestos Orgánicos Volátiles VOC‟s) (Lazarova et al., 2003; Asano, 2007).
Adicionalmente, se consideran también aspectos económicos ya que, a menos que el
agua cumpla con los mínimos requerimientos de uso, un tratamiento inferior al
recomendado puede generar problemas en la fuente receptora y uno excesivo puede
determinar una pérdida de recursos en términos de energía, mano de obra y dinero
(Kobiyama y Hansen, 2002; Handia et al., 2003; Asano, 2007; Li.Z, et al., 2010).
El periodo seco que precede a un evento de escorrentía es el tiempo durante el cual los
contaminantes se acumulan en la superficie del techo. La cantidad de acumulación del
contaminante del techo está influenciada por el tipo de techo y las condiciones
ambientales que contribuyen a la eliminación de sedimentos, tales como el viento, la
temperatura, la radiación solar y la humedad relativa. (Fewtrell y Kay ,2007). La
intensidad de la tormenta puede tener un impacto marcado en el tipo y cantidad de
contaminantes en la escorrentía. Se ha observado previamente que existe una
correlación positiva entre ciertas cargas o concentraciones de contaminantes y medidas
de intensidad de tormenta (Crabtree et al., 2008).
La Tabla 1-2 muestra la clasificación básica de los sólidos por tipos de sólidos de interés
en las aguas residuales y pluviales, en términos generales se pueden clasificar en cuatro
categorías: gruesos, arena, suspendidos y disueltos. Los sólidos gruesos y suspendidos
pueden subdividirse de acuerdo a su origen: aguas residuales y pluviales (Butler y
Davies, 2011).
Por lo tanto, en un cuerpo de agua donde la presencia de los SST aumenta, la capacidad
para soportar una diversidad de vida acuática disminuye. Los sólidos en suspensión
absorben el calor de la luz solar, lo que aumenta la temperatura del agua y,
posteriormente, disminuye los niveles de oxígeno disuelto (el agua a mayor temperatura
contiene menos oxígeno que el agua a menor temperatura) (Pescod, 1992).
1.6.4 pH y CE
En 1909, el químico danés Sorensen definió el potencial hidrógeno (pH) como el
logaritmo negativo de la concentración molar (más exactamente de la actividad molar) de
los iones hidrógeno. Esto es: pH = - log [H +] (ASM, 1994). La determinación del pH en el
agua es una medida de la tendencia de su acidez o de su alcalinidad. Un pH menor de
7.0 indica una tendencia hacia la acidez, mientras que un valor mayor de 7.0 muestra
una tendencia hacia lo alcalino. La mayoría de las aguas naturales tienen un pH entre 4
y 9, aunque muchas de ellas tienen un pH ligeramente básico debido a la presencia de
carbonatos y bicarbonatos. Un pH muy ácido o muy alcalino, puede ser indicio de una
contaminación industrial (Rice et al., 2012).
1.7.1 Incertidumbre
La incertidumbre en la medición junto con la observación son la base para documentar,
cuantificar, describir y entender los experimentos, los sistemas y sus variables. Sin
embargo, el método de medición está sujeto a incertidumbres y errores que influyen en
los resultados y deben ser considerados en la interpretación de los valores medidos
(Gujer, 2008). Existen principalmente dos tipos de incertidumbre catalogadas como Tipo
A y Tipo B (Miranda, 2003).
a) Tipo A
La primera está asociada con el resultado de una medición, que caracteriza la dispersión
de los valores que se podrían atribuir razonablemente al medido, calculado por medio del
análisis estadístico directo de una serie de observaciones o mediciones repetidas. En
este caso se asume que las mediciones presentan una distribución normal. Esto significa
que los valores individuales de 𝑥𝑖 de la variable aleatoria 𝑋 están sujetos a cierta función
de probabilidad de densidad 𝑓(𝑥) con un valor medio del valor 𝜇𝑥 (el valor “verdadero de
la medida”, (1.2) y la varianza 𝜎𝑥2 (1.3)
x x f ( x) dx (1.2)
x2 ( x x ) f ( x) dx (1.3)
1 n
mx xi (1.4)
n i 1
17
n
1
sx2 ( xi mx )2 (1.5)
n 1 i 1
Por otro lado, la mejor estimación de la varianza de la media se define como σ2 (mx ) =
σ2 /n. Lo anterior, cuantifica qué tan bien 𝑚𝑥 estima el valor esperado de 𝑥, y se puede
utilizar como una medida de la incertidumbre (𝑢(𝑥𝑖 )) de 𝑚𝑥 .
(x m )
i x
u ( xi ) i 1
(1.6)
n(n 1)
b) Tipo B
2
n
f n 1 n
f f
u ( y) u 2 ( xi ) 2
2
u ( xi , x j ) (1.7)
i 1 xi i 1 j i 1 xi x j
Figura 1-1 Esquema general de las simulaciones Monte Carlo (Zamora, 2013)
La simulación estadística de los métodos Monte Carlo tienen por fin generar digitalmente
un gran conjunto de datos para el estudio de la propagación de las funciones de
densidad de probabilidad entre las variables de entrada 𝑋𝑖 (variables y parámetros) y la
salida 𝑦. Las simulaciones de Monte Carlo se utilizan generalmente cuando no se
19
Figura 1-2 Pasos para generar una simulación Monte Carlo (Lepot, 2012)
Los métodos numéricos para evaluar la incertidumbre, como el método de Monte Carlo,
se utilizan cuando no es posible o se hace muy difícil utilizar métodos analíticos (Poulter,
1998; Greenland, 2001; Smith, 2002). En el caso de que los resultados de cada
repetición no tengan una dispersión elevada, la evaluación de la incertidumbre asociada
al resultado característico de la muestra puede evaluarse mediante métodos analíticos,
como la ley de propagación de incertidumbre, aplicada a la ecuación del valor promedio.
( y y ) ( yˆ yˆ )
i i
ryyˆ i 1
(1.8)
n n
( y y ) ( yˆ yˆ )
i 1
i
i 1
i
Los valores cercanos a uno indican una correlación muy buena y los valores
cercanos a cero indican una correlación mínima o nula.
En cuanto al signo, si éste es positivo indica una correlación directa, mientras que
un signo negativo indica correlación inversa entre las variables. (Zamora, 2013).
2. MATERIALES Y MÉTODOS
En la Tabla 2-1 se aprecia los seis tratamientos, los cuales se escogen teniendo en
cuenta el estudio de Forero et al (2012) en el cual selecciona plantas endémicas con
doble propósito para consumo humano y el tipo de sustrato. Para el tratamiento F no fue
posible tomar datos de lluvia debido a que un sensor se deterioró .Con estos tratamientos
se hizo el diseño experimental por medio del método de bloques incompletos (BIB) con
un tamaño de bloque (k) de cinco. La Tabla 2-2 presenta los resultados del diseño
experimental de los techos verdes para seis módulos.
24 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Lambda 4
Tratamientos 6
Tamaño del bloque 5
Bloques 6
Replicas 5
Factor de Eficiencia 0.96
La Tabla 2-2 indica que para el diseño de los techos verdes se necesita 6 eventos
(Bloques), en cada evento se deben tener mediciones en mínimo 5 módulos (Tamaño del
bloque) con una eficiencia de 0.96 y ʎ (número de posibles ocurrencias en el bloque) de
cuatro.
La Tabla 2-3 presenta los resultados del diseño experimental de los techos verdes para
cinco módulos
Lambda 3
Tratamientos 5
Tamaño del bloque 4
Bloques 5
Replicas 4
Factor de Eficiencia 0.93
La Tabla 2-3 indica que para el diseño de los techos verdes se necesita 5 eventos
(Bloques), en cada evento se deben tener mediciones en mínimo 4 módulos (Tamaño del
bloque) con una eficiencia de 0.93 y ʎ (número de posibles ocurrencias en el bloque) de
tres.
Este diseño experimental se hace para poder realizar ANOVA, t-test y Análisis de
Correlaciones en los resultados obtenidos, de esta manera proponer tipo de sustrato y
planta para mitigar las variables de escorrentía y calidad del agua.
En la Figura 2-1 se puede observar el montaje utilizado para los techos verdes.
25
Se aprecia en la Figura 2-1 que el montaje consta de seis módulos de techos verdes
independientes (cada techo tiene un tipo de planta y un tipo de sustrato), y un techo de
referencia que sirve como dispositivo de control para evaluar el desempeño de los techos
verdes. Estos siete módulos se componen de : ( i ) una teja de zinc estándar apoyado por
una estructura de metal (2,80 mx 0,90 m ) con una pendiente del 5% (de acuerdo con los
más utilizados por las comunidades desplazadas en Bogotá) ;( ii ) una canal de metal
(para recoger la escorrentía) ; ( iii ) un sistema de riego ; y (iv) un sistema de seguimiento
conformado por sensores electrónicos localizados debajo de la teja de cada techo y
debajo de la balanza que soporta el balde con agua de escorrentía (ver Figura 2-2). Cada
módulo de techo verde está equipado con 20 botellas de plástico recicladas con una
capacidad de 3 litros, distribuidas en una matriz de 4 x 5 en las cuales fue depositado el
sustrato con las plantas. Cada botella tiene tres perforaciones en la parte inferior para
ayudar al drenaje de agua a través de cada techo. La Figura 2-2 muestra la disposición
del montaje para cada techo verde
En la Figura 2-2 se observa el diseño de cada techo verde con las partes que lo
componen y la distribución de las botellas con las plantas en el techo. Se observa la
ubicación del sensor 2 en el balde, el cual registra los datos de volumen de agua en el
balde en cada evento de lluvia.
Las Figuras 2-3 y 2-4 muestran la ubicación de los sensores 1 y 2 en los techos.
El sensor de la Figura 2-3 toma datos de señal (mA) la cual se registra en un computador
portátil con acceso a red de internet. El sensor 2 (Figura 2-4) registra los datos de señal
(mA) la cual puede transformarse al peso de la teja con las botellas de gaseosa,
sustratos y plantas. Los datos arrojados por el sensor 2 no se tienen en cuenta en este
trabajo, ya que éste se enfocó al análisis de escorrentía, que son registrados con el
sensor 1 en el balde. El sensor 2 se instaló para propósitos de tener en cuenta la
evapotranspiración esencial para actividades de modelación y análisis de beneficios
relacionados con disminución de temperaturas en ciudades, aspectos que van más allá
del objetivo del presente trabajo.
Se observa en la Figura 2-5 los datos registrados para los sensores 1 y 2 en un evento
de lluvia para los 6 módulos de techo verde y el módulo de referencia. Al lado derecho se
muestran los números de los módulos con sus respectivos colores que representan cada
sensor. Los colores (rojo, verde, vino tinto, rosado, amarillo y negro) registran los datos
del sensor 2, los colores (azul, negro, azul oscuro, café claro, gris oscuro y gris claro)
registran los datos del sensor 1 y el color naranja registra el sensor 1 del módulo de
referencia .Ese programa registra datos de señal cada minuto y son guardados en el
computador portátil; estos datos de señal (mA) son convertidos a datos de volumen,
proceso que se describirá más adelante. La Figura 2-6 muestra las tres variedades de
plantas utilizadas
Figura 2-6 Botellas de gaseosa con las plantas (Acelga China (Izq), Lechuga Crespa (Med) y
Lechuga Batavia (Der)
28 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
En la Figura 2-6 se aprecian las tres variedades de las plantas sembradas en los
módulos del techo verde (Acelga China, Lechuga Crespa y Lechuga Batavia).
2.2 Protocolo
Para realizar las mediciones necesarias de lluvia-escorrentía y calidad de agua fue
necesario distribuir estas mediciones en dos fases: En campo (montaje experimental
presentado en la sección 2-1) y en el laboratorio de calidad del agua (Pontificia
Universidad Javeriana sede Bogotá).
Fecha Variedad
Acelga China (sustrato)
Marzo/25/2013 Lechuga Crespa (sustrato)
Lechuga Batavia (sustrato)
Acelga China (Biochar)
Abril/15/2013 Lechuga Crespa (Biochar)
Lechuga Batavia (Biochar)
Acelga China (sustrato)
Mayo/10/2013 Lechuga Crespa (sustrato)
Lechuga Batavia (sustrato
Acelga China (Biochar)
Junio/19/2013 Lechuga Crespa (Biochar)
Lechuga Batavia (Biochar)
Acelga China (sustrato)
Julio/18/2013 Lechuga Crespa (sustrato)
Lechuga Batavia (sustrato
Acelga China (Biochar)
Agosto/23/2013 Lechuga Crespa (Biochar)
Lechuga Batavia (Biochar)
Acelga China (sustrato)
Septiembre/26/2013 Lechuga Crespa (sustrato)
Lechuga Batavia (sustrato
Acelga China (Biochar)
Octubre/31/2013 Lechuga Crespa (Biochar)
Lechuga Batavia (Biochar)
La siembra indicada en la Tabla 2-3 se realizó cada mes debido a que las plantas tienen
un período vegetativo de dos meses y tenían diferencia de un mes dependiendo del tipo
29
de sustrato en que estuvieran sembradas. La Tabla 2-4 muestra las fechas de los
eventos de lluvia y calidad de agua
1 Agosto-04-2013 X
2 Agosto-10-2013 X
3 Agosto-18-2013 X
4 Agosto 21-2013 X X
5 Agosto-28-2013 X
6 Septiembr-17-2013 X
7 Septiembre-19- X
2013
8 Septiembre-19- X
2013
9 Septiembre-26- X
2013
10 Octubre-1-2013 X X
11 Octubre-3y4-2013 X
12 Octubre -28-2013 X
13 Octubre-29-2013 X X
14 Octubre-30-2013 X X
15 Noviembre-5-2013 X X
16 Noviembre-6-2013 X X
17 Noviembre-8-2013 X
18 Noviembre-9-2013 X
19 Noviembre-19-2013 X
20 Noviembre-26-2013 X X
Se muestran ocho eventos (Tabla 2-4) que estuvieron ligados en la toma de datos de
lluvia y las mediciones de calidad de agua; no se pudo realizar todas las mediciones de
calidad de agua de los 20 eventos de lluvia debido a que el laboratorio no tenía
capacidad para realizar los análisis de calidad del agua y solo fue posible hacerlo con
ocho eventos. El evento del 28 de Agosto de 2013 no fue posible analizar los datos de
lluvia-escorrentía, debido a que los sensores no registraron datos. El número de eventos
necesitados son seis (De acuerdo al diseño experimental sección 2-1) en cuanto a lluvia
30 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
y calidad del agua cumple con el diseño experimental propuesto inicialmente para poder
realizar análisis de varianza a los resultados.
Los determinantes de calidad de agua que se analizaron fueron pH, CE, SST, DBO, Pb,
Zn, Cd, Hg. El Hg no fue posible analizarlo debido a que la lámpara de Euterio se averió.
El laboratorio de Calidad del Agua analizó ocho eventos de lluvia reportando tres
resultados de DBO, SST, Pb, Zn; 25 datos de pH y CE para cada evento de lluvia .El Cd
dio resultados no detectables en las muestras de agua.
Dentro de los parámetros más restrictivos se encuentran los metales pesados, debido a
su toxicidad y potencial factor de generación de cáncer y teratogenicidad o afecciones al
sistema reproductivo (Biduhendra, 2002). En el estudio realizado por Torres et al., 2012
se observan concentraciones elevadas de plomo (Pb), cadmio (Cd) y mercurio (Hg) en el
campus de la Pontificia Universidad Javeriana sede Bogotá, las cuales superan los
estándares de calidad para riego agrícola y consumo humano; por esta razón se
escogieron estos metales pesados para hacer el respectivo análisis en los techos verdes.
Se observa en la Tabla 2-5 los equipos utilizados para los diferentes determinantes de
calidad del agua
La Tabla 2-6 presenta los datos de calibración del sensor 1 para cada módulo
Esta calibración presentada en la Tabla 2-1 se realizó con diferentes volúmenes de agua
hasta completar 20 l, que es la capacidad del balde receptor de agua lluvia. La señal se
pasa a volumen teniendo en cuenta la señal registrada por cada sensor. La Figura 2-7
muestra la calibración de un sensor de un techo.
32 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Para analizar los datos de lluvia escorrentía se realizó una calibración para cada sensor
mostrada en la Figura 2-7.
𝑆𝑒ñ𝑎𝑙 = 𝐶 + 𝑚𝑉 (2.1)
𝑆𝑒ñ𝑎𝑙−𝐶
𝑉= 𝑚
(2.2)
Donde: (i) V: serie de volumen (l), (ii) Señal: señal del sensor (mA), (iii) C: intercepto, (iv)
m: pendiente
de medición está definida como un parámetro que caracteriza la dispersión de los valores
que puede razonablemente atribuirse al mensurando, término definido por el Centro
Español de Metrología, CEM (2008) como la magnitud sujeta a medición (JCGM, 2008).
Se aprecia (Figura 2-8) que haciendo 10000 simulaciones es suficiente para tener
estabilidad en los datos. Esto debido a que hay variables hidrológicas y de calidad del
agua en las cuales la estabilidad se presenta en intervalos de 3000-7000 iteraciones, por
esta razón se coloca 10000 simulaciones. Se observa tres líneas las cuales indica:(i) El
color azul indica los SST más probable, el cual es calculado realizando un boxplot de los
datos obteniendo la mediana, (ii) Color rojo superior indica los valores de los SST
superior el cual es calculado realizando un boxplot de los datos y hallando el límite (3)
superior. (iii) Color rojo inferior indica los valores de los SST inferior el cual es calculado
realizando un boxplot de los datos y hallando el límite (1) inferior. De esta manera se hizo
estas simulaciones a todos los determinantes de calidad dle agua y a los valores de lluvia
escorrentía, se llamara a los resultados (inferior, más probable y superior).
Los métodos numéricos para evaluar la incertidumbre, como el método de Monte Carlo,
se utilizan cuando no es posible o se hace muy difícil utilizar métodos analíticos (Poulter,
1998; Greenland, 2001; Smith, 2002). Para realizar el análisis de los datos de calidad de
agua , lluvia-escorrentía y carga contaminante se utilizó el programa R el cual es un
34 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Además se realiza el cálculo de los caudales (inferior, más probable, superior) de la serie
de caudales para cada módulo y para cada evento. De la misma manera se calcula la
serie de volumen total de cada módulo y para cada evento, obteniendo los resultados de
volumen (inferior, más probable, superior)
Se aprecia en la Figura 2-9 que cada muestra presenta tres valores de absorbancia las
cuales se les realiza 10000 modelos mediante simulaciones de Monte Calo obteniéndose
10000 posibles concentraciones de metales teniendo en cuenta la incertidumbre. De esta
manera se obtienen los datos de Cd, Zn y Pb (Inferior, más probable, superior) teniendo
en cuenta la incertidumbre.
Donde: (i) Oini es el oxígeno inicial, (ii) Ofin es el oxígeno final, (iii) Vol es el volumen.
Se obtiene los valores (Inferior, más probable, superior) de DBO teniendo en cuenta la
incertidumbre. En el Anexo A se muestra el código para la DBO.
36 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Donde: (i) Pini es el peso inicial, (ii) Pfin es el peso final, (iii) Vol es el volumen
Se obtiene los valores (inferior, más probable, superior) de SST teniendo en cuenta la
incertidumbre. En el Anexo B se muestra el código para los SST.
2.4.5 pH y CE
El laboratorio reporta 25 datos de pH y CE para cada muestra, a partir de las precisiones
de los equipos (potenciómetro, conductímetro) (Ver Tabla 2-5) se obtuvieron 10000
posibles valores de pH y CE por muestra mediante simulaciones de Monte Carlo las
cuales tienen en cuenta la incertidumbre. De esta manera se obtiene los valores (Inferior,
más probable, superior) de pH y CE teniendo en cuenta la incertidumbre. En el Anexo C
se muestra el código pH y –CE.
Se puede apreciar en la Figura 2-10 que se forma un grupo de color rojo basado en el
test de Wilcoxon que arroja como resultado que son observaciones iguales, indicando
que estas observaciones parecen tener alguna similitud en la información de los datos
observados en la componente 2 y que esta información redundaría en todas las
observaciones, lo cual es posible concluir que con menos datos se podría realizar el
análisis.
Luego de identificar que la relación entre las variables de techo verde (evento, sustrato,
planta) y las características de escorrentía, calidad del agua y carga contaminante
38 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Para propósitos ilustrativos se puede observar en la Figura 2-11 que la variable evento
dio resultado significativo en el análisis Kruskal-Wallis para CE (conductividad eléctrica).
Con este resultado se realiza el análisis de Wilcoxon y se pasa de considerar la
significancia a proponer la probabilidad de significancia teniendo en cuenta el 𝜌𝑣𝑎𝑙𝑢𝑒 .En
el capítulo de resultados se muestra el comportamiento de las variables del techo verde
con las características de escorrentía, calidad del agua y carga contaminante.
En este capítulo se muestran los resultados obtenidos de lluvia escorrentía, calidad del
agua y carga contaminante, mostrando de esta manera los análisis que se hacen con los
eventos de lluvia y los resultados de laboratorio de calidad del agua. Se encuentran los
análisis de componentes principales, Kruskal- Wallis, Wilcoxon, y análisis de
correlaciones para cada tema. Con ayuda de estos análisis se propondrá diseños de
techos verdes productivos (tipo de planta, tipo de sustrato) en Bogotá, para evaluar
beneficios hidrológicos y de calidad del agua, determinar la atenuación hídrica de la
escorrentía en función del tipo de planta y tipo de sustrato, determinar la calidad del agua
de escorrentía en función del tipo de planta, tipo de sustrato, y comparar las relaciones
entre la pluviometría del sector y las eficiencias asociadas a los tipos de techos verdes en
cuanto al impacto en la calidad del agua y la atenuación hídrica de la escorrentía.
En la Tabla 3-1 se observan las columnas de evento (fecha del evento), inicio (hora de
inicio del evento), duración (tiempo de duración del evento), ADWP (tiempo anterior seco
para cada evento), intensidad (intensidad de cada evento), Intensidad máxima, K máx(
tiempo de retardo de cada módulo con respecto al módulo de referencia), C (coeficiente
escorrentía basados en volúmenes máximos), Cp (coeficiente de escorrentía basado en
caudales pico). Los valores que se encuentran en paréntesis son el número de los
módulos en los cuales se obtuvo el menor y mayor valor para los resultados de lluvia-
escorrentía.
40 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
ADWP Intensidad
Duración Intensidad
Evento Inicio (h) (mm/h) Kmax (min) C Cp
(min) máx (mm/h)
El tiempo de retardo máximo Kmax no supera los 4 min en todos los eventos y módulos,
siendo el mínimo de 0 para algunos eventos, lo que evidencia que los retardos
correspondientes a los módulos de techos verdes no son muy grandes con respecto a los
hidrogramas del módulo de referencia. Lo anterior puede deberse a que se trata de
módulos pequeños. Sin embargo cabe aclarar que para techos verdes reales, con
mayores dimensiones, dichos tiempos de retardo podrían alcanzar valores no
despreciables, los cuales podrían representar beneficios importantes en los procesos de
lluvia-escorrentía en las ciudades
Se observa en la Figura 3-1 que este evento se caracterizó por tener la mayor intensidad
máxima (83.84 mm/h) los valores de caudal para el módulo 1 y 2 (Acelga China-cascarilla
de arroz, humus y tierra negra; y Lechuga Crespa- cascarilla de arroz, humus y tierra
negra) tuvieron comportamientos muy similares igual que para los módulos 3 y 4
(Lechuga Batavia- cascarilla de arroz, humus y tierra negra y Acelga China- Biochar), el
módulo 5 (Lechuga Crespa-Biochar) tuvo valores de caudal muy cercanos al módulo de
42 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
referencia. Lo que se puede intuir que los módulos de los techos verdes no presentan
gran diferencia en caudales con respecto al módulo de referencia en ese evento. En el
anexo J se muestran los hidrogramas para todos los eventos.
La Figura 3-2 muestra el comportamiento que tienen los datos observados proyectados
sobre la componente 1 teniendo en cuenta la incertidumbre
Se puede observar en la Figura 3-2 una gran dispersión en los datos observados; los
colores indican grupos que tienen similitud en alguna observación.
Los grupos de colores se conforman teniendo en cuenta una posible similitud en los
datos observados y también teniendo en cuenta todas las variables simultáneamente (C,
Cp, K). Las observaciones 51 y 105 se agruparon (color morado) probablemente debido
a que presentan el mismo tipo de planta y sustrato (Lechuga Batavia-cascarilla de arroz,
humus y tierra negra); las observaciones 44 y 107 se agruparon (color agua marina)
probablemente debido a que presentan el mismo tipo de planta (Acelga china) pero no el
mismo tipo de sustrato; las observaciones 27 y 76 se agruparon (color amarillo)
probablemente debido a que presentan el mismo tipo de sustrato (cascarilla de arroz,
humus y tierra negra); las observaciones 9 y 32 se agruparon (color rojo) probablemente
debido a que presentan el mismo tipo de sustrato (cascarilla de arroz, humus y tierra
negra);las observaciones 34 y 98 se agruparon (color azul) probablemente debido a que
43
presentan similitud por el mismo tipo de sustrato (cascarilla de arroz, humus y tierra
negra); las observaciones 4 y 33 se agruparon (color verde) probablemente debido a que
presentan similitud porque pertenecen al mismo tipo de sustrato (cascarilla de arroz,
humus y tierra negra); las observaciones
1,7,13,19,25,31,37,43,49,55,61,67,73,79,85,91,97,109,115) se agruparon (color negro)
probablemente debido a que presentan similitud porque pertenecen a los datos del techo
de referencia , los valores de C ,Cp y K para el techo de referencia siempre son los
mismos por esta razón se observan los valores como una mancha.
La Figura 3-3 muestra el comportamiento que tienen los datos observados proyectados
sobre la componente 2 teniendo en cuenta la incertidumbre.
Se puede observar en la Figura 3-3 una gran dispersión en los datos observados; los
colores indican grupos que tienen similitud en alguna observación.
Los grupos de colores se conforman teniendo en cuenta una posible similitud en los
datos observados y también teniendo en cuenta todas las variables simultáneamente (C,
Cp, K). Las observaciones 75 y 80 se agruparon (color negro) ) probablemente debido a
que presentan similitud en el mismo tipo de sustrato (cascarilla de arroz , humus y tierra
negra); las observaciones 68 y 71 se agruparon (color azul) probablemente debido a que
44 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
presentan similitud en el mismo tipo de planta (Acelga china) ; las observaciones 46, 56 y
94 se agruparon (color amarillo) probablemente debido a que presentan similitud en el
mismo tipo de sustrato (cascarilla de arroz, humus y tierra negra); las observaciones 38 y
57 se agruparon (color morado) probablemente debido a que presentan similitud en el
mismo tipo de sustrato (cascarilla de arroz, humus y tierra negra); las observaciones 32,
41 y 48 se agruparon (color verde) probablemente debido a que presentan similitud por el
mismo tipo de planta (Acelga china) y mismo tipo de sustrato (Biochar); las
observaciones 15, 21 y 63 se agruparon (color azul aguamarina) probablemente debido a
que presentan similitud por el mismo tipo de planta y sustrato (Lechuga crespa-cascarilla
de arroz, humus y tierra negra);las observaciones
1,7,13,19,25,31,37,43,49,55,61,67,73,79,85,91,97,109,115 se agruparon (color rojo)
probablemente debido a que presentan similitud porque pertenecen a los datos del techo
de referencia, los valores de C ,Cp y K para el techo de referencia siempre son los
mismos por esta razón se observan los valores como una mancha.
En la Figura 3-4 no se muestra ninguna similitud en las variables por esta razón no se
forman grupo de colores.
Para realizar los clusters de separación por evento, separación por sustrato, separación
por planta y separación por modulo, se obtuvo la media de los 10000 datos teniendo en
cuenta la incertidumbre, esto se hizo debido a que gráficamente se aprecia mejor la
separación de los clusters con la media de los datos.
La Figura 3-5 muestra la separación por evento de los datos de lluvia escorrentía;
Se evidencia en la Figura 3-5 que hay mucho traslapo entre todos los eventos, por lo
tanto no hay diferencias evidentes con respecto a los eventos.
La Figura 3-6 muestra la separación por módulo de los datos de lluvia escorrentía
Se evidencia en la Figura 3-6 que hay mucho traslapo entre todos los módulos, por lo
tanto no hay diferencias evidentes con respecto a los módulos.
La Figura 3-7 muestra la separación por planta de los datos de lluvia escorrentía,
Se indica en la Figura 3-7 que las tres plantas junto con el módulo de referencia se
comportaron de manera similares, presentan mucho traslapo, por lo tanto no hay
diferencias evidentes con respecto a la planta.
La Figura 3-8 muestra la separación por sustrato de los datos lluvia escorrentía
En la Figura 3-8 se puede decir que los dos sustratos presentan el mismo
comportamiento junto con la referencia; presentan mucho traslapo, por lo tanto no hay
diferencias evidentes con respecto al sustrato.
La Tabla 3-2 muestra las probabilidades de que el evento, sustrato y planta influyan de
manera significativa sobre las variables de escorrentía
Probabilidad de significancia
Escorrentía Evento Sustrato Planta
Multi 0.24 0.09 1.00
C 0.59 0.02 0.83
Cp 0.00 0.00 1.00
K 0.05 0.04 0.06
La Tabla 3-3 muestra el resumen de los resultados de escorrentía para cada evento
48 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Se observa en la Tabla 3-3 que los valores se encuentran desde un valor de 0.14 hasta
1, lo que indica que hubo eventos de lluvia que tuvieron un coeficiente de escorrentía C
muy altos y otros eventos con coeficientes de escorrentía C muy bajos. Esto pudo ser
debido a que posiblemente los sustratos de los techos estaban muy saturados de agua y
era difícil lograr retener agua en el caso de coeficientes de escorrentía muy altos, o, por
defecto los sustratos se encontraban muy secos y lograban tener valores de C muy
bajos.
La Tabla 3-4 muestra el resumen de los valores de C para los diferentes tipos de planta.
Se observa en la Tabla 3-9 que los valores se encuentran desde un valor de 0.01 hasta
1. Siendo la planta A la que menor C tiene.
La Tabla 3-5 muestra el resumen de los valores de Cp para los diferentes tipos de planta
En la Tabla 3-5 se observa que los valores se encuentran desde un valor de 0.034 hasta
1. Siendo la planta B la que menor Cp tiene.
La Tabla 3-6 muestra los resultados del análisis de correlación para las variables de
escorrentía y las características de lluvia
H Imax d ADWP
𝜌𝑣𝑎𝑙𝑢𝑒 0.24 0.237 0.004 0.758
C 𝜌 0.118 -0.119 -0.281 -0.029
prob 0.008 0.007 0.997 0
𝜌𝑣𝑎𝑙𝑢𝑒 0.001 0.008 0.159 0.141
Cp 𝜌 0.313 -0.262 -0.141 -0.148
prob 1 1 0 0
𝜌𝑣𝑎𝑙𝑢𝑒 0.506 0.493 0.502 0.489
K 𝜌 0.001 -0.002 -<0.001 -0.002
prob 0.046 0.052 0.048 0.05
En la Tabla 3-6 se observa que existe una probabilidad alta (de más de 0.99) de que
haya una correlación significativa negativa entre C y d, lo que indica que entre menor
duración tenga el evento habrá menor coeficiente de escorrentía. Las características de
lluvia H, Imax y ADWP parecen no estar correlacionadas con C.
Se observa además que existe una probabilidad alta (de 1) de que haya una correlación
significativa positiva entre Cp y H, lo que indica que entre mayor altura de lluvia habrá
mayor Cp; y existe una probabilidad alta (de 1) de que haya una correlación significativa
negativa entre Cp e Imax, lo que indica que entre menor Imax habrá menor Cp. Las
características de lluvia d y ADWP parecen no estar correlacionadas con C.
La Tabla 3-7 muestra los resultados de calidad del agua para DBO, SST, pH, CE, Zn y
Pb; allí se evidencia que los resultados de DBO, SST y CE son más altos en los módulos
de techo verde que en el techo de referencia. Los resultados de Zn son más altos en el
techo de referencia que en los módulos de techo verde. En el Pb se evidencia que para
los primeros eventos los resultados son 0, mientras que se fue intensificando a medida
que transcurren los eventos. Este análisis más detallado se mostrara en las siguientes
subsecciones. El anexo K muestra los resultados de calidad de agua reportados por el
laboratorio
La Figura 3-12 muestra el comportamiento que tienen los datos observados proyectados
sobre la componente 1 teniendo en cuenta la incertidumbre
54 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
La Figura 3-13 muestra el comportamiento que tienen los datos observados proyectados
sobre la componente 2 teniendo en cuenta la incertidumbre
En la Figura 3-13 se puede observar una gran variabilidad en los datos observados; los
colores indican grupos que tienen similitud en alguna observación. Las observaciones 23
55
y 29 se agruparon (color rojo) probablemente debido a que presentan similitud por estar
en eventos seguidos, por lo tanto es posible realizar el análisis con 54 observaciones en
vez de 56, presentando información suficiente, ya que la base para clasificar los grupos
fue la incertidumbre.
La Figura 3-15 muestra la distribución de las variables de calidad del agua, se puede
apreciar que las variables DBO, SST y Pb se encuentran hacia la componente 1 con
valores negativos, mientras que el pH se encuentra hacia la componente 2 presentando
valores negativos; las variables Zn y CE no muestran una tendencia definida hacia
alguna de las dos componentes.
El análisis de clusters para calidad del agua se hace con las 10000 observaciones ya que
es posible apreciar las gráficas.
La Figura 3-16 muestra la separación por eventos de los datos de calidad del agua
Se evidencia en la Figura 3-16 que hay mucho traslapo entre todos los eventos, por lo
tanto no hay diferencias evidentes con respecto a los eventos.
La Figura 3-17 muestra la separación por módulo de los datos de calidad del agua
La Figura 3-18 muestra la separación por planta de los datos de calidad del agua
La Figura 3-19 muestra la separación por sustrato en los datos de calidad del agua.
Se observa en la Figura 3-19 que el sustrato A (cascarilla de arroz, tierra negra y humus)
y la referencia presentan diferencia en la componente 1. El sustrato B (Biochar) se
traslapa con el sustrato A (cascarilla de arroz, tierra negra y humus) y la referencia. Es
posible indicar que los sustratos presentan una gran variabilidad en los resultados de
calidad del agua
La Tabla 3-8 muestra las probabilidades de que el evento, sustrato y planta influyan de
manera significativa sobre los determinantes de calidad del agua.
Probabilidad de significancia
Calidad Evento Sustrato Planta
Multi 1 1 0
pH 0 1 0
CE 1 1 0
SST 1 1 0
DBO 0 1 0
Pb 1 0.67 0.013
Zn 1 0 0
La Tabla 3-9 muestra las probabilidades de que el evento, sustrato y planta influyan de
manera significativa sobre las diferencias de los determinantes de calidad del agua.
59
La probabilidad de que el evento influya de manera significativa en pH, CE, SST, DBO,
Zn esta entre 75%-100%. La probabilidad de que el sustrato influya de manera
significativa en el pH es de 100%. Por lo anterior se puede indicar que la planta no influye
en las diferencias de los determinantes de calidad del agua y es posible decir que es
indiferente escoger cualquier tipo de planta.
Se observa en la Tabla 3-10 que los valores se encuentran desde un valor de 8.69
µS/cm hasta 209.41 µS/cm. Estos valores cambian dependiendo de los eventos.
60 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Se observa en la Tabla 3-11 que los valores se encuentran desde un valor de 8.18
(µS/cm.) hasta 120.71 (µS/cm.), los valores más altos corresponde a los sustratos.
La Figura 3-21 se observa que los sustratos A (Cascarilla de arroz, humus y tierra negra)
y B (Biochar) presentan una diferencia significativa con el techo de referencia, lo que es
posible indicar que hay mayor CE en los techos verdes que en un techo convencional. El
sustrato A (Cascarilla de arroz, humus y tierra negra) es el que genera menor CE.
La Tabla 3-12 muestra el resumen de los valores de DBO para los sustratos.
Tabla 3-12 Resumen de los valores de DBO (mg/l) para los sustratos
En la Tabla 3-12 se observa que los valores se encuentran desde un valor de 4.03 mg/l
hasta 28.16 mg/l, se evidencia que los valores de DBO más altos corresponde a los
sustratos Ay B.
Se observa en la Figura 3-22 que los sustratos A (cascarilla de arroz, humus y tierra
negra) y B (Biochar) presentan diferencias significativas con el techo de referencia. Es
posible indicar que existe mayor cantidad de DBO en un techo verde que en un techo
convencional debido a la presencia de material vegetal en los techos verdes. Por otra
parte el techo no tiene un filtro que retenga el material que sale de las botellas debido a
las precipitaciones fuertes, y este material es depositado en los baldes de agua en los
cuales se toman las muestras para calidad del agua.
Se observa en la Tabla 3-13 que los valores se encuentran desde un valor de 0 mg/l
hasta 0.1493 mg/l. Observando que los valores aumentan a medida que hay eventos de
lluvia. Esto pudo ser debido a la acumulación de Pb en el sustrato.
En la Figura 3-23 se encuentra diferencias significativas entre el evento 1 con los eventos
4,5,6,7,8; el evento 2 con los eventos 4,5,6,7,8; el evento 8 con los eventos 4 y 5; se
puede decir que el plomo aumentó a medida que hay eventos de lluvia. Parece que hay
una acumulación de Pb que sale en la escorrentía; esto podría ser por la recirculación
que se hace del agua para riego, debido a que el agua depositada en las canecas es
utiliza para realizar el riego en los techos. Es posible que el Pb provenga de la atmosfera,
sin embargo se debería realizar estudios de calidad del aire para detectar posible
presencia de Pb en la atmosfera.
Se observa en la Tabla 3-14 que los valores se encuentran desde un valor de 0 mg/l
hasta 0.148mg/l, observando que el sustrato A presenta mayor cantidad de Pb.
Se observa en la Tabla 3-11 que los valores se encuentran desde 6.17 hasta 6.99.
Indicando que los techos verdes tienen mayor pH que un techo convencional.
Se observa en la Tabla 3-12 que los valores se encuentran desde un valor de 0.13 mg/l
hasta 259.11 mg/l. Estos valores varían en todos los eventos, pero se observa que para
los primeros tres eventos hay menos concentración de SST.
Se observa en la Tabla 3-17 que los valores se encuentran desde un valor de 0.271 mg/l
hasta 69.110 mg/l, observando que el sustrato B presenta mayor concentración de SST.
Se observa en la Tabla 3-18 que los valores están desde un valor de 0.281 mg/l hasta
1.25 mg/l. Se observa que los datos varían a medida que transcurren los eventos.
H Imax d ADWP
Se observa que existe una probabilidad alta (de 1) de que haya una correlación
significativa negativa entre la DBO-d, lo que indica que entre menor duración del evento
(d) menor cantidad de DBO. Las características de lluvia H, Imax y ADWP parecen no
estar correlacionadas con DBO.
Se observa además que existe una probabilidad alta (de 0.89-0.99) de que haya una
correlación significativa negativa entre SST-Imax y SST-d; lo cual indica que entre menor
duración de lluvia y menor intensidad máxima habrá menor cantidad de SST. Las
características de lluvia H, ADWP parecen no influir estar correlacionadas con SST
Por otra parte existe una probabilidad alta (de 1) de que haya una correlación significativa
positiva entre Pb-H, lo que indica que entre mayor altura de lluvia habrá mayor cantidad
de Pb. Las características de lluvia Imax, d y ADWP parecen estar correlacionadas con
Pb.
Para el Zn existe una probabilidad alta (de 1) de que haya una correlación significativa
positiva entre Zn-d, lo que indica que a mayor duración de lluvia mayor cantidad de Zn y
existe una probabilidad alta (de 1) de que haya una correlación significativa negativa
entre Zn-ADWP lo que indica que a menor ADWP (período anterior seco) menor cantidad
de Zn. Las características de lluvia H, Imax parecen no estar correlacionas con Zn.
En cuanto al CE existe una probabilidad alta (de 1) de que haya una correlación
significativa positiva entre CE-Imáx y CE-ADWP, lo cual quiere decir que entre mayor
intensidad de lluvia habrá mayor CE y entre mayor ADWP mayor CE, las características
de lluvia H y d parecen no estar correlacionadas con CE.
La Tabla 3-20 muestra los resultados del análisis de correlación para las variables de
escorrentía y los determinantes de calidad del agua
CE DBO Pb SST Zn
C 𝜌𝑣𝑎𝑙𝑢𝑒 0.56 0.18 0.20 0.008 0.60
𝜌 0.10 0.32 0.21 0.43 -0.09
prob 0.00 0.00 0.03 0.95 0.00
Cp 𝜌𝑣𝑎𝑙𝑢𝑒 0.01 0.66 0.89 0.15 0.30
𝜌 0.40 -0.07 -0.008 -0.24 -0.17
prob 1.00 0.00 0.00 0.00 0.00
K 𝜌𝑣𝑎𝑙𝑢𝑒 0.61 0.50 0.97 0.44 0.17
𝜌 -0.001 -0.002 -0.001 -0.001 -0.001
prob 0.00 0.00 0.00 0.00 0.00
Se observa que existe una probabilidad alta (de 0.95) de que haya una correlación
significativa positiva entre C-SST, lo que indica que a mayor escorrentía mayor presencia
de SST. DBO, Pb, Zn y CE parece no estar correlacionado con CE.
Por otra parte existe una probabilidad alta (de1) de que haya una correlación significativa
positiva entre Cp y CE, lo que indica que a mayor Cp mayor CE. DBO, Pb, SST y Zn
parece no estar correlacionado con Cp
Los resultados anteriormente descritos indican que teniendo en cuenta algunas variables
de escorrentía es posible controlar algunos determinantes de calidad del agua.
71
La Tabla 3-21 muestra los resultados de la carga contaminante para los siete eventos de
lluvia; se observa que la carga DBO y los SST son mayores para los techos verdes que
72 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
La Figura 3-29 muestra el comportamiento que tienen los datos observados proyectados
sobre la componente 1 teniendo en cuenta la incertidumbre.
La Figura 3-30 muestra el comportamiento que tienen los datos observados proyectados
sobre la componente 2.
73
En la Figura 3-30 se puede observar una gran variabilidad en los datos observados; los
colores indican grupos que tienen similitud en alguna observación. Las observaciones 7 y
15 se agruparon (color rojo) probablemente debido a que presentan similitud por estar
en eventos seguidos , por lo tanto es posible realizar el análisis con 47 observaciones en
vez de 49, presentando información suficiente , ya que la base para clasificar los grupos
fue la incertidumbre.
En la Figura 3-32 se puede apreciar que las variables DBO y Pb se acercan más a la
componente 1 con valores negativos, mientras que las variables de SST y Zn no tienen
ningún acercamiento con ninguna componente.
El análisis de clusters para carga contaminante se hace con las 10000 observaciones ya
que es posible apreciar las gráficas.
La Figura 3-33 muestra la separación por eventos de los datos de carga contaminante
Se evidencia en la Figura 3-33 que hay traslapo en todos los eventos, mostrando una
gran variabilidad en los datos del evento 7.
La Figura 3-34 muestra la separación por módulo de los datos de carga contaminante
La Figura 3-35 muestra la separación por planta de los datos de carga contaminante
La Figura 3-36 muestra la separación por sustrato en los datos de carga contaminante.
La Tabla 3-22 muestra las probabilidades de que el evento, sustrato y planta influyan de
manera significativa sobre la carga contaminante.
Probabilidad de significancia
Carga Evento Sustrato Planta
Multi 1 0.009 0.28
SST 0.81 1 0
DBO 1 0.73 0
Pb 1 0.007 0.03
Zn 0 0 0
La Tabla 3-18 muestra las probabilidades de significancia para las diferencias de la carga
contaminante.
La Tabla 3-24 muestra el resumen de los valores de carga para DBO en los eventos.
Tabla 3-24 Resumen de los valores de carga de DBO (mg) para los eventos
En la Tabla 3-24 se observa que los valores se encuentran desde un valor de 21.826 mg
hasta 160.73 mg. Estos valores cambian dependiendo de los eventos.
La Tabla 3-25 muestra el resumen de los valores de carga para DBO en los sustratos.
Tabla 3-25 Resumen de los valores de carga de DBO (mg) para los sustratos
Se observa en la Tabla 3-25 que los valores se encuentran desde un valor de 0 mg hasta
149.99 mg, se evidencia que los valores de carga de DBO más altos corresponde a los
sustratos Ay B.
La Tabla 3-26 muestra el resumen de los valores de carga de Pb para los sustratos.
Tabla 3-26 Resumen de los valores de carga de Pb (mg/l) para los eventos
La Figura 3-39 muestra el comportamiento de los datos de carga de Pb para los eventos.
80 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
La Tabla 3-27 muestra el resumen de los datos de carga de SST para los eventos
Tabla 3-27 Resumen de los valores de carga de SST para los eventos
Se observa en la Tabla 3-27 que los valores se encuentran desde un valor de 4.22 mg
hasta 1099.08 mg. Estos valores cambian en los eventos. Sin embargo se observa que
los eventos 4 y 7 presentan mayor cantidad de carga de SST.
La Tabla 3-28 muestra el resumen de los valores de SST para los sustratos.
Tabla 3-28 Resumen de los valores de carga de SST para los sustratos
Se observa en la Tabla 3-28 que los valores se encuentran desde un valor de 4.623 mg
hasta 1142.13 mg, observando que el sustrato B presenta mayor carga de SST.
De acuerdo con los resultados obtenidos para calidad del agua, se procede a realizar
simulaciones de carga contaminante para una zona de Bogotá seleccionada
arbitrariamente. Estas simulaciones sencillas están soportadas en la herramienta de
aprendizaje de máquina SVM (Support Vector Machine) la cual se seleccionó como
modelo de caja negra, capaz de interpretar una salida a partir de datos de entrada en
varias variables de manera no líneal (Schölkopf y Smala, 2002). Aunque SVM se
desarrolló inicialmente para propósitos de clasificación, existe una extensión del método
para regresiones, que fue la que se utilizó en el presente trabajo.
Figura 4-1 Área seleccionada para el estudio (Barrio Santa María de usme) (Google Earth,
2014)
En la Figura 4-3 los años 16 y 18 presentan mayor cantidad de carga de DBO, sin
embargo los techos verdes tienen valores más altos de DBO que un techo convencional;
debido a que en este estudio no se tuvo en cuenta colocar filtros para evitar arrastre de
material.
Se observa en la Figura 4-4 que la carga de SST no varía mucho entre años, tienden a
tener un comportamiento similar entre los diferentes años.
Se observa en la Figura 4-5 que los techos verdes tienen valores muchos más altos que
los valores de un techo convencional, debido a que en este estudio no se contempló
filtros para retener estos materiales.
87
Se observa en la Figura 4-6 que la carga muestra una tendencia en algunos años, sin
embargo se observa que el año 16 y 18 presentan mayor cantidad de carga de Zn,
posiblemente por materiales que se encuentran en la atmosfera.
Se observa en la Figura 4-7 que la carga muestra una tendencia en algunos años, sin
embargo se observa que el año 16 y 18 presentan mayor cantidad de carga de Zn. Los
techos convencionales arrojan mayor carga de Zn que los techos verdes debido a la
composición de los tejados y la corrosión presentada en estos en un período de tiempo
largo.
En la Figura 4-9 la carga muestra una tendencia en algunos años, sin embargo se
observa que el año 16 y 18 presentan mayor cantidad de carga de Pb. No se evidencian
diferencias en las cargas de Pb en los techos verdes y en los techos convencionales.
k ( x, xd ) xT xd (4.1)
90 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
El objetivo del modelo es determinar si es posible hallar resultados de calidad del agua a
partir de características de lluvia con su respectivo error, de esta manera poder proponer
futuras investigaciones que aporten más eventos de lluvia y que puedan analizar con
más certeza estos resultados. El modelo no fue posible validarlo debido a los pocos
datos obtenidos.
En la Figura 4-10 se aprecia que el RMSE es 1 mg/l con un r de1; lo que indica que
presenta un buen comportamiento escoger los datos de lluvia para predecir SST.
La Tabla 4-1 presenta los resultados de SST para los módulos restantes.
91
Módulo r RMSE(mg/l)
2 1 3
3 1 6
4 0.92 7
5 1 9
Ref 0.76 2
Se aprecia en la Tabla 4-1 que el módulo 2 (Lechuga crespa- cascarilla de arroz, humus
y tierra negra) presenta un buen modelo para calcular los SST a partir de las
características de lluvia, mientras que el módulo de referencia tiene un r de 0.76 inferior a
los otros módulos y un RMSE de 2 (mg/l). Sin embargo los módulos presentan un buen
comportamiento, sería necesario validar el modelo y de esta manera obtener mejores
resultados que aporten a la investigación, si es posible llegar a determinar los valores de
SST con características de lluvia sin necesidad de llevar muestras al laboratorio.
Se aprecia en la Figura 4-12 que el RMSE es 4 mg/l con un r de 0.95; lo que indica que
presenta un comportamiento aceptable escoger los datos de concentraciones de calidad
de agua para predecir los valores de DBO.
La Tabla 4-2 presenta los resultados de DBO para los módulos restantes.
Módulo r RMSE(mg/l)
2 0.95 4
3 0.97 3
4 0.95 4
5 0.9 4
Ref 0.89 1
Se aprecia en la Tabla 4.2 que el módulo 3 (Lechuga batavia- cascarilla de arroz, humus
y tierra negra) presenta un buen modelo para calcular la DBO a partir de concentraciones
de calidad del agua, mientras que el módulo de referencia tiene un r de 0.89 inferior a los
otros módulos y un RMSE de 1 (mg/l). Sin embargo los módulos presentan un buen
comportamiento, sería necesario validar el modelo y de esta manera obtener mejores
resultados que aporten a la investigación si es posible llegar a determinar los valores de
DBO con algunas concentraciones de calidad del agua.
4.2.3 Zinc
Se presentan los resultados de Zn para cada módulo teniendo en cuenta los datos de
concentración de SST, pH, CE y DBO.
Se aprecia en la Figura 4-12 que el RMSE es 0 mg/l con un r de 1; lo que indica que
presenta un comportamiento bueno escoger los datos de concentraciones de calidad de
agua para predecir los valores de Zn.
Módulo r RMSE(mg/l)
2 1 0
3 1 0
4 1 0
5 1 0
Ref 1 0
Se aprecia en la Tabla 4-3 que todos los módulos tienen el mismo r de 1 y RMSE de
0(mg/l), esto indica que teniendo en cuenta las concentraciones de calidad del agua
(SST, pH, CE y DBO) para hallar Zn mostrará valores iguales a los reportados por el
laboratorio. Sin embargo es necesario realizar investigaciones futuras con más eventos
de lluvia y de esta manera poder validar el modelo utilizado.
4.2.4 Plomo
Se presentan los resultados de Pb para cada módulo teniendo en cuenta los datos de
concentración de SST, pH, CE y DBO.
Se aprecia en la Figura 4-13 que el RMSE es 0 mg/l con un r de 1; lo que indica que
presenta un comportamiento bueno escoger los datos de concentraciones de calidad de
agua para predecir los valores de Pb.
Módulo r RMSE(mg/l)
2 1 0
3 1 0
4 1 0
5 1 0
Ref 1 0
Se aprecia en la Tabla 4-4 que todos los módulos tienen el mismo r de 1 y RMSE de
0(mg/l), esto indica que teniendo en cuenta las concentraciones de calidad del agua
(SST, pH, CE y DBO) para hallar Pb mostrará valores iguales a los reportados por el
laboratorio. Sin embargo es necesario realizar investigaciones futuras con más eventos
de lluvia y de esta manera poder validar el modelo utilizado.
.
5. Conclusiones y recomendaciones
No es indiferente proponer tipos de techos verdes para variables de calidad del agua,
lluvia escorrentía y carga contamínate, no es lo mismo utilizar cualquier tipo de planta y
sustrato. Esto se evaluó bajo una metodología especializada donde se involucra la
incertidumbre, lo cual se puede confirmar con más certeza los resultados. Lo que implica
que no es indiferente el tipo de techo verde en función de los objetivos que se está
persiguiendo. Se recomienda continuar con nuevas investigaciones para comprender los
fenómenos asociados a la cantidad, calidad de escorrentía (fuentes de contaminación,
transporte de contaminantes en plantas y sustratos, acumulación de contaminantes y
retoma de contaminantes durante eventos de lluvia etc.).Y para otorgar herramientas de
diseño adaptadas a condiciones locales y a las necesidades ambientales (herramientas
de modelación, reglas de diseño, etc.). Se podrían plantear nuevas investigaciones
donde se proponga propuestas que optimicen el diseño de los techos verdes.
Durante este trabajo se encontró que la planta tiene una probabilidad alta (80%) de influir
significativamente en variables que características de la atenuación de la escorrentía
(coeficientes de escorrentía, tiempos de retardos). Adicionalmente teniendo en cuenta
todos los resultados obtenidos en este trabajo la planta asociada a menores coeficientes
de escorrentía es Lechuga Crespa. Por otro lado se observó que el sustrato no influye de
96 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Se encontró que el evento tuvo influencia significativa en la presencia de Zn, los eventos
con mayor duración presentaron mayor concentración de Zn, siendo más altas en los
techos convencionales que en los techos verdes. Lo que implica que los techos verdes
disminuyen la presencia de Zn en el agua de escorrentía y podrían utilizarse en zonas
donde el tejado presenta corrosión y libera mayor cantidad de Zn en el agua de
escorrentía.
Conclusiones 97
El sustrato B (Biochar) presenta valores más cercanos a 7 (Neutro) , lo que implica que
con este sustrato se podría neutralizar el pH en sitios industriales donde se presenta gran
cantidad de lluvia acida, ayudando a eliminar contaminates existentes en la atmosfera.
El tiempo de retardo máximo Kmax es muy pequeño (0-4 min), lo que evidencia que los
retardos correspondientes a los módulos de techos verdes no son muy grandes con
respecto a los hidrogramas del módulo de referencia. Lo anterior puede deberse a que se
trata de módulos pequeños. Sin embargo cabe aclarar que para techos verdes reales,
con mayores dimensiones, dichos tiempos de retardo podrían alcanzar valores no
despreciables, los cuales podrían representar beneficios importantes en los procesos de
lluvia-escorrentía en las ciudades.
rm(list=ls(all=TRUE))
MDBO=read.table("DBO.txt",header=TRUE)
attach(MDBO)
oi=t(matrix(t(oi),length(oi)/max(muestra),max(muestra)))
of=t(matrix(t(of),length(of)/max(muestra),max(muestra)))
vols=t(matrix(t(Vol),length(Vol)/max(muestra),max(muestra)))
precm=0.0002
precvol=0.4
numsim=10000
m=1
while (m<=max(muestra)) {
oi1=oi[m,1]
oi2=oi[m,2]
oi3=oi[m,3]
of1=of[m,1]
of2=of[m,2]
of3=of[m,3]
vol1=vols[m,1]
vol2=vols[m,2]
vol3=vols[m,3]
aleaDBO1=300*(rnorm(numsim,oi1,precm/2)-rnorm(numsim,of1,precm/2))/(rnorm(numsim,vol1,precvol/2))
aleaDBO2=300*(rnorm(numsim,oi2,precm/2)-rnorm(numsim,of2,precm/2))/(rnorm(numsim,vol2,precvol/2))
aleaDBO3=300*(rnorm(numsim,oi3,precm/2)-rnorm(numsim,of3,precm/2))/(rnorm(numsim,vol3,precvol/2))
MaleaDBO=cbind(aleaDBO1,aleaDBO2,aleaDBO3)
j=1
while (j<=dim(MaleaDBO)[1]) {
if (j==1)
{bps=boxplot.stats(MaleaDBO[j,])$stats[c(1,3,5)]}else{bps=rbind(bps,boxplot.stats(MaleaDBO[j,])$stats[c(1,2,
3)])}
j=j+1
}
#bps=t(apply(MaleaSST,1,fivenum))
proms=bps[,2]
promDBO=median(proms)
#SSTbp=(apply(MaleaSST,1,bps))
DBOinf=median(bps[,1])
DBOsup=median(bps[,3])
uDBO=(DBOsup-DBOinf)/4
if(m==1){result=c(DBOinf,DBOsup,promDBO,round(100*uDBO/promDBO))
MMaleaDBO=proms
}else{result=rbind(result,c(DBOinf,DBOsup,promDBO,uDBO,round(100*uDBO/promDBO)))
MMaleaDBO=cbind(MMaleaDBO,proms)
}
m=m+1
}
99
write.csv(result,"resultDBO.csv",row.names=FALSE)
write.csv(MMaleaDBO,"aleaDBO.csv",row.names=FALSE)
B. Anexo: Código para SST
rm(list=ls(all=TRUE))
MSST=read.table("sst.txt",header=TRUE)
attach(MSST)
mis=t(matrix(t(mi),length(mi)/max(muestra),max(muestra)))
mfs=t(matrix(t(mf),length(mf)/max(muestra),max(muestra)))
vols=t(matrix(t(vol),length(vol)/max(muestra),max(muestra)))
precm=0.0001
recvol=0.75
numsim=10000
m=1
while (m<=max(muestra)) {
mi1=mis[m,1]
mi2=mis[m,2]
mi3=mis[m,3]
mf1=mfs[m,1]
mf2=mfs[m,2]
mf3=mfs[m,3]
vol1=vols[m,1]
vol2=vols[m,2]
vol3=vols[m,3]
aleaSST1=1000*(rnorm(numsim,mf1,precm/2)-
rnorm(numsim,mi1,precm/2))/(rnorm(numsim,vol1,precvol/2)/1000)
aleaSST2=1000*(rnorm(numsim,mf2,precm/2)-
rnorm(numsim,mi2,precm/2))/(rnorm(numsim,vol2,precvol/2)/1000)
aleaSST3=1000*(rnorm(numsim,mf3,precm/2)-
rnorm(numsim,mi3,precm/2))/(rnorm(numsim,vol3,precvol/2)/1000)
MaleaSST=cbind(aleaSST1,aleaSST2,aleaSST3)
j=1
while (j<=dim(MaleaSST)[1]) {
102 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
if (j==1)
{bps=boxplot.stats(MaleaSST[j,])$stats[c(1,3,5)]}else{bps=rbind(bps,boxplot.stats(MaleaSST[j,])$stats[c(1,2,3)
])}
j=j+1
}
#bps=t(apply(MaleaSST,1,fivenum))
proms=bps[,2]
promSST=median(proms)
#SSTbp=(apply(MaleaSST,1,bps))
SSTinf=median(bps[,1])
SSTsup=median(bps[,3])
uSST=(SSTsup-SSTinf)/4
if(m==1){result=c(SSTinf,SSTsup,promSST,uSST,round(100*uSST/promSST))
MMaleaSST=proms
}else{result=rbind(result,c(SSTinf,SSTsup,promSST,uSST,round(100*uSST/promSST)))
MMaleaSST=cbind(MMaleaSST,proms)
}
m=m+1
}
vec=c(1:numsim)
j=1
while (j<=numsim) {if (j==1) {minSSTacum=median(bps[1:j,1])
maxSSTacum=median(bps[1:j,3])
promSSTacum=median(bps[1:j,2])
}else{minSSTacum=c(minSSTacum,median(bps[1:j,1]))
maxSSTacum=c(maxSSTacum,median(bps[1:j,3]))
promSSTacum=c(promSSTacum,median(bps[1:j,2]))}
j=j+1}
wth=3*580
hth=wth/2^(.5)
tiff(filename = "estableSST.tif", width = wth, height = hth, compression = "lzw", pointsize = 10, bg = "white",
res = 300)
par(mar=c(4.5,4.5,1,1))
plot(promSSTacum,type="l",lwd=0.5,col="blue",ylim=c(min(minSSTacum),max(maxSSTacum)),xlab="Simulac
iones", ylab="SST")
lines(minSSTacum,type="l",lty=2,col="red")
lines(maxSSTacum,type="l",lty=2,col="red")
dev.off()
write.csv(result,"resultSST.csv",row.names=FALSE)
write.csv(MMaleaSST,"aleaSST.csv",row.names=FALSE)
C. Anexo: Código para pH y CE
rm(list=ls(all=TRUE))
M=as.vector(as.matrix(read.table("pHs.txt",header=FALSE)))
prec=.01
u=prec/2
numsim=10000
MaleapH=t(matrix(rnorm(length(M)*numsim,M,u),length(M),numsim))
#proms=apply(MaleapH,1,mean)
#MaleaSST=cbind(aleaSST1,aleaSST2,aleaSST3)
#prompH=apply(MaleapH,1,mean)
#sdpH=apply(MaleapH,1,sd)
m=1
while (m<=dim(MaleapH)[1]) {
if (m==1)
{bps=boxplot.stats(MaleapH[m,])$stats[c(1,3,5)]}else{bps=rbind(bps,boxplot.stats(MaleapH[m,])$stats[c(1,3,5)
])}
m=m+1
}
#bps=t(apply(MaleapH,1,fivenum))
proms=bps[,2]
prompH=median(proms)
pHinf=median(bps[,1])
pHsup=median(bps[,3])
upH=(pHsup-pHinf)/4
write.csv(c(pHinf,pHsup,prompH,upH,100*upH/prompH),"resultpH.csv",row.names=FALSE)
write.csv(proms,"simulaciones.csv",row.names=FALSE)
vec=c(1:numsim)
j=1
while (j<=numsim) {if (j==1) {minpHacum=median(bps[1:j,1])
maxpHacum=median(bps[1:j,3])
prompHacum=median(bps[1:j,2])
}else{minpHacum=c(minpHacum,median(bps[1:j,1]))
maxpHacum=c(maxpHacum,median(bps[1:j,3]))
prompHacum=c(prompHacum,median(bps[1:j,2]))}
j=j+1}
wth=3*580
hth=wth/2^(.5)
tiff(filename = "establepH.tif", width = wth, height = hth, compression = "lzw", pointsize = 10, bg = "white", res
= 300)
par(mar=c(4.5,4.5,1,1))
plot(prompHacum,type="l",lwd=0.5,col="blue",ylim=c(min(minpHacum),max(maxpHacum)))
lines(minpHacum,lty=2,col="grey")
104 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
lines(maxpHacum,lty=2,col="grey")
dev.off()
Bibliografía
Aguirre D., Morera C., Torres A (2014), XXI Seminario Nacional Hidráulica e Hidrología.
Villa de Leyva- Boyacá.
Antrop, M., 2004. Landscape change and the urbanization process in Europe. Landsc.
Urban Plann. 67, 9–26.
Alter,O., Brown, P.o and Botstein, D. (2000)Singular value decoposition for genome-wide
expression data processing and modeling . Proc. Natl Acad. Sci.USA, 97, 10101-10106.
American Society for testing and Materials. Annual book of Standards 1994
Ashley, R., Lundy, L., Ward, S., Shaffer, P., Walker, L., Morgan,C., Saul, A., Wong, T.,
and Moore, S., 2013. Water-sensitive urban design: opportunities for the UK. Proceedings
of the ICE-Municipal Engineer, 166 (2), 65–76.
Ballard, B. Woods, and R. Kellagher. 2007. The SUDS Manual. Construction Industry
Research & Information Association (CIRIA).
Barbosa, A. Fernandes J and David L. 2012. Key issues for sustainable urban stormwater
management. Water Research (2012), doi:10.1016/j.watres.2012.05.029
Basak, D., Pal, S., y Patranabis, D. (2007) Support vector regression. Neural Information
Processing, 11(10), 203–224.
Berndtsson, R., Niemczynowicz, J., 1988. Spatial and temporal scales in rainfall analysis,
some aspect and future perspectives. J. Hydrol. 100 (1–4), 293–313.
Berndtsson., Czemiel, J., Emilsson, T., and Bengtsson ,L. (2006). “The Influence of
Extensive Vegetated Roofs on Runoff Water Quality.” The Science of the Total
Environment 355 (1-3) (February 15): 48–63. doi:10.1016/j.scitotenv.2005.02.035.
108 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Berthier, E., Ramieri, D., and De Geouvello, B .(2011). “Simulation of Green roof
hydrological behavior with a reservoir model”. 12nd International Conference on Urban
Drainage, Porto Alegre/Brazil, 10-15 September 2011.
Biggs, T. W., Atkinson, E., Powell, R., & Ojeda-Revah, L. (2010). Land cover following
rapid urbanization on the US–Mexico border: Implications for conceptual models of urban
watershed processes. Landscape and Urban Planning, 96(2), 78–87.
doi:10.1016/j.landurbplan.2010.02.005
Bliss, D., Neufeld, R.,and Ries, J. (2009). “Storm Water Runoff Mitigation Using a Green
Roof.” Environmental Engineering Science 26 (2) (February): 407–418.
doi:10.1089/ees.2007.0186.
Brun, S.E., Band, L.E., 2000. Simulating runoff behavior in an urbanizing watershed.
Comput. Environ. Urban Syst. 24 (1), 5–22.
Butler, D. y Davies, J. (2011) Urban drainage (T. & Francis, ed.), London, England.
Cherkassky, V. and Ma, Y. (2004) Practical selection of SVM parameters and noise
estimation for SVM regression. Neural networks, 17(1), 113–26.
Carter,T. and C. Butler. 2008. Ecological impacts of replacing traditional roofs with green
roofs in two urban areas. Cities and the Environment. 1(2) article 9, pp.17.
Castleton, H. F., V. Stovin, S. B. M. Beck, and J. B. Davison. 2010. Green Roofs; Building
energy savings and the potential for retrofit. Energy and Buildings. 42: 1582-1591
Chow, Ven Te., Maidment, David.,and Ways, Larry.(1997). Hidrología Aplicada. McGraw
Hill
109
Claus, K., and Rousseau ,S. (2012). “Public versus private incentives to invest in green
roofs: A cost benefit analysis for Flanders”. Urban Forestry & Urban Greening (2012).
Consejo, E. L., Uni, D. E. L. A., Europeo, P., and Europeo, P. (1998). Consejo de la
Unión Europea L 330/32.
Coombes, P., Argue, J., and Kuczera, G. (2000). Figtree Place: “a case study in water
sensitive urban development (WSUD)”. Urban Water, 1(4), 335-343.
Crabtree, B., Dempsey, P., Johnson, I., Whitehead, M., 2008. The development of a risk-
based approach to managing the ecological impact of pollutants in highway runoff. Water
Sci. Technol. 57 (10), 1595e1600
Devia ,C., Puentes, A., Oviedo, N., Torres, A., and Angarita ,H.(2012) “Cubiertas verdes y
dinámica hídrica en la ciudad”. XXV congreso latinoamericano de hidráulica. San José,
Costa Rica, 2012.
Dunnett, N., Nagase, A., Booth, R., and Grime, P. (2008). “Influence of Vegetation
Composition on Runoff in Two Simulated Green Roof Experiments.” Urban Ecosystems
11 (4) (May): 385–398. doi:10.1007/s11252-008-0064-9.
Durrans R. (2003). Stormwater conveyance modeling and desing. 1ed, Haestad Methods,
Inc., USA. ISBN 0-965-75808-7
Fletcher, T. D., Shuster, W., Hunt, W. F., Ashley, R., Butler, D., Arthur, S., Trowsdale, S.,
et al. (2014). SUDS, LID, BMPs, WSUD and more – The evolution and application of
terminology surrounding urban drainage. Urban Water Journal, (July), 1–18.
doi:10.1080/1573062X.2014.916314
Fewtrell, L., Kay, D., 2007. Microbial quality of rainwater supplies in developed countries:
a review. Urban Water J. 4 (4), 253e260.
110 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Forero C., Devia C., Torres A., Mendez-Fajardo S. (2011). Diseño de ecotechos
productivos para poblaciones vulnerables. Revista Acodal, 229, 28-36
Forero, C., Devia, C., Torres, A., and Méndez, S. (2012) "Diseño de ecotechos
productivos para poblaciones vulnerables en:Colombia “.Revista Acodal ISSN: 0120-
0798 ed: v.229 fasc.1 p.28 - 36 ,2012 .
Francis, R. A. and J. Lorimer. 2011. Urban reconciliation ecology: the potential of living
roofs and walls. J. Environ. Mgt. 92: 1429-1437.
Fuller, R.A., K.N. Irvine, P. Devine-Wright, P.H. Warren, K.J. Gaston. 2007. Psychological
benefits of greenspace increase with biodiversity. Biol Lett 3:390– 394.
Fuller, R.A. & Irvine, K.N. 2010. Interactions between people and nature in urban
environments, In Gaston, K.J. (ed.) Urban Ecology. Cambridge: Cambridge University
Press, pp. 134-171.
Galarza, S., Torrés, A., Rengifo, P., Puentes, A., Cárcamo.(2014) The hydrological
behaviour of an Eco-Productive Green roof in Bogotá, Colombia. 13 13 International
Conference on Urban Drainage, Sarawak, Malaysia, 7-12 September 2014.
Ghanty, P., Paul, S., y Pal, N. (2009) NEUROSVM: An Architecture to Reduce the Effect
of the Choice of Kernel on the Performance of SVM. The Journal of Machine Learning
Research, 10, 591–622.
Getter, K., Rowe, B., and Andresen, J. (2006) “Quantyfing the effect of slope on extensive
green roof stormwater retention” Science Direct: Ecological Engineering, 31(4), 225-
231.doi:10.1016/j.ecoleng.2006.06.04.
Gong, K., Wu, Q., Peng, S., Zhao, X., & Wang, X. (2014). Research on the characteristics
of the water quality of rainwater runoff from green roofs. Water Science and Technology :
A Journal of the International Association on Water Pollution Research, 70(7), 1205–10.
doi:10.2166/wst.2014.358
Greenland, S., (2001); Sensitivity analysis, Monte Carlo risk analysis, and Bayesian
uncertainty assessment, Risk Anal, 21(4), 579-583.
Gujer, W. (2008) Systems analysis for water technology, Zurich, Switzerland, Springer.
Handia, L., Tembo, J., and Mwiindwa, C. (2003). Potential of rainwater harvesting in
urban Zambia. Physics and Chemistry of the Earth, Parts A/B/C, 28(20-27), 893-896.
Hakimdavar, R., Culligan, P. J., Finazzi, M., Barontini, S., & Ranzi, R. (2014). Scale
dynamics of extensive green roofs: Quantifying the effect of drainage area and rainfall
characteristics on observed and modeled green roof hydrologic performance. Ecological
Engineering, 73, 494–508. doi:10.1016/j.ecoleng.2014.09.080.
Holter, NS., Miltra, M., MAritan, A., Cieplak,M., Banavar,J.R and Fedoroff,N.V.(2000)
Fundamental patterns underlying gene expression profiles: cimplicity from complexity.
Proc. Natl Acad. Sci.USA, 97,8409-8414
Ichihara ,K ., and Cohen J .(2010). New York City property values: what is the impact of
green roofs on rental pricing?. Lett Spat Resour Sci (2011) 4: 21–30 DOI
10.1007/s12076-010-0046-4.
Kabir, M. I., Daly, E., and Maggi, F. (2014). A review of ion and metal pollutants in urban
green water infrastructures. The Science of the total environment, 470-471, 695–706.
doi:10.1016/j.scitotenv.2013.10.010
Kadas, G.(2006) Rare Invertebrates Colonizing Green Roofs in London. Urban Habitats,
4(1).
Kasmin, H., Stovin, V., and Hathway, E. (2010). “Towards a Generic Rainfall-runoff
Model for Green Roofs.” Water Science and Technology: A Journal of the International
Association on Water Pollution Research 62 (4): 898–905. doi:10.2166/wst.2010.352.
Lazarova, V., Hills, S., and Birks, R. (2003). Using recycled water for non-potable, urban
uses: a review with particular reference to toilet flushing. Water Science & Technology:
Water Supply, 3(4), 69-77.
Lepot, M. (2012) Mesurage en continu des flux polluants en MES et DCO en réseau
d’assainissement. , 1–253.
Li, Z., Boyle, F., and Reynolds, A. (2010). Rainwater harvesting and greywater treatment
systems for domestic application in Ireland. Desalination 2010, 260, 1-8.
112 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Locatelli, L., Mark, O., Mikkelsen, P. S., Arnbjerg-Nielsen, K., Jensen, M. B., & Binning, P.
J. (2014). Modelling of green roof hydrological performance for urban drainage
applications. Journal of Hydrology. doi:10.1016/j.jhydrol.2014.10.030
Mate Jiménez, Carlos (1998). Curos general sobre statgraphics II. Universidad Pontificia
Comillas (ICAI-ICADE).
Mentents J., Raes, D and Hermy, M (2006) “Green roofs as a tool for solving the
rainwater runoff problem in the urbanizaed 21 st century?” Landscape and Urban Plannig,
77(3),217-226.doi:10.1016/j.landurbplan.2005.02.010ofs as a tool for solving t
Ministerio de Salud República de Colombia. (1984). Decreto 1594. Usos del agua y
residuos líquidos. pp. 152
Ministry of Land, Infrastructure, Transport and Tourism (MLIT) (2005).The flood control
economy investigation manual (proposed), River Bureau (in Japanese).
Mwenge, K J., Taigbenu, A., and Boroto, J. (2007). Domestic rainwater harvesting to
improve water supply in rural South Africa. Physics and Chemistry of the Earth, Parts
A/B/C, 32(15-18), 1050-1057.
Oberndorfer, E., Lundholm, J., Bass, B., Coffman, R., Doshi, H., Dunnett, N., Gaffin, S.,
KöHler, M.,Liu K, and Rowe, B. (2007). “Green Roofs as Urban Ecosystems: Ecological
Structures, Functions, and Services.” BioScience 57: 823. doi:10.1641/B571005.
Ogden, F., Sharif, H., Senarath, S., Smith, J., Baeck, M., Richardson, J., 2000. Hydrologic
analysis of the Fort Collins, Colorado, flash floods of 1997. J. Hydrol. 228 (1–2), 82–100.
Peck, S., and Callaghan,C. (1999). Greenbacks from Green Roofs: Forging a New
Industry in Canada.
Pescod, M.B. (1992). Wastewater Treatment and Use in Agriculture. FAO Irrigation and
Drainage Paper 47, FAO, Rome, 125 pp
Poulter, S.R (1998). Monte Carlo simulation in environmental risk assessment –science
policy and legal issues, Risk: Health ,Safety and Environment, 9 ,7-26
Rasch ,D., Jürgen, P., Rob, V and Albrecth, G (2011). Optimal Experimental Design
with R .CRC press.
Rice, E. W., Bridgewater, L., American Public Health Association, American Water Works
Association, and Water Environment Federation (2012) Standard methods for the
examination of water and wastewater., Washington, D.C., American Public Health
Association.
Schölkopf, B., Smola A. J. Learning with kernels. The MIT Press, Cambridge,
Massachusetts, 2002.
114 Techos verdes utilizados como elementos de regulación de la escorrentía en Bogotá
Stone Jr., B., 2004. Paving over paradise: how land use regulations promote residential
imperviousness. Landsc. Urban Plann. 69, 101–113
Teemusk, A., and Mander, U. (2011). ” The Influence of Green Roofs on Runoff Water
Quality: A Case Study from Estonia”. Water Resour Manage DOI 10.1007/s11269-011-
9877-z
Torres, A. (2004) "Apuntes de clase sobre Hidrologia Urbana" En: Colombia ed:Editorial
Pontificia Universidad Javeriana ISBN: 9586837130 v. 1 pags. 377.
Torres, A., Lara, J., Torres, O., Estupiñán , J., and Méndez , S. (2011). "Aprovechamiento
de aguas lluvias en el campus de la Pontificia Universidad Javeriana, Sede Bogotá
(PUJB)" Gestion Integrada Del Recurso Hidrico Frente Al Cambio Climatico . En:
Colombia ISBN: 978-958-670-914-9 ed: Programa Editorial Universidad Del Valle , v. ,
p.325 – 336.
Torres A., Méndez S., Lara J., Estupiñan J., Zapata H., Torres O. (2012)” Hacia
equipamientos urbanos sostenibles: Aprovechamiento de aguas lluvias en el campus de
la Pontificia Universidad Javeriana en Bogotá”. Cuadernos de vivienda y urbanismo.
ISSN 2027–2103. Vol. 5, No. 9, enero-junio 2012: 124-141
Torres A., Méndez-Fajardo S., Gutiérrez A. and Sandoval S. (2013). Quality of Rainwater
Runoff on Roofs and Its Relation to Uses and Rain Characteristics in the Villa Alexandra
and Acacias Neighborhoods of Kennedy, Bogota, Colombia. J. Environ. Eng., 139, 1273-
1278.
United Nations, 2002.World Urbanization Prospects: The 2001 Revision. United Nations,
New York.
Urbonas, B. 1999. Design of a Sand Filter for Water Quality Enhancement. Water
Environment Research. Vol. 71, No. 1, pp. 102-113.
US EPA. (2004). Better Assessment Science Integrating point and Nonpoint Sources
BASINS Version 3.0 User’s Manual, EPA-823-B-01-001, US Environmental Protection
Agency, Office of Water, Washington, DC
115
VanWoert, N., Rowe, D ., Andresen, J., Rugh, R., Fernandez ,T., and. Xiao, L (2005).
Green Roof Storm water Retention: Effects of Roof Surface, Slope, and Media Depth.
J.Environ. Qual. 34:1036-1044.
Yang, X.L., Ren, L.L., Singh, V.P., Liu, X.F., Yuan, F., Jiang, S.H., Yong, B., 2012.
Impacts of land use and land cover changes on evapotranspiration and runoff at
Shalamulun River watershed, China. Hydrol. Res. 43 (1–2), 23–37.
White, R., 2002. Building the Ecological City. Woodhead Publication, Cambridge.
Villarreal, E.L., Semadeni-Davies, A., Bengtsson, L., 2004. Inner city stormwater control
using a combination of best management practices. Ecol. Eng. 22, 279–298.
Ye, J., Liu, C., Zhao, Z., Li, Y., & Yu, S. (2013). Heavy metals in plants and substrate from
simulated extensive green roofs. Ecological Engineering, 55(2), 29–34.
doi:10.1016/j.ecoleng.2013.02.012
Zafra, C., Temprano, J., and Tejero, J. (2007). Contaminación por escorrentía superficial
urbana: metales pesados acumulados sobre la superficie de una vía. Revista Ingeniería e
Investigación. Universidad Nacional de Colombia. ISSN (Versión impresa): 0120-5609
COLOMBIA