Modelo espaciotemporal ajustado a la metodología del IDEAM

Modelo espaciotemporal ajustado a la metodología del IDEAM para el cálculo de los Índices de

Calidad de Agua, aplicado sobre la quebrada Peñitas del municipio de Segovia Antioquia-

Colombia.

Sergio Andrés Garcia Castillo, [email protected]

Emerson Yovanny Sossa Duque, [email protected]

Trabajo de Grado presentado para optar al título de Especialista en Sistemas de Información

Geográfica

Asesor: Carlos Arturo Castro Castro, Magíster (MSc) en Geoinformática

Universidad de San Buenaventura

Facultad de Ingenierías (Medellín)

Especialización en Sistemas de Información Geográfica

Medellín, Colombia

2020

mailto:[email protected]

mailto:[email protected]

Citar/How to cite [1]

Referencia/Reference

Estilo/Style:

IEEE (2014)

[1] E. Y. Sossa Duque y S. A. Garcia Castillo, “Modelo espaciotemporal ajustado a

la metodología del IDEAM para el cálculo de los Índices de Calidad de Agua,

aplicado sobre la quebrada Peñitas del municipio de Segovia Antioquia-

Colombia.”, Trabajo de grado Especialización en Sistemas de Información

Geográfica, Universidad de San Buenaventura, Facultad de Ingenierías,

Medellín, 2020.

Bibliotecas Universidad de San Buenaventura

• Biblioteca Fray Alberto Montealegre OFM - Bogotá.

• Biblioteca Fray Arturo Calle Restrepo OFM - Medellín, Bello, Armenia, Ibagué.

• Departamento de Biblioteca - Cali.

• Biblioteca Central Fray Antonio de Marchena – Cartagena.

Universidad de San Buenaventura Colombia

Universidad de San Buenaventura Colombia - http://www.usb.edu.co/

Bogotá - http://www.usbbog.edu.co

Medellín - http://www.usbmed.edu.co

Cali - http://www.usbcali.edu.co

Cartagena - http://www.usbctg.edu.co

Editorial Bonaventuriana - http://www.editorialbonaventuriana.usb.edu.co/

Revistas - http://revistas.usb.edu.co/

Biblioteca Digital (Repositorio)

http://bibliotecadigital.usb.edu.co

https://co.creativecommons.org/?page_id=13

https://co.creativecommons.org/?page_id=13

Dedicatoria

Especialmente dedicamos este logro a nuestros padres y hermanos, quienes, con el apoyo

incondicional, como muestra de amor, han forjado y permitido el crecimiento profesional en

nuestras vidas. Asimismo, resaltamos el grano de arena aportado por las personas que en medio de

los estudios y trabajos han sumado con enseñanzas a nuestros conocimientos.

Agradecimientos

A la compañía Gran Colombia Gold por brindarnos las facilidades para que este logro alcanzado

fuera posible, principalmente a todo el departamento ambiental de la compañía por el apoyo directo

e indirecto en el desarrollo de este arduo proceso.

En segunda instancia, pero sin menos importancia resaltamos a la Universidad San Buenaventura

por la formación de calidad adoctrinada con las mejores herramientas.

TABLA DE CONTENIDO

RESUMEN ....................................................................................................................................... 7

ABSTRACT ..................................................................................................................................... 8

I. INTRODUCCIÓN ........................................................................................................................ 9

II. PLANTEAMIENTO DEL PROBLEMA .................................................................................. 10

A. Antecedentes ......................................................................................................................... 11

III. JUSTIFICACIÓN ..................................................................................................................... 13

IV. OBJETIVOS ............................................................................................................................ 14

A. Objetivo general .................................................................................................................... 14

B. Objetivos específicos ............................................................................................................. 14

VII. MARCO TEÓRICO ............................................................................................................... 15

VIII. METODOLOGÍA ................................................................................................................. 20

A. Caracterización de la metodología del ICA establecida por el IDEAM. ........................... 20

B. Delimitación del área de estudio. ....................................................................................... 20

C. Caracterización de datos. .................................................................................................... 21

D. Cálculo del índice de calidad de agua ICA. ....................................................................... 21

E. Propuesta y ejecución del método de interpolación. .......................................................... 21

F. Formulación del modelo espacio – temporal complemento a la metodología del IDEAM

para el cálculo de los ICA´s. ...................................................................................................... 22

IX. RESULTADOS ........................................................................................................................ 23

X. DISCUSIÓN .............................................................................................................................. 30

XI. CONCLUSIONES ................................................................................................................... 31

REFERENCIAS ............................................................................................................................. 32

LISTA DE TABLAS

TABLA I. PARÁMETROS DEFINIDOS PARA EL CASO DE 5 VARIABLES ....................... 16

TABLA II. PARÁMETROS DEFINIDOS PARA EL CASO DE 6 VARIABLES ...................... 16

TABLA III. PARÁMETROS EVALUADOS PARA EL CÁLCULO DEL ICA ......................... 16

TABLA IV. CALIFICACIÓN DE LA CALIDAD DEL AGUA SEGÚN EL ICA ...................... 17

TABLA V. RESULTADOS DE LA CLASIFICACIÓN DEL ICA PARA EL AÑO 2017 .......... 23

TABLA VI. RESULTADOS DE LA CLASIFICACIÓN DEL ICA PARA EL AÑO 2019 ........ 24

TABLA VII. VARIABLES ESTADÍSTICAS PARA EL ANÁLISIS GEOESTADÍSTICO

PROBABILÍSTICO. ...................................................................................................................... 25

TABLA VIII. ANALISIS ESTRUCTURAL PUNTOS DE MUESTREO PARA ICA 2017 ....... 27

TABLA IX. ANALISIS ESTRUCUTRAL PUNTOS DE MUESTREO PARA ICA 2019 ......... 27

LISTA DE FIGURAS

Fig. 1. Mapa de ubicación de la quebrada Peñitas, Segovia Antioquia Colombia. ........................ 15

Fig. 2. Metodología para la obtención de los ICA´s espaciotemporales ........................................ 22

Fig. 3. Identificación de puntos de muestreo para el ICA 2017 ..................................................... 23

Fig. 4. Identificación de puntos de muestreo para el ICA 2019 ..................................................... 24

Fig. 5. Histograma geoestadistical analyst, ArcGIS....................................................................... 25

Fig. 6. Análisis de tendencia .......................................................................................................... 26

Fig. 7. Mapa de predicción ICA 2017 ............................................................................................ 28

Fig. 8. Mapa de predicción ICA 2019 ............................................................................................ 28

Fig. 9. Modelo conceptual para la obtención del ICA espacio temporal. ...................................... 29

MODELO ESPACIOTEMPORAL AJUSTADO A LA METODOLOGÍA DEL IDEAM … 7

RESUMEN

El cuidado de las fuentes hídricas ha sido uno de los mayores retos para el sector minero en

Colombia, dado a que las buenas prácticas de minería pueden preservar o inclusive mejorar el

Índice de Calidad de Agua (ICA) de las microcuencas.

Segovia, Antioquia es conocido por ser uno de los municipios con mayor riqueza de mineral

aurífero en el subsuelo. Actualmente, la compañía Colombo Canadiense Gran Colombia Gold

desarrolla sus operaciones extracción, exploración y beneficio del mineral aurífero en dicha

jurisdicción desde hace 10 años, no obstante, su antecesor Frontino Gold Mines fue pionero en el

siglo XIX. Dentro de las políticas ambientales de dicha organización se encuentra el manejo

adecuado de los recursos naturales renovables; además del control, prevención, mitigación y

compensación de los impactos ambientales asociados a su operación.

La quebrada Peñitas es uno de los álveos nacientes en la Cuenca La Cianurada, la cual presenta

una importancia moderada para la zona rural y urbana de Segovia. Para ello, mediante el uso de

herramientas SIG se realiza un modelo espacio temporal del ICA de esta fuente, realizando análisis

geoestadísticos para la selección del mejor interpolador determinístico IDW o de predicción como

el Kriging ordinario. Lo anterior, a fin de comprender el comportamiento las condiciones

fisicoquímicas de la microcuenca, al igual que, el compromiso medio ambiental de las unidades

mineras aledañas.

Palabras clave: Kriging, Geoestadística, ICA, Minería, Fuente hídrica, SIG.


ABSTRACT

Caring for water sources has been one of the greatest challenges for the mining sector in Colombia,

given that good mining practices can preserve or even improve the Water Quality Index (WQI) of

micro-basins.

Segovia, Antioquia is known for being one of the municipalities with the greatest wealth of gold

ore in the subsoil. Currently, the Colombo Canadiense Grancolombigold company has been

developing its gold mining, exploration and beneficiation operations in this jurisdiction for the last

10 years. However, its predecessor, Frontino Gold Mines, was a pioneer in the 19th century. The

environmental policies of this organization include the adequate management of renewable natural

resources, as well as the control, prevention, mitigation and compensation of the environmental

impacts associated with its operation.

The Peñitas Creek is one of the nascent alveoli in the La Cianurada Basin, which is of moderate

importance to both rural and urban Segovia. For this purpose, using GIS tools, a spatial-temporal

model of the ICA of this source is made, carrying out geostatistical analyses for the selection of

the best IDW deterministic interpolator or prediction, such as the ordinary Kriging. The above, in

order to understand the behavior of the physicochemical conditions of the micro-basin, as well as

the environmental commitment of the surrounding mining units.

Keywords: Kriging, Geostatistics, ICA, Mining, Water source, GIS.


I. INTRODUCCIÓN

Colombia es un país rico en minerales, en especial de mineral aurífero. Dichas riquezas se han

explotado desde mucho antes de la conquista. Si bien, el país se beneficia económicamente de estas

actividades, el medio ambiente en el transcurrir del tiempo se ve afectado por malas prácticas en el

desarrollo de la actividad. Gran parte del deterioro del ambiente del territorio colombiano afectado

por minería responde al gobierno carecer de orden y control sobre el territorio. Lo anterior, se

aprecia en reportes estadísticos que demuestran que en la minería colombiana predomina la

pequeña minería y el mayor porcentaje de esta se refleja en la minería informal o ilegal [1].

Ahora bien, sin alejar la realidad mencionada en el territorio colombiano, Segovia – Antioquia es

un municipio con grandes riquezas de mineral aurífero, por lo que centra su economía en dicha

actividad. Por consiguiente, el ambiente de dicha localidad se expone a un detrimento continúo por

las actividades mineras. El municipio cuenta con una amplia variedad de microcuencas debido a la

geomorfología de la zona, por lo que sus recursos hídricos se ven notoriamente afectados al ser

utilizados en los procesos mineros tanto de minería formal como informal.

Gran Colombia Gold (GCG) es una multinacional minera que desarrolla las actividades de

exploración, explotación y beneficio de mineral aurífero en el municipio de Segovia – Antioquia.

Dentro de la zona industrial de la compañía discurren las aguas de la quebrada objeto de estudio

“Peñitas”, el trayecto de la quebrada desde su nacimiento hasta su confluencia se incluye dentro

del área de influencia directa de GCG y algunas pequeñas minas. Contemplando la trazabilidad

desfavorable de antaño sobre el recurso hídrico, GCG desde sus inicios se ha interesado en la

recuperación y restauración de la cuenca, así como en la mejora de la calidad del agua.

De acuerdo a la normatividad establecida por el ministerio de ambiente de Colombia, para definir

el estado de una cuenca con base a la calidad de la fuente superficial se aplica la metodología

UWQI adoptada por el IDEAM para el cálculos de los ICA´s (índices de calidad del agua) [2]. Con

base a los resultados aportados por la metodología del IDEAM sobre la fuente superficial, el

documento apunta a la obtención de la calidad del agua de la fuente completa de la quebrada Peñitas

con la propuesta de un modelo espaciotemporal ajustado a la metodología del IDEAM para el

cálculo de los Índices de Calidad de Agua.

DESARROLLO DE UN MODELO DE GESTIÓN DE CALIDAD BASADO EN LA NORMA ISO 9001... 10

II. PLANTEAMIENTO DEL PROBLEMA

El sector minero es uno de los campos de la industria más cuestionados por el poco interés

ambiental, presentando falencias en la implementación de buenas prácticas o tecnologías que

coadyuven con el ambiente. Esta ausencia de interés repercute negativamente al recurso hídrico de

cada zona, alterando sus condiciones propias y en la mayoría de los escenarios ocasionando

contaminación sobre este. En el caso de Colombia escribir de minería resulta ser un campo bastante

problemático al no contar con el control suficiente para el manejo de sus prácticas. Colombia cuenta

con alrededor del 72% de pequeñas minas de las cuales, el 66% realiza sus actividades con prácticas

ilegales [1]. Lo que resulta ser negativo para el medio ambiente por carecer el gobierno de control

en gran parte del sector minero.

En Segovia – Antioquia la multinacional minera Gran Colombia Gold (GCG) desarrolla

actividades de exploración, explotación y beneficio de mineral aurífero. Dentro del RPP (Registro

de Propiedad Privada) de GCG se encuentra la microcuenca objeto de estudio “quebrada Peñitas”

la cual es impactada por actividades intrínsecas de la compañía y externas de minería informal.

A lo largo del tiempo, como medidas de control, seguimiento y evaluación de la fuente hídrica se

monitorea la quebrada Peñitas con el cálculo de la metodología del IDEAM para la aplicabilidad

de los ICA´s. El cálculo de esta metodología proporciona los escenarios futuros tanto positivos

como adversos de la estructurara ecológica del componente hídrico [2].

Si bien es conocido que, la aplicación de la metodología del IDEAM para calcular los ICA´s solo

permite llegar a criterios cualitativos sin brindar la posibilidad de conocer a fondo las zonas

afectadas y la magnitud del impacto, dado a que su criterio solo se realiza de forma puntual. Para

los casos en que se requiera emitir un concepto de mayor complejidad, que permita conocer el

comportamiento de la variable en el entorno, se hace necesario aplicar modelos geoestadísticos que

generen resultados completos, con obtención de bases de datos e interpretación visual ajustada a

las condiciones reales [3].

Con lo anterior, se logra un campo de evaluación mucho más amplio que permite tomar medidas

de forma eficiente y efectiva.


A. Antecedentes

Segovia Antioquia es uno de los municipios de Colombia con grandes riquezas de mineral aurífero,

cuenta con un amplio historial en reportes de actividad minera, tanto de minería formal como

informal (ilegal); dichas actividades de acuerdo a la trazabilidad de la zona se encuentran

directamente asociadas a deterioros ambientales, por factores tales como: ausencia de interés

ambiental, minería ilegal, intervención de grupos al margen de la ley, falta de control y seguimiento

por parte del estado, poca implementación de tecnologías para el control de impactos ambientales

negativos, entre otros.

Gran Colombia Gold inicia la exploración, explotación y beneficio del mineral aurífero en el

municipio de Segovia en el año 2010, inclinándose desde sus arranques con el cumplimiento de las

exigencias de la normatividad ambiental vigente y los requerimientos impuestos por la Corporación

ambiental.

La responsabilidad de la compañía sobre la quebrada Peñitas se focalizó desde un principio en el

control y seguimiento de los vertimientos industriales, conduciéndolos al cumplimiento normativo

por medio de la implementación de nuevas tecnologías para el tratamiento de los líquidos antes de

ser descargados.

Desde el punto de vista ambiental, en el año 2015 surge la Resolución 0631 del Ministerio de

Ambiente y Desarrollo Sostenible “Por la cual se establecen los parámetros y los valores límites

máximos permisibles en los vertimientos puntuales a cuerpos de aguas superficiales y a los sistemas

de alcantarillado público y se dictan otras disposiciones” [4]. La resolución en mención, entra como

factor radical desde el punto de vista ambiental siendo exigente con los límites permisibles de

descarga, en comparación a la norma anterior Decreto 1594 de 1984.

En cumplimiento de la responsabilidad ambiental, en GCG durante el tiempo de operación se ha

levantado información de la calidad del agua de la quebrada Peñitas por laboratorios con

acreditación ambiental del IDEAM.


En el año 2011 el Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM)

implementa un modelo para determinar el Índice de calidad del agua en las fuentes superficiales,

definiéndolo como el valor numérico que califica en una de seis categorías, la calidad del agua de

una corriente superficial. Esta metodología de cálculo permite clasificar la calidad del agua según

los valores que se obtengan, definiéndose con un color característico de acuerdo a su estado [5].

Por otra parte, con el desarrollo de las herramientas SIG se alcanzan modelos que facilitan la

aplicación e interpretación en materia de modelación y simulación en el campo ambiental. Algunas

de estas herramientas permiten mejorar la gestión sobre los recursos hídricos, al cuantificar con

mayor grado de veracidad el estado de los cuerpos de agua [6]. Cabe agregar que, estos modelos

facilitan la predicción de variables en puntos donde no se tiene información levantada [7].


III. JUSTIFICACIÓN

Los índices de calidad de agua (ICA) permiten conocer el estado de los cuerpos hídricos afectados

por actividades antrópicas en determinado tiempo, los cuales a través de cálculos matemáticos

aplicados sobre los resultados de los análisis de parámetros físicos y químicos del recurso hídrico

proporcionan el diagnostico en términos de calidad [8].

En Colombia para la aplicación de los cálculos de ICA´s se utiliza la metodología UWQI

(Universal Water Quality Index), designada por el IDEAM, debido al alto grado de efectividad en

los resultados aportados y facilidad en la toma de decisiones [2]. Esta metodología responde

satisfactoriamente cuando se trata de resultados o diagnósticos puntuales, no obstante, no permite

emitir conceptos en puntos diferentes del cuerpo de agua con el mismo grado de confianza, sin ser

analizados previamente. Es por ello que, si bien la metodología del IDEAM para el cálculo de los

ICA´s ha respondido satisfactoriamente, al momento de conocer el estado del cuerpo de agua en

todos los puntos del recurso hídrico la metodología se encuentra limitada.

Como complemento a la metodología del IDEAM para el cálculo de los ICA´s se propone la

aplicación de modelos geoestadísticos que permitan una interpretación espaciotemporal por medio

de herramientas de interpolación SIG (Sistemas de Información Geográfica).


IV. OBJETIVOS

A. Objetivo general

Proponer un modelo espaciotemporal ajustado a la metodología del IDEAM para el cálculo de los

Índices de Calidad de Agua, aplicado sobre la quebrada Peñitas ubicada en el municipio de Segovia

Antioquia.

B. Objetivos específicos

• Caracterizar la metodología de cálculo del índice de calidad de agua establecida por el

IDEAM.

• Contrastar los modelos de interpolación en SIG aplicados para los índices de calidad de

agua con la metodología del IDEAM.

• Formular un modelo espacio-temporal utilizando los índices de calidad de agua,

contemplando la metodología aplicada por IDEAM.


VII. MARCO TEÓRICO

La quebrada peñitas se ubica en el municipio de Segovia departamento de Antioquia Colombia,

pertenece a la cuenca la cianurada y posee una longitud aproximada de 1.6 kilómetros. En la figura

1 se presenta el mapa de ubicación de la quebrada Peñitas objeto de estudio.

Fig. 1. Mapa de ubicación de la quebrada Peñitas, Segovia Antioquia Colombia.

Fuente: Elaboración propia

La metodología aplicada por el IDEAM define el ICA en valores numéricos clasificados en 5

categorías, los cuales permiten conocer el estado de la fuente superficial. Para la implementación

de dichos cálculos previamente se monitorea de forma puntual la fuente y se analizan diferentes

parámetros físicos y químicos, en un tiempo determinado. El cálculo de los ICA´s se fracciona en

conjunto de 5 o 6 parámetros contemplando la disponibilidad de información y/o la contaminación

representativa a la que se expone el recurso hídrico [5].


A continuación, se ilustran las tablas correspondientes a las variables analizadas:

TABLA I. PARÁMETROS DEFINIDOS PARA EL CASO DE 5 VARIABLES

Parámetros Unidad de medida Ponderación

Oxígeno disuelto, OD. % Saturación 0,2

Sólidos suspendidos totales, SST. mg/l 0,2

Demanda química de oxígeno, DQO. mg/l 0,2

Conductividad eléctrica, C.E. μS/cm 0,2

pH Unidades de pH 0,2

Nota: Información extraída del IDEAM 2011.

TABLA II. PARÁMETROS DEFINIDOS PARA EL CASO DE 6 VARIABLES

Variable Unidad de medida Ponderación

Oxígeno disuelto, OD. % Saturación 0,17

Sólidos suspendidos totales, SST. mg/l 0,17

Demanda química de oxígeno, DQO. mg/l 0,17

NT/PT - 0,17

Conductividad eléctrica, C.E. μS/cm 0,17

pH Unidades de pH 0,15


TABLA III. PARÁMETROS EVALUADOS PARA EL CÁLCULO DEL ICA

Parámetro

(unidad de medida) Fórmula Cálculo

Oxígeno disuelto (%) 𝑃𝑆𝑂𝐷 =𝑂𝑥 ∗ 100

𝐶𝑝

Una vez calculado el porcentaje de saturación de

oxígeno disuelto ( 𝑃𝑆𝑂𝐷), el valor I OD se calcula con

la fórmula:

𝐼𝑂𝐷 = 1 − (1 − 0.01 ∗ 𝑃𝑆𝑂𝐷)

Cuando el porcentaje de saturación de

oxígeno disuelto es mayor al 100%:

𝐼𝑂𝐷 = 1 − (1 − 0.01 ∗ 𝑃𝑆𝑂𝐷)


Sólidos suspendidos

totales (mg/L):

𝐼𝑆𝑆𝑇 = 1 − (−0.02 + 0.003 ∗ 𝑆𝑆𝑇) Si SST ≤ 4,5, entonces I SST = 1

Si SST ≥ 320, entonces I SST = 0

Demanda química de

oxígeno (mg/L):

Si DQO ≤ 20, entonces IDQO = 0,91

Si 20 < DQO ≤ 25, entonces IDQO = 0,71



Si DQO > 80, entonces IDQO = 0,125

Conductividad

eléctrica (µS/cm)

𝐼 𝐶. 𝐸. = 1 − 10(−3.26+1.34Log10C.E.)

Cuando IC.E. < 0, entonces IC.E. = 0

pH (unidades de pH):

Si pH < 4, entonces IpH = 0,1

Si 4 ≤ pH ≤ 7, entonces IpH = 0.02628419 ∗ 𝑒(𝑝𝐻∗0.520025)

Si 7 < pH ≤ 8, entonces IpH =1

Si 8< pH ≤ 11, entonces IpH = 1 ∗ 𝑒[(𝑝𝐻−8)−0.5187742]

Si pH > 11, entonces IpH = 0,1

Nitrógeno

total/Fósforo total (-)

NT/PT

Si 15 ≤ NT/PT ≤ 20, entonces INT/PT = 0,8

Si 10 < NT/PT < 15, entonces INT/PT = 0,6

Si 5 < NT / PT ≤ 10, entonces INT/PT = 0,35

Si NT/PT ≤ 5, Ó NT/PT > 20, entonces INT/PT = 0,15


Los valores optativos que puede llegar a tomar el indicador se clasifican en categorías que

describen la calidad del agua de las corrientes superficiales, asociando un color como señal de

alerta. En la siguiente tabla se registra la relación entre valores y calificación:

TABLA IV. CALIFICACIÓN DE LA CALIDAD DEL AGUA SEGÚN EL ICA

Categorías de valores que puede

tomar el indicador

Calificación de la calidad del

agua Señal de alerta

0,00 - 0,25 Muy Mala Rojo

0,26 - 0,50 Mala Naranja

0,51 - 0,70 Regular Amarillo

0,71 - 0,90 Aceptable Verde

0,91 - 1,00 Buena Azul



El índice de calidad de agua es un modelo matemático cuyo producto se traduce a una clasificación

cualitativa y cuantitativa de un punto sobre el drenaje de una cuenca hidrográfica. Es necesario la

implementación de herramientas tecnológicas que ayuden a comprender el comportamiento

fisicoquímico del cauce de una fuente hídrica en diferentes puntos.

Los sistemas de información geográfica involucran una serie de variables que por medio de

herramientas permiten análisis de datos distribuidos en el espacio, facilitando, el almacenamiento

y geoprocesamiento de las variables mediante modelos de interpolación para estudios

geoestadísticos aplicables en estudios demográficos, ambientales y otros. El análisis espacial de

los datos conjuga un manejo de técnicas para la interpretación de datos y obtención de variables

identificadas en el espacio. En los últimos tiempos las herramientas de análisis espacial SIG

simplifican los procesos e incrementan la precisión en la predicción de variables que cuenten con

una ubicación en el espacio, optimizando tiempos de respuestas y reduciendo incertidumbres [9].

Dentro del análisis espacial se utilizan diferentes técnicas de interpolación para los datos con

características puntuales, la elección de una de estas técnicas dependerá del objeto de estudio. La

interpolación representa el cálculo del valor de una variable en un determinado espacio, conociendo

dos o más puntos del espacio. Los interpoladores se pueden clasificar en determinísticos y geo-

estadísticos. Los primeros permiten la creación de superficies basadas en las mediciones puntuales

o en fórmulas matemáticas predeterminadas, mientras que los interpoladores geo-estadísticos se

basan en cálculos aproximados de parámetros de interés con procesos estadísticos, obteniendo

predicciones con mayor grado de detalle de las superficies finales [9].

En la actualidad existen diversos métodos de interpolación programados en softwares SIG, algunos

de estos y los más aplicados son: la Función Inversa de la Distancia IDW, Spline y Kriging. El

primero utiliza información de un punto identificado con influencia local que disminuye en la

distancia. El segundo método de interpolación aproxima valores según la curvatura de la superficie,

de tal forma que mediante un modelo matemático la curvatura disminuye hasta tener una

comparación de un punto de entrada [9]. En cuanto a los Índices de Calidad de Agua, el método de

interpolación Kriging es el más utilizado para el análisis geo-estadístico ya que suele ajustarse


mejor al modelo, puesto que opera con un modelo matemático de predicción avanzada en

superficies [3].

Para el análisis de los fenómenos que fluctúan de forma constante en una determinada zona de

estudio lo recomendable es hacer uso de los modelos geoestadísticos, los modelos inician con un

análisis estructural correspondiente al análisis del variograma, el cual facilita la obtención de un

variograma teórico y es utilizado para el análisis de la variable a manejar en la interpolación,

alcanzando la obtención del mapa de predicción para la toma de decisiones [10].


VIII. METODOLOGÍA

El objeto de estudio será la quebrada Peñitas, ubicada en el municipio de Segovia, departamento

de Antioquia. Los datos de calidad de agua corresponderán a los muestreos realizados por

laboratorios acreditados por el IDEAM para los años 2017 y 2019, desde el nacimiento del cauce

hasta la confluencia con la quebrada Guananá. Los parámetros que serán evaluados para la

obtención de los ICA multitemporales serán los expuestos en la tabla I del capítulo VII.

Para el cumplimiento de los objetivos se plantean 6 etapas, descritas de la A – F. Las etapas A y B

se desarrollan dentro del contexto cualitativo del marco teórico. La primera etapa responde al

objetivo caracterización de la metodología del IDEAM, la etapa E responde al objetivo de

contrastación de los modelos de interpolación y finalmente la etapa F permite alcanzar el objetivo

de formulación del modelo espacio-temporal.

Las etapas planteadas son:

A. Caracterización de la metodología del ICA establecida por el IDEAM.

Esta fase se desarrollará cualitativamente dentro del desenlace inicial del marco teórico con base a

la hoja metodológica para el cálculo del índice de calidad de agua establecida por el Instituto de

Hidrología, Meteorología y Estudios Ambientales (IDEAM). La caracterización permite conocer

los parámetros a evaluar y las variables resultantes objeto de interpolación.

B. Delimitación del área de estudio.

El presente estudio se realizará a lo largo del álveo de la quebrada Peñitas, la cual pertenece a la

cuenca La Cianurada en el municipio de Segovia Antioquia. Para ello, es necesario conocer los

límites de la fuente hídrica que serán objeto de análisis. Se plantea analizar el ICA desde el

nacimiento de este cuerpo de agua hasta antes del inicio de la confluencia con la quebrada Guananá

aguas abajo. De igual forma, la delimitación del cauce está definida por los estudios de batimetría

efectuados en el periodo de estudio del 2017 al 2019.


C. Caracterización de datos.

Consiste en la recepción de los datos obtenidos en los análisis de laboratorio de las muestras

tomadas por entes acreditados en la escala de tiempo requerida (2017 y 2019). Posteriormente se

verifica la calidad y veracidad de los datos; además del sistema de coordenadas que posean los

puntos monitoreados, dando inicio a la organización de la estructura de datos a utilizar en el

modelo.

D. Cálculo del índice de calidad de agua ICA.

Aplicación cuantitativa de la hoja metodológica para el cálculo del índice de calidad de agua

establecida por el IDEAM. Consiste en estimar la calidad de una fuente superficial teniendo en

cuenta parámetros como Solidos Suspendidos Totales (SST), Oxígeno Disuelto (OD), Demanda

química de oxígeno DQO, Conductividad eléctrica y pH. Estas, variables son seleccionadas por la

influencia que poseen en los ecosistemas acuáticos, para ello el porcentaje de ponderación al

momento de efectuar el cálculo será de 0.2 para cada uno (20%).

Una vez obtenido el índice, los resultados se efectúa una categorización de acuerdo al valor

obtenido, tal como se muestra en la tabla IV del capítulo VII.

E. Propuesta y ejecución del método de interpolación.

Para determinar el comportamiento de la calidad del agua en el cauce de la quebrada Peñitas, es

necesario ejecutar un método de interpolación de mayor precisión ajustado al proyecto, esto en pro

de obtener resultados de mayor confiabilidad y certeza. Es por ello que, se realizara la comparación

geoestadística de cada uno de los interpoladores IDW, Kriging mediante análisis por métodos

determinísticos y geoestadísticos mediante el uso de la extensión Geoestadistical Analyst.

Para la ejecución de este método de interpolación para los periodos establecidos 2017 y 2019, se

debe realizar un periodo de análisis inicial de datos el cual consiste en verificar la distribución y

tendencia de datos. Después, se debe ajustar el semivariograma experimental a cada tipo de Kriging


ordinario. Lo anterior buscando identificar el mejor modelo que mejor se adapta. Por último, se

genera el mapa de predicción mediante el interpolador seleccionado.

F. Formulación del modelo espacio – temporal complemento a la metodología del IDEAM

para el cálculo de los ICA´s.

Una vez definido el método de interpolación ajustado a los datos calculados del ICA, se procederá

por medio de un diagrama de flujo con la propuesta de formulación del modelo espaciotemporal

utilizando los índices de calidad de agua resultantes de la aplicación de la metodología definida

por el IDEAM. El modelo permitirá la vinculación de los datos crudos (antes de aplicar el cálculo

de los ICA´s) y generará un criterio visual y técnico geoestadístico ajustado a las condiciones reales

con el menor rango de incertidumbre.

Fig. 2. Metodología para la obtención de los ICA´s espaciotemporales



IX. RESULTADOS

Para el inicio del modelo espacio temporal, se realizó la revisión e identificación de los puntos de

muestreo efectuados en la quebrada Peñitas para los años de estudio. Una vez realizado este paso,

para el Índice de Calidad de Agua para los años 2017 y 2019, se realiza el cálculo para 4 puntos en

el primero año y 6 en segundo respectivamente. Se optó por efectuar la valoración o ponderación

establecida en la tabla I del capítulo VII del presente documento, como se muestra a continuación:

Fig. 3. Identificación de puntos de muestreo para el ICA 2017


TABLA V. RESULTADOS DE LA CLASIFICACIÓN DEL ICA PARA EL AÑO 2017

Punto Norte Este %SOD I-SST I-DQO I-CE I-pH ICA Calificación ICA

A 1275191 929949 0,78 0,59 0,91 0,12 1,00 0,68 Regular

B 1275349 930071 0,74 0,39 0,91 0,00 0,72 0,55 Regular

C 1275459 930240 0,74 0,35 0,91 0,00 1,00 0,60 Regular

D 1275468 930321 0,75 0,30 0,91 0,00 1,00 0,59 Regular


Fig. 4. Identificación de puntos de muestreo para el ICA 2019


TABLA VI. RESULTADOS DE LA CLASIFICACIÓN DEL ICA PARA EL AÑO 2019

Punto Norte Este %SOD I-SST I-DQO I-CE I-pH ICA Calificación ICA

A. 1275536,92 930454,476 0,77 0,91 0,71 0 1 0,68 Regular

B 1274458,43 929684,45 0,78 0,68 0,51 0 1 0,59 Regular

C 1274891,56 929537,041 0,83 0,73 0,91 0 0,87 0,67 Regular

D 1274992,95 929576,914 0,75 0,31 0,91 0 1 0,59 Regular

E 1275078,98 929644,409 0,72 0,82 0,71 0 1 0,65 Regular

F 1275171,21 929911,378 0,76 0,94 0,91 0 1 0,72 Aceptable

Una vez identificados los puntos objeto de estudio se relaciona la información estadística de cada

shape de puntos, estos se pudieron lograr haciendo uso del software ArcGIS mediante la extensión

Geoestadistical Analyst mediante la opción histograma y análisis de tendencia de datos, como se

muestra en la figura 5.


Fig. 5. Histograma geoestadistical analyst, ArcGIS


TABLA VII. VARIABLES ESTADÍSTICAS PARA EL ANÁLISIS GEOESTADÍSTICO PROBABILÍSTICO.

Variables 2017 2019

transformación Box-Cox (0,1) sin transformación

Cantidad de datos 4 6

mínimo -0,58032 0,59

máximo -0,37832 0,72

desviación estándar 0,084141 0,051769

Skewness 0,52 -0,085273

Curtosis 2,0405 1,7008

Mediana -50598 0,66

moda -0,49262 0,59


Fig. 6. Análisis de tendencia


A. Análisis estructural

Para el análisis estructural del método de interpolación se realiza el contraste de métodos como

IDW y RBF (interpoladores determinísticos) y el Krigin ordinario como interpolador

probabilístico, a fin de conocer cual se ajusta más al modelo espacio-temporal que se requiere. Para

ello se hizo uso de la herramienta Geostadistical Wizard a fin de comparar variables como el Root

mean Square (RMS), Root Mean Square Standardized (RMSS) y el Avarage stadard Error (ASE),

dicha comparación se evidencia en las siguientes tablas.


TABLA VIII. ANALISIS ESTRUCTURAL PUNTOS DE MUESTREO PARA ICA 2017

TABLA IX. ANALISIS ESTRUCUTRAL PUNTOS DE MUESTREO PARA ICA 2019

GRAVIMETRI

COS HOMOGÉNEOS HETEROGÉNEOS MONÓMICOS

error IDW RBF

SPHER

ICAL

GAUS

SIAN

EXPONE

NTIAL

TETRASPH

ERICAL

PENTASPH

ERICAL

HOLE

EFFECT

RATIONAL

CUADRATIC

K-

BESS

EL

J-

BESS

EL

rm

s

0,05950

9239

0,0583

5634

0,07521

4444

0,0740

3943

0,0738457

64 0,077068676 0,076349204

0,0851253

28 0,075817873

0,0765

7396

0,0805

6371

rmss - -

1,2324402

1,20921347

1,19645607 1,274102898 1,23814184

1,569685413 1,233724664

1,24714927

1,37877832

as

e - -

0,05492

4963

0,0567

1956

0,0545637

86 0,053234699 0,053998611

0,0485668

65 0,052010305

0,0526

0405

0,0499

8457

Para la selección del Krigging se realizó una valoración comparativa entre cada uno de los

existentes, para ello se tuvo en cuenta aquel que cumpliera con las siguientes especificaciones:

- RMSS más cercano a uno.

- RMS y ASE más cercanos a cero.

Teniendo en cuenta lo anterior, selección el Kriging K-Bassel para el 2019 y exponencial para el

2017. Por ende, se generan los mapas de predicción como se manifiesta en las figuras 7 y 8.

GRAVIMÉTRI

COS HOMOGÉNEOS HETEROGÉNEOS MONÓMICOS

err

or IDW RBF

SPHER

ICAL

GAUS

SIAN

EXPONE

NTIAL

TETRASPH

ERICAL

PENTASPH

ERICAL

HOLE

EFFECT

RATIONAL

CUADRATIC

K-

BESS

EL

J-

BESS

EL

rm

s

0,05950

9239

0,0583

5634

0,05407

3335

0,0516

9575

0,0549814

31 0,054487185 0,054887196

0,0568279

33 0,055533455

0,0531

4154

0,0518

2579

rm

ss - -

0,96662

6764

0,9261

4975

0,9802514

39 0,974244903 0,981048546

1,0180592

12 0,989402511

0,9604

1746

0,9356

8621

as

e - -

0,05753

1973

0,0576

2934

0,0574874

14 0,057497185 0,057474771

0,0573886

37 0,056637207

0,0567

0447

0,0577

8714


Fig. 7. Mapa de predicción ICA 2017


Fig. 8. Mapa de predicción ICA 2019



Generación del modelo espaciotemporal propuesto como complemento a la metodología del

IDEAM para el cálculo de los índices de calidad de agua, a través del uso de herramientas SIG.

Fig. 9. Modelo conceptual para la obtención del ICA espacio temporal.



X. DISCUSIÓN

- Para un correcto modelo de interpolación predatorio es necesario tener una cantidad de

datos considerables a fin de reforzar la estructura estadística del modelo, es decir, se

reduciría el margen de error, los datos y mapas que se generen serán ajustados a la realidad.

- Mediante el uso de la herramienta histograma de la extensión Geostadistical Analyst, se

pudo aplicar la transformación BoxCox, favoreciendo el ajuste de la asimetría de los datos

y reducción del skweness; igualmente, la varianza de los datos está relacionada con la

media.

- El método de interpolación seleccionado fue el Kriging ordinario, dado a que para este

escenario se requiere un modelo probabilístico a fin de conocer el ICA de la quebrada

peñitas en diferentes secciones de esta fuente hídrica.

- Con el modelo implementado se observa que la quebrada Peñitas ha presentado una leve

mejora en cuanto a su condición de calidad, a pesar de ello, su clasificación cualitativa es

regular para el 2017 y aceptable -regular. Sin embargo, el uso de Herramientas SIG facilita

la toma de decisiones para mejorar las condiciones fisicoquímicas de un cuerpo de agua,

dado a que más del 90% del drenaje cuenta con un índice de calidad regular en el 2019 y el

restante a escalado a una calidad aceptable debido a mejoras y medidas de manejo ambiental

en las operaciones mineras aledañas.

- La aplicación de este modelo de interpolación puede ser relacionado con un model Builder,

ya que, si se obtiene una cantidad de puntos adecuados, los procedimientos pueden ser

automatizados, facilitando obtención y análisis de resultado en menor tiempo.


XI. CONCLUSIONES

- Se logró realizar la caracterización de la metodología de cálculo del Índice de Calidad de

Agua establecida por el IDEAM, para efectos de aplicación sobre la Quebrada Peñitas

perteneciente a la cuenca La Cianurada en el municipio de Segovia Antioquia.

- Se logró obtener el índice de calidad de agua de la quebrada Peñitas para el año 2017 y

2019, no obstante, para futuros modelos es necesario aumentar el número de puntos de

muestreo para la obtención otros puntos de referencia, en pro de mejorar la precisión de un

modelo de interpolación.

- Se validó o se contrasto las principales diferencias entre los modelos de interpolación

determinísticos como IDW y probabilísticos como el Kriging; que para esta ocasión se

ajustó adecuadamente al modelo espaciotemporal requerido. Manifestando el

comportamiento de las condiciones fisicoquímicas de la fuente hídrica en un lapso de

tiempo de 2 años.

- Se evidenció una mejoría en la calidad del agua de la quebrada Peñitas, dado a que se

obtiene puntos con un índice aceptable; no obstante, en gran parte del drenaje persiste una

calidad regular. Si bien, predomina dicho estado, cabe resaltar que en gran parte de los

puntos la ponderación del ICA de 2019 ha sido mayor con respecto al 2017.

- El uso de herramientas SIG como el software ArcGIS mediante la extensión Geostadistical

Analyst, favorecen el procesamiento de datos y análisis estadístico de los mismos,

ajustando modelos determinísticos y de predicción para diversas situaciones.

- El uso de buenas prácticas mineras por parte de Grancolombiagold y las unidades de

Pequeña Minería con contrato de operación con la trasnacional han sido fundamentales para

la mejora continua de la fuente hídrica.


REFERENCIAS

[1] L. Güiza, “La pequeña minería en Colombia: Una actividad no tan pequeña,” DYNA, vol.

80, no. 181, pp. 109–117, 2013.

[2] C. A. Caho-Rodríguez and E. A. López-Barrera, “Determinación del Índice de Calidad de

Agua para el sector occidental del humedal Torca-Guaymaral empleando las metodologías

UWQI y CWQI,” Prod. + Limpia, vol. 12, no. 2, pp. 35–49, 2017, doi:

10.22507/pml.v12n2a3.

[3] I. Quino and J. Quintanilla, “Índice De Calidad Del Agua En La Cuenca Del Lago Poopó -

Uru Uru Aplicando Herramientas Sig,” Rev. Boliv. Química, vol. 30, no. 1, pp. 91–101,

2013.

[4] Resolución 0631 del MADS, “Resolución 0631 del 2015 MADS,” The Archaeology of

Britain: An Introduction from Earliest Times to the Twenty-First Century: Second Edition.

pp. 0–62, 2015, doi: 10.4324/9780203861950.

[5] IDEAM, “Hoja metodológica del indicador Índice de calidad del agua (Versión 1,00).

Sistema de Indicadores Ambientales de Colombia - Indicadores de Calidad del agua

superficial,” no. 96, p. 10, 2011.

[6] Pardo Urbano Daniela, “ANÁLISIS MULTITEMPORAL DEL ÍNDICE DE CALIDAD DE

AGUA (ICA) DETERMINADO POR MÉTODOS GEOSTADÍSTICOS PARA EL

HUMEDAL DE JABOQUE EN LA CIUDAD DE BOGOTÁ PARA LOS AÑOS 2009 Y

2017,” J. Chem. Inf. Model., 2018, doi: 10.1017/CBO9781107415324.004.

[7] C. E. Melo Martínez, “Análisis geoestadístico espacio tiempo basado en distancias y splines

con aplicaciones,” Sep. 2012.

[8] K. Yogendra and E. T. Puttaiah, “Determination of Water Quality Index and Suitability of

an Urban Waterbody in Shimoga Town, Karnataka,” Proc. Taal2007 12th World Lake Conf.

342-346 Determ., pp. 342–346, 2008.

[9] L. R. Chirinos and C. G. Mallqui, “Comparación entre Interpoladores Espaciales en el

Estudio de Distribución de Partículas Sedimentables Insolubles en la Cuenca Atmosférica

de Lima y Callao,” Inf. Tecnol., vol. 27, no. 4, pp. 111–120, 2016, doi: 10.4067/S0718-

07642016000400012.

[10] C. D. Mesa Wilchez, A. D. Mesa Ospina, C. Enrique, M. Marín, and P. A. Gaona Garcia,


“Análisis geoestadístico y predicción espacial para el índice de calidad del agua en el río

bogotá,” Proc. LACCEI Int. Multi-conference Eng. Educ. Technol., vol. 2017-July, no. July,

pp. 19–21, 2017, doi: 10.18687/LACCEI2017.1.1.104.

Documents

Modelo espaciotemporal ajustado a la metodología del IDEAM