AIHR AIIH

XXIII CONGRESO LATINOAMERICANO DE HIDRULICA

CARTAGENA DE INDIAS COLOMBIA, SEPTIEMBRE 2008

COMPORTAMIENTO DE LA FRACCIN DISPERSIVA EN ROS

CARACTERSTICOS DE MONTAA

Ricardo Alfonso Gonzlez Pinzn, Luis Alejandro Camacho Botero

Departamento de Ingeniera Civil y Agrcola, Universidad Nacional de Colombia (Bogot)
Ciudad Universitaria Ed. 409-310, Bogot-Colombia
ricagonzalezp@unal.edu.co, lacamachob@unal.edu.co

RESUMEN:

En este artculo se presentan los resultados de la investigacin del comportamiento de la fraccin

dispersiva DF en ros caractersticos de montaa de Colombia, utilizando una base de datos de 58
experimentos con trazadores y caracterizaciones hidrulicas realizados bajo diferentes caudales en
los ros Teusac, Subachoque y Quebrada Leja, y en el canal de drenaje urbano Molinos. Los
resultados encontrados permiten estimar en ros de montaa una fraccin dispersiva global
DF = 0.27 0.015 (R2 =0.98). No obstante, se encontr que DF puede presentar variaciones con el
caudal de hasta un 22% (10% en promedio) en un mismo tramo de estudio. En el desarrollo de esta
investigacin se proponen tres metodologas fcilmente reproducibles para caracterizar en forma
adecuada el transporte de solutos en ros de montaa, y se validan por medio de la presentacin de
dos casos de estudio.

PALABRAS CLAVES: Transporte de solutos, Fraccin dispersiva, Modelo ADZ

ABSTRACT:

This paper presents the research results of the dispersive fraction DF behavior in three different
Colombian mountain rivers, based on a database of 58 tracer experiments and hydraulic
characterizations conducted under several discharges, in the Teusac, Subachoque and Quebrada
Leja rivers, and the Molinos drainage channel. The results show that in the studied mountain rivers
the dispersive fraction presents a global value of DF = 0.27 0.015 (R2 =0.98). However, it was
also found that DF can vary up to 22% (10% on average) in the same reach of a given river. As a
result of the investigation, three methodologies are proposed to accurately characterize solute
transport processes in mountain rivers that are validated herein through the presentation of two
study cases.

KEY WORDS: Solute transport, Dispersive Fraction, ADZ Model.

INTRODUCCIN

Las zonas de montaa son consideradas ecosistemas frgiles, ya que su estructura y funcionamiento
pueden ser transformados o degradados a corto plazo por el hombre, debido a la poca capacidad de
sus componentes ecolgicos para absorber, compensar o revertir las perturbaciones derivadas de su
explotacin. El uso creciente de las zonas de montaa con criterios predominantemente extractivos
se traduce en efectos nocivos que impactan la disponibilidad del recurso hdrico local en trminos
de calidad, cantidad y oportunidad (FAO, 2000).

Dentro de las principales situaciones que estn afectando continuamente la conservacin de los
sistemas de agua en Amrica Latina se encuentran: la urbanizacin no regulada de las riberas de
ros y lagos, la tala de la vegetacin riparia, la falta de tratamiento de las aguas residuales vertidas,
la carencia de servicios de saneamiento bsico para las poblaciones rurales de las cuencas, y los
residuos producidos por actividades mineras y agropecuarias no reguladas (FAO, 2002). Teniendo
en cuenta las anteriores consideraciones, este trabajo investigativo busca generar un aporte en el
estudio de los mecanismos de transporte de sustancias disueltas, como pilar sobre el cual estn
cimentados los anlisis cualitativos y cuantitativos de la capacidad de autopurificacin de los ros de
montaa (Rutherford, 1994; Camacho y Lees, 2000; Camacho et al., 2007a).

Los modelos de transporte de sustancias disueltas en ros son tiles y necesarios para determinar en
forma objetiva el tiempo de arribo, el tiempo medio de viaje, y el tiempo de pasaje de
contaminantes, permitiendo la operacin oportuna de estructuras hidrulicas en sistemas de
distribucin de agua, y la evaluacin del impacto que genera el vertimiento de estas sustancias.

Dentro de los principales modelos de transporte de solutos discutidos en la literatura y aplicados en

situaciones prcticas se encuentran el de Adveccin-Dispersin (ADE, e.g. Rutherford, 1994), el de
Almacenamiento Temporal (TS, Bencala y Walters, 1983), y el de Zona Muerta Agregada (ADZ,
Beer y Young, 1983). Esta investigacin se centra en el modelo ADZ, ya que se ha encontrado que
describe con mayor parsimonia el transporte de solutos en ros de montaa, los cuales estn
caracterizados por una presencia significativa de zonas muertas (Camacho et al, 2007b). Los dos
parmetros del modelo ADZ, i.e. el tiempo de arribo y el tiempo promedio de viaje t , presentan
un claro sentido fsico y son identificables. Estos parmetros permiten calcular la fraccin
dispersiva definida como DF= 1 - / t . En este artculo se presentan los resultados de la
investigacin del comportamiento de DF en ros caractersticos de montaa de Colombia, utilizando
una base de datos de 58 experimentos con trazadores y caracterizaciones hidrulicas realizados bajo
diferentes caudales en los ros Teusac, Subachoque y Quebrada Leja, y en el canal de drenaje
urbano Molinos.

REVISIN DEL MODELO ADZ

En contraste con la representacin conceptual desarrollada en torno a los trabajos investigativos que
incluyen el concepto de zona muerta o zona de almacenamiento vinculado con el modelo dispersivo
tipo Ley de Fick, i.e. TS, el modelo ADZ considera que la mayor parte de la dispersin observada
en canales naturales se debe a las zonas muertas, i.e. los efectos acumulados de las zonas muertas
dominan los procesos dispersivos observados y su efecto total puede acoplarse produciendo as una
zona muerta agregada, cuyo tiempo de residencia define las propiedades de la dispersin asociadas
al tramo del ro que se est modelando (Beer y Young, 1983; Young y Wallis, 1993).
Mediante un enfoque basado en datos de experimentos con trazadores, y utilizando mtodos
avanzados de anlisis de series de tiempo de sistemas lineales, se ha demostrado (Beer y Young,
1983;Young y Wallis, 1993; Lees et al., 2000) que es posible representar de forma agregada, pero
precisa, los procesos dispersivos en una corriente causados por una o ms zonas muertas. A partir
de estos resultados, mediante un enfoque mecanicista posterior, ha sido posible desarrollar una
ecuacin matemtica diferencial ordinaria que permite modelar en forma agregada los fenmenos
de transporte de solutos en sistemas hidrulicos. El modelo ADZ resultante en tiempo continuo para
el anlisis de solutos conservativos bajo flujo permanente est dado por (Young y Wallis, 1993,
Lees et al., 2000):

d c(t )
=
1
(cu (t ) c(t ))
dt t [1]

siendo c la concentracin conservativa del soluto aguas abajo a la salida del tramo agregado de
estudio; cu la concentracin conservativa del soluto aguas arriba a la entrada del tramo de estudio;
t el tiempo promedio de viaje del soluto en el tramo; y el tiempo de retraso advectivo entre la
entrada y la salida del soluto en el tramo.

La fraccin dispersiva es una relacin derivable de los parmetros del modelo ADZ que define las
caractersticas de la mezcla del soluto en el tramo (cf. [2]). El modelo ADZ permite representar
condiciones de adveccin pura, i.e. DF = 0 , y dispersin pura, i.e. DF = 1 .

DF = 1 t [2]

Camacho (2000) sugiere calcular la fraccin dispersiva remplazando el tiempo de primer arribo
por la relacin entre la longitud del tramo y una velocidad mxima u max representativa, i.e.
= L u max , y el tiempo promedio de viaje t por la relacin entre la longitud del tramo y la
velocidad media u de flujo, i.e. t = L u obtenindose,

DF = 1 u u max [3]

En forma interesante, los resultados de diferentes investigaciones hidrulicas (e.g. Chiu y Said,
1995; Xia, 1997) muestran que en ros de planicie la relacin u u max es constante para un rango
amplio de caudales. Por lo tanto estos resultados concuerdan con aquellos reportados por Wallis et
al., (1989) y Young y Wallis (1993) acerca de una fraccin dispersiva constante con el caudal.

Al analizar la distribucin de velocidades en tuberas y canales uniformes se ha encontrado que

existe una relacin lineal entre la velocidad mxima u max y la velocidad media u del flujo, (cf. [4]).
Streeter et al. (1997) muestran que al utilizar la ley potencial de distribucin de velocidades
planteada por Prandtl, en flujo turbulento a presin la constante de proporcionalidad b toma un
valor de 1.224.

u max = bu [4]

Chiu y Said (1995), Chiu y Tung (2002) y Chiu y Hsu (2006), proponen un enfoque probabilstico
para modelar la distribucin de velocidades en tuberas y canales abiertos. Este enfoque est basado
en la Teora de Informacin propuesta por Shannon (1948), y en los principios de Mecnica
Estadstica Predictiva (e.g. Luzzi et al., 2002). Dentro de este marco los autores proponen una
ecuacin que relaciona las velocidades mxima y media con el parmetro de entropa M (c.f. [5]).

u eM 1
= [5]
u max e 1 M
M

Chiu y Said (1995) indican que en varios estudios realizados en ros con caractersticas
hidrogeomorfolgicas variables, se encontr que la constante b tom valores constantes que
oscilaron entre 1.18 y 1.4. Por otra parte, y ratificando los resultados presentados por Chiu y Said
(1995), Xia (1997) encontr relaciones lineales entre la velocidad mxima y la velocidad media del
flujo en el ro Mississippi. Los datos obtenidos cubren un amplio rango de caudales, i.e. 317-5069
m3/s; profundidades hidrulicas, i.e. 2.8-6.9 m; y anchos superficiales, i.e. 229-2000 m. Las
relaciones encontradas por Xia muestran una variacin de b entre 1.24 y 1.46 para tramos
meandrinosos y rectos, respectivamente.

Ntese que las ecuaciones [4] y [5] indican que existe una relacin inversa entre la constante b y el
parmetro de entropa M, i.e. en la medida en que b disminuye el flujo es ms turbulento y el
parmetro de entropa se hace mayor. Ntese tambin que para flujo laminar b=2.

Si bajo un rango amplio de caudales b se mantiene constante, se puede inferir que las caractersticas
hidrogeomorfolgicas de un tramo de canal establecen y conservan un estado de pseudo-equilibrio
que permite encontrar un valor aproximadamente constante en el parmetro de entropa. Para
establecer y mantener tal estado, el flujo ajusta las caractersticas del canal, i.e. las formas de fondo,
la geometra, la pendiente y el alineamiento. Por su parte, los canales no erosionables conservan el
pseudo-equilibrio por medio de la variacin de la distribucin de velocidades, i.e. la velocidad
mxima y su ubicacin varan en funcin del caudal.

Teniendo en cuenta la relacin constante existente entre las velocidades medias y mximas (cf. [4]),
puede demostrarse que si se analizan los procesos dispersivos en un canal o tubera uniforme, el
comportamiento de la fraccin dispersiva es constante con el caudal. Asumiendo que la velocidad
del flujo y la velocidad del transporte de solutos son iguales, se pueden plantear relaciones entre las
velocidades mxima y media, los parmetros del modelo ADZ, el coeficiente de entropa M y el
coeficiente de turbulencia b (Gonzlez, 2008).

u 1 eM 1
DF = 1 = 1 = 1 = 1 M [6]
u max t b e 1 M

El anterior resultado demuestra que la fraccin dispersiva es constante con el caudal en un canal o
tubera uniforme, y que tan solo depende del rgimen de flujo.

METODOLOGA

Para calibrar el modelo ADZ es necesario realizar experimentos con trazadores que permitan
simular el comportamiento de sustancias contaminantes vertidas. Los datos experimentales
utilizados en la investigacin se obtuvieron en tres ros tpicos de montaa i.e. Subachoque
(Gonzlez, 2008), Teusac (Camacho y Cantor, 2006; Gonzlez, 2008) y Leja (Lpez, 2003) y en
el Canal Molinos (Lpez, 2003), un canal de concreto de aguas lluvias. No obstante, en cada ro se
analizaron tramos con pendientes longitudinales significativamente variables que permitieron
diversificar las condiciones de los experimentos (ver Tabla 1). Por medio de inspecciones de campo
se establecieron los sitios de medicin, y se realizaron experimentos con trazadores de inyeccin
instantnea utilizando cloruro de sodio bajo diferentes caudales, siguiendo metodologas estndar
(Hubbard et al., 1981; Kilpatrick, 1993; Jobson, 1997).

Tabla 1.- Caractersticas de los ros y tramos estudiados en esta investigacin.

Experimentos Pendiente Ancho Profundidad
Ro-Tramo Longitud (m)
(#) (%) (m) (m)
Teusac-La Calera 11 130 - 198.7 0.93 4-5 0.2 0.5
Teusac- abajo Q. Simay 11 273 - 367 1.10 5-8 0.2 0.8
Subachoque- arriba La Pradera 14 306 - 412 3.00 5-8 0.1 1.3
Subachoque- abajo La Pradera 11 128 - 226 0.96 4-6 0.1 1.0
Quebrada Leja 4 274.2 4.80 4-7 0.05 0.4
Canal Molinos 5 150 1.20 2-3 0.1 0.3

En los tramos estudiados se determin la pendiente longitudinal del cauce por medio de
levantamientos topogrficos. Se registraron las longitudes de las piscinas, rpidos y cadas, con el
fin de analizar su influencia en el comportamiento de la fraccin dispersiva. Con los datos obtenidos
de concentracin-tiempo se calibr el modelo ADZ utilizando la herramienta SOLUTE
TRANSPORT TOOL v1.0 (Gonzlez y Camacho, este congreso), mediante las herramientas de
calibracin objetiva MCAT Toolbox (Wagener, et al., 2004) y Shuffled Complex Evolution (Duan
et al., 1993). A partir de los parmetros calibrados para cada serie de datos se calcul la fraccin
dispersiva, y se analiz su variacin con el caudal, y la influencia que ejercen las velocidades
medias y mximas, la pendiente longitudinal y las formas de fondo en su comportamiento.

RESULTADOS

Comportamiento de DF con el caudal

Los estudios realizados en varios tramos de ros de montaa pertenecientes a la regin andina
colombiana, sugieren una clara variacin de la fraccin dispersiva DF con el caudal Q que
contradice el comportamiento constante de DF reportado por Young y Wallis (1993) en ros de
planicie. La etapa de calibracin del modelo ADZ indica que la variacin de la fraccin dispersiva
con el caudal alcanza valores de hasta un 22% en el mismo tramo de un ro (ver Tabla 2 y Figura 1).

Influencia de las velocidades media y mxima

Utilizando los resultados obtenidos en la calibracin del modelo ADZ para los 58 experimentos con
trazadores realizados en ros de montaa, se encontr que puede establecerse un ajuste muy bueno,
i.e. R 2 > 0.95 , entre las velocidades mximas y medias, y entre los tiempos de arribo y promedio de
viaje (ver Figura 2).

Tabla 2.- Variacin de la fraccin dispersiva en ros de montaa.

Rango
Ro y tramo analizado Media % Variacin Pendiente longitudinal (%)
Inf. Sup.
Teusac- Calera S1-S2 0.33 0.20 0.40 20 0.93
Teusac- Calera S1-S3 0.27 0.25 0.28 3 0.93
Teusac- Calera S2-S3 0.34 0.24 0.46 22 0.93
Subachoque - abajo La Pradera S1-S2 0.41 0.32 0.47 15 0.96
Subachoque - abajo La Pradera S1-S3 0.24 0.21 0.26 5 0.96
Subachoque - abajo La Pradera S2-S3 0.18 0.14 0.22 8 0.96
Teusac- abajo Simay S1-S2 0.23 0.20 0.27 7 1.1
Teusac- abajo Simay S1-S3 0.27 0.24 0.30 6 1.1
Teusac- abajo Simay S2-S3 0.41 0.32 0.46 14 1.1
Canal Molinos 0.16 0.13 0.18 5 1.2
Subachoque - arriba La Pradera S1-S2 0.25 0.22 0.29 7 3.0
Subachoque - arriba La Pradera S1-S3 0.22 0.18 0.25 7 3.0
Subachoque - arriba La Pradera S2-S3 0.26 0.22 0.30 8 3.0
Quebrada Leja 0.36 0.31 0.47 16 4.8
 0.35
DF vs Q DF vs Q
0.7
Rango DF [0.31 - 0.47] Rango DF [0.14 - 0.22]
Media (0.4075) Media (0.1775)
0.3
(+) Std (0.4851) (+) Std (0.2125)
0.6 (-) Std (0.3299) (-) Std (0.1425)

0.25
Fraccin Dispersiva DF

Fraccin Dispersiva DF
0.5

0.2
0.4

0.15
0.3

0.1
0.2

0.1 0.05

500 1000 1500 2000 2500 3000 500 1000 1500 2000 2500 3000
Caudal Q (lt/s) Caudal Q (lt/s)

a) Tramo Subachoque - abajo La Pradera S1-S2 b) Tramo Subachoque - abajo La Pradera S2-S3
DF vs Q 0.7
DF vs Q
0.7
Rango DF [0.31 - 0.47] Rango DF [0.33 - 0.45]
Media (0.3600) Media (0.4125)
(+) Std (0.4344) 0.6 (+) Std (0.4681)
0.6 (-) Std (0.2856) (-) Std (0.3569)
Fraccin Dispersiva DF

Fraccin Dispersiva DF
0.5
0.5

0.4
0.4

0.3 0.3

0.2 0.2

0.1 0.1

100 200 300 400 500 600 700 200 400 600 800 1000 1200 1400 1600 1800 2000
Caudal Q (lt/s) Caudal Q (lt/s)

c) Quebrada Leja d) Teusac- abajo Simay S2-S3

Figura 1.- Ejemplos del comportamiento de la fraccin dispersiva en ros de montaa.

1400
1.8 Tiempo de arribo vs Tiempo promedio de viaje
Velocidad mxima vs Velocidad media
Tiempo = 0.73*Tiempo ; R2=0.98
Vel = 1.37*Vel ; R2=0.95 arribo promedio
1.6 max med 1200
Banda de confianza 95% (0.73 +- 0.015)
Banda de confianza 95% (1.37 +- 0.06)
1.4
1000
Velocidad mxima (m/s)

Tiempo de arribo (s)

1.2

800
1

0.8 600

0.6
400

0.4

200
0.2

0
0

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 200 400 600 800 1000 1200 1400 1600 1800
Velocida media (m/s) Tiempo promedio de viaje (s)

(a) (b)
Figura 2.- (a) Relacin entre la velocidad mxima y la velocidad media en ros de montaa. (b)
Relacin entre el tiempo de arribo y el tiempo promedio de viaje en ros de montaa

Los resultados presentados en la Figura 2 son muy interesantes, ya que se utilizaron datos obtenidos
en ros cuya pendiente vara entre 0.93% y 4.8% (ver Tabla 1), y cuyas formas de fondo son
altamente no uniformes. En la Figura 2 se puede observar que se encontr una correlacin casi
perfecta entre las velocidades mximas y medias del transporte de solutos, las cuales permiten
definir las siguientes relaciones en ros de montaa:

u max 1.37 u ; 0.73 t ; M 3.2 [7]

Las ecuaciones [6] y [7] permiten estimar un valor general de la fraccin dispersiva para los ros
estudiados igual a,

DF = 0.27 0.015 [8]

Este valor constante podra ser utilizado por municipios que cuenten con informacin escasa, o no
tengan informacin de procesos de transporte de sustancias disueltas, cuando se requieran modelos
de tiempos de viaje y/o de calidad del agua en ros de montaa. Bajo esta condicin, se puede
calcular un parmetro del modelo si el otro ha sido estimado por un mtodo alternativo. Un anlisis
de sensibilidad de esta ecuacin permiti establecer que se pueden encontrar errores medios de
9.7% en la estimacin de los tiempos del modelo ADZ; el error mnimo hallado es 0% y el mximo
es 27%.

Los anteriores resultados indican que la ecuacin [6] puede ser aplicada en ros de montaa, pero se
debe tener en cuenta que el ajuste de los coeficientes b y M no es perfecto, y que esas aparentes
ligeras desviaciones se traducen en errores de hasta un 20% en la estimacin de la fraccin
dispersiva.

Los resultados encontrados en ros de montaa contradicen el comportamiento constante de DF

observado en ros de planicie y sugieren un estudio particular de los procesos de transporte en cada
ro. Si la fraccin dispersiva es relativamente constante para un amplio rango de caudales tal y
como fue reportado por Young y Wallis (1993), se debe a que los canales que fueron estudiados
presentan un comportamiento similar a un canal uniforme (estas investigaciones se desarrollaron en
ros de planicie).

Influencia de la pendiente y las formas de fondo

La Figura 3 presenta el comportamiento de la fraccin dispersiva con respecto a la pendiente

longitudinal de los ros analizados. La calibracin del modelo ADZ para diferentes tramos permiti
evidenciar con claridad que no existe una relacin directa entre estos dos parmetros.
Particularmente la quebrada Leja, cuya pendiente longitudinal es 4.8%, presenta valores de
fraccin dispersiva en el mismo rango de magnitud que el tramo Teusac-Aguas abajo Simay,
cuya pendiente es del 1.1%. Estos resultados son consistentes con otros estudios realizados en este
contexto (e.g Jobson, 1997).

0.5

0.45

0.4
Fraccin Dispersiva DF

0.35

0.3

0.25

0.2
Teusac-La Calera
Teusac-Aguas abajo Simay
Subachoque-Aguas abajo La Pradera
0.15
Subachoque-Aguas arriba La Pradera
Quebrada Leja
Canal Molinos
0.1
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Pendiente (%)

Figura 3.- Variacin de DF con la pendiente longitudinal del cauce.

En ros de montaa las formas de fondo juegan un papel importante en el anlisis de los procesos
dispersivos bajo diferentes regmenes hidrolgicos. En forma cualitativa puede afirmarse que bajo
condiciones de caudales mximos en ros de montaa no se presenta una retencin temporal del
soluto significativa porque predominan las fuerzas de inercia, i.e. el transporte de solutos est
gobernado por los mecanismos de adveccin. Este mismo resultado se encuentra en canales
artificiales en los que se controla la uniformidad de la seccin transversal y la pendiente
longitudinal. Estas afirmaciones pueden corroborarse al analizar la baja magnitud de la fraccin
dispersiva obtenida en el Canal Molinos DF = 0.16 (ver Tabla 2); recurdese que si DF = 0 se est
analizando un caso de adveccin pura, y que si DF = 1 se presenta difusin pura.

Predecir cuantitativamente las variaciones espacio-temporales de las formas de fondo y de las

interacciones entre el canal principal y las zonas muertas es un ejercicio complejo, debido
principalmente a la enorme variabilidad de las caractersticas geomorfolgicas presentes en los ros
de montaa, y a las mediciones requeridas para cuantificar la interaccin entre la zona hiporreica y
el canal principal. No obstante, durante esta investigacin se realizaron mediciones que permiten
evidenciar relaciones entre el porcentaje de piscinas y rpidos existente en un tramo y el
comportamiento de la fraccin dispersiva.

En las salidas de campo adelantadas en esta investigacin se midieron las longitudes de los rpidos,
las piscinas y las cadas en los ros Subachoque, aguas arriba y aguas abajo de La Pradera, y
Teusac-Aguas abajo de la quebrada Simay. Los resultados presentados en la Tabla 3 y en Tabla 4
permiten concluir que la fraccin dispersiva se ve influenciada por el porcentaje de piscinas de cada
tramo. Las piscinas son zonas en las que el soluto sufre una mayor retencin temporal, y
normalmente existen en ros de montaa an bajo caudales altos. Ntese que en la medida en que la
fraccin dispersiva aumenta, tambin lo hace el porcentaje de piscinas, y que cuando la fraccin
dispersiva disminuye, aumenta el porcentaje de rpidos.

Tabla 3.- Formas de fondo observadas bajo diferentes caudales en el tramo aguas abajo de la
quebrada Simay. Ro Teusac.
Experimento Piscinas Rpidos Normal Cadas Q (lt/s) DF
TS1-s1s2 4.6% 37.9% 55.6% 1.9% 1100.90 0.25
TS2-s1s2 7.9% 40.3% 50.8% 1.0% 1353.39 0.26
TS2-s2s3 8.8% 21.1% 67.0% 3.1% 1353.39 0.33
TS2-s1s3 4.0% 38.6% 56.0% 1.4% 1353.39 0.25
TS3-s1s2 8.1% 34.9% 55.1% 1.9% 224.26 0.22
TS3-s1s3 12.0% 30.2% 55.8% 2.0% 224.29 0.30
TS3-s2s3 17.3% 20.5% 61.2% 1.0% 224.26 0.45

Tabla 4.- Formas de fondo observadas bajo diferentes caudales en el tramo aguas abajo de la La
Pradera. Ro Subachoque.
Experimento Piscinas Rpidos Normal Cadas Q (lt/s) DF
SU-D1-s1s2 14.0% 20.0% 66.0% 0.0% 425.55 0.31
SU-D2-s2s3 4.3% 29.0% 65.7% 1.0% 290.25 0.19
SU-D3-s1s2 16.0% 20.0% 62.0% 2.0% 1880.46 0.47
SU-D3-s1s3 5.4% 38.6% 54.6% 1.4% 1880.46 0.24
SU-D3-s2s3 3.0% 54.5% 41.3% 1.2% 1880.46 0.14
SU-D4-s1s2 17.5% 19.6% 59.5% 3.4% 471.30 0.47
SU-D4-s1s3 6.0% 24.8% 67.0% 2.2% 471.30 0.26
SU-D4-s2s3 4.1% 36.1% 59.1% 0.7% 471.30 0.22

METODOLOGAS PARA PREDECIR EL TRANSPORTE DE SOLUTOS EN ROS DE

MONTAA

En este trabajo se investigaron tres aproximaciones de utilidad prctica para predecir el transporte
de solutos en ros de montaa. La primera aproximacin consiste en plantear regresiones lineales
entre los parmetros del modelo ADZ (cf. [7]); los resultados encontrados en ros notoriamente
variables presentan ajustes muy buenos, i.e. (R2 = 0.98). La segunda aproximacin consiste en
plantear relaciones potenciales y/o inversas entre los parmetros calibrados del modelo ADZ y el
caudal; las ecuaciones encontradas para los ros y tramos presentan coeficientes de correlacin en
todos los casos mayores a 0.85 (0.94 en promedio) y permiten calcular los parmetros del modelo
para un caudal desconocido. La tercera aproximacin investigada permite calcular la evolucin de
la concentracin mxima de una sustancia disuelta vertida a una corriente de montaa; la validez de
esta aproximacin se demuestra en este estudio a partir de la alta correlacin obtenida (R2 = 0.82)
entre los tiempos caractersticos del fenmeno de transporte de solutos y las concentraciones
mximas medidas en campo.

Relaciones entre los parmetros del modelo ADZ y el caudal

Ya que no se encontraron relaciones matemticas constantes para expresar la variacin de la

fraccin dispersiva con el caudal, en este trabajo investigativo se proponen relaciones potenciales e
inversas entre el tiempo de arribo, el tiempo promedio de viaje y el caudal, con base en los
resultados obtenidos en la calibracin del modelo ADZ en cada tramo estudiado (ver Figuras 4 y 5).
350
280
tmedio vs. Q
tarribo vs. Q
tmedio= 106.59 + 44191.00/Q ; R2= 0.9318
260 tarribo= 86.55 + 36380.09/Q ; R2= 0.9696
-0.43 2 tmedio= 2981.56 * Q-0.43 ; R2= 0.9875
tarribo= 2481.13 * Q ; R = 0.9953
300
240

220

250
200

t medio (s)
t arribo (s)

180

200
160

140

150
120

100

100
80 400 600 800 1000 1200 1400 1600 1800
400 600 800 1000 1200 1400 1600 1800
Caudal Q (lt/s)
Caudal Q (lt/s)

(a) Tiempo de arribo vs caudal (b) Tiempo promedio de viaje vs caudal

Figura 4.- Relaciones entre los tiempos caractersticos y el caudal. Ro Subachoque-Aguas abajo La
Pradera Sitio 2- Sitio 3
500 600

tarribo vs. Q tmedio vs. Q

tarribo= 58.16 + 78723.49/Q ; R2= 0.9894 550 tmedio= 85.66 + 96790.19/Q ; R2= 0.9900
450
tarribo= 20431.74 * Q -0.72 2
; R = 0.9858 tmedio= 21101.03 * Q-0.68 ; R2= 0.9860
500
400

450

350
t medio (s)
t arribo (s)

400

300
350

250
300

200
250

150 200

100 150
200 400 600 800 1000 1200 200 400 600 800 1000 1200
Caudal Q (lt/s) Caudal Q (lt/s)

(a) Tiempo de arribo vs caudal (b) Tiempo promedio de viaje vs caudal

Figura 5.- Relaciones entre los tiempos caractersticos y el caudal. Ro Teusac-Aguas abajo Simay
Sitio 1- Sitio 2.

Esta metodologa puede ser utilizada en prediccin para determinar los parmetros del modelo ADZ
cuando se haya determinado el caudal que fluye por el ro, ya que se encontr un excelente ajuste en
todos los casos. Una entidad interesada en predecir el comportamiento dispersivo de un ro puede
realizar caracterizaciones hidrulicas y de transporte de solutos para un mnimo de tres regmenes
hidrolgicos, i.e. caudales mnimos, medios y mximos, posteriormente calibrar el modelo ADZ y
plantear relaciones de tipo potencial e inverso para predecir los parmetros bajo diferentes caudales.
De esta forma, para un caudal estimado en un evento de contaminacin o toma de muestras de la
calidad del agua, pueden realizarse simulaciones del modelo ADZ para predecir el comportamiento
dispersivo y los tiempos de viaje del soluto, i.e. los tiempos de arribo, concentracin mxima,
promedio de viaje y pasaje. En caso de no ser posible realizar caracterizaciones hidrulicas y de
transporte de solutos pueden utilizarse los excelentes resultados encontrados en las relaciones
presentadas en la ecuacin [7] y la ecuacin [8].
Caso de estudio 1

En este caso de estudio se presentan los resultados obtenidos al emplear la ecuacin [7]. El lector
puede preguntarse qu tipo de comportamiento se obtiene en los casos en que la ecuacin lineal de
tiempo de arribo vs tiempo promedio de viaje present errores mayores al 20%, tal y como fue
reportado? La respuesta se presenta por medio del anlisis de dos experimentos con trazadores.

Utilizando la ecuacin [7] se estim el valor del tiempo de arribo a partir del conocimiento del
tiempo promedio de viaje, y con base en las simulaciones generadas se calcul el error que se
obtiene en la prediccin de la concentracin mxima. Los valores estimados con la relacin lineal y
los errores calculados en su prediccin se presentan en la Tabla 5. La Figura 6 presenta los
resultados encontrados para el experimento TS4-s2s3 y TS3-s2s3.

Tabla 5.- Anlisis de resultados en prediccin con errores > 20% en la estimacin del tiempo de
arribo (cf. [7]).
Calibracin Prediccin % error % error
Experimento
(s) t(s) DF (s) DF () (Concentracin. Max.)
TS4-s2s3 405.70 706.36 0.43 514.23 0.272 21.1 7
TS3-s2s3 346.78 636.00 0.45 463 0.272 25.1 11

35
Observado aguas abajo Observado aguas abajo
30 Observado aguas arriba Observado aguas arriba
30
2
Simulacin ADZ; R = 0.97 Simulacin ADZ; R2= 0.9589

25
25
Concentracin [mg/lt]
Concentracin [mg/lt]

20
20

15
15

10 10

5 5

0 0
0 100 200 300 400 500 600 0 50 100 150 200 250 300 350 400 450 500

Tiempo en intervalos de 10 segundos Tiempo en intervalos de 10 segundos

(a) Experimento TS4-s2s3 (b) Experimento TS3-s2s3

Figura 6.- Resultados obtenidos en prediccin utilizando la ecuacin = 0.73 t . Casos de estudio
en los que se obtuvo un error > 20% al utilizar [7]. Ro Teusac-Aguas abajo Simay.

Los resultados obtenidos en las simulaciones permiten concluir que pese a los altos errores
encontrados en la estimacin de uno de los parmetros del modelo ADZ con la ecuacin [7], el
ajuste entre las concentraciones observadas y simuladas sigue presentando unos altos criterios de
eficiencia, i.e. R2 > 0.95. Las principales diferencias encontradas se presentan en la estimacin de la
concentracin mxima (7% y 11%, respectivamente). No obstante, los tiempos de pasaje del
contaminante son razonablemente similares a los observados.

Caso de estudio 2

Para analizar los resultados obtenidos al plantear relaciones potenciales e inversas entre los
parmetros del modelo ADZ y el caudal, se presentan los resultados obtenidos al aplicar esta
metodologa en el tramo s2-s3 del ro Subachoque Aguas abajo de La Pradera. Se calculan
relaciones potenciales entre los tiempos caractersticos y el caudal, sin considerar el experimento
realizado bajo un caudal Q = 0.4713 mcs (ver Tabla 6 y Tabla 7). En la Figura 7 se presentan los
resultados obtenidos en simulacin al utilizar las relaciones potenciales encontradas a partir de los
datos obtenidos en el tramo s2-s3. Los datos observados aguas arriba corresponden a las
concentraciones medidas en s2.
 Tabla 6.-Resultados en calibracin tramo s2-s3 ro Subachoque-Aguas abajo La Pradera.
Experimento (s) t (s) DF R2 Q (lt/s)
SU-D2-s2s3 222.71 274.28 0.19 0.99660 290.25
SU-D3-s2s3 97.73 113.34 0.14 0.98950 1880.46
SU-D4-s2s3 172.18 220.78 0.22 0.99270 471.30
SU-D5-s2s3 242.09 289.87 0.16 0.99078 218.33

Tabla 7.- Parmetros estimados en prediccin, tramo s2-s3 ro Subachoque-Aguas abajo La Pradera.
Relaciones potenciales Parmetros estimados
(Sistema. Internacional) Q = 0.2243 mcs
= 123.8 Q 0.45 = 173.6s; (DF=0.17)
t = 206.7 Q 0.46 t = 208.3s

45 Observado aguas arriba

2
Observado aguas abajo; R = 0.9819
40

35

30
Concentracin [M/L ]
3

25

20

15

10

0
0 20 40 60 80 100 120
Tiempo en intervalos de 10 unidades

Figura 7.- Resultados obtenidos en prediccin utilizando relaciones potenciales para los parmetros
del modelo ADZ. Caso tramo s2-s3 ro Subachoque-Aguas abajo La Pradera.

Con base en los resultados obtenidos en los casos de estudio 1 y 2, en este trabajo investigativo se
recomienda realizar una caracterizacin de los parmetros del modelo ADZ bajo un mnimo de tres
regmenes hidrolgicos (preferiblemente caudal mnimo, medio y mximo), y realizar ajustes
potenciales y/o inversos en funcin del caudal para poder predecir condiciones intermedias. De no
ser posible realizar esta caracterizacin, se recomienda el uso de la ecuacin [7] como una primera
aproximacin al conocimiento de la respuesta dispersiva de una corriente de montaa.

Relaciones entre la concentracin mxima y el tiempo de viaje

En el desarrollo de esta investigacin se encontr una buena correlacin entre la concentracin

mxima observada y el tiempo al pico, i.e. el tiempo en el que se encuentra la concentracin
mxima. Para poder comparar los resultados obtenidos en diferentes experimentos con trazadores,
en los que el caudal y la masa inyectada es diferente, se ha empleado el concepto de concentracin
mxima unitaria propuesto por Kilpatrick (1993), i.e.

C max Q C [9]
Cu = = max Q
Rr M i Mr

M r = c Q dt [10]
donde Cmax es la concentracin mxima observada; c es la concentracin observada en el tiempo t;
Q es el caudal; y Rr es la relacin entre la masa recuperada Mr y la masa inyectada Mi.

Si en los experimentos con trazadores se consigue un estado de ganancia estable cercano a uno, i.e.
se recupera totalmente la masa inyectada y el experimento se realiza bajo flujo permanente, se
puede plantear que:

C C [11]
Cu = Q =
Mr c dt
Estimando las concentraciones mximas unitarias en todos los ensayos con trazadores y
graficndolas contra los tiempos en que se obtuvieron, se encontr qu (ver Figura 8):

-3
x 10

Concentracin mxima unitaria vs tpico

18
-0.73 2
C.umax=0.6*tpico -0.0014; R =0.82
16 Banda de confianza 95%
Concentracin mxima unitaria (1/s)

14

12

10

-2
500 1000 1500 2000
tpico (s)

Figura 8.- Concentracin mxima unitaria en funcin del tiempo al pico. Resultados encontrados
utilizando todos los experimentos con trazadores en ros de montaa disponibles en esta
investigacin.

Cu = 0.6 t 0.73 0.0014 [12]

Los resultados presentados en la Figura 8 son importantes, ya que pueden ser utilizados en eventos
de contaminacin cuando no se tenga conocimiento previo del comportamiento de los procesos
dispersivos. Por ejemplo, utilizando la ecuacin [12] ser posible estimar la concentracin mxima
que se alcanzar tras un tiempo t que haya transcurrido desde el vertimiento accidental de una masa
M de un soluto, y/o determinar la masa que se debe inyectar en un experimento con trazadores para
no superar una concentracin umbral que represente un dao ecolgico. De igual forma, la ecuacin
[12] permite evaluar el grado de afectacin y las medidas de mitigacin que deban implementarse
en los sistemas de distribucin de agua ante eventos de contaminacin accidental o intencional.

Para analizar la capacidad predictiva de la ecuacin [12] se propone un ejercicio en el que se

determinen los errores hallados en la prediccin de la concentracin mxima observada. La
concentracin mxima en funcin del tiempo se calcula como la concentracin mxima unitaria
multiplicada por la masa inyectada y dividida por el caudal, i.e.

Cu [1 s ] M [kg ]
Cmax = 1000 [13]
Q[mcs]

La constante 1000 se introduce para expresar los resultados de concentracin en mg lt .

En la Tabla 8 se presentan los resultados obtenidos en la prediccin de la concentracin mxima en
algunos experimentos con trazadores realizados en los ros estudiados en esta investigacin. El
lector no debe interpretar los datos presentados en funcin del mejor ajuste y del ro relacionado,
porque el anlisis de todos los resultados encontrados permite evidenciar que en un tramo particular
hay predicciones con errores bajos y/o altos en forma aparentemente aleatoria.

Tabla 8.- Muestra de resultados de la prediccin de la concentracin mxima y el tiempo al pico.

Anlisis de la ecuacin [12].
Caudal C. max. C. max.
Experimento % error
(mcs) (Calibracin) (Prediccin)
QLP2 0.2307 14.15 13.02 7.98
QLP3 472.61 10.52 9.34 11.15
TS2-s1s2 1353.39 31.95 32.09 0.44
TS5-s1s2 206.46 29.27 30.39 3.83
TC5-s1s2 364.43 29.79 28.20 5.32
SU-U3-s1s2 1265.41 36.29 44.68 23.12
SU-U2-s2s3 210.30 53.76 40.32 25
SU-D3-s2s3 1880.46 61.49 49.23 19.94

Ntese que los resultados presentados en la Tabla 8 advierten acerca de las limitaciones que la
ecuacin [12] presenta en la prediccin del comportamiento de la concentracin mxima de un
contaminante en ros de montaa. No obstante, esta aproximacin puede aplicarse con mejores
resultados utilizando los datos obtenidos en un tramo de estudio y/o ro particular (e.g. Gonzlez,
2008). La ecuacin [12] debe considerarse tan solo como una primera aproximacin en la
modelacin de la calidad del agua y los modelos de alarma ante eventos de contaminacin, y debe
utilizarse con un factor de seguridad determinado por la experiencia del modelador. Lo anterior se
debe, en trminos matemticos, a que el coeficiente de ajuste encontrado fue de 0.82 (ver Figura 8),
y en trminos fsicos, a que los mecanismos de dispersin longitudinal son una funcin compleja de
las formas de fondo presentes en cada tramo, i.e. dependen sustancialmente de los efectos
hidrulicos provocados por la presencia de rpidos, cadas y piscinas. Las observaciones y
mediciones de campo en ros de montaa evidenciaron una variacin significativa en las formas de
fondo de todos los ros estudiados, por esta razn se sugiere que para obtener mejores resultados en
prediccin se debe realizar una caracterizacin particular para cada tramo.

CONCLUSIONES

La fraccin dispersiva DF es una relacin que puede ser derivada de los parmetros del modelo
ADZ, y representa la fraccin del tiempo promedio de viaje en la que el soluto es dispersado dentro
del tramo analizado. Esta fraccin juega un papel muy importante en la descripcin de los procesos
dispersivos, ya que permite representar condiciones de adveccin pura, i.e. DF=0, dispersin pura,
i.e. DF=1, y por supuesto estados intermedios. En esta investigacin se demostr que la fraccin
dispersiva es constante con el caudal en un canal o tubera uniforme, y que su magnitud tan solo
depende del rgimen de flujo. i.e. el grado de turbulencia y entropa inducido por el caudal y las
formas rugosas que conforman los lechos, las bancas o los contornos de los conductos por los que
circula el flujo.

Contrario a los resultados obtenidos en ros de planicie, en ros de montaa no uniformes se

encontr que la fraccin dispersiva presenta variaciones con el caudal de hasta un 22% (10% en
promedio) en un mismo tramo. Este resultado indica que es necesario realizar caracterizaciones a
escala de tramo para representar correctamente los mecanismos de transporte en una corriente bajo
diferentes regmenes hidrolgicos. De no ser posible realizar dichas caracterizaciones, los
resultados encontrados en la etapa de calibracin del modelo ADZ en ros de montaa sugieren que
la fraccin dispersiva que ms se ajusta a los datos observados tiene una magnitud dada por la
ecuacin [8]: DF = 0.27 0.015 . Este valor constante podra ser utilizado por municipios que
cuenten con informacin escasa, o no tengan informacin de procesos de transporte de sustancias
disueltas, como una primera aproximacin en el desarrollo de modelos de tiempos de viaje y/o de
calidad del agua en ros de montaa.

Los estudios realizados en varios tramos de los ros de montaa Teusac, Subachoque y quebrada
Leja, pertenecientes a la regin andina colombiana, permitieron evidenciar que la variacin de la
fraccin dispersiva con el caudal depende de las caractersticas geomorfolgicas e hidrulicas a
escala de tramo. Esto se puede explicar al considerar la alta variabilidad de las secciones
transversales y la existencia de secuencias rpido-piscina y escaln-piscina que generan zonas
muertas en las que se produce una retencin hidrulica temporal y diferencial del soluto bajo
diferentes condiciones hidrolgicas en la corriente.

En esta investigacin se encontr que la pendiente longitudinal, por si misma, no es una

caracterstica explicativa del transporte de solutos. Estos resultados son consistentes con otros
estudios realizados en este contexto (e.g Jobson, 1997). Por otra parte, las mediciones en campo de
las formas de fondo permitieron encontrar que en la medida en que exista una mayor presencia de
piscinas se produce un aumento en la magnitud de la fraccin dispersiva. Este resultado tiene un
claro sentido fsico, ya que las piscinas son zonas muertas que generan una mayor retencin
hidrulica y por ende una mayor dispersin de las sustancias disueltas.

AGRADECIMIENTOS

Los autores agradecen a la Vicerrectora de Investigacin de la Universidad Nacional de Colombia

la financiacin suministrada a esta investigacin mediante el proyecto Metodologas de
caracterizacin hidrulica, hidrolgica y de autopurificacin de ros de montaa colombianos y la
Convocatoria Nacional de Investigacin 2008.

REFERENCIAS BIBLIOGRFICAS

Beer, T., Young P. (1983). Longitudinal dispersion in natural streams. Journal of Environmental
Engineering, Vol. 109, No. 5, pp. 1049-1067.
Bencala, K. E., Walters, R. A. (1983). Simulation of solute transport in a mountain pool-and-
riffle stream: A transient storage model. Water Resources Research, Vol. 19, No. 3, pp. 718-
724.
Camacho, L.A. (2000). Development of a hierarchical modeling framework for solute transport
under unsteady flow conditions in rivers. PhD Dissertation, Imperial College of Science
Technology and Medicine, London, England.
Camacho, L.A., Lees, M.J. (2000). Modelacin del transporte de solutos en ros bajo condiciones
de flujo no permanente: un modelo conceptual integrado. XIX Congreso Latinoamericano de
Hidrulica, Crdoba, Argentina.
Camacho, L.A., Cantor, M.M. (2006). Calibracin y anlisis de la capacidad predictiva de
modelos de transporte de solutos en un ro de montaa colombiano. Avances en Recursos
Hidrulicos, No. 14, Medelln, Colombia.
Camacho, L.A., Rodrguez, E.A., Gelvez, R., Gonzlez, R., Medina, M., Torres, J. (2007a).
Metodologa para la caracterizacin de la capacidad de autopurificacin de ros de montaa. I
Congreso Internacional del agua y el ambiente, Bogot, Colombia.
Camacho, L.A., Huertas, L.F, Ramrez, F. (2007b). Calibration and predictive ability analysis of
longitudinal solute transport models in mountain streams. The Fifth International Symposium
on Environmental Hydraulics, Dec, 4 - 7, Tempe, Arizona, E.U.
Chiu, C.-L., Said, A.A. (1995). Maximum and mean velocities in open channel flow. Journal of
Hydraulic Engineering, Vol. 121, No. 1, pp.26-35.
Chiu, C.-L., Tung, N.-C. (2002). Maximum velocity and regularities in open channel flow.
Journal of Hydraulic Engineering, Vol. 128, No. 4, pp.390-398.
Chiu, C.-L., Hsu, S.-M. (2006). Probabilistic approach to modeling of velocity distributions in
fluid flows. Journal of Hydrology, Vol. 316, pp. 28-42.
Duan, Q., Gupta, V.K., Sorooshian, S. (1993). A Shuffled Complex Evolution approach for
effective and efficient global minimization. Optimization Theory and Applications, Vol. 76, No.
3, pp. 501-521.
FAO. (2000). 26a Conferencia Regional de la Fao para Amrica Latina y el Caribe. Desarrollo
Sostenible en Zonas Montaosas. Mrida, Mxico, 10 al 14 de abril del 2000.
FAO. (2002). Ao internacional de las montaas. Revista internacional de silvicultura e industrias
forestales, Roma.
Gonzlez, R.A. (2008). Determinacin del comportamiento de la fraccin dispersiva en ros
caractersticos de montaa. Tesis de Maestra, Universidad Nacional de Colombia, Bogot.
Gonzlez, R.A., Camacho, L.A. (2008). Solute Transport Tool v1.0, una herramienta para el
anlisis del transporte de solutos en flujo permanente. XXIII Congreso Latinoamericano de
Hidrulica, Cartagena, Colombia.
Hubbard E. F., Kilpatrick, F.A., Martens L.A., Wilson J. F. (1981). Measurement of time travel
and dispersion in streams by dye tracing. Techniques of Water-Resources Investigations of the
United States Geological Survey (USGS). Document TWI 3-A9.
Jobson, H. E. (1997). Predicting travel time and dispersion in rivers and streams. Journal of
Hydraulic Engineering, Vol. 123, No. 11, pp. 971-978.
Kilpatrick, F.A. (1993). Simulation of soluble waste transport and buildup in surface waters using
tracers. U.S. Geological Survey Techniques of Water-Resources investigations, Book 3.
Lees, M.J., Camacho, L.A., Chapra, S. (2000). On the relationship of transient-storage and
aggregated dead zone models of longitudinal solute transport in streams. Water Resources
Research. Vol. 36, No. 1, pp 213-224.
Lpez, G. M. (2003). Investigacin de la aplicacin predictiva de los modelos de transporte de
solutos de Almacenamiento Temportal (TS) y Zona -Muerta Agregada (ADZ). Universidad de los
Andes, Bogot, Colombia.
Luzzi, R. Vasconcellos, A.R., Ramos, J.G. (2002). Predictive statistical mechanics. Klwer
Academic Publishers, Dordretch, citado por Chiu, 1995.
Rutherford, J. C. (1994). River mixing. John Wiley & Sons, Chichester.
Shannon, C.E. (1948). A mathematical theory of communication. Bell Syst. Tech. J. 27, 379-423.
Streeter V, Wylie E, Bedford K. (1997). Mecnica de los Fluidos, 9 Edicin, Mc Graw Hill
Book Company.
Wallis, S. G., Young, P.C., Beven, K. J. (1989). Experimental investigation of the aggregated
dead zone model for longitudinal solute transport in streams channels. Water Engineering
Group, Civ. Engineers, Part 2, 87.
Wagener, T., Wheater, H., Lees, M. (2004). MCAT v5 user manual. Available at
http://www3.imperial.ac.uk/ewre/research/software/toolkit
Xia, R. (1997). Relation between mean and maximum velocities in a natural river. Journal of
Hydraulic Engineering. Vol. 123, No. 8, pp 720-723.
Young, P.C., Wallis, S.G. (1993). Solute transport and dispersion in channels. Channel Network
Hydrology (Ed. K. Beven and M.J. Kirby). John Wiley & Sons Ltd, Chichester, pp. 129-174.