UTEM          Facultad de Humanidades y     Tecnologías de la Comunicación Social            Escuela de CartografíaAnálisi...
El presente se basa en las apreciaciones sobre el uso de la geoestadistica presentadas en elestudio denominado de forma ho...
Como definición la variable regionalizada es una función Z(x), esta se caracteriza por sudistribución espacial en la que d...
Resultados        Como resultado de los análisis, se han construido variogramas y modelos en base a losvalores de corte de...
relativamente pequeño) en un intervalo de valores del índice entre 0.6 y 2.0. Este hecho significaque la elección de uno u...
estudio
Conclusiones       En el ámbito metodológico, cabe destacar la combinación de las técnicas degeoestadistica en la estimaci...
Aguas_Subterraneas_Dino_Rojas
Aguas_Subterraneas_Dino_Rojas
Aguas_Subterraneas_Dino_Rojas
Aguas_Subterraneas_Dino_Rojas
Upcoming SlideShare
Loading in...5
×

Aguas_Subterraneas_Dino_Rojas

767

Published on

Published in: Technology
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
767
On Slideshare
0
From Embeds
0
Number of Embeds
5
Actions
Shares
0
Downloads
25
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Aguas_Subterraneas_Dino_Rojas

  1. 1. UTEM Facultad de Humanidades y Tecnologías de la Comunicación Social Escuela de CartografíaAnálisis espacial de la calidad del Agua subterránea A través de una aproximación Geostadistica (Aplicación de la Geoestadistica) Cátedra Electiva de Geostadistica Profesor Eduardo Mera Alumno Dino Rojas Santiago, 2 de diciembre de 2009
  2. 2. El presente se basa en las apreciaciones sobre el uso de la geoestadistica presentadas en elestudio denominado de forma homónima y realizado en el acuífero detrítico de la Vega de Granada,el que considera las aguas subterráneas y su importancia para el desarrollo actual de ciertasactividades económicas. El estudio, aplico herramientas y metodologías de naturaleza probabilística que pretendenayudar al gestor en la toma de decisiones, en la temática del análisis de la variación espacial ytemporal de la calidad de las aguas subterráneas. Considerando calidad del agua en función de ungrupo de parámetros físico-químicos, bacteriológicos, metales pesados, pesticidas, etc. El paso de los valores puntuales obtenidos al momento de realizar prospecciones o lecturasen terreno, a un modelo continuo de información es el principal problema metodológico planteado,el que ha sido solucionado gracias a los procesos de interpolación y de estimación espacialaportados por la geoestadictica, en este caso aplicando el modelo de Kringing La zona de estudio, como ya mencionamos, corresponde al acuífero detrítico de la Vega deGranada, localizado en las depresiones intrabéticas del SE de España. El estudio de esta zona es deespecial interés debido a la importante actividad socioeconómica, agrícola e industrial, vinculada a 3la explotación del acuífero. Los recursos renovables del acuífero oscilan entre 100 y 250 hm /año y 3las reservas explotables alcanzan los 1000 hm (FAO e IGME, 1972). Los primeros estudios en zona corresponde a los años 70, siendo continuados hasta laactualidad por la Universidad de Granada, quienes están desarrollando el proyecto consistente en laimplementación de un SIG orientado al estudio de la calidad de las aguas subterráneas, en estecontesto se han realizado varias campañas de muestreo de aguas subterráneas y superficiales para elanálisis de los parámetros antes nombrados.Metodología De acuerdo con la normativa vigente en España, se han escogido 18 parámetros físico-químicos y de metales pesados, restrictivos en relación con la aptitud del agua para el consumopúblico. Los datos hidroquímicos así seleccionados han permitido el cálculo, para cada muestra, delos valores de tres índices de calidad: ICG, calculado teniendo en cuenta los criterios establecidospor el Índice de Calidad; P, elaborado con los criterios dados por Poch; y CE, creado con loscriterios experto y desarrollados por el grupo de investigación para el trabajo. A la vez, para facilitar la comparación de los valores de las muestras, se utilizo una funciónde clases, reclasificando las variables entre 0 (buena calidad) y 5 (no apta para consumo humano),el valor del índice se ha obtenido como media de los valores ponderados por los pesos asignados acada variable. El objetivo del trabajo es, un análisis comparativo de la distribución espacial de la calidaddel agua a partir de los valores estudiados, la metodología uso como base conceptual la teoría de lasvariables regionalizadas desarrollada por Mantheron, así las variables estudiadas referidas a losparámetros físico-químicos del agua son interpretados como variables regionalizadas.
  3. 3. Como definición la variable regionalizada es una función Z(x), esta se caracteriza por sudistribución espacial en la que distinguimos dos componentes de variabilidad, una aleatoria y otraestructurada, ambas definidas por la función variograma γ (h). Esta función representa la variaciónespacial de Z(x) puesto que mide la dispersión media cuadrática de los valores experimentales enfunción de la distancia. Los índices de calidad previamente establecidos (ICG, P y CE) se han obtenido comocombinación lineal de las variables experimentales de calidad del agua (en nuestra aproximaciónson variables aleatorias). De igual forma, a efectos prácticos del estudio, consideraremos a losíndices de calidad como variables aleatorias; es decir, variables regionalizadas ICi(x), donde i,define a cada uno de los índices anteriores. El estimador insesgado de γ(h) viene dado por elvariograma experimental obtenido a partir de los datos experimentales. El análisis de este variograma, implica distintas etapas las que corresponden al cálculo einterpretación del variograma experimental, ajuste del modelo teórico y validación del modelo, estasecuencia conduce finalmente al ajuste de un modelo de viabilidad para caracterizar local yglobalmente su distribución espacial. El modelo es esencial para aplicar cualquiera de los diversos métodos geoestadísticos deestimación espacial kriging; todos ellos se caracterizan por dar estimadores de la variableinsesgados y con varianza de error mínima. El estimador cumple las condiciones de no sesgo, KO 2 KO 2E{ICiv}=E{ICiv } y de minimización del error de estimación, σ KO=E{ ICiv - ICiv } 0.Además, considera el soporte de estimación de la variable v, que en este caso corresponde a un 2bloque de tamaño 500 x 500 m . Como el estudio pretende analizar espacialmente los cambios en la calidad del agua, nointeresa solamente estimar los valores más probable del índice de calidad, además necesitar estimarla función de probabilidad local. Tal función se refiere a la probabilidad de que el índice supere unvalor límite escogido según criterio práctico, un ejemplo para este caso es, la aptitud de las aguaspara consumo público. Para tal fin, y aunque pueden contemplarse otras opciones geoestadísticas,quizá algo más complicadas de elaborar, se ha optado por utilizar el método de krigeaje deindicatriz (KI), que se fundamenta en una transformación previa de la variable experimental en unavariable binomial, variable indicatriz, IC(x0,icc)={1 si IC(x0)≤ icc; 0 si IC(x0)>icc}. De este modo,un krigeaje simple de IC(x0,icc) da la estimación de la función de probabilidad Pr[IC(x0)≤icc ], loque en este caso hace referencia a la calidad del agua para un uso determinado según el valor delcorte icc. El método KI estima localmente la función de distribución de la variable (IC), con sóloaplicar un conjunto de valores de cortes icc a la variable experimental. Cada indicatriz experimentales objeto de un análisis variográfico y de una estimación local, resolviendo el correspondientesistema de ecuaciones de kriging. Además, es aconsejable que el conjunto de valores de corte icc seencuentre dentro del rango de variación de la variable. El procedimiento descrito es ciertamentelargo y tedioso, lo que ha llevado a buscar algunas simplificaciones metodológicas como lapropuesta por Deutsch y Journel, 1993, que sugieren usar un único variograma indicatriz,correspondiente a la mediana, para estimar el conjunto de variables indicatrices. De este modo, seasume que todos los variogramas son proporcionales por lo que, consecuentemente, los pesosobtenidos de los sistemas de krigeaje son iguales.
  4. 4. Resultados Como resultado de los análisis, se han construido variogramas y modelos en base a losvalores de corte de las medianas de los índices de calidad. Para el cálculo de la función se utilizo unpaso de 1,2 Km., distancia media entre los puntos de muestreo. El análisis direccional ha mostrado que no existe una anisotropía espacial marcada en lavariación de la calidad del agua, al menos para la distancia de interés en la estimación, por lo que seha considerado que las variables son isótropas. En consecuencia, se ha utilizado el variogramamedio direccional para el ajuste del modelo teórico. El ajuste se ha hecho considerando dos modelos esféricos, los que ajustados describenfuncionalmente la variación espacial de los índices, de esta manera el efecto de pepita representa lacomponente aleatoria, mientras que los modelos esfericos representan la parte estructura adiferentes escalas. El primer modelo representa la variación espacial a escala local (alrededor de 4Km.) y el segundo modelo la variación espacial a escala regional, correspondiente al conjunto delacuífero (14 Km.). A efectos de la estimación de los valores de la indicatriz se ha elaborado un modelo 2geométrico del acuífero, formado por la discretización en bloques de 500 x 500 m (modelo rástercon 836 bloques). Para cada bloque y para cada índice de calidad se ha estimado el conjunto deindicatrices, utilizando una vecindad local de datos de 4 a 12 puntos (conjunto estimador). Comoresultado se ha obtenido un conjunto de mapas de estimación de las indicatrices, que representan laisoprobabilidad espacial Pr[IC(x0)≤icc ]. En los mapas se ha representado la isoprobabilidad correspondiente al valor de corte de lamediana: icm(CE)=1.201, icm(ICG)=1.641 y icm(P)=1.285;el interés de estos valores de corte es quepermiten apreciar mejor las diferencias espaciales relativas. Los mapas expresan la probabilidad deque el valor del índice sea inferior al valor de corte, de tal manera que las áreas con valores altos deprobabilidad presentan una mejor calidad del agua y, viceversa, los valores bajos, áreas de peorcalidad. En base a los mapas ya se pueden realizar algunas comparaciones como por ejemplo, lasemejanza entre la distribución espacial en los 3 índices, aunque se detectan algunas diferencias aescala local, producto de los diferentes pesos asignados a las variables en la construcción de losíndices. Un aporte de la metodología es su aplicación al estudio de la calidad del agua en sectoresmás o menos restringidos través del cálculo de la función de densidad local a partir de los mapas deindicatrices estimadas. Ejemplo, el estudio de la variación del índice de calidad para el sector de laciudad de Granada y su área metropolitana. La función de distribución se ha calculado de formadiscreta con 13 valores de corte icc, tomados en el intervalo de 0.2 a 2.6, con incremento de 0.2unidades, en el que se encuentran los valores experimentales de los tres índices. Es evidente que las tres funciones de distribución son prácticamente equivalentes en suforma, pero con un desplazamiento en el eje de abscisas (valor del índice). Esto señala que ladiferencia esencial se encuentra en el carácter más o menos restrictivo de los índice, en cuanto aluso del agua para consumo público, de tal manera que el índice ICG es más restrictivo que el índiceP, y éste, a su vez, más que el CE. Las funciones crecen de forma rápida (valor de la varianza
  5. 5. relativamente pequeño) en un intervalo de valores del índice entre 0.6 y 2.0. Este hecho significaque la elección de uno u otro índice dentro del mencionado intervalo va a condicionar localmentelos resultados obtenidos. Obviamente, como se aprecia, fuera del intervalo señalado los resultadosson coincidentes. Para mostrar las diferencias anteriores se ha escogido un valor arbitrario de corte de 1,2,próximo a las medianas, donde la distribución de los valores de isoprobabilidad para los índices CEy P son muy similares, con ligeras modificaciones debido a que el índice CE le da un mayor peso alos metales pesados. Sin embargo, el índice ICG presenta una distribución espacial diferente a las anteriores, conmayor presencia de los valores bajos de probabilidad, dado que es un índice más restrictivo. A efectos de un análisis comparativo se ha representado un histograma acumulado delíndice CE, que al comparar con los resultados del KI se aprecia que difieren esencialmente en lascolas, es decir , para valores altos y bajos de la distribución, este hecho no es mas que los errores desobre y sub. Estimación del kriging ordinario, por lo que este método no es recomendable cuando sedesea aplicar criterios de predicción local. A continuación se presentan la tabla con las cargas y pesos de los elementos consideradosen cada índice, y los mapas resultantes del
  6. 6. estudio
  7. 7. Conclusiones En el ámbito metodológico, cabe destacar la combinación de las técnicas degeoestadistica en la estimación espacial de la calidad del agua, técnicas y metodología quebrinda ejemplos para analizar en un plano nacional, el estado de las napas en zonas comoLampa y Tiltil, o en general de la ciudad de Santiago, y el impacto de las actividades ensuperficie sobre estas. También destacar que la metodología propuesta proporciona una herramienta para lainterpretación de la distribución de la calidad del agua, para las entidades gestoras de laplanificación espacial, engrosando los sistemas de soportes de decisión.

×