Apéndices - Tesis Electrónicas UACh

Universidad Austral de Chile
Facultad de Ciencias de la Ingeniería
Escuela de Ingeniería Civil en Obras Civiles
“USO DE TRAZADORES AMBIENTALES EN
ESTIMACIÓN DE APORTE RELATIVO DE FUENTES
DE SEDIMENTO FINO A LA CARGA TOTAL EN
CUENCAS DE LA REGIÓN DE LOS RÍOS SOMETIDAS
A OPERACIONES FORESTALES”
Tesis para optar al Título de:
Ingeniero Civil en Obras Civiles
Profesor Patrocinante:
Sra. Paulina Schuller Liewald
Profesora Titular Instituto de Ciencias Químicas
Facultad de Ciencias
Universidad Austral de Chile
Profesor Co-Patrocinante:
Sr. Andrés Iroumé Arrau
Ingeniero Civil
Master of Sciences in Resources Management
Doctor en Ciencias Forestales
CÉSAR ANDRÉS QUILODRÁN CASAS
VALDIVIA – CHILE
2012
A mis padres,
Reinaldo y Graciela.
Quiero agradecer a mi familia, mis amigos y futuros colegas,
mis profesores y a todas aquellas personas quienes de una
u otra forma han sido parte de esta experiencia.
Sin duda, su ayuda desinteresada, sus precisas palabras de
aliento, su infinita paciencia y sabiduría han sido pilares
fundamentales en el largo camino que ha llevado este
proceso a un punto de inflexión donde concluye una bella y
enriquecedora etapa de vida, y comienza una aún mejor.
César
Índice general
Resumen
Abstract
I. Introducción
1
1.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2. Descripción del proyecto de investigación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.3. Hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.4. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.4.1. Objetivo principal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.4.2. Objetivos secundarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
II. Sediment fingerprinting: revisión de la técnica
5
2.1. Técnicas de identificación de fuentes de sedimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.2. Estimación del aporte relativo de las fuentes de sedimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
III.Marco Teórico
11
3.1. Propiedades de los suelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.1. Densidad de las partículas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.2. Área de superficie específica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2. Erosión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2.1. Erosión hídrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2.2. Erosión eólica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3. Transporte de Sedimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3.1. Sedimentos en suspensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3.2. Arrastre de fondo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4. Trazadores ambientales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.4.1. Radionucleidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
ÍNDICE GENERAL
3.4.2. Cesio-137 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.4.3. Plomo-210 en exceso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4.4. Otros Radionucleidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4.5. Materia Orgánica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.5. Análisis estadístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5.1. Test H de Kruskal-Wallis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5.2. Análisis de función discriminante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.6. Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.6.1. Método de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.6.2. Variable Aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
IV. Diseño de la investigación y metodología
21
4.1. Selección del área de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.1.1. Características generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.1.2. Características climáticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2. Determinación de las potenciales fuentes de sedimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.3. Elección de trazadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.4. Medición de caudal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.5. Medición de carga de sedimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.6. Recolección de muestras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.6.1. Fuentes de sedimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.6.2. Vertederos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.7. Trabajo de laboratorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.7.1. Preparación de muestras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.7.2. Análisis de actividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.7.3. Análisis de elementos orgánicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.8. Corrección por tamaño de partículas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.9. Cálculo del aporte relativo de las zonas de aporte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.9.1. Análisis estadístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.9.2. Ecuación del modelo de mezcla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.9.3. SedMC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.10. Verificación de resultados del modelo de mezcla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
V. Presentación y discusión de resultados
33
5.1. Respuesta hidrológica de las zonas de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.1.1. Precipitación y escorrentía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
ÍNDICE GENERAL
5.1.2. Carga de sedimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.2. Distribución de tamaño de partículas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.3. Concentraciones trazadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.3.1. Resultados del análisis de SOC y SON . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.3.2. Concentraciones másicas de los trazadores utilizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.4. Análisis estadístico de 2 etapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.5. Contribuciones relativas de las zonas de aporte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.6. Comprobación de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
VI. Conclusiones
49
Apéndices
59
A. Grillas de recolección de muestras
60
B. Código de programación de SedMC en MATLAB
62
C. Resultados SSA
68
D. Resultados completos de concentraciones másicas
70
Índice de tablas
4.1. Características de las cuencas en estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2. Características físicas de los radionucleidos naturales utilizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3. Fechas de campaña de muestreo y cantidad de muestras recolectadas . . . . . . . . . . . . . . . . . . . . . . . 25
4.4. Fechas de recolección de muestras de sedimento en suspensión desde los vertederos . . . . . . . . . . . . 26
5.1. Precipitación y carga de sedimento por período de recolección de muestras de vertedero . . . . . . . . . 36
5.2. Resultados análisis de SSA y factor de corrección por tamaño de partículas . . . . . . . . . . . . . . . . . . . . 38
5.3. Resultados de concentraciones másicas de los trazadores utilizados en LUC, LUT pre-cosecha y LUT
post-cosecha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.4. Resumen resultados del test de Kruskal-Wallis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.5. Resumen del análisis estadístico de 2 etapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
C.1. Resultados de regresión lineal entre SSA y concentración de trazadores ambientales utilizados . . . . . 68
D.1. Estadística descriptiva de las concentraciones de los trazadores utilizados . . . . . . . . . . . . . . . . . . . . 73
Índice de figuras
3.1. Diferentes formas de transporte de sedimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2. Diagrama del ciclo natural del 210 Pb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.1. Ubicación referencial del predio Los Ulmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2. Colectores Phillips de sedimento fino en suspensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.3. Captura de pantalla del software SedMC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.1. Precipitación y escorrentía diaria observadas en el período de estudio . . . . . . . . . . . . . . . . . . . . . . . 33
5.2. Escorrentía diaria acumulada de LUC y LUT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.3. Sedimento acumulado en LUC y LUT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.4. Distribución granulométrica <63 µm de las zonas de aporte en LUC y LUT . . . . . . . . . . . . . . . . . . . . 37
5.5. Relación entre las concentraciones de SOC y SON . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.6. Representación gráfica de los resultados del análisis de función discriminante . . . . . . . . . . . . . . . . . 41
5.7. Contribuciones relativas y carga de sedimento de LUC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.8. Contribuciones relativas y carga de sedimento de LUT pre-cosecha . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.9. Contribuciones relativas y carga de sedimento de LUT post-cosecha . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.10. Contribución relativa ponderada de LUC, LUT pre-cosecha y LUT post-cosecha . . . . . . . . . . . . . . . . 45
5.11. Contribución relativa ponderada de las zonas de aporte en sub-períodos de LUT post-cosecha . . . . . 46
5.12. Concentraciones modeladas de los trazadores utilizados en LUC . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.13. Concentraciones modeladas de los trazadores utilizados en LUT pre-cosecha . . . . . . . . . . . . . . . . . . 47
5.14. Concentraciones modeladas de los trazadores utilizados en LUT post-cosecha . . . . . . . . . . . . . . . . . 47
A.1. Grilla de recolección de muestras en Los Ulmos Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
A.2. Grilla de recolección de muestras en Los Ulmos Tratamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
B.1. Captura de pantalla del software SedMC y nombre de objetos en código de programación . . . . . . . . . 62
C.1. SSA versus concentración de trazadores, en LUT post-cosecha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
ÍNDICE DE FIGURAS
D.1. Dispersión de las concentraciones másicas de 210 Pbex en cada una de las zonas de estudio . . . . . . . . . 70
D.2. Dispersión de las concentraciones másicas de 137 Cs en cada una de las zonas de estudio . . . . . . . . . . 70
D.3. Dispersión de las concentraciones másicas de 226 Ra en cada una de las zonas de estudio . . . . . . . . . . 71
D.4. Dispersión de las concentraciones másicas de 40 K en cada una de las zonas de estudio . . . . . . . . . . . 71
D.5. Dispersión de las concentraciones másicas de SOC en cada una de las zonas de estudio . . . . . . . . . . 71
D.6. Dispersión de las concentraciones másicas de SON en cada una de las zonas de estudio . . . . . . . . . . 72
D.7. Dispersión de las concentraciones másicas de SOM en cada una de las zonas de estudio . . . . . . . . . . 72
Resumen
Para protección de la calidad del recurso agua es necesario conocer las fuentes de sedimento y su aporte relativo a la carga
total. Con este propósito, se utilizó la técnica de trazadores de sedimento en la presente tesis de investigación. Para ello, se evaluó
el posible uso de los trazadores ambientales 137 Cs, 210 Pbex , 226 Ra, 40 K y materia orgánica del suelo (SOM) en la estimación del
aporte relativo de diferentes fuentes de sedimento fino a la carga total en dos cuencas forestales pareadas del sector Los Ulmos,
Región de Los Ríos: Los Ulmos Control (LUC) y Los Ulmos Tratamiento (LUT). Ésta última cuenca fue cosechada a tala rasa,
lo que permitió hacer mediciones en períodos de pre y post-cosecha. Laderas forestales (Z1), Caminos forestales (Z2) y Red de
drenaje (Z3) fueron definidas como zonas fuente de sedimento fino. En la salida de cada cuenca se construyeron vertederos de
hormigón para servir de apoyo en mediciones hidrológicas y de sedimento. En cada período de estudio, se realizaron campañas
de muestreo de la capa superficial de suelo (0 - 1 cm) en Z1, Z2 y Z3, y recolecciones mensuales de muestras integradas de
sedimento en los vertederos. La concentración másica de los radionucleidos fue determinada por espectrometría gama y la de
SOM por análisis de C orgánico del suelo.
La capacidad de discriminación de los trazadores utilizados entre las diferentes fuentes de sedimento y la obtención de
un grupo óptimo de trazadores, por cada período de estudio, fueron determinadas a través de los tests estadísticos de KruskalWallis y Análisis de Función Discriminante, respectivamente. Los aportes relativos fueron estimados a través de la minimización
de una ecuación de modelo de mezcla. Para ello se desarrolló un software basado en la técnica de simulación de Monte Carlo.
Los aportes relativos finales en cada período de estudio fueron determinados a través de promedios ponderados por carga de
sedimento. Z3 dio cuenta del mayor aporte relativo en LUC y LUT pre-cosecha con 85±5 y 79±5 %, respectivamente. La carga
total de sedimento en LUT aumentó de 310 kg ha-1 (precipitación total de 905 mm), antes de la cosecha a tala rasa, a 2196 kg ha-1
(precipitación total de 2653 mm), después de la cosecha. Esto se reflejó en un aumento de los aportes relativos de sedimento de
Z1 desde 10,5±0,7 a 30±2 % y de Z2 desde 10±2 a 20±2 % entre los períodos previo y posterior a la cosecha en LUT.
Las contribuciones relativas estimadas utilizando el modelo de mezcla fueron ratificadas a través de la comparación entre
las concentraciones másicas en las muestras de sedimento de los vertederos estimadas a partir de los resultados de los aportes
relativos y las correspondientes concentraciones másicas medidas en laboratorio. El éxito de la presente investigación sugiere
que el uso de trazadores ambientales, especialmente de los radionucleidos de depósito 137 Cs y 210 Pbex , constituye una herramienta valiosa para estimar aportes relativos de sedimento. Los resultados sugieren que la técnica de trazadores de sedimento
puede ser extendida al estudio de movilización de sedimento en cuencas con distintos usos de suelo.
Abstract
Identification of fine sediment sources and its relative contribution to the sediment load is necessary for protection of water
resources quality. For this purpose, in the present research thesis sediment fingerprinting technique was used. The environmental tracers 137 Cs, 210 Pbex , 226 Ra, 40 K and soil organic matter (SOM) were tested as fingerprints to estimate the relative contribution
from different fine sediment source zones to the total sediment yield in two paired forest catchments located in Los Ulmos, Región de Los Ríos: Los Ulmos Control (LUC) and Los Ulmos Tratamiento (LUT). The latter was clearcutted, allowing pre-harvest
and post-harvest study periods. Forest Slopes (Z1), Forest roads (Z2) and Channel bank (Z3) were identified as primary fine
sediment source zones. Concrete weirs were built in each catchment outlet to provide support on hydrological and sediment
records. In each study period, sampling campaigns were performed to collect material from the 0 - 1 cm depth soil layer in Z1,
Z2 and Z3. Time-integrated monthly samples were collected from the weirs. Radionuclides mass concentration was measured
by gamma spectrometry and SOM by soil organic C analysis.
Tracers’ discrimination power between the different sediment source zones, and the optimum set of composite tracers in
each study period, were determined by the Kruskal-Wallis and Discriminant Function Analysis tests, respectively. The relative
apportionments were estimated minimizing the equation of a mixing model. For this purpose, software was developed based on
the Monte Carlo simulation technique. The final relative contributions in each study period were obtained using sediment load
weighted means. Z3 took account for the greatest relative apportionment in LUC and LUT pre-harvest with 85±5 and 79±5 % of
the sediment load, respectively. LUT total sediment load raised from 310 kg ha-1 (total rainfall 905 mm), before clearcutting, to
2196 kg ha-1 (total rainfall 2653 mm), after harvest. This was reflected in the relative apportionment increase from 10,5±0,7 % to
30±2 % in Z1 and from 10±2 % to 20±2 % in Z2 between pre and post-harvest periods in LUT.
The goodness of fit of the relative contributions estimated by the mixing model was tested by comparison of the estimated
mass concentrations for the weir sediment samples using the relative apportionments results, and the corresponding mass
concentrations measured in the laboratory. The use of environmental tracers, especially fallout radionuclides 137 Cs and 210 Pbex ,
is a valuable tool for estimation of the relative contribution of fine sediment to the total load. The success of this research
suggests that the fingerprinting technique can be extended to sediment transport studies in basins with different land uses.
Capítulo I
Introducción
1.1.
Planteamiento del problema
La erosión del suelo y la consiguiente producción de sedimentos sobre campos, terrenos inundables y cuerpos
de agua es un problema mundial de creciente preocupación (Evans, 2010). El exceso de sedimento ha sido identificado como una de las causas más importantes de contaminación hídrica producida por el hombre (Eckholm,
1976).
El transporte de sedimentos es uno de los principales focos de contaminación de fuentes difusas o NPS (nonpoint source pollution), es decir, contaminación proveniente de lugares difusos difíciles de determinar. Este movimiento hacia esteros, ríos y lagos puede involucrar ciertos problemas ambientales como la degradación de la
calidad del agua, disminución de la diversidad ecológica, debido a que la presencia de sedimento fino en el agua
limita la penetración de la radiación solar y disminuye el proceso de fotosíntesis (Collins et al., 2010a,b), y la reducción de las capacidades operacionales de instalaciones de suministro de agua como plantas de tratamiento o
embalses (Davis y Fox, 2009). La agricultura, a través de los cultivos y manejo de las zonas de plantación; minería,
debido a extracción de grava y arena y remoción de grandes cantidades de tierra; asentamientos urbanos, mediante movimientos de tierra, drenaje, construcciones y actividades antropológicas; y actividades forestales, a través
de cosechas, talas, construcción de caminos y replantación, son significativos focos de fuentes de contaminación
difusa (Krishnappan et al., 2009).
Las consecuencias ambientales y socioeconómicas de la transferencia de sedimentos a ecosistemas acuáticos
constituyen una preocupación mayor (Evans, 2010), por lo que la necesidad de mitigar los procesos erosivos del
suelo y reducir el transporte de sedimento a los cursos de agua es ampliamente aceptada debido a la resultante
degradación ambiental y sus consecuencias tanto ecológicas, como económicas.
Muchas investigaciones previas han descrito problemas de erosión debido a la construcción y operaciones
1
2
CAPÍTULO I. INTRODUCCIÓN
forestales comerciales (Collins et al., 2010c). La intensificación y expansión de la producción forestal ha aumentado
la movilización de sedimento, provocando degradación de la calidad del agua en ríos y hábitats acuáticos. Las
actividades de cosecha forestal, como la construcción y uso de caminos, y movimiento de troncos, particularmente
en áreas con gran pendiente tienen un gran potencial de generar transporte de sedimento (Brown y Binkley, 1994).
El movimiento de maquinaria remueve la cobertura vegetal y expone, disturba y compacta los suelos minerales,
incrementando la ocurrencia de escorrentía superficial (Patric, 1978; McMinn, 1984; Gayoso e Iroumé, 1995). De
acuerdo a Gayoso y Gayoso (2008), éstos problemas tienden a aumentar cuando la cosecha forestal es a tala rasa,
como ocurre a gran escala en las plantaciones forestales en Chile.
La economía forestal chilena está basada en 2,3 millones de ha de plantaciones, principalmente de Pinus radiata y Eucalyptus spp, que corresponden al 14,6 % de la cobertura forestal total del país. En los últimos 15 años ha
producido, aproximadamente, el 13 % del total anual de los retornos por exportaciones de Chile con ventas principalmente a China, Estados Unidos y Japón, y posee una participación del 3,1 % del PIB Nacional (CORMA, 2012).
Para satisfacer requerimientos de certificación forestal, las compañías forestales chilenas requieren proteger las
cuencas de los impactos fuera del área del emplazamiento de las operaciones forestales (Gayoso y Gayoso, 2008). La
magnitud de la erosión, y efectos relacionados de sedimentación, pueden ser reducidos a través de una planificación apropiada de las operaciones forestales y el uso de mejores prácticas de manejo (Stringer y Thompson, 2000).
En consecuencia, existe una necesidad creciente de identificar las principales fuentes de sedimento en cuencas de
plantación forestal.
El estudio del transporte de sedimentos apunta a determinar la fuente de éstos. Sin embargo existen variables
como el clima, la vegetación, topografía, y alteraciones antropológicas que pueden afectar directa o indirectamente
este proceso, por lo que los procesos de transporte de sedimento son difíciles de predecir y modelar con precisión.
Información confiable sobre la determinación de fuentes de sedimentos se vuelve necesaria al momento de aplicar
medidas de mitigación efectivas de erosión (Blake et al., 2012). Con la necesidad de resolver este problema, nace
la técnica de trazadores de sedimento (sediment fingerprinting) para determinar fuentes de aporte y dar cuenta
de la contribución relativa de éstas a la carga total de sedimento producido. Esta técnica ha sido ampliamente
utilizada alrededor del mundo, y está basada en el principio básico de que las potenciales zonas de aporte de
sedimento pueden ser caracterizadas utilizando propiedades físicas y/o químicas del suelo, como trazadores, y ser
comparadas con información equivalente en el sedimento suspendido de los cursos de agua (Walling et al., 1999).
1.2.
Descripción del proyecto de investigación
Esta investigación está enmarcada dentro del proyecto FONDECYT 1090574: “Use Of Environmental Radionuclides To Identify And Quantify Fine Sediment Sources In Forested Catchments” (2009-2012). Está a cargo de los
1.3. HIPÓTESIS
3
investigadores Paulina Schuller Liewald y Andrés Iroumé Arrau, académicos de la Universidad Austral de Chile,
pertenecientes a la Facultad de Ciencias y Facultad de Ciencias Forestales y Recursos Naturales, respectivamente,
con la participación del Prof. Desmond Walling, de la Universidad de Exeter, Reino Unido, quien ha realizado estudios previos sobre el tema a nivel mundial. El proyecto es pionero en Chile y está destinado al estudio de fuentes
de sedimento fino y su aporte relativo a la carga de sedimento total a través del uso de trazadores ambientales de
dos sitios disturbados por cosechas forestales en el Centro-Sur del país: Nacimiento y Los Ulmos. Éstos se encuentran separados por 400 km aproximadamente y presentan una precipitación anual media contrastante de 1200
mm año-1 y 2500 mm año-1 , respectivamente. En cada lugar se seleccionaron dos cuencas pareadas de uso forestal:
Control, inalterada durante la duración del proyecto de investigación, y Tratamiento, que fue sometida a cosecha
forestal y permitió hacer mediciones en épocas de pre y post-cosecha.
Los alcances de esta memoria de investigación se limitan al estudio de las cuencas ubicadas en Los Ulmos,
Región de Los Ríos.
1.3.
Hipótesis
La técnica de trazadores ambientales constituye una herramienta valiosa y efectiva en la estimación del aporte
relativo de las fuentes de sedimento fino a la carga total medida a la salida de cuencas.
La hipótesis se basa en el cambio reciente observado en la literatura de técnicas tradicionales de monitoreo a
la de uso de trazadores de sedimentos para obtención de información respecto a las principales fuentes de éstos y
su evolución temporal.
Los radionucleidos de depósito Cesio-137 (137 Cs), de origen antropogénico, y Plomo-210 en exceso (210 Pbex ),
geogénico, constituyen valiosos trazadores, debido a su depósito desde la atmósfera, vidas medias y a sus concentraciones en el suelo superficial independientes de la geología, especialmente en cuencas heterogéneas.
Otros trazadores naturales como Potasio-40 (40 K), Radio-226 (226 Ra), Carbono orgánico del suelo (SOC, por sus
siglas en inglés Soil Organic Carbon) y Nitrógeno orgánico del suelo (Soil Organic Nitrogen) se evaluarán como
posibles trazadores para estudiar el poder de discriminación de las fuentes de sedimento fino.
1.4.
1.4.1.
Objetivos
Objetivo principal
Usar radionucleidos ambientales (137 Cs, 210 Pbex , 40 K, 226 Ra), SOC y SON como trazadores para estimar el aporte
relativo de diferentes fuentes a la carga de sedimentos medida en la salida de cuencas de plantaciones forestales
4
CAPÍTULO I. INTRODUCCIÓN
antes y después de la cosecha a tala rasa.
1.4.2.
Objetivos secundarios
Caracterizar la concentración másica de 137 Cs, 210 Pbex , 40 K, 226 Ra, SOC y SON en diferentes zonas seleccionadas como potenciales fuentes de sedimento fino y en el sedimento fino colectado a la salida de cada cuenca.
Analizar el poder de discriminación de los trazadores para estudiar el aporte de sedimentos procedentes de
las fuentes a la carga total.
Estimar la contribución relativa de las diferentes zonas fuente a la carga total, comparando la concentración
másica en las fuentes con la medida en el vertedero instalado a la salida de la cuenca.
Comparar la contribución de las fuentes de sedimento antes y después de la cosecha forestal a tala rasa.
Capítulo II
Sediment fingerprinting: revisión de la
técnica
El sediment fingerprinting es una técnica, que engloba una serie de procedimientos, enfocada en identificar zonas propensas a erosión, y estimar la contribución de sedimento de cada una de ellas a través del uso de trazadores,
información geográfica, análisis en laboratorios, y técnicas estadísticas y matemáticas. La metodología está basada
en la suposición de que las propiedades del sedimento en suspensión pueden ser comparadas con la información
obtenida del material de las fuentes potenciales identificadas.
Para utilizar sediment fingerprinting se debe obtener información de trazadores distintivos para cada una de las
fuentes de sedimento, a través de la recolección de muestras en eventos de producción de erosión, con la finalidad
de lograr contrastarlas y diferenciarlas. Las zonas de aporte de sedimentos están sometidas a distintos usos de
suelo, por lo que la erosión producida en ellas es de diferente naturaleza (cosecha, tala, accidentes geológicos,
etc.). El sedimento de la red de drenaje es recogido en la salida de la cuenca determinando, a través de diferentes
análisis, trazadores que lo caractericen. Finalmente, se determina la cantidad de aporte de sedimento de cada una
de las fuentes a través de ecuaciones, llamadas modelos de mezcla, desarrolladas por distintos autores a través de
los años (Davis y Fox, 2009).
2.1.
Técnicas de identificación de fuentes de sedimento
Erosión del suelo superficial, erosión de las riberas de la red de drenaje, remoción de grandes masas de suelo debido a prácticas forestales, minería, de agricultura o urbanización, y la movilización interna del sedimento
debido a subcuencas son las principales fuentes de sedimento reportadas a través del desarrollo de la técnica de
sediment fingerprinting. Para determinarlas se han utilizado fotografías aéreas para localizar áreas propensas a
erosión y acumulación de sedimento (Minella et al., 2004), encuestas a propietarios acerca de problemas históri5
6
CAPÍTULO II. SEDIMENT FINGERPRINTING: REVISIÓN DE LA TÉCNICA
cos de sedimentación y estudios in situ para determinar la susceptibilidad del suelo a erosionarse (Krause et al.,
2003). Sin embargo, las fuentes de sedimento no siempre pueden identificarse claramente previo al comienzo de
la investigación.
Con el fin de caracterizar las distintas fuentes de sedimento, se hace necesaria una adecuada elección de trazadores. Los primeros trazadores utilizados para la técnica de sediment fingerprinting estaban basados en propiedades físicas como color, densidad y tamaño de partículas del suelo debido a la facilidad para medir e identificar estas
características. No obstante, estas propiedades pueden ser no conservativas, ya que varían durante el transporte
del sedimento, a diferencia de trazadores conservativos que no sufren cambio alguno (Motha et al., 2002) como
trazadores orgánicos, inorgánicos y radionucleidos.
En los primeros acercamientos a esta técnica, Moore (1961) y Weaver (1967) utilizaron el color del sedimento
para analizar el depósito de éste recolectado en el lago Michigan y el río Arkansas, Estados Unidos, respectivamente. Peart (1993) usó esta propiedad mientras estudiaba fuentes de sedimento en dos cuencas de Hong Kong, debido
a la facilidad de determinación. A pesar de esto, a través de los años se ha establecido que el color del sedimento no
se comporta como buen trazador debido a que se ve alterado por los cambios de humedad y reacciones químicas
que sufren las partículas de suelo durante el transporte. La densidad y el tamaño de partículas del suelo, no cumplen las condiciones de un buen trazador debido a la variabilidad y disgregación que existe dentro de las propias
fuentes de sedimento, respectivamente. Sin embargo, debido a que el sediment fingerprinting está enfocado en
sedimento fino, es decir, con un diámetro de partícula <63 µm, la distribución del tamaño se ha utilizado más bien
como un factor de corrección de la procedencia del sedimento, que como trazador (Collins et al., 1997).
Walling et al. (1979) utilizó las propiedades magnéticas del suelo para identificar fuentes de sedimentos en el
Suroeste de Inglaterra durante y entre inundaciones. La susceptibilidad magnética (χi )1 , la saturación isotérmica
remanente (SIRM)2 y la razón entre éstas, fueron algunas de las propiedades utilizadas. El sedimento en suspensión
fue filtrado utilizando un filtro de fibra de vidrio y medido en un magnetómetro computarizado, obteniendo resultados suficientes para concluir que las propiedades magnéticas si pueden indicar la procedencia del sedimento
entre y durante tormentas.
Se han utilizado también trazadores de origen orgánico como Carbono total, Nitrógeno total, Fósforo total
para distinguir la distribución de materia orgánica superficial (Collins et al., 1997) y los isótopos estables δ13 C y
δ15 N, para distinguir suelos utilizados en distintos tipos de cosecha en una misma fuente de sedimento (Fox y
Papanicolaou, 2007). La razón de su uso se debe a que sus concentraciones son reflejo directo del uso de suelo y la
cobertura vegetal en las fuentes de sedimento.
1 La
2 La
susceptibilidad magnética es una medida de la capacidad de los sedimentos para magnetizarse
SIRM es la magnetización restante de una muestra después de ser removida de un campo magnético de 1 T (Tesla)
2.2. ESTIMACIÓN DEL APORTE RELATIVO DE LAS FUENTES DE SEDIMENTO
7
También han sido utilizados trazadores inorgánicos, presentes en la composición del suelo, como Ag, Al, Cr,
Fe, K, Ni, Y y Zn, entre otros. Sin embargo, a diferencia de trazadores orgánicos, que logran discriminar fuentes de
sedimento a través del ciclo de la materia orgánica, y los radionucleidos, que logran diferenciar estas fuentes por
concentración según la profundidad de suelo, los trazadores inorgánicos no están relacionados directamente con
un proceso específico del suelo. Esto es debido a los numerosos cambios que pueden impactar en la composición
elemental del suelo (Davis y Fox, 2009).
Las distintas características que presentan cada uno de los trazadores da pie a que se desarrollen estudios que
utilicen múltiples parámetros para determinar las fuentes de sedimento. Walling et al. (1993), por ejemplo, utilizó
propiedades magnéticas, químicas y radionucleidos para estudiar cuencas en Devon, Reino Unido.
Los radionucleidos más utilizados en sediment fingerprinting son 7 Be,
137 Cs,
y
210 Pb
ex
debido a su depósito
uniforme desde la atmósfera sobre la superficie del suelo. Cesio-137 tiene origen principalmente antropogénico,
a raíz de las pruebas nucleares en la década de los 60. Plomo-210 en exceso proviene de la desintegración del
238 U.
Berilio-7 tiene origen cosmogénico, es decir, se produce naturalmente debido a la colisión de partículas de
alta energía, provenientes de la actividad solar, con los átomos de O y N presentes en las capas más altas de la
atmósfera terrestre (Matisoff et al., 2005). Luego del depósito, estos radioisótopos son adsorbidos fuertemente por
las partículas finas de sedimento en la superficie, por lo que se espera que la concentración superficial sea alta y
decrezca con la profundidad del suelo, lo que los convierte en excelentes trazadores para dar cuenta de la erosión.
Sin embargo, el 7 Be, por su corta vida media de tan sólo 53,3 días, no resulta ser muy buen trazador en estudios de
larga duración ya que se requiere de constantes muestreos y mediciones.
2.2.
Estimación del aporte relativo de las fuentes de sedimento
Con la finalidad de estimar el aporte de sedimento desde cada una de las fuentes, se han utilizado varias herramientas estadísticas para determinar un grupo de trazadores óptimos en estudios de sediment fingerprinting.
Primero, es necesario distinguir si las concentraciones de los trazadores utlizados, en las distintas zonas de aporte,
son estadísticamente diferentes. Para ello se han utilizado tests no paramétricos como el test U de Mann-Whitney,
en el caso de que se estudien dos fuentes de sedimentos (Carter et al., 2003), y el test H de Kruskal-Wallis para 2 o
más fuentes (Walling et al., 1999). Un paso utilizado en muchos estudios es distinguir entre las distintas fuentes de
sedimento mediante un análisis de función discriminante (Collins et al., 1998). Este análisis determina un grupo
óptimo de trazadores que presentan una alta significancia estadística, a través de la minimización del coeficiente
lambda de Wilks. Walling et al. (1993) usó análisis de clúster. En dicha técnica la distancia entre puntos, en este
caso las mediciones de las distintas fuentes de sedimento, determina su similitud. Distintos análisis de clasificación usando métodos no lineales, como regresión logística o redes neuronales proveen una alternativa al análisis
de función discriminante. Con la idea de mejorar los resultados, a menudo los investigadores utilizan trazadores
8
CAPÍTULO II. SEDIMENT FINGERPRINTING: REVISIÓN DE LA TÉCNICA
adicionales luego de determinar el grupo óptimo de trazadores.
Para dar cuenta de la contribución relativa de las diferentes fuentes de sedimento, en forma general para n
trazadores y m zonas de aporte de sedimento, se busca resolver el siguiente sistema de ecuaciones:

 X 11


 X 21

 .
 ..


Xn1
X 12
···
···
···
···

  
X 1m   P1  Z 1 

  
..  
Z 2 
P2 
. 

 
 
=


..   ..  
 .. 
.
.
. 



   


Pm
Zn
Xnm
(2.1)
donde X i j son las concentraciones promedio del trazador i en la zona de aporte j , con i = 1, 2, . . . , n y j = 1, 2, . . . , m ,
Pj es la contribución relativa de la zona j y Z i es la concentración del trazador i en el sedimento en suspensión. Sin
embargo, las contribuciones relativas Pj deben cumplir siempre las restricciones:
m
X
Pj = 1
(2.2)
0 ≤ Pj ≤ 1
(2.3)
j =1
tal que:
Para resolver este problema, Walling et al. (1993) propuso una ecuación basada en un modelo de mezcla de las
distintas propiedades del sedimento:
 €
Š 
P
B t − ( m Vs t Ps )
s
=1


E=
Bt
t =1
n
X
(2.4)
que cumpla también con las ecuaciones (2.2) y (2.3). En este modelo, E es la suma de cuadrados de los errores
relativos, B t es la concentración del trazador t en la muestra de sedimento del objetivo y Vs t es la concentración
promedio del trazador t en la zona de aporte s. La estimación de las distintas contribuciones de las zonas de aporte
se obtiene a través de la minimización de la ecuación (2.4). Collins et al. (1997) consideró que ciertas características del suelo podrían influir en el cálculo de la contribución de sedimento por lo que modificó la ecuación (2.4),
incluyendo factores adimensionales que dieran cuenta de estas características. Esta ecuación es:
 €
Š 
P
B t − ( m Vs t Ps Q s Os ) 2
s
=1

 Wt
E=
Bt
t =1
n
X
(2.5)
donde Q s y Os son correcciones debido al tamaño de partículas y cantidad de materia orgánica de la fuente de
sedimento s, respectivamente y Wt es una ponderación de acuerdo al poder de discriminación del trazador t.
Collins et al. (2010b) introdujo un factor adimensional a la ecuación (2.5) dando cuenta de la variabilidad de las
2.2. ESTIMACIÓN DEL APORTE RELATIVO DE LAS FUENTES DE SEDIMENTO
9
series de datos de cada trazador. La resolución de estas ecuaciones no es un problema trivial, por lo que muchos investigadores han utilizado métodos de simulación de Monte Carlo para resolverlas (Martínez-Carreras et al., 2008;
Collins et al., 2010a).
Ejemplos de la aplicación exitosa de modelos de mezcla en estudios de sediment fingerprinting son descritos
por Yu y Oldfield (1989), Collins et al. (1997, 2010a,b), Walling et al. (1999); Walling (2005), Minella et al. (2008) y
Mukundan et al. (2010), entre otros.
10
CAPÍTULO II. SEDIMENT FINGERPRINTING: REVISIÓN DE LA TÉCNICA
Capítulo III
Marco Teórico
3.1.
3.1.1.
Propiedades de los suelos
Densidad de las partículas
La densidad de las partículas ρp representa una de las propiedades físicas fundamentales de los suelos. Ésta se
define como la masa de las partículas de suelo divididas por el volumen ocupado por los sólidos, es decir, excluyendo vacíos y agua. Los valores típicos para suelos se encuentran entre 2,5 y 2,8 g cm-3 , siendo 2,65 g cm-3 un valor
representativo de varios tipos de suelo (Skopp, 2000).
3.1.2.
Área de superficie específica
El área de superficie de las partículas individuales es un factor importante en la adsorción de nutrientes o pesticidas, absorción de agua, y propiedades de transporte de suelo. El área de superficie del suelo tiene contribuciones
de partículas primarias, capas amorfas de mineral y materia orgánica, por lo que se considerada una variable demasiado amplia. Una alternativa es el área específica de superficie (SSA), que corresponde al área por cantidad de
masa, SSA m , o por volumen SSA v .
Ciertos modelos son usados para describir cómo el tamaño de las partículas y su geometría influyen en la
superficie específica. Se puede definir:
SSA m =
C2
ρp C 3 L
(3.1)
donde C 2 y C 3 son factores de forma adimensionales relacionados al área y volumen de la geometría de las partículas, respectivamente, y L el largo característico de la partícula de suelo. En el caso de asumirse una geometría
esférica se considera L = d , donde d corresponde al diámetro.
La superficie específica de las arcillas finas puede ser uno o más órdenes de magnitud mayor que el de arcillas
11
12
CAPÍTULO III. MARCO TEÓRICO
más gruesas. En general, la superficie específica está relacionada inversamente con el tamaño de las partículas
(Skopp, 2000).
3.2.
Erosión
La erosión de suelo se refiere a una serie de procesos que llevan al agotamiento de éste y a la exportación
de sedimento hacia áreas aguas abajo. Como definición, la superficie erosionable corresponde a la parte de una
superficie geomórfica formada por la remoción de roca, suelo o sedimento bajo la acción de transporte de agua,
viento, hielo y gravedad (Torri y Borselli, 1999). La escorrentía superficial es el agente principal que actúa sobre las
superficies erosionables.
3.2.1.
Erosión hídrica
La erosión debido al agua se debe principalmente a las gotas de lluvia que caen sobre el suelo, produciendo
dispersión en la superficie de éste, principalmente, y cambios en la morfología (Linsley et al., 1975). La erosión
es mayor cuando el suelo se encuentra seco antes de eventos de tormenta, debido al proceso de slaking1 (Torri y
Borselli, 1999).
La vegetación tiene una influencia directa, e indirecta, en el proceso erosivo. La existencia de hojas muertas,
ramas y raíces en la superficie, disminuyen la energía del impacto de la lluvia, a esto también se le puede agregar
el efecto de escudo debido al dosel arbóreo, que reduce la energía cinética de estas gotas de lluvia que llegan al
suelo, reteniéndolas en las copas de los árboles. Sin embargo, la acumulación de lluvia en las copas produce gotas
de mayor tamaño (3,5 a 4 mm de diámetro) que pueden volver a impactar en el suelo (Brandt, 1989).
El movimiento de masa superficial es importante en la erosión hídrica, ya que es el responsable de la formación
de barrancos durante las tormentas siendo los mayores movimientos de masa, en campos cultivados, debido al
exceso de agua en los perfiles de suelo, inhibiendo las operaciones relacionadas con la agricultura y uso de suelo
por pérdida de accesibilidad y exposición de subsuelo infértil.
Generalmente, el movimiento de masa ocurre cuando el peso del material de la superficie en la ladera excede
la estabilidad de retención. El riesgo de movimiento de masa aumenta con la pérdida de la capa vegetal, debido a
las raíces que retienen la erosión (Torri y Borselli, 1999).
1 Slaking: Fenómeno explosivo de disgregación de partículas, producido por la alta presión de las burbujas de aire que escapan de la masa de
suelo al entrar en contacto con el agua.
3.3. TRANSPORTE DE SEDIMENTOS
3.2.2.
13
Erosión eólica
La erosión eólica sucede cuando la velocidad del viento en la superficie del suelo excede la velocidad requerida
para mover la partícula de suelo menos estable. En suelos minerales, mientras mayor sea la partícula de suelo,
mayor es la velocidad requerida para transportarla, siendo las partículas de menor diámetro, más susceptibles al
transporte debido a la acción del viento. La rugosidad del suelo, erosionabilidad, humedad y residuos de cosecha
son los principales parámetros que determinan la vulnerabilidad del suelo a la erosión eólica (Fryrear, 1999).
Semillas emergentes son sensibles al daño del viento, siendo cada año, miles de hectáreas de cosecha replantadas debido al arrastre por el viento. Cuando la cosecha se encuentra en una etapa madura, puede tolerar este
proceso, protegiendo también el suelo, tal como en la erosión hídrica.
3.3.
Transporte de Sedimentos
Los sedimentos se mueven en un cauce natural como sedimento en suspensión en el flujo, o como carga de
fondo, que se desliza y rueda a lo largo del lecho del canal. Algunas veces, se utiliza también el término saltación,
para definir el movimiento de aquellos sedimentos que parecen rebotar contra el fondo del canal. Estos procesos
no son independientes entre sí, dado que los sedimentos pueden comportarse de cualquiera de las tres maneras a
lo largo proceso del transporte (Linsley et al., 1975).
3.3.1.
Sedimentos en suspensión
Las partículas que se encuentran en suspensión, son de menor tamaño que aquellas que suelen encontrarse en
el lecho, y se mueven a la velocidad del flujo. La velocidad de asentamiento de éstas, está dada por la Ley de Stokes:
vs =
2(ρ g − ρ)g r 2
9µ
(3.2)
donde, ρ g y ρ corresponden a las densidades de la partícula y del fluido en que flota, respectivamente, r es el radio
de la partícula, µ es la viscosidad absoluta del agua y g aceleración de gravedad. La Ley de Stokes es preferentemente aplicable a partículas entre 2 · 10−4 a 0,2 mm de diámetro, supone esfericidad de ellas y considera la viscosidad
como la única fuerza resistente a su decantación (Linsley et al., 1975).
Hay que considerar que el movimiento de las partículas en suspensión puede ser en cualquier dirección y pueden estar afectas a procesos de resuspensión, especialmente en flujos turbulentos donde se producen remolinos
ascendentes.
14
CAPÍTULO III. MARCO TEÓRICO
Figura 3.1: Diferentes formas de transporte de sedimento. Fuente: Rubin y Atkinson (2001)
3.3.2.
Arrastre de fondo
Los sedimentos de fondo son principalmente partículas de mayor tamaño, no cohesivas. El análisis de transporte de sedimento en el fondo del lecho fue descrito inicialmente por duBoys a fines del siglo 19 (Rubin y Atkinson,
2001). En este alcance, el fondo es modelado como una serie de capas deslizándose una sobre otra, con una distribución de velocidad que decrece con la profundidad. Su ecuación está descrita como:
Gi = γ
τ0 (τ0 − τc )
ω
(3.3)
donde G t es la tasa de transporte de fondo por unidad de ancho, γ es un coeficiente que depende del tamaño
de las partículas, ω el peso específico del agua, τ0 es el esfuerzo cortante en el lecho del río, y τc es el esfuerzo
crítico con el cual se inicia el movimiento. La aplicación adecuada de esta ecuación depende del coeficiente γ.
Sin embargo, a través del tiempo han aparecido más ecuaciones relacionadas con el transporte de sedimentos de
fondo, tales como Meyer-Peter-Muller(1948), Einstein(1950), Einstein modificado(1955). El método modificado de
Einstein puede ser usado para estimar la carga de sedimento del lecho o la carga de sedimento que no logra ser
medida, basado en mediciones del sedimento en suspensión (Richardson, 2004).
3.4. TRAZADORES AMBIENTALES
3.4.
15
Trazadores ambientales
3.4.1.
Radionucleidos
3.4.2.
Cesio-137
Cesio-137 (vida media (t m ) = 30,2 a) es producido por fisión nuclear y su presencia en el medio ambiente se
debe principalmente a las pruebas de armas termonucleares desarrolladas en la atmósfera durante 1952 hasta
mediados de la década de 1980. En estas pruebas, 137 Cs (junto a otros radionucleidos producto de fisión nuclear)
circuló globalmente debido a su inyección en la estratósfera (Longmore, 1982; UNSCEAR, 1982, 2000). Cesio-137
migró desde la estratósfera a la tropósfera, depositándose posteriormente sobre la superficie terrestre principalmente relacionado a tasas y patrones de precipitación locales (Ritchie y McHenry, 1990). Los niveles de depósito
de 137 Cs fueron globalmente variables debido a las diferentes cantidades de precipitación, ubicación relativa a los
principales sitios de pruebas, y en menor medida a la posición latitudinal, siendo más altos en latitudes medias
(UNSCEAR, 1982, 2000; Schuller y Ellies, 1992; Schuller et al., 2002a,b; Walling, 2002). Menores cantidades de 137 Cs
fueron emitidas a la atmósfera durante accidentes en plantas nucleares, como el de Chernóbil en 1986 y Fukushima en 2011, lo que resultó en depósitos adicionales de 137 Cs en grandes áreas del hemisferio norte. La distribución
de 137 Cs dentro de Chile, entre las latitudes 27◦ S a 63◦ S, tiene una densidad de actividad superficial que varía entre
200 y 5400 Bq m-2 (año de referencia 1996) y está altamente correlacionada con la precipitación anual media de
los territorios, tendiendo a crecer en latitudes medias (Schuller y Ellies, 1992; Schuller et al., 2002a). De acuerdo a
Schuller et al. (1998) y los análisis γ de suelo superficial hechos en el presente estudio, no ha sido detectado ningún depósito proveniente de los accidentes de Chernóbil y Fukushima, respectivamente en suelos superficiales de
Chile.
El Cs es fuerte y rápidamente adsorbido a sitios de intercambio catiónico en partículas de suelos arcillosos
y orgánicos, mostrando una movilidad limitada debido a procesos químicos, siendo esencialmente no intercambiable (Lomenick y Tamura, 1965; Schultz, 1965; Brisbin et al., 1974). Por consiguiente, el
137 Cs
está típicamente
concentrado en la superficie y muestra un decrecimiento exponencial en profundidad en suelos no disturbados
hasta llegar bajo el límite de detección alrededor de una profundidad de 20 a 25 cm, en suelos arcillosos (Ritchie y
McHenry, 1990; Schuller y Ellies, 1994, 1996; Schuller et al., 1997a,b; Wallbrink et al., 2002; Walling, 2003, 2006). La
concentración máxima de 137 Cs es encontrada ligeramente debajo de la superficie de suelo debido a la cesación de
su depósito desde la década de 1980 y el lento proceso de migración descendente.
3.4.3.
Plomo-210 en exceso
Plomo-210 en exceso, (210 Pbex , t m = 22,2 a) es de origen natural, geogénico, y su depósito desde la atmósfera
puede ser considerado esencialmente constante en el tiempo sobre un lugar específico (Appleby y Oldfield, 1978).
16
El
CAPÍTULO III. MARCO TEÓRICO
210 Pb
es producto del decaimiento natural del
238 U,
(t m = 1622 a). En consecuencia,
226 Ra
d), hijo del
226 Ra
generado in situ en los suelos por el decaimiento del
el
226 Ra.
derivado del decaimiento del gas inerte
y
210 Pb
226 Ra
222 Rn
(t m = 3,8
existen naturalmente en el suelo y rocas. El 210 Pb
es llamado
210 Pb
Sin embargo, la difusión ascendente de pequeñas cantidades de
soportado, y está en equilibrio con
222 Rn,
producido en el suelo y rocas,
introduce 210 Pb en la atmósfera y su consiguiente depósito proporciona un ingreso de este radionucleido sobre los
suelos superficiales y sedimentos, que no se encuentra en equilibro con su padre 226 Ra. Cuando el depósito de 210 Pb
es incorporado a los suelos y sedimentos, se denomina en exceso o 210 Pbex para distinguirlo del 210 Pb producido in
situ por el decaimiento del 226 Ra (Walling, 2006). Plomo-210 en exceso también es fuerte y rápidamente adsorbido
a sitios de intercambio catiónico en partículas de suelo (He y Walling, 1996). En consecuencia, la redistribución del
210 Pb
ex
está asociada a procesos físicos del suelo y transporte de sedimentos.
Figura 3.2: Diagrama del ciclo natural del 210 Pb. Fuente: Oldfield y Appleby (1984)
Cesio-137 y 210 Pbex proporcionan trazadores valiosos para distinguir entre fuentes de sedimento superficiales
y subsuperficiales, y fuentes de sedimento influenciadas por mezcla y perturbación. La mezcla y perturbación del
suelo superficial debido a la labranza y procesos relacionados reducen la actividad superficial por debajo de la
encontrada en la superficie de suelos sin perturbación. Las pequeñas diferencias entre las distribuciones verticales
de 137 Cs y 210 Pbex en suelos no perturbados reflejan, principalmente, los patrones temporales de depósito, es decir,
durante un período limitado cercano a tres décadas para el
continuo para el
210 Pb
ex .
137 Cs,
y, esencialmente, un depósito permanente y
3.4. TRAZADORES AMBIENTALES
3.4.4.
17
Otros Radionucleidos
El Potasio (K) es un constituyente natural del suelo y es el séptimo elemento más abundante de la corteza terrestre (Shultis y Faw, 2002), cuya concentración se incrementa por la utilización de fertilizantes durante el período
de plantación y/o replantación en cuencas forestales. El contenido total de K en el suelo puede ser calculado de la
concentración, obtenida por análisis γ, del radionucleido ambiental 40 K (t m = 1,28·109 ) y tomando en cuenta su
abundancia isotópica natural constante de 0,0117 %.
Radio-226, está presente en todos los suelos y rocas y es un producto natural de la serie de decaimiento del
238 U.
Debido a que el
226 Ra
en las muestras de suelo será medido por espectrometría γ para la estimación de la
actividad de 210 Pb, y la actividad del 40 K estará disponible en todos los espectros γ de las muestras de suelo, ambos
radionucleidos serán incluidos como trazadores en el presente estudio.
3.4.5.
Materia Orgánica
La materia orgánica del suelo (SOM por sus siglas en inglés, Soil Organic Matter) ha sido ocupada para englobar
toda la materia orgánica encontrada en el suelo (Baldock y Nelson, 1999), excluyendo productos en descomposición parcial y biomasa.
A pesar de su baja contribución a la masa total de los suelos minerales, la fracción orgánica puede tener una
gran influencia en las propiedades del suelo y funcionamiento del ecosistema, influyendo en los procesos llevados
a cabo en éste último.
Los contenidos de SOM son díficiles de medir directamente. La mayoría de los métodos miden el contenido de
SOC, multiplicando el resultado por factores de conversión que varían, generalmente, desde 1,724 a 2. El valor de
este factor de conversión es determinado por el contenido de SOC en el SOM, el cual es asumido en un rango del
50 al 58 %, siendo éste último el valor más utilizado a través de los años, debido al trabajo de Sprengel, en 1826,
quien determinó que el ácido húmico contenía 58 % de C, 40 % de O y 2 % H.
3.4.5.1.
Carbono orgánico del suelo
Los factores que determinan la cantidad de SOC es una función del balance entre la tasa de depósito de residuos
de plantas y la tasa de mineralización del residuo de C. Los niveles de SOC tienden a alcanzar valores de equilibrio
determinados por el clima, biota, topografía y tiempo. Durante las fases iniciales del desarrollo del suelo, la falta
de nutrientes disponibles limita la cantidad de SOC que puede ser fijado por los organismos fotosintéticos. El
SOC se acumula lentamente ayudado por mecanismos, que dependen de la composición del suelo, capaces de
estabilizarlo biológicamente contra los procesos de descomposición (Baldock y Nelson, 1999).
18
CAPÍTULO III. MARCO TEÓRICO
3.4.5.2.
Nitrógeno orgánico del suelo
La cantidad total de N es dominada por el Nitrógeno encontrado en las estructuras orgánicas. En suelos con
contenidos significativos de arcilla, capaces de fijar NH+
4 , aproximadamente el 90 % del SON se debe a estructuras orgánicas, así mismo, en suelos con baja capacidad de fijar NH+
4 en arcilla, la fracción orgánica de N es mayor
a 97 %. Se estima que, en general, el SON corresponde al 95 % del total del nitrógeno disponible (Baldock y Nelson, 1999). El cuociente SOC/SON del SOM depende de la vegetación y su grado de descomposición. Materiales
orgánicos que se han descompuesto en biomasa suelen tener cuociente SOC/SON entre 12 y 16.
3.5.
3.5.1.
Análisis estadístico
Test H de Kruskal-Wallis
El test de Kruskal-Wallis es una alternativa no paramétrica, es decir, que no asume una distribución normal de
las series de datos, al análisis de la varianza (ANOVA) entre grupos. Es usado para comparar tres o más grupos, y
prueba la hipótesis nula que las diferentes muestras en la comparación fueron extraídas de la misma distribución
o desde distribuciones con la misma mediana.
El test de Kruskal-Wallis es un procedimiento que utiliza los rangos de las observaciones, a diferencia del test
ANOVA que se basa en el uso de la media. El test está basado en la siguiente ecuación:
Hc a l c
12
=
N (N + 1)
k
X
R2
i
i =1
nl
!
− 3(N + 1)
(3.4)
donde R i es la suma de los rangos del grupo i , n l es el número de muestras del grupo i , N es la suma de todos los
n l y k es el número de grupos.
Bajo la hipótesis nula, el estadístico H posee una distribución χ 2 con (k − 1) grados de libertad en grandes
muestras. Luego la hipótesis nula se rechaza si H > χk2=1,1−α , siendo α el nivel de significancia (Jobson, 1991).
3.5.2.
Análisis de función discriminante
El análisis de función discriminante, o simplemente análisis discriminante, es una técnica de clasificación desarrollada por R.A. Fisher en 1936 para describir características específicas en la distinción de grupos y clasificación
de casos dentro de grupos pre-existentes. El objetivo matemático del análisis discriminante es ponderar y combinar linealmente la información de p variables dependientes, a través de funciones discriminantes y de clasificación, de tal forma que los k grupos a los que pertenecen sean tan distintos como sea posible.
3.5. ANÁLISIS ESTADÍSTICO
19
Antes de realizar el análisis discriminante se debe tener en cuenta que el set de datos debe contener dos o
más grupos diferentes. Los grupos pueden ser construidos en la base de características demográficas, atributos
personales, variables climáticas, etc. Estas variables deben ser escogidas de tal forma que representen dimensiones
en los cuales los grupos se espera que difieran. La literatura sugiere que se eviten tamaños de muestras demasiado
grandes debido a que los test estadísticos son susceptibles a producir resultados estadísticamente significativos
para diferencias triviales, es decir, mientras más grande sea el tamaño de la muestra la variabilidad disminuye
(Brown y Tinsley, 1983).
El análisis discriminante calcula ponderaciones matemáticas, llamadas coeficientes discriminantes, sobre cada
una de las variables discriminatorias de acuerdo a cuales de éstas establecen mayor diferencia entre los grupos.
Éstos coeficientes son usados en combinaciones lineales de las variables discriminantes, denominadas funciones
discriminantes. Cada una de estas funciones tienen la forma general:
D = a + b 1x 1 + b 2x 2 + · · · + b p x p
(3.5)
donde D es la puntuación discriminante, a es el intercepto en el eje Y de la línea de regresión, b i es el coeficiente
de la función discriminante, x es el valor bruto de las variables discriminantes, y p corresponde a la cantidad de
variables. El intercepto en el eje Y es una constante que ajusta la función para dar cuenta de la diferencia de escalas
que pueden presentar los valores brutos de las variables discriminantes. Un puntaje discriminante es calculado
para las funciones, en cada uno de los casos del total de muestras, el cual es usado para asignarlos a un determinado
grupo de clasificación. La primera función generada en un análisis discriminante representa la proporción más
grande de diferencia entre los grupos, decreciendo en orden de representación de diferencia para el resto de las
funciones.
Los centroides de grupo representan el puntaje discriminante promedio de los miembros de un grupo en una
función discriminante dada. Para propósitos de clasificación y predicción, la puntuación discriminante de cada
grupo es comparada con su respectivo centroide. Cuanto más cerca se encuentren mayor es la probabilidad que el
caso pertenezca a ese grupo (Brown y Wicker, 2000).
El Lambda de Wilks, que representa el cuociente entre la variabilidad dentro de los grupos con respecto a la
variabilidad total de las variables discriminantes, es una medida inversa de la importancia de las funciones (Betz,
1987). Valores cercanos a 1 indican que casi toda la variabilidad en las variables discriminantes corresponde a la
diferencia dentro de los grupos, mientras que valores cercanos a 0 indican que la variabilidad se debe a la diferencia
entre grupos.
Una posibilidad de llevar a cabo el análisis discriminante es ejecutarlo paso a paso (stepwise analysis). En este
caso, las variables son añadidas a las funciones discriminantes una a una hasta que se determina que añadir va-
20
CAPÍTULO III. MARCO TEÓRICO
riables adicionales no entrega significativamente una mejor discriminación, es decir, no disminuye el lambda de
Wilks (Manly, 2005).
3.6.
3.6.1.
Simulaciones
Método de Monte Carlo
La técnica de Monte Carlo fue desarrollada por Von Neumann, Ulam y Metropolis al final de la segunda guerra
mundial, ejecutando la primera simulación a gran escala en 1953, en el laboratorio de Los Alamos, Nuevo México.
Esta técnica reemplaza, básicamente, un problema determinístico por un enfoque probabilístico, o estocástico,
tratando de encontrar una solución a través de simulaciones por computador, llamados también experimentos,
utilizando números aleatorios. Por ello, se deben esperar resultados distintos cada vez que se ejecute.
El nombre Monte Carlo se debe a la analogía de que estos números podían ser generados aleatoriamente, tal
como en la ruleta del Casino de Monte Carlo, Mónaco.
3.6.2.
Variable Aleatoria
Una función de valores reales, X , definida sobre un espacio de muestreo de un experimento, es llamado una
variable aleatoria. Si Y es también una función de valores reales definido sobre el mismo espacio de muestreo,
entonces tenemos (X , Y ) como una variable aleatoria bidimensional.
Si X tiene valores x 1 , x 2 , . . . , x n entonces se define como una variable aleatoria discreta. En cambio, si X puede
tomar todos los valores dentro de un intervalo (a ,b ) entonces se define como una variable aleatoria continua.
Capítulo IV
Diseño de la investigación y metodología
4.1.
4.1.1.
Selección del área de estudio
Características generales
Se aplicó la técnica de sediment fingerprinting a dos cuencas pareadas dentro del predio Los Ulmos (40◦ 02’ S,
73◦ 06’ W), perteneciente a la Universidad Austral de Chile aproximadamente a 30 km al sureste de la ciudad de
Valdivia. Ambas cuencas tienen uso forestal. La cuenca Los Ulmos Control (LUC) permaneció inalterada durante
la duración completa del estudio, y la cuenca Los Ulmos Tratamiento (LUT) fue sometida a dos cosechas forestales
a tala rasa. La primera ocurrió entre el 23 y 30 de noviembre de 2009 y se cosechó el 15 % de la superficie de la
cuenca, mientras que el 85 % restante fue cosechado entre el 1 y 15 de abril del año 2010. Ésta última cosecha fue
considerada para dividir el período de estudio de LUT en: LUT pre-cosecha y LUT post-cosecha. Las características
generales, período de cosecha y períodos de estudios de las cuencas se presentan en la tabla 4.1.
Tabla 4.1: Características, período de cosecha y períodos de observación de las cuencas en estudio. Fuente: Palacios (2011) y
Elaboración propia.
Cuencas
Características
Los Ulmos Control
Precipitación anual (mm)
Área (ha)
Altitud media (msnm)
Pendiente media ( %)
Pendiente media del cauce ( %)
Longitud cauce principal (km)
Período de cosecha
Período de estudio
Pre-cosecha
Post-cosecha
Los Ulmos Tratamiento
2500
19,8
7,6
192
198
18
25
10
28
0,53
0,18
01/04/2010 - 15/04/2010
01/10/2009 - 20/06/2011
10/09/2009 - 19/03/2010
19/03/2010 - 20/06/2011
21
22
CAPÍTULO IV. DISEÑO DE LA INVESTIGACIÓN Y METODOLOGÍA
LUC tiene 7,3 ha cubiertas por Eucalyptus nitens y 3,7 ha cubiertas por Pinus Radiata plantados en el 2000. El
81 % de la superficie de LUT estuvo cubierta por Eucalyptus nitens, establecidos en 1997. Los cauces se encuentran
en barrancos producidos por la acción erosiva del agua a través del tiempo.
Figura 4.1: Ubicación referencial del predio Los Ulmos y las cuencas en estudio. Fuente: Elaboración propia
4.1.2.
Características climáticas
El área de estudio posee un clima mediterráneo templado lluvioso (Fuenzalida, 1971), donde existe precipitación anual entre 1800 y 3100 mm, con un promedio de 2500 mm, con niveles máximos entre marzo y septiembre.
La precipitación es de origen orográfico debido a la cercanía del sector con la Cordillera de la Costa y los vientos
que la producen provienen de Norte y Oeste (Huber, 1970). La temperatura media anual es de 12,4 ◦ C.
4.2.
Determinación de las potenciales fuentes de sedimento
En ambas cuencas se escogieron tres zonas homogéneas como potenciales fuentes de sedimento. Las zonas
definidas son:
Laderas forestadas (Z1)
Caminos forestales (Z2)
4.3. ELECCIÓN DE TRAZADORES
23
Lecho y orilla de la red de drenaje (Z3)
En la salida de cada cuenca se construyó un vertedero triangular de pared delgada tipo Thompson, de hormigón
armado, con la finalidad de recolectar el sedimento transportado desde las potenciales zona de aporte, y servir de
apoyo para mediciones hidrológicas. Esta construcción tiene 3 m de largo, 1,5 m de ancho y 1,5 m de alto con una
escotadura de 60◦ , cuyo vértice está ubicado a 50 cm sobre el nivel del suelo (Huber et al., 2010). Cada vertedero
tiene cuatro tapas desmontables en la parte baja del frente que sirven para desaguarlos.
4.3.
Elección de trazadores
Para este estudio se seleccionaron trazadores ambientales acordes a los cambios que sufre el uso del suelo
en ambas cuencas. Para dar cuenta de la erosión superficial se utilizaron los radionucleidos de depósito 210 Pbex y
137 Cs,
y radionucleidos intrínsecos de la composición del suelo 226 Ra y 40 K, cuyas principales características físicas
se encuentran resumidas en la tabla 4.2. El 7 Be no fue considerado como trazador debido a su corta vida media.
Debido al ciclo que sufre la materia orgánica en cuencas destinadas a operaciones forestales se utilizaron también,
como trazadores, SOC y SON.
Tabla 4.2: Características físicas de los radionucleidos naturales utilizados. Fuente: Elaboración propia basada en Debertin y
Helmer (1988).
Radionucleido
210 Pb
ex
226 Ra
137 Cs
40 K
4.4.
tm
(años)
22,22
1600
30,17
1, 28 · 109
Energía de emisión
(keV)
46,5
351,9
661,7
1460,8
Probabilidad de emisión
0,0406
0,3510
0,8510
0,1067
Medición de caudal
El procedimiento de medición de caudales y escorrentía está basado en la metodología descrita por Huber et al.
(2010). La medición de los caudales se hizo a través de los equipos instalados en la estación fluviométrica instalada
en cada vertedero para determinar la variación temporal del caudal de cada afluente. Los equipos fueron construidos en la Universidad Austral de Chile, y funcionan bajo el principio del flotador con una precisión de 2 mm.
Cada vertedero fue calibrado a través de aforos periódicos, en terreno, para obtener la curva de aforo (ecuación
polinómica de tercer grado, r2 =0,999, p<0,001). La frecuencia de registro fue cada 180 s.
24
CAPÍTULO IV. DISEÑO DE LA INVESTIGACIÓN Y METODOLOGÍA
4.5.
Medición de carga de sedimento
Para determinar la cantidad de sedimentos en suspensión que pasó por cada vertedero se construyó una estructura rectangular flotante de 50 cm de largo y 30 cm de ancho, con tubos de PVC de 50 mm de diámetro, fijada
a través de varillas a las paredes laterales del vertedero. En el centro de la estructura, se fijó una bomba eléctrica
de 12 V, cuya bocatoma permaneció constantemente sumergida a 5 cm de profundidad. Para obtener muestras
homogéneas, integradas y representativas de agua de los efluentes, la bomba movilizaba un volumen que siempre
estaba en relación directa al caudal del efluente en el momento de la extracción.
El agua de cuatro muestras diarias y para un período aproximado de siete días se almacenó en un recipiente. A
esta agua se le determinó la concentración de sedimentos, utilizando un sistema de filtración con bomba de vacío
a través de filtros de fibra de vidrio secados a 60 ◦ C durante 48 horas. Este valor se multiplicó por el caudal del
período correspondiente para establecer la carga de sedimentos en suspensión que fue evacuada por el efluente
(Huber et al., 2010).
Para determinar la cantidad de sedimento acumulado en el fondo de los vertederos se realizó periódicamente
una medición de la altura de la capa de sedimento acumulado. Para ello se determinó el volumen midiendo la
altura en 9 puntos, distribuidos en la superficie del fondo del vertedero, en una grilla de 3 x 3 puntos separados por
50 cm. Este valor se multiplicó por la densidad del sedimento para determinar la masa de sedimento acumulado y
se dividió por la superficie de las cuencas respectivas para obtener el valor en kg ha-1 .
4.6.
4.6.1.
Recolección de muestras
Fuentes de sedimento
Para la recolección de muestras desde las zonas de aporte de sedimento fino se determinaron puntos de muestreo, con conectividad hídrica con el vertedero, distribuidos espacialmente para lograr una buena representación
dentro de cada zona. Para facilitar la localización de los puntos de muestreo, éstos fueron georeferenciados a través
de grillas bidimensionales en dirección vertical y horizontal en cada cuenca. Los ejes de la grilla están separados
50 m, aproximadamente, entre sí (ver Apéndice A). Los puntos de muestreo fueron rotulados según su ubicación
dentro de las grillas.
Una vez definidos los puntos de recolección de muestras, éstos fueron ubicados por su rotulación utilizando
un mapa y equipos GPS. La recolección de muestras de cada zona fue realizada en fechas representativas de cada
período de estudio en las cuencas correspondientes (ver tabla 4.3). Las muestras de Z1 y Z2 fueron recolectadas de
la capa superficial de suelo, hasta 1 cm de profundidad, preferentemente de puntos que visualmente evidenciaran
erosión y transporte de sedimento, utilizando espátulas metálicas. Se llenaron bolsas rotuladas, con los códigos de
4.6. RECOLECCIÓN DE MUESTRAS
25
los respectivos puntos de muestreo, con aproximadamente 1,5 kg de suelo. Cada muestra de material de las zonas
está compuesta de sub-muestras recolectadas en puntos dispersos cercanos para aumentar la representatividad.
En Z3 se recolectó material desde el lecho y orilla, usando una pala metálica y recipientes plásticos para contener
el agua presente en cada muestra. La cantidad total de muestras recolectadas desde las distintas zonas de aporte
en cada período de estudio durante las distintas campañas de muestreo se resumen también en la tabla 4.3.
Tabla 4.3: Fechas de campaña de recolección y cantidad de muestras recolectadas desde las fuentes de sedimento en LUC,
LUT pre-cosecha y LUT post-cosecha. Fuente: Elaboración propia.
Campañas de muestreo
Muestras
recolectadas
Cuenca
LUC
LUT pre-cosecha
LUT post-cosecha
4.6.2.
desde
13/07/2009
08/07/2009
28/07/2010
03/05/2011
hasta
14/07/2009
08/07/2009
29/07/2010
03/05/2011
Z1
33
10
9
10
Z2
7
5
13
11
Z3
12
6
10
10
Vertederos
El sedimento fino en suspensión proveniente desde las zonas de aporte se recolectó en los vertederos respectivos a través de dos trampas colectoras de sedimento, en forma de lápiz, basadas en el diseño reportado por Phillips
et al. (2000) (ver figura 4.2), con fijaciones ancladas al fondo de cada vertedero y dos abrazaderas para mantenerlos
inmóviles y paralelos al fondo del vertedero. Estas trampas colectoras permitieron una recolección permanente,
y sin supervisión, de muestras integradas en el tiempo. Estas muestras integradas tienen buena representatividad
del sedimento transportado en períodos largos de tiempo. Cuando las partículas en suspensión entran a los colectores, a través de la abertura de 4 mm de diámetro, sufren una disminución de velocidad drástica y, por lo tanto,
decantan al fondo del interior de los tubos colectores. Las partículas de sedimento de mayor diámetro, que no son
atrapadas por los colectores y no logran mantenerse en suspensión, quedan depositadas por decantación en el
fondo del vertedero junto al material de arrastre proveniente de Z3, o sobre la superficie de las trampas colectoras
de sedimento.
La recolección de muestras desde ambos vertederos se realizó aproximadamente una vez al mes de acuerdo a
las fechas en la tabla 4.4. En cada fecha de recolección, se vació por completo el agua embalsada en los vertederos
y se recolectó el contenido de las trampas colectoras de sedimento en bidones. El sedimento recolectado de las
trampas se complementó con muestras de sedimento decantado en el fondo del vertedero. El sedimento del fondo
del vertedero se recogió con una pala y se guardó en recipientes plásticos de 1 L.
Al terminar cada procedimiento de recolección se hizo una limpieza del vertedero para evitar la remanencia de
residuos de sedimento que puedan interferir con la siguiente recolección de muestras.
26
CAPÍTULO IV. DISEÑO DE LA INVESTIGACIÓN Y METODOLOGÍA
Figura 4.2: Colectores de sedimento fino en suspensión tipo Phillips instalados en los vertederos de LUC y LUT. Fuente:
Phillips et al. (2000)
Tabla 4.4: Fechas de recolección de muestras de sedimento en suspensión y de fondo en los vertederos de Los Ulmos Control y
Tratamiento. Fuente: Elaboración propia.
LUC
N◦ muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Fecha de recolección
30/10/2009
03/12/2009
30/12/2009
15/01/2010
09/02/2010
19/03/2010
09/06/2010
29/07/2010
01/09/2010
01/10/2010
24/11/2010
21/12/2010
10/03/2011
11/04/2011
20/05/2011
20/06/2011
4.7.
Trabajo de laboratorio
4.7.1.
Preparación de muestras
LUT pre-cosecha
LUT post-cosecha
N◦ muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Fecha de recolección
01/10/2009
30/10/2009
03/12/2009
30/12/2009
15/01/2010
09/02/2010
19/03/2010
15/04/2010
13/05/2010
09/06/2010
29/07/2010
01/09/2010
01/10/2010
24/11/2010
12/01/2011
10/03/2011
11/04/2011
20/05/2011
20/06/2011
Las muestras recolectadas fueron llevadas al laboratorio de Radioecología de la Universidad Austral de Chile.
Las muestras de sedimento recolectado de las trampas colectoras de sedimento fueron concentradas a través de
un proceso de filtrado al vacío usando filtros de fibra de vidrio MFS Advantec GC50, con un tamaño de poros de 1,2
µm. Las muestras de las zonas de aporte y del vertedero se depositaron en bandejas debidamente rotuladas y fueron secadas a temperatura ambiente, en primera instancia, para posteriormente ser secadas en horno a 40◦ C. Las
muestras fueron disgregadas con un rodillo y consecutivamente tamizadas a 63 µm para minimizar los efectos de
la distribución de tamaño de partículas y hacer comparables las muestras de las zonas de aporte con las muestras
4.7. TRABAJO DE LABORATORIO
27
de vertedero. El material tamizado de 63 µm se utilizó para llenar una placa Petri de 80 ml por muestra, la que fue
envuelta con termoplástico transparente (Parafilm) para evitar pérdida de suelo, y sellada herméticamente durante
21 días para asegurar el equilibrio entre 226 Ra y su hijo 214 Pb. La placa Petri fue rotulada en su tapa con el nombre
de la muestra correspondiente, fecha de recolección, fecha de sellado y masa en gramos. Una vez transcurrido este
tiempo las muestras se encontraron listas para ser analizadas.
4.7.2.
Análisis de actividad
R
Las muestras fueron analizadas en un equipo de espectrometría γ Ortec
, que consiste en un detector de
germanio híper-puro (HPGe) de alta resolución con 53 % de eficiencia relativa (con respecto a un detector de NaI),
una protección envolvente de plomo de 10 cm de espesor, para atenuar las emisiones de fotones desde fuentes
externas al detector, y un criostato a temperatura de N líquido para enfriar el detector y minimizar la excitación por
energía térmica (Krishnappan et al., 2009). La calibración de eficiencia del equipo de espectrometría γ se efectuó a
través de muestras de suelo estandarizadas preparadas con cantidades conocidas de soluciones de referencia1 de
R
la empresa Eckert & Ziegler
.
El instrumento opera sobre el principio que los radionucleidos presentes en las muestras de suelo emiten fotones con energías conocidas. El Ge del detector interactúa con estos fotones y recibe las señales correspondientes
a estas energías, las cuales son dirigidas hacia un analizador multicanal que grafica el conteo de señales versus las
energías de emisión de los radionucleidos. El software Maestro32 recibe esta información y la convierte a Bq. Maestro32 fue programado para que destaque las regiones de conteo para las energías de emisión de 210 Pb, 226 Ra, 137 Cs,
y
40 K.
Todas las muestras fueron analizadas durante un tiempo de conteo mayor o igual a 72000 s para obtener
resultados con precisión cercana al 10 % y un nivel de confianza de 95 %.
La actividad del 226 Ra fue obtenida de la medición de la actividad de su hijo, de corta vida media, 214 Pb a través
de su emisión de 351,9 keV. Las concentraciones de
de
210 Pb
y
226 Ra
210 Pb
ex
fueron calculadas de la diferencia entre la actividad
(Joshi, 1987), sin utilizar un factor de reducción para éste último. Este factor está basado en la
razón promedio de las concentraciones medidas de 210 Pb y 226 Ra en muestras recolectadas, especialmente para ese
propósito, de la parte baja de perfiles de suelo donde se asume que el 210 Pbex está ausente (Graustein y Turekian,
1986; Wallbrink y Murray, 1996; Porto y Walling, 2012).
4.7.3.
Análisis de elementos orgánicos
El análisis de las concentraciones de SOC y SON fue efectuado en el Laboratorio de Nutrición y Suelos Forestales
de la Universidad Austral de Chile. Para ello se envió 12 g de cada muestra de suelo, tamizada a 63 µm.
La medición de SOC en la fracción <63 µm se realizó a través de oxidación de materia orgánica en una solución
1 Tipo
QCYB400 para el rango de energías entre 46-122 keV y tipo QCYB410 para el rango de energías entre 122-1836 keV.
28
CAPÍTULO IV. DISEÑO DE LA INVESTIGACIÓN Y METODOLOGÍA
de dicromato de sodio (Na2 Cr2 O7 ) y ácido sulfúrico (H2 SO4 ). Luego de un lapso de 24 horas, se evalúa la reducción
de cromato midiendo la absorbancia del sobrenadante con un espectrofotómetro a una longitud de onda de 600
nm. El resultado se expresa en porcentaje (Sadzawka et al., 2006).
El análisis de SON se lleva a cabo por el procedimiento de digestión Kjeldahl. Se usa una muestra de 0,2 a 0,5 g y
se digiere con ácido sulfúrico, ácido salicílico y diversos catalizadores. El digerido se alcaliniza y el amoníaco (NH3 )
formado se destila por arrastre de vapor y éste se atrapa en ácido bórico. A continuación se calcula su concentración
porcentaje de acuerdo a la muestra seca inicial (Sadzawka et al., 2006).
4.8.
Corrección por tamaño de partículas
Estudios previos han aplicado una variedad de técnicas para dar cuenta de la influencia de la distribución del
tamaño de partículas en la concentración de los radionucleidos y contenido orgánico en los suelos (Wallbrink y
Murray, 1996; Collins et al., 1998; Walling et al., 1999; Gruszowski et al., 2003). La concentración de radionucleidos
de depósito y contenido orgánico en los suelos suele aumentar con mayor proporción de partículas finas (He y
Walling, 1996; Ritchie y McHenry, 1990). Mientras mayor sea el porcentaje de partículas finas en una muestra de
suelo, mayor será su área de superficie específica, o SSA (m2 g-1 ). Debido a la selectiva movilización de sedimentos
finos desde las zonas fuente hacia la salida de la cuenca se espera que las partículas que llegan al vertedero sean
más finas que aquellas encontradas en las zonas de aporte, por lo tanto, presenten mayor SSA (m2 g-1 ) y mayores
concentraciones de radionucleidos de depósito y contenido orgánico. La relación entre el SSA y la concentración de
partículas en cada zona, incluido el vertedero, fue explorado a través de la introducción de un factor de corrección
por tamaño de partículas definido como:
Qs =
SSA m e d
SSA s
(4.1)
donde Q s es la corrección por tamaño de partículas para la zona de aporte s , SSA m e d es la mediana de la SSA de
muestras representativas de Z1, Z2, Z3 y vertedero, y SSA s es la SSA de la muestra representativa de la zona de aporte
s . El SSA se obtuvo de la fracción de partículas <63 µm asumiendo partículas esféricas. El análisis de distribución
de tamaño de partículas fue realizado en la Universidad de Exeter, Reino Unido y en el Departamento de Suelo y
Agua, Estación Experimental de Aula Dei, Consejo Superior de Investigaciones Científicas, Zaragoza, España.
4.9.
4.9.1.
Cálculo del aporte relativo de las zonas de aporte
Análisis estadístico
Se procedió a través del procedimiento estadístico de dos etapas propuesto por Collins et al. (1997), para confirmar la discriminación de las concentraciones de los trazadores en las potenciales fuentes de sedimento dentro
4.9. CÁLCULO DEL APORTE RELATIVO DE LAS ZONAS DE APORTE
29
ambas cuencas en estudio. Sin embargo, previamente se escogieron solamente aquellos trazadores en los cuales la
serie de datos de muestras de vertedero se encuentra dentro del rango de las series de datos de Z1, Z2 y Z3.
La primera etapa consistió en aplicar el test H no paramétrico de Kruskal-Wallis con un nivel de significancia bajo 5 % sobre cada uno de los trazadores utilizados, para determinar si son capaces de discriminar entre las
concentraciones de Z1, Z2 y Z3. El valor de H obtenido sugiere si existe discriminación mediante la comparación
de medianas de las correspondientes series de datos. Los trazadores que lograron discriminar bajo una significancia del 5 % fueron elegidos para la segunda etapa, mientras que aquellos que no cumplieron esa condición fueron
descartados.
La segunda etapa consistió en aplicar el análisis de función discriminante para identificar la combinación óptima de trazadores en cada período de estudio de ambas cuencas, de tal forma que clasifiquen correctamente la
mayor cantidad de muestras de cada una de las zonas de aporte de sedimento.
4.9.2.
Ecuación del modelo de mezcla
Para determinar el aporte relativo porcentual de cada una de las zonas de aporte de sedimento a la carga total
de éste en la salida de la cuenca, se minimizó la ecuación de modelo de mezcla propuesto por Walling (2005), para
n trazadores y m fuentes de sedimento:
Re s =
Pm
Œ2
n ‚
X
C i − ( s =1 S s i Ps Q s )
Ci
i =1
(4.2)
donde R e s es la suma de cuadrados de los errores relativos, C i es la concentración del trazador i en la muestra de
sedimento recogida en el vertedero, S s i es la concentración media del trazador i , en el rango del error estándar de la
media, en la zona de aporte s , Ps es la contribución relativa de la zona de aporte s y Q s es la corrección por tamaño
de partículas de la zona de aporte s . Este modelo de mezcla difiere de la ecuación (2.5), ya que al utilizar trazadores
orgánicos, no se hicieron correcciones por relación de materia orgánica entre las muestras de las distintas fuentes
de sedimento y las muestras recolectadas en el vertedero.
La ecuación del modelo de mezcla está basado en la suma de cuadrados de los errores relativos, y en la suposición de que el grupo de trazadores óptimos representan el producto de las correspondientes concentraciones en
las zonas de aporte originales por las contribuciones relativas de cada una de ellas (Collins et al., 2010c). Por ello es
necesario asegurar que las contribuciones sean positivas y sumen 1, de acuerdo a las siguientes restricciones:
Pm
s =1 Ps
=1
y
0 ≤ Ps ≤ 1
El modelo de mezcla se aplicó para cada una de las muestras recogidas en los vertederos durante la duración
de los períodos de estudio de cada cuenca. Sin embargo, la estimación del aporte relativo desde Z1, Z2 y Z3, en un
30
CAPÍTULO IV. DISEÑO DE LA INVESTIGACIÓN Y METODOLOGÍA
período completo de estudio, se obtuvo a través de un promedio ponderado considerando las diferentes cargas de
sedimento en cada fecha de muestreo. El aporte relativo por período de estudio se calcula a través de la ecuación:
Ps w =
n
X
Ps x (
x =1
Lx
)
Lt
(4.3)
donde Ps w es la contribución ponderada por carga de sedimento para la zona de aporte s , L x (kg ha-1 ) es la carga
de sedimento correspondiente a la muestra de sedimento del vertedero del período x , L t (kg ha-1 ) es la carga de
sedimento total del período y Ps x es la contribución relativa desde la zona de aporte s para la muestra del período
x de sedimento del vertedero (Walling, 2005). La ecuación (4.3) provee una estimación más realista que el promedio
de los aportes relativos por cada muestra de vertedero, debido a que algunas muestras pueden representar ciclos
con bajos índices de sedimentación.
4.9.3.
SedMC
La minimización de la ecuación (4.2) fue realizada a través de métodos de simulación de Monte Carlo. Para ello
R
se desarrolló el software SedMC (Sediment Monte Carlo) en MATLAB
7.
A continuación, se ilustra el funcionamiento del software utilizando, a modo de ejemplo, los valores que aparecen en la figura 4.3:
2 trazadores (Fingerprint properties), 3 zonas de aporte (Sediment sources), y 1 muestra de vertedero (Catchment outlet samples).
Valores promedio ± error estándar de la media de la concentración másica del primer trazador en cada una
de las 3 zonas de aporte: 7,97±0,65; 2,51±0,73 y 7,91±0,37.
Valores promedio ± error estándar de la media de la concentración másica del segundo trazador en cada una
de las 3 zonas de aporte: 74,47±5,50; 21,88±6,97 y 22,80±2,56.
Valor de la concentración másica del primer y segundo trazador en la muestra de vertedero 8,26 y 28,52,
respectivamente.
500000 iteraciones y un rango de error aceptable de 5 %.
Para utilizar el software, se deben ingresar la cantidad de trazadores, de zonas de aporte y muestras de sedimento de vertedero que se desean usar para resolver la ecuación del modelo de mezcla, en el recuadro Create tables. El
botón (Re)Generate Tables genera tablas de ingreso de datos de acuerdo a los datos ingresados en el recuadro Create
tables. Posteriormente, se ingresan los valores de las concentraciones promedio de cada trazador en las zonas de
aporte en la tabla Fingerprint(s) mean concentration by sediment source, los errores estándar de los promedios en
la tabla Fingerprint(s) Mean Standard Error y las concentraciones de los trazadores en cada muestra de sedimento
4.10. VERIFICACIÓN DE RESULTADOS DEL MODELO DE MEZCLA
31
de vertedero en la tabla Catchment outlet fingerprint(s) concentration. El siguiente paso es ingresar la cantidad de
iteraciones (simulaciones) y el rango de error aceptable para el resultado.
Figura 4.3: Captura de pantalla del software SedMC. En la tabla inferior izquierda se encuentran los resultados de las
contribuciones relativas. En la tabla inferior derecha aparecen los intervalos de confianza al 95 % de los aportes relativos
calculados. Fuente: Elaboración propia.
Al presionar el botón Calculate, el software genera tantos valores de contribuciones relativas como iteraciones
ingresó el usuario. Al terminar la primera serie de iteraciones se obtiene el valor mínimo (minval) encontrado para
la ecuación del modelo de mezcla para la muestra de sedimento de vertedero. En la segunda serie de iteraciones se
vuelve a generar valores aleatorios para las contribuciones relativas de las zonas de aporte. Sin embargo, durante
la segunda serie de iteraciones se guardan todas aquellas combinaciones que cumplan con la condición de que el
valor obtenido en el modelo de mezcla sea igual o menor que minval más el rango de error aceptable ingresado
inicialmente. Finalmente, el software entrega en la tabla Mean Relative contributions per zone el valor promedio,
en cada zona de aporte, de todas aquellas combinaciones de aporte relativo que cumplieron dicha condición. En
la tabla 95 % Confidence Interval, el software entrega el intervalo de confianza al 95 % de estos promedios. En nuestro ejemplo los resultados de los aportes relativos son: 0,1175±0,0164; 0,0075±0,0029 y 0,8750±0,0165. El código
completo del software SedMC se encuentra en el Apéndice B.
4.10.
Verificación de resultados del modelo de mezcla
Para validar los resultados de la minimización del modelo de mezcla, es necesario comparar las concentraciones de cada trazador óptimo utilizado, medidas en laboratorio en las muestras de sedimento del vertedero con
32
CAPÍTULO IV. DISEÑO DE LA INVESTIGACIÓN Y METODOLOGÍA
aquellas estimadas de la ecuación:
Cestj =
3
X
S i j · Pi j
(4.4)
i =1
donde C e s t j es la concentración estimada del trazador j en la muestra de sedimento del vertedero, S i j y Pi j representan la concentración promedio y contribución relativa, respectivamente, de la zona de aporte i , para cada
trazador j , estimadas a partir del modelo de mezcla.
Capítulo V
Presentación y discusión de resultados
5.1.
5.1.1.
Respuesta hidrológica de las zonas de estudio
Precipitación y escorrentía
El registro de precipitaciones y las escorrentías medidas en ambas cuencas, desde el 1 de septiembre de 2009
hasta el 30 de junio de 2011, están representadas en la figura 5.1. Durante este período hubo una precipitación
promedio mensual de 168,33 mm y una precipitación acumulada total de 3691 mm. El máximo registro diario
individual de precipitación fue de 96 mm a finales del mes de abril de 2011, sin embargo LUC y LUT no presentaron
un aumento significativo en su escorrentía debido a este evento.
Figura 5.1: Precipitación y escorrentía diaria observadas en el período de estudio en las cuencas LUC y LUT. Fuente:
Elaboración propia.
33
34
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
El período de mayor escorrentía en ambas cuencas ocurrió durante agosto y septiembre de 2010 consecuencia
de las constantes precipitaciones ocurridas desde finales de mayo a septiembre del mismo año, principalmente
durante las tormentas de 383 mm registradas desde el 16 al 31 de agosto de 2010. Los máximos registros diarios de
caudal y escorrentía en LUC fueron de 77 l s-1 y 34 mm, respectivamente, mientras que en LUT fueron de 24 l s-1 y
28 mm. Ambos máximos fueron registrados el 26 de agosto de 2010, para una precipitación de 62 mm.
Figura 5.2: Comparación de escorrentía diaria acumulada en LUC y LUT. La bisectriz 1:1 está representada por la línea
punteada. La acumulación de puntos de color verde indica la primera cosecha forestal en noviembre de 2009 y la cosecha
forestal principal en abril de 2010. Fuente: Elaboración propia
La figura 5.2 presenta la comparación de la escorrentía diaria acumulada, desde 1 de septiembre de 2009 hasta
30 de junio de 2011, entre LUC y LUT. El comportamiento de ambas cuencas en estudio fue similar hasta inicios
de diciembre de 2009, donde la cuenca tratamiento acumuló 538 mm y la cuenca control 512 mm, representando
solo un 5 % más de acumulación en LUT que en LUC. Sin embargo, en el período sucesivo hasta el comienzo de
la segunda cosecha a tala rasa, 1 de abril de 2010, existió un aumento considerable de la escorrentía de LUT con
respecto a LUC debido a la cosecha parcial ejecutada sobre la primera a fines de noviembre de 2009, reflejándose
en una pendiente mayor, donde la primera logró acumular 814 mm y la segunda 702 mm lo que corresponde a un
16 % de acumulación adicional de la cuenca de tratamiento con respecto a la cuenca de control. Durante y después
de la segunda cosecha forestal la pendiente de acumulación de LUT sobre LUC disminuyó manteniendo, sin embargo, una tasa de escorrentía constante levemente mayor a la de la cuenca control hasta el final del período. Este
aumento en la escorrentía de LUT se debe a la considerable pérdida de su cobertura vegetal y movimiento de tierra
ejecutado por maquinaria forestal durante la cosecha. La escorrentía acumulada total, desde el 1 de septiembre de
2009 al 30 de junio de 2011, en LUC y LUT fue de 2225 mm y 2518 mm, respectivamente.
5.1. RESPUESTA HIDROLÓGICA DE LAS ZONAS DE ESTUDIO
5.1.2.
35
Carga de sedimento
La figura 5.3 presenta la cantidad de sedimento total diario acumulado en LUC y LUT entre el 1 de septiembre
de 2009 al 30 de junio de 2011. Esta carga corresponde al total de la suma del sedimento en suspensión y sedimento
decantado en el fondo del vertedero.
Figura 5.3: Sedimento total diario acumulado en LUC y LUT en kg ha-1 . La barra vertical achurada representa el período
principal de cosecha sobre LUT. Fuente: Elaboración propia.
Desde el 1 de septiembre de 2009 hasta previo a la cosecha principal a tala rasa en abril de 2010, la cuenca
tratamiento generó 479 kg ha-1 de sedimento, mientras que la cuenca control generó 417 kg ha-1 , lo que representa
un 15 % de producción de sedimento registrado en LUT por sobre LUC. Durante y después de la cosecha principal
a tala rasa la producción de sedimento en LUT aumentó considerablemente produciendo un 116 % más por sobre
la carga de sedimento acumulado de LUC al 30 de junio de 2011.
La carga de sedimento producida por las cuencas, durante sus períodos de estudio correspondientes, se dividió
de acuerdo a las fechas de recolección de muestras de los vertederos detalladas en la tabla 4.4 y se muestra en las
figuras 5.7 (b), 5.8 (b) y 5.9 (b). Durante el período de estudio, la cuenca control generó 57 kg ha-1 mes-1 y un total
acumulado de 1182 kg ha-1 . La máxima descarga de sedimento en LUC fue de 431 kg ha-1 y aconteció en agosto de
2010 durante el lapso de tiempo ocurrido entre la octava y novena recolección de muestras de vertedero. Durante
octubre de 2009, se registró una carga de sedimento de 155 kg ha-1 , que junto a la máxima carga representan el
50 % del sedimento total producida por la cuenca control. Debido a la nula intervención de procesos forestales en la
cuenca, ambas cargas máximas son consecuencia directa de las lluvias invernales de 2009 y 2010, y correspondiente
36
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
aumento de la escorrentía, respectivamente. Sin embargo, la carga de sedimento ocurrida en agosto de 2010 fue
considerablemente mayor debido a que existe un registro completo para ese año, mientras que en 2009 el período
de estudio comenzó en octubre.
Tabla 5.1: Precipitación (Prec.), carga de sedimento (Sed.) por fecha de recolección de muestras de vertedero y respectivo
aporte porcentual de LUC, LUT pre-cosecha y LUT post-cosecha. Fuente: Elaboración propia.
LUC
Período de
recolección
desde
hasta
01/10/2009
30/10/2009
30/10/2009
03/12/2009
03/12/2009
30/12/2009
30/12/2009
15/01/2010
15/01/2010
09/02/2010
09/02/2010
19/03/2010
19/03/2010
09/06/2010
09/06/2010
29/07/2010
29/07/2010
01/09/2010
01/09/2010
01/10/2010
01/10/2010
24/11/2010
24/11/2010
21/12/2010
21/12/2010
10/03/2011
10/03/2011
11/04/2011
11/04/2011
20/05/2011
20/05/2011
20/06/2011
Prec.
Sed.
(mm)
291
178
85
46
127
110
293
622
471
87
246
83
189
113
266
282
(kg ha-1 )
155
59
30
31
48
35
75
60
431
10
43
29
75
22
29
51
Aporte de
sedimento
( %)
13,11
5,01
2,57
2,61
4,03
2,92
6,32
5,04
36,49
0,84
3,61
2,44
6,38
1,88
2,46
4,29
LUT
Pre-cosecha
Post-cosecha
Período de
recolección
desde
hasta
10/09/2009
01/10/2009
01/10/2009
30/10/2009
30/10/2009
03/12/2009
03/12/2009
30/12/2009
30/12/2009
15/01/2010
15/01/2010
09/02/2010
09/02/2010
19/03/2010
19/03/2010
15/04/2010
15/04/2010
13/05/2010
13/05/2010
09/06/2010
09/06/2010
29/07/2010
29/07/2010
01/09/2010
01/09/2010
01/10/2010
01/10/2010
24/11/2010
24/11/2010
12/01/2011
12/01/2011
10/03/2011
10/03/2011
11/04/2011
11/04/2011
20/05/2011
20/05/2011
20/06/2011
Prec.
Sed.
(mm)
68
291
177
85
46
127
110
64
86
143
622
471
87
246
94
178
113
266
282
(kg ha-1 )
46
91
54
47
23
26
22
20
600
61
393
646
12
70
88
119
35
48
104
Aporte de
sedimento
( %)
15,01
29,41
17,57
15,26
7,31
8,38
7,05
0,93
27,34
2,79
17,90
29,43
0,54
3,17
3,99
5,41
1,58
2,19
4,74
Los períodos pre y post cosecha de LUT presentaron diferencias evidentes en cuanto a la producción de sedimentos. La cuenca tratamiento produjo un total de sedimento acumulado de 2505 kg ha-1 , donde el período pre
cosecha constituyó el 12 % del total, mientras que después de la cosecha forestal se produjo el 88 % restante. Los
tres registros máximos de carga de sedimento se encontraron dentro de los primeros cinco períodos de toma de
muestra de vertedero de LUT post-cosecha. El primero de estos peaks ocurrió durante abril y mayo de 2010, inmediatamente después de la cosecha, registrando 600 kg ha-1 , y se debe exclusivamente a la intensa remoción de suelo
de las laderas y caminos producida por las faenas forestales durante la tala rasa. El segundo y tercer peak ocurrieron
desde junio a finales de agosto de 2010 con una carga de sedimento de 393 kg ha-1 y 646 kg ha-1 , respectivamente.
Esto se debió a una relación directa de las altas precipitaciones y considerable aumento de la escorrentía durante
el invierno del año 2010 que, junto al material suelto dentro de la cuenca debido a la cosecha forestal, aumentaron
la producción de sedimento enormemente.
5.2.
Distribución de tamaño de partículas
Los resultados del análisis de distribución de tamaño de partículas de muestras representativas de cada una
de las zonas de aporte de sedimento para LUC y LUT aparecen en la figura 5.4 y están restringidos a la fracción
de suelo <63 µm, la que se dividió en 9 subcategorías que se presentan en porcentaje acumulado de volumen. En
ambas cuencas, la red de drenaje presenta partículas de suelo más gruesas con respecto a las laderas forestales y
caminos. En la cuenca control, los caminos poseen menor tamaño de partículas que el resto de las zonas, mientras
5.2. DISTRIBUCIÓN DE TAMAÑO DE PARTÍCULAS
37
que en LUT son las laderas las de menor diámetro. Sin embargo, la distribución de tamaño de partículas entre estas
dos zonas es bastante similar en ambas cuencas.
Figura 5.4: Distribución granulométrica <63 µm de las zonas de aporte en LUC y LUT. Fuente: Elaboración propia.
(a) LUC
(b) LUT
Para determinar la relación entre la superficie específica de las partículas (SSA) y la concentración másica de
los trazadores, se enviaron 2 gramos para análisis de cada una de las muestras de LUT post-cosecha a la Estación
Experimental de Aula-Dei, del Consejo Superior de Investigaciones Científicas, España (ver Apéndice C). Un resumen de los resultados de SSA de cada zona de aporte se señala en la tabla 5.2. A diferencia de los resultados
encontrados por He y Walling (1996), donde se determinó que la SSA poseía una relación proporcional directa, con
altos coeficientes de correlación y significativa estadísticamente, con la concentración másica de 137 Cs y 210 Pbex ,
las muestras analizadas en LUT post-cosecha no mostraron correlaciones estadísticamente significativas entre las
concentraciones de los trazadores utilizados y la SSA de las muestras analizadas. Además, se observó que la SSA
de la muestra de vertedero es menor que en Z1, Z2 y Z3, lo que indica que existe una mayor proporción de material grueso en la salida de la cuenca. Por consiguiente, no se utilizó una corrección de las concentraciones de los
trazadores por tamaño de partículas en la ecuación del modelo de mezcla.
38
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
Tabla 5.2: Resultados análisis de área de superficie específica (SSA) y factor de corrección por tamaño de partículas (Q) del
sedimento de las zonas de aporte (Z1, Z2, Z3) y Vertedero (V) en LUT post-cosecha.
Zona
Z1
Z2
Z3
V
Mediana
5.3.
5.3.1.
SSA(m2 g-1 )
0,339
0,302
0,252
0,197
0,277
Q
0,817
0,917
1,098
1,410
Concentraciones trazadores
Resultados del análisis de SOC y SON
La regresión lineal entre las concentraciones másicas porcentuales de Carbono y Nitrógeno orgánico del suelo
exhibieron coeficientes de correlación muy altos con alta significancia estadística (p<0,001) en las muestras recogidas en todas las zonas de aporte de sedimento de LUC, LUT pre-cosecha y LUT post-cosecha (ver figura 5.5).
Debido a esto, en cada cuenca los resultados entregados por ambos trazadores son equivalentes. En consecuencia,
se decidió sintetizar los resultados de SOC y SON en un sólo trazador: SOM. Los resultados de este trazador y su
concentración másica para cada muestra se obtuvieron multiplicando los resultados de SOC por 1,724 (ver 3.4.5).
Figura 5.5: Relación entre las concentraciones porcentuales de SOC y SON en cada período en estudio. Fuente: Elaboración
propia.
(a) LUC
5.3.2.
(b) LUT pre-cosecha
(c) LUT post-cosecha
Concentraciones másicas de los trazadores utilizados
El resumen de los resultados de las concentraciones másicas para los trazadores utilizados se encuentran en
la tabla 5.3. Ésta presenta la concentración promedio y su correspondiente error estándar de la media (EEM), por
zona de aporte y muestras de vertedero, de 210 Pbex , 137 Cs, 226 Ra, 40 K y SOM en las cuencas en estudio. Los resultados
5.3. CONCENTRACIONES TRAZADORES
39
gráficos y tablas en extenso se encuentran en la tabla D.1 en el apéndice D.
Tabla 5.3: Concentración promedio y error estándar de los trazadores medidos en la fracción <63 µm en las diferentes zonas
de aporte de sedimento en LUC, LUT pre-cosecha y LUT post-cosecha. Fuente: Elaboración propia.
210 Pb
LUC
Z1
Z2
Z3
Vc
x̄ a
74
22
23
25
(Bq
±
±
±
±
±
LUT pre-cosecha
Z1
Z2
Z3
V
76
13
9
14
LUT post-cosecha
Z1
Z2
Z3
V
26
15
21
18
Trazador
226 Ra
(Bq kg-1 )
x̄
±
EEM
11
±
1
19
±
1
22
±
1
28
±
1
137 Cs
ex
kg-1 )
(Bq kg-1 )
±
EEM
±
0,7
±
0,7
±
0,4
±
0,2
40 K
(Bq kg-1 )
±
EEM
±
4
±
3
±
9
±
3
EEMb
5
7
3
1
x̄
8,0
2,5
7,9
7,8
±
±
±
±
11
4
3
1
14
3
4,6
6,3
±
±
±
±
2
1
0,4
0,4
19
25
29
31,6
±
±
±
±
3
4
3
0,8
101
243
364
455
±
±
±
±
±
±
±
±
3
2
2
1
10
2,6
5,7
6,7
±
±
±
±
2
0,4
0,7
0,3
19
27
27
29,9
±
±
±
±
2
3
1
0,8
115
283
315
397
±
±
±
±
x̄
69
65
187
216
x̄
34
13
17
25
SOM
( %)
±
±
±
±
±
20
111
38
18
23
9,9
11
16
±
±
±
±
2
0,5
1
2
16
71
24
9
16
10
16
13,4
±
±
±
±
1
1
1
0,7
EEM
2
3
1
3
a Promedio.
b Error
estándar de la media.
c Vertedero.
Debido a la cercanía geográfica de las cuencas en estudio, se espera que sus concentraciones másicas de 137 Cs
en la fracción de suelo <63 µm sean parecidas bajo condiciones similares de intervención. No obstante, LUT precosecha posee cerca del doble de concentración másica de
137 Cs
en Z1 que LUC. Por consiguiente, previo a la
plantación existió alteración de las capas superficiales del suelo en esta zona de la cuenca control. Los niveles de
concentración másica mínimos de
137 Cs
en ambas cuencas aparecen en los caminos forestales debido al movi-
miento de tierra para su construcción.
LUC y LUT pre-cosecha presentaron concentraciones másicas promedio de 210 Pbex similares de 74 Bq kg-1 y 76
Bq kg-1 en las laderas, respectivamente. Esto se debe a que, a diferencia del 137 Cs, el 210 Pbex se deposita constantemente desde la atmósfera sobre la superficie del suelo. Sin embargo, en Z2 y Z3 las mayores concentraciones se
encontraron en la cuenca control, lo que evidencia perturbación en estas zonas de aporte en la cuenca tratamiento
previo a la cosecha principal a tala rasa.
La cobertura vegetal en LUC es mayor que la presente en LUT pre-cosecha, lo que se traduce en mayores niveles
de concentración de SOM en cada una de las zonas de aporte de LUC con respecto a la cuenca tratamiento. Los
caminos forestales evidencian esta condición ya que, a diferencia de la estabilización de las vías en LUT, en LUC
son solamente huellas de paso.
Entre LUT pre-cosecha y LUT post-cosecha, los trazadores
226 Ra
y
40 K
presentaron valores similares en cada
una de las zonas de aporte. Sus concentraciones másicas constantes se deben a que se presentan de forma intrín-
40
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
seca en el suelo y no reflejan necesariamente un cambio debido al uso del suelo. Por el contrario, los índices en
Z1 de 210 Pbex , 137 Cs y SOM disminuyeron considerablemente luego de la cosecha forestal debido a la remoción y
movimiento de las capas superficiales de suelo, en el caso de los radionucleidos de depósito, y la desaparición de
un alto porcentaje de cobertura vegetal sobre las laderas y por ende de la materia orgánica, en el caso de SOM.
Para obtener resultados adecuados de los porcentajes de aporte relativo de las zonas de aporte en cada una de
las cuencas a través de la ecuación del modelo de mezcla, antes de aplicar el análisis estadístico se decidió utilizar
aquellos trazadores que posean una concentración másica promedio de las muestras de vertedero dentro del rango
de valores medios de las zonas de aporte. De la totalidad de trazadores utilizados, 210 Pbex , 137 Cs y SOM cumplen
este requisito. En consecuencia 226 Ra y 40 K no fueron utilizados.
5.4.
Análisis estadístico de 2 etapas
Los resultados del test no paramétrico de Kruskal-Wallis aparecen en la tabla 5.4. En las dos cuencas, los trazadores 210 Pbex , 137 Cs y SOM fueron capaces de discriminar entre Z1, Z2 y Z3 en cada uno de los períodos en estudio,
con un nivel de confianza sobre el 95 % (p<0,050) y valores de H por sobre el valor crítico de 5,99. En consecuencia
aprobaron la primera etapa del procedimiento de discriminación de trazadores en las zonas fuente.
Tabla 5.4: Resumen del test H de Kruskal-Wallis aplicado en los trazadores utilizados sobre las cuencas en estudio. Fuente:
Elaboración propia.
LUC
Trazador
LUT pre-cosecha
LUT post-cosecha
H
p
H
p
H
29,27 <0,001 13,18
<0,010
8,46
14,14 <0,001 13,22
<0,010
18,35
SOM
20,45 <0,001 13,22
<0,010
10,82
Diferencias estadísticamente significativas con p<0,050
Valor crítico de χ 2 = 5,99
210 Pb
ex
137 Cs
p
<0,050
<0,001
<0,010
La segunda etapa del análisis estadístico aplicado redujo los trazadores que aprobaron el test H de KruskalWallis, a un grupo óptimo en cada período de estudio. El grupo óptimo de trazadores para LUC y LUT pre-cosecha
fue
210 Pb
ex
y
137 Cs,
y lograron clasificar correctamente el 83 % de las muestras de las zonas de aporte en ambas
cuencas. Para LUT post-cosecha sólo se obtuvo un 73 % de muestras clasificadas correctamente usando
137 Cs
y
SOM como trazadores óptimos. Un resumen del análisis estadístico de dos etapas y optimización de trazadores
aparece en la tabla 5.5.
La figura 5.6 muestra la clasificación de las muestras en gráficos bidimensionales que representan los valores de los grupos de las zonas de aporte en las dos primeras funciones obtenidas a través del análisis de función
5.5. CONTRIBUCIONES RELATIVAS DE LAS ZONAS DE APORTE
41
Tabla 5.5: Resumen de los trazadores seleccionados tras la aplicación de las distintas etapas del análisis estadístico, incluyendo
el porcentaje de muestras clasificadas correctamente por cuenca. Fuente: Elaboración propia.
Cuenca
LUC
LUT pre-cosecha
LUT post-cosecha
Test H de Kruskal-Wallis
210 Pb
ex ,
137 Cs,
210 Pb
ex ,
137 Cs,
SOM
SOM
210 Pb , 137 Cs, SOM
ex
Análisis de función
discriminante
210 Pb , 137 Cs
ex
210 Pb , 137 Cs
ex
137 Cs, SOM
Muestras clasificadas
correctamente( %)
83
83
73
discriminante. Mientras más compacta sea la distribución de puntos alrededor de su centroide de grupo correspondiente, mayor es la clasificación correcta del período en estudio. Por el contrario, una mayor dispersión de los
puntos significa una peor clasificación.
Figura 5.6: Representación gráfica de los resultados del análisis de función discriminante en LUC, LUT pre-cosecha y LUT
post-cosecha. Fuente: Elaboración propia.
(a) LUC
(b) LUT pre-cosecha
(c) LUT post-cosecha
En consecuencia de la cantidad de zonas de aporte de sedimento, los resultados obtenidos en la optimización
de trazadores, y la omisión del uso de un factor de corrección por tamaño de partículas, los valores utilizados en la
ecuación de modelo de mezcla (4.2), en cada cuenca, fueron m = 3, n = 2 y Q s = 1, respectivamente.
5.5.
Contribuciones relativas de las zonas de aporte
En las figuras 5.7 (a), 5.8 (a) y 5.9 (a) se presentan los resultados de los aportes relativos de las distintas zonas
de aporte de sedimento obtenidos de la minimización de la ecuación del modelo de mezcla (4.2), a través del
software SedMC en cada muestra de vertedero de LUC, LUT pre-cosecha y LUT post-cosecha. Las figuras ubicadas
a la izquierda ilustran los resultados individuales por cada muestra de sedimento recolectado en los vertederos
en cada uno de los períodos (sin incluir su intervalo de confianza del 95 %). La figura 5.10 presenta los aportes
42
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
relativos de Z1, Z2 y Z3, ponderados por carga de sedimento según la tabla 5.1. Los intervalos de los aportes finales
por período, se calcularon mediante la propagación de errores de las contribuciones individuales por muestra y un
15 % de error en la medición de la carga de sedimento en los vertederos.
Figura 5.7: Resultados de los aportes relativos de las zonas de aporte (a) y carga de sedimento (b) por cada muestra de
vertedero en LUC. Fuente: Elaboración propia.
(a)
(b)
La zona de aporte con mayor contribución en LUC es la red de drenaje, Z3, con aportes máximos de 95 ± 1 %
en la muestra recolectada el 15/01/2010, y de 95 ± 1 % y 93 ± 2 % en las muestras del 29/07/2010 y 01/09/2010,
respectivamente, dando cuenta de las lluvias invernales y consiguiente aumento del caudal en esos meses. Estas
dos últimas muestras coinciden con una precipitación de 1093 mm, correspondiente al 31 % del total de precipitaciones registrados en LUC y una carga de sedimento de 490 kg ha-1 , equivalente al 42 % de sedimento producido
durante el período de estudio en LUC. El mínimo aporte de Z3 ocurrió en el período de 20/05/2011 con 55±2 %. Los
caminos forestales registraron un aporte mínimo de 0, 5±0, 3 % en 30/12/2009, y máximo de 33±2 % en 09/06/2010.
Desde esta fecha se observó un aumento gradual en las contribuciones relativas de Z2 hacia el final del período de
estudio, principalmente desde la muestra del 21/12/2010 hasta el 20/06/2011 que exhibieron un rango de aportes
entre 15 ± 3 % y 28 ± 2 %. Esto puede deberse a un posible incremento del tránsito por caminos forestales en la
última mitad de la duración de observaciones en la cuenca control. El mayor aporte relativo de Z1 ocurrió en los
primeros tres períodos de recolección de muestras de sedimento de vertedero, con un máximo de 29 ± 2 % en la
muestra del 30/12/2009. Sin embargo, el aporte de las laderas disminuyó considerablemente a partir de la muestra
recolectada el 09/06/2010.
Los aportes relativos ponderados por carga de sedimento de LUC fueron de 6, 4 ± 0, 6 % para Z1, 8, 3 ± 0, 6 % de
5.5. CONTRIBUCIONES RELATIVAS DE LAS ZONAS DE APORTE
43
Z2 y 85 ± 5 % de Z3 (ver figura 5.10 (a)).
Figura 5.8: Resultados de los aportes relativos de las zonas de aporte (a) y carga de sedimento (b) por cada muestra de
vertedero en LUT pre-cosecha. Fuente: Elaboración propia.
(a)
(b)
LUT pre-cosecha presentó una mayor contribución de Z3, con un rango de aportes relativos entre 67 ± 11 %, en
la muestra del 01/10/2009, y 89±2 % el 09/02/2010. La mayor contribución de Z2, 30±11 %, aconteció en la muestra
de vertedero del 01/10/2009, con un reducido aporte relativo en el resto del período de observación. Las laderas
forestales, Z1, mostraron aportes relativos continuos en todo el período de observación de LUT pre-cosecha, con
un máximo de 20, 5±0, 8 % en la muestra del 03/12/2009, coincidente con una escorrentía de 146 mm, siendo la más
alta registrada en LUT pre-cosecha. Los pequeños aportes de Z1 y Z2 indican leves intervenciones en las laderas,
y escaso tránsito peatonal y vehicular en los caminos forestales. Los aportes relativos ponderados por carga de
sedimento en LUT pre-cosecha fueron de 10, 5 ± 0, 7 % para Z1, 10 ± 2 % de Z2 y 79 ± 5 % de Z3 (ver figura 5.10 (b)).
LUC y LUT pre-cosecha poseen un comportamiento similar en cuanto a los resultados de los aportes relativos
de las distintas zonas de aporte. Z3 es la fuente que más sedimento aportó, debido a que el proceso de desgaste,
en ambas cuencas, se debió principalmente a la erosión hídrica producto de las precipitaciones. Por el contrario,
la nula alteración sobre Z1 y Z2, generó bajos aportes de sedimento al vertedero desde estas zonas.
El período posterior a la cosecha principal a tala rasa en LUT presentó por primera vez, en la muestra recolectada inmediatamente después de la cosecha principal (15/04/2010), aportes relativos de Z1 y Z2 mayores que la
contribución de Z3, con 54 ± 4 % y 25 ± 2 %, respectivamente. A partir de esa fecha, el aporte relativo de Z3 aumentó hasta un máximo de 94 ± 2 % en la muestra del 09/06/2010, y luego disminuyó gradualmente hacia el final del
44
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
Figura 5.9: Resultados de los aportes relativos de las zonas de aporte (a) y carga de sedimento (b) por cada muestra de
vertedero en LUT post-cosecha. Fuente: Elaboración propia.
(a)
(b)
período de observación de LUT post-cosecha. Las contribuciones de Z1 y Z2 vuelven a ser mayores que los aportes de Z3 a partir de la muestra del 01/10/2010 y mantuvieron esa tendencia alcanzando un máximo de 78 ± 2 %
para las laderas y 56 ± 1 % para los caminos. Este fenómeno coincidió con un decrecimiento brusco de la carga de
sedimento generado.
Los aportes relativos ponderados por carga de sedimento en LUT post-cosecha, en el período completo, fueron
de 30 ± 2 % para Z1, 20 ± 2 % de Z2 y 49 ± 3 % de Z3 (ver figura 5.10 (c)). Sin embargo, debido al cambio en el
comportamiento de los aportes relativos de sedimento a partir del 01/09/2010, se dividió el período en LUT postcosecha(a) y LUT post-cosecha(b). Ambos sub-períodos presentaron similares niveles de precipitación (1386 mm y
1267 mm) y de escorrentía (834 mm y 833 mm), sin embargo LUT post-cosecha(b) produjo 475 kg ha-1 de sedimento
que corresponden al 28 % de los 1721 kg ha-1 generados en LUT post-cosecha(a). Los aportes relativos ponderados
por carga de sedimento en LUT post-cosecha(a) fueron de 25±3 % para Z1, 14±2 % de Z2 y 61±5 % de Z3 (ver figura
5.11(a)), influenciados por las altas precipitaciones ocurridas durante el invierno de 2010. Los aportes relativos
ponderados por carga de sedimento en LUT post-cosecha(b) fueron de 50 ± 3 % para Z1, 43 ± 3 % de Z2 y 7 ± 1 %
de Z3 (ver figura 5.11(b)), coincidiendo con un período seco y de baja carga de sedimento, donde la principal
causa de erosión en la cuenca se debió a un efecto tardío de la intervención forestal sobre las laderas y tránsito
sobre los caminos. La división del período LUT post-cosecha representa un efecto tardío en la disminución de las
contribuciones relativas de la red de drenaje, siendo predominantes las contribuciones de las laderas y caminos.
5.6. COMPROBACIÓN DE RESULTADOS
45
Figura 5.10: Contribución relativa ponderada por carga de sedimento de las zonas de aporte en LUC, LUT pre-cosecha y LUT
post-cosecha. Fuente: Elaboración propia.
(a) LUC
5.6.
(b) LUT pre-cosecha
(c) LUT post-cosecha
Comprobación de resultados
La verificación de la contribución relativa de cada zona de aporte, calculada a partir de la minimización de la
ecuación del modelo de mezcla (4.2) se realizó a través de la ecuación (4.4). Las figuras 5.12, 5.13 y 5.14 presentan las concentraciones observadas, es decir, medidas en laboratorio, y modeladas de las muestras de sedimento
recolectadas en los vertederos para los trazadores utilizados en LUC, LUT pre-cosecha y LUT post-cosecha, respectivamente. El error de las concentraciones másicas de 210 Pbex y 137 Cs observadas se estimó a partir de las incertezas
de medición de conteo de la muestra de vertedero, de masa de la muestra, y de la solución y masa de la solución
de referencia utilizada en la calibración del detector γ, mientras que los errores de las concentraciones medidas de
SOM se estimaron en un 10 %. Los errores de las concentraciones modeladas se calcularon a partir del intervalo
de error de cada aporte relativo entregado por el software SedMC y el error estándar de la media de las concentraciones de los trazadores utilizados en Z1, Z2 y Z3 para cada cuenca en estudio y su correspondiente período de
observación.
En LUC, los valores medidos y modelados de
210 Pb
ex
presentaron un coeficiente de correlación r = 0, 964
(p<0,001) y de r = 0, 912 (p<0,001) entre las concentraciones de
137 Cs.
En LUT pre-cosecha, las concentracio-
nes másicas medidas de 210 Pbex y 137 Cs presentaron coeficientes de correlación de r = 0, 960 (p<0,001) y r = 0, 852
(p<0,001), respectivamente, en relación a las concentraciones modeladas. Los coeficientes de correlación encontrados entre los valores medidos y modelados de 137 Cs y SOM, en LUT post-cosecha, fueron de r = 0, 932 (p<0,001)
y r = 0, 974 (p<0,001), respectivamente.
46
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
Figura 5.11: Contribución relativa ponderada de las zonas de aporte en sub-períodos en LUT post-cosecha. Fuente:
Elaboración propia.
(a) LUT post-cosecha (a)
(b) LUT post-cosecha (b)
Figura 5.12: Comparación de concentraciones modeladas y concentraciones medidas en laboratorio, en las muestras de
vertedero, de los trazadores utilizados en LUC. Fuente: Elaboración propia.
(a)
210 Pb
ex
(b)
137 Cs
El buen ajuste de la estimación de las concentraciones másicas de los trazadores con su correspondiente concentración másica medida en laboratorio, para cada muestra de vertedero, permitieron validar la metodología empleada en este estudio y el uso de la ecuación (4.2) del modelo de mezcla.
5.6. COMPROBACIÓN DE RESULTADOS
47
Figura 5.13: Comparación de concentraciones modeladas y concentraciones medidas en laboratorio, en las muestras de
vertedero, de los trazadores utilizados en LUT pre-cosecha. Fuente: Elaboración propia.
(a)
210 Pb
ex
(b)
137 Cs
Figura 5.14: Comparación de concentraciones modeladas y concentraciones medidas en laboratorio, en las muestras de
vertedero, de los trazadores utilizados en LUT post-cosecha. Fuente: Elaboración propia.
(a)
137 Cs
(b) SOM
48
CAPÍTULO V. PRESENTACIÓN Y DISCUSIÓN DE RESULTADOS
Capítulo VI
Conclusiones
Los resultados de la aplicación de la técnica de sediment fingerprinting para estimar el aporte relativo de sedimento fino a la carga total en las cuencas de Los Ulmos fueron exitosos. La capacidad de discriminación de los
trazadores utilizados entre las diferentes fuentes de sedimento y la obtención de un grupo óptimo de trazadores,
por cada período de estudio, fueron determinadas a través de los tests estadísticos de Kruskal-Wallis y Análisis de
Función Discriminante, respectivamente. De la totalidad de trazadores utilizados, los radionucleidos de depósito
210 Pb
ex
y
137 Cs
lograron una buena discriminación entre las distintas zonas de aporte y altos porcentajes de cla-
sificación correcta de las muestras recolectadas en las cuencas LUC y LUT pre-cosecha, debido a su presencia en
las capas superficiales de suelo. El trazador SOM junto al radionucleido 137 Cs, fueron los trazadores seleccionados
para estudiar el aporte relativo en LUT post-cosecha. En LUT post-cosecha, éstos trazadores lograron un menor
porcentaje de clasificación correcta de muestras en comparación a LUC y LUT pre-cosecha. Sin embargo, SOM es
un indicador de cambios importantes en la cantidad de materia orgánica en la superficie del suelo. Radio-226 y 40 K
no reflejaron ser óptimos trazadores en este estudio, por su presencia intrínseca que hace que sus concentraciones
en la materia sean aproximadamente constantes a pesar de los cambios ocurridos en la superficie del suelo.
Los aportes relativos de las zonas fuente fueron estimados a través de la minimización de la ecuación de modelo
de mezcla que compara la concentración másica de los trazadores en los sedimentos colectados en el vertedero con
la concentración másica promedio de éstos en las zonas fuente ponderadas por su correspondiente aporte relativo.
Debido a que a la fecha no se encuentra disponible un programa que pueda minimizar los resultados de la ecuación
de modelo de mezcla, durante la presente investigación se desarrolló el software SedMC, basado en la técnica de
simulación de Monte Carlo. El software fue capaz de minimizar los resultados de la ecuación del modelo de mezcla
y dar solución a las contribuciones relativas, incógnitas cuadráticas dentro de la ecuación, de cada zona de aporte.
SedMC proporcionó la opción de utilizar valores aleatorios dentro del rango del promedio de las concentraciones
másicas de los trazadores en cada zona de aporte ± el error estándar de la media, para minimizar la ecuación. Esta
aleatoriedad permitió obtener rangos de error en los resultados de aporte relativo. El uso de SedMC comprobó que
49
50
CAPÍTULO VI. CONCLUSIONES
el uso de valores aleatorios, a través de una simulación numérica de Monte Carlo, es una herramienta válida para
minimizar la ecuación del modelo de mezcla.
Las contribuciones relativas estimadas utilizando el modelo de mezcla fueron ratificadas a través de la comparación entre las concentraciones másicas estimadas, a partir de los resultados de los aportes relativos y concentraciones promedio de las zonas fuente, de las muestras de sedimento procedentes de los vertederos y sus
correspondientes concentraciones másicas medidas en laboratorio en LUC, LUT pre-cosecha y LUT post-cosecha.
Los resultados de los aportes relativos de Z1, Z2 y Z3 al vertedero, obtenidos mediante el modelo de mezcla,
son muy similares entre LUC y LUT pre-cosecha con una participación preponderante de la red de drenaje. La
escorrentía y carga de sedimento entre estos dos períodos hasta antes de la cosecha forestal, presentan valores
similares.
En LUT post-cosecha se observó un alza en la carga de sedimento y escorrentía en comparación al período precosecha de LUT. A diferencia de LUT pre-cosecha, el período post-cosecha presentó un importante aumento en el
aporte de sedimento de las laderas y caminos forestales a la carga de sedimento: desde 10,5±0,7 a 30±2 % en Z1 y
desde 10±2 a 20±2 % en Z2. Durante el período posterior a la cosecha, se observó un efecto tardío de la intervención
forestal sobre las laderas y tránsito sobre los caminos que se reflejó en un aumento de las contribuciones relativas
de Z1 y Z2 a la carga de sedimento: desde 25±3 a 50±3 % en Z1 y desde 14±2 a 43±3 % en Z2.
Respecto a las limitaciones de la técnica utilizada, es necesario tener precaución en la definición e identificación de las fuentes de sedimento y, en consecuencia, en la ubicación de los puntos de recolección en las zonas
fuente, para que de esta forma las muestras sean representativas y clasificadas correctamente en las zonas de aporte correspondientes. La ecuación del modelo de mezcla asume que los trazadores utilizados tienen propiedades
conservativas, por lo que se debe asegurar que éstas no se modifiquen durante el transporte y movilización de
sedimentos desde las distintas zonas.
Se observó que el uso de numerosos trazadores permite una mejor discriminación entre las zonas de aporte.
Sin embargo la ecuación del modelo de mezcla queda sobredeterminada provocando que, al comprobar las concentraciones de los trazadores en el vertedero, se logre buenos ajustes en algunos de ellos en desmedro del ajuste
de los restantes.
Los resultados de la presente investigación permiten que las empresas forestales apunten a prácticas de mejor
manejo para la conservación del medio ambiente, aplicando medidas de mitigación de erosión sobre las zonas
de mayor aporte relativo de sedimento. El uso de barreras forestales y estabilización mediante cobertura vegetal,
reducen la erosión proveniente de las laderas. Los caminos forestales pueden ser estabilizados a través de bischofita
(MgCl2 ), sales que reduzcan la cantidad de polvo, o carpetas asfálticas. Se debe respetar la zona de protección de
51
cauces para que actúe como barrera protectora contra el sedimento proveniente de zonas altas.
Para optimizar la técnica de sediment fingerprinting se propone que la ecuación del modelo de mezcla incluya
parámetros relacionados a las características espaciales y morfológicas de las superficies en estudio para dar cuenta
de los procesos de transporte del sedimento y no solamente de las concentraciones de los trazadores utilizados.
La metodología empleada en esta investigación puede ser extendida en Chile a cuencas de mayor superficie,
con diferentes usos de suelo, por ejemplo, urbanizaciones o áreas dedicadas a la agricultura. La aplicación de la
técnica de sediment fingerprinting puede ser utilizada en estudios de sedimentación previos a la ubicación de proyectos de infraestructura hidráulica. Los resultados de este estudio apuntan a reducir la degradación de la calidad
de los recursos suelo y agua.
Finalmente, la técnica de sediment fingerprinting aplicada en este estudio requirió del uso de ciencias físicas,
hidrológicas, ambientales, geográficas, geológicas, matemáticas y estadísticas. La sinergia y experiencia multidisciplinaria de estas ciencias permitirán un refinamiento y desarrollo de modelos más precisos de identificación de
fuentes de contaminación difusa, movilización de sedimentos y contribución relativa de fuentes de sedimento a la
carga total.
Bibliografía
Appleby, P., Oldfield, F., 1978. The calculation of lead-210 dates assuming a constant rate of supply of unsupported
210pb to the sediment. Catena 5, 1–8.
Baldock, J.A., Nelson, P.N., 1999. Soil organic matter, en: Sumner, M.E. (Ed.), Handbook of Soil Science. CRC Press.
Betz, N.E., 1987. Use of discriminant analysis in counseling psychology research. Journal of Counseling Psychology
34, 393–403.
Blake, W.H., Ficken, K.J., Taylor, P., Russell, M.A., Walling, D.E., 2012. Tracing crop-specific sediment sources in
agricultural catchments. Geomorphology 140, 322–329.
Brandt, C.J., 1989. The size distribution throughfall drops under vegetation canopies. Catena 16, 507–524.
Brisbin, I., Beyers, R., Dapson, R., Geiger, R., Gentry, J., Gibbons, J., Smith, M., Woods, S., 1974. Patterns of radiocesium in the sediments of a stream channel contaminated by production reactor effluents. Health Phys. 27,
19–27.
Brown, M.T., Tinsley, H.E., 1983. Discriminant analysis. Journal of Leisure Research 15, 290–310.
Brown, M.T., Wicker, L.R., 2000. Discriminant analysis, en: Tinsley, H.E., Brown, S.D. (Eds.), Handbook of Applied
Multivariate Statistics and Mathematical Modeling. Academic Press, pp. 209 – 235.
Brown, T.C., Binkley, D., 1994. Effect of management on water quality in North American forests. Reporte Técnico.
USDA Forest Service, Rocky Mountain Forest and Range Experimental Station. Fort Collins, CO.
Carter, J., Owens, P.N., Walling, D.E., Graham, J.L.L., 2003. Fingerprinting suspended sediment sources in a large
urban river system. Science of the Total Environment 314, 513–534.
Collins, A.L., Walling, D.E., Leeks, G.J.L., 1997. Source type ascription for fluvial suspended sediment based on a
quantitative composite fingerprinting technique. Catena 29, 1–27.
Collins, A.L., Walling, D.E., Leeks, G.J.L., 1998. Use of composite fingerprints to determine the provenance of the
contemporary suspended sediment load transported by rivers. Earth Surface Processes and Landforms 23, 31–52.
53
54
BIBLIOGRAFÍA
Collins, A.L., Walling, D.E., Stroud, R.W., Robson, M., Peet, L.M., 2010a. Assesing damaged road verges as a suspended sediment source in the hampshire avon catchment, southern united kingdom. Hydrological Processes 24,
1106–1122.
Collins, A.L., Walling, D.E., Webb, L., King, P., 2010b. Apportioning catchment scale sediment sources using a modified composite fingerprinting technique incorporating property weightings and prior information. Geoderma
155, 249–261.
Collins, A.L., Zhang, Y., Walling, D.E., Grenfell, S.E., Smith, P., 2010c. Tracing sediment loss from eroding farm tracks
using a geochemical fingerprinting procedure combining local and genetic algorithm optimisation. Science of
the Total Environment 408, 5461–5471.
CORMA, 2012. visitado 01.11.2012. http://www.corma.cl/corma.asp?id=3&ids=81.
Davis, C.M., Fox, J.F., 2009. Sediment fingerprinting: Review of the method and future improvements for allocating
nonpoint source ascription. Journal of Environmental Engineering 135, 490–504.
Debertin, K., Helmer, R.G., 1988. Gamma- And X-ray Spectrometry With Semiconductor Detectors. North Holland.
Eckholm, E., 1976. Losing ground: Environmental Stress and World Food Prospects. Norton, New York.
Evans, R., 2010. Runoff and soil erosion in arable britain: changes in perception and policy since 1945. Environmental Science and Policy 13, 141–149.
Fox, J.F., Papanicolaou, A.N., 2007. The use of carbon and nitrogen isotopes to study watershed erosion processes.
Journal of the American Water Resources Asociation 43, 1047–1064.
Fryrear, D.W., 1999. Wind erosion, en: Sumner, M.E. (Ed.), Handbook of Soil Science. CRC Press.
Fuenzalida, H., 1971. Climatología de chile, en: CORFO (Ed.), Geografía Económica de Chile. Imprenta Universitaria, pp. 99–152.
Gayoso, J., Gayoso, S., 2008. Guía de buenas prácticas para minimizar la generación de sedimentos por operaciones
forestales. Universidad Austral de Chile.
Gayoso, J., Iroumé, A., 1995. Impacto del manejo de plantaciones sobre el ambiente físico. Bosque 16, 34–56.
Graustein, W.C., Turekian, K.K., 1986.
210 pb
ex
and 137 cs in air and soils measure the rate and vertical distribution of
aerosol scavenging. J. Geophys. Res. 91, 14355–14366.
Gruszowski, K.E., Foster, I.D.L., Lees, J.A., Charlesworth, S.M., 2003. Sediment sources and transport pathways in a
rural catchment, herefordshire, uk. Hydrological Processes 17, 2665–2681.
He, Q., Walling, D.E., 1996. Interpreting particle size effects in the adsorption of cesium-137 and unsupported
lead-210 by mineral soils and sediments. Journal of Environmental Radioactivity 30, 117–137.
BIBLIOGRAFÍA
55
Huber, A., 1970. Diez años de observaciones climatológicas en la estación Teja-Valdivia (Chile) 1960-1970. Reporte
Técnico. Facultad de Ciencias Naturales y Matemáticas. Instituto de Geología y Geografía.
Huber, A., Iroumé, A., Mohr, C., Frêne, C., 2010. Efecto de plantaciones de pinus radiata y eucalyptus globulus sobre
el recurso agua en la cordillera de la costa de la región del biobío, chile. Bosque 31, 219–230.
Jobson, J., 1991. Analysis of variance and experiment design, en: Applied Multivariate Data Analysis. Volume 1:
Regression and Experimental Design. Springer-Verlag, pp. 399–544.
Joshi, S., 1987. Nondestructive determination of lead-210 and radium-226 in sediments by direct photon analysis.
J. Radioanal. Nucl. Chem 116, 169–182.
Krause, A.K., Franks, S.W., Kalma, J.D., Loughran, R.J., Rowan, J.S., 2003. Multi-parameter fingerprinting of sediment
deposition in a small gullied catchment in se australia. Catena 53, 327–348.
Krishnappan, B.G., Chambers, P.A., Benoy, G., Culp, J., 2009. Sediment source identification: a review and a case
study in some canadian streams. Canadian Journal of Civil Engineering 36, 1622–1633.
Linsley, R., Kohler, M., Paulus, J., 1975. Hydrology for Engineers. McGraw-Hill.
Lomenick, T., Tamura, T., 1965. Naturally occurring fixation of cesium-137 on sediments of lacustrine origin. Soil
Sci. Soc. Am. Proc. 29, 383–386.
Longmore, M., 1982. The caesium-137 dating technique and associated applications in australia-a review, en: Ambrose, W., Duerden, P. (Eds.), Archaeometry: An Australasian perspective. Australian National Univ. Press, pp.
310–321.
Manly, B.F.J., 2005. Discriminant function analysis, en: Multivariate Statistical Mehods: A primer. Chapman & Hall,
CRC Press, 3 edición. pp. 105–124.
Martínez-Carreras, N., Gallart, F., Iffly, J.F., Pfister, L., Walling, D.E., Krein, A., 2008. Uncertainty assessment in suspended sediment fingerprinting based on tracer mixing models: a case study from luxembourg, en: Sediment
dynamics in changing environments (Proceedings of a symposium held in Christchurch, New Zealand, December 2008). IAHS Publ.
Matisoff, G., Wilson, C., Whiting, J., 2005. The beryllium-7-unsupported lead-210 ratio as an indicator of suspended
sediment age or fraction new sediment in suspension. Earth 30, 1191–1201.
McMinn, J.W., 1984. Soil disturbance by fuelwood harvesting with a conventional ground system and a cable miniyarder in mountain hardwood stands, en: Peters, P.A., Luchok, J. (Eds.), Proceedings from Mountain Logging
Symposium. West Virginia University, Charleston, WY, pp. 93–98.
56
BIBLIOGRAFÍA
Minella, J.P.G., Merten, G.H., Clarke, R.T., 2004. Identification of sediment sources in a small rural drainage basin,
en: Sediment transfer through the fluvial system (Proceedings of a symposium held in Moscow, August 2004).
IAHS Publ.
Minella, J.P.G., Walling, D.E., Merten, G.H., 2008. Combining sediment source tracing techniques with traditional
monitoring to assess the impact of improved land management on catchment sediment yields. J. Hydrol. 348,
546–563.
Moore, J.E., 1961. Petrography of northeastern lake michigan bottom sediments. Journal of Sedimentary Research
31, 402–436.
Motha, J.A., Wallbrink, P.J., Hairsine, P.B., Grayson, R.B., 2002. Tracer properties of eroded sediment and source
material. Hydrological Processes 16, 1983–2000.
Mukundan, R., Radcliffe, D.E., , Ritchie, J.C., Risse, L.M., Mckinley, R.A., 2010. Sediment fingerprinting to determine
the source of suspended sediment in a southern piedmont stream. Journal of Environmental Quality 39, 1328–
1337.
Oldfield, F., Appleby, P.G., 1984. Empirical testing of 210pb-dating models for lake sediments, en: Hayworth, E.Y.,
Lund, J. (Eds.), Lake Sediments and Environmental History. Leicester University Press, pp. 93–124.
Palacios, H., 2011. Comunicación personal.
Patric, J.H., 1978. Harvesting effects on soils and water in the eastern hardwood forest. South. J. Appl. For. 2, 66–73.
Peart, M.R., 1993. Using sediment properties as natural tracers for sediment source: two case studies from hong
kong, en: Peters, N.E., Hoehn, E., Leibundgut, C., Tase, N., Walling, D.E. (Eds.), Tracers in hydrology. IAHS Publ.
Phillips, J.M., Russell, M.A., Walling, D.E., 2000. Time-integrated sampling of fluvial suspended sediment: a simple
methodology for small catchments. Hydrological Processes 14, 2589–2602.
Porto, P., Walling, D.E., 2012. Validating the use of 137 cs and 210 pbex measurements to estimate rates of soil loss from
cultivated land in southern italy. J. Environ. Radioact. 106, 47–57.
Richardson, E.V., 2004. Sedimentation, en: Dorf, R.C. (Ed.), The Engineering Handbook. CRC Press.
Ritchie, J.C., McHenry, J.R., 1990. Application of radioactive fallout cesium-137 for measuring soil erosion and
sediment accumulation rates and patterns: A review. Journal of Environmental Quality 19, 215–233.
Rubin, H., Atkinson, J., 2001. Sediment transport, en: Environmental Fluid Mechanics. CRC Press.
Sadzawka, A., Carrasco, M., Grez, R., Mora, M., Flores, H., Neaman, A., 2006. Métodos de análisis de suelos recomendados para los suelos de Chile. Instituto de Investigaciones Agropecuarias, Serie Actas N◦ 34.
BIBLIOGRAFÍA
57
Schuller, P., Bunzl, K., Voigt, G., Handl, J., Ellies, A., Castillo, A., 2002a. Fallout-radiocesium in an antarctic region:
Deposition history, activity densities, and vertical transport in the soil. Radiation Environmental Biophysics 41,
295–302.
Schuller, P., Ellies, A., 1992. Cesium-137 accumulation and vertical migration in soil at selected locations from
southern chile, en: Proceedings Environmental Radioactivity Workshop, French Polynesia, Tahiti, Papeete, 2-6
September 1991.
Schuller, P., Ellies, A., 1994. Einfluss des jahresniederschlags und der bodenart auf die 137cs-tiefenverteilung in
böden südchiles. Z. Pflanzenernähr. Bodenk. 157, 429–432.
Schuller, P., Ellies, A., 1996. Influence of soil properties and climatic conditions on 137cs vertical distribution in
chilean soils. Mitt. d. Österr. Bodenkundl. Ges. 53, 215–222.
Schuller, P., Ellies, A., Handl, J., 1997a. Influence of climatic conditions and soil properties on 137cs vertical distribution in selected chilean soils. Z. Pflanzenernähr. Bodenk 160, 423–426.
Schuller, P., Ellies, A., Kirchner, G., 1997b. Vertical migration of fallout 137cs in agricultural soils from southern
chile. Sci. Total Environ. 193, 197–205.
Schuller, P., Handl, J., Ellies, A., 1998. Long-term decrease of atmospheric test 137cs concentration in the soil-prairie
plant-milk pathway in southern chile. Health Physics 75, 86–88.
Schuller, P., Voigt, G., Handl, J., Ellies, A., Oliva, L., 2002b. Global weapons fallout 137cs in soils and transfer to
vegetation in south central chile. J Environ Radioact 62, 181–193.
Schultz, R., 1965. Soil chemistry of radionuclides. Health Phys. 11, 1317–1324.
Shultis, J.K., Faw, R.E., 2002. Radioactivity, en: Fundamentals of Nuclear Science and Engineering. CRC Press.
Skopp, J.M., 2000. Physical properties of primary particles, en: Sumner, M.E. (Ed.), Handbook of Soil Science. CRC
Press, pp. A–3 – A–16.
Stringer, J., Thompson, A., 2000. Comparison of forestry best management practices, part i: Streamside management zones. For. Landown. May/June 2000, 22–27.
Torri, D., Borselli, L., 1999. Water erosion, en: Sumner, M.E. (Ed.), Handbook of Soil Science. CRC Press.
UNSCEAR, 1982. Ionizing radiation: sources and biological effects. Report to the General Assembly. United Nations
Scientific Committee on the Effects of Atomic Radiation, New York.
UNSCEAR, 2000. Sources and Effects of Ionizing Radiation, 2000 Report to the General Assembly. United Nations
Scientific Committee on the Effects of Atomic Radiation, New York.
58
BIBLIOGRAFÍA
Wallbrink, P., Murray, A., 1996. Distribution of 7be in soils under different surface cover conditions and its potential
for describing soil redistribution processes. Water Resour. Res. 32, 467–476.
Wallbrink, P., Roddy, B., Olley, J., 2002. A tracer budget quantifying soil redistribution on hillslopes after forest
harvesting. Catena 47, 179–201.
Walling, D.E., 2002. Recent advances in the use of environmental radionuclides in soil erosion investigations, en:
Nuclear techniques in integrated plant nutrient, water and soil management. IAEA-CSP-11P, pp. 279–301.
Walling, D.E., 2003. Using environmental radionuclides as tracers in sediment budget investigations, en: Proceeding of the Oslo Workshop, June 2002, Erosion and Sediment Transport Management in Rivers: Technological
and Methodological Advances. IAHS Publ.. volumen 283, pp. 57–78.
Walling, D.E., 2005. Tracing suspended sediment sources in catchments and river systems. Science of the Total
Environment 344, 159–184.
Walling, D.E., 2006. Tracing versus monitoring: New challenges and opportunities in erosion and sedimentation
delivery research, en: Owens, P., Collins, A. (Eds.), Soil Erosion and sediment redistribution in river catchments:
Measurement, modelling and mangement. CABI, UK, pp. 13–27.
Walling, D.E., Owens, P.N., Leeks, G., 1999. Fingerprinting suspended sediment sources in the catchment of the
river ouse, yorkshire, uk. Hydrological processes 13, 955–975.
Walling, D.E., Peart, M.R., Oldfield, F., Thompson, R., 1979. Suspended sediment sources identified by magnetic
measurements. Nature 281, 110–113.
Walling, D.E., Woodward, J.C., Nicholas, A.P., 1993. A multiparameter approach to fingerprinting suspended sediment sources, en: Peters, N.E., Hoehn, E., Leibundgut, C., Tase, N., Walling, D.E. (Eds.), Tracers in hydrology. IAHS
Publ.
Weaver, C.E., 1967. Variability of a river clay suite. Journal of Sedimentary Petrology 37, 971–974.
Yu, L., Oldfield, F., 1989. A multivariate mixing model for identifying sediment source from magnetic measurements. Quat. Res. 32, 168–181.
Apéndices
59
Apéndice A
Grillas de recolección de muestras
Figura A.1: Grilla de recolección de muestras en Los Ulmos Control. Fuente: Elaboración propia.
60
61
Figura A.2: Grilla de recolección de muestras en Los Ulmos Tratamiento. Fuente: Elaboración propia.
Apéndice B
Código de programación de SedMC en
MATLAB
El software SedMC fue programado utilizando las herramientas de la plataforma GUI (Graphical User Interface)
R
de MATLAB
7. La figura B.1 presenta una captura de pantalla del software SedMC en funcionamiento, incluyendo
los valores del ejemplo presente en 4.9.3, y los distintos nombres de los objetos utilizados en la programación. El
código de programación de ejecución de los botones (Re)Generate Tables, Calculate y Erase Results aparecen a
continuación.
Figura B.1: Captura de pantalla del software SedMC. Cada objeto muestra su nombre correspondiente al usado en el código de
programación
62
63
Código de programación de Botón (Re)Generate Tables:
1 f u n c t i o n C r e a t e _ C a l l b a c k ( hObject , eventdata , handles )
2
%Se e x t r a e n l o s v a l o r e s de nfing , nzones y nweir .
3
n=s t r 2 d o u b l e ( g e t ( handles . nfing , ’ S t r i n g ’ ) ) ;
4
m=s t r 2 d o u b l e ( g e t ( handles . nzones , ’ S t r i n g ’ ) ) ;
5
n v e r t=s t r 2 d o u b l e ( g e t ( handles . nweir , ’ S t r i n g ’ ) ) ;
6
nelem1=c e l l ( n ,m) ;
7
nelem2=c e l l ( n , n v e r t ) ;
8
nelem3=c e l l ( nvert ,m) ;
9
nelem1 ( : , : ) ={ ’ ’ } ;
10
nelem2 ( : , : ) ={ ’ ’ } ;
11
nelem3 ( : , : ) ={ ’ ’ } ;
12
s e t ( handles . u i t a b l e 1 , ’ Data ’ , nelem1 ) ;
13
s e t ( handles . u i t a b l e 2 , ’ Data ’ , nelem2 ) ;
14
s e t ( handles . u i t a b l e 3 , ’ Data ’ , nelem3 ) ;
15
s e t ( handles . u i t a b l e 4 , ’ Data ’ , nelem3 ) ;
16
s e t ( handles . u i t a b l e 5 , ’ Data ’ , nelem1 ) ;
17
s e t ( handles . u i t a b l e 1 , ’ ColumnEditable ’ , t r u e ( 1 ,m) ) ;
18
s e t ( handles . u i t a b l e 5 , ’ ColumnEditable ’ , t r u e ( 1 ,m) ) ;
19
s e t ( handles . u i t a b l e 2 , ’ ColumnEditable ’ , t r u e ( 1 , n v e r t ) ) ;
Código de programación de Botón Calculate (Primera etapa de Iteraciones):
1 f u n c t i o n C a l c u l a t e _ C a l l b a c k ( hObject , eventdata , handles )
2
%Se e x t r a e n l o s v a l o r e s de nfing , nzones y nweir .
3
s e t ( handles . t e x t 1 4 , ’ BackgroundColor ’ , ’ green ’ ) ;
4
s e t ( handles . t e x t 1 4 , ’ S t r i n g ’ , ’ Waiting . . . ’ ) ;
5
n=s t r 2 d o u b l e ( g e t ( handles . nfing , ’ S t r i n g ’ ) ) ;
6
m=s t r 2 d o u b l e ( g e t ( handles . nzones , ’ S t r i n g ’ ) ) ;
7
n v e r t=s t r 2 d o u b l e ( g e t ( handles . nweir , ’ S t r i n g ’ ) ) ;
8
N i t e r=s t r 2 d o u b l e ( g e t ( handles . n i t e r a t , ’ S t r i n g ’ ) ) ;
9
nerr=s t r 2 d o u b l e ( g e t ( handles . nerror , ’ S t r i n g ’ ) ) ;
10
%Se e x t r a e n l o s v a l o r e s ingresados en l a s t a b l a s u i t a b l e 1 , u i t a b l e 5 y u i t a b l e 2 .
11
AZi=s t r 2 d o u b l e ( g e t ( handles . u i t a b l e 1 , ’ Data ’ ) ) ;
12
Cw=s t r 2 d o u b l e ( g e t ( handles . u i t a b l e 2 , ’ Data ’ ) ) ;
13
rb1=s t r 2 d o u b l e ( g e t ( handles . radiobutton1 , ’ Value ’ ) ) ;
14
rb2=s t r 2 d o u b l e ( g e t ( handles . radiobutton2 , ’ Value ’ ) ) ;
15
16
c o r r e c t =0;
17
v e r t r e a d y =0;
18
% Búsqueda d e l v a l o r mínimo de cada muestra de v e r t e d e r o .
19
f o r r =1: n v e r t
20
c o r r e c t ( r , 1 ) =0;
21
f o r i t e r =1: N i t e r
64
22
APÉNDICE B. CÓDIGO DE PROGRAMACIÓN DE SEDMC EN MATLAB
%Se generan v a l o r e s a l e a t o r i o s de c o n t r i b u c i o n e s r e l a t i v a s e n t r e 0 y 1 .
23
sumay=0;
24
while sumay<1
25
sumay=0;
26
f o r i =1:m
27
Y ( 1 , i )=rand ;
28
sumay=sumay+Y ( 1 , i ) ;
29
end
30
end
31
sumax=0;
32
f o r i =1:m
X ( 1 , i )=Y ( 1 , i ) /sumay ;
33
34
sumax=sumax+X ( 1 , i ) ;
35
end
36
37
%Se evalúa l a ecuación d e l modelo de mezcla , u t i l i z a n d o l o s v a l o r e s a l e a t o r i o s generados .
38
EqGOFTraz=0;
39
f o r i =1:n
EqGOFZona ( i , 1 ) =0;
40
f o r j =1:m
41
42
EqGOFauxZona=AZi ( i , j ) ∗X ( 1 , j ) ;
43
EqGOFZona ( i , 1 )=EqGOFZona ( i , 1 )+EqGOFauxZona ;
44
end
45
EqGOFauxTraz ( i , 1 ) =((Cw( i , r )−EqGOFZona ( i , 1 ) ) /Cw( i , r ) ) ^ 2 ;
46
EqGOFTraz=EqGOFTraz+EqGOFauxTraz ( i , 1 ) ;
47
end
48
%Se guardan l o s v a l o r e s en una matriz de v a l o r e s mínimos por cada muestra de v e r t e d e r o .
49
Minimum( i t e r , r )=EqGOFTraz ;
50
end
51
end
52
%Valor mínimo encontrado a l f i n a l i z a r l a primera etapa de i t e r a c i o n e s .
53
minival=min (Minimum) ;
Código de programación de Botón Calculate (Segunda etapa de Iteraciones):
1 f o r r =1: n v e r t
2
c o r r e c t ( r , 1 ) =0;
3
Minx=100000;
4
f o r i t e r =1: N i t e r ∗10
5
%Se generan v a l o r e s a l e a t o r i o s de c o n t r i b u c i o n e s r e l a t i v a s e n t r e 0 y 1 para l a segunda etapa de
iteraciones .
6
sumay=0;
7
while sumay<1
8
sumay=0;
9
f o r i =1:m
65
10
Y ( 1 , i )=rand ;
11
sumay=sumay+Y ( 1 , i ) ;
12
end
13
end
14
15
sumax=0;
16
17
f o r i =1:m
18
X ( 1 , i )=Y ( 1 , i ) /sumay ;
19
sumax=sumax+X ( 1 , i ) ;
20
end
21
%Se evalúa l a ecuación d e l modelo de mezcla .
22
23
EqGOFTraz=0;
24
f o r i =1:n
25
26
EqGOFZona ( i , 1 ) =0;
f o r j =1:m
27
EqGOFauxZona=AZi ( i , j ) ∗X ( 1 , j ) ;
28
EqGOFZona ( i , 1 )=EqGOFZona ( i , 1 )+EqGOFauxZona ;
29
end
30
EqGOFauxTraz ( i , 1 ) =((Cw( i , r )−EqGOFZona ( i , 1 ) ) /Cw( i , r ) ) ^ 2 ;
31
EqGOFTraz=EqGOFTraz+EqGOFauxTraz ( i , 1 ) ;
32
end
33
34
RME=EqGOFTraz ;
35
%Se guarda l a combinación de c o n t r i b u c i o n e s r e l a t i v a s que producen e l mínimo v a l o r en l a ecuación
36
i f EqGOFTraz < Minx
d e l modelo de mezcla .
37
Minx=EqGOFTraz ;
38
f o r l =1:m
39
lowx ( r , l )=X ( 1 , l ) ;
40
end
41
end
42
%Comparación e n t r e e l v a l o r mínimo minval y e l v a l o r de l a ecuación d e l modelo de mezcla para l o s
v a l o r e s generados en l a i t e r a c i ó n i t e r . Se agrega un contador de combinación de
c o n t r i b u c i o n e s que cumplen l a r e s t r i c c i ó n .
43
i f abs (RME)<=minival ( r ) ∗(1+( nerr /100) )
44
f o r zone =1:m
Prop ( c o r r e c t ( r , 1 ) +1 ,zone )=X ( 1 , zone ) ;
45
46
end
47
c o r r e c t ( r , 1 )=c o r r e c t ( r , 1 ) +1;
48
end
49
50
51
i f i t e r ==1∗N i t e r
v e r t r e a d y=v e r t r e a d y +1;
66
APÉNDICE B. CÓDIGO DE PROGRAMACIÓN DE SEDMC EN MATLAB
52
53
end
end
54
55
i f correct ( r , 1 ) > 1
56
Prom= mean( Prop ) ;
57
stddev=s t d ( Prop ) ;
58
s e t ( handles . t e x t 1 5 , ’ BackgroundColor ’ , ’ yellow ’ )
59
s e t ( handles . t e x t 1 5 , ’ S t r i n g ’ , [ ’ Working . . . ’ , num2str ( ( v e r t r e a d y / n v e r t ) ∗100) , ’ % ready ’ ] )
60
c o n f i n t =1.96∗( stddev / s q r t ( c o r r e c t ( r , 1 ) ) ) ;
61
62
f o r h=1:m
63
Promedio ( r , h )=Prom ( h ) ;
64
Desvest ( r , h )=stddev ( h ) ;
65
66
c o n f i n t e r ( r , h )=c o n f i n t ( h ) ;
end
67
%Se agregan l o s r e s u l t a d o s en l a s t a b l a s u i t a b l e 3 y u i t a b l e 4 .
68
s e t ( handles . u i t a b l e 3 , ’ Data ’ , Promedio )
69
70
i f g e t ( handles . radiobutton1 , ’ Value ’ )== 1 . 0
71
s e t ( handles . u i t a b l e 4 , ’ Data ’ , c o n f i n t e r ) ;
72
end
73
i f g e t ( handles . radiobutton2 , ’ Value ’ )== 1 . 0
74
s e t ( handles . u i t a b l e 4 , ’ Data ’ , Desvest ) ;
75
end
76
77
s e t ( handles . t e x t 1 5 , ’ BackgroundColor ’ , ’ green ’ ) ;
78
s e t ( handles . t e x t 1 6 , ’ BackgroundColor ’ , ’ green ’ ) ;
79
s e t ( handles . t e x t 1 6 , ’ S t r i n g ’ , ’Done ! ’ ) ;
80
end
81
%S i l a cantidad de combinaciones de c o n t r i b u c i o n e s r e l a t i v a s es i g u a l a 0 o 1 , se l e pide a l usuario
c a l c u l a r nuevamente .
82
i f c o r r e c t ( r , 1 ) ==1
83
Prom=Prop ;
84
stddev =0;
85
s e t ( handles . u i t a b l e 3 , ’ Data ’ , lowx )
86
s e t ( handles . u i t a b l e 4 , ’ Data ’ , z e ro s ( nvert ,m) )
87
s e t ( handles . t e x t 1 6 , ’ BackgroundColor ’ , ’ yellow ’ ) ;
88
s e t ( handles . t e x t 1 6 , ’ S t r i n g ’ , ’Run A n a l y s i s Again ! ’ ) ;
89
end
90
91
i f c o r r e c t ( r , 1 ) ==0
92
93
s e t ( handles . u i t a b l e 3 , ’ Data ’ , lowx )
94
s e t ( handles . u i t a b l e 4 , ’ Data ’ , z e ro s ( nvert ,m) )
95
s e t ( handles . t e x t 1 5 , ’ BackgroundColor ’ , ’ green ’ ) ;
67
96
s e t ( handles . t e x t 1 6 , ’ BackgroundColor ’ , ’ yellow ’ ) ;
97
s e t ( handles . t e x t 1 6 , ’ S t r i n g ’ , ’ Caution : Lowest X ! ’ ) ;
98
end
99
100
i f n v e r t==1
101
s e t ( handles . t e x t 3 3 , ’ S t r i n g ’ , c o r r e c t ) ;
102
end
103 end
Código de programación de Botón Erase Results:
1 f u n c t i o n pushbutton5_Callback ( hObject , eventdata , handles )
2
%Se borran l o s r e s u l t a d o s para un nuevo a n á l i s i s .
3
m=s t r 2 d o u b l e ( g e t ( handles . nzones , ’ S t r i n g ’ ) ) ;
4
n v e r t=s t r 2 d o u b l e ( g e t ( handles . nweir , ’ S t r i n g ’ ) ) ;
5
nelem3=c e l l ( nvert ,m) ;
6
nelem3 ( : , : ) ={ ’ ’ } ;
7
s e t ( handles . radiobutton1 , ’ Value ’ , 1 . 0 ) ;
8
s e t ( handles . u i t a b l e 3 , ’ Data ’ , nelem3 ) ;
9
s e t ( handles . u i t a b l e 4 , ’ Data ’ , nelem3 ) ;
10
s e t ( handles . t e x t 1 4 , ’ BackgroundColor ’ , ’ red ’ ) ;
11
s e t ( handles . t e x t 1 4 , ’ S t r i n g ’ , ’ Waiting . . . ’ ) ;
12
s e t ( handles . t e x t 1 5 , ’ BackgroundColor ’ , [ 0 . 9 4 0 . 9 4 0 . 9 4 ] ) ;
13
s e t ( handles . t e x t 1 5 , ’ S t r i n g ’ , ’ ’ ) ;
14
s e t ( handles . t e x t 1 6 , ’ BackgroundColor ’ , [ 0 . 9 4 0 . 9 4 0 . 9 4 ] ) ;
15
s e t ( handles . t e x t 1 6 , ’ S t r i n g ’ , ’ ’ ) ;
16
s e t ( handles . t e x t 3 3 , ’ S t r i n g ’ , ’ ’ ) ;
Apéndice C
Resultados SSA
Tabla C.1: Resumen de regresiones lineales entre SSA y concentración másica de los trazadores ambientales utilizados
Trazador
210 Pb
ex
(Bq kg-1 )
Z1
Z2
Z3
Vertedero
Total
n
Intercepto
Pendiente
r
p
n
Intercepto
Pendiente
r
p
n
Intercepto
Pendiente
r
p
n
Intercepto
Pendiente
r
p
n
Intercepto
Pendiente
r
p
9
47,09
-53,88
-0,253
>0,100
13
18,17
-1,25
-0,010
>0,100
7
-2,44
81,68
0,836
<0,010
4
27,17
-61,43
-0,300
>0,100
33
10,53
34,79
0,263
<0,100
137 Cs
226 Ra
(Bq kg-1 )
9
5,79
14,42
0,086
>0,100
13
2,49
2,36
0,088
>0,100
10
3,47
8,33
0,190
>0,100
4
3,66
7,85
0,149
>0,100
36
2,63
11,62
0,171
>0,100
(Bq kg-1 )
9
-4,43
67,63
0,443
>0,100
13
58,50
-109,02
-0,768
<0,002
10
41,39
-56,21
-0,608
>0,100
4
34,63
-11,71
-0,083
>0,100
36
47,04
-78,45
-0,628
<0,001
68
40 K
(Bq kg-1 )
9
-34,66
482,11
0,335
>0,100
13
1086,87
-2677,21
-0,836
<0,001
10
544,12
-826,40
-0,683
<0,100
4
723,74
-1608,53
-0,741
<0,020
36
785,00
-1819,35
-0,733
<0,001
SOC
( %)
9
14,19
-18,41
-0,439
>0,100
13
-0,85
23,50
0,717
<0,010
6
6,29
2,22
0,128
>0,100
4
-8,01
79,61
0,532
>0,100
32
4,22
10,00
0,326
<0,050
SON
( %)
9
0,67
-1,18
-0,539
>0,100
13
-0,05
0,92
0,668
<0,010
7
0,16
0,31
0,376
>0,100
4
-0,04
1,40
0,359
>0,100
33
0,13
0,41
0,327
<0,050
69
Figura C.1: Representación gráfica de SSA versus concentración de trazadores, utilizados en LUT post-cosecha de las muestras
analizadas en CSIC, España. Fuente: Elaboración propia.
Apéndice D
Resultados completos de concentraciones
másicas
Figura D.1: Dispersión de las concentraciones másicas de 210 Pbex en cada una de las zonas de estudio
(a) LUC
(b) LUT pre-cosecha
(c) LUT post-cosecha
Figura D.2: Dispersión de las concentraciones másicas de 137 Cs en cada una de las zonas de estudio
(a) LUC
(b) LUT pre-cosecha
70
(c) LUT post-cosecha
71
Figura D.3: Dispersión de las concentraciones másicas de 226 Ra en cada una de las zonas de estudio
(a) LUC
(b) LUT pre-cosecha
(c) LUT post-cosecha
Figura D.4: Dispersión de las concentraciones másicas de 40 K en cada una de las zonas de estudio
(a) LUC
(b) LUT pre-cosecha
(c) LUT post-cosecha
Figura D.5: Dispersión de las concentraciones másicas de SOC en cada una de las zonas de estudio
(a) LUC
(b) LUT pre-cosecha
(c) LUT post-cosecha
72
APÉNDICE D. RESULTADOS COMPLETOS DE CONCENTRACIONES MÁSICAS
Figura D.6: Dispersión de las concentraciones másicas de SON en cada una de las zonas de estudio
(a) LUC
(b) LUT pre-cosecha
(c) LUT post-cosecha
Figura D.7: Dispersión de las concentraciones másicas de SOM en cada una de las zonas de estudio
(a) LUC
(b) LUT pre-cosecha
(c) LUT post-cosecha
Tabla D.1: Estadística descriptiva de las concentraciones de los trazadores utilizados en LUC, LUT pre-cosecha y LUT post-cosecha. Fuente: Elaboración propia.
Los Ulmos Control
Trazador
210 Pbex (Bq kg-1 )
137 Cs(Bq kg-1 )
226 Ra(Bq kg-1 )
40 K(Bq kg-1 )
SOC( %)
SON( %)
SOM( %)
Z1
x̄
74,47
7,97
11,19
69,11
19,95
0,73
34,32
σ
31,59
3,74
3,63
25,80
7,59
0,25
13,05
EEM
5,50
0,65
0,63
4,49
1,32
0,04
2,27
x̄
76,07
14,14
18,86
101,38
13,33
0,51
22,92
σ
32,13
7,24
8,11
62,60
4,56
0,18
7,84
EEM
10,71
2,29
2,56
19,80
1,44
0,06
2,48
x̄
25,58
9,85
19,43
115,37
8,44
0,30
14,52
σ
9,28
5,25
5,14
50,29
2,03
0,13
3,49
EEM
2,93
1,66
1,63
15,90
0,64
0,04
1,10
Z2
CV( %)
42,41
47,00
32,45
37,33
38,04
34,10
38,04
Máx.
149,12
17,67
22,69
175,38
30,65
1,08
52,71
Mín.
14,01
1,61
7,66
47,59
4,84
0,22
8,33
x̄
21,88
2,51
18,58
65,20
7,53
0,33
12,96
σ
18,43
1,94
3,32
8,99
4,39
0,18
7,56
EEM
6,97
0,73
1,25
3,40
1,66
0,07
2,86
CV( %)
42,24
51,23
42,98
61,75
34,20
35,22
34,20
Máx.
120,98
30,10
36,59
251,41
22,20
0,80
38,18
Mín.
35,29
4,50
9,84
51,03
6,82
0,23
11,73
x̄
12,73
3,34
25,06
242,86
5,77
0,30
9,92
σ
7,52
2,51
9,15
249,12
0,71
0,08
1,22
EEM
3,76
1,12
4,09
111,41
0,32
0,03
0,54
CV( %)
36,26
53,31
26,48
43,59
24,02
41,90
24,02
Máx.
37,52
17,50
27,41
185,99
11,66
0,52
20,05
Mín.
7,07
1,90
13,06
42,42
5,85
0,17
10,06
x̄
14,61
2,61
27,45
282,72
5,67
0,20
9,76
σ
8,54
1,59
11,79
254,29
2,48
0,10
4,27
EEM
2,37
0,44
3,27
70,53
0,69
0,03
1,19
Z3
CV( %)
84,25
77,47
17,87
13,78
58,34
54,05
58,34
Máx.
48,92
5,65
24,55
75,29
13,14
0,57
22,60
Mín.
1,88
0,00
13,76
54,14
2,32
0,14
3,99
x̄
22,80
7,91
21,81
186,66
9,68
0,39
16,64
σ
8,88
1,29
4,20
31,30
2,71
0,10
4,65
EEM
2,56
0,37
1,21
9,04
0,78
0,03
1,34
CV( %)
38,94
16,33
19,24
16,77
27,96
26,11
27,96
Máx.
37,93
10,06
30,19
237,98
14,10
0,54
24,26
Mín.
9,41
5,89
17,41
145,47
5,08
0,24
8,75
x̄
25,00
7,81
27,56
215,96
14,68
0,39
25,25
σ
5,44
0,93
3,94
11,75
7,25
0,13
12,47
Vertedero
EEM
CV( %)
1,36
21,77
0,23
11,96
0,99
14,31
2,94
5,44
1,81
49,38
0,03
33,21
3,12
49,38
Máx.
36,74
9,20
34,94
238,33
26,09
0,59
44,87
Mín.
17,51
6,49
20,41
195,82
4,54
0,21
7,81
CV( %)
66,62
22,10
22,24
25,41
25,02
20,58
25,02
Máx.
15,82
5,64
37,65
505,88
8,01
0,30
13,78
Mín.
0,00
2,72
20,06
254,89
4,27
0,18
7,34
x̄
13,69
6,34
31,56
455,24
9,56
0,31
16,44
σ
2,78
0,96
2,11
46,86
3,25
0,08
5,58
Vertedero
EEM
CV( %)
1,05
20,31
0,36
15,18
0,80
6,69
17,71
10,29
1,23
33,95
0,03
26,48
2,11
33,95
Máx.
19,12
7,73
35,24
552,15
15,42
0,43
26,52
Mín.
10,02
4,70
29,92
415,78
5,81
0,16
10,00
Máx.
29,04
10,52
35,24
429,60
13,79
0,46
23,71
Mín.
10,31
3,01
21,30
231,06
5,92
0,19
10,18
x̄
17,97
6,69
29,94
397,15
7,88
0,27
13,38
σ
4,83
1,04
2,91
31,56
2,52
0,09
2,57
Vertedero
EEM
CV( %)
1,39
26,89
0,30
15,57
0,84
9,73
9,11
7,95
0,73
32,02
0,03
35,28
0,74
19,24
Máx.
25,27
9,38
36,52
455,29
13,20
0,42
18,84
Mín.
9,48
5,17
23,98
338,19
3,71
0,13
10,40
Los Ulmos Tratamiento pre-cosecha
Z1
210 Pbex (Bq kg-1 )
137 Cs(Bq kg-1 )
226 Ra(Bq kg-1 )
40 K(Bq kg-1 )
SOC( %)
SON( %)
SOM( %)
Z2
Z3
CV( %)
59,06
74,97
36,53
102,57
12,27
23,53
12,27
Máx.
17,67
7,35
36,79
643,83
6,50
0,41
11,18
Mín.
1,65
1,34
17,01
62,23
5,01
0,22
8,62
x̄
9,30
4,55
29,11
364,04
6,42
0,24
11,04
σ
6,20
1,01
6,47
92,51
1,61
0,05
2,76
EEM
2,77
0,41
2,64
37,77
0,66
0,02
1,13
Los Ulmos Tratamiento post-cosecha
Z1
210 Pbex (Bq kg-1 )
137 Cs(Bq kg-1 )
226 Ra(Bq kg-1 )
40 K(Bq kg-1 )
SOC( %)
SON( %)
SOM( %)
σ = Desviación estándar.
x̄ = Promedio.
EEM = Error estándar de la media.
Z2
Z3
CV( %)
58,47
60,88
42,93
89,95
43,78
52,07
43,78
Máx.
35,84
5,31
49,16
694,98
11,90
0,46
20,46
Mín.
4,25
0,00
14,30
65,74
2,59
0,09
4,45
x̄
20,70
5,65
26,88
314,69
9,23
0,28
15,88
σ
6,99
2,28
4,59
74,69
2,62
0,08
4,51
EEM
2,21
0,72
1,45
23,62
0,83
0,03
1,43
CV( %)
33,79
40,36
17,08
23,73
28,40
29,81
28,40
73