Análisis estadístico del patrón espacial de pozos de agua subterránea en la zona centro del
Departamento de Boyacá, Colombia, para el año 2016
ANÁLISIS ESTADÍSTICO DEL
PATRÓN ESPACIAL DE POZOS
DE AGUA SUBTERRÁNEA EN LA
ZONA CENTRO DEL
DEPARTAMENTO DE BOYACÁ,
COLOMBIA, PARA EL AÑO 2016
1
Diana Paulina Castañeda Rodríguez ,
Luisa Fernanda Ochoa González
2 b.
Especialización en Sistemas de Información
Geográfica, Facultad de ingeniería, Universidad
Distrital Francisco José de Caldas.
1 2
20191094003, 20191094013
1. INTRODUCCIÓN
Las actividades antrópicas que se realizan sobre la
superficie de los acuíferos, así como los cambios
en los usos del suelo o la modificación de los
cauces naturales pueden causar un gran impacto
sobre las aguas subterráneas, afectando su calidad
y cantidad. El agua subterránea constituye un
recurso del subsuelo que brinda oportunidades de
desarrollo a la sociedad, además de ser una
alternativa para consumo humano en las zonas con
demanda de agua potable y útil para llevar a cabo
proyectos agroindustriales, mineros y de
hidrocarburos. El agua subterránea representa más
del 30% de las reservas de agua dulce del planeta,
sin embargo, hay que tener en cuenta que el agua
de las capas de hielo y glaciares no está disponible
para uso, por lo tanto, se precisa que el agua
subterránea representa más del 97% del agua
dulce disponible del planeta [1].
El agua subterránea puede extraerse a partir de
condiciones dadas espontáneamente por la
naturaleza, como es el caso de los manantiales o
las descargas subterráneas a un río o al mar. No
obstante, para extraer el agua subterránea de los
acuíferos por medios artificiales, es necesario
construir una captación, es decir, una instalación
que permita poner a disposición del usuario el agua
contenida en los acuíferos, entendidos como las
rocas que tienen agua y que a su vez permiten su
movimiento, bajo la acción de las fuerzas de
gravedad, de tal manera que puede explotarse en
1
cantidades apreciables. Las captaciones se
clasifican de la siguiente manera [1]:
a. Pozos: perforación mecánica vertical, por lo
regular en forma cilíndrica (diámetro 2 a 16
pulgadas) revestidos de tubería metálica o PVC. Se
realizan mediante hincados de tubería o perforación
con taladros y se dotan de sistemas de extracción
(electrobombas o compresores).
Aljibes: Receptáculo hallado mediante
excavación, que almacena agua subterránea con
profundidades pequeñas (5 a 10 metros) y
diámetros grandes (hasta 1 metro), cuyas paredes
se revisten con ladrillo, tubería de cemento o
concreto para evitar su derrumbamiento. Para
extraer el agua contenida, se puede hacer uso de
bombas manuales o sistema de bombeo muy
simples.
c. Manantiales: Es una sugerencia del agua que
emerge de las rocas y están concentrados en la
zona de descarga del agua subterránea, y cuando
brota a la superficie, se convierte en un afluente
temporal o permanente. Generalmente se realizan
galerías y drenes, las cuales son perforaciones
horizontales de baja pendiente de sección circular
que interceptan el flujo de agua subterránea en el
acuífero, permitiendo que el agua salga a la
superficie del terreno por gravedad.
La extracción del agua subterránea puede generar
riesgos ambientales asociados a la sobre
explotación de los acuíferos, pues podría
ocasionarse la eliminación, impermeabilización o
urbanización de las zonas de recarga, poniendo en
riesgo el normal funcionamiento de los mismos.
Además, el uso indiscriminado de aguas
subterráneas puede generar agotamiento del
recurso.
En este documento se presentan los resultados
obtenidos a partir del análisis del comportamiento
espacial de los 938 puntos de captación de agua
subterránea, correspondientes al inventario de
pozos, aljibes y manantiales en el desarrollo del
proyecto del modelo hidrogeológico de la zona
centro del Departamento de Boyacá, Colombia,
para el año 2016, el cual fue llevado a cabo por el
Servicio Geológico Colombiano (SGC) con el fin de
realizar la evaluación hidrogeoquímica de las aguas
subterráneas [2].
 Diana Paulina Castañeda Rodríguez & Luisa Fernanda Ochoa González (2019)

El área de estudio comprende una superficie total

de 893.66 km² correspondiente a las unidades
geológicas que presentan condiciones favorables
para la infiltración, flujo y almacenamiento del
recurso hídrico subterráneo a través de la
porosidad intergranular principalmente, cubriendo
parcialmente los municipios de Paipa, Tuta,
Sotaquirá, Combita, Duitama, Tibasosa, Firavitoba,
Santa Rosa de Viterbo, Sogamoso, Cerinza,
Floresta, Corrales, Tópaga, Monguí y Nobsa en el
Departamento de Boyacá. En esta zona las
formaciones Une, Cacho, Picacho, Labor y Tierna y
Areniscas de Socha son las unidades geológicas
de mayor importancia hidrogeológica, el Figura 3.- Unidades geológicas que limitan el área de
Cuaternario Aluvial y la Formación Tilatá son las estudio para el análisis de patrones espaciales de puntos
unidades geológicas de mayor extensión areal y de captación de agua subterránea en la zona centro del
mejores condiciones de permeabilidad y ocurrencia departamento de Boyacá
de agua subterránea. La Formación Rusia se
comporta como un acuífero de porosidad
secundaria y es en esta unidad geológica donde se 2. MATERIALES Y MÉTODOS
presenta la mayor recarga de la zona de estudio y a
su vez aporta o alimenta en gran parte a la La metodología empleada para el análisis del
Formación Une y depósitos recientes al noroeste patrón espacial de los puntos de captación de agua
de la zona en inmediaciones de los municipios de subterránea en la zona centro del departamento de
Duitama y Santa Rosa de Viterbo. Boyacá abarca tres (3) etapas: el análisis de las
propiedades de primer orden, el análisis de las
propiedades de segundo orden y el análisis de
vecinos más cercanos para la determinación de hot
spots.

El software utilizado fue RStudio (paquetes

específicos) y ArcGIS (extensiones de análisis
geoestadístico y espacial).

Figura 1.- Ubicación en el departamento de Boyacá del 3. RESULTADOS Y DISCUSIÓN

inventario de puntos de captación de agua subterránea
3.1 PROPIEDADES DE PRIMER ORDEN

Para evaluar las propiedades de primer orden para

Figura 2.- Municipios que conforman el área de estudio
para el análisis de patrones espaciales de puntos de
captación de agua subterránea en la zona centro del
departamento de Boyacá
los datos de pozos de captación de aguas
subterráneas, en primer lugar, se cargaron los
puntos en el software R y el área de estudio
(boundary) definido previamente con ayuda del
software ArcGIS. Inicialmente se identificaron 44
puntos por fuera del envolvente geográfico, los
cuales se omiten para desarrollo de los análisis
posteriores, teniéndose un total de 894 registros
dentro del área de estudio, como se observa en la
Figura 4.

2
 Análisis estadístico del patrón espacial de pozos de agua subterránea en la zona centro del
Departamento de Boyacá, Colombia, para el año 2016

valores predominantemente bajos en casi toda el

área de estudio.

Figura 4.- Distribución de puntos de captación de agua Figura 5.- Análisis de cuadrantes 3x3
subterránea (pozos, aljibes y manantiales), departamento
de Boyacá, Colombia, 2016.

3.1.1 ANÁLISIS DE CUADRANTES

Con el análisis de cuadrantes se evalúa la

intensidad del patrón de puntos sobre un área
específica. El área se determinó mediante
cuadrantes definiendo el número de filas y
columnas en que se divide el área de estudio
previamente definida. En los primeros ensayos los
comandos de R arrojaron error debido al Chi- Figura 6.- Análisis de cuadrantes 14x14
cuadrado muy bajo (<3) es decir que, al definir las
subregiones, quedaron cuadrantes donde no había
ningún registro, la inspección visual identificó zonas
en la periferia donde hay muy pocos puntos y con
un tamaño de cuadrante mayor a 3 unidades
lineales quedan sin registros.

Se realizaron pruebas con diferente cantidad de

filas y columnas, para encontrar el que mejor
permita observar la distribución de intensidad del
patrón de puntos.

En el primer caso como se observa en la Figura 5
la generalización es excesiva, por ser subregiones
grandes y no permite apreciar la distribución de
puntos ni la intensidad del patrón; mientras que en
la Figura 6 el tamaño de cuadrante permite
identificar mejor la distribución de patrones, con
poca agrupación de puntos en la periferia noreste y
sureste, así como una concentración de puntos en
el lado oeste con mayor concentración en el borde
noroeste. Finalmente, como se observa en la
Figura 7 con esta definición de cuadrantes el área
queda dividida en demasiadas subregiones por lo
que la cantidad de puntos contenidos en cada una
no es suficiente para observar apropiadamente la
intensidad del patrón, por lo que se observan
Figura 7.- Análisis de cuadrantes 17x17
3.1.2 ESTIMACIÓN DEL KERNEL
Para evaluar la dependencia espacial de los puntos
en función de su distribución en el área de estudio,
se emplea el método de estimación del Kernel, el
cual determina la densidad de los eventos dentro
de un radio de búsqueda alrededor de cada punto
individual. Las operaciones que se aplican
mediante R permiten encontrar el ancho de banda
óptimo, de tal forma que se observe la dependencia
local en una escala apropiada, pero que tampoco
generalice y suavice en toda el área de estudio.

3
 Diana Paulina Castañeda Rodríguez & Luisa Fernanda Ochoa González (2019)

Para determinar el radio óptimo se emplea el error
medio cuadrático mediante la función mse2d de la
librería splancs, y se obtiene la gráfica donde el
ancho de banda adecuado corresponde a 1710
unidades lineales, como se observa en la Figura 8.
puntos en el área de muestreo, puesto que muestra
la dependencia local en zonas concretas, sin formar
picos de concentración y sin generalizar demasiado
la distribución.

Figura 10.- Estimación de Kernel. Densidad sigma 200

Figura 8.- Estimación de Kernel ancho de banda óptimo

Conociendo el ancho de banda optimo, se procede

a estimar el kernel, para lo cual el software R
primero crea una grilla sobre el área de estudio
para almacenar los resultados. Con ayuda de la
librería splancs se definen 4 kernel a partir de la
función spkernel2d, cada Kernel para un ancho de
banda igual a 200, 600, 1000 y 2500. Los
resultados de la estimación se observan en la
Figura 9.
Figura 11.- Estimación de Kernel. Densidad sigma 600

Figura 9.- Estimación de Kernel

Aunque los resultados se aprecian mejor

gráficamente para cada uno de los valores de Figura 12.- Estimación de Kernel. Densidad sigma 1000
sigma en las figuras de la 10 a la 13, donde se
observan la densidad de las agrupaciones de
puntos. Observando la distribución de densidad
para los diferentes casos, se identifica con sigma
1000 como el que mejor describe la agrupación de

4
 Análisis estadístico del patrón espacial de pozos de agua subterránea en la zona centro del
Departamento de Boyacá, Colombia, para el año 2016
Figura 13.- Estimación de Kernel. Densidad sigma 2500
3.2 PROPIEDADES DE SEGUNDO ORDEN
Para evaluar las propiedades de segundo orden se
construyen las gráficas correspondientes a las
funciones F, G, K y L, para evaluar si el conjunto de
datos presenta una distribución aleatoria, agregada,
o regular.
3.2.1 FUNCIÓN G
Esta función examina la distribución de frecuencia
acumulada de la distancia de los vecinos más
cercanos a cada observación, indica gráficamente
la forma en que se encuentran especializadas las
observaciones, siguiendo un aparente patrón
espacial. En R se emplea la función envelope de la
librería spatstat, indicando como argumento la
función Gest, aplicando un número de simulaciones
establecidas, para este caso igual a 59 para la
generación de los intervalos de confianza.
Figura 14.- Función G
5
Como se observa en la Figura 14 la curva de
valores observados se encuentra por encima del
intervalo de confianza graficado por tanto no se
trata de una distribución aleatoria, y los datos
observados muestra un comportamiento que crece
lentamente en función de la distancia, por lo que
presentan un comportamiento agregado.
3.2.2 FUNCIÓN F
Con la función se selecciona una muestra aleatoria
de ubicaciones puntuales dentro de la región de
estudio para luego determinar la mínima distancia
entre cada punto aleatorio y el vecino más cercano,
calculando igualmente la distribución de frecuencia
acumulada de estas distancias. En R se emplea la
función envelope de la librería spatstat, indicando
como argumento de la función el parámetro Fest,
aplicando un número de simulaciones establecidas,
para este caso igual a 59 para la generación de los
intervalos de confianza.
Figura 15.- Función F
Como se observa en la Figura 15 la curva de
valores observados se encuentra levemente por
debajo del intervalo de confianza graficado, aunque
aparentemente aún por dentro de este; mientras
que los datos observados muestran un
comportamiento que crece rápidamente en función
de la distancia, por lo que presentan un
comportamiento levemente agregado tendiendo a
ser aleatorio.
 Diana Paulina Castañeda Rodríguez & Luisa Fernanda Ochoa González (2019)

3.2.3 FUNCIÓN K y L 3.3 ÍNDICE DE VECINOS MÁS CERCANOS

En las funciones G y F se limitaba el análisis de Con ayuda de la herramienta Average Nearest

dependencia a la distancia del vecino más cercano Neighbor se evalúa si existe un agrupamiento de
y en consecuencia a la variación del patrón a corta los puntos de captación de agua subterránea en la
escala, mientras que función K provee una zona centro del departamento de Boyacá,
estimación de la dependencia espacial sobre un obteniéndose el siguiente resultado:
rango de escalas más amplio, basándose en todas
las distancias entre eventos dentro de la región de
estudio. Esta función construye un círculo de radio
h alrededor de cada punto calculando la intensidad
de los eventos al interior de los mismos.

Figura 16.- Función L

Como se observa en la Figura 16 la curva de

valores observados se encuentra levemente por
encima del intervalo de confianza graficado sin
estar dentro del mismo, por lo que no se tiene una
distribución aleatoria; y los datos observados
muestran una tendencia positiva, es decir de
agregación.

Figura 17.- Resumen del promedio del vecino más

cercano

El resultado obtenido para la prueba de

significancia del estadístico Z, correspondiente a -
18.7796, indica que los puntos de captación de
agua subterránea en la zona centro del
departamento de Boyacá se encuentran agrupados
con una probabilidad del 99%, pues se rechaza la
hipótesis nula de que existe aleatoriedad espacial.
Como el valor de z es muy bajo (negativo) y se
encuentra asociado a un valor de p muy pequeño,
es poco probable que el patrón espacial observado
refleje el patrón aleatorio teórico representado por

6
 Análisis estadístico del patrón espacial de pozos de agua subterránea en la zona centro del
Departamento de Boyacá, Colombia, para el año 2016

su hipótesis nula (CSR). A partir del agrupamiento

de los puntos de captación de agua subterránea es
posible enfocar las medidas de prevención y
mitigación para asegurar el adecuado
funcionamiento de los acuíferos y garantizar la
protección de las zonas de recarga hídrica, por lo
tanto, es necesario conocer donde se presentan los
hot spot de captaciones de agua subterránea.

Teniendo en cuenta que, la distancia promedio del

vecino más cercano observada para cada punto de
captación es de aproximadamente 500 metros
(461.71 metros), se realiza la integración de los
mismos para dicha tolerancia, de esta forma, se
crea una nueva capa de puntos coincidentes dentro
de la distancia definida pero que tienen en cuenta
los puntos que se agregaron para esa posición.
Posteriormente, se calcula una colección de
eventos para identificar los lugares donde se
concentran los puntos de captación como se
muestra a continuación:

Figura 19.- Resultado del Incremental Spatial

Autocorrelation.

Como se puede observar en la gráfica y tabla

obtenidas en el reporte, la distancia a la cual se
presenta el valor de z más alto y, por ende, el
mayor agrupamiento, corresponde a una distancia
Figura 18.- Integración de los puntos de captación de aproximada de 12500 metros con un valor de z de
agua subterránea
4.7715, el cual indica un agrupamiento con una
probabilidad de 99%. Esta distancia es la utilizada
Dentro de los parámetros para obtener el análisis
para el análisis de los puntos críticos, obteniéndose
de puntos críticos se encuentran aquellos
el siguiente resultado:
relacionados con la forma en que se representa la
escala de análisis. Como la herramienta evalúa
cada punto, es decir, cada punto de captación en
este caso, dentro del contexto de sus vecinos, uno
de sus parámetros es la conceptualización de las
relaciones espaciales, y con el fin de garantizar que
se tenga la misma escala de análisis en toda el
área de estudio se emplea una banda de distancia
fija, por lo tanto, se debe definir la distancia a la
cual se identifican los puntos que se van a
considerar como vecinos dentro del análisis a
través de una correlación espacial con la Figura 20.- Hot spot de puntos de captación de agua
herramienta Incremental Spatial Autocorrelation. subterránea

7
 Diana Paulina Castañeda Rodríguez & Luisa Fernanda Ochoa González (2019)

5. REFERENCIAS BIBLIOGRÁFICAS

[1] Secretaría Distrital de Ambiente. Recurso hídrico

subterráneo. Datos tomados de
http://ambientebogota.gov.co/aguas-subterraneas

[2] Servicio Geológico Colombiano. 2018. Modelo

Figura 21.- Generación de raster con el hot spot de
puntos de captación de agua subterránea
hidrogeológico de la zona centro del departamento
de Boyacá. Diciembre de 2016. Datos tomados de
http://srvags.sgc.gov.co/JSViewer/Modelo_Hidroge
ologico_Zona_Centro_Departamento_Boyaca/

Se observa que al oeste de la zona de estudio es

donde se agrupan los puntos con valores de z
positivos que son estadísticamente significativos,
es decir, los valores de z más altos y, por ende, con
los valores de p más bajos, mostrando una
agrupación espacial de valores altos de puntos de
captación de agua subterránea; mientras que, al
suroriente se localizan aquellos puntos con valores
de z negativos estadísticamente significativos, es
decir, un clúster de valores bajos de puntos de
captación. Por lo tanto, las medidas de prevención,
control y mitigación deberían comenzar a enfocarse
en los municipios de Sotaquirá, Cómbita, Tuta y
Oicatá donde se encuentran los puntos críticos
para así asegurar el adecuado funcionamiento de
los acuíferos y garantizar la protección de las zonas
de recarga hídrica.

4. CONCLUSIONES

El conjunto de datos de datos de distribución de

puntos de captación de aguas subterráneas
presenta, según el análisis de propiedades de
primer y segundo orden una distribución espacial
agregada, lo cual se respalda en los resultados
obtenido con el índice de vecindad y hallazgo de
puntos fríos y calientes al suroriente y oeste de la
zona de estudio respectivamente.

La estimación de kernel que mejor describe la

distribución de los puntos (sigma 1000) coincide de
forma general con la superficie raster de puntos
calientes y fríos generada para la zona de estudio.
Las áreas más significativas de puntos calientes y
fríos son coherentes, mientras que la estimación de
kernel debido al k aplicado logra identificar con
mayor detalle dependencia espacial local para
algunas zonas en el centro del área de estudio.