Empleo de tecnicas de estimacion y simulacion geoestadisticas para el estudio de la calidad de agua en embalses

Abstract

En todo análisis sistémico del territorio y el ambiente, el recurso hídrico constituye un elemento clave. Así, el manejo del agua ha estado siempre en el centro de atención del desarrollo humano. Los lagos y embalses proveen agua para consumo y permiten realizar una serie de funciones ambientales sumamente valiosas. Con el objetivo de construir mapas de la distribución espacial de variables indicadoras de la calidad del agua del embalse Río Tercero, Córdoba, se utilizaron técnicas geoestadísticas de estimación y simulación. Se realizaron cuatro muestreos en 36 sitios georeferenciados, durante el otoño del año 2018, la primavera y el verano del año 2020 y el invierno del año 2021, se evaluaron variables físicas, químicas y biológicas. En una primera instancia se identificaron y eliminaron outliers e inliers y se probó la normalidad de los datos. Posteriormente, para cada una de las variables en estudio, se obtuvieron los semivariogramas experimentales que fueron ajustados por modelos teóricos, el criterio de selección fue el Error Cuadrático Medio (RMSE) más cercano a 1, (RMSE promedio = 0,986). Por medio de la técnica de interpolación espacial de kriging se obtuvieron mapas de valores medios estimados. Por último, se empleó la técnica de simulación Gaussiana condicionada para obtener mapas menos suavizados. Los resultados muestran que la construcción de los semivariogramas empíricos, así como su ajuste teórico es crucial para que los mapas generados mediante estimaciones o simulaciones reflejen la distribución espacial de las variables indicadoras de calidad de agua en el embalse. En general, las variables en estudio mostraron una muy buena autocorrelación espacial para cada una de las estaciones del año (r > 0,9). Se puede concluir que por medio de la técnica de kriging se obtiene como resultado una única representación del atributo, mientras que, con la simulación Gaussiana condicionada se generan mapas suavizados construidos con el promedio de varias representaciones de las variables, permitiendo una mejor comprensión de los fenómenos estudiados en el reservorio. El enfoque geoestadístico propuesto deja abierta la exploración de futuras líneas de investigación, relacionadas principalmente con la utilización de técnicas de simulación para generar mapas de probabilidad, que determinen áreas críticas y la aplicación de métodos geoestadísticos multivariantes.