Stochastic
mathematical model to diagnose water and sediment quality in areas influenc=
ed
by oil activity in the province of Orellana.
Carlos
Rolando Rosero Erazo. [1], =
Fausto
Manolo Yaulema Garces. [2] &=
amp; Jorge Luis Y=
aulema
Castańeda. [3]
Recibido:
15-05-2021 / Revisado: 26-05-2021 /Aceptado: 19-06-2021/ Publicado: 05-07-2=
021
=
=
Abstract DOI: https://doi.org/10.33262/c=
oncienciadigital.v4i3.1789
Introduction. Contamination of water by heavy metals due to =
oil
activity constitutes one of the problems of greatest concern at the local,
regional and global levels, since it constitutes a danger to aquatic biota =
and
human health. Objective. Determine the stochastic mathematical model to
diagnose water and sediment quality in areas influenced by oil activity in =
the
province of Orellana, Methodology. Data was collected through the 24 monitoring po=
ints
currently active within the province, in the case of sediments, except Mini
Culebra station, because they do not have data for the established years
2015-2019. The concentrations of the non-conservative compounds under study
were recorded, such as: cadmium, nickel, lead and total petroleum hydrocarb=
ons,
through descriptive statistics, the river or natural channel of the first o=
rder
(Napo river) and the second order (river Payamino, Coca River, Jivino
River, Huamayacu River, Blanco River and Sacha
River). Results. Once the mathematical model was applied in the SWAT modeli=
ng,
it indicated that the TPH cover a greater range of sedimentation with a
concentration of 18,704.4 to 90080 mg / ha in most micro-watersheds, the
sedimentation of (Ni) ranges from 1332.68 to 1512.34 mg / ha. With the high=
est
concentration in the micro-basins of the north and central-east zone, the
concentration of (Pb) ranges from 269,948 to 323.55 mg / ha in the micro-ba=
sins
of the north zone, and lastly (Cd) which is the pollutant with the lowest
sedimentation presents with a concentration of 49.49 to 187.88 mg / ha, Conclusion.=
The data obtained exceed the carrying capacity,
assuming a virtual accumulation of said pollutants analyzed in the rivers, =
so
it is recommended to establish an environmental management plan for the con=
trol
and treatment of hydrocarbon emissions caused by oil activity in the provin=
ce
of Orellana.
Keywords:
Soil
pollution, Heavy metals, Water quality, Hydrocarbons
Resumen.
Intro=
ducción
A lo largo=
de
los ańos el Ambiente a nivel global ha sufrido pérdida y disminución de su
calidad ambiental, consecuencia de las actividades humanas como la explotac=
ión
de recursos naturales y la presión socioambiental a la que se ha sometido
provocando el deterioro de los ecosistemas y la perdida de renovabilidad de=
sus
recursos. La provincia de Orellana no es una excepción ya que es considerada
como un hotspot de biodiversidad producto de su
situación geográfica y de unas condiciones climatológicas especiales. Estas
características también han favorecido una alta presencia de recursos natur=
ales
como hidrocarburos, madera, agricultura.
La explota=
ción
de hidrocarburos han sido una de las principales atracciones económicas
históricas de la provincia si bien esto ha provocado también una alta prese=
ncia
de contaminación derivada de dicha actividad y en especial en el sector rur=
al,
donde también se acumula la mayor presión de pobreza. Si bien es necesario
monitorear la calidad del Ambiente, las zonas con alta densidad de extracci=
ón
de recursos naturales y actividades hidrocarburíferas<=
/span>
con el fin de prevenir a tiempo y mitigar de forma rápida posibles dańos
ambientales.
Metodologia.
Unidad de Análisis
La provincia de Orellana ubicada al nororiente d=
el
país cuenta con una superficie de 21 730,05 〖<=
/span>km〗<=
/span>^2 y una población de 150 977 habitantes, se
caracteriza por ser una de las provincias con más actividad petrolera del p=
aís,
esta se encuentra dividida den 4 cantones y 33 parroquias (28 parroquias
rurales y 5 urbanas)
Recolección de datos
Los datos de las concentraciones de agua y
sedimentos de la provincia de Orellana se los obtuvo gracias a la colaborac=
ión
del GADPO, a través de estudios anteriores cuyos resultados reposan en los
archivos departamentales de la institución. Dichos datos se obtuvieron de l=
os
24 puntos existentes de monitoreo activos ubicados dentro de la provincia
excepto el punto Mini estación Culebra el cual no posee datos de los ańos
establecidos (2015-2019).
Tabla 1 Ríos
seleccionados antes y después de la descarga
|
Ríos |
Descripción |
Caudal promedio |
|
=
Payamino<=
span
lang=3DES-EC style=3D'font-family:"Times New Roman",serif;mso-fareast-fon=
t-family:
"Times New Roman";mso-ansi-language:ES-EC'> |
Antes |
40.34 |
|
Napo |
Después |
42.50 |
|
Ríos |
Descripción |
Caudal promedio |
|
Coca |
Antes |
19.86 |
|
Napo |
Después |
17.50 |
|
Ríos |
Descripción |
Caudal promedio |
|
=
Jivino |
Antes |
7.51 |
|
Napo |
Después |
17.50 |
|
Ríos |
Descripción |
Caudal promedio |
|
=
Huamayacu=
|
Antes |
5.84 |
|
Napo |
Después |
12.50 |
|
Ríos |
Descripción |
Caudal promedio |
|
Blanco |
Antes |
5.01 |
|
Napo |
Después |
20.00 |
|
Ríos |
Descripción |
Caudal promedio |
|
Sacha |
Antes |
7.51 |
Tabla
2
Coordenadas de los puntos de monitoreo
|
|
|
|
|
|
|
|
Palo Azul - La Unión =
la Moreńa |
280819.0 |
9979701.0 |
Auca Central |
290011.0 |
9928856.0 |
|
Sacha Norte 2 - Enokanqui |
293839.0 |
9975291.0 |
Auca Sur |
290140.0 |
9921892.0 |
|
Sacha Norte 1 |
292989.0 |
9965884.0 |
Auca 51 |
291211.0 |
9932706.0 |
|
Sacha Central |
291138.0 |
9961630.0 |
Anaconda 1 |
294612.0 |
9942183.0 |
|
Sacha 192 |
296131.0 |
9971666.0 |
Yuca Central |
301507.0 |
9947932.0 |
|
Nue=
vo Paraiso |
273=
088.0 |
996=
0967.0 |
Mini
Estación Culebra |
289=
487.0 |
994=
5960.0 |
|
Hua=
shito |
272694.0 |
9955560.0 |
Yul=
ebra 1 |
292337.0 |
9946419.0 |
|
Estación Coca |
269905.0 |
9954387.0 |
Mono 1 - CPF |
272232.0 |
9907280.0 |
|
Tig=
üino |
284072.0 |
9875996.0 |
Mono 6 - SUR |
272352.0 |
9905740.0 |
|
Puma 2 |
282800.0 |
9923394.0 |
Oso 9 |
263054.0 |
9924935.0 |
|
Nan=
tu A |
303462.0 |
9916947.0 |
Lobo 3 |
275401.0 |
9941727.0 |
|
Pindo Central |
299429.0 |
9923999.0 |
Oso B |
261387.0 |
9923896.0 |
Se seleccionaron los =
ríos
de primer orden (río Napo) y de segundo orden (río Pay=
amino,
Coca, Jivino, Huamayacu,
río Blanco y río Sacha), debido a la cercanía de los puntos de monitoreo y =
a la
existencia de información hídrica de antes y después.
Se
considera que en los modelos de calidad es necesario la hidrología utilizan=
do
modelos matemáticos que relacionen las entradas de aguas residuales con la
calidad del agua del cuerpo receptor
Las partes constituti=
vas
de los modelos estocásticos para la calidad del agua están compuestas por
variables físicas como la temperatura y la salinidad. Variables químicas y
biológicas como: oxígeno disuelto, demanda bioquímica de oxígeno, coliformes
fecales, fosforo orgánico y lo que se analiza en este estudio que son los
metales pesados
De la descarga de los
contaminantes en la fuente receptora, y el caudal promedio es la media
ponderada de los datos proporcionados por dicha información de cada uno de =
los
ríos. promedio es la media ponderada de los datos proporcionados por dicha
información de cada uno de los ríos.
Se realizó mediante u=
na
ecuación matemática determinística, diferencias de concentraciones de un pu=
nto
a otro más cercano.
Z_p=3D(∑_(i=3D1)^n▒(z_i/(d_i^p )) )/(∑_(i=3D=
1)^n▒(z_i/(d_i^p )) )
La interpolación del
punto problema se realiza asignando pesos a los datos del entorno en función
inversa de la distancia que los separa, trata una media ponderada de los da=
ros
en función de la distancia hacía puntos más cercanos.
Son los modelos más
simples y comúnmente utilizados en el análisis de la calidad de agua de río=
s,
estos modelos asumen que los cambios significativos que sufren los parámetr=
os
determinan la calidad del agua a lo largo del perfil longitudinal del recur=
so
acuático
Para formular una
relación determinística entre los residuos descargados al ambiente y la cal=
idad
del agua resultante, ambas en términos de un mismo compuesto, se debe
considerar un volumen de río donde la coordenada x se alinea con la longitud
del río, la coordenada y con su ancho, y la coordenada z con la profundidad=
del
río.
Ciertos cuerpos de ag=
ua
son considerados homogéneos considerando las variables de la calidad de agu=
a en
direcciones transversal y vertical, pues, el contaminante varía solo en la
dirección del río, esta característica es conocida como unidimensional, en
contraste con los cuerpos de agua en los sistemas tridimensionales. -
Las fórmulas utilizad=
as
en el balance de masas se basan en lo descrito por
La masa total del
compuesto
La masa total del
compuesto
Donde:
De manera similar, la
masa de contaminante que sale del volumen de control a través de una cara
situada a una distancia
A partir de las
definiciones anteriores, la variación de la masa del compuesto
Donde:
=
Al
expandir la ecuación 4 y dividir por el intervalo de tiempo,
Si el límite cuando el
tamańo de la separación, ∆x, y el intervalo de tiempo, ∆t, se
aproximan a cero se define como:
O escrito en forma más
reducida:
Las ecuaciones 6 y 7
representan la ecuación diferencial básica para el estudio de un sistema si=
mple
y no dispersivo
Si la variable C
representa un compuesto conservativo, K=3D0. El flujo, el área perpendicula=
r, así
como el coeficiente de decaimiento pueden ser funciones de la distancia y
tiempo.
Comúnmente se conside=
ra
el origen del eje x en la ubicación de una descarga. De esta manera, una
condición de borde característica es:
Donde:
2.8. Régimen Permanen=
te,
Compuesto No conservativo
Las fórmulas utilizad=
as
se basan en lo descrito por
En este caso la ecuac=
ión
6 se puede escribir como:
Si nuevamente se supo=
ne
que el caudal y el área transversal son constantes, y solo se considera
descargas puntuales, la ecuación 9 se puede escribir como:
Con la condición de
borde:
La integración de la
ecuación 11 permite escribir:
Tasa de desoxigenació=
n en
función del caudal:
En la ecuación 12, K =
está
en d^(-1) y el caudal Q en m^3/s. El rango de aplicación de esta expresión =
es
para caudales entre 0.3 y 23m^3/s, por encima del mayor caudal, los autores=
de
la ecuación demostraron que K es independiente del caudal y los valores son
consistentes con las tasas encontradas por laboratorio. Por encima del rang=
o de
la ecuación 12, puede suponerse un valor constante de 0.30 d^(-1)
Al sustituir la expre=
sión
para la concentración C_0 se puede obtener:
Resultados
Los estudios de
modelación son importantes porque permiten conocer la cantidad, calidad y t=
ipo
de sustancias que ingresan en los cuerpos de agua, esto permite la fijación=
de
condiciones particulares de descargas, así como la toma de decisiones que
permitan establecer acciones para la conservación de los recursos, garantiz=
ando
y promoviendo la conservación sustentable del ambiente (Montelongo et al., 2008).
De acuerdo con los da=
tos
de TPH de calidad de agua existen datos faltantes debido a que en los punto=
s de
monitoreo del Gobierno Autónomo Descentralizado de la provincia de Orellana=
no
se está analizando dicho factor, por lo que a continuación se describe los
datos de sedimentos de cada uno de los factores que se analizaron tales com=
o:
Cadmio, Níquel, Plomo y TPH en los ańos establecidos.
Tabla
3 Datos
de TPH en los puntos de monitoreo =
|
PUNTOS DE MONITOREO |
TPH (MG/L) |
|||||
|
2015 |
2016 |
2017 |
2018 |
2019 |
||
|
1 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
2 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
3 |
|
33.20 |
0.00 |
0.00 |
0.038 |
0.00 |
|
4 |
|
1.40 |
0.00 |
0.00 |
15.00 |
0.00 |
|
5 |
|
0.20 |
0.00 |
0.00 |
0.00 |
0.00 |
|
6 |
|
0.00 |
0.00 |
0.00 |
0.0078 |
0.00 |
|
7 |
|
0.00 |
0.00 |
0.00 |
0.0073 |
0.00 |
|
8 |
|
0.00 |
0.00 |
0.00 |
0.0095 |
0.00 |
|
9 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
10 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
11 |
|
0.00 |
0.00 |
0.00 |
0.0087 |
0.00 |
|
12 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
13 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
14 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
15 |
|
0.00 |
0.00 |
0.00 |
0.00 |
0.00 |
|
16 |
|
0.00 |
0.00 |
0.00 |
0.0069 |
0.00 |
|
17 |
|
0.00 |
0.00 |
0.00 |
0.0028 |
0.00 |
|
18 |
|
0.00 |
0.00 |
0.00 |
0.0066 |
0.00 |
|
19 |
|
0.00 |
0.00 |
0.00 |
0.0076 |
0.00 |
Análisis exploratorio de datos
=
Estudio de datos desde todas las
perspectivas tomando en consideración las concentraciones y caudales en bru=
to
de los ríos en los diferentes puntos y con todas las herramientas posibles,
cuyo propósito es extraer cuanta información sea posible, a través de gráfi=
cos
estadísticos.
Debido a que La
validación de un modelo matemático implica el uso de un número de datos y
pruebas con estos, misma que puede ser operacional (comparación de datos)
reales con datos simulados) o conceptual. (Sámano) Los estudios de modelaci=
ón
son importantes porque permiten conocer la cantidad, calidad y tipo de
sustancias que ingresan en los cuerpos de agua, esto permite la fijación de
condiciones particulares de descargas, así como la toma de decisiones que
permitan establecer acciones para la conservación de los recursos, garantiz=
ando
y promoviendo la conservación sustentable del ambiente. Por lo que se anali=
zó
de manera independiente la concentración de cada contaminante.
Gráfico
1. Concentración de cadmio
En el punto Yulebra 1 existió una concentración de 2.68 mg/L, a t=
ravés
de una media ponderada, por lo que indica que hay una mayor acumulación de =
Cadmio,
mientras que en el punto Palo Azul-La Unión la Moreńa<=
/span>
se obtuvo una concentración de 0.08 mg/L, es decir una menor acumulación.
Gráfico
2. Concentración de níquel
En el punto Sacha cen=
tral
existió una concentración de 35.47 mg/L, a través de una media ponderada, p=
or
lo que indica que hay una mayor acumulación de níquel mientras que en el pu=
nto Nantu-A se obtuvo una concentración de 7.91 mg/L, es =
decir
una menor acumulación de Níquel en el punto.
Gráfico
3. Concentración de plomo
En el punto Oso 9 exi=
stió
una concentración de 30.66 mg/L por medio de una media ponderada, lo que in=
dica
una mayor acumulación de Plomo, mientras que en el punto Palo Azul-La Unión=
la Moreńa se obtuvo una concentración de 8.42 mg/L, es d=
ecir
una menor acumulación de Plomo.
Gráfico
4. Concentración de hidrocarburos totales de petróleo
En el punto Yulebra 1 existió una concentración de 8660.11mg/L a =
través
de una media ponderada, por lo que indica una mayor acumulación de
hidrocarburos, totales de petróleo mientras que en el punto Lobo 3 tuvo una
concentración de 39.86 mg/L, es decir una menor acumulación de hidrocarburo=
s.
La calidad de agua es=
tá
definida como las condiciones fisicoquímicas de un sistema que contribuyen =
al
mantenimiento de la biota presenta en los cuerpos de agua, garantizando el
equilibrio del sistema con el ambiente
La presencia excesiva=
de
contaminantes debido a las actividades extractivas, modelos de transportes,
generación de energía y actividades cotidianas producen contaminantes que s=
on
transportados por las corrientes de aire y son depositados en cuerpos de ag=
ua
Modelo teórico general =
Por medio del uso de
software especializado se identificó la dirección de los Ríos en la zona de
estudio. Este es un parámetro importante para el modelo matemático La direc=
ción
se lo realiza con las herramientas de HYDROLOGY sustentado en el software (=
arcgis).
Se seleccionaron los =
ríos
de primer orden, río Napo y de segundo orden río Payam=
ino,
Coca, Jivino, Huamayacu,
Blanco y Sacha, debido a la cercanía de los puntos de monitoreo y a la
existencia de información cartográfica de antes y después de la descarga de=
los
contaminantes en la fuente receptora, y el caudal promedio es la media
ponderada de los datos proporcionados por dicha información.
En el gráfico 5 se obse=
rva
que una vez aplicado el modelo matemático en el modelamiento SWAT, el mapa A
indica que la sedimentación de níquel va de 1332.68 a 1512.34 mg/ha, donde las microcuencas de la zona norte y centro-=
este
tiende a tener mayor acumulación de dicho contaminante. Por otro lado, en el
mapa B, la concentración de plomo va de 269.948 a 323.55 mg/ha
en las microcuencas de la zona norte. El cadmio es el contaminante que menor
sedimentación presenta, de 49.49 a 187.88 mg/ha=
y
mantienen la predominancia, al igual que en los anteriores casos, de mayor
acumulación en las microcuencas de la zona norte.
En
contraste a este, los hidrocarburos totales de petróleo son los que cubren =
un
mayor rango de sedimentación de 18704.4 a 90080 mg/ha<=
/span>
en la mayoría de las microcuencas, por lo que estos excederían la capacidad=
de
carga, suponiendo una acumulación virtual de dichos contaminantes. Cabe seń=
alar
que se programó un período de 5 ańos, correspondiente al período de monitor=
eo,
como el período de iso-balance en donde la
escorrentía y precipitación garantizan una acumulación hídrica correspondie=
nte
al balance de los cuerpos hídricos subterráneos sean estos confinados o lib=
res
según la litología que los origine.
Balance
de masas
Gráfico 6. Cadmio presente en la
relación del rio de primer orden con los ríos de segundo orden
Mediante el balance de
masa realizado se obtiene como resultado que en la relación de contaminación
del rio principal de la provincia de Orellana (río Napo) con los ríos
secundarios se encuentra la mayor concentración de Cadmio en el rio Huamayacu con 8,70 mg/l ocurrido en el ańo 2018 el cual sobrepasa los límites permisibles,
teniendo en consideración que en este ańo se encuentra la mayor concentraci=
ón
de cadmio en todos los ríos estudiados, pero existe una considerable
disminución en el ańo 2019 con una concentración de 0,29 mg/L en el río
Gráfico 7. Níquel presente en la
relación del rio de primer orden con los ríos de segundo orden
Él análisis en la
concentración de Níquel nos indica que existe una mayor concentración la
relación rio Huamayacu Napo tiene una concent=
ración
de 29,86 mg/L siendo esta la mayor de todas y la menor concentración en el
mismo ańo con 24,80 mg/L en el río Jivino-Napo.=
Níquel al terminar en=
la superficie
de agua puede disminuir el rango de crecimiento de algas ocasionando altera=
ción
en los ciclos biogeoquímicos, la retención de nutrientes, la formación y
estabilidad de los sedimentos y modifican la velocidad de la corriente
Gráfico 8. Plomo presente en la
relación del rio de primer orden con los ríos de segundo orden
Con respecto a la
concentración de plomo a pesar de que no exista gran variabilidad en sus
concentraciones se observa que un mayor porcentaje de este metal en la rela=
ción
rio Payamino-Napo en el ańo 2018 con 20,47 mg/L,
concentración que representa un peligro ya que el plomo no es un elemento biodegradable y persi=
ste en
el agua y sedimentos acumulándose en los sistemas acuáticos ocasionando
alteraciones en los organismos vivos que lo habitan con la posibilidad de q=
ue
llegue a la cadena alimentaria y perjudique la salud de los pobladores.
Gráfico 9. TPH presente en la relac=
ión
del rio de primer orden con los ríos de segundo orden
Mediante el diagrama =
se
puede identificar que la mayor concentración de TPH se encuentra en la rela=
ción
Río Blanco Napo con 19057, 10 mg/L, siguiéndole la relación Río Jivino - Napo con
15525,67 mg/L y la menor concentración ocurrió en el ań=
o 2019
relación rio Coca-Napo por lo que se puede evidenciar una descendiente
actividad petrolera en la localidad o a la vez un mejor tratamiento.
Gráfico 10. Mapa de cobertura vegetal y
tipo de suelo
En el gráfico 10 se
observa que el mapa A las coberturas vegetales con mayor porcentaje dentro =
del
área de estudio son los de tipo bosque nativo, seguido de plantaciones
forestales; adicional a esto se observa que la vegetación agropecuaria y
cultivos en general son los que aprovechan las áreas colindantes a los cuer=
pos
hídricos y mismas en que se desarrollan determinados asentamientos humanos =
en
la zona norte.
Por otro lado, el map=
a B
indica el tipo de suelo predominante Fo25-3Ş asociado a suelos Acrisoles
Gráfico 11. Mapa de unidades de
respuesta hidrológica
Las unidades de respu=
esta
hidrológica (URH) nos indican homogeneidad en términos de respuesta hidroló=
gica
y características geo-climáticas: la pendiente (la cual determina la veloci=
dad
de la escorrentía), la elevación (de esta depende la precipitación) y las
condiciones meteorológicas (temperatura, precipitación, velocidad, dirección
del viento, evo transpiración y radiación solar), Estas permiten determinar=
las
propiedades dominantes y como indica el gráfico 11 el mapa posee una mayor
generación de escorrentía y acumulación de agua en la zona baja de la subcu=
enca
es decir en la forma semi - distribuida acorde a los caudales, tipo de suel=
o y
pendiente que son los factores principales a los que se le atribuye en el
modelo. Esto va ligado con la cantidad de sedimentación promedio anual por
hectárea ya que es inversamente proporcional a las condiciones del ciclo
hidrológico obtenido por el modelo.
Conclusiones.
ˇ =
Este
estudio evidencia la contaminación por metales pesados presente durante el
periodo 2015-2019 ocasionado por actividades petroleras realizadas en la
provincia, además, mediante la aplicación del modelo matemático se realizó =
una
proyección de la concentración de los diferentes metales pesados en las
subcuencas de la provincia.
ˇ =
Se realizó un análisis exploratorio de datos para la aplicación del
modelo matemático de diagnóstico de calidad de agua y sedimentos, donde se
identificó mediante la aplicación de gráficos estadísticos y una media
ponderada la mayor concentración de los diferentes puntos de monitoreos
analizados, en donde cadmio se encontró en mayor concentración en el punto
Yulebra 1 con 2,68 mg /L, níquel t=
uvo su
mayor concentración en el punto Sa=
cha
central con 35,47 mg /L, plomo su mayor concentración fue en el punto Oso 9=
con
30,66 mg /L y finalmente la mayor concentración de hidrocarburos totales de
petróleo se encontró en el punto Yulebra 1 con 8660,11 mg /L.
ˇ =
Se estableció
un modelo hidrológico mediante el cual se identificó la dirección de los rí=
os
de primer orden rio Napo y de segundo orden río Payamino, río Coca, río Jiv=
ino,
río Huamayacu, río Blanco y río Sacha obteniendo así una media ponderada la
cual vendría a ser el caudal promedio de los ríos antes y después de la
descarga siendo el rio rio Napo el de mayor caudal con 42,50 〖=
(m〗=
^3⁄s)
seguido del rio de segundo orden el rio Payamino con 40,34 (m^3⁄s) y
aplicando una ecuación determinística se realizó la diferencia de
concentraciones de un punto a otro más cercano.=
ˇ =
Se evaluó la calidad de los ríos de primer y segundo orden mediant=
e la
aplicación del modelo matemático, en donde nos indica que la sedimentación =
de
Ni que va de 1332.68 a 1512.34 mg/ha, tiene a acumularse en la zona norte
centro, la concentración de Pb que va de 269.948 a 323.55 mg/ha se acumula =
en
la zona norte, el Cd es el contaminante que menor sedimentación presenta, de
49.49 a 187.88 mg/ha tiende a acum=
ularse
en la zona norte y los TPH es el contaminante con mayor grado de sedimentac=
ión
de 18704.4 a 90080 mg/ha en todas las zonas, estableciendo así que los datos
obtenidos exceden la capacidad de carga, suponiendo así una acumulación vir=
tual
de dichos contaminantes analizados en los ríos.
Referencias bibliográficas
Arreguín, F., Alcocer, V., & Hernández, D.
(2010). Model ación de redes de agua potable con enfoques determinísticos=
y
estocásticos. Tecnología y Ciencias del Agua, antes Ingeniería hidrául=
ica
en México, 1(4), 119-136.
Autoridad Nacional =
De
Licencias Ambientales (ANLA). (2013). Metodología para la definición d=
e la
longitud de influencia de vertimientos sobre corrientes de agua superfici=
al.
Bogotá D.C.: Ministerio de Ambiente y Desarrollo Sostenible. Obtenido de
https://www.anla.gov.co/documentos/ciudadania/03_partic_ciudadana/con-pub=
/Metodologia_-_Longitud_de_Influencia_de_Vertimientos.pdf
Barrabino, A.,
Keleşoğlu, S., Eftekhardadkhah, M., Simon, S., & Sjöblom, J.
(2017). Enhanced Sedimentation and Coalescence of Petroleum Crude Oil Emulsi=
ons
by New Generation of Environmentally Friendly Yellow Chemicals. Journa=
l of
Dispersion Science and Technology, 38(12), 1677-1686.
doi:https://doi.org/10.1080/01932691.2015.1004410
Bojorge, M., &
Cantoral, E. (2016). La importancia ecológica de las algas en los ríos. <=
i>Hidrobiológica,
26(1), 1-8.
Gobierno Autónomo
Descentralizado de la Provincia de Orellana. (2019). Plan de Desarroll=
o y
Ordenamiento Territorial. Gobierno Autónomo Descentralizado de la
Provincia de Orellana. https://www.gporellana.gob.ec/wp-content/uploads/2=
017/03/Plan_de_ordenamiento_2016.pdf
Guzmán, G., Thalass=
o,
F., Ramírez, E., Rodríguez, S., Guerrero, A., y Avelar, F. (2011). Evalua=
ción
espaciotemporal de la calidad del agua del río San Pedro en el Estado de
Aguascalientes, México. Revista internacional de contaminación ambiental, 27(2), 89-102.
Marusic, G. (2013). A study on the mathematical modeling of water
quality in "river-type" aquatic systems. Wseas transactions =
on
fluid mechanic, 8(2), 80-89. doi:10.13140/RG.2.1.4334.5125
Mero, M., Pernía, B., Ramírez, N., Bravo, K., Ramírez, L., Larreta, =
E.,
& Egas, F. (2019). Concentración de Ca=
dmio
En Agua, Sedimentos, Eichhornia crassipes Y Pomacea canaliculata en el Río
Guayas (Ecuador) y sus Afluentes. Revista Internacional de Contaminaci=
ón
Ambiental, 35(3), 623-640. doi:10.20937/RICA.2019.35.03.09
Montelongo, R.,
Gordillo, A., Otazo, E., Villagómez, J., Acevedo, O., & Prieto, F.
(2008). Modelacion de la calidad del agua del río Tula, Estado De Hidalgo,
México. Dyna, 75(154), 5-18.
Osina, M. (2011). <=
i>Evaluación
de la Calidad de las Aguas del Río KATARI, La Paz, Bolivia, mediante un
modelo matemático. [Tesis de grado, Universidad Mayor de San Andrés]
https://books.google.com.ec/books?id=3D1P5sBgAAQBAJ&printsec=3Dfrontc=
over&redir_esc=3Dy#v=3Donepage&q&f=3Dfalse
Owa, F. (2013). Water Pollution: Sources, Effects, Control and
Management. Mediterranean Journal of Social Sciences, 4(8), 65-68.
doi:10.5901 / mjss.2013.v4n8p65
Ziemińska, A., & Skrzypski, J. (2012). Review of mathematic=
al
model of water quality. Ecology Chemis=
try
Engineer, 19(2), 197-211.
doi:10.2478/v10216-011-0015-x
PARA
CITAR EL ARTÍCULO INDEXADO.
Rosero Erazo, C. R., =
Yaulema Garces, F. M., &a=
mp; Yaulema Castańeda, J. L. (2021). Modelo matemático
estocástico para diagnosticar calidad de agua y sedimentos en zonas
influenciadas por la actividad petrolera en la provincia de Orellana. ConcienciaDigital, 4(3), 177-195. https://doi.o=
rg/10.33262/concienciadigital.v4i3.1789
El artículo que se publica es de
exclusiva responsabilidad de los autores y no necesariamente reflejan el
pensamiento de la Revista Concienc=
ia
Digital.
El artículo qu=
eda
en propiedad de la revista y, por tanto, su publicación parcial y/o total en
otro medio tiene que ser autorizado por el director de la Revista Conciencia Digital.
[1] Escuela Superior Politécnica=
de
Chimborazo, Facultad de Ciencias. Riobamba, Ecuador carlos.roseroe@espoch.e=
du.ec,
https://orcid.org/0000-0003-2691-5578
[2] Escuela Superior Politécnica de Chimborazo, Facul=
tad
de Recursos Naturales. Riobamba, Ecuador. fyaulema@espoch.edu.ec, https://o=
rcid.org/0000-0002-5793-976X
[3] Escuela Superior Politécnica de Chimborazo, Facultad de Ciencias. Riobamba, Ecuador jorge.yaulema@espoch.edu.ec, https://orcid.org/0000-0002-= 0646-3984
www.concienciadigital.org
=
Vol. 4, N°3, p. 177-195, julio - septiembre, 20