Carrera de Biología

Laboratorio de Proyectos Ambientales

“Dinámica de autodepuración del río Cacalotenango en el trayecto El Fraile-

Taxco El Viejo”

Informe del proyecto docencia-investigación de los Laboratorios de Investigación Formativa

VII y VIII,

Autores: Avilés Serrano Juan Ángel, Gómez Díaz Braulio Manuel, León Córdova José
Manuel y Rodríguez Pérez Dulce Yolanda.

Comité Tutoral:

Biól. Arteaga Mejía Maricela (asesora) Dr. Blancas Arroyo Guillermo

M en C. Cantellano de Rosas Eliseo Biól. Castillo Chaires Irene

Dra. Rivera García Patricia Dr. Valdivia Anistro Jorge Antonio

Junio de 2020

73
Contenido

Preguntas de investigación 5

1. Introducción 6

2. Marco teórico 7

2.1 Antecedentes 7

2.2 Contaminación del agua 8

2.3 Calidad de agua 10

2.4 Resiliencia 11

2.5 Procesos de autodepuración 12

2.5.1 Modelos de depuración 14

3. Problema y Justificación 15

4. Zona de estudio 16

5. Objetivos 20

5.1. Objetivo general 20

5.2. Objetivos particulares 20

6. Metodología 21

6.1 Trabajo de gabinete

6.2 Trabajo de campo 17

6.3 Trabajo de laboratorio XX

6.3.1 Tiempo de integridad de las muestras 18

7. Resultados 19

8. Conclusiones 19

9. Referencias 20

Contenido de mapas

Mapa1. Localización del acuífero Iguala. 17

Mapa 2. Localización del acuífero Buenavista de Cuellar. 17

2
Mapa 3. Zona de estudio en distintos niveles geográficos 17

Mapa 4. Río Cacalotenango sitios de referencia e hidrografía de la zona de estudio 18

Mapa 5. Extensión del río Cacalotenango y sitios de referencia 18

Mapa 6. Composición edáfica en el río Cacalotenango. 19

Contenido de tablas

Tabla 1. Velocidades promedio de sitios de referencia en salidas a campo X

Tabla 2. Longitudes de los sitios de referencia, calculados con la herramienta

de distancias de QGIS X

Tabla 3. Fecha de campañas de muestreo y sitios de referencia x

Tabla 4. Conservadores y tipos de recipientes de las pruebas analíticas x

Tabla 5. Pruebas, métodos y tiempos de análisis x

Tabla 6. Cálculo de tasas de nitrificación con método de Courchaine X

Tabla 7. Datos de NTK experimentales y con base en Stella. Agosto 2019 X

Tabla 8. Datos de NTK experimentales y con base en Stella. Octubre 2019 X

Tabla 9. Datos de NTK experimentales y con base en Stella. Noviembre 2019 X

Tabla 10. Datos de NTK experimentales y con base en Stella. Febrero 2020 X

Contenido de figuras

Figura 1. Caudal x

Figura 2. Precipitación mensual y promedio x

Figura 3. Registro de Caudal x

Figura 4. Hidrología de localidades de Taxco de Alarcón, Guerrero X

Figura 5. Oxígeno disuelto X

Figura 6. Temperatura X

Figura 7. pH X

Figura 8. Conductividad eléctrica X

Figura 9. Acidez y Alcalinidad X

3
Figura 10. Dureza X

Figura 11. Cloruros x

Figura 12. Sulfatos X

Figura 13. DBO vs DQO X

Figura 14. Coliformes totales y fecales X

Figura 15. Nitrógeno amoniacal y orgánico X

Figura 16. Nitratos y Nitritos X

Figura 17. Grasas y Aceites X

Figura 18. Sólidos suspendidos y disueltos totales x

Figura 19. Color X

Figura 20. Fósforo X

Figura 21. Fósforo X

Figura 22. Modelo NTK con base en datos de Stella. Agosto 2019 X

Figura. 23. NTK resultados experimentales vs resultados Stella. Agosto 2019 X

Figura 24. Modelo NTK con base en datos de Stella. Octubre X

Figura 25. NTK Resultados experimentales vs resultados Stella. Octubre 2019 X

Figura 26. Modelo NTK con base en datos de Stella. Noviembre 2019 x

Figura 27. NTK resultados experimentales vs resultados Stella. Noviembre 2019 X

Figura 28. Modelo NTK con base en datos de Stella. Febrero 2020 X

Figura 29. Modelo para DBO con base en datos de Stella. Agosto 2019. X

Figura 30. Modelo para DBO con base en datos de Stella. Octubre 2019. X

Figura 31. Modelo para DBO con base en datos de Stella. Noviembre 2019. X

Figura 32. Modelo para DBO con base en datos de Stella. Febrero 2020. X

Figura 33. Modelo Fósforo con base en datos de Stella. Agosto 2019 X

Figura 34. Modelo Fósforo con base en datos de Stella. Octubre 2019 X

Figura 35. Modelo Fósforo con base en datos de Stella. Noviembre 2019 X

Figura 36. Modelo Fósforo con base en datos de Stella. Febrero 2020 X

4
Figura 37. Modelo del factor de asimilación de SST. Agosto de 2019 X

Figura 38. Modelo del factor de asimilación de SST. Octubre 2019. x

Figura 39. Modelo del factor de asimilación de SST. Noviembre 2019 X

Figura 40. Modelo de factor de asimilación de SST febrero 2020 X

Figura 41. Esquema de segmentación “Limite de aguas arriba- Limite de aguas

abajo” de QUAL2K. X

Figura 42. Modelo de concentración de SST agosto 2019 x

Figura 43. Modelo de concentración de SST octubre 2019 X

Figura 44. Modelo de concentración de SST noviembre 2019 x

Figura 45. Modelo de concentración de SST febrero 2020 x

Anexos

Anexo 1. Resultados de las cuatro campañas de monitoreo al río Cacalotenango

(El Fraile-La Granja) X

Anexo 2. Modelo conceptual en STELLA X

Anexo 3. Modelo conceptual en STELLA para DBO X

ANEXO 4. Diseño del modelo de comportamiento de PO4 en el Software STELLA X

ANEXO 5. Modelo conceptual (proyección predicción) en STELLA para SST (asimilación) X

ANEXO 6. Modelo conceptual (proyección predicción) en STELLA para SST (concentración)

con relación a su factor de asimilación X

Preguntas de investigación

● ¿Cuál es la calidad del agua del río Cacalotenango en temporada de lluvia y seca, en
el tramo El Fraile-Taxco El Viejo?
● ¿Cuál es la dinámica de autodepuración de los parámetros de calidad del agua del río
e hidrometereológicos, en temporada de lluvia y seca?
● ¿El modelo seleccionado generará la información necesaria para conocer los
procesos de autodepuración del río Cacalotenango en temporadas de lluvia y estiaje?

5
Introducción

Los ecosistemas de agua dulce difieren entre sí por la ubicación, el clima, tipo de corriente y
cauce entre otros aspectos, estos cuentan con características importantes, pues los lagos,
humedales, ríos y el agua subterránea, generalmente comparten una necesidad común de
agua en un determinado rango de cantidad y calidad. Además, debido a que los ecosistemas
de agua dulce son dinámicos, todos requieren de cierta variación natural o de disturbio para
mantener su viabilidad o resiliencia. (Barón, et al., 2003).

El concepto de los sistemas lóticos, específicamente, de los ríos se ha ido transformado hasta
alcanzar un avance considerable al incluir las cuatro dimensiones o gradientes denominados;
longitudinales, transversales, verticales y temporales. Estos son los controles fundamentales
de la estructura del ecosistema y de los procesos en los ríos. (Hernández, 2018)

Estos sistemas cumplen diversas funciones ecosistémicas como provisión de agua para los
seres humanos, autopurificación, control de inundaciones y sequías, mantenimiento de
hábitat para peces, aves y otra vida silvestre, mantenimiento de los flujos de sedimento,
nutrientes y salinidad de estuarios. Almacenan y transportan el agua de lluvia. El caudal, tanto
en riachuelos de montaña como en grandes planicies de inundación, fluctúa de acuerdo con
los ciclos naturales y a la estacionalidad de cada región. (Encalada, 2010)

Para que un río cumpla con estas funciones ecosistémicas de manera adecuada, debe
cumplir con ciertas condiciones de calidad, las cuales se ven afectadas en función de su
capacidad de autodepuración y por ende la resiliencia ecológica que este tenga.

Actualmente los ecosistemas enfrentan las presiones antrópicas, descritas como

urbanización de las cuencas, deforestación, desbalance por mal manejo del recurso hídrico,
sedimentación, contaminación del agua por actividades domésticas y agropecuarias y
fragmentación de los bosques (Winemiller et al., 1996; Allan et al., 2006; Freeman y Macinek,
2006; Utz et al., 2010); las cuales tienen un fuerte impacto negativo a largo plazo, estos
ecosistemas también se enfrentan a los nuevos efectos del cambio climático que es la rápida
sucesión de eventos naturales extremos, estos factores dificultan su recuperación total
(Thompson, I. 2011; Vargas, O. 2011). La capacidad de resiliencia puede desaparecer si se
rebasa cierto umbral, pues el impacto negativo es irreversible después de superarlo.

Un modelo es una herramienta con la cual se representa la realidad, ayuda a clarificar las
descripciones verbales de la naturaleza y de los mecanismos implicados para predecir el
comportamiento de estos y comparar posibles escenarios (Carvajal-Villaplana, 2015). La
autodepuración de ríos y su modelación es importante ya que en la última década la calidad
y cantidad del recurso hídrico ha disminuido considerablemente, y se prevé que esas
condiciones se magnifiquen. Sin embargo, es necesario realizar una tendencia de escenarios
para coadyuvar en la gestión de este valioso recurso ya que de seguir recibiendo residuos y
efluentes domésticos se compromete su calidad ecosistémica, la modelación permitirá
conocer la condición ambiental del río Cacalotenango en un corto y mediano plazos.

El presente trabajo tiene como objetivo modelar la capacidad de autodepuración del río
Cacalotenango en el tramo El Fraile-Taxco El Viejo del estado de Guerrero, a partir de los
resultados de calidad del agua y parámetros hidrometeorológicos.

6
Marco teórico

Antecedentes

Las situaciones de escasez de agua ocurren en regiones con baja disponibilidad de recursos
hídricos o con rápido crecimiento de la población. Esto ha llevado a los especialistas en el
tema a denominar, actualmente, el agua como uno de los bienes estratégicos de las naciones,
sobre el cual alrededor del mundo los gobiernos están desarrollando estudios e
investigaciones de corto y largo plazo que les permitan establecer programas y políticas que
garanticen la sustentabilidad del recurso y de esta manera se asegure su calidad y
disponibilidad para las generaciones futuras, el rescate, restauración y saneamiento de ríos,
el cual comenzó sus aplicaciones a mediados del siglo XX (Guzmán-Soria, et al. 2011).

Los primeros países en tomar la iniciativa se ubican en el continente europeo; en el río Sena
en Francia, se inició con el saneamiento, basándose para su depuración en la inyección de
grandes islas de oxígeno disuelto, además de reformas de ley y otras acciones, llevando así
una recuperación paulatina de aproximadamente cincuenta años. En contraste en el
continente americano, Perló (2009) menciona que E.E.U.U inició la recuperación del río
Mississippi en Nueva Orleans; por otro lado, marcando nuevas tendencias, destacan los ríos
de la metrópoli, como el Chicago en Illinois y el River Walk en Texas.

Mientras Brasil inicia actividades de saneamiento del río Tieté en Sao Paulo, producto de las
demandas sociales, originando una presión sobre el estado, para ello se recibió ayuda del
gobierno japonés y del Banco Interamericano de Desarrollo (BID) de 300 millones de dólares
americanos, mientras que la Compañía de Saneamiento Básico del Estado de São Paulo
(SABESP), ejecutora del programa, cubrió los restantes US$200 millones; este proyecto
contó en la fase de iniciación de la tercer etapa la puesta en marcha de proyectos
encaminados al mejoramiento de la calidad del agua, y se contempló finalizarlo para el año
2018 (Libertad,2012). Sin embargo, al consultar información acerca de la conclusión de este
proyecto, los datos parecen ser difusos y no aclaran qué pasó con el trabajo, cabe destacar
que en la página electrónica del BID (BID, 1999), existe un comunicado de prensa de un
financiamiento de 200 Millones de dólares en 1999 para mejorar las condiciones de río Tieté
que, fracasó.

Así como hay modelos que buscan la recuperación y/o depuración de sistemas tales como lo
son los ríos también se busca implementar diseños para que dichos sistemas sean resilientes,
un ejemplo es el río Yaque, debido al alarmante estado y deterioro de este (uno de los ríos
más caudalosos y productivos de la República Dominicana), el Gobierno Nacional puso en
marcha un ambicioso proyecto donde se declaró de alta prioridad para el Estado el
Ordenamiento de la cuenca del Yaque del Norte para su rehabilitación, saneamiento,
preservación y uso sostenible.

La recuperación del río Yaque en República Dominicana es prioritaria, con 308 km de

longitud, de los cuales 11 km pasan por Santiago de los Caballeros, es fuente primaria de
suministro de agua para el sector agrícola, ganadero, industrial y doméstico. Este proyecto
se asume que es a largo plazo, busca beneficiar a 852,361 habitantes de la ciudad y mejorar
las condiciones de vida de 2,500 familias que viven en zonas de riesgo, mientras se recupera
todo un entorno ecosistémico y se refuerza la resiliencia de la ciudad y del río (Hernández,
2018).

7
El primer proyecto de recuperación de ríos en México fue al norte del país en el río Santa
Lucía en Nuevo León, con un estilo de desarrollo urbano, de 2.5 km, un canal navegable de
1.2 m de profundidad y una capacidad de 44 mil m3; además cuenta con parques, fuentes,
paseos y nuevos desarrollos inmobiliarios, con una inversión total de 3 mil millones de pesos.
De esta forma la adopción de medidas llegó al centro de la nación con el Rescate del río
Magdalena y el río Eslava, a cargo de la UNAM para el primero y la UAM en el segundo.
(González, et al, 2010).

Así mismo, en los demás estados de la República también existen iniciativas para la
recuperación de ríos, pues estos son de importancia al ser integradores socioambientales, tal
es el caso del río Chuvíscar en Chihuahua, pues según Díaz (2015). “En el contexto del siglo
XXI contamos, afortunadamente, con vasta información y capacidad técnica para remediar
poco a poco los daños sistemáticos causados a nuestro medio vital. En este sentido, hay un
río urbano recuperado particularmente cercano a Chihuahua y Chuvíscar que bien vale la
pena reseñar.” En Jalisco según Milenio Digital (2019) se firmó un acuerdo para recuperación
del Río Santiago.

En ecuador el Río Aguas Claras se ha convertido en un receptor de residuos y efluentes

domésticos; disminuyendo su capacidad de autodepuración y conspirando contra la salud
pública de los sectores que atraviesa. El panorama descrito impulsó la importancia de
modelos que permitieron simular el comportamiento de la calidad de agua de una corriente
natural, producto del impacto de las descargas de aguas residuales en el comportamiento de
las concentraciones de oxígeno disuelto y la DBO a través del uso del modelo matemático
Streeter-Phelps y el programa QUAL2K para obtener las características de la corriente las
cuales permitirán disponer de mejores elementos para la toma de decisiones relacionada con
la calidad de agua superficial y el control de la descarga de aguas residuales (Pazmillo, et al.
2018).

Así mismo también se han realizado trabajos de autodepuración y modelación de ríos en

México como es el caso de la cuenca del Curso Alto del Río Lerma (CARL), que en su cauce
se originan descargas de aguas residuales con altas cargas de materia orgánica y otros
contaminantes, incumpliendo con las características mínimas necesarias para su uso como
agua de riego y menos para la protección de vida acuática. El CARL es uno de los ríos de
mayor interés en México, de ahí que se han realizado estudios de para validar y valorar el
comportamiento del nitrógeno amoniacal y nitratos por medio de softwares como QUAL2Kw
(versión mejorada del programa QUAL2K) en diferentes tramos del río Lerma con la finalidad
de evaluar la influencia que tienen los tributarios en la calidad del agua del cauce principal y
con los resultados realizar estimaciones futuras en función del uso que tendrá (Salinas, et al.
2016).

Contaminación del agua

La Ley de Aguas Nacionales define la contaminación con base en los cuerpos receptores
como las corrientes o depósitos naturales de agua, presas, cauces, zonas marinas o bienes
nacionales donde se descargan aguas residuales, así como los terrenos en donde se infiltran
o inyectan dichas aguas, cuando puedan contaminar los suelos, subsuelos o acuíferos.

Por otra parte, la Ley General de Equilibrio Ecológico y Protección al Ambiente (LGEEPA)
define a la contaminación como la presencia en el ambiente de uno o más contaminantes o

8
de cualquier combinación de ellos que cause desequilibrio ecológico siendo que los
contaminantes, según la misma ley, son toda materia o energía en cualesquiera de sus
estados físicos y formas, que al incorporarse o actuar en la atmósfera, agua, suelo, flora,
fauna o cualquier elemento natural, altere o modifique su composición o condición natural.

No obstante, el vertimiento de elementos que contaminen un sistema acuático no es el único

causante de un desequilibrio ecológico, la sobreexplotación del agua ha generado diversos
efectos perjudiciales: el agotamiento de manantiales, la desaparición de lagos y humedales,
la merma del gasto base de ríos, la eliminación de vegetación nativa y pérdida de
ecosistemas, la disminución del rendimiento de los pozos, el incremento de los costos de
extracción, el asentamiento y agrietamiento del terreno, la contaminación del agua
subterránea y la intrusión salina en acuíferos costeros, entre otros (CONAGUA, 2013).

Según CONAGUA (2010) Las principales fuentes de contaminación en México, tienen su

origen en la basura que se arroja a los sistemas de alcantarillado, ríos y lagos; a las descargas
de los centros urbanos y las industrias, y a los escurrimientos de las áreas agrícolas. Se
estima que en la actualidad se generan en México 431.7 m3/s de aguas residuales
municipales y no municipales. Al primer grupo corresponden 243 m3/s, y de ellos se colectan
207 m3/s (85%); de esta cantidad se tratan 83.8 m3/s (40.5%), y 123.2 m3/s no reciben
tratamiento. Las aguas residuales no municipales ascienden a 188.7 m3/s; de ellas se tratan
29.9 m3/s (15.85%) y, del restante 84.2%, 63.52 m3/s se emplean en el riego.

En México, conforme a lo dispuesto en la Ley de Aguas Nacionales (Artículo 13 BIS 4) y su

reglamento, la CONAGUA consultará con los usuarios y con las organizaciones de la
sociedad, en el ámbito de los Consejos de Cuenca, y resolverá las posibles limitaciones
temporales a los derechos de agua existentes para enfrentar situaciones de emergencia,
escasez extrema, desequilibrio hidrológico, sobreexplotación, reserva, contaminación y
riesgo o que comprometa la sustentabilidad de los ecosistemas vitales.

Las medidas de prevención y control de la contaminación de las aguas, así como la

designación de responsabilidad por daño ambiental en todo el territorio nacional, son
establecidas en el título séptimo de la Ley de Aguas Nacionales y su reglamento, cumpliendo
con el objeto de regular la preservación en cantidad y calidad de agua para lograr su
desarrollo integral sustentable.

El agua de los ríos es un recurso base para diferentes actividades por ejemplo la agricultura,
generación eléctrica e industrial y parte importante del abastecimiento público, la demanda
de este recurso es cada vez mayor por el crecimiento demográfico, lo que ocasiona la
extracción y es a su vez reduce los caudales de estos, por otra parte, los ríos han sido
receptores de residuos generados por las actividades humanas. Así mismo estos dos factores
han sido importantes en la reducción de la calidad y cantidad del agua en los ríos, dichas
alteraciones generan diversos impactos negativos como conflictos entre comunidades,
efectos negativos en la salud humana e impactos en las actividades económicas, así mismo
influyendo en la alteración de los ecosistemas provocando pérdidas de biodiversidad
(Bustamante, et al. 2016).

Para cada estado y municipio de la República Mexicana el tema del agua es de preocupación
ya que es mandato constitucional proveer agua en cantidad y calidad suficientes para
satisfacer las necesidades de las poblaciones humanas, un ejemplo es el estado de Guerrero,

9
que es rico en recursos hídricos tanto superficiales como subterráneos, a pesar de ello el 27%
de personas subsisten sin servicios de agua potable y 23.3% se mantienen sin acceso a
drenaje de una población de 3,338,786 habitantes. Así mismo a pesar de la inversión pública
y privada, aún existen muchas personas sin acceso al agua potable y saneamiento del
recurso hídrico los que genera problemas a la salud humana (Toribio, et al. 2015).

Calidad del agua

En México, 100 de los 653 acuíferos están sometidos a sobreexplotación debido a que la
extracción de agua ha rebasado con mucho su recarga, estimándose que en el curso de las
últimas cinco décadas el minado de su reserva se ha incrementado gradualmente hasta llegar
al ritmo actual del orden de 6,000 hectómetros cúbicos por año (hm3/a), con una pérdida total
en ese lapso del orden de 90,000 hm3, lo que implica que las condiciones hidrogeológicas
estén cambiando, ya que el volumen de agua en los acuíferos se ha modificado y la
competencia entre los diferentes tipos de usuarios será mayor, obteniendo menos agua y de
menor calidad (CONAGUA, 2013).

La CONAGUA (2018) define “calidad del agua” como una medida de la condición del agua
con relación a los requisitos de una o más especies bióticas o a cualquier necesidad humana
o propósito. Es frecuente clasificar estos propósitos entre usos consuntivos y no consuntivos;
entre los primeros se ubican el abastecimiento urbano, la agricultura, la ganadería y la
industria, es decir, que un volumen de agua de una calidad determinada se consume al llevar
a cabo una actividad específica (LAN, 2020), y entre los segundos se encuentran la
producción de energía eléctrica, la refrigeración de plantas industriales y centrales
energéticas, la acuicultura y los caudales con fines ambientales y paisajísticos (Guzmán-
Soria, et al. 2011).

La Ley de Aguas Nacionales establece que los beneficios que cubren las necesidades
humanas anteriormente mencionadas se generan en las cuencas hidrológicas y sus
componentes, tales como regulación climática, conservación de los ciclos hidrológicos,
control de la erosión, control de inundaciones, recarga de acuíferos, formación de suelo,
captura de carbono, purificación de cuerpos de agua, así como conservación, protección de
la biodiversidad y mantenimiento de escurrimientos en calidad y cantidad.

A principios de los años setenta, en México, ante la necesidad de encontrar un método

uniforme y consistente para dar a conocer la calidad del agua de manera accesible a la
población, se desarrolló un sistema estimativo a través de una escala estandarizada de
medición para expresar la relación entre la existencia de varios contaminantes en el agua y
el grado de impacto en los diferentes usos de esta, esto requirió la medición de los parámetros
de contaminación del agua. Este sistema estimativo se denominó Índice de Calidad del Agua
(ICA) y permitía hacer comparaciones de niveles de contaminación en diferentes áreas. El
ICA se define como el grado de contaminación existente en el agua a la fecha de un muestreo,
expresado como un porcentaje de agua pura. Así, agua altamente contaminada tendrá un
ICA cercano o igual a 0% y de 100% para el agua en excelentes condiciones.

Actualmente para sustituir la diversidad de parámetros estimados en el ICA, se ha decidido

utilizar solamente DBO5, DQO y SST (SEMARNAT, 2019). Debido a esto, la implementación
de modelos específicos que detallen la dinámica de autodepuración de los cuerpos de agua
y no modelos generales, cobran cada vez mayor importancia.

10
Como se ha mencionado anteriormente, los ecosistemas de agua dulce están íntimamente
ligados a la cuenca o a la zona de influencia de las que forman parte, y están muy
influenciados por los usos y las modificaciones que hace el ser humano tanto del terreno,
como del agua. La red de cursos de agua en sí misma es importante para la continuidad de
los procesos de los ríos, y para cumplir con esto, el cuerpo debe tener cierta tolerancia a los
disturbios que puedan ocasionarse de manera natural o antrópica al cuerpo de agua, dicha
tolerancia es denominada resiliencia, y no es exclusiva de los ríos, de manera general, todos
los sistemas naturales poseen esta característica para afrontar las adversidades del entorno.

Resiliencia

En general, la resiliencia hace referencia a la propiedad de un sistema de adaptarse a

perturbaciones en un contexto en continuo cambio. conservando su estructura y su
funcionalidad. En gestión de los ecosistemas y en específico, ecosistemas riparios, el
concepto de resiliencia alude a la tolerancia adversa, o restauración, ante distintas
alteraciones por medio de mecanismos de auto-organización y adaptación. (Torre-Valdez y
Sandoval-Godoy, 2015) El pensamiento resiliente procura entender los mecanismos que
aseguran la capacidad de recuperación de un ecosistema frente a presiones externas, shocks
o disturbios, así como cambios en la dinámica interna de los mismo (Mazzeo et al, 2017). Por
eso, cada vez es más importante tener mayor conocimiento acerca de la manera en que
podamos fortalecer la resiliencia en los sistemas socio-ecológicos en virtud de los cambios
climáticos y otras repercusiones sobre el medio ambiente (The Stockholm Resilience Centre,
2014).

El pensamiento resiliente ha sido considerado como una gran constelación de ideas donde
algunas de ellas son difíciles de poner en práctica puesto que el paradigma de desarrollo que
antepone el crecimiento industrial y económico por encima de todo tiene aún mucho peso en
la toma de decisiones cuando se trata de elaborar acciones en el manejo de los recursos
naturales, en específico, de los ríos (Hernández- Tapia, 2017). Esto es mencionado por
Rodrigo Flores Elizondo (2016) al decir que el agua es vista como el “recurso hídrico”, es
decir, un concepto económico, y como tal es tratada: un recurso que debe ser canalizado
para las necesidades de la industria, cualquiera que sea esta, y el abastecimiento de las
localidades humanas. Esto ha derivado en una crisis ambiental en la cual se hace presente
las amenazas de desvío, canalización o entubamiento de los cursos de agua en detrimento
de su ecosistema ripario, las descargas residuales fuera de norma y un uso desmedido del
recurso acuático (Hernández-Tapia, 2017).

Sin en cambio, los ecosistemas no son un recurso que responda a finalidad alguna, sólo son
un conjunto de factores bióticos y abióticos cuyos variados componentes interactúan,
mediante adaptaciones locales mutuas desarrolladas a través del tiempo en un grupo dado
de condiciones de estabilidad prevalecientes del medio físico y para lapsos relativamente
largos, dando como resultado una cierta apariencia de un entorno (INECC, 2020). Es por lo
que, aunque ha sido demostrada la importancia de los ecosistemas no alterados en la
provisión de servicios ecosistémicos, un ecosistema alterado también es capaz de brindarlos
(González et al, 2018), pues estas son una serie de funciones que se desarrollan con cierta
estabilidad y en una progresión más o menos clara, a través del tiempo. La razón de esto es
que cada entidad que compone el ecosistema como es el caso de los ríos, en función de su
propia estructura, composición y funcionamiento, tienen algún grado inherente de resistencia

11
a ciertos cambios originados por perturbaciones, pues estos tienen cierta capacidad de
autorregularse. Pero cuando la extensión, la magnitud y la persistencia de las alteraciones
son mayores, rompe la resistencia y ocasiona que las capacidades de resiliencia de un
ecosistema sean insuficientes, trayendo consigo pérdida de servicios ecosistémicos (INECC,
2020).

Esta problemática observada en los ríos y en muchos ecosistemas más se repite en muchas
localidades a lo largo de México sin importar su escala. Los retos suelen ser similares en la
mayoría de los casos e implican fallas en los procesos de planificación urbana, de gestión del
territorio y desarrollo de la resiliencia puesto que en el caso de los ríos como el Cacalotenango
el fenómeno desordenado del crecimiento urbano, económico e industrial, implicó la invasión
de los espacios que autorregulan la crecida del río y la alteración y/o pérdida de los
ecosistemas riparios (Hernández-Tapia, 2017). Esto es de vital importancia porque como se
explicó anteriormente, la existencia de agua de calidad no sólo es un factor clave para la
resiliencia de los ríos, sino que es un factor clave para la resiliencia en general de los sistemas
naturales, razón por la cual estos ecosistemas deben ser considerados en la toma de
decisiones sobre la provisión de agua como un usuario más, con necesidades propias
(Jiménez-Cisneros, 2010).

El reto de la gestión y planeación urbana con respecto a los ríos es poder compatibilizar el
espacio urbano, el uso del agua y la rehabilitación del río con la finalidad de restaurar sus
servicios ecosistémicos. La mejor manera de mejorar un cauce es dejar que funcione de la
forma más natural posible. Para que esto suceda, es fundamental el fortalecimiento de
esquemas de gobernanza y espacios de concertación entre los tres niveles de gobierno con
la finalidad de generar ejes estratégicos de transversalidad entre las diversas figuras que
faciliten la implementación de metodologías para el rescate de los ríos. Además, las
estrategias de fortalecimiento de la resiliencia urbana y socioeconómicas no deben sacrificar
al ecosistema ripario con el fin de salvar calles o edificios, sino que se debe considerar al
ecosistema ripario como una unidad estructural que merece ser protegida (Hernández-Tapia,
2017).

Para que estas medidas sean posibles, deberán acompañarse del desarrollo de instrumentos
políticos y económicos de escala regional que garanticen la efectividad de las medidas y
atiendan los problemas más allá de los límites de las poblaciones. Sería necesaria también
la aplicación estricta de instrumentos normativos que restringen la invasión de los cauces en
los casos necesarios, además, del desarrollo de una cultura de prevención y conservación
por parte de todos los implicados. Es necesario mencionar que, además, la restauración de
ecosistemas riparios mejoraría las condiciones ambientales y micro climáticas de donde estos
se encuentren, convirtiéndose así en una estrategia que atiende el desarrollo de la resiliencia
y la adaptación de las comunidades al cambio climático (Hernández-Tapia, 2017).

Procesos de autodepuración

La autodepuración de las aguas es un conjunto de fenómenos físicos, químicos y biológicos,

que tienen lugar en el curso del agua de modo natural y que provocan la destrucción de
materias extrañas incorporadas al flujo. Una vez la contaminación ha llegado al sistema fluvial
se comienza a producir un fenómeno de autodepuración, en este intervienen principios físicos

12
(sedimentación, flotación y transporte), químicos y biológicos que actúan sobre los diversos
elementos presentes en el agua tales como.

a) Elementos flotantes o productos tensoactivos, estos van quedando retenidos por la

vegetación y el propio terreno de las orillas, los remansos colaboran en esta acción y
la superficie del agua va quedando liberada de elementos extraños.
b) Elementos pesados, dependiendo de su densidad y de la corriente de agua, van
quedando depositados en el fondo del cauce, hay mayor retención en zonas de flujo
lento y menor en zonas de rápidos. A medida que el río discurre, las partículas
sedimentables van desapareciendo.
c) Microorganismos existentes en las aguas o incorporados por los vertidos (bacterias,
algas, protozoos, hongos, rotíferos, insectos). Utilizan la materia orgánica existente en
las aguas, metabolizando y transformándola en materia viva, o bien coagulando las
partículas más gruesas, pudiendo de esta forma sedimentarse parte de la materia en
suspensión.

Los principales elementos que forman parte de los microorganismos, y que están presentes
en la materia orgánica de los vertidos son el carbono, hidrógeno, oxígeno, nitrógeno, fósforo,
azufre y otros en menor cantidad, todos estos, debido a la acción de los microorganismos
aerobios, anaerobios y facultativos tienden hacia su mineralización para reintegrarse a sus
respectivos ciclos biogeoquímicos, de esta forma. los componentes ácidos y básicos de los
vertidos se neutralizan en la homogeneización producida por el río (Ramos, 2006).

Una vez que se ha incorporado un vertido a un cauce, si se tomasen muestras aguas abajo
a intervalos dados, se observaría como algunos parámetros indicadores de contaminación
varían a lo largo del río, debido a esto se pueden establecer cuatro zonas de influencia de un
vertido:

a) Zona de degradación: Es la zona inmediata a la incorporación de las aguas contaminadas

al río. Es el área con mayores concentraciones de contaminantes. Desaparecen peces y
algas; en el fango aparecen gusanos tubifícidos, hongos y protozoos ciliados.
b) Zona de descomposición activa: El oxígeno desciende a los niveles mínimos, pudiendo
llegar a cero. No viven peces, y los organismos encargados de la descomposición orgánica
trabajan activamente. Se pueden desprender gases (metano, hidrógeno, nitrógeno, ácido
sulfhídrico y otros de mal olor, etc.). Pueden aparecer espumas en la superficie.
c) Zona de recuperación: Aumento del oxígeno, agua más clara, reaparición de la vida
acuática macroscópica, disminución de hongos y aparición de algas. Es posible encontrar
nitratos, sulfatos, fosfatos y carbonatos.
d) Zona de agua limpia: Condiciones de corriente natural. El oxígeno disuelto está cerca de
la saturación. Pueden quedar bacterias patógenas resistentes y compuestos metálicos no
alterados por los procesos bioquímicos existentes. Para intentar estudiar la evolución de los
contaminantes a partir del punto de vertido se han ido creando diferentes modelos, más o
menos simplificados, que se utilizan en la gestión de la calidad de aguas. (Suárez, 2008).

La capacidad de autoregeneración de un río dependerá del caudal, que permitirá diluir el

vertido y facilitar su posterior degradación, la turbulencia del agua, que aportará oxígeno
diluido al medio, favoreciendo la actividad microbiana y la naturaleza y tamaño del vertido
que se haya producido a lo largo de su curso.

13
Para garantizar la sostenibilidad del ciclo hidrológico del agua y, por tanto, de los recursos
hídricos, es necesario que una vez utilizada, el agua se regrese a los cauces naturales con
la menor carga contaminante posible para que los mecanismos naturales de amortiguamiento
del cuerpo de agua actúen con eficacia. Con este fin, se han desarrollado, y continúan en
desarrollo, una serie de sistemas que configuran lo que se denomina de forma genérica
depuración de aguas. La depuración implica un conjunto de procesos de tipo fisicoquímico y
biológico que permiten la reducción de la contaminación (AEAS, 2012).

Modelos de depuración

El estudio directo de los fenómenos reales (no solo en agua, en la naturaleza en general)
presenta, frecuentemente, grandes dificultades derivadas de su complejidad, de sus múltiples
interacciones, y de la imposibilidad de realizar algunas medidas, observaciones, controles,
etc. Debido a esto, la forma general de abordar cualquier fenómeno real es asociarlo a una
representación conceptual; a ésta es a la que se denomina modelo. Un modelo será una
“representación adecuada para los fines propuestos” si, para los componentes del sistema en
que estamos interesados, y al menos con la aproximación juzgada suficiente, sustituye, y en
cierta forma es equivalente al fenómeno real a través de las reglas que tratan de describirlo
o describir a sus componentes.

Para poder generar un modelo, y utilizarlo con criterio es necesaria la comprensión del
sistema que representan (bajo este criterio, los cuerpos de agua son un sistema). En función
de la representación que se utilice de los diferentes componentes, existen según la
Universidad de Coruña (2008), tres tipos de modelos teóricos en función de la representación
que se utilice de los diferentes componentes:

• Modelos conceptuales: Brindan una descripción cualitativa bien organizada que permite el
reconocimiento de los componentes y de sus relaciones.

• Modelos matemáticos: El lenguaje simbólico que aportan las matemáticas permite expresar
ideas de gran complejidad y puede ser algo tan simple como una ecuación o puede ser un
conjunto complejo de ecuaciones interrelacionadas cuyas variables se ven modificadas a lo
largo del tiempo y a través del espacio.

• Modelos físicos: Basados en aspectos de la ciencia física, de aquellos movimientos de los

cuerpos, y que además es cuantificable, representan, generalmente, el fenómeno estudiado
utilizando las mismas relaciones físicas del prototipo, pero reduciendo su escala para hacerlo
manejable.

Como se mencionó anteriormente, los ríos, embalses, lagos, y cualquier otro medio acuático,
pueden ser considerados como sistemas, estos a su vez son constituidos por subsistemas
que son seleccionados para un estudio de calidad de aguas en una corriente de agua
superficial.

a) Subsistema hidrológico-hidráulico.

b) Subsistema térmico.

c) Subsistema bioquímico.

14
A estos tres subsistemas hay que aportarles las entradas de materias y energía (vertidos de
aguas residuales, contaminantes, escorrentía, etc.).

Dependiendo de las características específicas de los subsistemas del sistema estudiado, la

depuración consistirá en la eliminación de la contaminación incorporable en el agua a tratar.
los procesos utilizables para la depuración de las aguas dependen del tipo de efluente,
pudiéndose clasificar en: Procesos físicos, químicos y biológicos.

La modelización de la calidad de aguas es una herramienta de gran interés porque:

a) Facilita una mejor comprensión de los mecanismos e interacciones que se producen en los
diferentes tipos de sistemas acuáticos. Tal comprensión debe ser soportada por una
formulación y una comprobación de las hipótesis causa-efecto que relacionan las entradas
de contaminantes y la calidad del agua resultante, y.

b) Aporta bases racionales para tomar decisiones de control de la calidad de aguas.

Las mejoras en el suministro de agua son oportunidades para solucionar problemas de salud
pública y ambiental (Rios-Tobón et al, 2017). La importancia de un estudio de modelación de
calidad del agua en ríos como el Cacalotenango estriba en conocer la cantidad, calidad y tipo
de sustancias que son arrojadas al macizo de agua receptor, así como su comportamiento y
la tendencia de auto recuperación del sistema. Con base en su calidad, se pueden fijar
condiciones particulares de descarga, acciones encaminadas a la conservación del recurso,
ayudando así a mantener la flora y fauna del cuerpo de agua y de los alrededores, el reuso
del agua y promover la conservación del medio natural e impulsar a sectores en los cuales
se necesita del recurso hídrico para poder desarrollarse.

Problemática

El deterioro de la calidad del agua se ha convertido en motivo de preocupación a nivel mundial

con el crecimiento de la población humana, la expansión de la actividad industrial y agrícola
y la amenaza del cambio climático como causa de importantes alteraciones al ciclo
hidrológico. El agua es, además, una cuestión de derechos. A medida que crece la población
mundial, se genera la necesidad de conciliar la competencia entre las demandas comerciales
de los recursos hídricos para que las comunidades tengan lo suficiente para satisfacer sus
necesidades. Sin embargo, a pesar de la gran importancia que tiene la calidad del agua no
ha logrado ser hasta el momento el centro de atención de los debates mundiales. De acuerdo
con la Organización Mundial de las Naciones Unidas (2015) aproximadamente el 80% de las
aguas residuales se vierten al medio natural sin ningún tipo de tratamiento, esta
contaminación resultante de la actividad humana desmedida como la agricultura y la industria,
así como otros usos de suelo no ha sido completamente cuantificado a pesar de que supone
costes muy importantes para los usuarios intermedios como para los ecosistemas.

Tal es el caso de México donde hoy en día existen localidades donde aguas no tratadas se
vierten crudas en los cuerpos de aguas naturales. De acuerdo con CONAGUA (2018) y, a
pesar de que el 95.2% de la población contaba con servicio de agua entubada en 2017, hubo
una descarga de 234.9 m3/s de aguas residuales municipales, y de esta cantidad sólo se
trataron 135.6 m3/s (sólo el 57%) en las 2526 plantas de tratamiento que están en operación
a lo largo de todo el país. Esta es una cifra considerable ya que de las 270,917 hm3

15
concesionados por la REPDA para usos consuntivos agrupados, el 61% proviene de cuerpos
de aguas superficiales como ríos, lagos y arroyos en donde son vertidas dichas aguas
residuales y no hace más que dejar en evidencia que, a pesar de los esfuerzos de las
instituciones, aún existen múltiples fallas en la gestión de este recurso.

El estado de Guerrero no es una excepción, los problemas ambientales relacionados con el

agua entre otros son ocasionados por la pérdida de bosque, contaminación de cuencas
hidrográficas, descargas de aguas residuales, degradación de acuíferos, uso excesivo de
agroquímicos en zonas agrícolas y presencia de metales pesados de origen minero. La
cuenca del Balsas, región hidrográfica a la que pertenece este estado, es una de las más
contaminadas en México, los daños descritos han provocado un sostenido deterioro de la
cuenca (portal gobierno de Guerrero). Para el adecuado manejo de una cuenca, la calidad
del agua de ríos, lagos y arroyos juega un papel fundamental. Los distintos elementos
presentes en los cuerpos de agua y su dinámica representan un reflejo de las actividades
socio ambientales de la misma (Almazán-Juárez et al, 2016).

Este es el caso del río Cacalotenango que recibe los residuos urbanos de aproximadamente
5000 habitantes de las localidades Dolores, Santa Rosa, El Fraile, Cacalotenango, entre otras
(INEGI, 2010). En lo que a este río concierne, la política pública en materia de agua sólo
surtirá efecto si se enfoca en mejorar la calidad de las descargas municipales e industriales.
Los indicadores actuales de calidad del agua por sí solos son poco claros a la hora de
identificar problemas de contaminación.

Justificación

El río Cacalotenango fluye por la cuenca hidrológica del Balsas, la cual atraviesa centros
urbanos y de cultivo de gran densidad e importancia. 39 municipios del estado de Guerrero
se ven beneficiados por el aporte hídrico de esta cuenca, requiriendo un total de 2749.59 L/s
para el abastecimiento de agua para estos municipios en los que se incluye Taxco de Alarcón.
El recorrido del río por varias localidades de este municipio tiene una importancia social y
ecosistémica que demanda conocer su calidad y dinámica de autodepuración para facilitar
una adecuada gestión, que permita mejorar los servicios ecosistémicos. La modelación de la
capacidad de autodepuración de este río permitirá conocer la dinámica de los diferentes
elementos presentes en el mismo, ampliar el análisis en lo puntos de medición y orientar la
toma de decisiones para escenarios futuros.

Zona de estudio

El río Cacalotenango se encuentra entre el acuífero de Iguala y el acuífero de Buenavista

Cuellar (Prontuario de información geográfica Taxco de Alarcón, 2009). El acuífero Iguala, se
localiza en la porción norte centro occidental del estado de Guerrero, cubriendo una extensión
aproximada de 2 356 km2 abarcando totalmente al municipio Ixcateopan de Cuauhtémoc y
parcialmente Iguala de la Independencia, Cocula, Taxco de Alarcón, Pedro Ascencio
Alquisiras, Buenavista de Cuéllar, Cuetzala del Progreso, Teloloapan, Eduardo Neri y
Tepecoacuilco de Trujano (CONAGUA,2018). Colinda al norte con los acuíferos Buenavista
de Cuellar y Arcelia, al sur con Chilapa, al este con el acuífero Poloncingo y al oeste con
Tlacotepec. (ver mapa 1)

16
 Mapa1. Localización del acuífero Iguala. Obtenido de: Mapa 2. Localización del acuífero Buenavista de Cuellar.
https://sigagis.conagua.gob.mx/gas1/Edos_Acuiferos_18/gu Obtenido de:
errero/DR_1205.pdf https://sigagis.conagua.gob.mx/gas1/Edos_Acuiferos_18/gu
errero/DR_1204.pdf

El acuífero Buenavista Cuellar se ubica en la porción norte del Estado de Guerrero,

colindando con el Estado de México y Morelos, entre los paralelos 18° 27' y 18° 48' de Latitud
Norte y los meridianos 99° 47' y 99° 21' Longitud Oeste; cubriendo una superficie aproximada
de 672 km2 y abarcando el municipio Pilcaya, casi la totalidad de Tetipac y parcialmente los
municipios de Taxco de Alarcón y Buenavista de Cuéllar (CONAGUA, 2015). Limita al norte
con el acuífero Tenancingo, perteneciente al Estado de México; al noroeste con los acuíferos
Arcelia y Altamirano-Cutzamala del estado de Guerrero, al este con el acuífero Zacatepec,
perteneciente al estado de Morelos y al sur con los acuíferos Iguala y Poloncingo. (ver mapa
2)

Mapa 3. Zona de estudio en distintos niveles geográficos. Fuente: elaboración propia.

17
El área de estudio pertenece a la subregión Medio Balsas de la Región Hidrológica Nº 18 y a
la región administrativa IV Balsas (ver mapa 3) (CONAGUA-OCB, 2010). El río
Cacalotenango tiene una longitud de 11.5 Km de largo y atraviesa el distrito minero de Taxco
en el municipio de Taxco de Alarcón, dentro de las coordenadas 18°30' a 18°35' Latitud Norte
y 99°35' a 99°40' Longitud Oeste y se une al sur con el río Taxco, el cual mide 29.3 Km de
largo (ver mapas 4 y 5) (INEGI, 2009; CONAGUA-OCB, 2010).

Mapa 4. Río Cacalotenango sitios de referencia e hidrografía de la zona de estudio.

Fuente: elaboración propia

Mapa 5. Extensión del río Cacalotenango y sitios de referencia. Editado a partir de Google
Earth.

18
Clima

El clima del área varía de semicálido subhúmedo a templado subhúmedo con una época de
lluvias bien definida de julio a septiembre, acentuándose en este último mes (300 mm) y,
alcanzando un promedio anual superior a los 1000 mm. La época de secas abarca de febrero
(1.2 mm) a junio, siendo mayo el mes que registra la temperatura más cálida (Romero et al.,
2008). La temperatura mínima anual es de 17.3 °C y la temperatura máxima anual de 26.6
°C (OEIDRUS, 2011).

Geología

Taxco de Alarcón, según el Prontuario de Información Geográfica Municipal de los Estados

Unidos Mexicanos, cuenta con la siguiente estructura geológica: Roca Metamórfica
(metasedimentaria (14.6% y meta volcánica (5.18%), ígnea extrusiva (toba ácida 12.91%),
brecha volcánica básica (0.3%) y basalto (0.1%). Rosa Sedimentaria: caliza (47.18%), lutita-
arenisca (10.56%), conglomerado (3.89%) y arenisca-conglomerado (2.65%)
Cabe destacar que el municipio tiene una elevada competencia minera, pues metales como
plata, mercurio, plomo y zinc son abundantes en la zona.

Edafología

La composición edáfica perteneciente a Taxco de Alarcón está conformada por Luvisol

(33.55%), Leptosol (30.65%), Phaeozem (21.76%), Calcisol (4.54%), Cambisol (4.25%),
Kastañozem (1.58%), Andosol (0.54%) y Vertisol (0.50%). (INEGI, 2009)

Sin embargo, para entender de mejor forma la composición edáfica exacta de la zona de
estudio, se consultó el portal de geoinformación 2020 del Sistema Nacional de Información
sobre Biodiversidad (SNIB) de la CONABIO. La composición edáfica de la zona de estudio
se ve representada por dos tipos de suelo (ver mapa 6).

Mapa 6. Composición edáfica en el río Cacalotenango. Fuente: elaboración propia

19
Phaeozem Háplico: Suelos ricos en materia orgánica. Presentan un gran parecido con
suelos como Chernozems y Kastanozems con los cuales difiere en que estos son más
ligeramente lixiviados, presentan un horizonte mólico menos oscuro y más fino, y son menos
ricos en bases. Se trata de suelos presentes en zonas esteparias de pastos altos de clima
cálido seco en regiones moderadamente continentales, suficientemente húmedas de modo
que la mayoría de los años hay alguna percolación a través del suelo, pero de igual forma
con periodos de sequía. Suelen ser suelos representativos de zonas de transición entre
climas secos y climas templado-húmedas. Su material parental suele ser materiales no
consolidados sedimentarios eólicos (loes) y glaciares de tipo “Tili”. Son suelos porosos y
fértiles por lo que suelen ser usados para las actividades agrícolas y pecuarias. Se suelen
usar para sembrar cebada, trigo, soya y algodón entre otros vegetales (WRB, 2015).

Kaztanozem Háplico: Según la FAO (2008) Los kaztanozems Háplicos son ricos en materia
orgánica, Suelos pardo oscuro castaña, el material parental de este son un rango amplio de
materiales no consolidados; una gran parte de todos los Kastanozems aunque se han
desarrollado sobre loess el ambiente donde tienen presencia es caracterizado como seco y
continental con inviernos relativamente fríos y veranos cálidos; pastizales llanos a ondulados
dominados por pastos cortos efímeros. El perfil puede describirse como un horizonte mólico
pardo de espesor medio, que es caracterizado por ser naturalmente muy fértiles. Esto es
generalmente debido a que los molisoles se formaron principalmente de ácidos, materias
primas, que suministraban las bases al suelo a medida que ambientes (subhúmedo a
semiárido) donde el suelo no estaba sujeto a lixiviación intensa de nutrientes (Soil Survey
Staff, 2010).

Objetivo general

Modelar la dinámica de autodepuración del río Cacalotenango a través de los análisis físicos,
químicos y biológicos de los diferentes sitios de referencia (“El Fraile- Granja Dos Puertas”)
para conocer la importancia del río como proveedor de servicios ambientales de soporte,
provisión y regulación.

Objetivos particulares

● Determinar la calidad del agua del río Cacalotenango en los sitios de referencia El
Fraile, Santa Rosa, Dolores y Dos Puertas, a partir de parámetros físicos, químicos y
biológicos.
● Desarrollar una base de datos a partir de los resultados obtenidos de los parámetros
físicos, químicos, biológicos y de caudal para modelar la audodepuración del río
Cacalotenango en tramo El Fraile-La Granja.
● Proponer un modelo que genere información del comportamiento autodepurador del
sistema tanto en temporada de lluvias como en secas para describir el
comportamiento y evolución de los elementos físicos, químicos y
biológicos presentes en el cauce.

20
Metodología

Gabinete

Se realizó una búsqueda sistemática de bibliografía.

Se realizó un análisis cartográfico de las localidades de trabajo.
El planteamiento del modelo de autodepuración se realizará con base a los resultados
existentes acerca del río Cacalotenango de anteriores semestres junto a los obtenidos
actualmente.

Métodos para modelar Nitrógeno total, DBO, SST y Fósforo

Nitrógeno total

Para generar el modelo de nitrógeno total en el río Cacalotenango, se estimaron las tasas de
nitrificación en función de las siguientes ecuaciones y consideraciones:

NH3+1.5O2 → H++H2O+NO2- (1)

NH4++1.5O2 → 2H++H2O+NO2- (2)
NO2-+0.5O2 → NO3 (3)

No se conoce ningún quimiolitótrofo que lleve a cabo la oxidación completa de

amonio/amoniaco a nitrato; por ello, la nitrificación en la naturaleza resulta de la acción
secuencial de dos grupos separados de organismos, las bacterias oxidantes de amoníaco o
nitrosificantes y las bacterias oxidantes de nitritos, las verdaderas bacterias nitrificantes (Iñón,
N., 2017).

Las ecuaciones 1, 2 y 3 representan las reacciónes químicas que llevan a cabo las bacterias
mencionadas en el ciclo biogeoquímico del nitrógeno, siendo que las reacciones (1) y (2) son
llevadas a cabo por el género Nitrosomonas, las cuales pueden oxidar amonio o amoniaco a
nitritos y la reacción (3) es realizada por bacterias del género Nitrobacter, las cuales se
encargan de oxidar los nitritos a nitratos (Robles, E., 2005).

De esta manera el oxígeno consumido para estas reacciones químicas puede ser calculado
como el producto de la cantidad de O2 de la reacción y el peso molecular del O2 entre la masa
atómica del nitrógeno, Rivera (2016) establece las siguientes ecuaciones.

roa= 1.5(32) /14 = 3.43 gO gN-1 (4)

roi= 0.5(32) /14 = 1.14 gO gN-1 (5)

Donde: roa oxígeno consumido para la conversión de amonio a nitrito; roi oxígeno consumido
para la conversión de nitrito a nitrato. Todo el proceso se puede representar como: r on= roa +
roi =4,57 gO gN-1. Para determinar la cantidad de oxígeno necesario para degradar la materia
orgánica nitrogenada presente en los sitios de referencia (El Fraile, Santa Rosa,
Cacalotenango y Granja) se empleó la ecuación siguiente:

DBON=LN= ron*[Nitrógeno total experimental] (6)

21
Para determinar la constante de nitrificación se calculó por separado las concentraciones de
nitrógeno en cada tramo para un tiempo de retención mediante el método Winkler propuesto
en (Rivera, 2016) y se realizó de acuerdo con la ecuación siguiente:

-Kn= [ln (LN/OD)] (v/d) (7)

Donde:
-Kn= Constante de nitrificación, la cual se expresa negativamente para considerar también a
los datos negativos resultantes del logaritmo neperiano de la ecuación.
LN=Oxígeno necesario para degradar materia orgánica nitrogenada.
OD= Oxígeno disuelto medido en campo.
v= Velocidad promedio de caudal medido en campo (m/s). (Tabla 1)
d= Longitud en Km. (Tabla 2)

m/s FRAILE SANTA ROSA DOLORES GRANJA

AGO19 0.5 0.5053 0.5026
OCT19 0.5976 0.3819 0.5343 0.5343
NOV19 0.4853 0.5518 0.8556 0.4280
FEB20 0.0428 0.1407 0.23 0.0335
Tabla 1. Velocidades promedio de sitios de referencia en salidas a campo.

Sitio de referencia Longitud (KM)

Fraile 1.638
Santa Rosa 1.313
Dolores 3.308
Granja 6.966
Tabla 2. Longitudes de los sitios de referencia, calculados con la herramienta de distancias
de QGIS.

Las longitudes de cada sitio de referencia

fueron ajustadas para tener una
aproximación más certera a los procesos
de advección y difusión que tienen los
parámetros estudiados, es decir, al medir
en campo las características del caudal
mediante el método de flotador de la FAO
o sección velocidad no se realizó una
medición en kilómetros, no obstante
metodologías de modelos de calidad de
agua como QUAL2K sugieren dividir al río
en “sectores” (Figura 0) para que los
resultados sean en función de la longitud
real del río y no de las longitudes de los
sitios de referencia.
Figura 0. Un río y sus tributarios divididos en
sectores para facilitar modelación (QUAL2K).

22
Demanda Bioquímica de Oxígeno

La modelación se realizó mediante el cálculo de las tasas de oxigenación (k2) y

desoxigenación (k1).

El cálculo del coeficiente (K1) se obtiene por medio de la siguiente ecuación con base en los
datos históricos de velocidad, caudal, distancia y DBO para las estaciones de muestreo:

Cálculo de k1

Donde:

K1= Constante de desoxigenación (d −1)

V = Velocidad media del río (m/s) =

Q1= Caudal estación aguas arriba (m3/s) =

Q2= Caudal estación aguas abajo (m3/s) =

L1= Concentración de DBO estación aguas arriba (mg/L)

L2= Concentración de DBO estación aguas abajo (mg/L)

X1= Distancia estación aguas abajo (m)

X2= Distancia estación aguas arriba (m)

El coeficiente de oxigenación (K2), conocido también como constante de reaireación,

representa la capacidad o velocidad con la que se oxigena un cuerpo de agua por introducción
de oxígeno ya sea por el contacto directo con la atmósfera o por fotosíntesis de las plantas
acuáticas. Esta constante depende de diversos factores como turbulencia, condiciones de
mezcla internas en el río, temperatura, velocidad del viento y la presencia de caídas, resaltos,
etc. Para el cálculo del coeficiente de oxigenación en ríos se aplican las siguientes formulas:

23
Fósforo

Para modelar una sustancia como el fósforo se consideró que en un sistema dinámico
el equilibrio químico y cinético está ligado a las características del transporte de
masas, o sea, la descripción de las reacciones químicas se debe complementar con
el análisis cinético. Se consideró en conjunto, el transporte y las ecuaciones químicas,
por lo que se empleó un sistema de derivadas parciales, ya que la cuantificación de
estos procesos conduce a la ecuación de Advección- Dispersión (Samper, 1993).

La advección es el arrastre de la sustancia por el agua, ésta junto con la agitación

continua de las moléculas del líquido, provocan un proceso conocido como difusión o
dispersión, el cual consiste en que la sustancia disuelta en el agua se mueva del punto
de mayor concentración a los de menor concentración (Sánchez, 2012).

El transporte de contaminantes en ríos convencionalmente ha sido modelado

mediante la Ecuación de Advección Dispersión – ADE (Schütze et al., 2002). El
modelo ADE es distribuido en la escala de tramo, debido a que depende tanto del
espacio (x) como del tiempo (t). Por lo tanto, para su aplicación se alimentó de datos
de los sitios de monitoreo considerados secciones transversales a lo largo de un tramo
de interés, o de la estimación de parámetros uniformes a escala de tramo (Gonzáles,
et al, 2018).

Con base en la ecuación denominada ADE se modeló el comportamiento del río

Cacalotenango-

SÓLIDOS SUSPENDIDOS TOTALES

La concentración de Sólidos Suspendidos Totales se realizó utilizando la ecuación de

Chapra (1997) que permite relacionar la concentración del determinante (Cj) con la carga
del determinante vertido (Wj) y el factor de asimilación (aj) como lo describe la siguiente
ecuación:

Para una condición de estado estable, la concentración aguas abajo y el factor de

asimilación de cada tramo en el río está dada por las ecuaciones:

24
 Siendo:
Q= Caudal medido de cada tramo. (m3/s)
Ks= Tasa de sedimentación. (d-1)
𝑡̅= Tiempo medio de viaje en el río. (s)
Ƭ= Tiempo de arribo. (s)
W= Carga medida del determinante. (mgL-1)

Para calcular la tasa de sedimentación se relacionó la velocidad de sedimentación y la

profundidad de acuerdo con la siguiente formula:
Siendo:
ks= tasa de sedimentación (d-1)
vs= velocidad de sedimentación
(m.d-1)
H= profundidad (m)

La velocidad de sedimentación (vs) se determinó a partir de la ecuación de Stokes como

describe la siguiente formula:

Siendo:
α= Factor reflectivo, para forma esférica
1.0
g= aceleración de la gravedad (cm/s2)
ps= densidad de la particular (g/m3)
pw= densidad del agua (g/m3)
µ = viscosidad dinámica del agua (g. cm-1.
s-1)
d2= diámetro de la partícula (cm)

La densidad de la materia orgánica en el río tiene un valor cercano a 1027 gm-3, y el diámetro
de las partículas oscilan entre 40 y 80 µm, por lo que se consideraron 60 µm. La aceleración
de la gravedad de las partículas es igual a 0.133 cm/s2 y la viscosidad fue relacionada con la
temperatura registrada en cada muestreo de los sitios de referencia de acuerdo con el método
seguido por Rivera (2015).

Para el comportamiento de los SST, se realizó un diagrama de Forrester con el programa

STELLA versión 9.0.2 utilizando las ecuaciones y las tasas de cambio previamente descritas.

Trabajo de Campo

El muestreo de campo se realizó conforme a la NOM-001-SEMARNAT-2016, se utilizaron

cadenas de custodia en cada muestreo y sitio de referencia. Se llevaron a cabo cuatro
campañas de monitoreo (Tabla 3).

25
 Tabla 3. Fecha de campañas de muestreo y sitios de referencia
Campaña de muestreo (fecha) Sitio de referencia

29, 30 y 31 de agosto de 2019 El Fraile, Santa Rosa y La Granja

29, 30 y 31 de octubre de 2019 El Fraile, Santa Rosa, Dolores y La Granja

7, 8 y 9 de noviembre de 2019 El Fraile, Santa Rosa, Dolores y La Granja

31 de enero, 1 y 2 de febrero 2020 El Fraile, Santa Rosa, Dolores y La Granja

En cada sitio de referencia se realizó el cálculo de caudal para una muestra compuesta (24
horas) de cada sitio de acuerdo con:

VMSi=VMC x (Qi/Qt)

Donde: VMSi = volumen de cada una de las muestras simples “i”, litros.

VMC = volumen de la muestra compuesta necesario para realizar la totalidad de los análisis
de laboratorio requeridos, litros.

Qi = caudal medido en la descarga en el momento de tomar la muestra simple, litros por

segundo.

Qt = Qi hasta Qn, litros por segundo.

Se realizaron parámetros in situ como; pH, temperatura ambiente, temperatura del agua,
conductividad eléctrica y oxígeno disuelto con un multiparámetro.

Para el muestreo de los diferentes parámetros que se realizarán en laboratorio se etiquetó

cada una registrando los datos necesarios para un correcto etiquetado los datos son: fecha y
hora del muestreo, localidad, número de muestra, quien realizó la colecta de la muestra, tipo
de muestra, conservador y análisis solicitado.

Posterior al muestreo in situ se realizaron alcalinidad y acidez (NMX-AA-036-SCFI-2001),

cloruros (NMX-AA-073-SCFI-2001), oxígeno disuelto (NMX-AA-012-SCFI-2001) para la
primera etapa de la DBO5, las pruebas presuntivas de coliformes totales (NMX-AA-42-1987),
primera fase de DBO5 (NMX-AA-028-SCFI-2000), dureza total y dureza de calcio Manual de
técnicas básicas para el análisis de ambientes acuáticos (Cervantes-Sandoval,1988) y
cloruros (NMX-AA-073-SCFI-2001).

Para el transporte adecuado de cada muestra, se utilizaron recipientes y conservadores

específicos (Tabla 4) referenciados en las normas oficiales mexicanas de la siguiente manera:

Tabla 4. Conservadores y tipos de recipientes de las pruebas analíticas

Prueba Recipiente Conservador

DBO Botella Winkler Refrigeración a 4°C hasta

su análisis

26
 DQO Polietileno H2SO4 4 mol/L

Sólidos suspendidos totales Polietileno Sin conservador

Sólidos disueltos totales Polietileno Sin Conservador

Sustancias activas al azul de Polietileno [H2SO4]

metileno

Nitrógeno (amoniacal, Polietileno NO2 y NO3 sin conservador

orgánico, nitritos y nitratos) Nitrógeno orgánico y
amoniacal: H2SO4 1:1

Fósforo (Total, ortofosfatos e Polietileno Refrigeración a 4°C hasta

hidrosoluble) su análisis

Sulfatos Polietileno Refrigeración a 4°C hasta

su análisis

Coliformes (totales y fecales) Vidrio ámbar de boca ancha 4°C con el fin de inhibir la
con tapa esmerilado de 100 reproducción bacteriana
mL

Color Polietileno Sin conservador

Oxígeno disuelto (al quinto día Botella Winkler 4°C análisis inmediato
en la prueba de DBO)

Cloruros Polietileno Refrigeración a 4°C hasta

su análisis

Grasas y aceites Vidrio ámbar de 1 L SO4Cu mantener en

refrigeración a 4°C

Trabajo de laboratorio

Para el trabajo de laboratorio se realizaron las pruebas de acuerdo con el tiempo máximo de
análisis y mantener el mayor tiempo de integridad posible (Tabla 5) de acuerdo con lo
establecido en las normas oficiales mexicanas siguientes;

Tabla 5. Pruebas, métodos y tiempos de análisis

PRUEBA MÉTODO TIEMPO MÁXIMO DE ANÁLISIS

DBO5 (NMX-AA-028-SCFI-2001) 5 días

DQO (NMX-AA-030/1-SCFI-2012) no especifica tiempo límite

Sólidos suspendidos totales (NMX-AA-034-SCFI-2015) 7 días

Sólidos disueltos totales (NMX-AA-034-SCFI-2015) 7 días

Sustancias activas al azul de (NMX-AA-039-SCFI-2001) 7 días

metileno

27
 Nitrógeno (amoniacal, (NMX-AA-026-SCFI-2010) 28 días
orgánico, nitritos y nitratos)

Fósforo (Total, ortofosfatos e (NMX-AA-029-SCFI-2001) 28 días

hidrosoluble)

Sulfatos (NMX-AA-074-SCFI-2014) 28 días

Coliformes (totales y fecales) (NMX-AA-042-SCFI-2015) 1 día

Color (NMX-AA-017-SCFI-1980) 5 días

Oxígeno disuelto (al quinto día (NMX-AA-012-SCFI-2001) 8 horas

en la prueba de DBO)

Cloruros (NMX-AA-073-SCFI-2001) 5 días

Grasas y aceites (NMX-AA-005-SCFI-2013) 28 días

Resultados y análisis

Caudal

En la figura 1 se observa el registro del gasto (Q) tanto en meses de lluvia y estiaje, el Q mayor se presentó en
noviembre en el sitio de referencia de Santa Rosa mientras que el Q más pequeño se obtuvo en el Fraile (figura
3).

Figura 1. Caudal

*Sitio incorporado al monitoreo a partir de octubre

Esto se puede explicar debido al aumento de los aportes producto de la precipitación y por
consiguiente al aumento del escurrimiento en los meses de mayo a noviembre, este último
es la transición a la temporada seca (figura 2) en Taxco Guerrero, en tanto que en febrero se
observa una notable disminución del gasto, este mes corresponde a temporada seca y que
es el de menor precipitación pluvial (figura 2).

28
 Figura 2. Precipitación mensual y promedio

Fuente Clima promedio de Taxco de Alarcón año 2016: https://es.weatherspark.com/y/5437/Clima-promedio-en-

Taxco-de-Alarc%C3%B3n-M%C3%A9xico-durante-todo-el-a%C3%B1o

FIGURA 3. REGISTRO DE CAUDAL

FRAILE SANTA ROSA DOLORES GRANJA
ago-19
2000

1500

1000
L/s

500

feb-20 0 oct-19

nov-19

Para el sitio de referencia denominado La Granja se observa un incremento que sobrepasa

lo reportado en el sitio de Dolores o Santa Rosa, esto se puede explicar debido a los vertidos
que aportan las viviendas, restaurantes y comercios cercanos a este sitio, así como una serie
de escurrimientos presentes en la zona (figura 4).

29
 Figura 4. Hidrología de localidades de Taxco de Alarcón, Guerrero

Fuente: INEGI, https://www.inegi.org.mx/temas/hidrologia/

Oxígeno disuelto

Figura 5. Oxígeno disuelto

8
7
6
5
4
3
2
1
0
ago-19 oct-19 nov-19 feb-20
FRAILE SANTA ROSA DOLORES GRANJA

Riley & Dodds (2013). Mencionan que el oxígeno disuelto puede ser afectado por factores
que controlan los cambios de su concentración a través del tiempo, como la productividad
primaria y las tasas de aireación así mismo, estos factores son influenciados por la
temperatura, profundidad del rio, disponibilidad de luz y actividad autotrófica, elevados niveles
de materia orgánica, turbulencia y escurrimientos provocados por las precipitaciones fluviales
(como se cita en Muñoz, et al. 2015).

30
 Los registros de oxígeno disuelto muestran concentraciones mayores en agosto y octubre,
excepto para El Fraile, disminuye a partir de noviembre y febrero. Este comportamiento se
puede explicar parcialmente por la transición entre lluvias y sequía, relacionado directamente
con la disminución del caudal y por la acumulación de materia orgánica (DBO5), situación que
consume en mayor cantidad oxígeno disuelto. En la figura 6 se puede observar el incremento
particularmente de la DBO5 durante noviembre y febrero.

Figura 6. Temperatura
35

30

25

20
°C

15

10

0
DOLORES

DOLORES

DOLORES

DOLORES
GRANJA

GRANJA

GRANJA

GRANJA
FRAILE

SANTA ROSA

FRAILE

SANTA ROSA

FRAILE

SANTA ROSA

FRAILE

SANTA ROSA
Tem Agua Tem Amb
ago-19 oct-19 nov-19 feb-20

Temperatura

En la figura 6 se observa un comportamiento aleatorio de la temperatura ambiente, debido a las condiciones micro
climáticas de cada sitio de referencia. Durante agosto 2019 hubo una diferencia de 3.1 a 1.2 °C entre la
temperatura ambiente y la temperatura del agua. Durante octubre de 2019 tampoco se observaron variaciones
mayores a 3.1 °C, siendo la variación mayor en El Fraile de 3.1 °C y la menor en Dolores con 1.1 °C. Durante
noviembre de 2019 se comenzó a observar un incremento de la temperatura ambiente en todos los sitios de
referencia, El Fraile destaca como el punto de referencia que registró una mayor temperatura ambiental (28.5 °C),
en febrero de 2020 podemos observar un incremento gradual en la temperatura ambiental.

El valor más alto de temperatura ambiental fue registrado en el punto de referencia La Granja durante febrero, el
menor se registró durante agosto en Santa Rosa, la hora de registro de temperatura está incidiendo en estos
datos, este último sitio fue monitoreado a las 8:45 am.

A pesar del comportamiento aleatorio de los datos de temperatura ambiente durante cada muestreo, se observa
en la figura 6 uniformidad con los registros de temperatura del agua, presentando una temperatura media de
18.34°C con una desviación de 2.1 °C durante la temporada húmeda

Muñoz et al (2015) mencionan que cuando existe una correlación significativa entre la temperatura ambiente y la
temperatura de la corriente, esta última depende del clima de la región causada por la radiación del sol.

De acuerdo con Chia-Jung et al (2019) el aumento de la temperatura ambiental afecta directamente a las aguas
superficiales causando cambios considerables en la calidad del agua, pues al aumentar la temperatura del agua

31
por influencia del ambiente también hay un aumento de los niveles de pH, un aumento en la cantidad de nutrientes,
un incremento en el potencial reproductor de las comunidades bacterianas y una disminución del oxígeno disuelto.
Sin embargo, de acuerdo con la NOM-001-SEMARNAT-1996 se establece que el nivel máximo de temperatura
del agua para la protección de vida acuática un promedio diario de 40°C, por lo que, de acuerdo con lo registrado,
este cuerpo de agua cumple con los límites reglamentarios.

pH

El pH del río Cacalotenango disminuyó de agosto a noviembre (figura 7), debido a un aumento del caudal que se
presentó en este periodo provocado por las precipitaciones. El aumento de volumen del río facilita los procesos
de difusión molecular de sustancias alcalinas disminuyendo así el pH del río, no así en febrero, cuando las
precipitaciones cesaron y disminuye el caudal, afectando los procesos de advección y difusión molecular de
sustancias alcalinas (carbonatos, sales) lo que provoca un aumento de pH (Movellán, E., 2004). En los recorridos
a campo no se observaron procesos de eutrofización y tampoco incorporación de aguas residuales.

Santa Rosa registró el pH más bajo en agosto, octubre y febrero, en campo se observaron heces de ganado
abundantes, lo que aporta materia orgánica que en su descomposición puede acidificar ligeramente el caudal. En
Dolores se registró el mayor valor de pH en octubre y febrero (figura 7), esto es atribuido a la gran cantidad de
carbonatos presentes en el sitio de referencia, es recomendable muestrear este sitio de referencia en futuros
trabajos de campo para observar el comportamiento de pH del sitio de referencia.

32
Conductividad Eléctrica

Figura 8. Conductividad eléctrica

FRAILE
1200
1000
800
600
400
200
GRANJA 0 SANTA ROSA

DOLORES

ago-19 oct-19 nov-19 feb-20

En agosto de 2019 se registró la mayor conductividad eléctrica en el punto de referencia El

Fraile. Aunque también es alta en Dolores tanto en noviembre como en febrero, aunado a
una disminución de caudal, concentración de materia orgánica y concentración de sólidos
suspendidos. Esto también se puede relacionar con la concentración de sólidos disueltos
totales en el agua ya que las mediciones de conductividad eléctrica dependen del número de
iones disociados en el río (Can-Chulim et al, 2014). Del mismo modo, como la conductividad
eléctrica mide los iones disueltos en el agua, esta se relaciona de manera directa al grado de
dureza del ya que un alto contenido de minerales puede provocar una alta concentración de
sales. (Jáuregui, 2019)

Con excepción del valor registrado durante agosto en El Fraile, se puede observar una
disminución de la conductividad eléctrica en la temporada de lluvias (figura 8).

Los datos obtenidos tanto de dureza y de sólidos disueltos totales muestran un

comportamiento semejante al de la conductividad eléctrica durante febrero.

De acuerdo con la NMX-AA-093-SCFI-2000 para la determinación de conductividad

electrolítica, se considera una interferencia a la medición una alta cantidad de material
suspendido lo que puede explicar una relación con la alta conductividad y los sólidos
suspendidos totales en el sitio de referencia El Fraile ya que durante esa época hubo un
vertimiento de material clástico directamente al cauce del río y los taludes.

33
Acidez y Alcalinidad

Acidez: Se registraron las mayores concentraciones en las diversas salidas a campo en los
sitios El Fraile y Dolores (figura 9), debido a la presencia de escurrimientos ácidos que
provienen de los jales mineros ubicados en el Fraile y Santa Rosa (H2SO4, HCl), este impacto
también se manifiesta en el sitio de referencia Santa Rosa, así mismo en noviembre se
observó una incorporación importante de materia orgánica producto del lavado de corrales o
establos.

Alcalinidad Fenolftaleína: Las mayores concentraciones se presentaron en Dolores durante

octubre y febrero, en noviembre se tuvo una concentración relativamente alta (figura 9), no
obstante, Santa Rosa presentó la mayor concentración en ese mes. Con lo observado en
campo, se propone que Dolores sea la zona de recuperación del río Cacalotenango, por lo
que los picos en este parámetro indican presencia de carbonatos que fortalecen el sistema
buffer del río que le otorgan capacidad de resiliencia frente a la acidificación, producto
principalmente del escurrimiento de los jales mineros.

Alcalinidad total: La alcalinidad total en el río Cacalotenango incrementa por la presencia de

bicarbonatos, las concentraciones más elevadas se registraron en El Fraile durante agosto y
octubre, La Granja en noviembre y Dolores en febrero (figura 9). En la Granja se observó una
mayor presencia de bicarbonatos posiblemente por la presencia de materia orgánica.

34
Dureza

Figura 10. DUREZA

400
350
300
250
200
150
100
50
0
GRANJA

GRANJA

GRANJA

GRANJA
STA. ROSA

STA. ROSA

STA. ROSA

STA. ROSA
DOLORES

DOLORES

DOLORES
FRAILE

FRAILE

FRAILE

FRAILE
AGOSTO OCTUBRE NOVIEMBRE FEBRERO

mg/L (T) mg/L(CaCO3)

La concentración de sustancias disueltas en el agua puede variar, considerablemente, según

la localización geográfica y la estación del año. Frecuentemente, en lo que respecta a
componentes activos, la concentración relativa de los iones o microcomponentes más
importantes del agua, en orden decreciente, es la siguiente: Ca2+ > Na+ > Mg2+ > K+ para los
cationes y HCO3- > SO42- > Cl- para los aniones (Neira, 2006). Estos iones están generalmente
presentes en concentraciones que oscilan de 1 a 250 mg/L. Los iones restantes o
microcomponentes se encuentran en menores concentraciones, incluso inferiores a 1 µg/L.
Los iones de Ca y Mg son los principales cationes bivalentes y conjuntamente constituyen el
95% de lo que se conoce como Dureza del Agua, la cual es una mezcla compleja y variable
de cationes y aniones (Arias & Victoria, 2000). La dureza de define entonces como la
concentración de todos los cationes metálicos no alcalinos presentes, en forma de carbonatos
y bicarbonatos, se expresa en equivalentes de carbonato de calcio, entonces cuando un agua
es referida como agua “dura” esto simplemente significa que contiene más minerales que un
agua normal, especialmente minerales de calcio y magnesio (Rodríguez, 2009). Este
parámetro constituye un parámetro muy importante en la calidad de agua, ya que las altas
concentraciones representan un riesgo a la salud pública.

Las fluctuaciones en la dureza en el tramo de muestreo Fraile-Taxco El Viejo, se muestran

en la figura 10. Con base en la CE-CCA-001/89 que establece el límite máximo permisible
de dureza en 200 mg/L para especies acuáticas, se dice que los valores de dureza en los
muestreos realizados en octubre y noviembre estuvieron por debajo de este límite mientras
que en el mes de agosto estuvieron por encima de este en los sitios Fraile y Granja, así
como en los realizados en el mes de febrero, donde en tres de los cuatro sitios, lo
rebasaron.

Sawyer, et. al (2001) señalan que la dureza proviene del contacto del suelo con las
formaciones rocosas y la posterior acción del escurrimiento por efecto de la lluvia, hacia el
río. Los tipos de suelo presentes en el área de estudio son luvisoles, (limitados por una roca
continua y dura en los primeros 25 cm, o por un material con más del 40 % de equivalente en
carbonato cálcico) y leptosoles (roca dura continua, horizonte Mólico con un espesor

35
entre 10 y 25 cm, directamente por encima de un material con un contenido de carbonato de
calcio equivalente de más del 40%, o menos del 10% en peso de la fracción tierra fina desde
la superficie del suelo hasta una profundidad de 75 cm o más).
Los sitios de referencia en el periodo de agosto-noviembre de 2019, de acuerdo con Romero
(1999) registraron agua considerada como dura (150-300 mg/L CaCO3), en febrero de 2020
pasó a muy dura (>300 mg L−1 CaCO3) (figura 10).
En ocasiones, la precipitación, no es suficiente para disolver los sólidos existentes en aguas
naturales. Por eso las concentraciones registradas muestran un incremento en el muestreo
realizado en febrero comparándolas con los muestreos realizados en el periodo de agosto –
noviembre, cuando el caudal tiene un mayor potencial de disolución de contaminantes. El
aumento en la dureza del agua se atribuye a que en este mes se presentó la disminución del
caudal, lo que genera una mayor concentración de sales y menor capacidad de dilución
(Sperling 2001).

Cloruros

De agosto a noviembre se observa que la concentración de cloruros es baja (figura

11) debido a la capacidad de advección que tiene el caudal, no obstante, cuando el
caudal es bajo, la concentración de cloruros aumenta, pues la baja velocidad del río
ralentiza el flujo de los cloruros (Movellán, E., 2004).

En Santa Rosa se registró una concentración anormal en noviembre y febrero (figura

11), probablemente sea consecuencia del vertimiento de residuos hogareños, pues el
sitio de referencia se encuentra en dicha localidad (Rodríguez, H., 2001).

36
Sulfatos

Figura 12. Sulfatos

EL FRAILE
300
250
200
150
100
50
LA GRANJA 0 SANTA ROSA

DOLORES

ago-19 oct-19 nov-19 feb-20

La mayor concentración de sulfatos se registró durante octubre en El Fraile y Santa Rosa.

Durante noviembre destaca una alta concentración de estos en los mismos sitios de
referencia (figura 12).

Resalta una drástica disminución de sulfatos durante el mes de febrero. Méndez- Ramírez et
al. (2012) reportan una alta concentración de sulfatos durante la época seca en el Río Taxco,
de la misma manera Coello et al. (2013) reportan una alta concentración de sulfatos, pero en
el Río Ozogoche, Ecuador. Esto se debe a que cuando se presenta una baja precipitación
disminuye el flujo del caudal que permite su acumulación, lo que sugiere una alta influencia
del jal.

Esta afirmación se ve respaldada por el pH ácido y la alta concentración de SDT y SST en El

Fraile durante noviembre (figura 18). Esta característica se debe a la neutralización de aguas
con influencia de drenaje ácido.

Xin-Cheng et al (2020) mencionan que la actividad minera de relaves mineros cercanos a ríos
afecta de manera considerable la concentración de sulfatos debido a la oxidación de la pirita
presentes en los relaves. El sulfato soluble es un componente importante en las aguas
superficiales, participa en la meteorización de rocas carbonatadas que están estrechamente
relacionadas con la liberación de CO2 a la atmósfera afectando directamente al ciclo del
carbono y al cambio climático, además de participar de manera activa en la salinidad y acidez
de los cuerpos de agua cuando este se encuentra en grandes proporciones. Por este motivo,
es de fundamental importancia realizar un seguimiento de la dinámica de las aguas residuales
de los drenajes de las minas que proporcione información para seleccionar lugares de
acumulación de los residuos mineros de manera racional ya que las altas concentraciones de
sulfatos en los ríos y en los relaves pueden infiltrarse a las aguas subterráneas y cambiar su
composición.

37
 Figura 13. DBO vs DQO
250
200
150
mgO2/L

100
50
0
SANTA ROSA

SANTA ROSA

SANTA ROSA

SANTA ROSA
DOLORES

DOLORES

DOLORES

DOLORES
GRANJA
GRANJA

GRANJA

FRAILE

GRANJA
FRAILE

FRAILE

FRAILE
ago.-19 DBO5
oct.-19 DQO nov.-19 feb.-20

La demanda bioquímica de oxígeno (DBO5) determina el oxígeno necesario para descomponer la materia orgánica
biodegradable, mediante microorganismos aerobios presentes en el agua, por otra parte, la DQO es la cantidad
necesaria de oxígeno para degradar la materia orgánica no biodegradable u oxidar diferentes especies químicas
que se encuentren en el agua, ambos parámetros son buenos indicadores de contaminación (Menéndez &
Dueñas, 2018).

Al realizar el análisis comparativo entre la DBO5 y la DQO, en el sitio de referencia El Fraile se observa una
concentración pequeña de DBO con respecto a la DQO esto indica que los escurrimientos provenientes de los
jales mineros están impactando en la calidad del agua del río Cacalotenango, particularmente durante la
temporada de lluvia, aunado al relave de sedimentos del lecho del río durante la precipitación. En la temporada
seca se observa un aumento en la DBO esta concentración se acerca a la DQO (figura 13), lo que implica que no
hay factor de dilución para la materia orgánica y la presencia principalmente de aportes domésticos.

Figura 14. Organismos coliformes totales y

fecales

5000
4000
3000
2000
1000
0 COLIFORMES TOTALES
SANTA ROSA

SANTA ROSA

SANTA ROSA

SANTA ROSA
DOLORES

DOLORES

DOLORES

DOLORES
GRANJA

GRANJA

GRANJA

GRANJA
FRAILE

FRAILE

FRAILE

FRAILE

ago.-19 oct.-19 nov.-19 TOTALES

COLIFORMES feb.-20

Existen controles en la calidad microbiológica del agua de corrientes superficiales, es necesario monitorear y
evaluar la presencia de microorganismos indicadores de contaminación fecal y potencialmente patógenos como
los coliformes totales, coliformes fecales, enterococos fecales, entre otros. No obstante, determinar los tipos de

38
microorganismos presentes en el agua y su concentración proporciona herramientas indispensables para conocer
la calidad del agua y para la toma de decisiones en el control de vertimientos y tratamiento de agua (Jiménez y
Vélez, 2006).

Estas concentraciones son producto de vertimientos de aguas residuales y residuos de diferente tipo de las
viviendas que se ubican en las márgenes del río Cacalotenango, así como por la presencia de ganado lo que
genera una alta concentración de coliformes tanto totales como fecales (figura 14) y como consecuencia un
riesgo para la salud humana, los diferentes sitios de referencia rebasan los límites máximos permisibles
(<2000NMP/100ml) según la NOOM-001-ECOL-SEMARNAT-1996, cuando se observa la reducción en la
concentración de coliformes se debe a un incremento del caudal lo que favorece el factor de dilución, un
incremento de oxígeno disuelto y disminución de las a DBO5. En febrero se observa un incremento en la
concentración de coliformes fecales tanto en el Fraile como en Santa Rosa debido a la disminución del caudal,
disminución de oxígeno e incremento de la DBO5.

Nitrógeno amoniacal y nitrógeno orgánico

Se registró un comportamiento ascendente de nitrógeno total en Santa Rosa a lo largo de las

salidas a campo. Se observó en este sitio de referencia una vegetación riparia abundante la
cual, junto a la disminución de precipitaciones, incrementa la concentración de nitrógeno
orgánico de agosto a noviembre (figura 15). Por otra parte, en Santa Rosa también se observó
actividad ganadera (fotografía), además de pelaje, heces fecales y probablemente orina, los
cuales, según Condori (2017). Aportan sobre todo amoniaco al sistema, pero también otros
productos del metabolismo ruminal de la proteína tales como péptidos y aminas, cabe
mencionar que, en el mes de noviembre, en Santa Rosa hubo un intenso aroma que se
presume, puede ser producto de lavado de corrales de ganado.

39
Por el contrario, El Fraile registró un comportamiento descendente de nitrógeno total a lo largo
de las salidas a campo. En el primer trabajo en agosto, se observó actividad minera,
específicamente en el manejo de residuos, el río Cacalotenango en ese momento se vio
fuertemente impactado, ya que la vegetación riparia fue prácticamente eliminada, el caudal
disminuyó y residuos sólidos de las cuadrillas de
trabajadores fueron arrojados al río (orgánicos e
inorgánicos) así como sólidos provenientes de residuos
mineros, posiblemente todos estos factores contribuyeron
a las elevadas concentraciones de nitrógeno total en agosto
y la excepcional concentración de nitrógeno amoniacal en
octubre, la cual, como menciona Sardiñas & Pérez (2004),
indica una gran cantidad de compuestos orgánicos
nitrogenados en descomposición siendo que, en
noviembre, cuando la actividad de manejo de residuos
mineros cesó, los procesos de descomposición
disminuyeron considerablemente. En febrero el caudal se
redujo en El Fraile y los compuestos orgánicos
nitrogenados disminuyeron en más del 50% respecto al
trabajo de campo en noviembre (figura 15).

En La Granja se registraron ligeros aumentos en la concentración de octubre a febrero

conforme la precipitación y caudal disminuyeron, Dolores pareciera seguir el mismo
comportamiento, no obstante, en agosto no se estudiaba esa zona aún y a finales de febrero
debido a la contingencia sanitaria cuando se iba a procesar la muestra se interrumpieron las
actividades en los espacios universitarios. Se recomienda monitorear este sitio en futuros
trabajos de campo para observar de mejor forma el comportamiento. Cabe destacar que en
agosto, La Granja registró una concentración de nitrógeno total muy elevada (figura 15), pues
antes de ese sitio de referencia existen puntos de escurrimientos de casas, restaurantes y
tiendas que pueden llevar compuestos nitrogenados.

Nitratos y nitritos

40
En octubre se registraron menores concentraciones de nitritos y nitratos que las registradas
en noviembre, excepto en La Granja (figura 16), esto concuerda con las concentraciones de
oxígeno disuelto, pues en octubre el río Cacalotenango tuvo hasta 7mg/L de oxígeno disuelto
y en aguas superficiales bien oxigenadas, el nivel de nitritos no suele superar el 0.1mg/L
(Gómez, J., 2014). La Granja registró la más alta concentración de nitritos y nitratos en
octubre, probablemente sea consecuencia de actividades agrícolas en terrenos circundantes
al sitio de referencia, pues la principal fuente de nitratos en sitios con impacto antropogénico
son abonos y fertilizantes nitrogenados (Rodríguez, H., 2001).

En febrero, las concentraciones de nitritos aumentaron considerablemente en comparación a

los trabajos de campo de octubre y noviembre (figura 16). Los nitritos son un estado
intermediario entre el amoniaco y los nitratos en la fase de nitrificación en el ciclo del
nitrógeno, sin embargo, según Metcalf & Eddy (1998). En concentraciones elevadas los
nitritos son indicadores de contaminación de carácter fecal reciente (Como se cita en
Rodríguez, H., 2001), los resultados de coliformes fecales también registraron un alza en su
concentración en febrero, además de aumentar en gran cantidad respecto a meses
anteriores, por lo que no se descarta la influencia de descargas de carácter fecal en el río, ya
sea de origen humano o animal. La disminución del caudal en febrero y la escasez de lluvias,
propicia la disminución de oxígeno disuelto en el río, lo cual contribuye al aumento en la
concentración de nitritos, pues las bacterias nitrificantes pueden disminuir su actividad
metabólica en función al oxígeno disponible y con ello disminuir la concentración de nitratos,
por otra parte, en el proceso de desnitrificación, algunas bacterias necesitan utilizar el oxígeno
para su respiración, por lo que degradan nitratos a nitritos y eventualmente liberan el
nitrógeno no utilizado a la atmósfera.

Cabe mencionar que los nitritos en concentraciones elevadas reaccionan con aminas y
amidas en medios ácidos formando nitrosaminas de alto poder cancerígeno y tóxico (OMS,
2019) además de interaccionar con los glóbulos rojos de la sangre produciendo
metahemoglobinemia (Cabrera, E., et al, 2003), por lo que una concentración por encima de
1mg/L es totalmente tóxica para el desarrollo de la vida piscícola y el establecimiento de un
sistema fluvial en buenas condiciones. (Gómez, J., 2014). Si bien las concentraciones de
nitritos no llegan siquiera a 0.05mg/L, se recomienda monitorear al río Cacalotenango
constantemente para tener seguimiento del comportamiento de este ion.

41
Grasas y Aceites

Durante noviembre se registró la mayor concentración de grasas y aceites en tres de los

cuatro sitios de referencia, se puede inferir que los sitios mencionados reciben algunas
descargas de aguas residuales domésticas. El Fraile durante octubre registró valores de 5.3
mg/L, particularmente este sitio no tiene influencia de vertimientos domésticos, la presencia
de grasas y aceites se debió a la presencia de cuadrillas de trabajadores que realizaron la
cobertura del Jal La Concha en tanto que en Santa Rosa durante toda la campaña de
muestreo se registró la mayor concentración 9.5 mg/L (figura 17).

Se puede apreciar en la figura 17 un incremento de la concentración de grasas y aceites en

la transición de la temporada lluvia y de secas, esto se puede explicar en parte por la acción
de los escurrimientos que provienen de las carreteras próximas al río, siendo Santa Rosa,
Dolores y La Granja los más afectados. De acuerdo con Dimas et al (2015) la concentración
de estos compuestos debería incrementar a medida que el cauce va bajando, la existencia
de trampas de arena en el sitio de referencia La Granja explica el comportamiento de este
sitio.

Sólidos suspendidos y disueltos totales

Figura 18. Sólidos suspendidos y disueltos totales

1500
mg/L

1000
500
0
FRAILE
SANTA ROSA
DOLORES
GRANJA
FRAILE
SANTA ROSA
DOLORES
GRANJA
FRAILE
SANTA ROSA

SST
DOLORES

GRANJA

FRAILE

SANTA ROSA

DOLORES

GRANJA

ago-19
oct-19
nov-19
feb-20

SST SDT

42
 En agosto, octubre y noviembre de 2019 se registró la mayor concentración de sólidos
suspendidos totales (SST), destaca El Fraile. En tanto que en noviembre los sólidos disueltos
totales (SDT) registraron la mayor concentración en el mismo sitio de referencia. Este
comportamiento se relaciona con la temporada de lluvias ya que se arrastran diversas
partículas al río por medio de erosión hídrica y eólica, así como el arrastre de material de los
jales mineros tanto de El Fraile como Santa Rosa.

Durante la época de lluvias producto del escurrimiento de los taludes adyacentes al río se
arrastra una gran cantidad de material usado para cubrir el jal minero, particularmente en el
sitio de referencia El Fraile. La concentración de SST se refleja también en Santa Rosa.

De acuerdo con Saldaña-Fabela y Gutiérrez-Hernández (2011) se puede presentar una alta

correlación entre los sólidos disueltos y la conductividad eléctrica. Esto sugiere que la
cantidad de estos contribuyen de manera importante en el total de material disuelto y en la
incorporación de nutrimentos al sistema acuático. Esta afirmación se ve confirmada con el
comportamiento observado en la figura 18 donde se observa un incremento de la
conductividad eléctrica a medida que se incrementa la presencia de SDT en el río. No
obstante, en el caso de la figura 18, se observa un comportamiento que, según lo
referenciado, puede considerarse atípico causado por el escurrimiento de material clástico
proveniente del jal.

Color

Figura 19. Color

FEB
NOV19
20
OCT19
Matiz
AGO19

FRAILE SANTA ROSA DOLORES GRANJA

El río Cacalotenango registró en las diferentes localidades de muestreo una longitud de onda
dominante entre 465 a 575 nm, los diferentes meses de muestro. En agosto el matiz para el
Fraile y Santa Rosa fue azul al igual que en noviembre que además de estos dos sitios
también lo registró Dolores (figura 19). La Granja registró matiz azul-verdoso durante agosto
de 2019 y en octubre en el resto de los cuatro sitios. Al inicio de la temporada seca el matiz
fue verde-amarillento, siendo la única excepción Dolores con un matiz azul, conforme avanzó
la temporada seca (febrero de 2020) el matiz fue azul-verdoso. El color verde en aguas
naturales suele acusar problemas de sales provenientes de los alrededores. De igual forma,
un color amarillento suele deberse a compuestos de azufre, así como a compuestos húmicos
en descomposición (Popova et al, 2020). Al realizar el análisis entre color y SST/SDT (figura

43
18) el matiz verde-amarillento predomina en los sitios de referencia con alta concentración de
SDT.

Las aguas naturales pueden ser incoloras o incluso azules dependiendo de la profundidad;
sin embargo, algunas aguas naturales tienen cierto color que dependen de los materiales
disueltos y suspendidos e incluso de los sedimentos del fondo, mientras que el color
producido únicamente por las sustancias disueltas es denominado color real o verdadero
(Pérez-Zarate & Pichardo- Rasso, 2019).

El fósforo es un nutriente esencial para los organismos vivientes; en aguas frescas y sistemas
marinos está sujeto a procesos de transformación continua que incluyen consumo o liberación
del elemento en sus diferentes formas o especies. Es considerado un parámetro crítico en la
calidad de aguas debido a su influencia en el proceso de eutrofización. Entre las fuentes de
fósforo en el agua natural se deben mencionar los depósitos y rocas fosfóricas las cuales
desprenden fósforo, en forma de ortofosfato principalmente, mediante erosión (Sánchez,
2001). El fósforo se oxida rápidamente en las rocas terrestres como ortofosfato, en el agua
también se encuentra como: piro-meta- polifosfatos y ligados a moléculas compuestas
orgánicas. Todas estas formas se presentan en solución, partículas o detritus. El orto fosfato
(ácido fosfórico o normal) es altamente soluble y es la fracción útil que absorben las plantas
autótrofas (Maisterrena,1999).

Figura 20. Fósforo

0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
GRANJA

GRANJA

GRANJA

GRANJA
STA. ROSA

STA. ROSA

STA. ROSA

STA. ROSA
DOLORES

DOLORES

DOLORES
FRAILE

FRAILE

FRAILE

FRAILE

AGOSTO OCTUBRE NOVIEMBRE FEBRERO

ORTOFOSFATOS mg/L P HIDROLIZABLE mg/L P TOTAL mg/L

Los resultados obtenidos en este estudio indican el aumento de las concentraciones

de fósforo a través del tiempo como se observa en la figura 20; Ávila (2007) refiere
que el aumento en las actividades agrícolas, pecuarias e industriales, así como, el
aumento de centros poblados e industriales en la cuenca, pueden cambiar de manera
marcada la concentración de nitrógeno y fósforo transportada por el río a través del
tiempo. Valiela et al (2003) han establecido que cuencas intervenidas por actividades
agrícolas y desforestación, conllevan una mayor pérdida de nitrógeno con relación al

44
fósforo encontrándose en este estudio que la proporción de nitrógeno orgánico es
mucho mayor que la inorgánica, debido esencialmente a las descargas urbanas e
industriales (minería) recientes y de residuos de fertilizantes agrícolas. En el tramo de
la zona de estudio, Fraile- Taxco El Viejo, sí hay escurrimientos de residuos agrícolas,
sin embargo, la mayor parte de la producción de cultivos de la región, según datos
del INEGI (2009) es manual estacional, o sea, que su aporte de material fosfatado en
fertilizantes, es solo por temporadas. Entonces el comportamiento del fósforo se
atribuye a el alto proceso erosivo, por ausencia del bosque de las vertientes y de la
planicie aluvial, así como por las distintas actividades industriales y urbanas, conlleva
al transporte de nutrientes hacia las aguas del río (Whitehead, 2002).

Las lluvias también contribuyen con una cantidad importante del fósforo total presente
en las aguas superficiales. Holtan et. al. (1988) encontró que la concentración de P
en aguas de lluvia varía en el tiempo y en espacio. Las polifosfatos en aguas naturales
son hidrolizadas lentamente a ortofosfato. Los compuestos orgánicos también pueden
ser hidrolizados a través de reacciones químicas o biológicas que se consideran
factores claves en el ciclo normal del fósforo (Lean, 1973). Lo cual explica el
comportamiento del P en los meses con más precipitaciones, de agosto a noviembre
(figura 21), dónde de casi todo el fósforo total reportado, la mayor parte son
ortofosfatos.

Figura 21. FÓSFORO

0.3
0.2
0.1
0
GRANJA

GRANJA

GRANJA

GRANJA
STA. ROSA

STA. ROSA

STA. ROSA

STA. ROSA
DOLORES

DOLORES

DOLORES
FRAILE

FRAILE

FRAILE

FRAILE

AGOSTO OCTUBRE NOVIEMBRE FEBRERO

ORTOFOSFATOS mg/L P HIDROLIZABLE mg/L P TOTAL mg/L

Se observa un incremento en las concentraciones de fósforo en febrero, época de estiaje, la

disminución en los caudales provoca una reducción en la velocidad del agua, mayores
tiempos de residencia en los cauces (Whitehead et al., 2009) y disminución de la capacidad
de dilución, lo que implica el posible incremento en las concentraciones de contaminantes y
nutrientes (Prathumratana et al., 2008; Bates et al., 2008). Estos resultados son coherentes
con lo esperado, ya que, durante la época de lluvias, el incremento del caudal favorece la
dilución de concentración tanto de sustancias contaminantes, por efecto de reaireación y
mayor velocidad de la corriente produce tiempos de retención menores a los que se presentan
en la época de estiaje, esto contribuye a crear condiciones que limitan la degradación de la
materia orgánica en la época lluviosa (Montes et el 2013).

45
La presencia de fósforo en aguas naturales está estrechamente ligado a la presencia de
nitrógeno. En 2006, SEMARNAT reporta que aproximadamente en el 88% de los sitios de
monitoreo de las aguas superficiales nacionales, la concentración de fosfato fue superior a
0.1 mg/L, un nivel considerado como indicador de fuerte contaminación. En ese mismo año,
74% de los sitios se consideraron contaminados al registrar concentraciones de nitratos
superiores a los 0.2 mg/L (CONAGUA, 2007). Con base en los datos obtenidos, los niveles
de nitratos con relación a los obtenidos de fósforo están por debajo de lo reportado como
contaminante, tanto en la temporada de lluvias como en el muestreo realizado en la época de
secas. Mientras que el fósforo solo se mantuvo por debajo del límite reportado por la
CONAGUA en meses de lluvia, se puede notar que, cuando empieza la época de estiaje, en
el mes de febrero, las cantidades de fósforo se incrementan notablemente, en todos los sitios
de muestreo, las cantidades de fosfatos están por encima de 1 mg/L.

Modelación

Nitrógeno total
Las tasas de nitrificación se estimaron con el método Courchaine descrito en (Robles, 2005)
obteniendo los resultados siguientes:
AGOSTO Kn Base e (d-1) Kn Base log10 (d-1) Kn experimental LN (Rivera, 2016)
2019 Método Courchaine Método Courchaine Base e (d-1)
FRAILE 0.0538 0.0234 0.1916 1.7294
SANTA ROSA 0.0544 0.0236 0.5580 12.1072
DOLORES
GRANJA 0.0541 0.0235 0.0707 8.6477
OCTUBRE
2019
FRAILE -0.1106 -0.0480 1.2809 88.2089
SANTA ROSA -0.0707 -0.0307 0.0146 7.0315
DOLORES -0.0989 -0.0429 0.0015 6.3427
GRANJA -0.0989 -0.0429 0.1080 1.7345
NOVIEMBRE
2019
FRAILE 0.2142 0.0930 0.4901 0.5812
SANTA ROSA 0.2436 0.1058 2.642 0.0049
DOLORES 0.3777 0.1641 0.1523 4.0404
GRANJA 0.1889 0.0820 0.0001 4.0400
FEBRERO
2020
FRAILE 0.0019 0.0008 0.0008 2.9159
SANTA ROSA 0.0065 0.0028 0.5117 0.0254
DOLORES 0.0107 0.0046 0.3524 0.0151
GRANJA 0.0015 0.0006 0.0004 4.0482
Tabla 6. Cálculo de tasas de nitrificación con método de Courchaine.

Se despreciaron las tasas de nitrificación por el método Courchaine log10 debido a que, como
menciona Robles (2005), la tasa producto de la escala logarítmica en base 10 es menor que
la de la escala ln.

La tasa con escala ln por el método de Courchaine junto a la tasa experimental con escala ln
fueron utilizadas como variables de cambio en el software Stella para modelación dinámica

46
del río Cacalotenango respecto a nitrógeno, posteriormente, los datos fueron sometidos a
comparación. Con base en esta se decidió emplear las tasas experimentales para analizar el
modelo, además, Robles (2005) menciona que las tasas por métodos son una buena opción
si se carece de datos experimentales, de lo contrario es mejor emplear las tasas
experimentales.

El modelo diseñado funciona mediante el dato de nitrógeno total experimental del primer sitio
de referencia (Fraile), las figuras que genera Stella muestran el comportamiento de la materia
orgánica nitrogenada en un lapso de 12 horas a través del río en función a las tasas de
nitrificación, mientras que las figuras en Excel de resultados experimentales modelados son
la predicción de la concentración de nitrógeno total que generó el modelo Stella. La secuencia
del modelo junto al diagrama de flujo de Stella se encuentra en Anexo 2.

Agosto 2019

Parámetro (mg NTK/L) /sitio de referencia FRAILE SANTA ROSA GRANJA

NTK Experimental 124.1945 11.2614 90.2512
NTK Modelado 124.1945 69.3 4.9
Tabla 7. Datos de NTK experimentales y con base en Stella. Agosto 2019.

El modelo generado con Stella (figura 22)

muestra la elevada capacidad de
autodepuración que tanto El Fraile como
Granja registraron altas concentraciones
de materia orgánica nitrogenada (tabla 7).
Santa Rosa presentó buena
autodepuración de materia oxidable por
microorganismos. Por otra parte, Granja
mostró una tendencia a acumular la
materia orgánica nitrogenada que recibió
ese tramo del río y no tuvo la capacidad
de depurarla eficientemente.

Figura 22. Modelo NTK con base en datos de Stella. Agosto 2019

47
 El modelo generado en agosto tuvo una Figura 23. NTK resultados experimentales
Figura XX. Modelo Stella agosto 2019. Corregir título
infravaloración para Santa Rosa y una vs resultados Stella. Agosto 2019.
sobrevaloración en Granja, sin embargo, 140
puede notarse que el modelo evidencia 120
una disminución en la concentración de 100
80

mg/L
nitrógeno total del Fraile a Santa Rosa,
al igual que los datos experimentales 60
(figura 23). 40
20
0
FRAILE SANTA ROSA GRANJA

NTK Experimental NTK Modelado

Octubre 2019

Parámetro (mg NTK/L) /sitio de referencia FRAILE SANTA ROSA DOLORES GRANJA
NTK Experimental 27.56 47.96 9.6976 2.8573
NTK Modelado 27.56 0.4 0.0006 0.000065
Tabla 8. Datos de NTK experimentales y con base en Stella. Octubre 2019

El modelo generado con Stella para

octubre (figura 24) indica mayor
concentración de nitrógeno total para el
Fraile y Santa Rosa, esto se puede
explicar por hubo un vertimiento fortuito
de materia orgánica cruda, producto de
la limpieza de corrales y establos, esta
situación generó que el oxígeno
necesario para degradar compuestos
nitrogenados fuera mucho mayor que el
oxígeno disuelto en el río, en
consecuencia el modelo apunta a una
elevación en la concentración
indefinida, por otra parte, la granja
marcó una disminuida concentración de
nitrógeno total seguida de Santa Rosa
siendo esta la de menor concentración.

Figura 24. Modelo NTK con base en datos de Stella. Octubre 2019

48
 Figura 25. NTK Resultados
De acuerdo con los datos del modelo, experimentales vs resultados Stella.
durante octubre se registró de manera Octubre 2019
experimental una disminución gradual 60
del nitrógeno total a lo largo del río 50
excepto en Santa Rosa (figura 25), el 40

mg/L
modelo evidencia un comportamiento 30
similar, pero en concentraciones 20
10
menores, cabe señalar que en este mes
0
aún se presentan lluvias en la zona. FRAILE SANTA ROSA DOLORES GRANJA

NTK Experimental NTK Modelado

Noviembre 2019

Parámetro (mg NTK/L) /sitio de referencia FRAILE SANTA ROSA DOLORES GRANJA
NTK Experimental 30.422 72.44 28.4055 5.378
NTK Modelado 30.422 80.37 12.24 0.001224
Tabla 9. Datos de NTK experimentales y con base en Stella. Noviembre 2019

Se puede observar la concentración mayor de nitrógeno total en Santa Rosa seguida de El

Fraile, entre Santa Rosa y Dolores el río depura poco más de la mitad de materia orgánica
nitrogenada (tabla 9). De acuerdo con el modelo Stella El Fraile tiene una gran capacidad de
autodepuración, no así para Dolores en dónde se observa que los procesos de transformación
son lentos y no alcanza a degradar
la mayor parte de material oxidable,
Santa Rosa a pesar de haber
registrado la concentración mayor
aún tiene capacidad de
autodepuración el proceso de
degradación no es tan veloz como
en El Fraile sin embargo alcanza a
transformar cerca del 80% de
material oxidable.
Tanto El Fraile como Santa Rosa
indican de acuerdo con el modelo
Stella (figura 26) una capacidad de
resiliencia a vertimientos de materia
orgánica nitrogenada superiores a
80.4 mg NTK/L.

Figura 26. Modelo NTK con base en datos de Stella.

Noviembre 2019

49
El modelo generado con Stella en noviembre registró un comportamiento muy similar al
comportamiento real del río
Cacalotenango, es posible que las Figura 27. NTK resultados experimentales
concentraciones de nitrógeno vs resultados Stella. Noviembre 2019
amoniacal registradas para este mes
100
hayan facilitado estas predicciones,
80
pues los resultados obtenidos en
60

mg/L
laboratorio no indican descargas de
40
materia orgánica nitrogenada
20
excepcionales en algún sitio de
0
referencia. FRAILE SANTA ROSA DOLORES GRANJA

NTK Experimental NTK Modelado

Febrero 2020

Parámetro (mg NTK/L) /sitio de FRAILE SANTA ROSA DOLORES GRANJA

referencia
NTK Experimental 7.0593 * * 23.02
NTK Modelado 7.0593 3.61 1.27 0.000508
Tabla 10. Datos de NTK experimentales y con base en Stella. Febrero 2020.
• Cierre de instalaciones por contingencia
Respecto a los resultados de este mes es difícil explicar el comportamiento modelado, pues
en consecuencia a los eventos relacionados con la pandemia ocasionada por el COVID-19
los datos experimentales de
Santa Rosa y Dolores no
fueron obtenidos ya que no dio
tiempo de procesar las
muestras, sin embargo, el
comportamiento modelado es
muy similar al de noviembre
(modelo más certero de
nitrógeno) pero en
concentraciones menores
(figura 28). El retorno a las
instalaciones de la facultad
significará una oportunidad de
mejorar considerablemente el
modelo generado ya que se
podrá seguir alimentando con
datos experimentales
anteriores y los que se
continúen monitoreando.

Figura 28. Modelo NTK con base en datos de Stella. Febrero

2020

50
Demanda Bioquímica de Oxígeno
El comportamiento lineal de la DBO en agosto del 2019 (figura 29) realizado por el software
Stella, muestra abatimiento de oxígeno en la estación de monitoreo de Santa Rosa es donde
se encuentra el mayor consumo de oxígeno por la materia orgánica degradable por
microorganismos, mientras que en La Granja y el Fraile el consumo de oxígeno es más lento
ya que la cantidad de materia orgánica presente fue menor, este comportamiento en El Fraile
está ligado a los procesos inorgánicos presentes en el caudal, producto de la actividad
minera.

Figura 29. Modelo para DBO con base en datos de Stella. Agosto 2019.

Durante octubre el comportamiento de la DBO5 cambió respecto al mes de agosto,

particularmente para Santa Rosa (figura 30), ya que el consumo de oxígeno en los diferentes
sitios de muestreo mostró menor consumo de oxígeno por la menor concentración de materia
orgánica oxidable

Figura 30. Modelo para DBO con base en datos de Stella. Octubre 2019.

51
El modelo generado durante noviembre muestra que no hay diferencia en el comportamiento
de la DBO con respecto a octubre (figura 31), esto se atribuye a la disminución de la
precipitación ya que la temporada de lluvias concluyó.

Figura 31. Modelo para DBO con base en datos de Stella. Noviembre 2019.

El modelo en febrero de 2020 arrojó una información semejante al modelo en noviembre esto
se debe a que continua la temporada de estiaje, el modelo no varió en su comportamiento
debido al tamaño del caudal, aunque la degradación de la DBO fue mayor en el Fraile,
mientras que el sitio de monitoreo Santa Rosa y Dolores tuvieron el mismo comportamiento.

Figura 32. Modelo para DBO con base en datos de Stella. Febrero 2020.

52
Fósforo

Figura 33. Modelo Fósforo con base en datos de Stella. Agosto 2019.

En la figura 33 se presentan las curvas de las variaciones del comportamiento del fósforo a
través del río en un periodo de 12 h correspondientes a la simulación realizada. Puede
observarse que, en el análisis del modelo, el contenido de fósforo se incrementa a lo largo de
su curso. Presenta dos comportamientos diferenciados para Santa Rosa y La Granja, aunque
también se observa una zona de recuperación entre los mismos.

De acuerdo con la figura 34 se observa que el contenido de fósforo se incrementa a lo largo

del río, particularmente en el sitio de referencia Dolores su capacidad para depurar el fósforo,
ha disminuido, ya que a diferencia del comportamiento de agosto.

este sitio es el que tiene

mayor acumulación de
fosfatos. El Fraile es el que
tiene la mejor capacidad
de asimilación. También
se puede apreciar en la
figura que en el tramo de
Santa Rosa está la zona
de recuperación.

Figura 34. Modelo Fósforo con base en datos de Stella. Octubre 2019.

53
 La figura 35 que el
comportamiento del
fósforo durante
noviembre es similar al
de agosto, El Fraile y
Dolores siguen teniendo
mejor capacidad de
depuración. En la Granja
se está presentando un
proceso acumulativo,
aunque de manera
significativa.

Figura 35. Modelo Fósforo con base en datos de Stella. Noviembre 2019.

En la figura 36 se observa la concentración de fósforo en todo el tramo del estudio aumentó

de manera general, atribuido al decremento del caudal por el comienzo de la época de estiaje
y por lo tanto la disminución de la capacidad de disolución, la zona de recuperación vuelve a
ser la misma que en el primer muestreo, en el tramo Dolores- Granja, aunque en este sitio
como en Santa Rosa, el río presenta dificultades en el proceso de depuración.

Figura 36. Modelo Fósforo con base en datos de Stella. Febrero 2020.

El modelo seleccionado se ajusta los datos observados, si se comparan los gráficos, se

observan diferencias en el comportamiento de Fósforo en los muestreos realizados en agosto
y octubre con respecto a noviembre y febrero; ese comportamiento está dado principalmente
por la diferencia de caudales mayores y menores respectivamente, en febrero de 2020 se
aprecia un incremento en la concentración de fósforo desde el inicio del tramo en El Fraile,
comparado con época de lluvia. El comportamiento es marcado (figuras 34 y 35) producto de
la transición entre la temporada de lluvias y secas.

54
Los ríos de montaña cuentan con una gran capacidad de transporte de sedimento en
momentos que se presentan caudales elevados. Este transporte se ocasiona por las altas
pendientes de la cuenca y las lluvias (Vásquez, 2013), como ocurrió en El Fraile durante
febrero (estiaje).

En ríos de segundo orden como él Cacalotenango tienden a un equilibrio entre el flujo líquido,
transporte sólido y morfología del cauce (aún con pendientes muy elevadas) que genera un
régimen de flujo subcrítico (dado por velocidad menor) en la mayoría de los tramos, tan solo
observándose régimen supercrítico durante períodos cortos de tiempo o en tramos muy cortos
(asociados a tramos de caídas o rápidos) (López, 2005).

INSERTAR FIGURA DE BRAULIO

El modelo demuestra que el río tiene una zona de recuperación que puede apreciarse en las
figuras 33, 34, 35 y 36 en el intervalo de distancia más largo, 6.9 km, de Dolores a la Granja,
sin embargo, este último es uno de los dos sitios, junto con Santa Rosa, que para fósforo
tienen una menor capacidad de depuración. Se menciona que, para alcanzar el equilibrio
químico, el tiempo necesario para alcanzar la estabilización debe ser inferior a los tiempos de
transporte (referencia).

55
Sólidos Suspendidos Totales
Simulación de la capacidad de asimilación de los SST del río Cacalotenango

En la figura 37, se observa que en

agosto la capacidad de asimilación
del río Cacalotenango disminuyó
en El Fraile a medida que trascurre
el tiempo. Santa Rosa presentó
una capacidad de asimilación
estable en los primeros tres días,
después de este tiempo la
capacidad de asimilación se
acelera. En la Granja, esa
capacidad es la menos apta ante la
presencia de SST. Esto se
relaciona directamente con el
caudal en todos los sitios de Figura 37. Modelo del factor de asimilación de SST. Agosto de 2019
referencia. Los ríos o corrientes de
agua pueden asimilar carga contaminante a partir de tres mecanismos: dilución, transporte y
decaimiento. El factor de dilución se asocia a la magnitud del caudal del cuerpo receptor. Un
río caudaloso con baja carga contaminante aguas arriba de un vertimiento, tendrá la
capacidad de diluir la concentración de los elementos provenientes de una afluencia, para
generar una menor concentración aguas abajo de esta (Navas-Alonso, 2016). Situación que
no ocurre en ninguno de los sitios y meses monitoreados.
En octubre se observa en la figura 38 un comportamiento diferente, El Fraile y Santa Rosa
presentan un notable aumento en su capacidad de asimilación de SST, conforme pasa el
tiempo.

No obstante, como se muestra la figura

39, en noviembre esos dos sitios
presentaron una disminución en la
capacidad de asimilación conforme
transcurren los días. Esto se relaciona
con el aporte de SST a través de
efluentes provenientes de los relaves
mineros y las descargas urbanas de los
poblados ubicados en las márgenes del
cauce. El incremento de la capacidad de
asimilación de los SST de un río se
relaciona directamente con el
incremento de la precipitación que Figura 38. Modelo del factor de asimilación de SST.
recibe el cauce, el período hidrológico Octubre 2019.
tiene influencia en el aumento y/o disminución de
las cargas de diferentes elementos en el agua y de igual forma, el incremento de su caudal,
pues las lluvias generan un lavado natural de los suelos y mayor arrastre de los sedimentos
asociados a las cuencas (Benjumea-Hoyos et al, 2015). Particularmente El Fraile está siendo

56
 afectado por la disminución del caudal con el paso del tiempo ha disminuido
considerablemente lo que ocasiona la pérdida de capacidad de asimilación de altas
concentraciones de SST afectando a su vez a Santa Rosa, sitio de referencia inmediato a El
Fraile.

La incorporación de la localidad Dolores como sitio de monitoreo en octubre de 2019 amplió

la visión del comportamiento del río, es
homogéneo en todas las campañas de muestreo.
Como se observa en las figuras 38 y 39 su
capacidad de asimilación es estable hasta el día
cinco, una vez que ha transcurrido este tiempo se
presenta una disminución en su capacidad de
asimilación. El sitio de monitoreo denominado
Dolores se caracteriza por un cauce amplio y
profundo a diferencia del resto de los sitios, estas
características físicas del terreno (largo, ancho,
profundo y pendiente), así como el tipo de
vegetación permiten la circulación de un caudal
basto, lo que favorece una degradación
Figura 39. Modelo del factor de asimilación de SST. aceptable de SST.
Noviembre 2019.

En febrero de 2020 (figura 40), a pesar de que el comportamiento es similar, la capacidad de

asimilación se pierde antes de los cinco días sugeridos por el modelo ocasionado por la
ausencia de precipitación. En La Granja se observa un decremento exponencial
presentándose una pérdida casi completa a los tres día y medio.

Figura 40. Modelo de factor de asimilación de SST febrero 2020.

La modelación de un río se representa por una serie de tramos con características hidráulicas
lo más cercanamente posible a la realidad que comienza desde la cabecera hasta el límite de
aguas abajo como se muestra en la figura 41 (el modelo de qual2k). El sitio de referencia La
Granja es la zona de “agua abajo” del río Cacalotenango. La pendiente de su cauce, así como
la pérdida de velocidad del caudal puede propiciar una rápida acumulación de SST.

57
 Figura 41. Esquema de segmentación “Limite de aguas arriba- Limite de
aguas abajo” de QUAL2K.

Modelo de comportamiento de la concentración de SST

Con respecto a la concentración de

SST (figura 42), El Fraile en agosto
registró un incremento exponencial
de la concentración después del
tercer día de vertimiento, se
obtuvieron valores por encima de
lo permitido por la NOM-001-
SEMARNAT-1996. Santa Rosa y
La Granja presentan un
comportamiento inverso, la
concentración disminuye de
manera acelerada antes del primer
día. El resto de los sitios mostró
concentraciones bajas de SST
Figura 42. Modelo de concentración de SST agosto 2019
tanto experimental como en la
modelación.

58
Como se muestra en la figura 43, el modelo predice una alta concentración de SST en La
Granja donde a partir de los tres días presentará una disminución considerable. Este
comportamiento se ve relacionado con la capacidad de asimilación ya que La Granja es una
zona de aguas abajo con poca capacidad de asimilación, registró baja concentración
experimental de SST. El sitio de referencia Dolores presenta un incremento de la
concentración de SST, aunado a
una capacidad de asimilación
mayor de SST, se presenta una
disminución de estos, cerca del
segundo día de vertimiento. La
presencia de obras (caídas) para
aumentar la presencia de oxígeno
disuelto facilitan la reaireación y la
degradación de material
suspendido en el río permitiendo
que este tramo del río.
Sitios como El Fraile pueden
Figura 43. Modelo de concentración de SST octubre 2019 autorregularse de manera natural
a pesar de ser cauces pequeños
que han disminuido con el paso del tiempo, ya que la presencia antrópica es fortuita, cuando
se da mantenimiento a la mina o bien cuando realizan obras para proteger los taludes del jal.

Modelo de comportamiento de la concentración de SST durante noviembre 2019

De acuerdo con la figura 44

durante noviembre de 2019 en
Santa Rosa y Dolores se
observa que el trasporte de los
materiales no pudo ser
asimilado de un tramo a otro
(Rivera, 2015). La Granja que
presentó en la modelación una
concentración ligeramente
mayor que la obtenida en
laboratorio, el incremento de
SST está relacionado con el
aumento en el consumo de
agua producto de las fiestas
patronales de las localidades Figura 44. Modelo de concentración de SST de los sitios de
inmediatas al río. referencia durante noviembre 2019

En febrero al estar presente la temporada de estiaje trae consigo un cambio en la dinámica

de autodepuración del río y eso se puede observar en la figura 45. A medida que disminuye
el caudal el río pierde su aporte natural de SST. De acuerdo con Benjumea-Hoyos et al (2015),
las zonas de aguas bajas deben presentar una concentración mayor SST durante la época
seca ya que debido a la gravedad estas partículas son arrastradas al cauce por acción del

59
agua del río, al no haber un caudal y una inclinación pronunciados, estas partículas se
acumulan y poco a poco, son degradadas permitiendo una disminución de SST durante la
temporada seca. En la Granja se presentó una disminución de SST, producto de la presencia
de desarenadores y caídas a lo largo del río. Santa Rosa presenta una asimilación rápida
debido al tamaño de su cauce que le permite concentrar mayor cantidad de agua. Sin
embargo, en Dolores que tiene un cauce semejante al de Santa Rosa, presentó altas
concentraciones de SST en el modelo se observa que su capacidad de asimilación está
disminuida. Esto evidencia la influencia urbana que la población tiene sobre este tramo del
río pues vertimientos de aguas domesticas residuales puede explicar parte de este
comportamiento. Así como las actividades para cubrir los jales mineros y que estos pasivos
ambientales sean incorporados al paisaje.

Figura 45. Modelo de concentración de SST febrero 2020

La autodepuración de materia orgánica nitrogenada en el sitio de referencia El Fraile es

aceptable ya que básicamente es la cabecera del río Cacalotenango, lejos de zonas
densamente pobladas no es afectado por descargas hogareñas, tiene la característica de
depurar compuestos nitrogenados cuando registran baja concentración, es decir, los de
origen natural, no obstante, en este proyecto se pudo observar un impacto significativo por
actividades mineras, ya que el resolutivo ambiental a los jales mineros ha afectado la
vegetación riparia y con esto el equilibrio a nivel microclima del sitio de referencia, aunado a
esto, los desperdicios presumiblemente arrojados al caudal por los trabajadores a lo largo de
este año, han ocasionado fenómenos que incrementan el nitrógeno amoniacal
considerablemente.

Existen diversos modelos de calidad de agua, con libre acceso a la información su uso es
relativamente “fácil” emplearlos, no obstante, es importante proveer del conocimiento a los
estudiantes para que interpreten adecuadamente los procesos de un sistema lótico como el
río Cacalotenango. Al inicio de la presente investigación se pretendió utilizar modelos ya
establecidos como QUAL2K, Modpath, Modflow, entre otros. No obstante, con el paso de las
semanas se tomó la decisión de crear el modelo desde “cero” para poder comprender las
causas de los resultados obtenidos, llegando así a la conclusión de que el software STELLA
es el adecuado para la comprensión de sistemas dinámicos es un programa con una interfaz

60
sencilla y fácil de entender que junto al conocimiento científico ya formulado en artículos,
revistas y libros puede conducir a una correcta representación de sistemas dinámicos
(Cervantes, A., et al, 2009).

Conclusiones

El modelo marcó una tendencia hacia la pérdida de capacidad auto depurativa a partir del
sitio de referencia Santa Rosa.

En el tramo El Fraile, Dolores y Granja de acuerdo con los resultados de diferentes pruebas
analíticas y la modelación (Stella) se puede apreciar que aún tienen la capacidad de oxidar
concentraciones elevadas de nitrógeno amoniacal y en general materia orgánica, durante un
lapso de 12 horas. Se observaron organismos indicadores de calidad de agua como anfibios,
anisópteros, lepidópteros y no se descarta la existencia de otros organismos de importancia,
los cuales producto de sus metabolismos segregan materia orgánica nitrogenada al caudal.

Los procesos de nitrificación desnitrificación se llevan a cabo de forma completa.

Se ha identificado a Santa Dolores como el mejor sitio para auto depurar los compuestos
presentes en el caudal del río Cacalotenango.

Es necesario controlar la descarga de aguas residuales que puedan incrementar el nitrógeno

amoniacal en los sitios de referencia Santa Rosa, Dolores y La Granja.

Santa Rosa es el sitio de referencia con mayor impacto en las cantidades de nitrógeno total,
tanto en temporada de lluvias como de estiaje. Durante las salidas a campo se observó la
presencia de heces humanas y de ganado bovino.

De acuerdo con los resultados de cuatro campañas de muestreo La Granja recibe la menor
concentración de nitrógeno total, debido a las acciones de prevención y mitigación por parte
de los pobladores de Taxco El Viejo.

En el tramo estudiado no fue posible identificar alguna zona de agua limpia ya que ningún
sitio estuvo libre de organismos coliformes totales y fecales de acuerdo con la NOM-001-
SEMARNAT-1996.

Un incremento severo en la concentración de nitrógeno en Santa Rosa puede implicar graves

alteraciones ecosistémicas al agotar rápidamente el oxígeno disuelto.

El uso del Software Stella (9.0.1), permitió estudiar el comportamiento del Nitrógeno Total, la
Demanda Biológica de Oxígeno, Los Sólidos Suspendidos Totales y el Fósforo Total. Se logro
un desarrollo tal que permite establecer las bases de análisis en el comportamiento
autodepurador del río Cacalotenango.

El método Courchine permitió tener un acercamiento considerable al comportamiento real del

río, por lo que con un registro de datos de un par de años atrás del río Cacalotenango e
incluso nuevos registros, se podrían modificar las tasas de nitrificación, además, en un futuro
se podrían evaluar en campo o en bases de datos de CONAGUA o SEMARNAT los arroyos
tributarios y descargas residuales para agregar más variables al sistema y mejorar los

61
resultados considerablemente, pues el modelo actual solo considera las tasas de nitrificación
y algunas variables de caudal.

Al incrementar la precipitación en la zona de estudio, se arrastran al cauce, desde El Fraile

material clástico proveniente de los relaves mineros cambiando la composición química, física
y biológica del río, lo que explica la diminución de la capacidad de autodepuración. La
degradación paisajística de evidente en los cuatro sitios de referencia.

El comportamiento que el modelo muestra del río Cacalotenango a lo largo de un año

pertenece al de un río estacional además de corroborarlo durante los recorridos en campo,
Sin embargo, los registros de CONABIO lo consideran como perenne.

Los modelos representan adecuadamente los procesos de asimilación concentración de SST

en los sitios de referencia estudiados con los datos disponibles, constituyen una herramienta
apropiada para la programación/reprogramación de un plan de monitoreo que permita
conocer tendencias dado que la continuidad espacial de sus resultados puede advertirnos
puntos críticos que determinen los parámetros químicos, físicos y biológicos.

Referencias:

-Almazán-Juárez, María Teresa, Almazán-Juárez, Ángel, Carreto-Pérez, Blanca Estela,

Hernández Castro, Elías, Damián-Nava, Agustín, & Almazán-Núñez, R. Carlos. (2016).
Calidad y clasificación de usos del agua en la cuenca baja del río Papagayo, Guerrero,
México. Ecosistemas y recursos agropecuarios, 3(9), 293-305. Recuperado
de:http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-
90282016000300293&lng=es&tlng=es.

-Árcega, F. E. del R., Armienta, M. A., & Castillo, S. E. (2006). Factores químicos que regulan
los niveles de contaminación, fraccionación geoquímica y toxicidad potencial de plomo
derivado de la actividad minera en el Río Cacalotenango, Taxco, Guerrero. Recuperado de:
http://search.ebscohost.com/login.aspx?direct=true&db=cat02029a&AN=tes.TES010006062
18&lang=es&site=eds-live

-Ávila, H., Tudares, C., Sánquiz M., Araujo. M., Morales N., Rojas, J., Pirela, D., (2007)
Nitrógeno y Fósforo en aguas superficiales de la parte baja del Río Catatumbo. Revista
Técnica Universitaria de Zulia. (30) 29-35 Recuperado de:
http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0254-07702007000400005

-Balvanera, P. & Cotler, H. (2007). Acercamientos al estudio de los servicios ecosistémicos.

Gaceta Ecológica, 84-85 Recuperado de:
https://www.redalyc.org/articulo.oa?id=539/53908502

-Banco Interamericano de Desarrollo. (1999). BID aprueba 200 millones dólares para proyecto
de limpieza del río Tietê en Sao Paulo. Recuperado de: https://www.iadb.org/es/noticias/bid-
aprueba-200-millones-dolares-para-proyecto-de-limpieza-del-rio-tiete-en-sao-paulo

62
-Baron, N., LeRoy, P., Paul, L., Angermeier, C., N., Dahm, P., H., Gleick, N., G., Hairston, Jr.,
Robert, B., Jackson, C., A., Johnston, B., Richter, D., & Steinman, A., D. (2003). Tópicos en
Ecología: Ecosistemas de Agua Dulce Sustentables. Recuperado de:
https://www.esa.org/wp-content/uploads/2013/03/numero10.pdf

- Benjumea-Hoyos, C., Bedoya-Castaño, C., & Álvarez-Alzate, D. (2015). Evolución en la

carga de nutrientes de ríos de montaña que fluyen a un embalse, cuenca media del río
magdalena. Revista EIA, 11(22), 77-91. Recuperado de:
https://doi.org/10.24050/reia.v11i22.674

-Bustamante González A.; Gerardo Galindo-De Jesús; Jaramillo Villanueva J.; Vargas López
S. (2016) Percepción de la contaminación del Río Tlapaneco por la población ribereña,
Agricultura, sociedad y desarrollo. 13(1), 13-40. Recuperado de
https://www.redalyc.org/jatsRepo/3605/360545634004/movil/index.html

-Can-Chulim, Álvaro, Ortega-Escobar, Héctor Manuel, Sánchez-Bernal, Edgar Iván, & Cruz-
Crespo, Elia. (2014). Calidad del agua para riego en la Sierra Norte de Puebla, México.
Tecnología y ciencias del agua, 5(5), 77-96. Recuperado de:
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-
24222014000500005&lng=es&tlng=es

-Cámara De Diputados del H. Congreso de la Unión. (1992). Ley de Aguas Nacionales.

(Reforma DOF 24-03-2016). Recuperado de:
www.diputados.gob.mx/LeyesBiblio/pdf/16_240316.pdf

-Cabrera, E., Hernández, L., Gómez, H., Cañizares, M. (2003) Determinación de nitratos y
nitritos en agua. Comparación de costos entre un método de flujo continuo y un método
estándar. Rev. Soc. Quím, 47(1) Recuperado de:
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0583-76932003000100014

-Carvajal-Villaplana, Á. (2015). “Teorías y modelos: formas de representación de la realidad”,

Revista Comunicación; 12(1) 33-46. Recuperado de:
https://repositoriotec.tec.ac.cr/handle/2238/4667

-Cervantes, M. (2007). Conceptos fundamentales sobre ecosistemas acuaticos y su estado

en México. Perspectivas sobre conservación de ecosistemas acuáticos en México. (pp 37-
67). Instituto Nacional de Ecología-Secretaría de Medio Ambiente y Recursos Naturales.

- Cervantes, A., Chiappa, X., Dias, N. (2009) Stella, software para modelación dinámica en
biología. Recuperado de:
http://www.sisal.unam.mx/labeco/LAB_ECOLOGIA/Manuales_files/PAPIME_Manual_Stella.
pdf

-Chang, C. J., Huang, C. P., Chen, C. Y., & Wang, G. S. (2020). Assessing the potential effect
of extreme weather on water quality and disinfection by-product formation using laboratory
simulation. Water research, 170(1). Recuperado de:
https://www.sciencedirect.com/science/article/abs/pii/S004313541931070X?via%3Dihub

Chapra, S. (1997). Surface Water-Quality Modelling. New York: The McGraw-Hill Companies.

63
-Cheng, X., Zheng, L., Dong, X., Jiang, C. & Wei, X. (2020). Sources and mixing of sulfate
contamination in the water environment of a typical coal mining city, China: evidence from
stable isotope characteristics. Environ Geochem Health. Recuperado de:
https://link.springer.com/article/10.1007/s10653-020-00525-2

-Coello, J., Ormaza, R., Déley, Ángel, Recalde, C., & Ríos, A. (2013). Aplicación del ICA-NSF
para determinar la calidad del agua de los ríos Ozogoche, Pichahuiña y Pomacocho-Parque
Nacional Sangay-Ecuador. Revista Del Instituto De Investigación De La Facultad De
Ingeniería Geológica, Minera, Metalúrgica Y Geográfica, 16(31). Recuperado de:
https://revistasinvestigacion.unmsm.edu.pe/index.php/iigeo/article/view/11281

-CONAGUA. (2010) El agua en México: cauces y encauces, (1), 60-63. Recuperado de:
http://www.conagua.gob.mx/CONAGUA07/Contenido/Documentos/elaguaenmexico-
caucesyencauces.pdf

-CONAGUA. (2018). Estadísticas del Agua en México. Recuperado de:

http://sina.conagua.gob.mx/publicaciones/EAM_2018.pdf

-CONAGUA. (2013). Suspensión provisional de libre alumbramiento. Recuperado de:

https://sigagis.conagua.gob.mx/gas1/sections/LibreAlumbramiento.html

-CONAGUA. (2015). Actualización de la disponibilidad media anual de agua en el acuífero

Buenavista de Cuéllar (1204). Estado de Guerrero. Recuperado de:
https://www.gob.mx/cms/uploads/attachment/file/103667/DR_1204.pdf

-CONAGUA. (2018). Calidad del agua. Recuperado de:

http://sina.conagua.gob.mx/sina/index.php?p=6

-CONAGUA. (2018) Actualización de la disponibilidad media anual de agua en el acuífero

Iguala (1205). Estado de Guerrero. Recuperado de
https://www.gob.mx/cms/uploads/attachment/file/103668/DR_1205.pdf

-Condori, K. (2017) Determinación de nitrógeno endógeno total: metabólico fecal, urinario y

dérmico de alpacas (Vicugna pacos) hembras de tres años de edad. Tesis. Universidad
Nacional Del Altiplano-PUNO. Recuperado de
http://repositorio.unap.edu.pe/bitstream/handle/UNAP/5146/Condori_Mamani_Kathy_Evans.
pdf?sequence=1&isAllowed=y

-Cordero, Rubén D., & Ruiz, J. Efraín, & Vargas, Edgar F. (2005). Determinación Espacio-
Temporal de la Concentración de Fósforo en el lago de Tota. Revista Colombiana de Química,
34(2),211-218. Recuperado de:
https://revistas.unal.edu.co/index.php/rcolquim/article/view/821

-De la Garza Carranza, M. T., Guzmán Soria, E., & Cervantes Maldonado, A. (2014). Análisis
comparativo de profesionistas, profesores y estudiantes mexicanos en cuanto a sus valores
y sus implicaciones respecto al trabajo. Ciencia y Sociedad, 39(3),509-532. Recuperado de:
https://www.redalyc.org/pdf/870/87031897005.pdf

64
-Díaz, G., (2015) El río Chuvíscar de Chihuahua como un integrador social y ambiental.
Arquitectura entre líneas, 49. Recuperado de: http://www.gabrieldiazmontemayor.com/EL-
RIO-CHUVISCAR-DE-CHIHUAHUA-COMO-UN-INTEGRADOR-SOCIAL-Y-AMBIENTAL

-De La Torre, V. H. C. y Sandoval, S. (2015a). Resiliencia socio-ecológica de las comunidades

ribereñas en la zona Kino-Tastiota del Golfo de California.Ciencia Pesquera, 23(1), 53-71.
Recuperado de:
https://www.researchgate.net/profile/Hugo_De_La_Torre_Valdez/publication/322537418_Re
siliencia_socio-ecologica_de_las_comunidades_riberenas_en_la_zona_Kino-
Tastiota_del_Golfo_de_California/links/5a5eb9baaca272d4a3dfcc13/Resiliencia-socio-
ecologica-de-las-comunidades-riberenas-en-la-zona-Kino-Tastiota-del-Golfo-de-
California.pdf

-Dimas, M.J.J., & Garza, M. N.D., & Treviño y, D. B. M. (2015). Índice de la calidad del agua
y metales pesados del cauce aguas blancas del municipio de Acapulco Guerrero, México.
Revista Mexicana de Ciencias Agrícolas. (1) 113-118. Recuperado de:
https://www.redalyc.org/articulo.oa?id=2631/263139243016

-Dótor, A., Armienta, M., A., Árcega, C., F., & Talavera, O. (2014). Procesos de transporte de
arsénico y metales en aguas superficiales del distrito minero de Taxco, México: Aplicación de
isótopos estables. Hidrobiológica, 24(3). Recuperado de: https://González, A.;
www.redalyc.org/articulo.oa?id=578/57838790008.

-Encalada, A. (2010). Funciones ecosistémicas y diversidad de los ríos Reflexiones sobre el

concepto de caudal ecológico y su aplicación en el Ecuador. Laboratorio de Ecología
Acuática, Colegio de Ciencias Biológicas y Ambientales Universidad San Francisco de Quito
Recuperado de:
https://www.usfq.edu.ec/publicaciones/polemika/Documents/polemika005/polemika005_007
_articulo004

-Flores Elizondo, R. (2016). Gestión integral urbana del agua. Complejo de proyectos posibles
para el área metropolitana de Guadalajara. En M. Cortés Lara (Coord. e introd.), Aportes a la
sustentabilidad. Una mirada desde la gestión del territorio y los recursos naturales. pp. 221–
240. Guadalajara, Jalisco.

-Flores Elizondo, R. (2016). Gestión integral urbana del agua. Complejo de proyectos posibles
para el área metropolitana de Guadalajara. M. Cortés Lara (Coord. e introd.), Aportes a la
sustentabilidad. Una mirada desde la gestión del territorio y los recursos naturales, 221-240.

-Gómez, J., Blancas, G., Constanzo, E., Cervantes, A. (2014). Análisis de calidad de aguas
naturales y residuales con aplicación a la microescala. Ciudad de México, México: FES
Zaragoza UNAM.

-González, A.M., Musálem, K., Laino, R., Rey Benayas, J.M., Cruz-Alonso, V., El Raiss
Cordero, Z., Brun Moreno, V., Chaparro Otazu, P., Lubián Valenzuela, A., González, J.D.,
Amarilla, S., Aranda Espinoza M.L., Enciso, C. (2018). Servicios ecosistémicos en el Chaco
Húmedo Paraguayo: retos para el manejo basado en los ecosistemas. Ecosistemas
27(2):115-125. Recuperado de:
https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/1531/0

65
-González, A., Hernández, L., Perlo, M. & Zamora, I. (2010). Rescate de ríos urbanos.
Propuestas conceptuales y metodológicas para la restauración y rehabilitación de ríos.
México: UNAM, Coordinación de Humanidades.

-Gerencia de Calidad del Agua (2019). Indicadores de calidad del agua. Recuperado de:
http://dgeiawf.semarnat.gob.mx:8080/ibi_apps/WFServlet?IBIF_ex=D3_R_AGUA05_01&IBI
C_user=dgeia_mce&IBIC_pass=dgeia_mce

-Guzmán-Soria, E., García, J., & Rebollar, S., & Hernández, J. (2011). Determinantes del
consumo de agua por los sectores urbano e industrial en Guanajuato, México. Análisis
Económico, 26(63), 199-213. Disponible en:

https://www.researchgate.net/publication/237034521_Determinantes_del_consumo_de_agu
a_por_los_sectores_urbano_e_industrial_en_Guanajuato_Mexico

-Hernández, J. (2018). Diseño transversal para la resiliencia: El Yaque. Forbes. Recuperado

de: https://www.forbes.com.mx/diseno-transversal-para-la-resiliencia-el-yake/

-Hernández Muñoz, A, (2007) Saneamiento y Alcantarillado. Vertidos residuales. Madrid.

Séptima edición. Colegio de ingenieros y Caminos, canales y puertos. Recuperado de:
https://www.academia.edu/35963101/Ingenier%C3%ADa_de_aguas_residuales_Volumen_1
_3ra_Edici%C3%B3n_-_METCALF_and_EDDY-FREELIBROS.ORG.pdf

-Hernández-Tapia, G. M. (2017). Ríos urbanos. Análisis de la relación entre el desarrollo

urbano y la pérdida de los ecosistemas fluviales. Colección Miradas colectivas hacia la
sustentabilidad. Guadalajara, México: Instituto Tecnológico y de Estudios Superiores de
Occidente (ITESO).

-Ibarrarán, María Eugenia, Mendoza, Alfonso, Pastrana, Cristina, & Manzanilla, Erika Jazmín.
(2017). Determinantes socioeconómicos de la calidad del agua superficial en México. Región
y sociedad, 29(69), 89-125. Recuperado de: https://dx.doi.org/10.22198/rys.2017.69.a325

-INEGI. (2010). Archivo Histórico de las Localidades Geoestadísticas. Recuperado de:

https://www.inegi.org.mx/app/geo2/ahl/

-INEGI. (2009) Prontuario de Información Geográfica Municipal de los Estados Unidos

Mexicanos Taxco de Alarcón, Guerrero. Recuperado de:
http://www3.inegi.org.mx/contenidos/app/mexicocifras/datos_geograficos/12/12055.pdf

-Instituto Nacional de Ecología y Cambio Climático. SEMARNAT. Restauración ecológica:

algunos conceptos, postulados y debates al iniciar el siglo XXI. Recuperado de:
http://www2.inecc.gob.mx/publicaciones2/libros/467/sanchez.html

-Iñón, N. (2017) Ciclo del nitrógeno. Recuperado de:

http://www.iib.unsam.edu.ar/archivos/docencia/licenciatura/biotecnologia/2017/QuimicaBiol/
1495120476.pdf

-IUSS Working Group WRB. (2015). Base referencial mundial del recurso suelo 2014,
Actualización 2015. Sistema internacional de clasificación de suelos para la nomenclatura de

66
suelos y la creación de leyendas de mapas de suelos. FAO, Roma. Recuperado de:
http://www.fao.org/3/i3794es/I3794es.pdf

-Jáuregui, D. Y. (2019). Determinación de la Calidad del Agua Empleando

Macroinvertebrados Bentónicos y Parámetros Fisicoquímicos en el Río Sendamal, Celendín.
Tesis para obtener el título profesional de ingeniería ambiental. Universidad Nacional de
Cajamarca. Facultad de Ciencias Agrarias. Escuela Académico Profesional de Ingeniería
Ambiental Celendín. Recuperado de: http://repositorio.unc.edu.pe/handle/UNC/3299

-Jiménez J. Mario Alberto y Vélez O. María Victoria. (2016). Análisis Comparativo de la calidad
del agua superficial, Avances en recursos hidráulicos. 14. 1-18. Recuperado de
https://revistas.unal.edu.co/index.php/arh/article/view/9331

-Jiménez, C. (2019). Gobierno y organismos civiles se unirán para salvar el río Atoyac. El
Universal estatal Oaxaca. Recuperado de: https://oaxaca.eluniversal.com.mx/estatal/05-06-
2019/gobierno-y-organismos-civiles-se-uniran-para-salvar-el-rio-atoyac

-Lean, D . (1973) Movements of phosphorus between its biologically important forms in lake
water. Journal of the Fish. 30(1) Recuperado de:
https://www.researchgate.net/publication/237179365_Movements_of_Phosphorus_Between
_its_Biologically_Important_Forms_in_Lake_Water

-Lottermoser, B. (2007). Mine Wastes. Characterization, treatment and environmental

impacts: 2° Ed., Berlin, Germany: Springer-Verlag.

-López, J. (2017). Trabajos de restauración presas de jales de Taxco de Alarcón. Gro. XV

taller de intercambio de experiencias SEMARNAT-PROFEPA-CONAGUA-CAMIMEX-2017.
Recuperado de: https://www.camimex.org.mx/index.php/secciones2/eventos/eventos-
camimex/xv-taller-de-intercambio-de-experiencias-semarnat-profepa-conagua-camimex-
2017/

-Mackenzie L. & Susan J. (2005). Ingeniería y Ciencias Ambientales. México: McGraw- Hill
Interamericana.

-Mazzeo, N., Zurbriggen, C., Trimble, M., Bianchi, P., Gadino, I., & Steffen, M. (2017).
Sostenibilidad ambiental del Uruguay: aportes desde el pensamiento resiliente. Uruguay:
Instituto Sudamericano para Estudios sobre Resiliencia y Sostenibilidad (SARAS).

-Méndez-Ramírez, Miriam, & Armienta Hernández, María Aurora. (2012). Distribution of Fe,
Zn, Pb, Cu, Cd and As from mining wastes and wastewater along a transect of Taxco river in
Guerrero, Mexico. Revista mexicana de ciencias geológicas, 29(2), 450-462. Recuperado de
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1026-
87742012000200012&lng=es&tlng=en

-Menéndez Gutiérrez C., Dueñas J. (2018). Los procesos biológicos de tratamiento de aguas
residuales desde una visión no convencional. INGENIERÍA HIDRÁULICA Y AMBIENTAL,49,
pp 97-107. Recuperado de: http://scielo.sld.cu/scielo.php?script=sci_abstract&pid=S1680-
03382018000300097&lng=es&nrm=iso&tlng=es

67
-METCALF & EDDY, INC (1998) Ingeniería de aguas residuales tratamiento, vertido y
reutilización. 3 ed. McGraw-Hill-Madrid.

-Meza, S., A., Rubio, M., J., Díaz, L., & Walteros, J. (2012). CALIDAD DE AGUA Y
COMPOSICIÓN DE MACROINVERTEBRADOS ACUÁTICOS EN LA SUBCUENCA ALTA
DEL RÍO CHINCHINÁ. Caldasia, 34(2), 443-456. Recuperado el 04/12/2019 de:
https://revistas.unal.edu.co/index.php/cal/article/view/39163/46608

-Milenio Digital (2019) Gobierno de Jalisco firma acuerdo para recuperación del río Santiago.
Recuperado de: https://www.milenio.com/politica/comunidad/gobierno-jalisco-firma-
recuperacion-rio-santiago

-Moberg, F. & Hauge, S. (2014). ¿Qué es la resiliencia? Una introducción a la investigación

sobre el sistema socio-ecológico. Stockholm Resilience Centre. Recuperado de:
https://applyingresilience.org/wp-
content/uploads/sites/2/2016/04/What_is_resilience_SP_aktiv.pdf

-Montes, R., Navarro, I., Domínguez, R., Jiménez, B., (2013) Capacidad de la autodepuración
del río Magdalena ante el Cambio Climático. Tecnología y Ciencias del Agua. 4(5). 71-83.

-Morlán, F., L. (2012). ESTADO DEL ARTE. En Saneamiento del Río Cuautitlán en el tramo
Cortina Presa Guadalupe – Residencial La Luz (20-21). México: INSTITUTO POLITÉCNICO
NACIONAL.

-Movellán E. (2004). Modelado de la cuña salina y del flujo de nutrientes en el tramo estuarino
del río Ebro. Tesis Doctoral. Universitat de Barcelona. Recuperado de:
https://www.tdx.cat/handle/10803/1425

-Muñoz, Hipólito; Orozco, Saturnino; Vera, Andrea; Suárez, Juan; García, Edelmira; Neria,
Mercedes; Jiménez, José. (2015). Relación entre oxígeno disuelto, precipitación pluvial y
temperatura: río Zahuapan, Tlaxcala, México. Tecnología y Ciencias del Agua, 6 (5), pp. 59-
74. Recuperado de: https://www.redalyc.org/pdf/3535/353543300005.pdf

-Navas- Alonso, A. (2016). Factores de asimilación de carga contaminante en ríos: Una

herramienta para la identificación de estrategias de saneamiento hídrico en países de
desarrollo. Tesis. Universidad de los Andes, Departamento de Ingeniería Civil y Ambiental.
Argentina.

-Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO),

Estimaciones de caudal de agua. Recuperado el 13/04/2020. Obtenido de:
http://www.fao.org/tempref/FI/CDrom/FAO_Training/FAO_Training/General/x6705s/x6705s0
3.htm

-Organización de las Naciones Unidas. (2015). Decenio internacional para la acción “El agua
fuente de vida” 2005-2015”. Departamento de asuntos económicos y sociales de las naciones
unidas (ONU-DAES): Recuperado de:
https://www.un.org/spanish/waterforlifedecade/waterandsustainabledevelopment2015/water
_quality.shtml

68
-OMS (2019). Actualización sobre las impurezas de nitrosaminas. Recuperado de:
who.int/es/news-room/detail/20-11-2019-information-note-nitrosamine-impurities

-Pazmiño Rodriguez J. C, Zambrano Gachozo G. L & Coello Burgos H. A. (2018).

Modelización de las aguas del estero aguas Claras, cantón Quevedo, Ecuador, DYNA, 85
(204), pp 204-2014.

-Perló, C., González, A. y Zamora, I. (2008). Definiciones básicas y principios rectores para
el plan maestro del Río Magdalena. reporte de investigación, PUEC-UNAM, 20.

-Portal Oficial del Gobierno del Estado de Guerrero. Río Balsas. Temas del Medio Ambiente.
Recuperado de: http://guerrero.gob.mx/articulos/rio-balsas/

-Ramos (2006). INGENIERÍA AMBIENTAL Calidad de las aguas. Recuperado el 01/12/2019

de Escuela de ingenieros de caminos, canales, de ciudad real Sitio web:
http://blog.uclm.es/davidsanchezramos/files/2016/05/12_Calidad-agua-
r%C3%ADos_v2015_resumen.pdf

-Ríos-Tobón, Sandra, Agudelo-Cadavid, Ruth Marina, & Gutiérrez-Builes, Lina Andrea.

(2017). Patógenos e indicadores microbiológicos de calidad del agua para consumo humano.
Revista Facultad Nacional de Salud Pública, 35(2), 236-247.
https://dx.doi.org/10.17533/udea.rfnsp.v35n2a08

-Rivera, J. (2016) Determinación de las tasas de oxidación, nitrificación y sedimentación en

el proceso de auto purificación de un río de montaña. Revista chilena de ingeniería. 24(2).
314-326.
-Robles, E. (2005) Estimación experimental de tasas de nitrificación en ríos de montaña-
Quebrada Lejia Recuperado de:
https://repositorio.uniandes.edu.co/bitstream/handle/1992/8997/u270904.pdf?sequence=1

-Rodríguez H. (2001). Estudio de la contaminación por metales pesados en la Cuenca de

Llobregat. Tesis Doctoral. Universitat Politécnica de Catalunya, Barcelona. Recuperado de:
https://www.tesisenred.net/handle/10803/6978#page=34

-Romero JA (1999) Calidad del Agua. Alfaomega Grupo Editor. México. 273 p

-Rubio, H., Ortiz, R., Quintana, R., Saucedo, A., Ochoa, J., Rey, I., (2014) Índice de Calidad
de Agua (ICA) en la Presa de la Boquilla en Chihuahua México. Ecosistemas y Recursos
Agropecuarios. 1(2): 139-150.

-Saldaña-Fabela, María del Pilar, Díaz-Pardo, Edmundo, & Gutiérrez-Hernández, Altagracia.

(2011). Diagnóstico de la calidad del agua en un sistema de embalses en cascada, cuenca
del río San Juan, Querétaro, México. Tecnología y ciencias del agua, 2(3), 115-126.
Recuperado de: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-
24222011000300008&lng=es&tlng=

-Salinas Tapia, H.; Flores Gutiérrez, L.; García Aragón, J. A.; Tejeda, S. y López Rebollar, B.
(2016). Modelación del Curso Alto del Río Lerma (CARL), utilizando QUAL2Kw, considerando
la distribución y variación de nitrógeno amoniacal y nitrógeno como nitratos, Aqua-LAC, 8 (1):
34 - 43.

69
-S. V Iverson, E. J Allan and S P Gordon (2006). Re /thinkingpracticies of power: the discursive
framing of leadership in the chronicicle of higher education. The Review of Higher Education,
30(1), 41-68.

-Samboni, N., E., Carvajal, Y. & Escobar, J. C. (2007) Revisión de parámetros fisicoquímicos
como indicadores de calidad y contaminación del agua. Ingeniería e Investigación. 27 (3)
Recuperado de: https://www.redalyc.org/pdf/643/64327320.pdf

-Santos-Jallath, ET AL. (2013). Influencia de jales mineros sobre el río Maconí, Querétaro, y
evaluación del proceso de atenuación natural por dispersión. Boletín de la sociedad geológica
mexicana, 65, 645-660.

-Sardiñas, O., Pérez, A. (2004) Determinación de nitrógeno amoniacal y total en aguas de

consumo y residuales por el método del fenato. Revista Cubana de Higiene y Epidemiología,
42(2) Recuperado de: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1561-
30032004000200002&lng=es&tlng=es.

-SEMARNAT Índice de calidad del agua: Gerencia de Calidad del Agua, junio, 2019.

-Secretaría de Economía y Fomento Industrial. (2000). NMX-AA-093-SCFI-2000. Análisis de

agua- Determinación de la conductividad eléctrica. Método de Prueba. Recuperado de:
http://201.116.60.182/CONAGUA07/Noticias/NMX-AA-093-SCFI-2000.pdf

-Secretaría del Medio Ambiente y Recursos Naturales. (1996). NOM-001-SEMARNAT-1996,

que establece los límites máximos permisibles de contaminantes en las descargas de aguas
residuales en aguas y bienes nacionales. Recuperado de:
http://www.conagua.gob.mx/CONAGUA07/Publicaciones/Publicaciones/SGAA-15-13.pdf

- Soil Survey Staff. (1999) (SCS. USDA). Keys to Soil Taxonomy 8th Ed. Pocahontas Press,
Inc. Blacksburg, Virginia (USA), 603 pp

-Sperling MV (2001) Principios Básicos do Tratamento de Esgotos. 4aed. Universidad Federal

de Minas Gerais. Brasil. 212 p

- Steve, C., Greg P., Hua, T. (2012) QUAL2K A modelling framework for simulating river and
stream water quality (versión 2.12) Recuperado de:
http://www.ecs.umass.edu/cee/reckhow/courses/577/Qual2/Q2KDocv2_11b8%20v211.pdf

-Suárez. J. (2008). TEMA 5 CALIDAD DE AGUAS EN RÍOS AUTODEPURACIÓN. España:

Universidad de Coruña.

-Thompson, I., (2011) Biodiversidad, umbrales ecosistémicos, resiliencia y degradación

forestal, Unasylva, 62 (238): 25-29. Recuperado de:
http://www.fao.org/3/i2560s/i2560s05.pdf

-Toribio Brito, Guillermo Ezbon y López Ríos, Artemio. (2015) La perspectiva del agua en
Guerrero, limitaciones y retos para el desarrollo. Revista Mexicana de Ciencias Agrícolas, 1
479-486 Recuperado de: https://www.redalyc.org/pdf/2631/263139243065.pdf

70
-Valderrama, J., O., Campusano, R., & Espíndola, C. (2019). Minería Chilena: Captura,
Transporte, y Almacenamiento de Dióxido de Carbono en Relaves mediante Líquidos Iónicos
y Carbonatación Mineral. Información tecnológica, 30(5), 357-372. Recuperado de
https://dx.doi.org/10.4067/S0718-07642019000500357

-Valiela I., Bowen J. (2002) Nitrogen sources to watersheds and estuaries: role of land cover
mosaics and losses within watersheds. Environmental Pollution. (118):239-248. Recuperado
de: https://pubmed.ncbi.nlm.nih.gov/11939286/

-Vargas, O. (2011) Restauración ecológica: biodiversidad y conservación. Acta biol.

colombiana, 16, (2), 221-246. Recuperado de:
https://revistas.unal.edu.co/index.php/actabiol/article/view/19280/28009

-Whitehead P; Johnes P., Butterfield D. (2002) Steady state and dynamic modeling of nitrogen
in the River Kennet: impacts of land use change since the 1930s. The Science of Total
Environmental. 282-283: 417-434. Recuperado de:
https://europepmc.org/article/med/11846082

. -Wright, J Jones and Flecker, A. (2002) An ecosistem engineer, the behaver, increases
species richnessat the landscape scale” Oecologia, 1(32): 96 -10. Recuperado de:
https://europepmc.org/article/med/29502020

71
 AGOSTO 2019 OCTUBRE 2019 NOVIEMBRE 2019 FEBRERO 2020

Parámetros Fraile Santa Rosa Granja Fraile Santa Rosa Dolores Granja Fraile Santa Rosa Dolores Granja Fraile Santa Rosa Dolores Granja Taxco1 Taxco2

Oxígeno disuelto (mgOD/L) 3.24 2.84 3.24 2.6342 6.6864 6.2816 7.0921 3.0395 2.6342 2.2421 4.0526 3.0150 3.0150 2.4120 3.6756 4.1081 2.5945

Alcalinidad fenolftaleína (mgCaCO3/L) 44 20 14 16 12 32 8 12 40 16 0 20 10 50 20 30 30

Alcalinidad total (mgCaCO3/L) 156 120 100 112 72 56 100 112 64 100 136 70 50 80 60 80 90

Acidez / / / 167.2 60.8 83.6 76 98 76 106.4 22.8 160 140 180 130 160 120

Dureza de calcio (mgCaCO3/L) / / / 164.16 74.1 88.1 128.12 88.08 150.15 122.1 110.11 144.144 108.108 240.24 270.27 310.31 310.31

Dureza total (mgCaCO3/L) 240.24 178.17 226.22 154 82 110 148 96 156 176 156 238.2 184.2 350.4 280.3 370.37 320.32

Cloruros (mgCl/L) 0.0119112 0.0079408 0.0089334 0.0059556 0.0059556 0.0059556 0.009926 0.0079408 0.0218372 0.0039704 0.0079408 .02481 .0397 .02481 .02481 .1091 .1042

DQO (mg/L) 74.587 54.425 84.075 94.756 89.7125 64.5062 104.825 165.3125 190.5125 170.356 160.2812 175.48 191.61 188.38 227.09 210.96 210.66

DBO5 (mg/L) 10.2 18.2 16.2 80 40 28 22 100 180 160 120 120.6 180.9 120.6 111.87 302.7 155.68

Sólidos disueltos totales(mg/L) 361 273 359 324 701 578 293 1019 533 539 403 572 372 520 808 672 724

Sólidos Suspendidos Totales (mg/L) 1450 348 439 343 709 582 297 1034 554 548 414 188 64 40 20 80 68

SAAM (mgSAAM/L) .34 0.11 0.16 0.3470 0.4063 0.1757 0.1888 0.3667 0.2679 0.2613 0.1427 0.100084 0.14822 0.191147 0.039375 0.103119 0.919654

Coliformes totales (NMP/100 mL) 1898 4931 4931 457 11 176 1581 760 144 141 1898 1971 4395 900 949 7671 7671

Coliformes fecales (NMP/100 mL) 1898 4931 4831 457 11 176 1581 760 144 118 1898 312 4395 900 949 900 900

Nitrógeno amoniacal (mg/L) 0.5042 3.5298 2.5212 25.7163 2.05 1.8488 0.5042 0.168 <LDXX 1.1765 0.168 0.840402 C C 1.1765 1.8488 1.8488

Nitrógeno orgánico (mg/L) 123.6903 7.7316 87.73 1.84 45.88 1.8488 2.3531 30.254 72.44 28.4055 5.21 6.2189 C C 21.85 2.857 6.2189

Nitrógeno total (mg/L) 124.1945 11.2614 90.2512 27.5563 47.93 9.6976 2.8573 30.422 72.44 28.4055 5.378 7.059302 C C 23.0265 4.7058 8.0677

Nitritos (mg/L) / / / 0.00276629 0.0000767 0.001227 0.00458 0.00449 0.0043 0.00444 0.004105 0.02932 0.02232 0.01332 0.01132 0.05732 0.04232

Nitratos (mg/L) / / / 0.00467 0.00435 0.00444 0.007751 0.006792 0.007751 0.008327 0.00453 0.004071 0.006626 0.004623 0.004626 0.03462 0.03862

Ortofosfatos (mg/L) 0.0980 0.0920 0.0961 0.0153 0.0025 0.0537 0.0716 0.0358 0.0691 0.0127 0.0691 0.22112 0.1147 0.1117 0.10207 0.202072 0.205002

Fósforo hidrolizable (mg/L) 0. 0211 0.0368 0.0275 0.0188 0.0988 0.0141 0.0512 0.0918 0.1147 0.1730 0.1024 0.192606 0.164031 0.115897 0.113512 0.125486 0.128179

Fósforo total (mg/L) 0.1006 0.0924 0.1501 0.0178 0.0200 0.0379 0.0535 0.2097 0.1963 0.1718 0.0120 0.2687 0.19816 0.20402 0.105706 0.339709 0.336617

Grasas y aceites (mg/L) 0.00098 0.022 .323 5.3179 9.518 2.0361 2.111 1.2298 7.6 4.539 5.983 0.0083 0.0362 C C C C

Sulfatos (mg/L) / / / 212.08 235.07 230.72 186.80 263.32 262.91 146.03 145.20 176.25 184.74 178.48 176.84 175.93 175.10

Pureza (%) sin ajuste pH 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10

Longitud de onda dominante (nm) 480 480 490 490 490 490 570 570 570 490 570 490 570 490 560 560 650

Matiz azul azul azul-verde azul azul azul amarillo amarillo amarillo azul Amarillo Azul Amarillo verdoso Azul verde Amarillo verdoso Amarillo verdoso Rojo
verdoso verdoso verdoso verdoso verdoso verdoso Verdoso Verde

Pureza (%) pH ajustado 10 10 10 10 10 10 20 10 10 10 10 10 10 10 10 10 10

Longitud de onda (nm 485 485 470 490 570 490 480 470 570 490 480 490 480 480 560 650 550

ANEXO1. RESULTADOS DE LAS CATRO CAMPAÑAS DE MONITOREO AL RÍO CACALOTENANGO (EL FRAILE-LA GRANJA)

/: no se realizó el parámetro C: No realizado por cuarentena

73
ANEXO 2. Modelo conceptual en STELLA para NTK

Nótese que en agosto hay un stock menos, pues Dolores aún no era monitoreada, las variables “Kn sitio de referencia” son las tasas
de nitrificación determinadas con el método descrito por Rivera (2016) pero pueden ser sustituidas por las de Courchaine o alguna
otra, las flechas simbolizan el flujo de caudal a través del río.

73
ANEXO 3. Modelo conceptual en STELLA para DBO

74
ANEXO 4. Diseño del modelo de comportamiento de PO4 en el Software STELLA

El sitio de muestreo Dolores, se

comenzó a monitorear en
octubre, es por eso que el
agosto, no figura.

75
ANEXO 5. Modelo conceptual (proyección predicción) en STELLA para SST (asimilación).

76
ANEXO 6. Modelo conceptual (proyección predicción) en STELLA para SST (concentración) con relación a su factor de
asimilación.
A partir de la siguiente información se obtuvo la modelación para la proyección-predicción de SST

Valores obtenidos vs valores predichos de SST agosto 2019

Tramo El Fraile Santa Rosa Dolores La Granja
Unidad mgL-1 mgL-1 mgL-1 mgL-1
Valor obtenido 1450 348 / 439
Valor predicho 1538.82 235.21 / 795.58
Valores obtenidos vs valores predichos de SST octubre 2019
Tramo El Fraile Santa Rosa Dolores La Granja
Unidad mgL-1 mgL-1 mgL-1 mgL-1
Valor obtenido 343 709 582 297
Valor predicho 282.40 610.81 702.46 384.74
Valores obtenidos vs valores predichos de SST noviembre 2019
Tramo El Fraile Santa Rosa Dolores La Granja
Unidad mgL-1 mgL-1 mgL-1 mgL-1
Valor obtenido 1034 554 548 414
Valor predicho 1000.09 258.27 257.32 656.81
Valores obtenidos vs valores predichos de SST enero 2020
Tramo El Fraile Santa Rosa Dolores La Granja
Unidad mgL-1 mgL-1 mgL-1 mgL-1
Valor obtenido 188 64 40 20
Valor predicho 5881.88 29.39 109.52 10.85

77