Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tesis Camila Canelo
Tesis Camila Canelo
MARZO 2022
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Agradecimientos
Las siguientes líneas están dedicadas a todas aquellas personas que formaron parte de mi
formación académica y vida universitaria, quienes me brindaron cariño y apoyo para concluir esta
etapa.
En primer lugar, quiero agradecer a mis padres Christian y Tatiana, por entregarme alas, por su
amor incondicional y enseñarme a luchar incanzablemente por mis sueños. A mis hermanos
Nicolás y Catalina por las risas, el amor, la amistad y la contención. A mis tatas Juan y Nancy, a
Macarena, Marisol, Francisco y Alejandro, por la confianza depositada en mi y brindarme ayuda
para llegar a este punto. A mis primos Vicente y Agustín, por esperarme cada verano con abrazos
llenos de amor y a sebastían, por cuidarme desde el cielo.
Agradezco a Pablo, por que sin su compañía este viaje no habría sido el mismo. Gracias por ser mi
gran compañero de aventuras, por no permitir que me rindiera, por impulsarme cada día a crecer
y ser la mejor versión de mí.
Gracias a mi familia, tíos y primas por cada palabra de aliento, en especial a mi tía jessica, por todo
el apoyo brindado en la última etapa de este proceso.
Son muchas las personas que durante estos años han formado parte de mi día a día, quienes han
impactado en mí y llevaré siempre en mis recuerdos. Quiero agradecer a mis amigas Javiera,
Vania, Carolina y Loreto, por entregarme su amistad, por ser la mamá, hermana y amiga que
muchas veces necesité estando lejos de casa, sin duda que los mejores recuerdos de este camino
están a su lado. A Roberto, por las risas, los abrazos, cuidarme y siempre compartir mandarina en
clases. A Brian y Marcela, por los buenos momentos, su ayuda, cariño y escucha atenta. A mis
chanchitas, los candi, y a toda la generación Ambiental 2014, muchas gracias.
Uno de los mayores desafíos fue estar lejos de casa, extrañar a mi familiar y sentirme en un hogar,
por lo que agradezco a Pamela y Jaime, Marianella y Lester, que me abrieron las puertas de sus
casas a lo largo de los años, recibiéndome con amor cada vez que entraba en ellos.
Quiero agradecer a la profesora Lorna y al profesor Jose Luis, por el tiempo dedicado y los
conocimientos entregados, fue un placer aprender y trabajar junto a ustedes.
Por último, agradezco a la vida la oportunidad de vivir esta experiencia y a la pequeña camila que
tomó el desafío de dejar todo por cumplir sus sueños.
Página 2 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Resumen
El olfato es un sentido esencial, que ayuda a identificar y discriminar olores agregándoles
un atributo emocional a los objetos, eventos y/o situaciones, influyendo incluso en el
estado de ánimo y desarrollando un rol vital en la evolución de los humanos. En los
últimos años, varios estudios han surgido para comprender como se perciben los olores y
respecto a que variables depende, sin embargo, no hay un consenso claro en la
comunidad científica. En Chile, las normativas para la regulación de emisión de olores
están recién implementándose, y dentro de los próximos años se busca fortalecer este
pilar regulatorio trabajando sobre aspectos tales como, la distancia mínima de
emplazamiento de establecimientos emisores y límites de concentración o tasa de
emisión. Dentro de las principales complejidades que existen al normar olores están los
problemas asociados a su percepción y medición, las cuales son consideradas poco
estandarizadas por la manera en que se modelan y cuantifican.
El objetivo principal de esta memoria consiste en analizar la relación entre algunas de las
propiedades fisicoquímicas de aquellos compuestos, generados en los diferentes procesos
de la industria, que son un aporte a la contaminación y la percepción olfativa que se
obtiene de estos mismos. Se busca complementar los estudios de percepción de olores
actuales que se enfocan en la investigación de la complejidad molecular, incorporando
también conceptos como los equilibrios gas-líquido y los procesos de ionización
producidos en la mucosa nasal, con el fin de analizar si existe una relación entre estos
fenómenos físicos y la sensación de percepción de algunos compuestos olorosos. Por lo
anterior, se generó una base de datos conformada por compuestos orgánicos e
inorgánicos para desarrollar un modelo que cuantifique la relación mencionada.
Página 3 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Índice
Agradecimientos ................................................................................................................................. 2
Resumen.............................................................................................................................................. 3
Índice de Figuras ................................................................................................................................. 7
Índice de tablas ................................................................................................................................... 8
1. Introducción y objetivos ............................................................................................................ 10
1.1 Objetivo general .................................................................................................................... 10
1.2 Objetivos específicos ............................................................................................................. 11
2. Desarrollo de la problemática ................................................................................................... 12
2.1 Contexto global ..................................................................................................................... 12
2.1.1 Investigaciones internacionales ........................................................................................... 12
2.1.2 Normativa internacional ...................................................................................................... 13
2.1.2.1 Holanda ............................................................................................................................. 14
2.1.2.2 Reino unido ....................................................................................................................... 14
2.1.2.3 España ............................................................................................................................... 15
2.1.2.4 Alemania ........................................................................................................................... 15
2.1.2.5 Colombia ........................................................................................................................... 16
2.1.2.6 Australia ............................................................................................................................ 16
2.1.2.7 Japón ................................................................................................................................. 18
2.2 Contexto nacional ................................................................................................................. 18
2.2.1 Actividades generadoras de olor.......................................................................................... 18
2.2.2 Normativa nacional .............................................................................................................. 20
2.2.3 Evaluación en el SEIA............................................................................................................ 23
2.3 Proceso de emisión, dispersión y respuesta humana al olor ................................................ 24
2.4 El mecanismo del olfato .............................................................................................................. 25
2.5 Moléculas aromáticas y concepto de olor ............................................................................ 29
2.6 Caracterización de los compuestos que generan olor .......................................................... 32
2.6.1 Propiedades físicas ............................................................................................................... 32
2.6.2 Propiedades químicas .......................................................................................................... 33
2.7 Medición del olor .................................................................................................................. 33
Página 4 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 5 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 6 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Índice de Figuras
Figura 2. 1 Diagrama de flujo de la normativa colombiana en materia de olores. ........................... 16
Figura 2. 2 Mapa nacional de ubicación de establecimientos potenciales generadores de olor. .... 19
Figura 2. 3 Porcentaje de aporte de las actividades potencialmente generadoras de olor. ........... 20
Figura 2. 4 Regiones con mayor probabilidad de sufrir problemas de olor. ..................................... 20
Figura 2. 5 Número de denuncias por año a nivel nacional. ............................................................. 22
Figura 2. 6 Distribución de denuncias a la SMA por rubro a nivel nacional. ..................................... 23
Figura 2. 7 Proceso de emisión, transporte y recepción de olor. ..................................................... 24
Figura 2. 8 Proceso de emisión, dispersión y respuesta humana al olor. ......................................... 26
Figura 2. 9 Proceso de percepción de olores. ................................................................................... 29
Figura 2. 10 Respuesta humana a concentraciones crecientes de H2S. ........................................... 31
Figura 2. 11 Persistencia de compuesto oloroso. ............................................................................. 33
Figura 2. 12 Protocolo F.I.D.O. para la evaluación de episodios molestos. ...................................... 38
Figura 3. 1 Datos publicados sobre la respuesta olfativa expresado en receptores......................... 44
Figura 3. 2 Notas olfativas descriptoras de olor................................................................................ 46
Figura 3. 3 Correlación de las notas olfativas.................................................................................... 46
Figura 3. 4 Comparación de umbrales de olor en aire y en agua...................................................... 47
Figura 3. 5 Influencia en el cambio de largo de cadena en el umbral de olor de alcano tiol primario,
secundario y terciario........................................................................................................................ 48
Figura 3. 6 Resultados de algoritmo de descubrimiento de subgrupos............................................ 49
Figura 3. 7 Molécula dentro de una caja rectangular. ...................................................................... 50
Figura 4. 1 Diagrama de solubilidad. ................................................................................................. 53
Figura 4. 2 Función de intensidad de 1-butanol según la ley de Stevens. ........................................ 54
Figura 4. 3 Visión 3D molécula en Vega ZZ. ...................................................................................... 59
Figura 4. 4 Análisis de polaridad en Vega ZZ. .................................................................................... 61
Figura 4. 5 Tipos de métodos de ensamble. ..................................................................................... 63
Página 7 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Índice de tablas
Tabla 2. 1 Tabla F.I.D.O. olores.......................................................................................................... 37
Tabla 3. 1 Valores descriptores de forma de los primeros 10 alquenos. .......................................... 50
Página 8 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 9 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
1. Introducción y objetivos
Oler no es simplemente una experiencia biológica y psicológica, es además un fenómeno
social y cultural, que depende de factores como la edad, la cultura, el género y el estado
de salud (Genva et al., 2019). Y es que el olfato detecta, codifica y discrimina entre miles
de pequeños químicos en el aire, monitoreando de manera continua la composición
química dinámica del ambiente y que la percibe como aromas distintos. El olor forma
parte de los estresores ambientales, causando efectos en la salud de la población
expuesta, que, si bien no contribuyen a un daño objetivo, son capaces de generar
alteraciones emocionales de consideración. La contaminación por olores ha tomado
protagonismo en los últimos años, en donde países, incluido Chile, han implementado
nuevas medidas legislativas para controlarla en algunas áreas específicas de la industria.
En este contexto, se propone desarrollar una base de datos con compuestos odoríferos
orgánicos e inorgánicos, con el fin de encontrar un modelo que relacione dichas
propiedades con la intensidad de percepción. Que, además, permita ser el punto de
partida de investigaciones futuras que se desarrollen dentro de la misma área y que
complementen aquellas ya existentes. Para esto, se utilizarán diferentes softwares
estadísticos, que permitan analizar el tipo de relación existente entre las propiedades
descriptivas y la variable objetivo.
Página 10 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 11 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
2. Desarrollo de la problemática
Página 12 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Las mejoras técnicas disponibles (MTDs) actúan como medida preventiva ante una
emanación contaminante de olor, siendo consideradas una medida de mitigación. Entre
éstas se encuentran la optimización del diseño de los sistemas de ventilación, las mejoras
de la limpieza de los sistemas de procesos o la sustitución de materias primas
(AQUALOGY, 2014). Por otro lado, las técnicas de abatimiento y control de olores se
utilizan para reducir el impacto generado por la emisión una vez producida, siendo
aplicadas principalmente al final de la línea de proceso. Entre estas medidas se
encuentran los lavadores de gases, los procesos de adsorción y la oxidación térmica. La
implementación de estas medidas se considera desde el diseño y construcción de las
instalaciones y se basan en un conjunto de buenas prácticas eficaces que ayudan a
alcanzar un alto nivel de protección del medio ambiente. Las cuales se aplican en
condiciones económica y técnicamente viables, de manera que aseguren la reducción de
la emisión de olores y, por lo tanto, el impacto odorífero en las comunidades aledañas.
Página 13 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
2.1.2.1 Holanda
En el año 1992 se creó la guía de emisiones en materia de olores (Netherlands Emission
Guidlines for Air), conocida también como NeR, cuya última actualización es del año 2006.
Las bases de esta guía no obligan a tomar medidas de minimización de olores a todas las
instalaciones generadoras, sino, sólo a aquellas que presenten denuncias por parte de la
población y que hayan sido comprobadas por estudios olfatométricos, en cuyo caso, se
recomienda aplicar medidas económicamente viables para la reducción de olores. La
medición de la magnitud de las molestias por malos olores se determina mediante
estudios que incluyan recursos olfatométricos, investigaciones de campo mediante
panelistas y revisión de los registros de quejas recibidas a nivel privado como a algún ente
público (AQUALOGY, 2014).
En el año 2012 se introdujo la Ley de Actividades, la cual regula el funcionamiento para los
diferentes sectores productivos, entregando licencias medioambientales que restringen la
operación de la empresa cuestionada y la necesidad de notificación de sus actividades.
Además, dicha ley específica y limita el nivel de molestia por malos olores considerado
aceptable en su entorno, dependiendo de factores adicionales como el tiempo de emisión
y el tono hedónico de la molécula emitida.
Página 14 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Entre las herramientas y tecnologías utilizadas bajo esta normativa para la determinación
de la existencia de molestia por olores se encuentra: el seguimiento de las denuncias a la
instalación, las medidas de olores en campo mediante dispositivos como el Nasal Ranger,
encuestas de olores a los vecinos próximos a las instalaciones, toma de muestras en las
fuentes, análisis mediante olfatometría dinámica bajo los estándares establecidos en la
norma BS 13725:2003, análisis en terreno mediante la norma alemana VDI 3940, análisis
del tono hedónico de las muestras y monitoreo continuo de compuestos químicos. Para
este último punto, se propone el uso de instrumentos como los ionizadores de llama que
reportan la concentración de hidrocarburos total y el monitoreo de larga trayectoria que
reporta la concentración de compuestos orgánicos volátiles.
2.1.2.3 España
En España no existe una regulación específica en materia de olores. En julio del año 2005
la ciudad de Cataluña se convirtió en la primera ciudad en enviar un anteproyecto de ley
contra la contaminación odorífera, cuyo principal objetivo era establecer un marco
normativo que defina las medidas necesarias para prevenir la contaminación por olores. A
través de la reducción de las emisiones en el origen y un mayor control sobre las fuentes
generadoras, establecer sanciones y definir técnicas para el análisis del impacto (Centro
Nacional de Información de la Calidad, 2020).
Años más tarde, la comunidad autónoma de Andalucía lograría aprobar una ley que
regulaba la contaminación odorífera, el Decreto 239/2013 donde se define la calidad del
medio ambiente atmosférico, incluyendo términos como olfatometría dinámica. Al igual
que en muchos países europeos, España ha establecido la norma UNE-EN 13725:2004
como una norma técnica para la medición de la contaminación y la realización de estudios
de olores, pero que no cuenta con límites de emisión permisibles para las diferentes
actividades generadoras de olor.
2.1.2.4 Alemania
El programa de gestión de olores alemán se perfila en el GOAA (Guideline on Odour in
Ambiente Air), aunque la base legal de cualquier requisito respecto a calidad ambiental es
la Ley Federal de Control de Inmisiones, que fue promulgada en el año 1974, y la
Instrucción Técnica de 2002 sobre Control de Calidad del Aire. La ley considera todos los
olores provenientes de cualquier instalación comercial como una molestia, sin embargo,
para el otorgamiento de autorizaciones y seguimientos, se determina si la molestia
constituye una perturbación significativa en base a la relevancia de esta. Por otro lado, no
establece ningún tipo de relación de fuentes potencialmente generadoras de olor, en
cambio, define la unidad de medida como “unidad de olor por metro cúbico”(OUE/m3) y
Página 15 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
los valores de emisión en 500 OUE/m3 para ciertas actividades como, las instalaciones
para la producción de compost a partir de residuos orgánicos con una capacidad anual
mayor a 10.000 toneladas por año, fermentadores de residuos biológicos con una
capacidad superior a 30 toneladas por día, instalaciones de secado de residuos,
instalaciones de secado de lodos y plantas de purificación del rechazo proveniente del
tratamiento mecánico de residuos domésticos.
2.1.2.5 Colombia
El 12 de noviembre de 2013, se aprobó la resolución 1541 del Ministerio de Ambiente y
Desarrollo Sostenible de la República de Colombia. En dicha resolución se establecen los
niveles permisibles de calidad de aire o de inmisión y los procedimientos de evaluación de
actividades que generan olores ofensivos. La resolución aborda la problemática de olores
según el esquema que se muestra en la figura 2.1.
Todo proceso comienza con la presentación de una queja por parte de la población
afectada, desde ese momento y en los próximos 30 días hábiles, la administración
ambiental competente debe realizar una evaluación in situ para determinar la necesidad
Página 16 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
de establecer un Plan de Reducción del Impacto por Olores Ofensivos (PRIO) por parte de
la empresa, para lo cual dispondrá de otros 30 días hábiles a partir de la visita a terreno.
Por último, la empresa debe presentar en un período máximo de 3 meses a partir de la
pronunciación de la administración ambiental, un PRIO según las directrices marcadas en
el documento.
2.1.2.6 Australia
A nivel nacional no existe una regulación en materia de olores, si no que cada estado es
responsable de establecer su normativa. De todos los estados existentes, se analizará la
reglamentación de Nueva de Gales Sur y Australia del Sur.
Nueva Gales del Sur: El estado de Nueva Gales del Sur basa su política de olores en
el documento publicado en el año 2006, denominada “Evaluación y Gestión de Olores
procedentes de Fuentes Estacionarias” (Assessment and Managent of Odour from
Stationary Sources), el cual proporciona un procedimiento de cómo se deben desarrollar
las evaluaciones de impacto odorífero. Las metodologías de medición de olores son
clasificadas según el origen, sus complejidades y las fuentes de procedencia. El criterio de
evaluación de impacto odorífero se realiza a través de una prueba llamada “concentración
a nivel del suelo (GLC)”, basada en la medición de concentración de compuestos y
utilizada para fuentes puntuales, cuyo objetivo es modelar la dispersión de los olores para
obtener parámetros de diseño en nuevas instalaciones. Por otro lado, la evaluación de
impacto de mezclas complejas de olores se realiza a través de criterios de calidad en
inmisión que varían en función de la población afectada y se utiliza en fuentes puntuales y
difusas.
Australia del Sur: La legislación principal en materia de olores en Australia del Sur
es la Ley de Protección del Medio Ambiente de 1993. En particular, el artículo 25 de dicha
ley impone el deber general de todas las personas que lleven a cabo una actividad
susceptible de emitir olor, a tomar las medidas razonables y prácticas para prevenir o
minimizar cualquier impacto ambiental resultante. Además, se considera un delito, según
el artículo 82 de la misma ley, la generación de un impacto odorífero que pueda constituir
un daño el medio ambiente (AQUALOGY, 2014).
Por otro lado, la guía EPA 373/07 proporciona criterios para la gestión de las emisiones de
olores, en particular para proyectos nuevos o en expansión. De forma específica, también
aborda el uso de modelos de dispersión y la determinación de las distancias de separación
mínimas apropiadas. La EPA de Australia del Sur ha actualizado su criterio de medición de
olores a la norma australiana AS4323.3:2001. Por otro lado, la definición de las fuentes
Página 17 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
2.1.2.7 Japón
En Japón se introdujo en 1971 la Ley de Control de los Olores Ofensivos, corregida en 1995
con la incorporación y regulación del “Método Triangular de la Bolsa de Olor” (Triangular
Odor Bag Method), un método olfativo de medida. Posterior a esta revisión, se les
permitió a los gobiernos locales tener la opción de regular los índices del olor en vez de
enfocar los esfuerzos en la regulación de los compuestos. Para el año 2002, los gobiernos
locales de Japón contaban con un 55,8% de las áreas reguladas y con la identificación de
22 compuestos generadores de olor.
Página 18 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Fuente. ECOTEC,2013.
Página 19 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
15%
Crianza y engorda de
animales
Planta de Tratamiento de
11% aguas servidas
46%
Plantas procesadoras de
productos de mar
14% Sitios de disposición final de
residuos
Otros
14%
18%
Región Metropolitana
41% Región de Valparaíso
Otras Regiones
13%
11%
Página 20 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
de olor y contaminación. Sin embargo, los vacíos legales y los aspectos técnicos
involucrados han imposibilitado solucionar o prevenir en forma efectiva los conflictos
socioambientales que involucran a la actividad productiva, la población afectada, las
autoridades y a los organismos fiscalizadores. Debido a esto, en el año 2014 se creó la
primera estrategia para la gestión de olores en Chile por el Ministerio del Medio
Ambiente, comprendiendo el período 2014-2017, la cual permitió avanzar en la
estandarización de metodologías de medición de olores mediante normas técnicas. En el
año 2017 se formuló la segunda estrategia de gestión de olores en Chile, la cual
comprende el período 2017- 2022 y cuyo principal objetivo es el fortalecimiento del
ámbito regulatorio de olores y la definición de los cinco sectores prioritarios. A raíz de
esto, bajo la resolución N°1.439 de diciembre del 2018, se estableció el Programa de
Regulación Ambiental 2018-2019, el cual indica, dentro de sus prioridades programáticas,
la elaboración de una regulación de olores para el sector porcino y el sector pesquero.
Dentro de los últimos años ha ido aumentando el número de normas técnicas que
permiten disponer de criterios uniformes en metodologías de medición de olores,
contando a la fecha con las siguientes:
● NCh 3190: 2010, Calidad del Aire – Determinación de la concentración de olor por
olfatometría dinámica.
● NCh 3212: 2012, Plantas de Tratamiento de Aguas Servidas, Directrices generales
sobre olores molestos.
● NCh 3387: 2015, Calidad del aire – Evaluación de la molestia por olores, Encuesta.
● NCh 3386: 2015, Calidad del aire - Muestreo estático para olfatometría.
● NCh 3533/1: 2017, Medición de impacto de olor mediante inspección en campo –
Medición de la frecuencia del impacto de olores reconocibles – Método de la grilla.
● NCh 3533/2: 2017 – Medición de impacto de olor mediante inspección en campo –
Medición de la frecuencia de impacto de olores reconocibles – Método de la
pluma.
● Anteproyecto de la ley “Norma de Emisión de Contaminantes en centros de cultivo
y plantas procesadoras de recursos hidrobiológicos que, en función de sus olores,
generan molestia y constituyen a un programa de riesgo a la calidad de vida de la
población”.
● Anteproyecto de ley “Norma de Emisión de contaminantes en planteles porcinos
que, en función de sus olores, generan molestia y constituyen un riesgo a la calidad
de vida de la población”
Esta última fue publicada el 22 de Julio de 2020 en el diario oficial y tiene como objeto que
los planteles porcinos reduzcan sus emisiones de olor, disminuyendo el tiempo de
emisión, así como también las concentraciones emitidas. El sector de crianza y engorda de
animales está catalogado como el principal sector que aporta a la generación de olores en
Página 21 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
nuestro país, razón por la cual su regulación se considera una prioridad. En Chile existen
103 planteles porcinos a lo largo del país con una mayor concentración en la Región del
Libertador Bernardo O’Higgins (40%) seguida por la Región Metropolitana (35%)
(Ministerio del Medio Ambiente, 2021). Las exigencias mencionadas en el Anteproyecto
establecen un valor límite de emisión, la reducción de las emisiones en fuentes, tales
como las lagunas de purines, y la exigencia de informes de prácticas operacionales.
Página 22 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Se puede observar en la figura 2.6 que los principales rubros denunciados son: las plantas
de tratamiento de aguas servidas (PTAS) (23%); seguido de la agrupación de actividades
agroindustriales (16 %); luego, se sitúan los sitios de disposición final de residuos (12%); el
sector porcino (10%) y las pesqueras y procesamiento de productos del mar (8%).
Página 23 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
El proceso comienza con la emisión del olor que contempla su formación y liberación por
una fuente puntual, difusa o fugitiva, donde es posible medir e identificar diferentes
características representativas del olor emitido. El proceso continúa con la dispersión del
olor en la atmósfera que se encuentra sujeto a las condiciones meteorológicas como la
estabilidad de la capa límite, velocidad y dirección del viento, temperatura y humedad.
Finalmente, se encuentra la percepción o la respuesta humana al olor, que corresponde a
la respuesta o valoración de los receptores y que depende factores como: la relación con
la fuente, la localización y el tiempo de exposición. El proceso de emisión, dispersión y
respuesta humana al olor se expresa en la figura 2.7.
Página 24 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Cuando se genera un efecto adverso por olor, se debe analizar la trayectoria de la emisión,
la dispersión y la respuesta humana según se detalla en la figura 2.8. Debido a que es un
proceso complejo, se consideran varios factores que pueden alterar el proceso, entre los
que se encuentran:
Página 25 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 26 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Las neuronas sensoriales olfativas, que son de naturaleza bipolar, proyectan conexiones al
bulbo olfativo y extienden varias dendritas en el epitelio. La dendrita principal contiene de
5 a 10 cilios inmóviles, considerados como las estructuras quimio-sensoriales reales,
incrustados en el moco de la nariz de aproximadamente 60 micrones de espesor. En los
cilios olfativos se producen procesos olfativos primarios, dado que aportan una gran
superficie donde las moléculas olorosas pueden interactuar con los receptores.
La membrana de los cilios contiene proteínas receptoras olfativas, que corresponden a los
elementos transductores del olfato y de las que se tienen más de 350 tipos. Cada tipo de
neurona sensorial olfativa tiene un receptor olfativo particular que se une a una molécula
olorosa específica. La interacción de moléculas olorosas con los receptores olfativos
desencadena una cascada de señales que hacen que la célula se dispare, es decir, que
aumente la conductancia de la membrana debido al cambio de potencial en ella. El
potencial generado se convierte en potencial de acción de distintas frecuencias y pasa al
bulbo olfativo gracias al grupo de neuronas sensoriales olfativas sensibles a una molécula
olorosa particular. El resultado de esta cadena, conocido como sinapsis, ocurre en una
estación de paso que recibe el nombre de glomérulo, una estructura anatómica que
consiste principalmente en neutrófilos y que actúa como un punto de destino para varias
neuronas sensoriales olfativas sensibles a la misma molécula y que activan a los mismos
Página 27 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
En el glomérulo, las neuronas sensoriales olfativas hacen sinapsis con otras células
llamadas células mitrales, que son las encargadas de enviar señales neuronales a la
corteza olfatoria primaria y donde el axón de una molécula olorosa específica converge en
patrones que forman las bases anatómicas de un mapa sensorial del olfato. Es decir, para
cada molécula olorosa, se genera un patrón específico de señales neuronales, cuya fuerza
depende del período de tiempo de exposición y de la calidad de los estímulos olorosos, de
esta manera, la neurona responde de manera diferente a distintos olores. Desde la
corteza primaria olfativa, las señales neuronales se envían a las áreas corticales y al
sistema límbico. El área cortical superior permite la percepción consciente de los olores y
el sistema límbico gobierna las emociones que se obtienen como respuesta, el
almacenamiento de memoria, el comportamiento y las sensaciones físicas que se
experimentan como respuesta a la percepción del olor (Sharma et al., 2019).
De acuerdo con el proceso olfativo descrito, es posible inferir que los compuestos
olorosos pueden ser percibidos a través de la nariz, lo que se conoce como olfato orto-
nasal y también a través de la boca, conocido como olfato retro-nasal. Debido a lo
anterior, el sentido del olfato resulta complejo de comprender, ya que es el único sistema
que posee modalidad dual, es decir, que detecta los estímulos provenientes del mundo
exterior y del interior del cuerpo.
Página 28 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 29 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
transportar el estímulo en una solución acuosa hacia las células sensitivas, el que va a
estar influenciado por las propiedades de solubilidad y absorción que tenga dicho
compuesto. Las moléculas que generan olor se encuentran normalmente en bajas
concentraciones en fase gaseosa y su naturaleza química varía según los elementos que
las componen, siendo las propiedades sensitivas del olfato las encargadas de diferenciar
los estímulos, las sensaciones y de definir el tono hedónico.
Tanto las moléculas orgánicas como las inorgánicas pueden generar olor, aunque existen
ciertos grupos funcionales que generan una mayor intensidad, haciendo que se perciban
con mayor facilidad por la nariz humana. Existen ciertas propiedades o factores
intrínsecos con los que se caracterizan los olores, estos son:
● Tipo de Olor: Puede ser simple o compuesto, factor que se relaciona con la
composición del olor, siendo el primero de ellos una emisión de un único
compuesto y de fácil identificación. Por otro lado, el olor compuesto corresponde a
una mezcla de olores simples en la que pueden producirse fenómenos de sinergias
e inhibiciones. Por ende, la percepción del olor compuesto no siempre es fácil
definir, ni tampoco determinar las moléculas que lo causan ya que la percepción
fisiológica del conjunto es distinta a la suma sensorial de las sustancias olorosas
individuales que lo conforman (Servicio de Evaluación Ambiental, 2017).
● Intensidad: Concepto que define la fuerza con la que se percibe el olor y que
aumenta en función de la concentración con la que es emanado. Su medición se
realiza con un olfatómetro y por panelistas certificados (IWA odors, 2008). Se
Página 30 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 31 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Los compuestos aromáticos con altas presiones de vapor tienen una alta actividad
molecular, dando lugar a una mayor intensidad de percepción. Entre los compuestos con
altas presiones de vapor destacan los denominados compuestos orgánicos volátiles cuya
tasa de evaporación es considerable en condiciones ambientales.
Solubilidad
Persistencia
Página 32 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 33 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 34 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 35 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
funciona mediante un gas neutro cuya función es diluir la muestra de gas oloroso hasta
que la concentración iguale al umbral de detección, lo cual se establece al alcanzar una
percepción de olor de la muestra diluida de al menos el 50% de las personas que forman
parte del panel de expertos.
Una medición con el Nasal Ranger comienza con el dial en la posición “blanco” ubicada
entre las relaciones de dilución 2 y 60 D/T (dilución hasta el umbral). En esta posición, el
personal respira a una velocidad confortable durante 1 minuto, y luego el dial se mueve a
diferentes posiciones de dilución, donde se evalúa constantemente si el carácter del olor
es percibido correctamente. El procedimiento continúa sucesivamente para otros diales y
termina cuando el personal percibe el olor sobre algún valor D/T establecido. Si el olor no
es hallado al pasar por todos los diales bajo una misma dilución, se indica que el olor no
existe en este punto de medición o que la concentración es tan baja que no implica algún
tipo de afectación para esta posición (Herrera et al., 2015).
Página 36 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
En el caso del Reino Unido, se asigna una sigla más, la localización, convirtiéndose en
FIDOL. Este último concepto hace referencia al terreno y las actividades humanas que se
desarrollan y generan un impacto odorífero en el lugar.
Página 37 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Fuente. Evaluación y selección de tecnología para la reducción del impacto por olores en EDAR.
Página 38 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 39 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 40 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Aunque esta teoría tuvo mejor recepción que las anteriores, se han encontrado
excepciones a sus postulados. Por ejemplo, existen compuestos con el mismo olor, pero
diferente cambio de Raman; otros compuestos con diferentes olores y el mismo cambio
de Raman; y por último, compuestos que no generan olores y poseen bandas de absorción
en el espectro de Raman.
El zinc es un elemento presente en nuestro organismo que tiene la capacidad para formar
puentes entre las proteínas y los aminoácidos de los receptores olfativos, estableciendo
un vínculo entre el flujo de electrones y la señal de transducción en las neuronas olfativas
a través de la proteína G. Después de que el compuesto odorífero se une al receptor
olfativo, los electrones lo excitan a su modo vibracional. Si la energía de este modo
vibratorio es igual a la brecha existente entre el límite y el estado libre, el electrón pierde
su energía y se mueve a través de la proteína. El receptor actúa como un espectrómetro
que detecta un único y bien definido nivel de energía moviéndose a través del receptor en
el caso que la diferencia sea lo suficientemente grande. Aunque la teoría no está
aprobada, parece tener argumentos válidos para ser considerada.
Página 41 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 42 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
propuesta por Amoore, en la que correlacionó la calidad del olor con la forma y tamaño de
un compuesto oloroso (Bourgeois, 2017). Su teoría no enfrentó serias objeciones y ha sido
capaz de predecir y explicar con éxito el mecanismo del olfato, siendo el único
inconveniente la incapacidad para explicar los procesos de estimulación reales que
involucran al receptor.
En dicho documento, se realiza una comparación entre las principales teorías de relación
estructura-olor, las teorías vibracionales y de odotipo. Se menciona que, en los estudios
de olfato, se ha dado poca relevancia a la capacidad de los seres humanos para detectar la
presencia de grupos funcionales con gran confiabilidad. Entre los estudios destacados, se
encuentra el desarrollado por Zhao en el año 1998, quién fue capaz de analizar la
respuesta de los receptores de las neuronas olfativas, encontrando un amplio espectro de
respuesta. En este estudio, los receptores fueron estimulados con heptanal y aldehídos de
cadena corta y larga, bajo un modelo basado en odótopos.
Otro estudio desarrollado por Malnic en 1999 permitió estimar la respuesta humana a
ciertos compuestos olorosos, a través de la creación de una base de datos, la cual se
fundamenta en la interacción entre los receptores olfativos y los compuestos, creando un
patrón de respuesta. Entre la lista de compuestos que forman parte del estudio, se
encuentran algunos ácidos carboxílicos, alcoholes, ácidos bromo carboxílicos y ácidos
dicarboxílicos con cadenas de carbono de diferentes longitudes. El desarrollo de este
estudio permitió concluir que “los diferentes olores se reconocen por distintas
combinaciones de receptores” y que además el número de receptores, que responden a
un determinado compuesto, aumenta a medida que se alarga la cadena de carbono,
resaltando la importancia de la hidrofobicidad de la molécula odorífera.
Parte de los resultados de este estudio muestran que para cada serie de compuestos
olorosos existe una proporcionalidad entre el número de receptores activos y el
coeficiente de partición. En los resultados expuestos en la figura 3.1, se puede apreciar
que los olores con menor potencia odorífera, es decir, con menor activación de
receptores, son aquellos que poseen una carga parcial que influye en su hidrofobicidad. La
Página 43 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
gráfica de la derecha corresponde a una corrección de las cargas parciales formales de los
compuestos, la que permite comparar tendencias y probar la importancia de incluir el
coeficiente de partición y las cargas parciales formales, en un modelo de percepción de
olores.
Los estudios de relación estructura-olor han logrado probar que ciertas características
estructurales de las moléculas poseen influencia en la sensación de percepción de un olor
como, por ejemplo, la presencia de algunos grupos funcionales polares, como el grupo -
OH (Moncrieff, 1967). Por otro lado, se establece que el grado de insaturación de los
compuestos orgánicos aumenta la intensidad de percepción de los olores y, en cambio, el
blindaje estérico de los compuestos por parte de un grupo funcional la disminuye. Cuando
dos aceptores de enlaces de hidrógeno están presentes en una molécula y estos se
encuentran cerca uno del otro, la intensidad de percepción es mucho mayor a cuando
estos grupos están más alejados entre ellos. Este último punto se conoce como Regla
Bifuncional de Ohloff y fue postulada en 1994.
En conjunto, los postulados sugieren que los compuestos pueden unirse a los receptores
con mayor fuerza cuando presentan dobles enlaces y pares solitarios ya que, bajo estas
condiciones, la atracción entre compuesto y receptor es mayor. La Regla Bifuncional de
Ohloff es particularmente interesante dado que se puede aplicar a un gran número de
compuestos olorosos que no presentan relación estructural. Es importante mencionar
que, en este tipo de estudios, la intensidad no es considerada una característica del olor
Página 44 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
sino como un reflejo de la capacidad del compuesto oloroso de unirse al receptor (Turin y
Yoshii, 2003).
Los resultados obtenidos en este estudio lograron confirmar, tras el análisis de 411
compuestos olorosos, que existe una relación logarítmica (r=0,35; p<0,0001) entre la
complejidad molecular y el número de notas olfativas, lo que refleja que existe una
saturación en el número de notas olfativas por encima de un cierto umbral de
complejidad molecular. Tras la clasificación de los compuestos olorosos según su
complejidad molecular (baja, media y alta), se consiguió confirmar el efecto de saturación.
Los compuestos con baja complejidad molecular evocaban menos notas olfativas que
aquellos que se encuentran en el rango medio o en el alto. En la figura 3.2 (a) se puede
apreciar claramente la correlación descrita con anterioridad. Como resultado
complementario se obtuvo que aquellos compuestos olorosos catalogados como de baja
complejidad molecular, generaban una peor respuesta en los receptores, siendo entonces
identificados como menos agradables. Por el contrario, aquellos compuestos que
pertenecían a la clasificación de complejidad media o alta eran considerados más
agradables.
Página 45 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
a) Gráfica notas olfativas vs complejidad molecular. (c) Gráfica olor placentero vs notas olfativas
Página 46 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Se estableció como método para la determinación del umbral de detección de los olores
una muestra en medio gaseoso y otra en medio acuoso, obteniéndose tendencias
similares en ambos casos (figura 3.4). Sin embargo, el valor umbral para un mismo
compuesto es 1000 veces menor si está en fase gaseosa que si está en fase líquida.
Por último, se realizó un análisis de modificación de cadena para los tioles y se obtuvo que
al disminuir la longitud de la cadena de los tioles no se apreciaban variaciones
significativas en los valores de umbral de detección, en cambio, al aumentar la longitud de
la cadena principal del compuesto, los valores umbrales aumentaban considerablemente.
Finalmente, se realizaron sustituciones crecientes del átomo de carbono que contiene al
grupo mercaptano, lo que causó que los umbrales de detección disminuyeran (figura 3.5).
Los resultados obtenidos sugieren que, además de la importancia del grupo mercaptano
Página 47 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Figura 3. 5 Influencia en el cambio de largo de cadena en el umbral de olor de alcano tiol primario, secundario y
terciario.
Un último estudio por destacar es “Chemical features mining provides new descriptive
structure-odor relationships” (Lincon et al., 2019). En este estudio se desarrolló un sistema
computacional basado en un algoritmo que creó subgrupos capaces de discriminar
cualidades perceptivas del olor en base a las propiedades fisicoquímicas de los
compuestos. Además, se realizaron una serie de experimentos sobre 75 cualidades
olfativas distintas que permitieron validar reglas que vinculan estas propiedades con la
percepción de los olores.
Página 48 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
(a) Histograma del número de reglas utilizadas como descriptor de las 75 cualidades olfativas (b) Ejemplo de
selección de la mejor regla o combinación de reglas basadas en el cálculo de la distancia euclidiana del punto
ideal.
Página 49 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
𝐶
𝜏= (2)
𝐴
𝐶 𝐵
𝐾= − (3)
𝐵 𝐴
Este estudio se realizó con los primeros diez alcanos normales, los primeros diez alquenos,
los primeros seis alquinos normales, seis moléculas con forma particular y los isómeros de
dieciocho octanos. Sin embargo, el método desarrollado es bastante general y puede
aplicarse a cualquier tipo de molécula. En las tablas 3.1 y 3.2 se muestran los valores de
los descriptores obtenidos para los alquenos y alquinos estudiados.
Página 50 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 51 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
4. Marco teórico
4.1 Definiciones
A continuación, se presentan los conceptos base de referencia. que se definirán a través
de la bibliografía de la norma UNE-EN 13725 y los avances del Comité CEN/TC 264 “Air
Quality”.
4.1.1 Olor
Según la norma chilena 3190:2010 “Calidad del aire - Determinación de la concentración
de olor por olfatometría dinámica”, el olor se define como la propiedad organoléptica
perceptible por el órgano olfativo cuando inspira determinadas sustancias volátiles. Según
la Air Guidance Note 5 (AG5), el olor es la propiedad de una sustancia que activa el sentido
del olfato humano (Enviromental Protection Agency, 2010).
Un olor ofensivo, según el Decreto 948 de 1995 del Ministerio del Medio Ambiente se
define como “el olor generado por sustancias o actividades industriales, comerciales o de
servicio que produce fastidio, aunque no cause daño a la salud humana” (Ministerio del
Medio Ambiente, 1995). De la misma manera, se puede encontrar el concepto de olor en
la Resolución N°1541 de 2013 del Ministerio del Medio Ambiente.
4.1.3 Intensidad
La intensidad se define como “La fuerza con la que el olor se percibe, la cual aumenta en
función de la concentración del olor” definida en la guía para la predicción y evaluación de
impactos por olor (Servicio de Evaluación Ambiental, 2017). La Intensidad no se relaciona
directamente con la molestia generada por el olor, sino que es un parámetro
independiente y se determina mediante olfatómetros con panelistas calificados y bajo la
metodología descrita en norma técnica VDI3882 Blatt1:1992-10.
Página 52 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
La ley de Henry permite determinar el grado en que las moléculas del compuesto oloroso
pueden disolverse en la cavidad nasal y establece que, “cuando un gas está en contacto
con un disolvente, a una temperatura constante, su concentración en el medio líquido es
directamente proporcional a su presión” (Valencia, 2019). Matemáticamente, se puede
expresar mediante la ecuación N°4, donde Pgas corresponde a la presión del gas que se
encuentra en contacto con el medio líquido, HCP es una constante específica para cada gas
y disolvente a una temperatura específica (constante de Henry) y Cgas corresponde a la
concentración del gas disuelto.
Como en toda ley se presentan limitaciones para su aplicación, en este caso la ley sólo es
aplicable a aquellos gases que poseen un comportamiento ideal, a temperaturas y
presiones moderadas, con una solubilidad baja en el disolvente. Para los gases poco
solubles en líquidos, la disolución se aproxima al estado ideal, cumpliéndose la ley de
Henry a bajas presiones (figura 4.1). Sin embargo, cuando la presión es elevada se produce
una desviación respecto a esta ley, debido a que la disolución deja de comportarse como
una solución diluida ideal (Mitsuo, 2012).
Página 53 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
4.2.2 Intensidad
La intensidad de un olor se refiere a la fuerza de percepción de una sensación de olor, la
cual aumenta en función de la concentración. La siguiente ecuación desarrollada por
Stevens, define la relación entre intensidad del olor (I) y concentración (C), donde K es una
constante y n es el exponente (Mitsuo, 2012). La relación representativa corresponde a la
ecuación N°6.
𝐼𝑃𝐸𝑅𝐶𝐼𝐵𝐼𝐷𝐴 = 𝐾 ∗ 𝐶 𝑛 (6)
Página 54 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
𝐶
𝐼 = 𝐾𝑤 ∗𝑙𝑜𝑔 ( ) (7)
𝐶0
La medición de la fuerza de sensación del estímulo es asignada por personas, bajo una
escala de valores establecidos, existiendo escalas de 5 a 9 puntos e incluso más, donde los
valores bajos corresponden a un olor imperceptible o extremadamente débil y los valores
altos corresponden a un compuesto oloroso fuerte y de muy fácil percepción. En dichos
estudios, el olor es presentado un mínimo de 10 veces a los panelistas y es calculado y
trazado por medio de una escala de juicios. A continuación, se presenta una escala simple
de intensidad de olor, constituida por 6 niveles de intensidad, que se encuentra en la
norma alemana VDI3882-1 y sobre la cual se basan los antecedentes para la generación de
las normativas chilenas (tabla 4.1).
Página 55 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
𝐶𝑂
𝑃= (8)
𝐶𝑊
Por convención y con fines prácticos, se ha adoptado el uso del logaritmo base 10 del
coeficiente de partición conocido como Log P ya que el rango de valores existentes es muy
amplio. El valor del coeficiente de partición permitirá convertir las concentraciones de
fase acuosa, obtenidas mediante la ley de Henry, en concentraciones de fase orgánica,
cuya expresión se define mediante la ecuación N°9.
De esta forma, se puede conocer cómo va variando la concentración del compuesto desde
la fase gaseosa hasta llegar a los receptores olfativos.
Página 56 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Según el estudio del año 2016, “Olfactory Perception of chemically diverse molecules”,
existe una clara relación entre ciertas características moleculares y la percepción olfativa
de un compuesto oloroso (Keller et al., 2016). Además, este estudio indica que, aquellos
compuestos con un menor número de carbonos suelen generar olores menos agradables
y más intensos. Por el contrario, los compuestos con una cadena de carbono más larga se
categorizan como olores menos intensos y más agradables. El largo de una cadena de
carbonos se puede cuantificar a través del peso molecular, por esto, se ha considerado el
peso molecular como una variable relevante al momento de explicar la percepción de un
olor.
Incluir la constante de Henry en el estudio, permitirá poder analizar si existe una relación
entre la capacidad de disolverse de un compuesto y la sensación de percepción de olor
que éste genera.
Página 57 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
[𝐴− ][𝐻 + ]
𝐾𝑎 = 𝑝𝐾𝑎 = −log (𝐾𝑎 ) (10)
[𝐻𝐴]
Existe también Kb, conocida como la constante de disociación básica, que corresponde a
una medida cuantitativa de la capacidad de disociación de una base en un medio acuoso,
definida según la ecuación N°11. Bajo los mismos criterios, en el amplio rango de valores
se define pKb. Existe una relación entre pKa y pKb, expresada en la ecuación N°12.
[𝐵 + ][𝑂𝐻 − ]
𝐾𝑏 = 𝑝𝐾𝑏 = −log (𝐾𝑏 ) (11)
[𝐵𝑂𝐻]
Ya que muchos compuestos odoríferos pueden disociarse según el pH del medio en el que
se encuentren y considerando que esto podría o no tener influencia en la sensación de
percepción de olores, es que se decidió incluir sus constantes de acidez o basicidad en el
estudio. Dichas propiedades serán consideradas también al momento de obtener las
concentraciones en fase acuosa de cada compuesto, tomando en cuenta el valor de la
concentración tras la disociación de las moléculas.
Página 58 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Esta propiedad es fundamental para el análisis de datos que se realizará en este estudio,
ya que permitirá obtener los valores de concentración en cada una de las fases (gaseosa,
acuosa y orgánica) y relacionarlas con la sensación de percepción y la intensidad de un
olor según la Ley de Webber Fechner.
4.3.5 Log P
El coeficiente de partición es el cociente o razón entre las concentraciones de un
compuesto en dos fases inmiscibles de una mezcla en equilibrio. Por lo tanto, indicaría su
solubilidad relativa en cada una de las fases.
Página 59 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Tras varios estudios se ha demostrado que los compuestos olorosos que poseen el mismo
grupo funcional generan olores similares. Como los ésteres que poseen un olor afrutado y
floral, los ácidos grasos un olor agrio y los aldehídos que se asocian con olores verdes
como el césped cortado o las hojas. Sin embargo, solo es posible predecir algunos olores
en función del grupo funcional de la molécula, ya que también se han encontrado
moléculas que tienen el mismo grupo funcional con notas olfativas que difieren entre sí. Si
bien, los grupos funcionales no pueden relacionarse con alguna propiedad en concreto de
las moléculas, se analizará el efecto de su presencia en conjunto con el de las propiedades
seleccionadas.
4.3.9 Volumen
Se define el volumen como el espacio que ocupa una molécula de cualquier gas en
condiciones normales de temperatura y presión. En este caso, se obtuvieron estimaciones
del volumen molecular a partir del software “Vega ZZ” y de la visión 3D de cada estructura
molecular, cuya unidad de medida es el ángstrom cúbico [A3].
Página 60 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Tanto los factores electrónicos como los estéricos, juegan un papel importante para
definir la polaridad de un compuesto. En este sentido, considerar la superficie polar de las
moléculas ayudará a comprobar si el impedimento estérico de algunos grupos funcionales
y la distribución de cargas dentro de una misma molécula es un factor decisivo en la
sensación de percepción del olor. La figura 4.4 muestra una etapa del procedimiento de
obtención de esta propiedad.
Árboles de decisión
Un árbol de decisión es un conjunto de condiciones en una estructura jerárquica, de modo
que la decisión final a tomar se puede determinar siguiendo las condiciones que se
cumplen desde la raíz del árbol hasta alguna de sus hojas. La principal ventaja de este
método es la simplicidad de su explicación dado que funciona como un conjunto de reglas
predictivas y que los datos outliers o faltantes no afectan considerablemente el modelo.
Otra de las ventajas corresponde a la posibilidad de incluir variables categóricas sin tener
Página 61 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Existen dos tipos de árboles: los árboles de regresión, correspondientes a aquellos que
trabajan con variables de respuestas continuas, y los árboles de clasificación, que se
asemejan a los anteriores, con la diferencia que éstos logran predecir variables de
respuesta cualitativas en lugar de continuas. El proceso de construcción de un árbol de
decisión se divide en tres etapas. Primeramente, se realiza la división sucesiva del espacio,
donde se generan regiones rectangulares de múltiples dimensiones; y luego, se realiza la
predicción de la variable respuesta en cada región creada en la etapa anterior. La ecuación
N°13 presenta el criterio frecuentemente utilizado para identificar las divisiones, el
“Residual Sum of Square” (RSS), donde 𝑦̂𝑅𝑗 es la media de la variable respuesta en la
región 𝑅𝑗 .
𝐽
2
𝑅𝑆𝑆 = ∑ ∑(𝑦𝑖 − 𝑦̂𝑅𝑗 ) (13)
𝑗=1 𝑖∈𝑅𝑗
Página 62 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
árboles de decisión sobre el modelo provoca que este se vuelve incapaz de predecir de
manera correcta las nuevas observaciones, por lo que el mejor modelo será siempre aquel
que consiga un equilibrio entre los conceptos de sesgo y varianza. Para obtener este
equilibrio se debe evitar árboles de decisión muy pequeños, que no sean capaces de
representar bien la relación entre las variables, teniendo un sesgo alto y poca varianza.
También se deben evitar los árboles de decisión muy grandes que se ajustan bien a los
datos de entrenamiento (sesgo bajo), a costas de tener mucha varianza. En este sentido,
los métodos de ensamble, entre los que se encuentran el Bagging y el Boossting, permiten
alcanzar dicho equilibrio.
El modelo Bagging tiene como objetivo ajustar muchos árboles en paralelo, formando lo
que se denomina “bosque”, donde todos los árboles que componen el bosque participan
aportando su propia predicción y entregando, como valor final, la media de todas las
predicciones emitidas para variables continuas; En el caso de trabajar con variables
cualitativas, el modelo considera la clase más frecuente para definir la predicción final.
Uno de los modelos Bagging más conocidos y utilizados es Random Forest.
Random Forest
Dentro de las principales ventajas del modelo Bagging, se encuentra la escasa necesidad
de preparación de los datos, lo que permite manejar hasta miles de variables de entrada e
identificar las más significativas mediante una gráfica de salida. Sin embargo, entre las
principales desventajas se encuentra la inevitable pérdida de interpretación, el poco
Página 63 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Dada la naturaleza del proceso de decisión de Random Forest, es posible estimar de forma
directa la prueba de error sin necesidad de recurrir a la validación cruzada o a un conjunto
de datos de prueba independiente. Los árboles se ajustan de forma repetida utilizando
muestras generadas por bootstrapping, un muestreo repetitivo que conlleva un ajuste que
usa solamente dos tercios de las observaciones originales, dejando sin utilizar el tercio
restante que se denomina out-og-bag (OOB). Este método se aplica para evitar recurrir al
proceso de validación cruzada para la optimización de hiperparámetros, siempre y cuando
el número de árboles de decisión sea alto o el valor del OOB-error sea equivalente al error
de validación cruzada.
Inteligencia artificial
Las redes neuronales artificiales (ANN) están diseñadas para imitar la estructura del
cerebro humano con el fin de crear inteligencia artificial (IA), una disciplina científica que
estudia los mecanismos de construcción de sistemas inteligentes, como la inteligencia
humana (Guzman, 2020). Dentro de la inteligencia artificial existen dos perspectivas, la IA
Página 64 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Sistema nervioso
El mecanismo fundamental que capacita a los humanos para realizar tareas complejas no
preprogramadas se denomina sistema nervioso y está formado principalmente por
neuronas. Una neurona humana es una célula que consta de las siguientes partes, el soma
o el cuerpo celular, del que emanan dendritas y el axón. La comunicación entre las
neuronas ocurre a través de las terminaciones sinápticas, ubicadas en las dendritas que en
conjunto con un axón transmiten impulsos nerviosos a las neuronas subsiguientes. En la
figura 4.6, se muestra un diagrama de una neurona y sus principales componentes.
En este punto, una red neuronal artificial se presenta de manera similar a la del sistema
biológico, con componentes como las entradas, las capas, el algoritmo y las salidas. En la
figura 4.7 se simboliza la distribución de una red neuronal artificial.
Página 65 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
𝑈 = ∑ 𝑤𝑖𝑗 𝑥𝑗 (14)
𝑗=1
De esta manera el modelo contiene un sumador, que se encarga de adicionar todas las
entradas multiplicadas por sus respectivas sinapsis, una función de activación (f) no lineal
para limitar la amplitud de salida y un umbral exterior, que determina el valor umbral (w0)
de activación de la neurona. En la figura 4.8 se muestra un esquema representativo de
una unidad de proceso típica de una neurona artificial.
Página 66 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Función de activación
Esta función corresponde a una representación simultánea de la salida de la neurona y de
su estado de activación, que se define mediante la ecuación N°15.
Página 67 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 68 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Este modelo de red se caracteriza porque sus neuronas están agrupadas en tres niveles, la
capa de entrada, las capas ocultas y las capas de salida. En el esquema de percepción se
puede apreciar que cada neurona o nodo recibe información unidireccionalmente por lo
que se le denomina red feedforward (Isasi, 1997).
Página 69 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 70 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
5. Metodología
5.1 Base de datos
La base de datos creada inicialmente para este estudio estaba formada por un total de
103 compuestos, la cual fue modificada para entregar mayor validez a los resultados
obtenidos, aumentando su contenido a 205 compuestos odoríferos. Ambas versiones de
la base de datos contenían compuestos orgánicos e inorgánicos, además de las
propiedades físicas, químicas y descriptivas de sus moléculas, así como su umbral de
detección de olor. Los compuestos analizados fueron escogidos de forma aleatoria
respecto a los datos disponibles en bibliografía, limitando el estudio, en el caso de los
compuestos orgánicos, a compuestos cuyo largo de cadena principal no excediera los siete
carbonos. La identificación de cada compuesto se realizó utilizando su fórmula molecular y
nombre químico, además del número de identificación de compuesto (CID) para la
búsqueda de los modelos 3D de la estructura química de cada uno de ellos.
La aleatoriedad de los compuestos escogidos para la base de datos tiene como finalidad el
permitir generalizar los resultados obtenidos, donde la relación planteada entre el umbral
de detección y las distintas propiedades será válida para cualquier compuesto odorífero
inorgánico y orgánico que posea entre 1 y 7 carbonos. Aunque las propiedades y fuentes
de información serán mencionadas en el siguiente apartado, en la tabla 5.1 se muestra un
resumen de ellas.
Página 71 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
PubChem es una base de datos de moléculas operada por el Centro Nacional para la
Información Biotecnológica (NCBI) de Estados Unidos, que proporcionó las principales
variables para identificar los compuestos odoríferos, entre las que se encuentra: el
nombre del compuesto, su fórmula química, el número identificador de compuesto (CID) y
la estructura 3D de las moléculas (PubChem , 2021). Esta última es fundamental para el
cálculo de las dimensiones de alto, largo y ancho de los compuestos a través del programa
de modelación molecular Vega ZZ. Dicho programa que incluye funciones y herramientas
de cálculo, que también permitieron obtener el volumen y el área polar de cada molécula.
El valor de las constantes de Henry se obtuvo de la base de datos creada por Sander en el
año 2015, que corresponde a una compilación de 4632 compuestos, basada en 689
referencias bibliográficas (Sander, 2015). Los valores de concentración umbral se
obtuvieron de dos estudios: 1) “Measurement of odor Threshold by triangle Odor Bag
Method”, el cual busca obtener los umbrales de olor de 223 compuestos bajo el método
de la bolsa (Nagata, 2003); 2) “NTP 320: Umbrales Olfativos y Seguridad de Sustancias
Químicas Peligrosas”, un compilado de 216 sustancias odoríferas peligrosas y sus
umbrales olfativos orientado a determinar el grado de seguridad de su percepción en el
trabajo (Arenaz, 2000). Finalmente, con la ayuda del “Handbook of Chemistry and Physics”
se obtuvieron las propiedades químicas de los compuestos orgánicos e inorgánicos, tales
como las constantes de acidez y basicidad y el coeficiente de partición, que forman parte
de la base de datos (Lide, 2004).
Página 72 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Inicialmente todas las propiedades del estudio fueron incorporadas en su forma estándar,
sin embargo, a lo largo de la investigación, se incorporaron transformaciones de variables
que permitieron analizar de mejor forma el conjunto de datos. La totalidad de
propiedades utilizadas en el estudio se encuentran en la tabla 5.2, junto a sus respectivas
unidades métricas.
Volumen [Å3]
Página 73 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 74 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 75 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 76 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Tras realizar los primeros análisis no se obtuvieron resultados favorables, por lo que
rápidamente se incorporaron nuevas propiedades y se aplicaron distintas estrategias de
análisis como la clasificación de datos, cuya implementación surge del amplio rango de
valores observado en algunas propiedades como: la constante de Henry, la concentración
umbral y la concentración umbral en fase acuosa, para las cuales se realizaron
clasificaciones en potencias de diez. Posterior a esto se incorporaron tres nuevas
propiedades químicas (la constante de acidez, la constante de basicidad y el logaritmo del
coeficiente de partición). En base a ello, se realizó una nueva clasificación de los
compuestos en función de su capacidad para disociarse, distinguiendo dos grupos de
compuestos: los que tienen carácter ácido o básico y aquellos que no poseen capacidad
para disociarse. La aplicación de dichas estrategias de análisis de datos tenía como fin
identificar patrones o relaciones existentes en ciertos rangos y/o clasificaciones de las
propiedades incorporadas. Sin embargo, tras obtener resultados no favorables, se decidió
incluir en el análisis una nueva variable: la concentración umbral en la fase orgánica. La
incorporación de esta variable brindó una nueva perspectiva sobre el proceso de
percepción, indicando si el conjunto de datos propuesto era capaz de inferir sobre el
proceso del traspaso de las membranas del organismo por parte de los olores.
Los resultados obtenidos hasta este momento no brindaron más información respecto a
las componentes principales del proceso de percepción, entregando únicamente indicios
de las propiedades involucradas en la percepción de olor y que coincidían con las que
conformaban los estudios revisados de otros autores. Dado que se logró apreciar una leve
correlación en cierto grupo de propiedades, se decidió aplicar una regresión por Random
Forest, con el fin de facilitar la interpretación de los resultados, a través de una variable
cuantitativa, que permitiese identificar de mejor forma el impacto de algunas propiedades
sobre el modelo.
Página 77 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
El empleo del análisis de regresión mediante Random Forest permitió cuantificar los
resultados obtenidos en el análisis de componentes principales mediante una herramienta
más amigable, logrando observar en cada combinación de variables como evolucionaba el
Página 78 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
modelo. Tras obtener las propiedades significativas, fue necesario indagar el tipo de
correlación existente, los coeficientes de regresión y el residuo generado, lo que se realizó
mediante un análisis de regresión lineal múltiple.
Con ayuda del programa estadístico “R for Windows”, mediante cual se realizan las
regresiones lineales múltiples del estudio, se lograron determinar los compuestos cuyas
propiedades excedían o se encontraban por debajo del valor medio de los datos,
considerándolos como “valores atípicos”. En base a esto se decidió trabajar con 2 grupos
de datos de forma independiente: un grupo que incluye todos los compuestos y otro que
no presentaba valores atípicos en su interior. A cada grupo se le realizó un análisis de
regresión considerando como variables objetivo el logaritmo de la concentración umbral y
el logaritmo de la concentración umbral en la fase acuosa.
Los ajustes obtenidos para ambos grupos de datos fueron satisfactorios y bastantes
similares, aunque se apreció que, en el grupo de datos sin valores atípicos, los valores de
la “%var explained” eran mucho mayores que los obtenidos en caso de considerar todos
los compuestos. Dado que los datos atípicos eran en torno a un 50% de los compuestos de
la base de datos, se trató de encontrar algún un patrón que permitiese identificarlos tal
como: la relación de Oxígeno/Hidrógeno, el peso molecular, la polaridad, entre otros.
Finalmente, a cada modelo generado se le aplicaron tres pruebas estadísticas con el fin de
validarlos: la prueba de Goldfeld, que analiza la homocedasticidad y mide la variabilidad
constante de los residuos; la prueba de Shapiro, que verifica una distribución normal en
los resultados y la prueba de Durbin-Watson, que detecta la autocorrelación en el modelo.
D. Redes neuronales
En este estudio se aplicó el método de las redes neuronales para extraer combinaciones
lineales de las propiedades con el fin de modelar la variable objetivo como una función no
lineal de dichas propiedades. Se realizó de forma simultánea con la regresión lineal
múltiple, como otra vía para dar forma al modelo y se aplicó únicamente a los mejores
resultados obtenidos con Random Forest. Al realizar el análisis, la base de datos fue
segmentada aleatoriamente por el programa en dos partes, llamadas datos de prueba y
Página 79 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 80 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
6. Resultados y Discusión
6.1 Resultados obtenidos
A continuación, se expondrán los resultados obtenidos para cada uno de los análisis
realizados en este estudio.
Respecto a los resultados obtenidos, se puede mencionar que la gran mayoría de los
compuestos formaban parte del primer rango de datos, donde los valores de la
concentración umbral son menores a 0,1[mol/L], siendo en este rango donde se
Página 81 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
obtuvieron los mejores resultados. En la tabla 6.2, se aprecia que, para el primer rango de
datos, los tres primeros componentes principales explican el 78,9% de la variación de los
datos. Sin embargo, es necesario revisar los valores obtenidos sobre los vectores propios
presentes en la tabla 6.3, para asociar las distintas propiedades con la sensación de
percepción. Por ejemplo, es posible apreciar que el peso molecular y “log P”, que
corresponde al logaritmo del coeficiente de partición, poseen una influencia positiva con
la primera componente principal, presentado mayor relevancia la variable “log P”. Esto
indica que dentro de los factores que definen el fenómeno de percepción de olores, tiene
mayor importancia la afinidad con las grasas y la solubilidad que el tamaño del
compuesto. Las variables asociadas a la segunda y tercera componente principal puede
corroborar lo anteriormente mencionado, ya que se ven influenciadas por la constante de
Henry y la concentración umbral en fase acuosa.
F1 F2 F3 F4 F5
Valor propio 1,690 1,233 1,022 0,742 0,313
Variabilidad (%) 33,807 24,651 20,444 14,845 6,253
% acumulado 33,807 58,458 78,902 93,747 100,000
Vectores Propios F1 F2 F3 F4 F5
Peso molecular [g/mol] 0,505 0,428 0,011 0,624 -0,415
Constante de Henry [mol/(m3Pa)] -0,259 0,576 -0,633 0,114 0,433
C umbral [mol/L] -0,451 -0,402 0,090 0,768 0,194
Concentración umbral en fase acuosa [mol/L] -0,149 0,509 0,768 -0,002 0,359
log P 0,673 -0,256 -0,021 0,089 0,688
Página 82 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
1.8 100
1.6
1.2
Valor propio
60
1
0.8
40
0.6
0.4 20
0.2
0 0
F1 F2 F3 F4 F5
eje
1 Concentra
Constante ción fase
0.75 de henry acuosa [
[mol/(m3 mol/L] Peso
Pa)] molecular
0.5
[g/mol]
0.25
F2 (24,65 %)
-0.25
log P
C umbral
-0.5
[mol/L]
-0.75
-1
-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1
F1 (33,81 %)
Variables…
Página 83 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
5 sulfuric acid
diethanolamine
4
3
F2 (24,65 %)
2 Tribromomethane
1 2-propenamide 4-methyl-3-oxa-1-
bis-(chloromethyl)
chloroethanoic acid
4-methyl-2-pentanone
1,1-dimethylhydrazine
(acrylamide) methyl
pentanol
methyl propenoate
(2- acid)
propanoate
pentanal
(chloroacetic ether ketone;
2-methyl-1-butanol
(methyl isobutyl
3-methyl-2-butanol
methyl methacrylate o-Dichlorobenzene
pyridine
(methyl
isopropoxyethanol)
(methyl acrylate)
propionate)
(isopentanol)
(valeraldehyde)
0 N,N- MIBK)
1-pentanol
3-buten-2-one (methyl 2-methyl-2-butanol
2-methylpropanal
propanal (amyl
butanal
propyl (butyraldehyde)
ethanoate
3-pentanol
2-
dimethylmethanamide nitric acid
2-propanamine
vinyl
ethanal
nitrogen monoxide ketone; MVK)(propionaldehyde)
(acetaldehyde) alcohol) chlorobenzene
triethylamine
(tert-pentanol)
(isobutyraldehyde)
ethylenediamine
(methylamino)ethanol
(N,N- chlorine (molecular) (propyl acetate)
1-pentene
1,2-dimethylhydrazine 1-butanol 1-butene
Benzene
2-butene
-1 (nitric oxide)
dimethylformamide)
methanal
2-methyl-1-propanol
1-butanamine (1-
methylhydrazine
(formaldehyde) (isobutanol)
ethylenimine butylamine)
-2
-4 -3 -2 -1 0 1 2 3 4 5
F1 (33,81 %)
Observaciones activas
Página 84 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
En la figura 6.4, se observa que las constantes de acidez y basicidad poseen una asociación
positiva hacia la segunda componente principal, lo que se relaciona con la capacidad de
disociación de los compuestos, es decir, con el carácter ácido o básico que estos poseen.
Por otro lado, la primera componente principal posee una influencia negativa sobre el
peso molecular, lo que relaciona dicha componente con el tamaño del compuesto.
Finalmente, en la gráfica de puntuaciones no se observaron aglomeraciones en la
distribución de datos, pero se distingue la existencia de algunos datos fuera de la
distribución principal, considerados datos atípicos (figura 6.5). Los dos componentes
principales mencionados explican en un 52,58% la variabilidad de los datos, por lo que la
inclusión de las propiedades asociadas a la disociación de compuestos no sería suficiente
para dar explicación al fenómeno de percepción.
Página 85 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 86 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
De los resultados de la figura 6.6, se puede determinar que las propiedades de los
compuestos que poseen la capacidad de disociarse tienen un efecto en el modelo
generado, ya que los resultados de los componentes principales y sus influencias varían
respecto a los resultados que los incluyen. Para este conjunto de datos, el peso molecular
muestra una influencia positiva en la segunda componente principal, confirmando la
relación existente entre el tamaño de los compuestos y la sensación de percepción. Por
otro lado, la concentración en fase acuosa posee una influencia positiva en la primera
componente principal. Esto indica que, en el caso de los compuestos que no se disocian, la
capacidad de disolverse en la mucosa nasal toma mayor relevancia en la percepción de
olores. Finalmente, ambos componentes principales son capaces de explicar la variación
de datos en un 71,21%, un porcentaje mayor al obtenido con el primer grupo de datos.
Página 87 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
El análisis de componentes principales se utilizó como guía para determinar cuáles de las
propiedades consideradas poseían una relación con la percepción del olor; estas son: la
constante de Henry, las constantes de acidez y basicidad, la concentración umbral en la
fase acuosa y el peso molecular. Sin embargo, hay que considerar que este método
estadístico solo analiza relaciones del tipo lineal simple, por lo que, a partir de este punto,
se aplicaron otras herramientas estadísticas con el fin de profundizar en el análisis de los
datos.
Página 88 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
parámetros del código del programa, como el número de árboles y/o nodos, para
convertir el modelo en uno más estable y recíproco. Además, se modificaron y/o
incorporaron nuevas propiedades a la base de datos con el fin de mejorar los resultados
de las correlaciones.
Propiedades Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo
Unidades
incluidas 1 2 3 4 5 6 7 8 9
X X X X X X X X X
Peso molecular [g/mol]
Constante de X X X X X X - X -
[mol/m3·Pa]
Henry
Concentración X X X X X X X - X
umbral en fase [mol/L]
acuosa
Concentración X X X X X X - X -
[mol/L]
umbral
Concentración X X X X X X - - -
umbral en fase [mol/L]
orgánica
Constante de X X - - - - - - -
[-]
acidez
Constante de X X - - - - - - -
[-]
basicidad
- - X X X - X - -
Ácido o base [-]
X X X X X X X X X
Log (P) [-]
[mol de X - X X X - X X X
DQO O2/g de
compuesto]
- - X X X X X X X
Volumen [Å3]
Indicador de - - X X X - X - -
[-]
grosor
Indicador de - - X X X X X X X
[-]
asimetría
X X X - - - X - -
Grupo funcional [-]
- - - X X - X X X
Área polar [Å2]
Página 89 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Concentración Concentración
Concentración
Resultado umbral en fase umbral en fase
umbral
acuosa orgánica
Var explained 0,90% -5,68% -4,72%
Modelo
1
Página 90 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Tras analizar los resultados obtenidos hasta este momento, que los modelos generados
podrían presentar problemas de robustez y reciprocidad por lo que se decidió ampliar la
base de datos usada a un total de 205 compuestos. En base a ella se desarrollaron los
modelos posteriores.
Página 91 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 92 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 93 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
En la figura 6.10 se pueden observar los resultados entregados por el programa “R”,
donde dos de las cuatro variables consideradas en el modelo poseen un valor-p menor a
0,05 lo que indicaría que tanto el volumen como el área polar aportan a la correlación del
modelo. También se estudiaron también posibles correlaciones exponenciales y
logarítmicas con dichas propiedades, sin obtener mejores resultados que los presentados
en esta sección.
Los resultados obtenidos para este modelo muestran que la concentración umbral vendría
definida en base a propiedades relacionadas al tamaño del compuesto y a la distribución
de cargas de este. Conclusiones similares se obtuvieron de un análisis previo bajo el
método de análisis de componentes principales, confirmando el aporte al modelo por
parte de las propiedades asociadas al tamaño y a la distribución de cargas.
Página 94 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Según los valores obtenidos en las pruebas estadísticas (tabla 6.7), el modelo no cumple
con los requerimientos mínimos para ser considerado como regresión lineal múltiple, ya
que la prueba de Goldfeld muestra que los residuos del modelo no presentan
homocedasticidad, es decir, que su varianza no es constante y que estos no se distribuyen
de forma aleatoria. Por otro lado, la prueba de Shapiro indica que no existe una
distribución normal de los residuos. Tras los análisis realizados y los resultados expuestos
se rechaza este modelo de regresión lineal, ya que no solo el coeficiente de regresión es
bajo, sino que no cumple con dos de los tres indicadores de validación.
Página 95 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Una vez eliminados los valores atípicos, el proceso de correlación identificó 2 variables
colineales (indicador de asimetría y peso molecular) que fueron excluidas del modelo
(ecuación N°18).
Este modelo tiene con un R2 de 0,76, es decir, que con sus componentes es capaz de
explicar en un 76,89% la variabilidad observada en el logaritmo de la concentración
umbral, siendo su valor-p significativo ( 2,2·e-16). Respecto a las propiedades predictoras
todas cumplen con un valor menor a 0,05 para el valor-p por lo que se consideran
significativas y que generan contribución al modelo (figura 6.12).
Página 96 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Con el de fin de estudiar si era posible identificar compuestos atípicos, se decidió generar
una variable llamada “O/H”, que da valor a la relación de los átomos de oxígeno e
hidrógeno del compuesto. Se generó esta variable como una medida de la posible
distribución de cargas en el compuesto, dada la diferencia de electronegatividad entre
estos elementos, ya que ésta podría afectar a la percepción olfativa.
Tras el análisis se encontró una leve tendencia, donde los datos clasificados como atípicos
poseen una O/H levemente mayor que aquellos que permanecen en la base de datos
(tabla 6.9). No obstante, no es posible asegurar estadísticamente que el valor de la
relación O/H defina si el compuesto será considerado como un dato atípico o no. Es
importante mencionar que el 48% de los compuestos del conjunto de datos sin valores
atípicos poseen un valor de 0 para esta relación. Este porcentaje aumenta a un 62% para
el grupo exclusivo de valores atípicos.
Página 97 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Valor min 0 0
Regresión Lineal R2
Respecto a los resultados obtenidos, cabe mencionar que el número de valores atípicos
disminuye al incluir la variable “relación O/H” en el modelo, quedando un total de 151
compuestos odoríferos en el conjunto de datos. Sin embargo, este conjunto en particular
no cumple con la prueba de Durbin Watson, deduciendo así que el modelo posee
autocorrelación (Ver Tabla 6.11). La incorporación de esta variable no aportó nuevas
relaciones al modelo, por lo que, respecto a esta sección, se estableció como mejor
resultado el presente en la ecuación N°19.
Página 98 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
log 𝐶𝑓𝑎𝑠𝑒 𝑎𝑐𝑢𝑜𝑠𝑎 ~ log 𝑃 + 𝐷𝑄𝑂 + 𝐼𝑛𝑑𝑖𝑐𝑎𝑑𝑜𝑟𝑎𝑠𝑖𝑚𝑒𝑡𝑟í𝑎 + 𝑣𝑜𝑙𝑢𝑚𝑒𝑛𝑐𝑜𝑚𝑝𝑢𝑒𝑠𝑡𝑜 + Á𝑟𝑒𝑎 𝑃𝑜𝑙𝑎𝑟 (21)
Este modelo presenta un R2 de 0,43 y los valores de valor-p para sus cinco variables
descriptoras son menores a 0,05, indicando que todas las variables incluidas aportan al
modelo (figura 6.13).
A través de los resultados obtenidos para las pruebas estadísticas, se determinó que el
modelo no es válido como regresión lineal, ya que no cumple con los indicadores de
Durbin-Watson y Shapiro, que reflejan la autocorrelación y la distribución normal de
residuos, respectivamente (tabla 6.12).
Página 99 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Tabla 6. 12 Resultado de las pruebas estadísticas del modelo 9 con valores atípicos.
Tabla 6. 13 Resultado de las pruebas estadísticas del modelo 9 sin datos atípicos.
se hace en base al error de las redes neuronales cuyo valor debe presentar magnitudes
similares durante el entrenamiento y la prueba.
Por último, los valores de los conjuntos de datos (de prueba y de entrenamiento) fueron
escalados antes de realizar el análisis, es decir, se cambió el rango de distribución de éstos
para ser acotados en una escala menor. Esto permitió aumentar la calidad de los datos
ingresados, evitando el sobreajuste del modelo y obteniendo como resultado una red
neuronal de mayor rendimiento. Las redes neuronales generadas corresponden a el
modelo N°8 de la sección de regresión lineal múltiple, dispuestas en dos secciones con
diferentes conjuntos de datos a analizar: Una red neuronal que incluye la totalidad de
compuestos (A) y una red neuronal que no considera los valores atípicos del conjunto de
datos (B).
En la figura 6.16, se presenta la red neuronal basada en los datos de prueba que
corresponden a un 20% del total de datos disponibles. En ella es posible apreciar que la
variable con más peso corresponde al indicador de asimetría. Además, se observa que no
existe ausencia de conexión entre las propiedades y los nodos, lo que se interpreta como
que cada descriptor genera un aporte al modelo. Esta red presenta una estructura mucho
más simple que la de la red neuronal generada por los datos de entrenamiento.
Figura 6. 15 Red neuronal de los datos de entrenamiento escalados del modelo 8 con datos atípicos.
Figura 6. 16 Red neuronal de los datos de prueba escalados del modelo 8 con datos atípicos.
Por último, al comparar los valores de los errores de ambas redes neuronales (datos de
entrenamiento y datos de prueba), se evidencia que el modelo de red neuronal no es
eficiente, puesto que sus valores de error son considerados altos y con una diferencia
amplia entre ellos, según el estudio de referencia. Cabe destacar que cuando se generaron
las redes neuronales con estos mismos datos, pero sin escalar, los errores obtenidos tanto
para los datos de entrenamiento como de prueba eran aún mayores que aquellos
obtenidos con los datos preprocesados (escalados) (ver anexo N°5).
Tabla 6. 14 Resultados de las redes neuronales para el modelo 8 con datos atípicos.
N° de nodos 7 3
Figura 6. 17 Red neuronal de los datos de entrenamiento escalados del modelo 8 sin datos atípicos.
La red neuronal basada en los datos de prueba presentó 4 nodos, con interacciones entre
todas las variables (figura 6.18). Es posible determinar que dentro de la red neuronal el
indicador de asimetría y el logaritmo de la constante de Henry corresponden a las
variables con mayor influencia.
Figura 6. 18 Red neuronal de los datos de prueba escalados del modelo 8 sin datos atípicos.
Los valores de los errores obtenidos para ambos conjuntos de datos muestran una
diferencia de 0,81 entre sí (tabla 6.15) que, según Tiziano Zarra (2019), indicaría que la red
neuronal resultante no es eficiente ya que posee valores de error muy altos en ambos
conjuntos de datos.
Tabla 6. 15 Resultados de las redes neuronales para el modelo 8 sin datos atípicos.
N° de nodos 7 3
En resumen, los resultados obtenidos en esta sección demuestran que existe una relación
entre las propiedades descriptivas escogidas, presentando una red neuronal multicapa
con un número bajo de nodos e interacción entre todas las variables para obtener el valor
final del logaritmo de la concentración umbral. Sin embargo, no se obtuvo una red
neuronal consistente que cumpliera con valores bajos de error, lo que indica un fallo en el
conjunto de datos en la fase de entrenamiento proveniente de la falta de datos,
exponiendo el análisis a un sobreajuste de la red neuronal, ya que la estabilidad de ésta es
directamente proporcional a la cantidad de los datos entregados al algoritmo.
Tabla 6. 16 Valores del coeficiente de regresión obtenidos para el modelo 8 sin datos atípicos.
Si bien las redes neuronales son capaces de explicar la existencia de relaciones entre los
descriptores y la variable objetivo, éstas no pueden aportar información sobre los tipos de
relaciones existentes entre ambos, por lo que, no es posible obtener un modelo que
permita identificar las operaciones existentes entre ellos, no permitiendo replicar esa
relación con otro análisis estadístico.
Finalmente, se estimó el valor del coeficiente de regresión para la red neuronal resultante
sin los datos atípicos, obteniendo una red poco eficiente con un valor de R 2 bajo. Tras
compararlo con el valor obtenido en la regresión lineal múltiple, se identifica que el
modelo que mejor se ajusta al conjunto de datos propuestos corresponde al de la
regresión lineal múltiple (tabla 6.16).
Tras el análisis de los datos es necesario discutir algunos aspectos de gran importancia
sobre los métodos estadísticos y los conjuntos de datos utilizados. En primer lugar, el
diseño del mejor modelo obtenido mediante Random Forest surge del preprocesamiento
de los datos, a través de la transformación logarítmica de algunas variables, lo que podría
generar un sobreajuste de los datos a un modelo lineal, alterando los valores de regresión.
Por otro lado, el conjunto de datos utilizado para la generación del modelo final se redujo
en un 40% tras eliminar los valores atípicos. La característica descriptora que clasifica los
datos como valor atípico aun es desconocida, por lo tanto, cabría la duda de que el
modelo pudiese presentar buena reciprocidad frente a un número mayor de compuestos
(asumiendo que tras el análisis de valores atípicos se reduce en la misma proporción).
Estos antecedentes dan cuenta de porqué estudios similares realizaron estudios “pilotos”
con una cantidad reducida de compuestos, para luego replicarlos con una nueva base de
datos (Keller et al., 2017). Por último, mencionar que el modelo final contempla el área
polar de los compuestos como un factor involucrado en la percepción de olores, aún
cuando una gran parte de los datos poseen la cualidad de ser apolar, lo que afectaría la
estimación del valor final de la concentración umbral mediante la aplicación del modelo
obtenido. Por lo tanto, se prevé que el modelo tendría un menor coeficiente de varianza
en los compuestos apolares.
7. Conclusiones y recomendaciones
Los problemas relacionados con los olores no deseados y sus consecuencias tras ser
emitidos al aire deben abordarse de forma inmediata. Actualmente se requiere de un
mayor nivel de conocimiento para la contención de los efectos adversos generados en la
población. Basado en esto, se realizó una investigación centrada en aportar nuevas
direcciones de estudio, en la que se obtuvo un modelo que relaciona el logaritmo de la
concentración umbral con propiedades asociadas a la lipofilicidad, solubilidad y
distribución de carga de los compuestos, a través de una regresión lineal, con un R2 de
0,76. Este modelo fue validado mediante las pruebas estadísticas de Goldfeld, Durbin-
Watson y Shapiro, que evalúan homocedasticidad, autocorrelación y distribución normal
de residuos, respectivamente.
El modelo obtenido en la presente tesis podría ser usado para predecir la concentración
umbral de un compuesto y de esa forma poder establecer su límite de emisión en función
de las condiciones meteorológicas y de la distancia entre la fuente emisora y la población,
evitando así posibles problemas socioambientales.
8. Referencias
AQUALOGY. (2014). Generación de Antecedentes para la elaboración de una regulación para el
control y prevención de olores en Chile. Santiago de Chile.
Arenaz, J. (2000). NTP 320: Umbrales Olfativos y Seguridad de Sustancias Químicas Peligrosas.
España.
Benjamin D. young, (2019). Odors: From Chemical Structures to gaseous plumes. Elsevier, 29.
Enviromental Protection Agency. (2010). Ministerio del Medio Ambiente, Olores. Obtenido de
Air Guidance Note 5 (AG5): https://olores.mma.gob.cl/wp-
content/uploads/2019/03/Air-Guidance-Note-5-AG5-Odour-Impact-Assessment-
Guidance-for-EPA-Licensed-Sites.pdf
Fuentes, A., Fresno, M., Santander, H., Valenzuela, S., Guitierrez, M. y Millares, R. (2011).
Sensopercepción Olfaoria: una revisión. Revista Médica de Chile, 362-367.
Generalitat Valenciana . (2008). Guía Técnica para la Gestión de las Emisiones Odoríferas
Generadas por las Explotaciones Ganaderas Intensivas. España: Centro de Tecnologías
Limpias.
Genva, M., Kemene, T., Deleu, M., Lins, L., y Fauconnier, M. (2019). ¿Is it possible to predict the
odor of a molecule on the basis of its Structure? International Journal of molecular
Sciences, 16.
Guzman, M. (26 de Octubre de 2020). Redes Neuronales. Diplomado Data Science y Machine
Learning. Valparaíso, Chile.
Herrera, N., Herrera, C., Soto, D., y Restrepo, E. (2015). Determinación de Olores Ofensivos por
causa de Contaminantes en el Aire. 1-7.
Isasi, P. (1997). Redes Neuronales artificiales:Un enfoque Práctico. Random House Publishing
Group.
Keller, A. &. (2016). Olfactory perception of chemically diverse molecules. BMC Neuroscience,
17-55.
Keller, T., Gerkin, R. C., Szalai, B., Turu, G., y Mainland, J. D. (2017). Predicting human olfactory
perception from chemical fatures of odor molecules. Science, 355, 820-826.
Kerman, F. e. (2011). Molecular Complexity determines the number of olfactory notes and the
pleasatness of smells. Sceintific Reports., 206(1).
Lincon CC, B. G. (2019). Chemical features mining provides new descriptive structure-odor
relationships. PLoS Comput Biol.
Lozada, D., y Giraldo, E. (2019). Origen de los olores en plantas de tratamiento de aguas
residuales. Bogotá D.C.
Matamala, A. (2016). A box-model aproach to molecular shape. Journal of the Chilean Chemical
Society, 3250-3254.
Ministerio del Medio Ambiente. (5 de Junio de 1995). Decreto 948 de 1995. Obtenido de
Decreto 948 de 1995:
https://www.minambiente.gov.co/images/normativa/app/decretos/54-
dec_0948_1995.pdf
Ministerio del Medio Ambiente. (2012). D.S N°37 "Establece Norma de emisión de compuestos
TRS, Generadores de Olor, Asociados a la Fabricación de pulpa Kraft o al Sulfato".
Santiago de Chile, Chile.
Ministerio del Medio Ambiente. (2019). Instructivo par ala elaboración de un plan de gestión
de olores (PGO). Santiago de Chile.
Ministerio del Medio Ambiente. (07 de Septiembre de 2021). Ministerio del Medio Ambiente.
Obtenido de Ministerio del Medio Ambiente: https://olores.mma.gob.cl/como-se-
mide/
Ministerio del Medio Ambiente. (07 de Mayo de 2021). OLORES. Obtenido de Ministerio del
Medio Ambiente: https://olores.mma.gob.cl/que-es-olor/
Murillo Jimenez, J. (2017). Evaluación y selección de tecnología para la reducción del impacto
por olores en EDAR. Sevilla.
Nagata, Y. (2003). Measuremente of odor Treshold by Triangle Odor Bag Method. Japan
Enviromental Sanitation Center.
Paduch, M. (18 de Octubre de 2017). El nivel de olor: el parámetro clave para distinguir el
abatimiento de odorantes del abatimiento del olor. Obtenido de Olores.org:
https://www.olores.org/index.php?option=com_content&view=article&id=640:the-
odour-level-the-key-parameter-to-distinguish-odorants-abatement-from-odour-
abatement&catid=3&Itemid=303&lang=es
Ramirez, C. (2019). Diagnóstico para la mejora de la evaluación de impacto por olor en el marco
del sistema de evlaución de impacto ambiental (SEIA). Santiago de Chile.
Ramos, J., Bermudez, A., y Rojas, T. (2018). Contaminación odorífera: Causas, efectos y
posibles soluciones a una contaminación invisible. Revista de Investigación Agraria y
Ambiental, 9, 165-179.
RWDI AIR Inc. (2005). Odour management in British Columbia: review and recommendations,
final report.
Sander, R. (2015). Compilación de las constantes de la ley de Henry (version 4.0) para el agua
como disolvente. Obtenido de Compilación de las constantes de la ley de Henry
(version 4.0) para el agua como disolvente: http://satellite.mpic.de/henry/index.html
Servicio de Evaluación Ambiental. (2017). Guía para la predicción y evaluación de impactos por
olor en el SEIA. Chile.
Sharma, A., Kumar, R., Aier, I., Semwal, R., Tyagi, P., y Varadwaj, P. .. (2019). Sense of Smell:
Structural, Functional, Mechanistic Advancements and Challenges in Human Olfactory
Research. Current Neuropharmacology, 17, 891-911.
The Synergy Group SpA. (2019). Generación de antecedentes técnicos para la elaboración de la
norma de emisión de olores para la crianza intensiva de animales. Santiago de Chile.
Anexos
1. Resumen metodologías de medición de olor
Tabla A 1.Resumen metodologías de medición de olor.
Tipo de
Enfoque método Descripción Aplicación Estándar metodológico Resultados
método
- Área de influencia
- Área de impacto
Modelación atmosférica (CALPUFF; Guía para el uso de modelos - Frecuencia de impacto
Modelación Proyección del alcance
AERMOD) Ingresando emisión de de calidad del aire en el SEIA, - Concentración máxima en
Olor odorante
referencia de olor o factores [OU/s] 2012. receptores
- Análisis de sensibilidad (donde y
cuando reducir)
Página 2 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Estándar
Tipo de método Enfoque método Descripción Aplicación Tipo de método
metodológico
Medición
al aire NCh 3190:2010
Medición de olor al aire Medir el impacto en (selección panel) Cálculo inverso de la emisión total de la instalación -
ambiente – Método de la un área afectada por Validación de los resultados de la modelación - Alcance de
pluma olor NCh 3533:2017 la pluma de olor
Observación /
Parte II (Pluma)
empírico
Monitores, sensores
Analíticos Compuesto Odorante (olor simple) Niveles de H2S, COV´s, etc. En el ambiente
electroquímicos, CG, otros.
Página 3 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
RANGO 3 1 ≤ Cu <10
RANGO 5 Cu ≥ 100
En esta sección se presentan las tablas, los resultados y las gráficas obtenidas para los
rangos del 2 al 5 (tabla A3), que fueron descartados debido a la poca cantidad de
compuestos odoríferos disponibles en cada uno de ellos dado que esto no permitía
generalizar las influencias resultantes del análisis de componentes principales. El conjunto
de gráficas (figura A1) corresponden al análisis de las influencias de los diferentes rangos,
ordenadas de izquierda a derecha y de arriba abajo desde el segundo al quinto. En estas
gráficas se pueden apreciar altos porcentajes de explicación debido a la baja cantidad de
compuestos de cada rango de concentración umbral. Por último, en las tablas A4-A7 se
muestran los valores propios para los rangos mencionados, siendo posible apreciar
únicamente influencias positivas entre las componentes principales y las variables
incluidas en el modelo.
Página 4 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Concentra
1 1 ción fase C umbral
Peso acuosa [ [mol/L]
0.75 molecular C umbral mol/L]
0.75
[g/mol] [mol/L]
Concentra
Constante
log P
0.5 ción
de henry
fase 0.5
[mol/(m3
acuosa [
0.25 mol/L]
Pa)]
0.25
F2 (25,71 %)
F2 (31,06 %)
0 0
Constante Peso
log P
de henry molecular
-0.25 -0.25 [g/mol]
[mol/(m3
Pa)]
-0.5 -0.5
-0.75 -0.75
-1 -1
-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1 -1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1
F1 (50,61 %) F1 (39,75 %)
Variables… Variables…
1 C umbral 1 log P
[mol/L]
0.75 0.75 Peso
molecular
[g/mol]
0.5 0.5
0.25 0.25
F2 (27,41 %)
F2 (31,30 %)
Concentra
Constante
0 ción fase 0
Log P de henry
acuosa [
[mol/(m3
-0.25 mol/L] Concentra
Constante
Pa)] -0.25
ción
de henry
fase
[mol/(m3
acuosa [
-0.5 -0.5 C umbral mol/L]
Pa)]
[mol/L]
Variables… Variables…
Figura A. 1 Respuesta del análisis de componentes principales según los distintos rangos de concentración
umbral.
Página 5 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
F1 F2 F3 F4
Valor propio 2,531 1,286 0,869 0,315
Variabilidad (%) 50,612 25,714 17,373 6,300
% acumulado 50,612 76,326 93,700 100,000
F1 F2 F3 F4 F5
Valor propio 1,987 1,553 0,874 0,498 0,088
Variabilidad (%) 39,745 31,063 17,471 9,952 1,768
% acumulado 39,745 70,809 88,280 98,232 100,000
F1 F2 F3 F4 F5
Valor propio 2,383 1,370 0,820 0,404 0,023
Variabilidad (%) 47,656 27,405 16,402 8,079 0,457
% acumulado 47,656 75,062 91,464 99,543 100,000
F1 F2 F3
Valor propio 3,254 1,565 0,181
Variabilidad (%) 65,079 31,299 3,621
% acumulado 65,079 96,379 100,000
Página 6 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 7 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Página 8 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
Tabla A 10.
D. Correlación en excel
En este apartado, se presentan los resultados obtenidos para la correlación gráfica de los
datos mediante excel, a partir del mejor modelo de la sección “6.1.2.1 Correlación por
Random Forest”. Para ello se graficó cada variable en función del logaritmo de la
concentración umbral y concentración umbral en la fase acuosa, con el fin de analizar
posibles dependencias.
2
log (C mbral)
0
-10 -5 0 5 10 15
-2
-4
-6
-8
log (H)
no polar polar
Página 10 de 123
“Análisis de propiedades fisicoquímicas en la percepción de olor
de compuestos que aportan a la contaminación odorífera”
20
y = -2.0821x + 2.3555
R² = 0.4889 10
5
y = -0.8235x + 1.7978
R² = 0.2716
0
-4 -2 0 2 4 6
-5
-10
LOG P
NO POLAR POLAR
N° de nodos 7 7
Página 11 de 123