Asignatura

Modelación del Agua

Título del trabajo

Taller IV – Modelación de Calidad del Agua

Presenta
Luisa Fernanda Barragán Moya
Yiseth Jhoana Cruz Martínez
Joan Sebastián Gentil Calderón

Programa
Especialización en Aguas y Saneamiento Ambiental
Grupo A2

Bogotá D.C., Colombia Septiembre, 2022

 TALLER IV – MODELACIÓN DEL AGUA

1. Instale los datos del río Subachoque de los Sitios 1 (S1), 2 (S2) y 3 (S3) del
experimento de trazadores, interpolados a delta de tiempo de 20 segundos y
corregido por estado de ganancia estable. Realizar la calibración objetiva del modelo
ADZ utilizando los datos del Río Subachoque del Sitio 1 al Sitio 2 y del Sitio 2 al Sitio
3. Especifique para el método 2000 simulaciones de Monte Carlo y valores mínimos y
máximos del tiempo de primer arribo y del tiempo de viaje. Explique cada una de las
gráficas que genera el programa de acuerdo a la teoría vista en clase.

1.1. CALIBRACIÓN DEL MODELO ADZ

La herramienta SOLUTE TRANSPORT TOOL presenta un módulo de calibración del modelo ADZ.
Con el fin de realizar un proceso sistemático que permitiera estimar los rangos de las variables
requeridas para el modelo, en esta, el programa proporciona un estimado de la fracción
dispersiva, el estado de ganancia, los retrasos y tiempos medios de viaje, los cuales serán los
datos de partida para definir en la calibración objetiva. Una vez obtenidos estos resultados, se
definieron los rangos en la calibración objetiva, con la que se estiman los parámetros que
presenten un mejor ajuste a los datos ingresados. Además de esto, se presenta la sensibilidad,
las gráficas de dispersión de cada parámetro. Se definen los rangos de las variables del modelo
ADZ y ser realiza un numero especifico de simulaciones dentro del rango de cada variable,
procurando que los datos obtenidos en la interpolación, mantengan las mismas características
de los datos registrados (concentración pico, tiempo de pasaje y llegada, etc.). Este
requerimiento es solicitado para el uso de programa.
 1.1.1. Primera Salida - Datos del río Subachoque de los sitios 1 (S1) y 2 (S2).

Una vez obtenida la interpolación de los datos, estos se definieron en una hoja de Excel, la cual,
en la primera columna tenía consignados los tiempos a trabajar, y en las columnas dos y tres, se
definieron las concentraciones obtenidas en dos sitios de interés. Estos archivos se cargaron en
el programa SOLUTE TRANSPORT TOOL, en el módulo de modelo ADZ, la cual grafica los datos
obtenidos y los muestra en pantalla. A continuación, se seleccionó la opción de confiabilidad y
parámetros.
Dentro del modelo se cargan todos los datos medidos del ejercicio de trazadores en el rio
Subachoque en el primer y segundo arribo, con esto el programa los grafica como se observa en
la ilustración 1, con esta grafica se pueden determinar el rango de trabajo para las variables del
modelo ADZ, que son: el retraso advertido y el tiempo de viaje del segundo arribo con respecto
al primer arribo.

Ilustración 1. Gráfica de Incertidumbre paramétrica de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022
La calibración objetiva se realiza a partir de la herramienta MCAT Toolbox que consiste en una
seri de simulaciones de MonteCarlo (Pinzón, et al., 2008). En esta, se define el rango para el
retraso advectivo, el tiempo de viaje, la cantidad de elementos ADZ en serie a modelar y el
número total de simulaciones que se desea realizar, entre mayor sea el número de
simulaciones mayor la definición de Identificabilidad y sensibilidad de las variables. la
calibración dentro de este modelo se realizó con un total de 2000 simulaciones, y los rangos
para el retraso advectivo y el tiempo medio de viaje, se definieron partiendo de los resultados
obtenidos en la calibración.

Ilustración 2. Parámetros de Modelación de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022

Para comprobar la naturaleza de los parámetros modelados en el estudio y caso actual, se

obtuvieron las gráficas de dispersión, de sensibilidad, la superficie de respuesta de los
parámetros estimados, y los intervalos de confianza de la calibración actual. En la ilustración 3,
se pueden observar las gráficas de dispersión. En estas, se observan las 2000 estimaciones
realizadas por el programa, cada una representada por un punto azul. Si los parámetros son
identificables, estas graficas deben tener un punto mínimo que sea claramente reconocible.

Ilustración 3. Gráficas de Dispersión de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022

Se puede afirmar que, el tiempo de retraso advectivo es identificable, y presenta una alta
sensibilidad, al igual que el número de elementos. Por otra parte, el tiempo medio de viaje, es
identificable, dado que presenta un mínimo claramente reconocible.
Se observa a continuación las gráficas de sensibilidad, de las cuales se puede afirmar que el
tiempo de retraso es más sensible que el tiempo medio de viaje, la cual presenta un menor
cambio en su comportamiento. Por otra parte, el número de elementos es sensible, lo que
permite una estimación adecuada de estos en el modelo.

Ilustración 4. Gráficas de Sensibilidad Regional de los sitios 1 (S1) y 2 (S2).

 Fuente: Autores, 2022
El retraso advectivo óptimo obtenido es de 682.11768 segundos, mientras que el tiempo de
viaje fue de 885.86057 segundos, todo modelado con un 𝑅2 de 0,9761492. El ajuste de los
parámetros se realizó de manera satisfactoria, el coeficiente de correlación (𝑅2) es superior al
95% lo cual permite establecer validez a la calibración y valides a los datos obtenidos de las
variables únicamente para este tramo de estudio,

Ilustración 5. Calibración Optima del Modelo ADZ de los sitios 1 (S1) y 2 (S2).
Fuente: Autores, 2022
 1.1.2. Segunda Salida - Datos del río Subachoque de los sitios 2 (S2) y 3 (S3).

Se realizó la calibración de los resultados obtenidos entre el segundo arribo al tercer arribo
siguiendo la metodología explicada anteriormente.

Ilustración 6. Gráfica de Incertidumbre paramétrica de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022

Ilustración 7. Parámetros de Modelación de los sitios 2 (S2) y 3 (S3).

 Fuente: Autores, 2022

Se puede afirmar que el ajuste es adecuado, evidenciando, que las principales características
que poseen los datos tomados son modelados de manera adecuada.

Ilustración 8. Gráficas de Dispersión de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022

El tiempo de retraso y el tiempo medio de viaje presentan un mínimo, es identificable y

sobresaliente, el número de elementos es determinable y claro, dado que todas las
estimaciones realizadas en este ítem, tienen unos valores de 1-𝑅2 cercanos a 0, presentando un
óptimo en esta posición.

Ilustración 9. Gráficas de Sensibilidad Regional de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022
El retraso advectivo óptimo encontrado es de 413.87226 segundos, con un tiempo de viaje de
560.38477 segundos, todo con dos elementos en serie, presentando un ajuste del 0,9945887.
Para esta calibración, el modelo presenta un ajuste adecuado, con un alto 𝑅2.

Ilustración 10. Calibración Optima del Modelo ADZ de los sitios 2 (S2) y 3 (S3).
Fuente: Autores, 2022

Analizando estas gráficas, se puede afirmar que el retraso advectivo presenta una mayor
sensibilidad que el tiempo medio de viaje, como se mencionó anteriormente. Además, el
número de elementos es sensible como era de esperarse.
 2. Realice la calibración objetiva del modelo ADE utilizando los datos del río
Subachoque del Sitio 1 al Sitio 2 y del Sitio 2 al Sitio 3. Emplee los valores de caudal y
longitud de tramos dados en el archivo TRAZTOOL. Especifique 2.000 simulaciones
con valores mínimos y máximos del coeficiente de dispersión y el área del canal
valores consistentes con la calibración objetiva del modelo ADZ. Analice y comente
las gráficas de dispersión, sensibilidad regional e incertidumbre paramétrica.

2.1. CALIBRACIÓN DEL MODELO ADE

El modelo ADE es el modelo general básico del proceso de dispersión de solutos dentro de un
medio en movimiento, dentro de este modelo establece como el contamínate se comporta y se
extiende dentro del mismo medio teniendo en cuenta los procesos de advección y difusión que
se presenta durante el trayecto del contaminante, el modelo general establece la dispersión
dentro de las tres dimensiones como se observa en la siguiente ecuación:

Este modelo contiene varias dificultades en poder evaluar y definir de manera exacta la
dispersión a través de la ecuación general, por lo que se establece la simplificación que a través
de los ejes Y y Z el contaminante se encuentra bien mezclado y solo se puede dispersar de
manera longitudinal dentro del medio y su ecuación queda de la siguiente manera.

Por lo que la ecuación solo depende del tiempo y la longitud del tramo de la sección del rio a
estudiar, pero dentro de estas simplificaciones no se define el valor del área del canal y el
coeficiente de dispersión (D) por lo que al generar los trazadores se debe de generar la
calibración de estos datos para su correlación con la realidad.
 2.1.1. Primera Salida - Datos del río Subachoque de los sitios 1 (S1) y 2 (S2).

Utilizando los datos de referencia del modelo ADZ y el área de definida por medio de la
batimetría Se establecen el rango de valores para generar las simulaciones y determinar el valor
de las variables que mejor se ajusten con la realidad, con base en los datos recogidos a través
de los trazadores, en la ilustración 11 se aprecia el rango establecido dentro del programa.

Ilustración 11.Parámetros de Modelación de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022

Es importante resaltar que el modelo, a diferencia del modelo ADZ, no logra describir con
buena precisión las zonas de la curva de concentración. Sin embargo, en este caso varían un
poco con respeto a la precisión en las zonas de la curva de concentraciones. Lo anterior se
puede deber a que este modelo no tiene en cuenta la existencia de zonas muertas y el proceso
de intercambio de masa que se genera entre la zona de almacenamiento y el canal principal, lo
cual definitivamente se presenta en los ríos de montaña, en este caso el río Subachoque.

En la figura 12 se observa que la gráfica de incertidumbre paramétrica que establece que la

modelación resultante esta dentro de los rangos aceptables de incertidumbre, ya que la gráfica
de la modelación se encuentra por dentro de los dos rangos. La incertidumbre es intrínseca a
los datos tomados.
 Ilustración 12. Gráfica de Incertidumbre paramétrica de los sitios 1 (S1) y 2 (S2).
Fuente: Autores, 2022

Dentro de este modelo se generaron un total de 2000 simulaciones variando dentro del rango
definido el área y el coeficiente de dispersión para el primer y segundo arribo, en la ilustración
13 se muestra las gráficas de dispersión de cada variable.

Ilustración 13. Gráficas de Dispersión de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022

Estas graficas establecen que ambos parámetros son identificables y poseen una correlación
máxima, en la sensibilidad ambos parámetros poseen sensibilidad ya que en la ilustración 14 se
muestran las gráficas de sensibilidad de cada parámetro y en ellas se identifican la graficas de
12,1 a 12,6 y de 0,21 a 0,32 del área del canal y el coeficiente de dispersión respectivamente.
Los valores dentro de este rango poseen gran correlación entorno al valor optimo definido
anteriormente

Ilustración 14. Gráficas de Sensibilidad Regional de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022

Se observa que los parámetros óptimos de la calibración del modelo ADE son significativos
debido a que se encuentra un coeficiente de determinación de 0.9945618. A partir de este se
puede afirmar que la calidad del modelo para replicar los resultados es buena como la
replicación de los resultados en el modelo ADZ, indicando una mejor aproximación de la
modelación.

Ilustración 15. Calibración Optima del Modelo ADE de los sitios 1 (S1) y 2 (S2).
 Fuente: Autores, 2022

2.1.2. Segunda Salida - Datos del río Subachoque de los sitios 2 (S2) y 3 (S3).

Al igual que el proceso anterior se ingresan los datos recogidos del método de trazadores para
el segundo y tercer arribo y por medio de los datos de referencia del modelo ADZ y de la hoja
de calculo se definen los rangos de modelación para cada parámetro. Como se observa en la
ilustración 16.

Ilustración 16. Parámetros de Modelación de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022
 Ilustración 17. Gráfica de Incertidumbre paramétrica de los sitios 2 (S2) y 3 (S3).
Fuente: Autores, 2022

Al igual que el proceso pasado se observa en la figura 17 la grafica modelada junto con los
rangos de incertidumbre, mostrando que se encuentran por dentro con un distanciamiento
pequeño, demostrando la calidad de los datos recogidos durante el proceso de trazadores.

En la ilustración 18, se puede apreciar que para el área del canal principal los parámetros son
identificables, sin embargo, para el coeficiente de dispersión longitudinal los parámetros no son
identificables como los del área. Teniendo en cuenta lo anterior, y observando las gráficas de
sensibilidad regional, se observa una relación, ya que como se mencionó con anterioridad,
cuando un parámetro es identificable debe de ser sensible. En este orden de ideas, se puede
identificar que, para el área del canal principal, los parámetros son sensibles y presentan altas
pendientes. Por otro lado, y teniendo coherencia con el resultado del área, la sensibilidad
regional para el coeficiente de dispersión es muy baja, así como los parámetros no fueron
identificables en la gráfica de dispersión longitudinal. Lo anterior tiene sentido, debido a que las
áreas calculadas se determinan por medio del caudal observado y las velocidades medias
halladas con los tiempos de viaje, lo que permite al modelo identificar de manera más fácil
estos parámetros. Mientras que el coeficiente de dispersión longitudinal tiene la desventaja de
ser difícil de estimar, debido a su falta de sentido físico y por ende este no es sensible ni
identificable.
 Ilustración 18. Gráficas de Dispersión de los sitios 2 (S2) y 3 (S3).
Fuente: Autores, 2022

Ilustración 19. Gráficas de Sensibilidad Regional de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022

Definiendo los rangos de las variables e identificado los valores óptimos de acuerdo con la
gráfica de dispersión en el cual relaciona los valores de las variables con el coeficiente de
correlación, establece que los valores óptimos para el canal principal y el coeficiente de
dispersión son de 6,55 y 1,18 respectivamente, en la Ilustración 20 se logra observar el ajuste
del modelo con los datos del tercer arribo.
 Ilustración 20. Calibración Optima del Modelo ADE de los sitios 2 (S2) y 3 (S3).
Fuente: Autores, 2022

3. Calibración objetiva del modelo TS utilizando los datos del río Subachoque del Sitio 1
al Sitio 2 y del Sitio 2 al Sitio 3. Emplee los valores de caudal y longitud de tramos
dados en el archivo TRAZTOOL. Especifique 4.000 simulaciones con valores mínimos y
máximos del coeficiente de dispersión y el área del canal, donde dichos valores sean
consistentes con la calibración objetiva del modelo ADE. Analice y comente las
gráficas de dispersión, sensibilidad regional e incertidumbre paramétrica.

3.1. CALIBRACIÓN DEL MODELO TS

El procedimiento para la calibración del modelo TS, se realizó a partir de los parámetros
óptimos, obtenidos en la calibración del modelo ADE. Para llevar a cabo la calibración del
modelo TS, se tomaron los valores encontrados de área (A), coeficiente de dispersión
longitudinal (D), y se ajustaron los otros dos parámetros que requiere el modelo, los cuales
corresponde a la zona de almacenamiento temporal (As) y el coeficiente de intercambio de la
zona de almacenamiento (α).
 3.1.1. Primera Salida - Datos del río Subachoque de los sitios 1 (S1) y 2 (S2).

Se puede apreciar la mejor calibración del modelo TS, es importante resaltar que el modelo, a
diferencia del modelo ADE, logra describir con mejor precisión las zonas de la curva de
concentración. Esto nos indica que los resultados obtenidos a partir de la calibración, teniendo
en cuenta los parámetros de coeficiente de intercambio α y área de almacenamiento As, se
obtiene mejores resultados en la simulación, ya que se tiene en cuenta una de las
características fundamentales en la modelación de transporte de solutos en ríos de montaña, y
es la existencia de zonas muertas y como estas interactúan con el área del canal principal,
afectando el transporte de solutos.

Ilustración 21. Gráfica de Incertidumbre paramétrica de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022
 Ilustración 22. Parámetros de Modelación de los sitios 1 (S1) y 2 (S2).
Fuente: Autores, 2022

Se observar que en el área del canal principal los parámetros son identificables, y que para el
área de la zona de almacenamiento los parámetros también son identificables, pero no de la
manera tan clara como lo son para el área del canal principal. Adicionalmente, se comprueba
que lo anterior tiene congruencia con lo que se observa, se puede apreciar que para el área los
parámetros son sensibles, ya que presentan altas pendiente. Por otro lado, para el área de zona
muerta se puede apreciar que, aunque las pendientes no sean tan pronunciadas como las del
área del canal principal.
 Ilustración 23. Gráficas de Dispersión de los sitios 1 (S1) y 2 (S2).
Fuente: Autores, 2022

Ilustración 24. Gráficas de Sensibilidad Regional de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022

Lo que se observa en las siguientes ilustraciones tiene mucho sentido, ya que la identificabilidad
de los parámetros de ambas áreas se ve reflejada en la sensibilidad regional de los mismos. Por
otro lado, se observar que para el coeficiente de dispersión longitudinal los parámetros no son
identificables, y que para el coeficiente de intercambio los parámetros tampoco son
identificables. Adicionalmente, se comprueba que lo anterior tiene congruencia con lo que se
visualiza en las gráficas, ya que aquí se puede apreciar que para el coeficiente de dispersión
longitudinal los parámetros no son sensibles, ya que presentan bajas pendientes. Por otro lado,
para el coeficiente de intercambio se puede apreciar que las pendientes no son pronunciadas, y
por ende los parámetros no son sensibles.

Ilustración 25. Gráficas de Dispersión de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022

Ilustración 26. Gráficas de Sensibilidad Regional de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022
El valor de R2 0.9969395 obtenido en la calibración de modelo TS, indica un ajuste muy bueno
de la simulación, y una descripción adecuada de las curvas de recesión características de las
corrientes de montaña. Vale la pena resaltar que la calibración de modelo TS resultó ser
significativamente mejor que la calibración realizada con el modelo ADE, debido a que en este
caso el modelo involucra 4 parámetros de entrada para realizar las simulaciones. Es decir, dos
parámetros más que el modelo ADE, en donde se involucra el coeficiente de intercambio entre
el área de almacenamiento y el canal principal y el área de almacenamiento o zona muerta de
los ríos de montaña. De igual manera se pude apreciar que los valores de los parámetros D y A
encontrados con el modelo TS no varían mucho con respecto a los óptimos encontrados con el
modelo ADE. Lo anterior se debe a que los parámetros correspondientes a D y A en calibración
objetiva del modelo TS, se basaron en los que se obtuvieron en la calibración del modelo ADE.

Ilustración 27. Calibración Optima modelo TS de los sitios 1 (S1) y 2 (S2).

Fuente: Autores, 2022
 3.1.2. Segunda Salida - Datos del río Subachoque de los sitios 2 (S2) y 3 (S3).

Se puede apreciar la mejor calibración del modelo TS, es importante resaltar que el modelo, a
diferencia del modelo ADE, logra describir con mejor precisión las zonas de la curva de
concentración. Esto nos indica que los resultados obtenidos a partir de la calibración, teniendo
en cuenta los parámetros de coeficiente de intercambio α y área de almacenamiento As, se
obtiene mejores resultados en la simulación, ya que se tiene en cuenta una de las
características fundamentales en la modelación de transporte de solutos en ríos de montaña, y
es la existencia de zonas muertas y como estas interactúan con el área del canal principal,
afectando el transporte de solutos. Se definen 4000 simulaciones ya que se posee 4 parámetros
para calibrar en vez de 2 parámetros donde los datos de generados por lo trazadores e
ingresados en el modelo están dentro de los rangos de incertidumbre aceptados.

Ilustración 28. Gráfica de Incertidumbre paramétrica de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022
 Ilustración 29. Parámetros de Modelación de los sitios 2 (S2) y 3 (S3).
Fuente: Autores, 2022

El área del canal principal es el único parámetro que es identificable y sensible ya que es un
parámetro real y posee mucha relación con la velocidad y mezcla del rio, entre mayor el área
menor la velocidad. Los otros parámetros no poseen una definición exacta en la realidad
carecen de sentido físico, por lo cual estos valores no poseen una correlación exacta por lo que
el programa establece el valor que mejor ajusta con los datos ingresados en el tercer arribo.
 Ilustración 30. Gráficas de Dispersión de los sitios 2 (S2) y 3 (S3).
Fuente: Autores, 2022

Ilustración 31. Gráficas de Sensibilidad Regional de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022
 Ilustración 32, Gráficas de Dispersión de los sitios 2 (S2) y 3 (S3).
Fuente: Autores, 2022

Ilustración 33. Gráficas de Sensibilidad Regional de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022

Al igual que lo anterior el modelo cuadra con la realidad con un coeficiente de dispersión de
0,99 esto debido a que toma el valor óptimo del canal principal que es el único valor
identificable y sensible; es decir si cambiamos uno de los otros tres parámetros el modelo
puede seguir cuadrando bien, pero si cambiamos un poco el área del canal principal, el modelo
ya no cuadra, esa es la importancia de establecer un valor identificable y sensible.

Ilustración 34,Calibración Optima modelo TS de los sitios 2 (S2) y 3 (S3).

Fuente: Autores, 2022

4. Analice y compare los resultados de los puntos anteriores, y concluya acerca de las
bondades o problemas encontrados de los tres modelos de transporte estudiados
(ADE, ADZ, TS). Utilice bibliografía para complementar sus respuestas y análisis.

El modelo ADZ por las zonas muertas se expresa en función de los datos una dispersión
observada extendiendo más la concentración, soluto, alargando más la curva en función del
tiempo. El modelo ADE es más básico y se deja calibrar de forma más rápida sin cambios
bruscos en el momento de introducir datos, se observa más evidente la dispersión longitudinal
donde la advección es el transporte de las sustancias disueltas o las partículas en movimiento.
Al emplear este modelo se muestra claro el uso de 1, 2 o 3 dimensiones para el uso en ríos o
lagos. Los parámetros que corresponde a este modelo se observan la sensibilidad en el área
principal con respecto al coeficiente de dispersión. El modelo TS al implementar parámetros o
unidades del modelo ADE, es de mayor precisión tomando más datos y expresando en función
de variables por tener mayores unidades de cambio. Es una versión mejorada del modelo ADE
incluyendo áreas de almacenamiento y zonas muertas. Aumentando el tiempo de residencia y
la dispersión longitudinal. El área del canal es el parámetro más identificable por lo tanto al
cambiar datos es el más sensible.

En general los tres modelos realizaron bien las simulaciones, además en los tres modelos hubo
coherencia de los parámetros estimados por cada uno. Sin embargo, vale la pena resaltar que
los modelos ADZ y TS, son los que mejor realizan las simulaciones de transporte de solutos en
ríos de montaña. Lo anterior se debe a que estos, a diferencia del modelo ADE, tiene en cuenta
las zonas de almacenamiento que evidentemente existen en las corrientes de montaña.

REFERENCIAS

MEDINA, J. D. (2015). Análisis de trazadores y calibración y comparación de modelos de

transporte de solutos en tramos largos de los Ríos Arzobispo y Fucha. Tesis de Grado,
Bogotá. Obtenido de
https://repositorio.uniandes.edu.co/bitstream/handle/1992/17639/u713967.pdf?
sequence=1