programa oficial de doctorado en ingenierÍa ambiental

PROGRAMA OFICIAL DE DOCTORADO EN INGENIERÍA AMBIENTAL

DPTO. DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE

E. T. S. DE INGENIEROS DE CAMINOS, CANALES Y PUERTOS

UNIVERSIDAD DE CANTABRIA

TESIS DOCTORAL

ESTIMACIÓN DE LA DISTRIBUCIÓN DE LOS METALES PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DEL MATERIAL EN SUSPENSIÓN DEL AIRE

DIRECTORES

JAVIER TEMPRANO GONZÁLEZ IÑAKI TEJERO MONZÓN

CARLOS ALFONSO ZAFRA MEJÍA

SANTANDER, JUNIO DE 2012

Programa Oficial de Doctorado en Ingeniería Ambiental (MEE2011-0194)

Con mención hacia la excelencia, 2011/2012 a

2013/2014

Ministerio de Educación, Cultura y Deporte Gobierno de España

PROGRAMA INTERUNIVERSITARIO

DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE

E. T. S. DE INGENIEROS DE CAMINOS, CANALES Y PUERTOS

UNIVERSIDAD DE CANTABRIA

DEPARTAMENTO DE INGENIERÍA QUÍMICA Y DEL MEDIO AMBIENTE

E. T. S. DE INGENIERÍA DE BILBAO UNIVERSIDAD DEL PAÍS VASCO

PROGRAMA OFICIAL DE DOCTORADO EN INGENIERÍA AMBIENTAL

DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL

AGUA Y DEL MEDIO AMBIENTE E. T. S. DE INGENIEROS DE CAMINOS, CANALES Y

PUERTOS UNIVERSIDAD DE CANTABRIA

TESIS DOCTORAL

ESTIMACIÓN DE LA DISTRIBUCIÓN DE LOS METALES PESADOS ASOCIADOS CON EL

SEDIMENTO VIARIO A PARTIR DEL MATERIAL EN SUSPENSIÓN DEL AIRE

Presentada por: D. CARLOS ALFONSO ZAFRA MEJÍA Dirigida por: Dr. D. JAVIER TEMPRANO GONZÁLEZ

Dr. D. IÑAKI TEJERO MONZÓN

Santander, Junio de 2012

A mi esposa Johanna María y a mis hijos Laura y Juan

AGRADECIMIENTOS

Agradezco a todas las personas que me ayudaron en algún momento de la vida a

alcanzar esta meta académica propuesta hace más de una década.

Quiero agradecer a mis directores, Javier Temprano González e Iñaki Tejero

Monzón por el apoyo académico brindado durante el desarrollo de la tesis. En

especial a Javier por sus valiosas orientaciones formativas hacia la investigación.

Agradezco el apoyo académico y financiero del Grupo de Ingeniería Ambiental de

la Universidad de Cantabria (España), donde inicio este proyecto de investigación.

Igualmente, el apoyo académico y financiero brindado por la Universidad Distrital

Francisco José de Caldas (Colombia) y su Centro de Investigación y Desarrollo

Científico.

Quiero agradecer al Programa de Formación de la Agencia Española de

Cooperación Internacional para el Desarrollo (AECID) por creer y financiar mi

formación académica-investigativa en España.

La realización de esta tesis no hubiera sido posible sin el apoyo financiero de la

Corporación Autónoma Regional de Cundinamarca (CAR) y la guía técnica del

Ingeniero Camilo Luengas. Igualmente, sin el apoyo logístico de la Secretaría

Distrital de Ambiente de la Ciudad de Bogotá D.C. (Colombia).

Un agradecimiento especial al Profesor Miguel Cadena por sus disponibilidad y

orientación técnica en el Laboratorio de Suelos de la Facultad de Medio Ambiente

y Recursos Naturales de la Universidad Distrital F.J.C. Igualmente, al Profesor

Néstor Bernal por su asesoría en la modelación de series de tiempo.

Agradezco a todos los Ingenieros egresados del Proyecto Curricular de Ingeniería

Ambiental de la Universidad Distrital F.J.C. que apoyaron académicamente el

desarrollo de este proyecto de investigación.

Un agradecimiento especial al Ingeniero Rubén Diez del Grupo de Ingeniería

Ambiental de la Universidad de Cantabria por sus gestiones administrativas

asociadas con la tesis.

A mis Padres por su apoyo incondicional desde la distancia.

Y sin duda, a mi Esposa e Hijos por su comprensión durante el tiempo dedicado al

desarrollo de la tesis doctoral.

i

RESUMEN

Las superficies viarias representan sólo una pequeña parte del entorno urbano,

no obstante el aumento de su área impermeable contribuye con significativas

cargas de contaminantes durante los eventos de lluvia. Los sedimentos viarios

acumulados en tiempo seco llevan consigo elementos metálicos que afectan a los

recursos hídricos cuando son transportados por la escorrentía, y pueden afectar la

calidad del aire del entorno cuando son suspendidos por el viento y la turbulencia

inducida por el tráfico. La presente tesis tiene como objetivo principal desarrollar

una metodología para la estimación de la distribución de los metales pesados

asociados con el sedimento viario a partir de información del material en

suspensión. En las etapas de desarrollo y validación se seleccionaron las técnicas

de aspirado y barrido en seco (SABS), y de barrido en seco (SBS) para realizar la

caracterización metálica del sedimento viario. Se seleccionaron equipos manuales

de alto volumen para realizar la caracterización metálica del material en

suspensión (i.e. PM10 y PST). Los análisis de laboratorio realizados para

caracterizar el sedimento viario fueron los siguientes: humedad, granulometría,

prueba de lixiviación, extracción de elementos metálicos (agua regia) y

determinación del contenido metálico (absorción atómica).

Los resultados mostraron que la concentración metálica tendió a aumentar con

la disminución del diámetro de la partícula (tendencias potencial y exponencial;

R2 > 0,84 y 0,76, respectivamente). Desde el punto de vista de las fuentes

móviles, los resultados sugirieron en las zonas de estudio que los principales

generadores de metales pesados fueron las partículas desprendidas por el desgaste

de las pastillas de los frenos, las llantas, el pavimento asfáltico, las partes móviles

del motor y las fugas de aceite lubricante y grasa. Estas fuentes posiblemente

estuvieron asociadas con tamaños de partícula inferiores a 125 µm. Las zonas con

un mayor uso de la calzada, como línea de aparcamiento, mostraron las mayores

concentraciones de metales pesados a pesar de haber presentado una menor

densidad de tráfico. Por otro lado, a mayor tiempo de residencia del sedimento

sobre la superficie viaria, mayor concentración metálica y menor diferencia en la

ii

concentración entre fracciones de tamaño. La cantidad de elementos metálicos

asociados con el sedimento viario tendió a aumentar logarítmicamente con la

disminución en la fracción de tamaño (R2 > 0,80).

Desde el punto de vista del proceso ARIMA (i.e. modelos autorregresivos,

integrados y de promedios móviles) se pudo observar que la serie temporal de la

concentración de Pb asociada con el sedimento viario tuvo una memoria corta. Es

decir, por ser un proceso autorregresivo de primer o segundo orden se evidenció

que la concentración de Pb (i.e. el hoy) estuvo influenciada por la concentración

del ayer o el anteayer. Adicionalmente, existió la posibilidad de representar la

serie temporal de la concentración de Pb con un modelo ARIMA similar al de la

carga viaria de PM10 (i.e. estructura temporal similar). Desde el punto de vista de

la transferencia del impulso desde la carga viaria de PM10 hacia la concentración

de Pb en el sedimento se pudo observar que no existió retardo (i.e. efecto

inmediato). La anterior tendencia probablemente se debió a la localización de las

estaciones de monitoreo de PM10 con respecto del bordillo de las superficies

viarias de investigación (i.e. distancias inferiores a 194 m). Finalmente, los

resultados sugirieron que en áreas cercanas a las vías, la relación temporal entre la

carga de PM10 y la concentración de Pb asociada con el sedimento fue inmediata.

Palabras Clave: metales pesados; granulometría; sedimento viario;

contaminación de la escorrentía; material atmosférico en suspensión.

iii

PUBLICACIONES ASOCIADAS A LA TESIS DOCTORAL

Zafra C.A., Temprano J. y Tejero I., Distribution of the concentration of heavy

metals associated with the sediment particles accumulated on road surfaces,

Environ. Technol. 32 (2011), pp. 997-1008.

Factor de impacto: 1,007.

Zafra Mejía C.A, Temprano González J. y Tejero Monzón I., Concentración y

distribución de metales pesados (Pb, Zn, Cu, Cd y Cr) en sedimentos viarios

urbanos, Rev. Fac. Ing. Univ. Antioquia, 58 (2011), pp. 53-62.


Zafra Mejía C.A, Temprano González J. y Tejero Monzón I., Evaluación de la

contaminación por escorrentía urbana: sedimentos depositados sobre la

superficie de una vía, Ing. Invest., 29 (2009), pp. 101-108.


Zafra C.A., Temprano J. y Tejero I., Particle size distribution of accumulated

sediments on an urban road in rainy weather, Environ. Technol. 29 (2008), pp.

571-582.


Zafra Mejía C.A, Temprano González J. y Tejero Monzón I., Contaminación por

escorrentía superficial urbana: metales pesados acumulados sobre la

superficie de una vía, Ing. Invest., 27 (2007), pp. 4-10.


v

ÍNDICE DE CONTENIDOS

Resumen i Índice de contenidos v Índice de figuras xi Índice de tablas xvii Listado de abreviaturas xxi

CAPÍTULO 1.- INTRODUCCIÓN ..................................................... 1 1.1 EXPOSICIÓN DE MOTIVOS .................................................................................................... 1

1.2 OBJETIVOS DE LA TESIS ........................................................................................................ 7 1.2.1 Objetivo principal ......................................................................................................... 7 1.2.2 Objetivos específicos ................................................................................................... 7

1.3 ESTRUCTURA DE LA TESIS .................................................................................................... 8

1.4 REFERENCIAS ....................................................................................................................... 9

CAPÍTULO 2.- ESTADO DEL ARTE .............................................. 11 2.1 ACUMULACIÓN VIARIA DE METALES PESADOS .................................................................. 11

2.1.1 Antecedentes ............................................................................................................. 11 2.1.2 Descripción del fenómeno de acumulación ................................................................ 12

2.2 CONDICIONANTES DE LA ACUMULACIÓN VIARIA DE METALES PESADOS .......................... 14 2.2.1 Precipitación y escorrentía ......................................................................................... 14 2.2.2 Deposición atmosférica .............................................................................................. 17 2.2.3 Período seco previo ................................................................................................... 22 2.2.4 Viento ........................................................................................................................ 25 2.2.5 Uso del suelo ............................................................................................................. 26 2.2.6 Limpieza viaria ........................................................................................................... 29 2.2.7 Tráfico ........................................................................................................................ 33 2.2.8 Cubiertas y fachadas de edificaciones ........................................................................ 37 2.2.9 Características físicas de la cuenca viaria ................................................................... 40 2.2.10 Granulometría y carga del sedimento viario ............................................................ 41 2.2.11 Plantas y desechos vegetales ................................................................................... 47

2.3 METODOLOGÍAS PARA LA EVALUACIÓN DE LOS METALES PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DE MUESTRAS EN SUPERFICIE .................................................. 49

2.3.1 Antecedentes ............................................................................................................. 49 2.3.2 Metodología de aspirado en seco .............................................................................. 50 2.3.3 Metodología de barrido en seco ................................................................................ 51 2.3.4 Metodología de aspirado y barrido en seco ............................................................... 53 2.3.5 Metodología de aspirado en húmedo ........................................................................ 55

2.4 METODOLOGÍAS PARA LA EVALUACIÓN DE LOS METALES PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DE MUESTRAS EN SUSPENSIÓN ................................................ 57

2.4.1 Antecedentes ............................................................................................................. 57 2.4.2 Metodología de pista viaria para PM10 ....................................................................... 58 2.4.3 Metodología de cámara superficial de aspirado para PM10 ........................................ 61 2.4.4 Metodología de NOx como trazador de emisiones metálicas viarias .......................... 63

2.5 SÍNTESIS ............................................................................................................................. 64

vi

2.6 REFERENCIAS ..................................................................................................................... 67

CAPÍTULO 3.- MATERIALES Y MÉTODOS ................................. 83 3.1 ANTECEDENTES ................................................................................................................. 83

3.2 SISTEMAS DE MUESTREO ................................................................................................... 84 3.2.1 Sistemas de aspirado y barrido en seco (SABS), y barrido en seco (SBS) para muestras viarias en superficie ............................................................................................................ 84

3.2.1.1 Componentes de los sistemas de muestreo ....................................................... 84 3.2.1.2 Protocolo de los sistemas de muestreo .............................................................. 85 3.2.1.2 Eficacia de los sistemas de muestreo.................................................................. 87 3.2.1.3 Equivalencia entre los sistemas de muestreo ..................................................... 90 3.2.1.2 Limitaciones de los sistemas de muestreo .......................................................... 91

3.2.2 Sistema manual de monitoreo de PST y PM10 para muestras viarias en suspensión ... 93 3.2.2.1 Componentes de los sistemas de muestreo ....................................................... 93 3.2.1.2 Protocolo de los sistemas de muestreo .............................................................. 94 3.2.1.2 Eficacia de los sistemas de muestreo.................................................................. 96 3.2.1.2 Limitaciones de los sistemas de muestreo .......................................................... 97

3.2.3 Sistema automático de monitoreo de PM10 para muestras viarias en suspensión ..... 97 3.2.2.1 Componentes del sistema de muestreo ............................................................. 97 3.2.1.2 Protocolo del sistema de muestreo .................................................................... 98 3.2.1.2 Eficacia del sistema de muestreo ..................................................................... 101 3.2.1.2 Limitaciones del sistema de muestreo .............................................................. 102

3.2.4 Sistema automático de monitoreo para parámetros climatológicos ........................ 102 3.2.4.1 Componentes del sistema de muestreo ........................................................... 102 3.2.4.2 Protocolo del sistema de muestreo .................................................................. 103 3.2.4.3 Limitaciones del sistema de muestreo .............................................................. 104

3.3 ANÁLISIS DE LABORATORIO ............................................................................................. 104 3.3.1 Determinación de la humedad del sedimento viario ................................................ 104 3.3.2 Determinación de la granulometría del sedimento viario ........................................ 105 3.3.3 Prueba de lixiviación para el sedimento viario ......................................................... 107 3.3.4 Extracción de metales pesados asociados con el sedimento viario .......................... 108 3.3.5 Determinación de la concentración de PST y PM10 ................................................... 110 3.3.6 Extracción de metales pesados asociados con el material en suspensión (PST y PM10) ......................................................................................................................................... 113 3.3.7 Determinación del contenido de metales pesados ................................................... 114

3.4 SÍNTESIS ........................................................................................................................... 117

3.5 REFERENCIAS ................................................................................................................... 118

CAPÍTULO 4.- METODOLOGÍA PARA LA ESTIMACIÓN DE LA DISTRIBUCIÓN DE LOS METALES PESADOS ASOCIADOS

CON EL SEDIMENTO VIARIO A PARTIR DE INFORMACIÓN DEL MATERIAL EN SUSPENSIÓN ............................................ 121

4.1 ANTECEDENTES ............................................................................................................... 121

4.2 DESCRIPCIÓN GENERAL DE LA PROPUESTA METODOLÓGICA .......................................... 122 4.2.1 Descripción de las vías en estudio ............................................................................ 122 4.2.2 Caracterización metálica del sedimento viario ......................................................... 123 4.2.3 Caracterización del material en suspensión (PM10 y PST) ......................................... 124 4.2.4 Desarrollo del modelo causal entre la carga en suspensión y la concentración metálica asociada con el sedimento viario ...................................................................................... 125

vii

4.2.5 Evaluación de la concentración metálica asociada con el sedimento viario a partir de información del material en suspensión ........................................................................... 125

4.3 DESARROLLO DE LA PROPUESTA METODOLÓGICA .......................................................... 127 4.3.1 FASE 1. Descripción de las vías en estudio ............................................................... 127 4.3.2 FASE 2. Caracterización metálica del sedimento viario ............................................. 132

4.3.2.1 Determinación y análisis de la carga de sedimento viario ................................. 132 4.3.2.1.1 Acumulación de la carga viaria .................................................................. 133 4.3.2.1.2 Remoción de la carga viaria ...................................................................... 141

4.3.2.2 Determinación y análisis de la granulometría del sedimento viario .................. 145 4.3.2.2.1 Granulometría durante el período de acumulación .................................. 145 4.3.2.2.2 Granulometría durante el período de remoción ....................................... 154

4.3.2.3 Determinación y análisis de la concentración metálica asociada con el sedimento viario ............................................................................................................................ 157 4.3.2.4 Determinación y análisis de la carga metálica asociada con el sedimento viario ............................................................................................................................... ...... 173

4.3.3 FASE 3. Caracterización del material en suspensión (PM10 y PST) ............................. 179 4.3.3.1 Determinación y análisis de la carga de PM10 y PST .......................................... 179 4.3.3.2 Determinación y análisis de la concentración metálica asociada con PM10 y PST ............................................................................................................................... ...... 185 4.3.3.3 Determinación y análisis de la carga metálica asociada con PM10 y PST ........... 193

4.3.4 FASE 4. Desarrollo del modelo causal entre la concentración metálica asociada con el sedimento viario y la carga en suspensión ........................................................................ 198

4.3.4.1 Establecimiento de hipótesis ............................................................................ 199 4.3.4.1.1 Selección de la fracción de tamaño representativa del sedimento viario .. 199 4.3.4.1.2 Hipótesis N° 1 ........................................................................................... 203 4.3.4.1.3 Hipótesis N° 2 ........................................................................................... 208 4.3.4.1.4 Hipótesis N° 3 ........................................................................................... 219

4.3.4.2 Construcción de la matriz causa‐efecto y el diagrama conceptual .................... 221 4.3.4.3 Identificación del modelo ................................................................................. 223

4.3.4.3.1 Enfoque preliminar: modelo de regresión ................................................ 225 4.3.4.3.2 Enfoque definitivo: modelo ARIMA ........................................................... 228

4.3.4.4 Estimación de parámetros del modelo ............................................................. 250 4.3.4.5 Verificación del modelo .................................................................................... 252 4.3.4.6 Análisis del pronóstico ...................................................................................... 255

4.3.5 FASE 5. Evaluación metálica asociada con el sedimento viario a partir de información del material en suspensión ............................................................................................... 257

4.3.5.1 Evaluación de la concentración metálica asociada con el sedimento viario ...... 257 4.3.5.1.1 Evaluación de la concentración de Pb asociada con el sedimento viario a partir de información de PM10 (modelo ARIMA) ...................................................... 259 4.3.5.1.2 Evaluación de la distribución por fracción de tamaño de la concentración de Pb asociada con el sedimento viario (modelo determinista) ................................... 262

4.3.5.2 Evaluación de la carga metálica asociada con el sedimento viario .................... 268 4.3.5.2.1 Evaluación de la distribución por fracción de tamaño de la carga de Pb asociada con el sedimento viario (modelo determinista) ........................................ 268 4.3.5.2.2 Evaluación de la distribución por fracción de tamaño de la concentración y carga metálica asociada con el sedimento viario: Cu, Zn, Cd, Fe, Mn, Ba y As. ........ 274

4.4 ESTRUCTURA DEFINITIVA DE LA METODOLOGÍA ............................................................. 281

4.5 SÍNTESIS ........................................................................................................................... 283

4.6 REFERENCIAS ................................................................................................................... 288

viii

CAPÍTULO 5.- APLICACIÓN DE LA METODOLOGÍA PARA LA ESTIMACIÓN DE LA DISTRIBUCIÓN DE LOS METALES PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A

PARTIR DE INFORMACIÓN DEL MATERIAL EN SUSPENSIÓN: BOGOTÁ D.C. (COLOMBIA) ............................. 293

5.1 ANTECEDENTES ............................................................................................................... 293

5.2 APLICACIÓN DE LA METODOLÓGICA: CASOS DE ESTUDIO EN LA CIUDAD DE BOGOTÁ D.C. (COLOMBIA) .......................................................................................................................... 294

5.2.1 FASE 1. Descripción de las vías en evaluación .......................................................... 294 5.2.2 FASE 2. Caracterización metálica del sedimento viario ............................................. 298

5.2.2.1 Determinación y análisis de la carga de sedimento viario ................................. 298 5.2.2.1.1 Acumulación de la carga viaria .................................................................. 302 5.2.2.1.2 Remoción de la carga viaria ...................................................................... 307

5.2.2.2 Determinación y análisis de la granulometría del sedimento viario .................. 309 5.2.2.2.1 Granulometría durante el período de acumulación .................................. 309 5.2.2.2.2 Granulometría durante el período de remoción ....................................... 313

5.2.2.3 Determinación y análisis de la concentración metálica asociada con el sedimento viario ............................................................................................................................ 315 5.2.2.4 Determinación y análisis de la carga metálica asociada con el sedimento viario ............................................................................................................................... ...... 321

5.2.3 FASE 3. Caracterización del material en suspensión (PM10) ...................................... 325 5.2.3.1 Determinación y análisis de la carga de PM10 ................................................... 325

5.2.4 FASE 4. Desarrollo del modelo causal entre la concentración de Pb asociada con el sedimento viario y la carga en suspensión (PM10) ............................................................. 333

5.2.4.1 Hipótesis del modelo ........................................................................................ 335 5.2.4.2 Identificación del modelo ................................................................................. 338

5.2.4.2.1 Enfoque preliminar: modelo de regresión ................................................ 338 5.2.4.2.2 Enfoque definitivo: modelo ARIMA ........................................................... 338

5.2.4.3 Estimación de parámetros del modelo ............................................................. 347 5.2.4.4 Verificación del modelo ................................................................................... 348 5.2.4.4 Análisis del pronóstico ...................................................................................... 349

5.2.5 FASE 5. Evaluación metálica asociada con el sedimento viario a partir de información del material en suspensión ............................................................................................... 353

5.2.5.1 Evaluación de la concentración metálica asociada con el sedimento viario ...... 353 5.2.5.1.1 Evaluación de la concentración de Pb asociada con el sedimento viario a partir de información de PM10 (modelo ARIMA) ...................................................... 354 5.2.5.1.2 Evaluación de la distribución por fracción de tamaño de la concentración de Pb asociada con el sedimento viario (modelo determinista) ................................... 366

5.2.5.2 Evaluación de la carga metálica asociada con el sedimento viario .................... 371 5.2.5.2.1 Evaluación de la distribución por fracción de tamaño de la carga de Pb asociada con el sedimento viario (modelo determinista) ........................................ 371 5.2.5.2.2 Evaluación de la distribución por fracción de tamaño de la concentración y carga metálica asociada con el sedimento viario: Cu. .............................................. 377

5.3 SÍNTESIS ........................................................................................................................... 387

5.4 REFERENCIAS ................................................................................................................... 396

CAPÍTULO 6.- CONCLUSIONES Y PERSPECTIVA .................. 399 6.1 CONCLUSIONES GENERALES ............................................................................................ 399

6.2 PERSPECTIVA ................................................................................................................... 406

ix

ANEXOS ........................................................................................... 411 1. ESTADÍSTICOS PARA EL MODELO ARIMA DE LA ZONA 1 (SOACHA, COLOMBIA) ................. 412

2. ESTADÍSTICOS PARA EL MODELO ARIMA DE LA ZONA 2 (SOACHA, COLOMBIA) ................. 415

3. ESTADÍSTICOS PARA EL MODELO ARIMA DE LA ZONA 1 (BOGOTÁ D.C., COLOMBIA) ......... 418



xi

ÍNDICE DE FIGURAS

Figura 2.1 Acumulación superficial de la carga contaminante (tendencia natural, con barrido viario, viento y precipitación intermitente) (adaptada de Sartor y Boyd, 1972; Vermette et al., 1991; LeBouthillier et al., 2000) .................................................................................... 14

Figura 2.2 Metodología de aspirado y barrido en seco (Vaze y Chiew, 2002) ............................... 54 Figura 2.3 Metodología de aspirado en húmedo (Egodawatta y Goonetilleke, 2006) ................... 55 Figura 2.4 Pista viaria para la simulación de material en suspensión. a) Gustafsson et al., 2008; b)

Gehrig et al., 2010. ............................................................................................................. 59 Figura 2.5 Cámara de suspensión de campo para la medición de PM10 (adaptada de Amato et al.,

2009) .................................................................................................................................. 62 Figura 3.1 Componentes del sistema de muestreo SABS. Torrelavega (España) ........................... 84 Figura 3.2 Componentes del sistema de muestreo SBS. Soacha (Colombia) ................................. 85 Figura 3.3 Muestra de laboratorio para la prueba de eficacia N° 1 ............................................... 89 Figura 3.4 Prueba de eficacia N° 2 para los sistemas de muestreo. Superficie viaria a) antes de la

prueba, y b) después de la prueba ...................................................................................... 90 Figura 3.5 Equipos de muestreo para partículas en suspensión (Soacha, Colombia). a)

Muestreador de alto volumen para PST, y b) muestreador de alto volumen para PM10 ..... 94 Figura 3.6 Equipo de muestreo continúo de PM10 (Met One Instruments, BAM 1020) ................ 98 Figura 3.7 Estación automática de monitoreo de calidad del aire (Bogotá D.C., Colombia) .......... 99 Figura 3.8 Localización de las estaciones de monitoreo de calidad del aire y de parámetros

climatológicos en Soacha y Bogotá D.C. (Colombia) (SDA, 2011) ...................................... 100 Figura 3.9 Página de internet de la RMCAB para la descarga de datos de PM10 (SDA, 2011) ...... 101 Figura 3.10 Equipo de monitoreo para parámetros climatológicos (Bogotá D.C., Colombia) ...... 103 Figura 3.11 Equipo de laboratorio para la determinación de la humedad del sedimento viario . 105 Figura 3.12 Equipo de laboratorio para la prueba granulométrica del sedimento viario ............ 106 Figura 3.13 Agitador mecánico rotativo para la prueba de lixiviación del sedimento viario (marca:

Heidolph; modelo: REAX 20) ............................................................................................. 108 Figura 3.14 Sistema de extracción de metales pesados asociados con el sedimento viario. a)

Estabilización de muestras en agua regia, y b) sistema abierto de reflujo para digestión ácida ............................................................................................................................... .. 110

Figura 3.15 Preparación climática de los filtros para PST y PM10. a) Cámara de control climático, y b) pesaje de filtros ............................................................................................................ 112

Figura 3.16 Filtros empleados en los equipos manuales de alto volumen. a) Filtro sin muestra y b) filtro con muestra ............................................................................................................. 112

Figura 3.17 Método de extracción en caliente para filtros de PST y PM10. a) Preparación del filtro, y b) extracción en caliente ................................................................................................ 114

Figura 3.18 Espectrómetros de absorción atómica con llama empleados para la determinación del contenido metálico. a) Marca Perkin Elmer (modelo: AAnalyst 300), y b) marca Unicam Solaar (modelo: 989 AA) ................................................................................................... 116

Figura 4.1 Diagrama de flujo para la metodología propuesta ..................................................... 126 Figura 4.2 Esquema de las superficies viarias en estudio (Torrelavega, España) ......................... 128 Figura 4.3 Fotografía de las superficies viarias en estudio (Torrelavega, España). a) Zona 1 y b)

Zona 2 ............................................................................................................................... 129 Figura 4.4 Fotografía de las superficies viarias en estudio (Soacha, Colombia) ........................... 130 a) Zona 1 y b) Zona 2 .................................................................................................................. 130 Figura 4.5 Esquema de las superficies viarias en estudio (Soacha, Colombia). ........................... 131 a) Zona 1 y b) Zona 2 .................................................................................................................. 131 Figura 4.6 Variación de la carga viaria de sedimento en la Zona 1 (Torrelavega, España) ........... 133 Figura 4.8 Acumulación de la carga de sedimento viario con una frecuencia elevada en los

eventos de lluvia. Zona 2 (Torrelavega, España) ............................................................... 135 Figura 4.9 Variación de la carga de sedimento en tiempo seco. Zona 1 (Soacha, Colombia) ...... 137 Figura 4.10 Relación CF/CL contra tiempo. Zona 1 (Torrelavega, España) .................................. 139

xii

Figura 4.11 Granulometría para la carga total, carga libre y carga fija recolectada sobre las calzadas de la ciudad de Torrelavega (España) ................................................................. 146

Figura 4.12 Granulometría para la carga total recolectada sobre la calzada de la ciudad de Soacha (Colombia) ........................................................................................................................ 148

Figura 4.13 Carga acumulada de sedimento por fracción de tamaño en tiempo seco. Zona 1 (Torrelavega, España) ....................................................................................................... 152

Figura 4.14 Carga acumulada de sedimento por fracción de tamaño en tiempo seco. Zona 2 (Soacha, Colombia) ........................................................................................................... 153

Figura 4.16 Relación entre PM10 y PST en la Zona 1 (Soacha, Colombia) .................................... 181 Figura 4.17 Relación entre PM10 y PST en la Zona 2 (Soacha, Colombia) .................................... 181 Figura 4.20 Variación de la concentración metálica de Pb y Cu asociada con PM10 con respecto de

la precipitación en la Zona 1 (Soacha, Colombia) .............................................................. 192 Figura 4.21 Variación de la concentración metálica de Pb y Cu asociada con PM10 con respecto de

la precipitación en la Zona 2 (Soacha, Colombia) .............................................................. 193 Figura 4.22 Variación de la carga metálica de Pb y Cu asociada con PM10 con respecto de la

precipitación en la Zona 1 (Soacha, Colombia) .................................................................. 196 Figura 4.23 Variación de la carga metálica de Pb y Cu asociada con PM10 con respecto de la

precipitación en la Zona 2 (Soacha, Colombia) .................................................................. 197 Figura 4.24 Relación entre la concentración de Pb en suspensión y la carga de PM10 para la Zona 1

(Soacha) ............................................................................................................................ 207 Figura 4.25 Relación entre la concentración de Pb en suspensión y la carga de PST para la Zona 1

(Soacha) ............................................................................................................................ 207 Figura 4.26 Relación entre la concentración de Pb asociada con el sedimento viario (< 250 µm) y

PM10 para la Zona 1 (Soacha) ............................................................................................ 215 Figura 4.27 Relación entre la concentración de Pb asociada con el sedimento viario (< 250 µm) y

PST para la Zona 1 (Soacha) .............................................................................................. 215 Figura 4.28 Relación entre la concentración metálica asociada con el sedimento viario (< 250 µm)

y la carga de PM10 para la Zona 1 (Soacha). a) Pb, y b) Cu ................................................. 220 Figura 4.29 Descripción gráfica del fenómeno de variación de la concentración metálica asociada

con el sedimento viario ..................................................................................................... 222 Figura 4.30 Diagrama conceptual para el modelo causal entre la carga viaria de PM10 y la

concentración metálica asociada con el sedimento viario ................................................ 224 Figura 4.31 Modelos de regresión entre la concentración de Pb asociada con el sedimento viario y

la carga de PM10 para la superficie viaria de la Zona 1 (Soacha). a) Modelo cúbico y b) modelo lineal .................................................................................................................... 226

Figura 4.32 Serie de tiempo para la carga viaria de PM10 (a) y la concentración de Pb del sedimento viario (b) en la Zona 1 (Soacha, Colombia) ...................................................... 230

Figura 4.33 Serie de tiempo con estabilización de la varianza para la carga viaria de PM10 (a) y la concentración de Pb del sedimento viario (b) en la Zona 1 (Soacha, Colombia) ................ 231

Figura 4.34 FAC muestral para la carga de PM10 en la Zona 1 (Soacha, Colombia). a) {T(Zt)}, b) { T(Zt)}, y c) { 2T(Zt)} ....................................................................................................... 232

Figura 4.35 FAC y FACP muestral de { 2T(Zt)} para la concentración de Pb asociada con el sedimento viario de la Zona 1 (Soacha). a) FAC y b) FACP ................................................. 238

Figura 4.36 Gráfica de los residuales del modelo para la concentración de Pb asociada con el sedimento viario. Línea límite para ±2∙desviaciones estándar residual ............................. 240

Figura 4.37 Gráfica de los residuales del modelo para la carga viaria de PM10. Línea límite para ±2∙desviaciones estándar residual .................................................................................... 240

Figura 4.38 Series temporales para la carga viaria de PM10 y la concentración de Pb en el sedimento viario para la Zona 1 (Soacha, Colombia) ......................................................... 247

Figura 4.39 Función de correlación cruzada entre PM10 y Pb. Línea límite de confianza ±0,298; establecida según Bartlett (1946) ..................................................................................... 248

Figura 4.40 FAC (a) y FACP (b) muestral para Nt de la función de transferencia ......................... 249 Figura 4.41 Gráfica de los residuales del modelo para Nt. Línea límite para ±2∙desviaciones

estándar residual (identificación de datos atípicos) .......................................................... 250

xiii

Figura 4.42 Gráfica de los residuales del modelo de función de transferencia. Línea límite para ±2∙desviaciones estándar residual .................................................................................... 252

Figura 4.43 Límites de confianza para los pronósticos del modelo de función de transferencia ARIMA para la concentración de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia) ......................................................................................................................... 256

Figura 4.44 Diagrama de flujo para la evaluación de la concentración metálica asociada con el sedimento viario a partir de información del material en suspensión ............................... 258

Figura 4.45 Períodos climáticos identificados a partir de la precipitación en la Zona 1 (Soacha); variación de la concentración de Pb en el sedimento viario para tiempo a) seco, b) de transición, y c) de lluvias ................................................................................................... 260

Figura 4.46 Pronóstico del modelo de función de transferencia ARIMA para la concentración de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia) .............................. 261

Figura 4.47 Pronóstico y valores observados para la distribución por fracción de tamaño de la concentración de Pb asociada con el sedimento viario de 20/01/2010 en la Zona 1 (Soacha, Colombia) ......................................................................................................................... 264



Figura 4.50 Pronóstico y valores observados promedios para la distribución de la concentración de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia) ......................... 267

Figura 4.51 Pronóstico y valores observados para el porcentaje acumulado de carga de Pb por fracción de tamaño del sedimento viario para 20/01/2010 en la Zona 1 (Soacha, Colombia) ......................................................................................................................................... 270



Figura 4.54 Pronóstico y valores observados promedios para la distribución de la carga de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia) ................................... 273

Figura 4.55 Pronóstico y valores observados para la distribución por fracción de tamaño de la concentración de Cu y Ba asociada con el sedimento viario para 15/01/2010 en la Zona 1 (Soacha, Colombia) ........................................................................................................... 277

Figura 4.56 Pronóstico y valores observados para la distribución por fracción de tamaño de la carga de Cu y Ba asociada con el sedimento viario para 15/01/2010 en la Zona 1 (Soacha, Colombia) ......................................................................................................................... 279

Figura 4.57 Diagrama de flujo para la estructura definitiva de la metodología ........................... 282 Figura 5.1 Fotografía de la superficie viaria de la Zona 1‐Fontibón (Bogotá, Colombia) ............. 295 Figura 5.2 Fotografía de la superficie viaria de la Zona 2‐Puente Aranda (Bogotá, Colombia) .... 296 Figura 5.3 Fotografía de la superficie viaria de la Zona 3‐Kennedy (Bogotá, Colombia) .............. 297 Figura 5.4 Esquema de la superficie viaria de estudio en la Zona 1‐Fontibón (Bogotá, Colombia)

......................................................................................................................................... 299 Figura 5.5 Esquema de la superficie viaria de estudio en la Zona 2‐Puente Aranda (Bogotá,

Colombia) ......................................................................................................................... 300 Figura 5.6 Esquema de la superficie viaria de estudio en la Zona 3‐Kennedy (Bogotá, Colombia)

......................................................................................................................................... 301 Figura 5.7 Variación de la carga viaria de sedimento en la Zona 1‐Fontibón con respecto a la

precipitación (Bogotá, Colombia). a) Tiempo de disminución y b) tiempo de aumento de la precipitación ..................................................................................................................... 304

xiv

Figura 5.8 Variación de la carga viaria de sedimento en la Zona 2‐Puente Aranda con respecto a la precipitación (Bogotá, Colombia). a) Tiempo de disminución y b) tiempo de aumento de la precipitación ..................................................................................................................... 305

Figura 5.9 Variación de la carga viaria de sedimento en la Zona 3‐Kennedy con respecto a la precipitación (Bogotá, Colombia). a) Tiempo de disminución y b) tiempo de aumento de la precipitación ..................................................................................................................... 306

Figura 5.10 Granulometría promedio del sedimento viario para la época de lluvias y de tiempo seco (Bogotá, Colombia) ................................................................................................... 315

Figura 5.11 Porcentaje acumulado de carga de Pb según el tamaño de la partícula (Bogotá, Colombia) ......................................................................................................................... 325

Figura 5.12 Variación de la carga de PM10 con respecto a la precipitación en la Zona 1‐Fontibón (Bogotá, Colombia) ........................................................................................................... 329

Figura 5.13 Variación de la carga de PM10 con respecto a la precipitación en la Zona 1‐Fontibón. Media móvil (Bogotá, Colombia)....................................................................................... 330

Figura 5.14 Variación de la carga de PM10 con respecto a la precipitación en la Zona 2‐Puente Aranda. Media móvil (Bogotá, Colombia) ......................................................................... 331

Figura 5.15 Variación de la carga de PM10 con respecto a la precipitación en la Zona 3‐Kennedy. Media móvil (Bogotá, Colombia)....................................................................................... 332

Figura 5.16 Relación entre la concentración de Pb asociada con el sedimento viario (< 250 µm) y la carga de PM10. a) Zona 1, b) Zona 2, y c) Zona 3 ............................................................ 337

Figura 5.17 Series temporales para la carga de PM10 y la concentración de Pb en el sedimento viario para la Zona 1 (Bogotá, Colombia) .......................................................................... 344



Figura 5.20 Límites de confianza para los pronósticos del modelo de función de transferencia ARIMA para la concentración de Pb asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia) ......................................................................................................................... 352



Figura 5.23 Diagrama de flujo para la estimación de la distribución de la concentración y carga metálica asociada con el sedimento viario a partir de información del material en suspensión (Bogotá, Colombia)......................................................................................... 354

Figura 5.24 Variación de la concentración de Pb en el sedimento viario a partir de los períodos climáticos identificados en la Zona 1 (Bogotá); tiempo a) seco, y b) de lluvias .................. 357



Figura 5.27 Pronóstico del modelo de función de transferencia ARIMA para la concentración de Pb asociada con el sedimento viario. Zona 1 (Bogotá, Colombia) ..................................... 361



Figura 5.30 Pronóstico de la concentración de Pb en el sedimento viario a partir de la serie temporal completa de PM10 (media móvil). ...................................................................... 363

Zona 1 ........................................................................................................................................ 363 Figura 5.31 Pronóstico de la concentración de Pb en el sedimento viario a partir de la serie

temporal completa de PM10 (media móvil). ...................................................................... 364

xv

Zona 2 ........................................................................................................................................ 364 Figura 5.32 Pronóstico de la concentración de Pb en el sedimento viario a partir de la serie

temporal completa de PM10 (media móvil). ...................................................................... 365 Zona 3 ........................................................................................................................................ 365 Figura 5.33 Pronóstico y valores observados para la distribución por fracción de tamaño de la

concentración de Pb asociada con el sedimento viario de 03/10/2010 en la Zona 1 (Bogotá, Colombia) ......................................................................................................................... 368

Figura 5.34 Pronóstico y valores observados promedios para la distribución de la concentración de Pb asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia) ......................... 368

Figura 5.35 Pronóstico y valores observados promedios para la distribución por fracción de tamaño de la concentración de Pb asociada con el sedimento viario de la Zona 3 (Bogotá, Colombia) ......................................................................................................................... 369

Figura 5.36 Pronóstico y valores observados promedios para la distribución por fracción de tamaño de la concentración de Pb asociada con el sedimento viario de la Zona 2 (Bogotá, Colombia) ......................................................................................................................... 370

Figura 5.37 Pronóstico y valores observados promedios para la distribución de la carga de Pb asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia) ................................... 373



Figura 5.40 Pronóstico y valores observados promedios para la distribución de la concentración de Cu asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia) ......................... 380



Figura 5.43 Pronóstico y valores observados promedios para la distribución de la carga de Cu asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia) ................................... 384

Figura 5.44 Pronóstico y valores observados promedios para la distribución de la carga de Cu asociada con el sedimento viario en la Zona 3 (Bogotá, Colombia) ................................... 385

Figura 5.45 Pronóstico y valores observados promedios para la distribución de la carga de Cu asociada con el sedimento viario en Zona 2 (Bogotá, Colombia)....................................... 386

xvii

ÍNDICE DE TABLAS

Tabla 2.1 Factores y condicionantes específicos del fenómeno de acumulación sobre superficies viarias (Sartor y Boyd, 1972; James y Shivalingaiah, 1986; Vermette et al., 1991; Thomson et al., 1997; Ball et al., 1998; Brezonik y Stadelmann, 2002) ................................................... 13

Tabla 2.2 Variables y procesos explicativos del fenómeno de remoción por escorrentía ............. 16 Tabla 2.3 Concentración de metales pesados en la escorrentía viaria (fracción disuelta) ............. 19 Tabla 2.5 Tasa de deposición atmosférica total anual de metales pesados en varias localidades . 24 Tabla 2.6 Carga y concentración de metales pesados en la escorrentía urbana para diferentes

usos del suelo ..................................................................................................................... 28 Tabla 2.7 Concentración y carga de metales pesados en la suciedad recolectada por los equipos

de limpieza viaria ................................................................................................................ 32 Tabla 2.8 Eficacia del barrido viario en la eliminación de metales pesados .................................. 32 Tabla 2.9 Fuentes de elementos metálicos en la escorrentía viaria asociadas con el tráfico

(Shaheen, 1975; Kobriger y Geinopolos, 1984; Ball et al., 1998) ......................................... 34 Tabla 2.10 Concentración de metales pesados asociados con el sedimento viario para diferentes

densidades de tráfico.......................................................................................................... 36 Tabla 2.11 Comparación entre la concentración metálica de la escorrentía viaria y las cubiertas de

edificaciones (adaptada de Gromaire‐Mertz et al., 1999) ................................................... 38 Tabla 2.12 Concentración de metales pesados en la escorrentía de las cubiertas de edificaciones

urbanas ............................................................................................................................... 39 Tabla 2.13 Distribución granulométrica del sedimento viario reportada para varias localidades . 43 Tabla 2.14 Carga viaria de sedimento reportada para varias localidades ..................................... 46 Tabla 2.15 Categorías, condicionantes y variables utilizadas en la evaluación metálica sobre

superficies viarias ............................................................................................................... 65 Tabla 3.1 Resultados de las pruebas de eficacia N° 1 y 2 .............................................................. 91 Tabla 4.1 Categorías y variables generales utilizadas para la descripción de la vía en estudio .... 123 Tabla 4.2 Características de las superficies viarias en estudio (Torrelavega) .............................. 129 Tabla 4.3 Características de las superficies viarias en estudio (Soacha) ...................................... 130 Tabla 4.4 Carga para las diferentes muestras recolectadas (Torrelavega y Soacha) .................. 140 Tabla 4.5 Remoción de la carga viaria para los diferentes períodos de lluvia (Torrelavega y

Soacha) ............................................................................................................................. 142 Tabla 4.6 d10, d50, y d90 para las diferentes muestras recolectadas en las ciudades de Torrelavega y

Soacha .............................................................................................................................. 150 Tabla 4.7 Eficacia en la recolección del sedimento viario por aspirado. Calzadas de la ciudad de

Torrelavega (España) ........................................................................................................ 152 Tabla 4.8 Distribución granulométrica antes y después de los períodos de lluvia (Torrelavega y

Soacha) ............................................................................................................................. 156 Tabla 4.9 Remoción de sedimento por fracción de tamaño para todos los eventos de lluvia (CT;

Torrelavega y Soacha) ....................................................................................................... 157 Tabla 4.10 Concentración de metales pesados (mg/kg de materia seca) con un 95% de intervalo

de confianza (CT; Torrelavega y Soacha) ........................................................................... 159 Tabla 4.11 Coeficientes para el modelo exponencial de la concentración de metales pesados (CT;

Torrelavega y Soacha) ....................................................................................................... 162 Tabla 4.12 Correlación entre fracciones de tamaño del mismo metal pesado (CT; Torrelavega y

Soacha) ............................................................................................................................. 166 Tabla 4.13 Coeficientes de correlación lineal para la concentración entre metales pesados de las

Zonas 1 y 2 (CF; Torrelavega) ............................................................................................ 170 Tabla 4.14 Coeficientes de correlación lineal para la concentración entre metales pesados para la

fracción < 125 µm (CT; Soacha) ......................................................................................... 171 Tabla 4.15 Concentración metálica a través de la superficie viaria con un intervalo de confianza

del 95% (CT; Torrelavega) ................................................................................................. 172

xviii

Tabla 4.16 Carga asociada por fracción de tamaño con un 95% de intervalo de confianza (CT; Torrelavega y Soacha) ....................................................................................................... 174

Tabla 4.17 Resultados de la prueba de lixiviación para los elementos metálicos asociados con el sedimento viario (CT; Torrelavega) ................................................................................... 176

Tabla 4.18 Coeficientes y R2 para el modelo logarítmico del porcentaje acumulado de carga metálica (CT; Torrelavega y Soacha) ................................................................................. 178

Tabla 4.19 Concentración metálica asociada con el material en suspensión con un 95% de intervalo de confianza: PM10 y PST (Soacha, Colombia) .................................................... 186

Tabla 4.20 Coeficientes de correlación lineal entre elementos metálicos para la concentración asociada con PM10. Zona 1 (Soacha, Colombia) ................................................................. 189

Tabla 4.21 Coeficientes de correlación lineal entre elementos metálicos para la concentración asociada con PM10. Zona 2 (Soacha, Colombia) ................................................................. 190

Tabla 4.22 Carga metálica asociada con el material en suspensión con un 95% de intervalo de confianza: PM10 y PST (Soacha, Colombia) ........................................................................ 195

Tabla 4.23 Coeficientes de correlación lineal entre la concentración metálica asociada con el sedimento viario y la asociada con PM10 para la Zona 1 (Soacha) ..................................... 218

Tabla 4.24 Coeficientes de correlación lineal entre la concentración metálica asociada con el sedimento viario y la asociada con PM10 para la Zona 2 (Soacha) ..................................... 218

Tabla 4.25 Matriz causa‐efecto para el modelo causal entre la concentración metálica asociada con el sedimento viario y la carga de material en suspensión en superficies viarias ......... 223

Tabla 4.26 Modelos de regresión para la relación entre la carga viaria de PM10 y la concentración de Pb asociado con el sedimento viario (Soacha, Colombia) ............................................. 227

Tabla 4.27 FAC y FACP muestrales para { T(Zt)} de las series de tiempo de la carga de PM10 y la concentración de Pb en el sedimento viario de la Zona 1 (Soacha) ................................... 236

Tabla 4.28 Autocorrelaciones para los residuales del modelo de la concentración de Pb asociada con el sedimento viario ..................................................................................................... 239

Tabla 4.29 Autocorrelaciones para los residuales del modelo de la carga de PM10 .................... 240 Tabla 4.30 Parámetros para los modelos identificados y alternativos obtenidos mediante IBM‐

SPSS .................................................................................................................................. 245 Tabla 4.31 Autocorrelaciones para los residuales del modelo de función de transferencia ........ 251 Tabla 4.32 Estadísticos de ajuste para el modelo de función de transferencia en la Zona 1 (Soacha,

Colombia) ......................................................................................................................... 255 Tabla 4.33 Coeficiente B para el modelo exponencial de la concentración de metales pesados por

fracción de tamaño (Torrelavega y Soacha) ...................................................................... 263 Tabla 4.34 Coeficientes para el modelo logarítmico del porcentaje acumulado de carga metálica

por fracción de tamaño (Torrelavega y Soacha) ................................................................ 269 Tabla 4.35 Factor de diferencia para los elementos metálicos con respecto de Pb (Zona 1, Soacha)

......................................................................................................................................... 275 Tabla 4.36 Factor de corrección para la distribución por fracción de tamaño de la concentración

de los elementos metálicos (Zona 1, Soacha).................................................................... 278 Tabla 5.1 Características de las superficies viarias en estudio (Bogotá, Colombia) ..................... 298 Tabla 5.2 Granulometría del sedimento recolectado sobre las calzadas de las Zonas 1, 2 y 3 .... 310 Tabla 5.3 d10, d50, y d90 (percentiles) para las muestras de sedimento viario recolectadas en la

ciudad de Bogotá D.C. (Colombia) .................................................................................... 312 Tabla 5.4 Concentración de metales pesados (mg/kg de materia seca) con un 95% de intervalo de

confianza (Bogotá, Colombia) ........................................................................................... 316 Tabla 5.5 Coeficientes para los modelos exponencial y potencial de la concentración de los

metales pesados (Bogotá, Colombia) ................................................................................ 318 Tabla 5.6 Carga asociada por fracción de tamaño con un 95% de intervalo de confianza (Bogotá,

Colombia) ......................................................................................................................... 322 Tabla 5.7 Coeficientes y R2 para el modelo logarítmico del porcentaje acumulado de carga

metálica (Bogotá, Colombia) ............................................................................................. 325 Tabla 5.8 Modelos de regresión para la relación entre la carga viaria de PM10 y la concentración

de Pb asociado con el sedimento viario (Bogotá, Colombia) ............................................. 339 Tabla 5.9 Modelos identificados mediante IBM‐SPSS en la ciudad de Bogotá (Colombia) .......... 343

xix

Tabla 5.10 Estadísticos de ajuste para los modelos de función de transferencia en las Zonas 1, 2 y 3 (Bogotá, Colombia) ........................................................................................................ 350

Tabla 5.11 Coeficientes para el modelo exponencial y potencial de la concentración de metales pesados por fracción de tamaño (Bogotá, Colombia) ....................................................... 366

Tabla 5.12 Coeficientes para el modelo logarítmico del porcentaje acumulado de carga metálica por fracción de tamaño (Bogotá, Colombia) ..................................................................... 372

Tabla 5.13 Factor de diferencia para Cu con respecto de Pb (Bogotá, Colombia) ....................... 377 Tabla 5.14 Factor de corrección para la distribución por fracción de tamaño de la concentración

de Pb y Cu (Bogotá, Colombia) .......................................................................................... 383

xxi

LISTADO DE ABREVIATURAS

AR (n): autorregresivo de orden n.

ARIMA: autorregresivo, integrado y de promedios móviles.

CAR: Corporación Autónoma Regional de Cundinamarca.

CCF: función de correlación cruzada.

CF: carga fija.

CL: carga libre.

CT: carga total.

ET: error típico.

FAC: función de autocorrelación.

FACP: función de autocorrelación parcial.

FAP: función de autocorrelación parcial residual.

FAS: función de autocorrelación residual.

GL: grados de libertad.

LCI: límite inferior del intervalo de confianza.

LCS: límite superior del intervalo de confianza.

MA (n): promedio móvil de orden (n).

MAE: error absoluto promedio.

MAPE: error absoluto porcentual promedio.

MaxMAE: máximo error absoluto.

MaxMAPE: máximo error porcentual.

PM10: material en suspensión de tamaño menor o igual a 10 micras.

PST: partículas suspendidas totales.

r: coeficiente de correlación lineal.

R2: coeficiente de determinación.

RMCAB: Red de Monitoreo de la Calidad del Aire de la ciudad de Bogotá D.C.

SABS: Sistema de aspirado y barrido en seco.

SBS: sistema de barrido en seco.

SDA: Secretaría Distrital de Ambiente de la ciudad de Bogotá D.C.

Sig.: significancia.

SS: sólidos en suspensión.

SST: sólidos suspendidos totales.

t: estadístico para la prueba de t-Student.

CAPÍTULO 1.- INTRODUCCIÓN

1


1.1 EXPOSICIÓN DE MOTIVOS

El recurso hídrico es considerado como un medio vital puesto que de su

disponibilidad depende el desarrollo de las diferentes formas de vida y la

actividad del ser humano. En la actualidad el agua es un recurso natural escaso

que está siendo cada vez más valioso en términos económicos y de las

necesidades sociales. De esta manera los sistemas hídricos poseen múltiples usos,

que en la mayoría de las situaciones éstos pueden ser sucesivos; lo cual obliga a

regular el orden en que se utilizan para asegurar la adecuada calidad del agua.

La problemática ambiental generada por la escorrentía superficial urbana se

fundamenta en dos aspectos relacionados con el uso de control del recurso

hídrico:

(i) El primer aspecto está asociado con el efecto hidráulico de la escorrentía

superficial para generar crecientes, inundaciones, erosión hídrica y cambios en el

balance hídrico del territorio urbano. Durante una precipitación intensa en

escenarios urbanos las superficies impermeables de las vías, los tejados y las

aceras recogen el exceso de agua pluvial causando impactos en el balance hídrico

de las proximidades.

(ii) El segundo aspecto, está relacionado con el impacto ambiental sobre los

sistemas de drenaje y las aguas receptoras producto del lavado de los

contaminantes superficiales (p.ej., los metales pesados). Al estudiar las causas de

la contaminación que transporta la escorrentía urbana se identifica que muchos

contaminantes acumulados sobre las superficies en tiempo seco son removidos y

disueltos por la escorrentía generada por un evento de lluvia, una creciente, una

inundación o contingencia en el mobiliario urbano. Este segundo aspecto es el eje

central de la presente Tesis Doctoral.


2

Las fuentes difusas urbanas han sido identificadas como una de las mayores

causas de contaminación en los cuerpos de agua. Entre las fuentes difusas, la

escorrentía urbana ha sido citada como la segunda causa más frecuente de

contaminación después de la agricultura y en los corredores fluviales urbanos fue

la más significativa (WPCF, 1986). Novotny y Olem (1994) reportaron que más

de la mitad de todos los fracasos para lograr los objetivos de calidad del agua en

EE.UU. fueron atribuidos a la contaminación difusa, donde la contaminación

difusa urbana fue la cuarta causa más importante de la contaminación fluvial y la

tercera causa de contaminación de los lagos.

La experiencia en la gestión de la escorrentía urbana ha evidenciado una relación

directa entre el modelo de crecimiento urbano y las cargas contaminantes vertidas

en los sistemas de drenaje y los cuerpos de agua. Por ejemplo, las superficies

viarias representan sólo una pequeña parte del paisaje urbano, no obstante el

aumento de su área superficial impermeable contribuye con significativas cargas

de contaminantes durante los eventos de lluvia (Ball et al., 1998).

Desafortunadamente, en los países latinoamericanos no se ha dimensionado

correctamente la problemática ambiental asociada con la escorrentía y el modelo

de crecimiento urbano. Por lo tanto, la presente Tesis Doctoral pretende

profundizar en la problemática ambiental generada por la escorrentía urbana;

específicamente, en la contaminación metálica presente sobre las superficies

viarias de áreas urbanas.

La escorrentía superficial urbana ha sido considerada como una fuente de

contaminación de difícil gestión debido a su naturaleza difusa, al vertido

intermitente ligado a un fenómeno aleatorio (i.e., la lluvia), a la dificultad del

muestreo en origen y a su relación con el uso del suelo (Novotny, 1994; Malgrat,

1995). Esta difícil gestión fue manifestada en el Congreso Internacional de

Higiene de Viena (1988), donde las aguas de escorrentía de los techos de

edificaciones y vías urbanas fueron declaradas como “muy contaminadas”. El

estudio de la escorrentía urbana es de interés creciente debido a sus efectos

tóxicos, a la limpieza gradual de las fuentes puntuales de contaminación y a la


3

cantidad de contaminantes descargados en los sistemas acuáticos (Dempsey et al.,

1993).

Por otro lado, la contaminación superficial urbana por metales pesados requiere de

especial atención debido a sus efectos tóxicos sobre la salud del hombre

(Essumang et al., 2006). Una de las más influyentes y reconocidas investigaciones

para evaluar la contaminación en superficie y la calidad del agua de escorrentía

viaria fue realizada por Sartor y Boyd (1972). En relación con la contaminación

metálica viaria reportaron que ésta era altamente contaminante. En este sentido,

Flores et al. (1994) mostraron que se pueden presentar concentraciones de metales

pesados de 10 a 100 veces superiores a las encontradas en las aguas residuales

urbanas. Los sedimentos viarios acumulados en tiempo seco llevan consigo

elementos metálicos que afectan los recursos hídricos cuando son transportados

por la escorrentía (Berhanu et al., 2007; Wei y Yang, 2010). Adicionalmente,

pueden afectar la calidad del aire del entorno viario cuando son suspendidos por el

viento y la turbulencia inducida por el tráfico (Constantini y Demetra, 2005; Zafra

et al., 2011).

Las metodologías para el estudio de la contaminación metálica presente sobre las

superficies viarias se pueden agrupar en dos categorías:

(i) La primera categoría corresponde a los polutogramas e hidrogramas asociados

con la escorrentía viaria. Este método de análisis permite estudiar la evolución de

las concentraciones instantáneas con respecto del tiempo, y de los caudales y

flujos másicos instantáneos (p.ej., el efecto de primer flujo) (Whipple et al.,

1987).

(ii) La segunda categoría, está relacionada con los modelos de acumulación y

lavado de la carga metálica. Estos modelos se basan en ecuaciones o correlaciones

netamente empíricas de los datos observados. Las técnicas de estudio que

alimentan los algoritmos de los modelos se fundamentan en la recolección de

muestras viarias de sedimento a través de métodos de aspirado en seco (p.ej.,


4

Beckwith et al., 1984; Grottker, 1987), barrido en seco (p.ej., Fergusson y

Simmonds, 1983; Stone y Marsalek, 1996), aspirado y barrido en seco (p.ej., Ball

et al., 1998; Furumai et al., 2002; Vaze y Chiew, 2002; Zafra et al., 2008; Duong

y Lee, 2011), y lavado y aspirado simultáneo (p.ej., Deletic y Orr, 2005). Sin

embargo, las anteriores metodologías de estudio han sido utilizadas sobre

pequeñas porciones del territorio urbano debido a que los requerimientos de

personal y equipo especializado para su aplicación suelen ser considerables.

Consecuentemente, los costos de operación resultan ser muy elevados haciendo

que este tipo de metodologías no sean fácilmente aplicables sobre la totalidad del

territorio urbano.

A partir de lo expuesto, la presente Tesis Doctoral pretende desarrollar una

metodología para la evaluación de la contaminación metálica viaria en superficie

que sea aplicable a la totalidad del territorio urbano. Con el desarrollo

metodológico se busca evaluar el contenido de los elementos metálicos asociados

con el sedimento depositado sobre las superficies viarias, a partir de información

de la calidad del aire suministrada por las estaciones de monitoreo cercanas a las

vías en evaluación (i.e., fijas y móviles); esta última representada por los

parámetros asociados con el material en suspensión: partículas suspendidas totales

(PST) y partículas de tamaño menor o igual a 10 micras (PM10).

A inicios de la década de 1950 se observó en los países latinoamericanos una

preocupación por la contaminación del aire. La Red Panamericana de Muestreo

Normalizado de la Contaminación del Aire (REDPANAIRE) inició sus

operaciones en junio de 1967 con la recolección de muestras mensuales de polvo

sedimentable y, muestras diarias de partículas suspendidas totales (PST) y SO2.

REDPANAIRE comenzó con ocho estaciones y a finales de 1973 tenía 88

estaciones distribuidas en 26 ciudades de 14 países latinoamericanos (Haddad,

1976). Durante la década de 1980 en varias de las áreas urbanas de la región

operaron extensas redes de monitoreo de la calidad del aire. Estas redes midieron

los contaminantes del aire más comunes: SO2, NO2, CO, ozono, plomo y PST

(Romieu, 1996).


5

En la década de 1990 la Organización Mundial de la Salud (OMS) organizó, con

carácter global, el Sistema de Información para el Control de la Calidad del Aire

(AMIS). La base de datos de AMIS incluyó información sobre 60 ciudades en 30

países latinoamericanos (OMS, 1997). Actualmente, el número de ciudades

participantes es de cerca de 150, en 45 paises a nivel mundial. De esta manera, las

principales ciudades latinoamericanas cuentan con la infraestructura adecuada

para alimentar la metodología propuesta en la presente Tesis Doctoral (i.e., la

información de calidad del aire). Adicionalmente, las entidades encargadas del

control ambiental están adquiriendo laboratorios móviles para evaluar la calidad

del aire en lugares donde no existen estaciones de monitoreo fijas (p.ej., en

cercanías de las superficies viarias); ciudades como Río de Janeiro (Brasil),

Ciudad de México (México), Buenos Aires (Argentina), y Bogotá D.C.

(Colombia) cuentan con experiencia en la implementación y operación de

laboratorios móviles de calidad del aire (Korc y Sáenz, 1999).

De esta manera, la propuesta metodológica permitirá proyectar mejores prácticas

de control para la gestión de la contaminación metálica en superficie y de la

escorrentía en las vías (i.e., medidas estructurales y no estructurales), según su

localización dentro del territorio urbano; podrá ser útil para alimentar los

algoritmos de los modelos de acumulación-lavado, el diseño o mejoramiento de

los sistemas de control de la contaminación, y para establecer estrategias de

limpieza viaria según la concentración y distribución de los elementos metálicos.

Igualmente, la propuesta metodológica permitirá ampliar el conocimiento acerca

de los procesos físicos, químicos y biológicos que condicionan la acumulación y

el lavado de los metales pesados depositados sobre las superficies viarias urbanas.

Es importante resaltar, que el gestor no sólo debe contar con bases de datos sino

que éstas deben ser de fácil interpretación y utilización. Es por esto, que en la

presente Tesis Doctoral se hace un esfuerzo por mejorar las técnicas de

cuantificación y cualificación de la contaminación metálica viaria en superficie.

Adicionalmente, se plantean nuevas metodologías e indicadores de referencia para

facilitar la toma de decisiones de una manera rápida y confiable para la gestión de


6

la escorrentía viaria urbana, desde el punto de vista de la contaminación metálica

en superficie.

Finalmente, la investigación desarrollada en la presente Tesis Doctoral se enmarca

dentro de las temáticas abordadas por los grupos de investigación de Ingeniería

Ambiental (GIA) de la Universidad de Cantabria (España) y de Investigación en

Ingeniería Ambiental (GIIAUD) de la Universidad Distrital Francisco José de

Caldas (Colombia), en las líneas de investigación de Calidad de Aguas-

Modelización Ambiental e Impacto Ambiental, respectivamente. Esta

investigación se inició en el año de 2004 dentro del grupo de investigación GIA

de la Universidad de Cantabria (España). El enfoque inicial de la investigación fue

el de determinar y evaluar el contenido metálico asociado con el sedimento

depositado sobre el Bulevar Ronda Rufino Peón de la ciudad de Torrelavega al

norte de España, mediante la utilización de un sistema de muestreo de aspirado y

barrido en seco (SABS).

Posteriormente en el año 2008, se realizaron gestiones ante el organismo de

control ambiental del Departamento de Cundinamarca en Colombia (CAR) para

validar el sistema de muestreo implementado en la ciudad de Torrelavega

(España) y seguir desarrollando la presente propuesta metodológica; el lugar de

investigación se localizó sobre dos superficies viarias de la ciudad de Soacha en el

centro de Colombia. El enfoque en esta segunda etapa de la investigación fue el de

determinar y evaluar el contenido metálico asociado con el sedimento viario y el

material en suspensión de áreas cercanas a las superficies de estudio. Por último,

en el año 2009 se presentaron los avances de la propuesta metodológica a las

autoridades de la Secretaria Distrital de Ambiente de la Ciudad de Bogotá en

Colombia (SDA), con el objeto de validar la propuesta metodológica mediante la

utilización de tres estaciones de monitoreo de calidad del aire operadas por esta

entidad. De esta manera, se dio por terminada la investigación-propuesta

metodológica expuesta en la presente Tesis Doctoral.


7

1.2 OBJETIVOS DE LA TESIS

1.2.1 Objetivo principal

El objetivo principal de la Tesis Doctoral es desarrollar una metodología para la

estimación de la distribución de los metales pesados asociados con el sedimento

viario, a partir de información del material en suspensión de áreas cercanas a la

superficie en evaluación.

1.2.2 Objetivos específicos

Desarrollar una metodología para estimar la distribución de la

concentración de metales pesados asociados con el sedimento depositado

sobre las superficies viarias a partir del material en suspensión de áreas

cercanas; este último representado por: partículas suspendidas totales

(PST) y partículas de tamaño menor o igual a 10 micras (PM10).

Determinar la precisión de la metodología propuesta por medio de la

validación con base en la campaña de campo realizada en las ciudades de

Soacha y Bogotá D.C. en Colombia.

Desarrollar marcos metodológicos e indicadores de referencia que ayuden

a interpretar la información aportada por la metodología propuesta.

Establecer la utilidad de la metodología e indicadores propuestos en las

diversas problemáticas relacionadas con la gestión de la contaminación

metálica viaria. Especialmente, en la gestión de la escorrentía viaria frente

al impacto generado por los eventos naturales y las actividades antrópicas,

a las labores de limpieza viaria, y a los principales condicionantes de la

contaminación metálica sobre los corredores viales.


8

1.3 ESTRUCTURA DE LA TESIS

La Tesis Doctoral está organizada en seis capítulos. El primer capítulo presenta la

introducción de la investigación-propuesta metodológica; en el apartado de

exposición de motivos se incluyen el planteamiento del problema y la

justificación de la investigación doctoral, seguida por los apartados de objetivos y

estructura de la Tesis. En el segundo capítulo, se presenta una revisión

bibliográfica acerca de los condicionantes del fenómeno de acumulación de

elementos metálicos sobre las superficies viarias; capítulo fundamental para

identificar las variables que influyen en el fenómeno y para comprender las

relaciones expuestas en las diferentes fases de la propuesta metodología de la

Tesis Doctoral; por último, se presenta una revisión bibliográfica acerca de las

metodologías existentes para evaluar el contenido de los elementos metálicos

asociados con el sedimento depositado sobre las superficies viarias.

En el tercer capítulo se presentan los materiales y métodos utilizados para el

desarrollo de la investigación; de esta manera, se presenta la validación de los

sistemas de muestreo utilizados para la recolección del sedimento viario en las

ciudades de Torrelavega (España), Soacha y Bogotá (Colombia): sistema de

aspirado y barrido en seco (SABS), y sistema de barrido en seco (SBS); y los

sistemas de muestreo del material en suspensión: para PST se utilizó un equipo

manual de alto volumen con sistema de control de flujo de tipo másico; y para

PM10 se utilizó un equipo manual de alto volumen de tipo ciclón con un sistema

de control de flujo de tipo volumétrico. Finalmente, se exponen los análisis de

laboratorio utilizados para determinar el contenido metálico en el sedimento y el

material en suspensión de las vías en estudio. Los elementos metálicos analizados

fueron los siguientes: Pb, Zn, Cu, Cd, Cr, Co, Mn, Fe, Ni, Ba y As.

El capítulo número cuatro expone las cinco fases de la propuesta metodológica

desarrollada en la ciudad de Soacha (Colombia): (i) descripción de la vía en

evaluación, (ii) caracterización metálica del sedimento viario, (iii) caracterización

del material en suspensión, (iv) desarrollo de un modelo causal entre la carga


9

viaria en suspensión y la concentración metálica asociada con el sedimento viario

(modelo ARIMA: autorregresivo, integrado y de promedios móviles), y (v)

evaluación metálica asociada con el sedimento viario a partir de información del

material en suspensión: concentración (mg/kg) y carga (mg/m2) metálica por

fracción de tamaño.

En el quinto capítulo se presenta la aplicación de la propuesta metodológica para

la evaluación metálica asociada con el sedimento viario a partir de información

del material en suspensión; esta última representada por el parámetro de partículas

de tamaño menor a diez micras (PM10). La metodología desarrollada fue validada

para tres estaciones de la ciudad de Bogotá D.C. (Colombia). Finalmente, en el

capitulo número seis se presentan las conclusiones obtenidas con el desarrollo de

la presente investigación doctoral y se plantean las futuras líneas de investigación.

1.4 REFERENCIAS

Ball J.E., Jenks R. y Aubourg D., An assessment of the availability of pollutant constituents on road surfaces, Sci. Total Environ. 209 (1998), pp. 243-254.

Beckwith P.R., Warren R.S. y Harrop D.O., The behavior of sediment associated heavy metals within an urban surface runoff drainage system, Proceeding International Conference on Environmental Contamination, C.E.P. Ltd., eds., Edinburgh, United Kingdom, 1984, pp. 785-790.

Berhanu M., Bruen M., Higgins N. y Johnston P., Highway runoff quality in Ireland, Environ. Monit. (2007), pp. 366-371.

Korc M.E. y Sáenz R., Monitoreo de la calidad del aire en América latina, Centro Panamericano de Ingeniería Sanitaria y Ciencias del Ambiente, Lima: Cepis, 1999.

Constantini S. y Demetra V., Size distribution of airborne particulate matter and associated heavy metals in the roadside environment, Chemosphere 59 (2005), pp. 1197-1206.

Deletic A. y Orr D., Pollution buildup on road surfaces, J. Environ. Eng. 131 (2005), pp. 49-59.

Dempsey B.A., Tai Y.L. y Harrison S.G., Mobilization and removal of contaminants associated with urban dust and dirt, Wat. Sci. Technol. 28 (1993), pp. 225-230.

Duong T.T y Lee B.K., Determining contamination level of heavy metals in road dust from busy traffic areas with different characteristics, J. Environ. Manage. 92 (2011), pp. 554-62.

Essumang D.K., Dodoo D.K., Obiri S. y Oduro B.A.K., Analysis of vehicular fallouts from traffic in the Kumasi Metropolis, Ghana, Bull. Chem. Soc. Ethiop. 20 (2006), pp. 9-15.

Fergusson J.E. y Simmonds P.R., Heavy metal pollution at an intersection involving a busy urban road in Christchurch, New Zealand, New Zealand J. Sci. 26 (1983), pp. 219-228.


10

Flores J., Bussy A. y Thévenot D., Toxic metals in urban runoff: physico-chemical mobility assessment using speciation schemes, Wat. Sci. Tech. 29 (1994), pp. 83-93.

Furumai H., Balmer H. y Boller M., Dynamic behavior of suspended pollutants and particle size distribution in highway runoff, Wat. Sci. Tech. 46 (2002), pp. 413-418.

Grottker M., Runoff quality from a street with medium traffic loading, Sci. Total Environ. 59 (1987), pp. 457-466.

Haddad R., Contaminación del aire, situación actual en la América Latina y el Caribe, Memoria del Simposio sobre Ambiente, Salud y Desarrollo en las Américas, Serie Técnica No. 19, CEPIS, eds., Lima, Perú, 1976.

Malgrat P., Panorámica general de la escorrentía de aguas pluviales como fuente de contaminación, Actuaciones posibles, Jornadas Técnicas sobre la Calidad de Aguas e Impacto en Medios Receptores por Vertidos Procedentes de Drenajes Urbanos y Agrícolas, Diputación Provincial, University Jaume I, Castellon, España, 1995.

Novotny V. y Olem H., Water quality: prevention, identification and management of diffuse pollution, Van Nostrand Reinhold, eds., New York, USA, 1994.

Novotny V., Diverse solutions for diffuse pollution, Water Qual. Int. 1 (1994), pp. 24-31. OMS, The Air Management Information System (AMIS) and a Global Air Quality

Partnership, Organización Mundial de la Salud, Geneva, Switzerland, 1997. Romieu I. y Koning H., Urban air pollution and health in the Americas, OPS, eds.,

Washington D.C., USA, 1996. Sartor J.D. y Boyd G.B., Water pollution aspects of street surface contaminants, Rep. No.

EPA R2-72-081, United States Environmental Protection Agency, Washington D.C., 1972.

Stone M. y Marsalek J., Trace metal composition and speciation in street sediment: Sault Ste. Marie, Canada, Water Air Soil Pollut. 87 (1996), pp. 149-169.

Vaze J. y Chiew H.S., Experimental study of pollutant accumulation on an urban road surface, Urb. Wat. 4 (2002), pp. 379-389.

Wei B. y Yang L., A review of heavy metal contaminations in urban soils, urban road dusts and agricultural soils from China, Microchem. J. 94 (2010), pp. 99-107.

Whipple W., Kropp R. y Burke S., Implementing dual-purpose stormwater detention programs, J. Water Resour. Plann. Manage. 113 (1987), pp. 779-793.

WPCF, Meeting the challenge of nonpoint source control, J. Wat. Pollut. Control Fed. 58 (1986), pp. 730-740.

Zafra C.A., Temprano J. y Tejero I., Particle size distribution of accumulated sediments on an urban road in rainy weather, Environ. Technol. 29 (2008), pp. 571-582.

Zafra C.A., Temprano J. y Tejero I., Distribution of the concentration of heavy metals associated with the sediment particles accumulated on road surfaces, Environ. Technol. 32 (2011), pp. 997-1008.

CAPÍTULO 2.- ESTADO DEL ARTE

11


2.1 ACUMULACIÓN VIARIA DE METALES PESADOS

2.1.1 Antecedentes

La escorrentía superficial viaria contiene elevadas cargas de metales pesados que

hacen de ésta una fuente significativa de contaminación difusa para los medios

receptores de los centros urbanos (Sansalone y Buchberger, 1997; Smullen et al.,

1999; Buffleben et al., 2002). En ambientes urbanos existen numerosas fuentes de

elementos metálicos, probándose en múltiples investigaciones que su

cuantificación es compleja. Es por esto que se reportan fluctuaciones en la

concentración de los metales pesados depositados sobre las superficies, sugiriendo

que los aportes e importancia de las fuentes varían en el ambiente urbano (Davis

et al., 2001).

La acumulación de contaminantes (en inglés build-up) se puede definir como el

proceso por el cual se deposita, en tiempo seco, carga contaminante sobre las

superficies impermeables o permeables. Puede ser medido directamente a través

de técnicas de aspirado o lavado de áreas impermeables después de un período de

acumulación bajo condiciones controladas. Alternativamente, puede ser estimado

de manera indirecta (i.e., por modelos) utilizando las cargas de escorrentía

producto de la acción simultánea de los procesos de acumulación y lavado (en

inglés wash-off). El fenómeno de acumulación no puede ser medido directamente

de la carga contaminante de la escorrentía, debido a que las cargas de la

escorrentía resultan del efecto integrado de los procesos de acumulación y lavado

(Huber, 1986; Duncan, 1995; Vaze y Chiew, 2002).

Los metales pesados son generados y depositados por las diversas actividades

antropogénicas y los fenómenos naturales que ocurren en los ambientes urbanos.

Posteriormente, son lavados y transportados por la escorrentía hacia los sistemas


12

de drenaje y los cuerpos de agua receptores. Las fuentes naturales varían

considerablemente dentro de una cuenca urbana e incluyen el transporte de

material desde los suelos circundantes, la deposición atmosférica seca y húmeda,

y los aportes desde la vegetación (Muschack, 1990; Rogge et al., 1993;

Sutherland y Tolosa, 2000). Por otro lado, gran cantidad de material particulado

puede ser atribuido a fuentes antropogénicas como los procesos industriales, las

emisiones de los vehículos y el desgaste de las superficies viarias (Sartor y Boyd,

1972; Rogge et al., 1993). En las áreas urbanas las partículas derivadas de los

automóviles y de los suelos locales han sido identificadas como unas de las

fuentes dominantes de la deposición de contaminantes sobre las superficies

pavimentadas (Shaheen, 1975; Tai, 1991). No obstante, la importancia de estas

fuentes depende de las características particulares de cada lugar (p.ej., el

porcentaje de superficie impermeable y las condiciones del tráfico).

2.1.2 Descripción del fenómeno de acumulación

Interesantes revisiones bibliográficas acerca del fenómeno de acumulación sobre

las superficies impermeables han sido desarrolladas por ejemplo por Shaheen

(1975), Sutherland (1980), Novotny et al. (1985), James y Shivalingaiah (1986),

Duncan (1995) y, Deletic y Orr (2005). En estas revisiones la acumulación

superficial de los contaminantes se describe como un proceso de equilibrio

dinámico entre los fenómenos de deposición y remoción, y entre las áreas

aportadoras y las no aportadoras de carga contaminante. Dentro de las fuentes

contaminantes viarias (i.e., de deposición) se pueden incluir los vehículos, la

vegetación, los plaguicidas e insecticidas, el polvo y la suciedad producto de las

actividades de demolición y construcción, y el desgaste del mobiliario urbano y de

los edificios. Adicionalmente, se ha considerado el fenómeno de intercepción de

la carga contaminante (p.ej., por la vegetación y estructuras artificiales). Estas

interacciones pueden afectar significativamente la carga superficial contaminante

y, por lo tanto, la calidad del agua de escorrentía superficial (Duncan, 1995).


13

Sartor y Boyd (1972) realizaron una descripción completa del fenómeno de

acumulación de la carga contaminante sobre superficies viarias. Los

investigadores intentaron explicar el fenómeno a partir del reconocimiento de los

“factores dominantes” que hicieron que la carga contaminante variara de un lugar

a otro con respecto al tiempo. Es decir, incluyeron en la descripción del fenómeno

el concepto de remoción de la carga contaminante. Los factores dominantes

fueron agrupados en tres categorías: (i) tiempo transcurrido desde la última

limpieza mecánica (i.e., la limpieza viaria) o natural (i.e., la precipitación); (ii)

época del año; y (iii) locales (i.e., desarrollo de actividades que particularizan un

lugar determinado). Años más tarde, Thomson et al. (1997) establecieron que la

importancia de las cargas contaminantes viarias dependía principalmente de tres

factores dominantes: (i) climáticos (período seco previo y, duración e intensidad

de las precipitaciones); (ii) humanos (densidad de tráfico, presencia de derivados

del petróleo, mantenimiento vial y accidentes); y (iii) técnicos (naturaleza de la

cuenca de drenaje y la superficie de rodadura y, las características del sistema de

drenaje pluvial y de alcantarillado). La Tabla 2.1 presenta una revisión

bibliográfica acerca de los principales factores dominantes del fenómeno de

acumulación identificados por diferentes investigaciones.

Tabla 2.1 Factores y condicionantes específicos del fenómeno de acumulación sobre superficies viarias (Sartor y Boyd, 1972; James y Shivalingaiah, 1986;

Vermette et al., 1991; Thomson et al., 1997; Ball et al., 1998; Brezonik y Stadelmann, 2002)

Factor Condicionante específico (i) Climático Precipitación, escorrentía, período seco previo y viento. (ii) Humano Densidad poblacional, uso del suelo, limpieza viaria,

densidad de tráfico, mantenimiento viario, accidentes, tipo de contaminante, y deposición atmosférica.

(iii) Físico Características físicas de la cuenca, de las superficies de rodadura y de los sistemas de drenaje; diseño viario y, cantidad y granulometría del sedimento viario.

Inicialmente, Sartor y Boyd (1972) en la descripción del fenómeno de

acumulación consideraron un área hipotética de la superficie viaria sometida a una

carga contaminante continua y uniforme, en el tiempo y el espacio.

Posteriormente, sugirieron las siguientes situaciones de deposición y remoción: (i)

si no existiesen factores dominantes que condicionen la carga contaminante, ésta


14

crecería con respecto al tiempo; (ii) si la limpieza viaria fuera frecuente pero

incapaz de remover toda la carga depositada, la tendencia sería cíclica; (iii) en

cualquier situación real es evidente que la tendencia no podrá ser lineal, sino que

la carga superficial se aproximará gradualmente a un valor límite (i.e., de

equilibrio). De lo contrario, una superficie viaria sin limpieza se tornaría

intransitable debido a la acumulación de polvo y suciedad; y finalmente, (iv) los

investigadores plantearon que la tendencia en la acumulación de carga

contaminante sería muy compleja al incluir todos los factores dominantes y al

permitir que estos varíen a lo largo de su rango normal (ver Figura 2.1).

Inte

nsid

ad d

e ca

rga

Tiempo

Llu

via

ó vi

ento

Bar

rido

via

rio

Bar

rido

via

rio

Llu

via

Acumulación de carga

Carga viariaremanente

Remoción de carga

Tiempo entrelluvias

Frecuenciabarrido viario

Figura 2.1 Acumulación superficial de la carga contaminante (tendencia natural,

con barrido viario, viento y precipitación intermitente) (adaptada de Sartor y Boyd, 1972; Vermette et al., 1991; LeBouthillier et al., 2000)

2.2 CONDICIONANTES DE LA ACUMULACIÓN VIARIA DE METALES

PESADOS

2.2.1 Precipitación y escorrentía

El fenómeno de lavado es el proceso por el cual la deposición seca es removida de

las superficies impermeables por la precipitación y la escorrentía, y es incorporada

al flujo de agua superficial (Duncan, 1995; Sansalone y Cristina, 2004). La

diferencia en el comportamiento de la carga contaminante entre los fenómenos de

acumulación y lavado fue detectada por Wanielista (1981). Por otro lado, una de


15

las más valiosas descripciones de los fenómenos fue realizada por Whipple et al.

(1977).

La Tabla 2.2 presenta una revisión bibliográfica de las variables y procesos

empleados para interpretar el fenómeno de lavado. Como se puede observar, los

resultados se centraron en cuatro variables explicativas: intensidad (I) y altura (h)

de precipitación, y tasa (T) y volumen (V) de escorrentía; y dos procesos: tensión

cortante generada por el flujo (TCF) y la energía aportada por las gotas de lluvia

(ELL). Adicionalmente, Alley et al. (1980) modelaron el fenómeno de lavado en

términos de la disponibilidad de carga de sedimento, la permeabilidad superficial

y el transporte del sedimento.

Las investigaciones que han medido de manera continua el fenómeno de

acumulación (p.ej. Pitt, 1979; Reinertsen, 1981) reportaron que la carga

acumulada sobre las vías fue muy elevada en comparación con la carga lavada

(i.e., transportada) por la escorrentía en un evento de precipitación común.

Inmediatamente después de una tormenta, Pitt (1979) encontró que la carga de

sólidos sobre las calles era significativa (i.e., un 85% de la carga inicial) y

dependía de la superficie de rodadura; a mayor rugosidad de la superficie, mayor

carga. Malmquist (1978) reportó que eran necesarios cuatro episodios de lavado,

cada uno generado por una precipitación fuerte (i.e., > 10 mm/h) para obtener una

reducción significativa en la carga contaminante viaria. Reinertsen (1981) observó

que un evento común de precipitación tiene un efecto insignificante sobre la carga

superficial; sin embargo gran cantidad de aguaceros intensos (i.e., > 10 mm/h) y

sucesivos reducen la carga superficial viaria en cerca de un 80%. Ball et al. (1998)

encontraron en la ciudad de Sídney (Australia), que únicamente los eventos de

precipitación con intensidades mayores a 7 mm/h pueden ser considerados como

eventos de remoción de la carga metálica viaria.

El fenómeno de primer lavado (en inglés first flush) es una característica distintiva

de la remoción por escorrentía que está relacionado con los eventos de

precipitación y las características de la cuenca. Un primer lavado se dice que


16

ocurre cuando la carga supera el incremento del flujo al inicio de un evento de

escorrentía (Bedient et al., 1978). En este sentido, el primer lavado produce

elevadas concentraciones a inicios del evento y una punta de concentración que

precede a la punta del flujo (Helsel et al., 1979). El fenómeno de primer lavado

sobre superficies viarias ha sido ampliamente observado (p.ej. Deletic, 1998): éste

ocurre frecuentemente en la escorrentía viaria, sin embargo no sucede siempre

(Revitt et al., 1981; Saget et al., 1992; Lee et al., 2002); es importante para el

entendimiento de los procesos básicos de la remoción generada por la escorrentía;

y es relevante para el diseño de técnicas de control y tratamiento de la

contaminación (Stephenson y Wimberley, 1993; Temprano y Tejero, 2002; Nie et

al., 2008).

Tabla 2.2 Variables y procesos explicativos del fenómeno de remoción por escorrentía

Investigación Variables Procesos

Precipitación Escorrentía TCF ELL

I h T V Pravoshinsky y Gatillo, 1969 X Hudson, 1971 X Sartor y Boyd, 1972 X Hartigan et al., 1978 X Pope et al., 1978 X Price y Mance, 1978 X Characklis et al., 1979 X Freund y Johnson, 1980 X Ichikawa, 1981 X Reinertsen, 1981 X X Hoffman et al., 1982 X Shivalingaiah y James, 1984 X Desbordes y Servat, 1987 X X Akan, 1987 X Yaziz et al., 1989 X Aalderink et al., 1990 X Coleman, 1993 X Furumai et al., 2002 X Vaze y Chiew, 2002 X Deletic y Orr, 2005 X Zhu et al., 2008 X

La magnitud y duración del primer lavado en superficies viarias aumenta con la

intensidad de la precipitación (Yaziz et al., 1989; Lee et al., 2002; Mangani et al.,

2005). Igualmente, la magnitud tiende a aumentar cuando el período seco previo


17

es prolongado (Tucker y Mortimer, 1978; Zhu et al., 2008). La duración parece

estar relacionada con la movilidad de los contaminantes en estudio: con los

sólidos disueltos antes que con los sólidos en suspensión (Fletcher et al., 1978;

Lee et al., 2002); y con los sólidos suspendidos volátiles antes que con los sólidos

suspendidos inorgánicos (Inaba, 1970). Aryal y Lee (2009) emplearon los sólidos

en suspensión (SS) presentes en la escorrentía viaria como indicadores de la

presencia de metales pesados, encontrando que bajas concentraciones de SS

estaban asociadas con elevadas concentraciones de elementos metálicos.

La Tabla 2.3 presenta una revisión bibliográfica acerca de la concentración de

elementos metálicos en el agua de escorrentía viaria. Como se puede observar se

reportan fluctuaciones en la concentración de los metales pesados, sugiriendo que

los aportes e importancia de las fuentes varían ampliamente en el ambiente viario.

2.2.2 Deposición atmosférica

La deposición atmosférica es una fuente significativa de contaminantes en las

superficies urbanas debido a que gran cantidad de metales traza y otros

compuestos son emitidos por la atmósfera diariamente (Lim et al., 2006). El

fenómeno de deposición atmosférica incluye tanto la “deposición húmeda” o de

lavado durante una lluvia, y la “deposición seca” o de tiempo seco. La deposición

seca depende de las condiciones atmosféricas superficiales, mientras que la

deposición húmeda está afectada por las condiciones climáticas en un amplio

rango de altitud y, por lo tanto, tiende a ser más uniforme a nivel local (Hicks et

al., 1993).

Randall et al. (1981) y Dixon et al. (1998) midieron y compararon separadamente

los dos tipos de deposición atmosférica. Los investigadores reportaron que la

deposición metálica húmeda es siempre mayor que la seca, bajo las condiciones

climáticas de las zonas muestreadas en estas investigaciones (i.e., climas

subtropicales húmedos). Sin embargo, Sabin et al. (2005) encontraron que la

deposición húmeda contribuía con un porcentaje entre el 1-10% de la deposición


18

atmosférica metálica total, mostrando así la dominancia de la deposición seca en

regiones semiáridas como Los Ángeles (EE.UU.).

Otras investigaciones (p.ej., Golomb et al., 1997; Azimi et al., 2005) han

concluido que la variación en los dos tipos de deposición metálica se debe

principalmente a la localización de las áreas en estudio con respecto a los centros

poblados e industriales. En este sentido, Pirrone y Keeler (1993) observaron flujos

de deposición seca de elementos metálicos entre 2-4 veces más elevados en la

ciudad de Chicago que en zonas rurales cercanas. Igualmente, Malmquist y

Svensson (1977) encontraron que la deposición húmeda y total en el centro de

Gotemburgo (Suecia) era entre 2-4 veces más elevada que en un suburbio

localizado a 30 km de distancia.

Novotny y Kincaid (1981) concluyeron que la deposición húmeda en un lugar

determinado tiende a tomar las características que reflejan el carácter del suelo y

las actividades humanas del ambiente circundante. En este sentido, Poissant et al.

(1994) encontraron que la calidad de la deposición húmeda tiende a ser

relativamente uniforme a nivel local. Para elementos metálicos diferentes de Pb,

Randall et al. (1978) encontraron pocos cambios a nivel local con el aumento de

la distancia desde Washington D.C. (EE.UU.).

Steinnes et al. (1994) observaron que la deposición de elementos traza estuvo

principalmente influenciada por fuentes puntuales y locales de contaminación

(p.ej. de Cr, Fe, Co, Ni y Cu). Azimi et al. (2005) reportaron una disminución en

la deposición de elementos metálicos sobre superficies urbanas en las últimas

décadas; la mayor disminución se presentó para Pb. Esta tendencia se puede

observar en la Tabla 2.4 a partir de la revisión bibliográfica realizada para la

concentración de la deposición húmeda de Pb. Probablemente, la tendencia estuvo

principalmente relacionada con las regulaciones establecidas para la reducción de

Pb en la gasolina.

CA

PÍT

ULO

2.-

EST

AD

O D

EL

AR

TE

19

Tab

la 2

.3 C

once

ntra

ción

de

met

ales

pes

ados

en

la e

scor

rent

ía v

iari

a (f

racc

ión

disu

elta

)

Loc

alid

ad

Cue

nca

Con

cent

raci

ón (

µg/

l)

Inve

stig

ació

n P

b Z

n C

u C

d C

r N

i M

n F

e V

aria

s lo

cali

dade

s U

rban

a 60

2 60

8 10

22,

8 -

- 17

0 25

0 E

llis

y R

evit

t, 19

82a

Was

hing

ton,

EE

.UU

. U

rban

a 40

0 32

9 54

-

- -

- -

Dri

scol

l et a

l., 1

990

Tex

as, E

E.U

U.

Urb

ana

53

222

37

- -

- -

- B

arre

tt e

t al.,

199

5

Cin

cinn

ati,

EE

.UU

. U

rban

a 64

78

5218

4-

- -

- -

San

salo

ne y

Buc

hber

ger,

199

7 C

arol

ina

del N

orte

, EE

.UU

. U

rban

a 21

-

24

- -

- -

- W

u et

al.,

199

8 Q

ueen

slan

d, A

ustr

alia

U

rban

a 25

0 44

0 90

-

- -

- -

Dra

pper

et a

l., 2

000

Win

tert

hur,

Sui

za

Urb

ana

26

354

57

- -

- -

- F

urum

ai e

t al.,

200

2 V

aria

s lo

cali

dade

s, H

olan

da

Urb

ana

235

484

77

2,4

16

- -

- B

ohem

en y

Laa

k, 2

003

Fos

som

bron

e, I

tali

a S

ubur

bana

2,8

76

25

- -

- -

73

Man

gani

et a

l., 2

005

Van

couv

er, C

anad

á U

rban

a45

364

62-

--

147

6502

Pre

ciad

o y

Li,

2006

Wes

tfal

ia, A

lem

ania

U

rban

a 26

8 10

6010

16,

7 28

37

-

- G

obel

et a

l., 2

007

Est

ocol

mo,

Sue

cia

Urb

ana

0,14

98

20

0,

1 5,

43,

8 76

25

H

allb

erg

et a

l., 2

007

Sha

ngha

i, C

hina

U

rban

a 40

35

1034

2-

- -

- -

Nie

et a

l., 2

008

a : (re

visi

ón b

iblio

gráf

ica)

con

cent

raci

ones

med

ias

repo

rtad

as p

or v

ario

s in

vest

igad

ores

CA

PÍT

ULO

2.-

EST

AD

O D

EL

AR

TE

20

T

abla

2.4

Con

cent

raci

ón d

e m

etal

es p

esad

os e

n la

dep

osic

ión

húm

eda

y to

tal p

ara

vari

as lo

cali

dade

s (f

racc

ión

solu

ble)

Loc

alid

ad

Cue

nca

Mue

stra

a C

once

ntra

ción

(µ

g/l)

In

vest

igac

ión

Pb

Zn

Cu

Cd

Cr

Ni

Mn

Al

Fra

nkfu

rt, A

lem

ania

U

rban

a D

T

250

- -

3,70

-

- 19

-

Mul

ler

y B

ielk

e, 1

975

Lon

dres

, Rei

no U

nido

U

rban

a D

T

170

- -

18,0

-

- -

- H

arri

son

et a

l., 1

975

Sud

bury

, Can

adá

Sub

urba

na

DH

20

-

- 0,

50

- -

- -

Bea

mis

h y

Van

Loo

n, 1

977

Aik

en, E

E.U

U.

Rur

al

DT

6,

6 -

- 0,

49

- -

2,2

- W

iene

r, 1

979

Gai

nesv

ille

, EE

.UU

. S

ubur

bana

D

H

15

28

- 5,

70

- -

- -

Hen

dry

y B

rezo

nik,

198

0 S

udbu

ry, C

anad

á S

ubur

bana

D

H

12

15

- 0,

20

- -

- 28

C

han

et a

l., 1

982

Var

ias

loca

lida

des

bibl

iogr

áfic

a R

ural

D

H

12

36

5,4

0,50

0,

88

2,4

5,7

- G

allo

way

et a

l., 1

982

Min

neso

ta, E

E.U

U.

Rur

al

DH

7,

1 90

-

0,15

-

- 3,

2 -

Tho

rnto

n y

Eis

enre

ich,

198

2 H

of, A

lem

ania

S

ubur

bana

D

T

16

93

- 0,

68

- -

- -

Tho

mas

, 198

3 G

len

Ell

yn, E

E.U

U.

Sub

urba

na

DH

9,

5 36

-

0,15

-

- -

71

Gat

z y

Chu

, 198

6 T

ampa

Bay

, EE

.UU

. S

ubur

bana

D

H

3,9

65

16

0,54

-

- -

- D

ixon

et a

l., 1

998

Sao

Pau

lo, B

rasi

l U

rban

a D

H

- 71

5,

7 -

- -

- 1,

5 F

orti

et a

l., 2

005

Los

Áng

eles

, EE

.UU

. U

rban

aD

H5,

021

014

-2,

20

3,2

--

Sabi

n et

al.,

200

5a : D

T, d

epos

ició

n to

tal (

húm

eda

+ s

eca)

; DH

, dep

osic

ión

húm

eda


21

La variación de la calidad de la precipitación a corto plazo puede ser significativa,

durante y entre las lluvias. Esta variación se refleja en la calidad del agua de

escorrentía urbana (Poissant et al., 1994; Dixon et al., 1998). Altwicker et al.

(1986) encontraron que las concentraciones de un evento de precipitación en un

sitio determinado tienden a seguir una distribución log-normal. Adicionalmente,

se ha observado un efecto estacional en la variación de la concentración; las

concentraciones tienden a ser más elevadas en el verano que en el invierno

(Kapitza y Eppel, 2000; Polkowska et al., 2007). Con respecto a la magnitud,

Sabin et al. (2005) encontraron que la deposición atmosférica potencialmente

contribuye con un porcentaje entre 57-100% de la carga total de metales traza

presentes en el agua de escorrentía (Cr, Cu, Pb, Ni y Zn). Horkeby y Malmquist

(1977), y Sabin et al. (2005) encontraron que la deposición atmosférica suministra

más de la mitad de Pb, Zn, Ni, Cu, As, Cd, Cr, Hg, Sb y V en la escorrentía

urbana. Estos datos fueron corroborados por Palmgren y Bennerstedt (1984), y

Ebbert (1987) para Pb, y Palmgren y Bennerstedt (1984) para Cd. Otros metales

pesados que pueden ser principalmente derivados de la precipitación incluyen a

Zn (Dixon et al., 1998), Cu (Ebbert y Wagner, 1987; Adetunji et al., 2001) y Ni

(Ng, 1987).

Las fuentes de los contaminantes precipitados desde la atmósfera por deposición

seca y húmeda han sido estudiados por diversos investigadores (p.ej. Prada et al.,

1993; Steinnes et al., 1994; Azimi et al., 2005; Polkowska et al., 2007). Entre las

fuentes identificadas se incluyen los aerosoles marinos, las actividades

industriales y rurales, el tráfico, el polvo local y el transporte de contaminantes a

larga distancia desde otras áreas. Randall et al. (1981) encontraron que la

deposición húmeda ocurre rápidamente y se genera en los primeros instantes de

un aguacero. Es decir, era independiente de la altura o intensidad de la

precipitación; aunque observaron una ligera correlación con el período seco

previo. Owe et al. (1982) encontraron una buena correlación entre la deposición

seca y el período seco previo. Por otro lado, Shivalingaiah y James (1986)

desarrollaron un modelo estadístico de deposición seca basado en el viento, la

lluvia y la deposición seca media mensual.


22

La Tabla 2.5 presenta una revisión bibliográfica acerca de la tasa de deposición

atmosférica total anual de metales pesados para diferentes localidades.

Finalmente, se debe considerar en el análisis de las concentraciones metálicas que

la deposición húmeda ácida aumenta drásticamente la solubilidad de los metales

pesados presentes en todas las estructuras expuestas a la intemperie (Herrmann et

al., 1993; Ellis y Bowman, 1994).

2.2.3 Período seco previo

Yaziz et al. (1989) reportaron una buena correlación entre el fenómeno de lavado

generado por la escorrentía y el período seco previo utilizando los datos de un

pequeño tejado experimental. Igualmente, Li et al. (2007) encontraron que el

factor hidrológico más importante en la determinación de la carga contaminante

aportada por la escorrentía era el período seco previo. Una de las primeras y más

influyentes investigaciones acerca de la contaminación generada por la escorrentía

viaria fue realizada en Chicago por la Asociación Americana de Obras Públicas

(1969). Como parte de esta investigación se midió la acumulación de la carga de

sedimento por metro lineal de cuneta. Los datos fueron normalizados en términos

de libras de polvo y suciedad por día de tiempo seco por cada 100 pies de cuneta.

En numerosos estudios se ha reportado que la carga metálica viaria aumenta en

tiempo seco (p.ej., Duncan, 1995; Ball et al., 1998). Sartor y Boyd (1972)

encontraron una débil relación exponencial entre el período seco y la masa de

sedimento acumulado sobre las superficies viarias. Vaze y Chiew (2002)

concluyeron que la acumulación de contaminantes ocurre rápidamente tras una

lluvia, sin embargo, tiende a disminuir después de varios días de tiempo seco

debido a la redistribución superficial de la carga depositada. Es por esto que en

numerosas investigaciones (p.ej. Shaheen, 1975; Ball et al., 1998) se observa que

la carga acumulada en tiempo seco tiende a un valor máximo de equilibrio. Kim et

al. (2006) determinaron las tasas de acumulación de la carga contaminante en

tiempo seco (g/m2∙d) a partir de la carga superficial remanente y la lavada por un

evento de precipitación. Por ejemplo, los investigadores encontraron que la tasa


23

de acumulación de sólidos suspendidos totales (SST) para un período seco previo

entre 1-10 días era de 0,544 g/m2∙d, mientras que para un período seco previo de

entre 10 y 70 días la tasa de acumulación disminuía en promedio en un 79%.

La acumulación de carga contaminante se ha estimado a partir del número de días

de tiempo seco como una función de tipo lineal, potencial, exponencial o de

Michaelis-Menton (ASCE, 1992). Gran cantidad de modelos propuestos han

utilizado la tendencia exponencial, ya que es simple y representa un proceso de

primer orden (Kim et al., 2006). Por ejemplo, Grottker (1987) propuso un modelo

exponencial para la acumulación de carga contaminante únicamente en función

del tiempo seco. Igualmente, Charbeneau y Barrett (1998) propusieron un modelo

exponencial que tuvo en cuenta la carga no lavada por los eventos de precipitación

antecedentes (i.e., la carga remanente). Ball et al. (1998) establecieron modelos de

acumulación sobre superficies viarias para determinados metales pesados (Zn, Pb,

Fe, Cu y Cr); los investigadores concluyeron que los modelos de tipo potencial e

hiperbólico fueron los que presentaron el mejor ajuste.

Vermette et al. (1991) reportaron que el período seco previo afecta la solubilidad

y la afinidad del sedimento con la mayoría de los metales pesados: a mayor

tiempo seco, menor solubilidad y, por lo tanto, mayor afinidad con el sedimento

(Yuan et al., 2001). Sin embargo, Ellis et al. (1986) reportaron que las

concentraciones de los metales pesados asociados con el sedimento viario

permanecen relativamente constantes durante los períodos de tiempo seco.

Igualmente, Randall et al. (1978) reportaron que no existía una fuerte correlación

entre la calidad del agua de escorrentía y el período seco previo. No obstante,

Deletic y Maksimovic (1998) encontraron una débil relación al comparar las

concentraciones medias de los eventos de escorrentía con el período seco previo.

Finalmente, la distribución granulométrica del sedimento viario se ve

condicionada. Ellis y Revitt (1982), y Vaze y Chiew (2002) reportaron que la

distribución del sedimento viario tendió a ser más fina a medida que aumentó el

número de días de tiempo seco.

CA

PÍT

ULO

2.-

EST

AD

O D

EL

AR

TE

24

T

abla

2.5

Tas

a de

dep

osic

ión

atm

osfé

rica

tota

l anu

al d

e m

etal

es p

esad

os e

n va

rias

loca

lida

des

Loc

alid

ad

Tip

o de

cu

enca

D

epos

ició

n at

mos

féri

ca to

tal (

mg/

m2 ·a

ño)

Inve

stig

ació

n P

b Z

n C

u C

d C

r N

i M

nF

e R

eino

Uni

do

Indu

stri

al

27

120

- 4

- -

10

- C

awse

, 197

5 R

eino

Uni

do

Rur

al

18

45

- 20

-

- 5,

9 -

Caw

se, 1

975

Indi

ana,

EE

.UU

. In

dust

rial

140

--

--

- -

-P

eyto

n et

al.,

197

6C

alif

orni

a, E

E.U

U.

Sub

urba

na50

25

-

0,14

- -

10

- H

odge

et a

l., 1

978

Ale

man

ia

Rur

al

73

170

- 2

- -

52

- M

ayer

y U

lric

h, 1

982

Ver

mon

t, E

E.U

U.

Rur

al

52

18

- -

- -

- -

Fri

edla

nd e

t al.,

198

6 M

assa

chus

etts

Bay

, EE

.UU

. S

ubur

bana

1,8

7,8

2,5

0,27

2,7

1,5

3,4

140

Gol

omb

et a

l., 1

997

Tam

pa B

ay, E

E.U

U.

Sub

urba

na1,

1 15

3,

60,

08-

- -

- D

ixon

et a

l., 1

998

San

Fra

ncis

co B

ay, E

E.U

U.

Sub

urba

na-

- 1,

70,

081,

4 0,

8 -

- T

sai e

t al.,

200

1 N

ueva

Jer

sey,

EE

.UU

. U

rban

a 4,

2 5,

5 2,

70,

101,

0 2,

0 0,

7 38

R

einf

elde

r et

al.,

200

4 S

ao P

aulo

, Bra

sil

Urb

ana

- 17

9 7,

0-

- -

13

19

For

ti e

t al.,

200

5 L

os Á

ngel

es, E

E.U

U.

Urb

ana

2,1

14,5

3,4

- 0,

5 1,

4 -

- S

abin

et a

l., 2

005


25

2.2.4 Viento

Turer et al. (2004) reportaron que el mecanismo de movilización más habitual de

los metales pesados en las superficies viarias era el viento. Los contaminantes

depositados sobre las superficies pueden ser transportados a largas distancias por

la acción del viento y sufrir transformaciones químicas durante su movimiento

(Ellis y Bowman, 1994). Los materiales suspendidos por la acción del viento o las

corrientes inducidas por el tráfico son atrapados por la vegetación y las estructuras

viarias, y podrán ser removidos temporalmente del grupo de contaminantes

transportados por el viento (Sutherland, 1980). Sin embargo, los fenómenos

extremos que generan escorrentía o erosión de áreas permeables pueden traerlos

de regreso (Sriananthakumar y Codner, 1992).

Ylaeranta (1995) detectó elevadas concentraciones de Pb y Cd sobre las hojas de

plantas cuando la dirección del viento era desde la vía hacia los sitios de

muestreo. Igualmente, Schäfer y Puchelt (1998) reportaron la influencia de la

dirección del viento en la distribución de elementos metálicos sobre los suelos

cercanos a las superficies viarias. Aunque la turbulencia inducida por el tráfico

tiene un efecto local, los vientos regionales pueden remover y transportar las

partículas a larga distancia (Ball et al., 1998).

Harrison y Wilson (1985) reportaron que las partículas de tamaño < 240 µm

pueden ser suspendidas por las corrientes de aire. Igualmente, Barkdoll et al.

(1977) y Asplund et al. (1983) reportaron que las partículas de diámetro < 246 µm

pueden ser suspendidas por masas de aire con velocidades menores a 8 km/h. Ball

et al. (1998) encontraron que velocidades del viento mayores de 21 km/h pueden

ser consideradas como eventos de remoción de la carga contaminante.

El polvo y la suciedad sobre la superficie de la calzada están concentrados en una

banda de 15 centímetros de ancho, medida desde el bordillo (Sartor y Boyd,

1972). Igualmente, Ellis (1977) y Pitt (1979) confirmaron que la acumulación

sobre la calzada se concentraba cerca del bordillo. Shaheen (1975) encontró que


26

las partículas acumuladas sobre las superficies viarias y los suelos de las áreas

contaminadas afectados por la suspensión inducida por el tráfico aportan la

mayoría de los contaminantes. Adicionalmente, afectan la calidad del aire del

entorno (Constantini y Demetra, 2005). Birch y Scollen (2003) encontraron que

las concentraciones de metales pesados disminuyen con el aumento de la distancia

con respecto al bordillo de la calzada; sin embargo, las concentraciones máximas

de elementos metálicos fueron detectadas entre los 30-50 m, debido a la alta

velocidad del viento generada por los vehículos en las proximidades de la calzada

(i.e., por la turbulencia).

Sin embargo, Swaileh et al. (2004) reportaron que la contaminación por metales

pesados en la vegetación y los suelos cercanos a las vías normalmente no se

extiende a más de 20 m de distancia. La mayor contaminación metálica está

concentrada dentro de una banda de 5 m de ancho, medida desde el borde de la

calzada; disminuye exponencialmente con el aumento de la distancia y parece

alcanzar el nivel mínimo a una distancia que varía entre 20-50 m (Yassoglou et

al., 1987; Legret y Pagotto, 2006). La edad de las viviendas cercanas a las vías

está relacionada con los niveles de Pb encontrados en el polvo interno de éstas.

Viviendas con una edad superior a 15 años tienen concentraciones de Pb

significativamente mayores que las viviendas de menos de 15 años (Kim et al.,

2003).

2.2.5 Uso del suelo

La concentración de elementos metálicos asociados con el sedimento depositado

sobre las superficies viarias fue generalmente superior a la que ocurrió en áreas

comerciales y residenciales (Ellis y Revitt, 1982; Park y Stenstrom, 2008). Sartor

y Boyd (1972) encontraron que las áreas residenciales e industriales presentaban

una mayor carga de metales pesados (Zn, Cu, Pb, Ni y Cr) en comparación con las

áreas de uso comercial. Igualmente, Liebens (2001) reportó que los sedimentos

recolectados por los sistemas mecánicos de limpieza viaria en áreas residenciales


27

presentaban mayores concentraciones que los sedimentos recolectados sobre las

superficies de las áreas comerciales en Florida (EE.UU.).

Al comparar la carga metálica de áreas industriales con las residenciales, Yamada

et al. (1993) reportaron que las cargas de Pb y Zn en las áreas residenciales eran

pequeñas en comparación con las de zonas industriales, debido a que la frecuencia

del barrido viario residencial era mayor. Con respecto a la concentración metálica,

Droppo et al. (1998) reportaron elevadas concentraciones de Pb, Cu, Cd, Zn y Mn

dentro de un área de uso industrial en Ontario (EE.UU.). Ball et al. (1998) y Davis

et al. (2001) asociaron las elevadas concentraciones y cargas de metales pesados

de las superficies industriales y residenciales a los productos generados por las

actividades industriales, de construcción residencial y a la utilización de productos

para la jardinería.

Por el contrario, Brezonik y Stadelman (2002) encontraron que las áreas de uso

comercial en Minnesota (EE.UU.) contribuían con una mayor cantidad de

elementos metálicos en comparación con las áreas de uso residencial. Las

elevadas concentraciones de Cu, Cd, Zn y Mn han sido asociadas con el aumento

de los sectores comerciales en las áreas urbanas (Vermette et al., 1991; Yuan et

al., 2001). En las áreas comerciales las elevadas concentraciones han sido

relacionadas con la mayor densidad de tráfico; metales como Pb y Cr han

mostrado una fuerte dependencia de la densidad de tráfico (Yuan et al., 2001). En

este sentido, Shaheen (1975) reportó que el 100% de Pb que ingresó a las fuentes

de agua estuvo relacionado con el tráfico.

Los factores más importantes que condicionan la carga contaminante acumulada

sobre las superficies de zonas residenciales y comerciales son el grado de

impermeabilización y el volumen de la precipitación. Los centros urbanos con un

alto grado de impermeabilización son los que presentan las mayores cargas

contaminantes por unidad de área (ASCE, 1992). Por otro lado en las áreas

industriales, el tamaño del área condiciona la carga contaminante; es mayor a

medida que aumenta el área analizada (US.EPA, 1991). Adicionalmente, y según


28

sean las costumbres de manipulación, transporte y limpieza, podrá generarse

derrame, pérdida y acumulación de sustancias sobre las superficies industriales

(Institut Cerdà, 1992). Hajas et al. (1980) mostraron que las variaciones en el

tiempo de los ciclos de producción industrial condicionaban la carga

contaminante. La Tabla 2.6 presenta una revisión bibliográfica acerca de la carga

y concentración de metales pesados en la escorrentía urbana para diferentes usos

del suelo. Como se puede observar, las mayores cargas y concentraciones

metálicas tienden a reportarse en las áreas de uso industrial.

Tabla 2.6 Carga y concentración de metales pesados en la escorrentía urbana para diferentes usos del suelo

Metal Unidad Residencial Comercial Industrial Investigación Pb kg/kma 4,425 0,963 4,193 Sartor y Boyd, 1972

kg/ha∙año 0,157 0,174 0,269 Marsalek, 1978 kg/ha∙año 0,060 0,635 4,600 Sonzogni, 1980 µg/l 144 104 - US.EPA, 1983 kg/ha∙año 0,455 0,270 2,700 Bannerman et al., 1983 kg/ha∙año 0,897 3,026 2,690 Horner et al., 1994 mg/kg 43,8 111 117 Mineart y Singh, 1994 µg/l 9,0 13,0 15,0 Baird y Jennings, 1996 kg/ha∙año 1,830 - 0,820 Choe et al., 2002

Zn kg/kma 4,709 0,859 6,806 Sartor y Boyd, 1972 kg/ha∙año 0,570 0,630 0,980 Marsalek, 1978 µg/l 135 226 - US.EPA, 1983 kg/ha∙año 0,785 2,354 8,182 Horner et al., 1994 mg/kg 215 598 307 Mineart y Singh, 1994 µg/l 80,0 180,0 245,0 Baird y Jennings, 1996

Cu kg/kma 1,306 0,481 2,097 Sartor y Boyd, 1972 kg/ha∙año 0,045 0,049 0,077 Marsalek, 1978 kg/ha∙año 0,030 0,110 0,795 Sonzogni, 1980 µg/l 33 29 - US.EPA, 1983 kg/ha∙año 0,033 0,448 0,560 Horner et al., 1994 mg/kg 38 57 47 Mineart y Singh, 1994 µg/l 15,0 14,5 15,0 Baird y Jennings, 1996 kg/ha∙año 0,600 - 0,280 Choe et al., 2002

Cd kg/ha∙año 0,100 - - Whipple et al., 1977 kg/ha∙año 0,013 0,060 0,024 Marsalek, 1978

Cr kg km-1a 0,619 0,206 1,306 Sartor y Boyd, 1972 kg/ha∙año 0,026 0,028 0,044 Marsalek, 1978 kg/ha∙año 0,310 - 0,510 Choe et al., 2002

Ni kg/kma 0,303 0,103 0,619 Sartor y Boyd, 1972 kg/ha∙año 0,029 0,032 0,030 Marsalek, 1978

Hg kg/kma 1,306 0,412 0,206 Sartor y Boyd, 1972 kg/ha∙año 0,038 0,043 0,065 Marsalek, 1978

a (km de cuneta)


29

2.2.6 Limpieza viaria

La estrategia estándar en áreas urbanas para la eliminación de la contaminación

acumulada sobre las calzadas ha sido el barrido viario. Sartor y Boyd (1972)

asociaron la elevada tasa de acumulación de carga contaminante en áreas

industriales con condicionantes como: una menor frecuencia en la limpieza viaria,

la deposición del tráfico y las superficies de rodadura en condiciones pobres; por

el contrario, la mayor frecuencia en el barrido viario fue el condicionante para que

en las áreas comerciales se presentara la tasa más baja de acumulación. Pitt (1979)

encontró que la carga de sedimento inmediatamente después de la limpieza viaria

era significativa (i.e., un 55% del valor inicial) y dependía de la superficie de

rodadura; las superficies rugosas presentaban la mayor carga de sedimento.

También se ha demostrado que después de la limpieza viaria se generó un

aumento en la tasa de acumulación debido a la redistribución de la carga de

sedimento de áreas circundantes (Novotny et al., 1985; Vaze y Chiew, 2002).

La limpieza viaria ha sido considerada como un mecanismo de eliminación de la

carga contaminante, sin embargo su validez ha sido cuestionada. Vermette et al.

(1991) encontraron que la limpieza viaria reducía la cantidad de sedimento

recolectado; no obstante, no tenía influencia sobre las concentraciones de metales

pesados. Igualmente, Gromaire-Mertz et al. (2000) encontraron que las labores de

limpieza viaria en París (Francia) tenían un impacto limitado en la reducción de la

contaminación metálica por escorrentía.

Malmquist (1978) encontró que el efecto del barrido viario en la calidad del agua

de escorrentía se refleja únicamente en el caso de fuertes precipitaciones

artificiales. Bajo precipitaciones naturales, el mejoramiento en la calidad del agua

de escorrentía tiende a ser estadísticamente insignificante (Bender y Terstriep,

1984; Prych y Ebbert, 1987; Selbig y Bannerman, 2007). Igualmente, en el

Programa Nacional de Escorrentía Urbana de la US.EPA concluyeron que el

barrido viario era generalmente inefectivo para mejorar la calidad del agua de

escorrentía (Sartor y Gaboury, 1984; Torno, 1984). Sartor y Gaboury (1984) al


30

comparar la frecuencia de las tormentas y del barrido viario, notaron que este

último requería de una mayor frecuencia para eliminar la carga viaria antes de su

lavado por la escorrentía y, de esta manera, sería más efectivo en los lugares

donde los períodos de tiempo seco eran prolongados.

La Tabla 2.7 presenta una revisión acerca de la concentración y carga de

elementos metálicos asociados con el sedimento recolectado por los equipos de

limpieza viaria. Como se puede observar, independientemente de la tecnología

utilizada por los equipos de limpieza viaria se presentan amplias fluctuaciones en

la concentración de metales pesados asociados con el sedimento recolectado.

A pesar de que la eficacia en la limpieza viaria ha crecido en los últimos años, la

eliminación de la fracción fina sigue siendo un problema (Sutherland et al., 1998;

German y Svensson, 2002). Con anterioridad, Ellis (1979) y Pitt (1979)

confirmaron la inhabilidad del barrido viario convencional. Por ejemplo, se ha

reportado que el barrido convencional elimina únicamente el 15% de las partículas

de tamaño < 45 µm y el 48% de las partículas < 246 µm (Sartor y Boyd, 1972), y

en general partículas entre 75-3000 µm (Valiron y Tabuchi, 1992). Con respecto a

la carga contaminante, Kidwell-Ross (1998) reportó que el barrido viario

únicamente lograba reducirla en un 8%.

Sartor y Gaboury (1984), Pitt et al. (2004) y Selbig y Bannerman (2007)

encontraron que en algunos casos el barrido viario generó un aumento de las

cargas contaminantes en la escorrentía urbana. Los investigadores asociaron esta

tendencia con la trituración y redistribución del sedimento ejercida por el barrido

viario, haciendo que este material estuviera más disponible para ser lavado por la

escorrentía de tormentas de menor intensidad. De esta manera, la fracción fina del

sedimento tiende a permanecer sobre la superficie después del barrido, para

posteriormente ser incorporada en el flujo de agua superficial durante o después

de una tormenta. Se ha sugerido que este mecanismo de gestión es principalmente

útil desde el punto de vista estético, siendo poco efectivo para la reducción de la

carga contaminante transportada por la escorrentía (Sartor y Boyd, 1972).


31

Sin embargo, se ha propuesto que la efectividad está asociada con la tecnología de

barrido, la frecuencia y los enfoques de gestión (BCI, 1997). Desde el punto de

vista tecnológico de los equipos se ha indicado que el barrido viario puede ser

efectivo si se establecen mecanismos para combinar adecuadamente las técnicas

de barrido, aspirado y lavado en la eliminación de la fracción fina (Sutherland et

al., 1998). En este sentido, se debe tener en cuenta que la mayoría de los estudios

acerca de la eficacia del barrido viario fueron publicados a finales y a principios

de la década de 1970 y 1980, respectivamente, cuando era utilizada la tecnología

de tipo escoba mecánica. Estas investigaciones sugirieron, en su mayoría, que el

barrido convencional no era efectivo.

En los últimos 25 años las tecnologías desarrolladas muestran una mayor eficacia

en la eliminación de la carga de sólidos acumulada sobre las superficies viarias.

Shoemaker et al. (2000) reportaron eficacias de remoción cercanas al 55% con la

tecnología de tipo escoba mecánica; no obstante fueron necesarias varias pasadas.

Igualmente, reportaron con el uso de la tecnología de tipo aspirado asistido

eficacias de cerca del 93%. Otros investigadores (p.ej., Sutherland y Jelen, 1997;

Terrene Institute, 1998; Bannerman, 1999) han reportado eficacias de cerca del

90%, con un máximo de 98%, con el uso de las nuevas tecnologías de limpieza

viaria (p.ej., aire regenerado, aspirado asistido y, lavado y aspirado asistido).

Adicionalmente, el barrido ha sido considerado como una buena práctica de

manejo para el material suspendido (PM10) por el tráfico en los corredores viales

(SCAQMD, 2004).

La Tabla 2.8 presenta una revisión acerca de la eficacia del barrido viario en la

eliminación de elementos metálicos. Como se puede observar, se han alcanzado

eficacias hasta del 97% en la eliminación de elementos metálicos depositados

sobre las superficies viarias. Sin embargo después del barrido viario se han

reportado aumentos de la carga metálica hasta de un 81%.

CA

PÍT

ULO

2.-

EST

AD

O D

EL

AR

TE

32

T

abla

2.7

Con

cent

raci

ón y

car

ga d

e m

etal

es p

esad

os e

n la

suc

ieda

d re

cole

ctad

a po

r lo

s eq

uipo

s de

lim

piez

a vi

aria

Loc

alid

ad

Tec

nolo

gía

Uni

dad

Con

cent

raci

ón

Inve

stig

ació

n P

b Z

n C

u C

d C

r N

i M

n F

e W

ashi

ngto

n, E

E.U

U.

Esc

oba

mec

ánic

a m

g/kg

40

7213

40-

- -

- -

- S

hahe

en, 1

975

Mad

rid,

Esp

aña

Lav

ado

a pr

esió

n µ

g/l∙m

2 ∙d

3,

2 6,

2 0,

9 -

- -

1,4

13,9

Hon

tori

a, 1

986

Lul

eå, S

ueci

a E

scob

a m

ecán

ica

mg/

kg43

104

470,

19

- -

--

Vik

land

er, 1

998

Jönk

öpin

g, S

ueci

a E

scob

a m

ecán

ica

mg/

kg

23

125

119

- 33

16

-

- G

erm

an y

Sve

nsso

n, 2

002

Tam

pa, E

E.U

U.

Esc

oba

mec

ánic

a m

g/kg

21

110

8,0

0,25

11

-

- -

Tob

in y

Bri

nkm

ann,

200

2 T

ampa

, EE

.UU

. A

ire

rege

nera

do

mg/

kg36

12

0 11

90,

93

7,6

- -

- T

obin

y B

rink

man

n, 2

002

New

Bed

ford

, EE

.UU

. A

spir

ado

asis

tido

mg/

kg67

0 22

2070

05,

2 19

010

011

40-

Bre

ault

et a

l., 2

005

San

Fra

ncis

co, E

E.U

U.

Esc

oba

mec

ánic

a m

g/kg

- -

43

- -

- -

- R

osse

lot,

2006

Tab

la 2

.8 E

fica

cia

del b

arri

do v

iari

o en

la e

lim

inac

ión

de m

etal

es p

esad

os

Loc

alid

ad

Tec

nolo

gía

Eli

min

ació

n (-

) o

aum

ento

(+

) de

la c

arga

(%

) In

vest

igac

ión

Pb

Zn

Cu

Cd

Cr

Ni

Cr

Tam

pa, E

E.U

U.

Air

e re

gene

rado

-6

4 -

-73

-10

- -

- T

obin

y B

rink

man

n, 2

002

Tam

pa, E

E.U

U.

Esc

oba

mec

ánic

a -6

-

-12

-6

- -

- T

obin

y B

rink

man

n, 2

002

Jönk

öpin

g, S

ueci

a E

scob

a m

ecán

ica

- -2

3 -1

5 -

- -

- G

erm

an y

Sve

nsso

n, 2

002

Jönk

öpin

g, S

ueci

a E

scob

a m

ecán

ica

- +

17

+16

- -

- -

Ger

man

y S

vens

son,

200

2 N

ew B

edfo

rd, E

E.U

U.

Asp

irad

o as

isti

do

-91

-97

-95

-96

-95

-95

- B

reau

lt e

t al.,

200

5 S

an F

ranc

isco

, EE

.UU

. E

scob

a m

ecán

ica

- -

-70

- -

- -

Ros

selo

t, 20

06

Síd

ney,

Aus

tral

ia

Asp

irad

o as

isti

do-5

7-3

1-5

3-

- -

-G

allo

way

et a

l., 2

006

Mad

ison

, EE

.UU

. A

ire

rege

nera

do

+81

+

68

+13

-81

- -

- S

elbi

g y

Ban

nerm

an, 2

007

Mad

ison

, EE

.UU

. A

spir

ado

asis

tido

-2

-5

-4

3 -9

1 -

- -

Sel

big

y B

anne

rman

, 200

7


33

2.2.7 Tráfico

Los contaminantes relacionados con el tráfico se pueden clasificar dentro de dos

grupos: (i) los originados directamente por los vehículos (p.ej., caucho, aceite,

asbesto, metales, etc.); y (ii) aquellos que están relacionados con la dispersión de

hojas y semillas producto del movimiento vehicular (p.ej., DBO, sólidos volátiles,

nutrientes, fertilizantes, etc.) (Duncan, 1995). Sin embargo, existen contaminantes

acumulados sobre las calzadas que no están relacionados con el tráfico (p.ej.,

basura, bacterias y PCB) (Shaheen, 1975). En las calzadas y aparcamientos el

aporte de metales pesados a la escorrentía por parte de los vehículos se debe a

fugas de combustible y lubricante, óxido y herrumbre de carrocerías, desgaste de

neumáticos y frenos, y a gases de combustión (Turer, 2005; Mangani et al., 2005).

La Tabla 2.9 presenta una revisión acerca de las fuentes de elementos metálicos

en la escorrentía viaria que están directamente relacionadas con el tráfico. Como

se puede observar existen dos fuentes comunes para la mayoría de los metales

pesados, el desgaste de las llantas y el del revestimiento de las pastillas para

frenos.

El deterioro del pavimento contribuye sólo con una pequeña fracción de la masa

contaminante en las vías, y el tipo de contaminante generado depende de la

composición de la mezcla de hormigón o asfalto (Asplund et al., 1983). Si se

utiliza asfalto la correlación con la producción de contaminantes como aceites y

grasas es superior a la obtenida con el hormigón como material de rodadura

(Asplund et al., 1983). Los metales pesados predominantes en las vías son Zn y

Pb (Hares y Ward, 1999; Gnecco et al., 2005). Sin embargo se puede encontrar

Ni, Cu, Hg, Cr y Cd (Cole et al., 1984). Los usuarios de las vías y aquellos que

viven en ambientes cercanos están potencialmente expuestos a estos metales

(Essumang et al., 2006).

Shaheen (1975), Freud y Johnson (1980), y McKenzie e Irwin (1983) reportaron

que la deposición de metales pesados sobre las superficies viarias era proporcional

a la densidad de tráfico. Christensen y Guinn (1979), Peterson y Batley (1992) y


34

Bannerman et al. (1993) demostraron que el Zn presente en los neumáticos de

vehículos era una fuente significativa en la escorrentía urbana y, que la cantidad

de Zn y Pb puede relacionarse con la densidad de tráfico. Sin embargo, Barrett et

al. (1995) sugirieron que la densidad de tráfico era importante únicamente a escala

local; a gran escala las variaciones en la carga metálica fueron atribuibles a

muchos otros factores. En este sentido, Chui et al. (1982) reportaron una débil

relación entre la densidad de tráfico y la carga metálica viaria, y Driscoll et al.

(1990) sugirieron que no existía una relación definitiva.

Tabla 2.9 Fuentes de elementos metálicos en la escorrentía viaria asociadas con el tráfico (Shaheen, 1975; Kobriger y Geinopolos, 1984; Ball et al., 1998)

Elemento Fuentes Partículas Desgaste del pavimento, vehículos, y mantenimiento viario. Pb Escape de vehículos, desgaste de llantas, aceites lubricantes, grasa,

revestimiento de frenos, desgaste de rodamientos, pavimento asfáltico, concreto, desgaste de partes móviles del motor, y aplicación de fungicidas e insecticidas en la vegetación viaria.

Zn Desgaste de llantas, aceite de motor, grasa, pastillas de frenos, pavimento asfáltico, concreto, y aceites lubricantes.

Cu Desgaste de metales enchapados, desgaste de rodamientos y bujes, desgaste de partes móviles del motor, revestimiento de frenos, aplicación de fungicidas e insecticidas en la vegetación viaria, desgaste de llantas, pavimento asfáltico, concreto, y aceites lubricantes.

Cr Desgaste de metales enchapados, movimiento de partes del motor, revestimiento de frenos, pavimento asfáltico, concreto, tintes y pinturas, cerámicas, bobinas de calefacción y refrigeración, y aplicación de pesticidas y fertilizantes en la vegetación viaria.

Ni Escape de vehículos, aceites lubricantes, corrosión de metal enchapado, desgaste de rodamientos, revestimiento de frenos, pavimento asfáltico, concreto, desgaste de partes móviles del motor, y corrosión de metales galvanizados.

Cd Escapes de vehículos, desgaste de llantas, pastillas de frenos, aceites lubricantes, aplicación de fertilizantes y pesticidas en la vegetación viaria, y corrosión de metales galvanizados.

Fe Herrumbre de vehículos, desgaste de partes móviles del motor, revestimiento de frenos, estructuras viarias de acero, y drenajes.

Mn Desgaste de partes móviles del motor, desgaste de llantas, pastillas de frenos, estructuras viarias en acero, pinturas y tintes, y aplicación de fertilizantes en la vegetación viaria.

Co Desgaste de llantas, corrosión de cojinetes, cables de frenos, radiadores, pinturas, y tintes.

Ba Pastillas para frenos, desgaste de llantas, aceite para motor, pinturas, tintes, escapes de vehículos, y partes eléctricas.

As Pastillas para frenos, desgaste de llantas, escapes de vehículos, aceite para motor, pinturas, tintes y partes eléctricas.

Negrita: fuentes comunes de elementos metálicos


35

La Tabla 2.10 presenta una revisión acerca de la concentración de metales pesados

asociados con el sedimento acumulado sobre las superficies viarias para diferentes

densidades de tráfico. Como se puede observar, no existe evidencia de una

relación definitiva entre la densidad de tráfico y la concentración de elementos

metálicos. Sin embargo, al estudiar por separado algunos de los trabajos que

comparan las dos variables en cuestión, la tendencia fue hacia la existencia de una

relación (p.ej., Ellis y Revitt, 1982; Viklander, 1998). Indiscutiblemente, la

fracción de tamaño analizada condiciona la concentración reportada por los

investigadores.

Drapper et al. (2000) reportaron que las principales fuentes de Cu y Zn sobre

superficies viarias eran las pastillas para frenos y las partículas desprendidas por

el desgaste de las llantas. Peterson y Batley (1992) reportaron concentraciones

contaminantes provenientes del polvo de los frenos de 10, 20 y 36 mg/g de Pb, Zn

y Cu, respectivamente. En las áreas comerciales y residenciales se incorporan

carriles rápidos o lentos que condicionan la velocidad de conducción (i.e.,

aceleración o desaceleración); este escenario puede generar un aumento en las

concentraciones de Cu y Zn (Duncan, 1995). El desgaste de las llantas de los

vehículos genera el desprendimiento de partículas con un diámetro promedio de

20 µm (Kobriger y Geinopolos, 1984). Christensen y Guinn (1979), Bannerman et

al. (1993) y Xiangdong et al. (2001) mostraron que el Zn presente en las llantas

de los vehículos era una fuente significativa de este metal en la escorrentía urbana.

El polvo embebido en las llantas de los vehículos no consta solamente de

partículas desprendidas por su uso, sino también de metales pesados asociados

con las partículas emitidas por los materiales del tráfico; como por ejemplo, el

revestimiento de los frenos y la pintura viaria (Adachi y Tainosho, 2004).

Una indicación de la carga emitida por los escapes de los vehículos fue dada por

Beckwith et al. (1986); los investigadores reportaron que la masa de Pb en las

partículas de los escapes era de 119 mg/g de partícula. Habibi (1973) reportó que

el 25% de este Pb estuvo asociado con partículas de tamaño < 1 µm, y que el 57%

estuvo asociado con partículas de tamaño > 9 µm.

CA

PÍT

ULO

2.-

EST

AD

O D

EL

AR

TE

36

T

abla

2.1

0 C

once

ntra

ción

de

met

ales

pes

ados

aso

ciad

os c

on e

l sed

imen

to v

iari

o pa

ra d

ifer

ente

s de

nsid

ades

de

tráf

ico

Loc

alid

ad

Den

sida

d de

tr

áfic

o (v

ehíc

ulos

/día

)

Sit

io d

e m

uest

reo

Fra

cció

n an

aliz

ada

(µm

)

Con

cent

raci

ón (

mg/

kg d

e se

dim

ento

via

rio)

In

vest

igac

ión

Pb

Zn

Cu

Cd

Cr

Ni

Mn

Fe

Cin

cinn

ati,

EE

.UU

. 15

0.00

0 C

alza

da

150-

250

187

593

217

9,40

-

- -

- S

ansa

lone

y B

uchb

erge

r, 1

997

Lon

dres

, Rei

no U

nido

96

.000

C

unet

a <

250

22

9612

1238

66,

30

- -

766

2270

0E

llis

y R

evit

t, 19

82

Lon

dres

, Rei

no U

nido

42

.000

C

unet

a <

250

18

2669

5 28

05,

30

- -

792

1513

0E

llis

y R

evit

t, 19

82

Zhe

njia

ng, C

hina

34

.500

C

alza

da

< 2

000

589

687

158

- -

- -

- B

ian

y Z

hu, 2

009

Ham

ilto

n, N

ueva

Zel

anda

25

.000

C

alza

da

125-

250

251

1073

184

- -

- -

- Z

ande

rs, 2

005

Lul

eå, S

ueci

a 20

.000

C

alza

da

75-1

25

68

150

89

0,21

-

- -

- V

ikla

nder

, 199

8 B

arce

lona

, Esp

aña

15.0

00

Cal

zada

<

100

28

3 54

2 21

64,

46

88

36

- -

Pér

ez e

t al.,

200

8 Jö

nköp

ing,

Sue

cia

11.2

00

Cal

zada

<

250

45

25

7 28

2-

60

25

- -

Ger

man

y S

vens

son,

200

2 Jö

nköp

ing,

Sue

cia

11.2

00

Cal

zada

<

200

0 23

12

5 11

9-

33

16

- -

Ger

man

y S

vens

son,

200

2 Sy

dney

, Aus

tral

ia

8.80

0 C

unet

a<

200

511

249

124

- 19

--

1326

0B

all e

t al.,

199

8A

berd

een,

Esc

ocia

6.

900

Cal

zada

63

-250

30

5 34

5 32

50,

60

- -

- -

Del

etic

y O

rr, 2

005

Lul

eå, S

ueci

a 5.

000

Cal

zada

75

-125

15

80

53

0,

15

- -

- -

Vik

land

er, 1

998

Lul

eå, S

ueci

a 4.

500

Cal

zada

75

-125

14

10

0 91

0,

09

- -

- -

Vik

land

er, 1

998

Lon

dres

, Rei

no U

nido

2.

400

Cun

eta

< 2

50

978

2133

91

6,00

-

- 81

615

280

Ell

is y

Rev

itt,

1982


37

El lavado viario de los contaminantes aumenta a medida que el movimiento de los

vehículos sobre las superficies viarias húmedas es mayor (Reinertsen, 1981; Chui

et al. 1982; Shivalingaiah y James, 1984). Este comportamiento puede ser

atribuido al desprendimiento y suspensión de las partículas generado por el

tráfico; estimulado por la perturbación física y la desintegración de hojas y otros

restos vegetales que liberan contaminantes solubles y generan partículas de menor

tamaño que son fácilmente transportadas por la escorrentía; especialmente, los

contaminantes asociados con las partículas de la calzada antes que los de la cuneta

(p.ej., metales de la pintura viaria e hidrocarburos del aceite del cárter) (Pope et

al., 1978; Ellis et al., 1981; Hoffman et al., 1982).

2.2.8 Cubiertas y fachadas de edificaciones

Los elementos metálicos más comunes provenientes de cubiertas y fachadas de las

edificaciones son Zn y Cu (i.e., de cubiertas de hierro galvanizado y accesorios)

(Bannerman et al., 1993; Quek y Forster, 1993; Boller y Steiner, 2002). En la

composición metálica total de las cubiertas Cu puede representar hasta un 75%

(Boller y Steiner, 2002). Singeisen y Boller (1997) después de estudiar 24 áreas

urbanas reportaron que la superficie de Cu representada en canaletas, tuberías de

desagüe, cubiertas y fachadas podría alcanzar un 5% de la superficie de la cubierta

proyectada, correspondiendo a 2,4 m2 de superficie de cubierta de Cu por

habitante.

Malmquist y Svensson (1977) encontraron que la corrosión de las cubiertas era

una fuente significativa de metales en la escorrentía viaria del centro de

Gotemburgo (Suecia). Por ejemplo, en algunas investigaciones realizadas en

Suiza se reportó una pérdida entre 1-4 µm/año en el espesor de pequeñas láminas

de Cu expuestas a la intemperie; correspondiendo a una pérdida específica de

masa entre 1,8-7,2 g/m2·año de Cu (Oesch y Heimgartner, 1996; Faller y Richner,

1998). Igualmente, Zobrist et al. (2000) reportaron una pérdida específica de masa

de 5 g/m2·año de cobre en pequeñas láminas de Cu. La contribución de la


38

corrosión depende de la duración de la precipitación, la concentración atmosférica

de SO2 y, de la edad y área expuesta de la cubierta (Boller y Steiner, 2002).

La Tabla 2.11 muestra la comparación realizada por Gromaire-Mertz et al. (1999)

entre la concentración de la escorrentía viaria y las cubiertas de las edificaciones

en el centro de París (Francia). Como se puede observar, Gromaire-Mertz et al.

(1999) encontraron que las concentraciones de Zn y Pb en la escorrentía de

cubiertas eran 4 veces mayores, en promedio, que las de la escorrentía viaria. La

materia sólida es el principal vector de los metales pesados en la escorrentía

viaria, mientras que en las cubiertas de las edificaciones la fracción disuelta es

más alta (Forster, 1996; Gromaire-Mertz et al., 1999).

Tabla 2.11 Comparación entre la concentración metálica de la escorrentía viaria y las cubiertas de edificaciones (adaptada de Gromaire-Mertz et al., 1999)

Metal UnidadEscorrentía viaria

Escorrentía de cubiertas

Mín. Máx. Media Mín. Máx. Media Pb µg/l 71 523 133 16 2764 493 Zn µg/l 246 3839 550 802 38061 3422 Cu µg/l 27 191 61 3 247 37 Cd µg/l 0,3 1,8 0,6 0,1 32 1,3

Quek y Forster (1993) investigaron la concentración de elementos metálicos (Pb,

Zn, Cu y Cd) en la escorrentía de cinco tipos de cubiertas: fieltro de alquitrán,

teja, fibrocemento, hoja de Zn y grava. Los investigadores reportaron que el grado

de contaminación metálica de la escorrentía tuvo la siguiente secuencia, de mayor

a menor: hoja de Zn, fieltro de alquitrán, teja, fibrocemento, hormigón.

Igualmente, Gromaire-Mertz et al. (1999) reportaron que en las cubiertas de teja

se presentaban menores concentraciones, con respecto a las de hoja de Zn.

Ayenimo et al. (2006) encontraron después de estudiar tres tipos de cubiertas que

en términos de la fracción disuelta, Fe fue el metal predominante con valores

medios de 0,59, 0,82 y 1,04 mg/l para las cubiertas de fibrocemento, teja y hoja de

Zn, respectivamente. También establecieron que el tipo de material de la cubierta

condicionó la concentración metálica en la fracción disuelta de la siguiente


39

manera: Zn, Cr y Fe (hoja de Zn > teja > fibrocemento); Cd y Pb (fibrocemento >

teja > hoja de Zn).

Las elevadas concentraciones de Pb, Zn, Cu y Cd se asociaron con la erosión de

los materiales y los sistemas de desagüe de las cubiertas, y con los marcos de las

ventanas (Forster, 1996; Gromaire-Mertz et al., 1999; Boller y Steiner, 2002).

Otros efectos observados, fueron un incremento en el pH cuando el agua de lluvia

interactuó con las cubiertas (Halverson et al., 1984; Forster, 1990), un incremento

en la contaminación a medida que aumenta el período seco previo (Yaziz et al.,

1989; Forster, 1993; Thomas y Greene, 1993), y un fuerte fenómeno de primer

lavado al aumentar la intensidad de la precipitación (Yaziz et al., 1989). La

acumulación de la deposición seca sobre las cubiertas puede inducir a elevadas

concentraciones de Pb (Yaziz et al., 1989; Thomas y Greene, 1993). Sin embargo,

Boller (1998), Zobrist et al. (2000) y Steiner et al. (2001) reportaron que el aporte

de Cu por parte de la deposición atmosférica no fue significativo en las cubiertas

metálicas en donde se empleó este metal.

La Tabla 2.12 presenta una revisión bibliográfica acerca de la concentración de

elementos metálicos en la escorrentía de cubiertas de las edificaciones urbanas.

Como se puede observar, los metales pesados predominantes en la escorrentía de

las cubiertas fueron Zn, Pb y Cu. Finalmente, las cubiertas de tipo hoja de Zn

presentaron elevadas concentraciones de este metal en la escorrentía.

Tabla 2.12 Concentración de metales pesados en la escorrentía de las cubiertas de edificaciones urbanas

Localidad Tipo Concentración

(µg/l) Investigación Pb Zn Cu

Washington, EE.UU. Hoja/cinc 302 12200 20 Good, 1993 Washington, EE.UU. Fieltro/alquitrán 11 877 166 Good, 1993 Washington, EE.UU. Metal antiguo 10 1980 11 Good, 1993 Armidale, Australia Concreto 90 1600 - Thomas y Greene, 1993 Armidale, Australia Hoja/cinc 100 3600 - Thomas y Greene, 1993 Wisconsin, EE.UU. Desagües 21 149 15 Bannerman, 1994 París, Francia Hoja/cinc 493 3422 37 Gromaire-Mertz et al., 1999 Ile-Ife, Nigeria Fibrocemento 830 - 290 Ayenimo et al., 2006


40

2.2.9 Características físicas de la cuenca viaria

Harned (1988) reportó que el caudal de escorrentía generado durante una lluvia

disminuía más rápidamente en cuencas con superficies viarias, que en cuencas

poco desarrolladas. El lavado aumentó con la urbanización (Meister y Kefer,

1981; Ichiki et al., 1993) y estuvo asociado con el incremento de las superficies

impermeables y los elevados coeficientes de escorrentía de las áreas urbanas. No

obstante, el lavado inicial fue de pequeña importancia en la escorrentía de áreas

urbanas con suelos arenosos (Wright, 1993). La duración del fenómeno de lavado

en una cuenca depende del tiempo de concentración de la región (Weeks, 1981).

El lavado aumenta con el tamaño de la cuenca y es menos detectable cuando el

tiempo de concentración de la región hidrológica es mayor (Vorreiter y Hickey,

1994). En las regiones donde el tiempo de concentración es mayor que la duración

de una tormenta común, las anteriores consideraciones no son aplicables. Es por

esto, que el fenómeno de primer lavado es por su propia naturaleza una

característica de las pequeñas regiones hidrológicas urbanas. Entre las

características de las regiones hidrológicas que condicionan el fenómeno de

lavado se encuentran: el área, la forma, los patrones de drenaje, el uso y las

propiedades del suelo, las pendientes del terreno e hidráulica, y la capacidad de

infiltración (Lazaro, 1990).

Las características de la superficie afectan la calidad del agua de escorrentía

viaria. Las cargas lavadas pueden incrementarse cien veces o más por las

actividades de construcción u otras formas de perturbación del suelo en una

cuenca (Konno y Nonomura, 1981). Se han propuesto varias técnicas de gestión

(MacNeill et al., 1988): coberturas vegetales, pavimentación y defensas contra el

limo, están entre las más efectivas (MacNeill et al., 1988). En el caso de la

pavimentación, Berbee et al. (1999) reportaron que los pavimentos permeables

contienen menores concentraciones de metales pesados (Pb, Zn y Cu), en

comparación con los pavimentos impermeables. Sin embargo, para mantener su

permeabilidad y acción filtrante debieron ser regularmente limpiados.


41

Las superficies asfálticas generan mayores cargas metálicas que las de hormigón,

y las superficies con escaso mantenimiento generan elevadas cargas de sedimento

(Sartor y Boyd, 1972). Probablemente el asfalto, por su composición, aporta carga

metálica a la escorrentía por desgaste o rotura de la misma superficie.

Adicionalmente, las partículas de asfalto son una fuente significativa de

hidrocarburos (Hoffman et al., 1984). Pitt (1979) encontró que a mayor rugosidad

de la superficie viaria, mayor carga de metales pesados.

El diseño viario, según el uso del suelo, condiciona la carga contaminante. Zhen-

Ren et al. (1993) encontraron que el lavado generado por la escorrentía de áreas

residenciales era más bajo que el de áreas comerciales o industriales. Bannerman

et al. (1993) concluyeron que las calles y aparcamientos estuvieron entre las áreas

críticas de producción de metales pesados, con respecto a todos los usos de suelo.

Viklander (1998) reportó que la concentración de metales pesados asociados con

el sedimento viario estaba condicionada por la existencia de barreras artificiales

(p.ej., el bordillo de la calzada y la cuneta). Shaheen (1975) y Ellis (1979)

encontraron que los contaminantes pudieron ser físicamente atrapados sobre la vía

y la cuneta; en estos lugares se encontró la mayor carga contaminante.

Finalmente, Asplund et al. (1983) y Shelley (1987) reportaron que las

características que condicionaron la acumulación de la carga contaminante sobre

las superficies viarias fueron: la configuración (i.e., elevación, nivel del suelo y

depresiones), la composición del pavimento, la cantidad y su condición, el diseño,

la geometría viaria, el tipo de vegetación colindante con la vía, y las

características del sistema de drenaje.

2.2.10 Granulometría y carga del sedimento viario

La granulometría y carga del sedimento depositado sobre las superficies viarias

son factores importantes ya que condicionan la movilidad de las partículas y la

cantidad de contaminantes asociados con las partículas. Ellis y Revitt (1982), y

Ball et al. (1998) analizaron el sedimento acumulado sobre las autovías. Los

investigadores reportaron que los tamaños de las partículas se ajustaron a una


42

distribución log-normal positivamente sesgada, con tamaños dominantes entre

500-2000 µm. Esta dominancia ha sido reportada por otros investigadores (p.ej.,

Shaheen, 1975; Vaze y Chiew, 2002; Adachi y Tainosho, 2005). Las partículas

gruesas son predominantes en las superficies cercanas al bordillo de la calzada

(i.e., en peso); sin embargo hacia el centro de la misma se presenta un aumento

significativo de la fracción de tamaño inferior a 150 µm (Grottker, 1987;

Viklander, 1998; Deletic y Orr, 2005).

Los datos suministrados por la Agencia de Protección Ambiental de los Estados

Unidos (US.EPA, 1975) confirman la elevada variabilidad en la distribución

granulométrica de las partículas acumuladas sobre las superficies viarias. Estas

variaciones fueron atribuidas a diferencias en la composición del suelo y su uso, y

a las características topográficas de las zonas en estudio. Liebens (2001) obtuvo

resultados similares; sin embargo encontró que las diferencias en la distribución

granulométrica del sedimento para diferentes usos del suelo eran pequeñas y

estadísticamente insignificantes; atribuyendo esta tendencia a procesos similares

de erosión del suelo en las cuencas seleccionadas por los investigadores.

La Tabla 2.13 presenta una revisión bibliográfica acerca de la distribución

granulométrica del sedimento depositado sobre las superficies viarias. En la

revisión se analizaron los datos reportados con respecto a la fracción de tamaño

inferior a 3000 µm. Las fracciones de mayor tamaño son consideradas como de

menor importancia en el contenido y transporte de contaminantes (Sansalone y

Buchberger, 1997).

Algunos investigadores (p.ej. Al-Rajhi et al., 1996; Sutherland, 2003) han

reportado que la contaminación asociada con el sedimento varió

significativamente en el rango de tamaño entre 20-2000 µm. Como se pudo

observar, en promedio, los percentiles d10, d50, y d90 para la distribución del

tamaño de las partículas fueron 74 µm, 394 µm y 1390 µm, respectivamente (ver

Tabla 2.13).

CA

PÍT

ULO

2.-

EST

AD

O D

EL

AR

TE

43

T

abla

2.1

3 D

istr

ibuc

ión

gran

ulom

étri

ca d

el s

edim

ento

via

rio

repo

rtad

a pa

ra v

aria

s lo

calid

ades

Loc

alid

ad

Tip

o de

m

uest

ra

Fra

cció

n an

aliz

ada

(µm

)

Per

cent

il (

diám

etro

en

µm

) In

vest

igac

ión

d 10

d 50

d 90

Var

ias

ciud

ades

, EE

.UU

. S

uper

fici

ala

<48

00

43-1

04

246-

840

2000

-480

0 S

arto

r y

Boy

d, 1

972

Lon

dres

, Rei

no U

nido

S

uper

fici

ala;

b <

2000

11

0 46

0 14

00

Ell

is y

Rev

itt,

1982

O

ntar

io, C

anad

á S

uper

fici

ala

<20

00

- 42

0 -

Sto

ne y

Mar

sale

k, 1

996

Cin

cinn

ati,

EE

.UU

. E

scor

rent

íaa

<30

00

75

550

1700

S

ansa

lone

y B

uchb

erge

r, 1

997

Sydn

ey, A

ustr

alia

S

uper

fici

alb

<20

0 17

71

18

9 B

all e

t al.,

199

8 L

uleå

, Sue

cia

Sup

erfi

cial

a <

3000

75

46

5 17

15

Vik

land

er, 1

998

Jönk

öpin

g, S

ueci

a S

uper

fici

ala

<20

00

140

480

1455

G

erm

an y

Sve

nsso

n, 2

002

Mel

bour

ne, A

ustr

alia

S

uper

fici

ala

<28

00

90

400

1790

V

aze

y C

hiew

, 200

4 A

berd

een,

Esc

ocia

S

uper

fici

ala

<30

00

40

400

2000

D

elet

ic y

Orr

, 200

5 H

amil

ton,

Nue

va Z

elan

da

Sup

erfi

cial

b <

2000

34

21

6 12

05

Zan

ders

, 200

5 C

alif

orni

a, E

E.U

U.

Sup

erfi

cial

a <

2200

85

30

0 14

75

Lau

y S

tens

trom

, 200

5 V

anco

uver

, Can

adá

Sup

erfi

cial

a <

1000

38

10

0 66

4 P

reci

ado

y L

i, 20

06

Zhe

njia

ng, C

hina

S

uper

fici

ala

<20

00

55

150

500

Bia

n y

Zhu

, 200

9 P

rom

edio

c

<30

00

74

394

1390

a : cal

zada

; b : cun

eta;

c : sin

los

dato

s re

port

ados

por

Bal

l et a

l. (1

998)

y, S

arto

r y

Boy

d (1

972)


44

Los sedimentos viarios actúan como sustratos móviles para los metales pesados

(Hunter et al., 1979). Pechacek (1994) reportó que el potencial de adsorción de las

partículas sólidas se vio condicionado por su tamaño, estructura y propiedades

fisicoquímicas (p.ej., la conductividad eléctrica). La adsorción de contaminantes

hidrófobos por parte de las partículas es de especial interés debido a que la

superficie de los sedimentos es fundamental para el desarrollo y la supervivencia

de muchos organismos en los sistemas acuáticos (Schillinger y Gannon, 1985;

Evans et al., 1990; Liebens, 2001).

La fracción fina del sedimento es la de mayor interés en la reducción de la

contaminación metálica debido a su mayor superficie específica y, por lo tanto, a

su mayor capacidad de adsorción (Dong et al., 1984; Liebens, 2001).

Adicionalmente, las fuentes antropogénicas contribuyen con una mayor cantidad

de partículas finas en los ambientes urbanos en comparación con las fuentes

naturales (Fergusson y Ryan, 1984). Es por esto, que los elementos metálicos

están fuertemente asociados con la fracción fina del polvo y la suciedad viaria,

debido a que estos son de naturaleza fina y son adsorbidos por las partículas de

sedimento con la mayor superficie específica. La asociación entre los

contaminantes y la fracción fina del sedimento viario fue confirmada en el

contexto de los fenómenos de acumulación y lavado (i.e., por escorrentía) por

Ellis (1977), Freud y Johnson (1980), y años más tarde, por Urbonas (1991),

Dempsey et al. (1993), Ball et al. (1998) y Deletic y Orr (2005).

Ellis y Revitt (1982), y Sansalone y Buchberger (1997) encontraron que las

mayores concentraciones de Pb, Zn y Cu (mg/kg) ocurrieron en la fracción de

tamaño inferior a 250 µm. Con respecto a la carga asociada (%/kg), Sartor y Boyd

(1972) reportaron que más de la mitad de los elementos metálicos estaban

asociados con tamaños de partícula inferiores a 43 µm; a pesar de que esta

fracción de tamaño representó únicamente el 5,9% de la masa total recolectada.

Igualmente, Bradford (1977) reportó que en la fracción fina se encontró el 6% de

la masa total de sedimento y más del 60% de los elementos metálicos.


45

La carga total de sedimento depositada sobre las superficies viarias es un factor

condicionante de la cantidad total de metales pesados (g/m2). La masa específica

de las partículas disminuye con la reducción de la fracción tamaño;

simultáneamente, el porcentaje de elementos metálicos asociados con el

sedimento viario aumenta (Ball et al., 1998; Deletic y Orr, 2005). Sartor y Boyd

(1972) después de recolectar muestras viarias de 12 ciudades de EE.UU.,

reportaron que la carga de sedimento variaba entre 3-749 g/m2 (promedios entre

16-230 g/m2). Adicionalmente, analizaron la distribución espacial del sedimento a

través de la superficie viaria. Los investigadores encontraron en promedio, que el

88% de la carga total de sedimento se localizaba en una franja de 0,30 m de ancho

medida desde el bordillo de la calzada. Igualmente, Grottker (1987) reportó que el

95,9% de la carga total de sedimento depositado a través de la vía se localizó en la

cuneta (adoquines de 0,50 m ancho, con respecto al bordillo) y, Deletic y Orr

(2005) que el 66% de la carga total de sedimento se localizaba en una franja de

0,50 m medida desde el bordillo.

La Tabla 2.14 presenta una revisión bibliográfica acerca de la carga total de

sedimento depositada sobre las superficies viarias. Como se pudo observar, la

carga promedio de sedimento viario reportada por las investigaciones se encontró

entre 43-332 g/m2. Es importante tener en cuenta en las anteriores consideraciones

el estado de la superficie de rodadura muestreada por los investigadores. Por

ejemplo, Sartor y Boyd (1972) reportaron que las superficies de rodadura

clasificadas como de regulares a pobres, presentaron una carga total de sedimento

2,5 veces más elevada que superficies clasificadas como de buenas a excelentes.

El material erosionado por la escorrentía y el depositado por las fuentes

antropogénicas no llega directamente a los sistemas de drenaje, ya que es

removido y acumulado a una corta distancia (p.ej., la fracción gruesa del

sedimento). La fracción fina permanece por más tiempo en suspensión debido a su

mayor superficie específica y carga electrostática; siendo transportada a una

mayor distancia (Dong et al., 1983). De esta manera, el sedimento que alcanza los

sistemas de drenaje y las aguas receptoras tiende a tener una distribución


46

granulométrica fina. Andral et al. (1999) reportaron esta tendencia para los

tamaños de partícula inferiores a 100 µm. Igualmente concluyeron que los

tamaños de partícula inferiores a 100 µm deben ser eliminados por los sistemas de

gestión de la escorrentía, ya que estos pueden representar hasta un 90% (en peso)

de los sólidos que permanecieron en suspensión en el flujo de agua superficial. En

peso, Dong et al. (1983) encontraron que la composición de los sólidos

suspendidos por la escorrentía consistió de 77% de partículas de tamaño de

arcilla, mientras que el polvo y la suciedad viaria estuvo constituido por 5% de

partículas de tamaño de arcilla y 86% de partículas en el rango de tamaño de la

arena.

De esta manera, en la evaluación de los metales pesados asociados con el

sedimento viario la carga y distribución granulométrica del sedimento juegan un

papel importante, influyendo en el contenido y distribución de los elementos

metálicos. Adicionalmente, condicionan la cantidad de material que puede ser

removido y suspendido, por ejemplo, por el viento, la turbulencia inducida por el

tráfico, los equipos de limpieza viaria y el flujo de agua superficial. En este

último, la división entre la fase disuelta y la sólida (partículas) complica aún más

la distribución de los elementos metálicos. Por ejemplo, Hewitt y Rashed (1992)

encontraron que la fase sólida asoció el 90% de Pb inorgánico y 70% de Cu.

Tabla 2.14 Carga viaria de sedimento reportada para varias localidades

Localidad Sitio de

muestreo Unidad

Carga total

Investigación

Varias localidades, EE.UU. Calzada g/m2 16-230 Sartor y Boyd, 1972 Varias localidades, EE.UU. Cuneta g/m 82-789 Sartor y Boyd, 1972 Champaign, EE.UU. Cuneta g/m 55-250 Terstriep et al., 1982 Milwaukee, EE.UU. Cuneta g/m 28-380 Bannerman et al., 1983 Ontario, Canadá Calzada g/m2 17-35 Stone y Marsalek, 1996 Sydney, Australia Cuneta g/m 6-42 Ball et al., 1998 Luleå, Suecia Calzada g/m2 34-484 Viklander, 1998 Jönköping, Suecia Calzada g/m2 15-18 German y Svensson, 2002 Melbourne, Australia Calzada g/m2 10-75 Vaze y Chiew, 2002 Aberdeen, Escocia Calzada g/m2 18-835 Deletic y Orr, 2005 California, EE.UU. Calzada g/m2 15 Lau y Stenstrom, 2005 Manchester, Reino Unido Calzada g/m2 200-800 Robertson y Taylor, 2007 Zhenjiang, China Calzada g/m2 60-500 Bian y Zhu, 2009 Promedio Calzada g/m2 43-332


47

2.2.11 Plantas y desechos vegetales

La literatura disponible que describe los efectos de la vegetación sobre la

acumulación de metales pesados o la calidad del agua de escorrentía viaria urbana

es escasa. Halverson et al. (1984) midieron las cargas contaminantes de la

precipitación, la precipitación directa y el flujo de fuste en un área urbana de

Pennsylvania (EE.UU.). Los resultados sugirieron que la vegetación retenía parte

de la carga atmosférica contaminante en suspensión. Massadeh et al. (2009)

reportaron una correlación entre la concentración de metales pesados (Pb, Cd, Cu

y Zn) en las hojas de las plantas y el suelo, indicando la existencia de una fuente

contaminante común (i.e., el tráfico).

Las partículas magnéticas se encuentran siempre, de manera invariable, entre los

contaminantes atmosféricos particulados (p.ej., Fe, Pb, Zn y Cd) (Hunt et al.,

1984; Flanders, 1994). Matzka y Maher (1999) realizaron mediciones de

partículas magnéticas sobre las hojas de árboles viarios para investigar la

variación espacial y temporal de la carga de polvo urbano. Los investigadores

encontraron que la carga magnética estuvo controlada por la distancia entre el

árbol y la vía, y que las mayores fuentes de partículas magnéticas fueron las

emisiones por combustión de los vehículos, antes que las partículas generadas por

el degaste de las partes (i.e. por fricción) y las suspendidas por el tráfico.

Adicionalmente, reportaron que las hojas de los árboles tuvieron la habilidad de

reducir la concentración de los aerosoles en la atmosfera (PM2.5), y que la

precipitación generó una reducción en la carga magnética de las hojas.

Igualmente, Freer-Smith et al. (1997) reportaron que las hojas pudieron remover

el material particulado de la atmosfera debido a su elevada superficie específica.

Adicionalmente, observaron que los contaminantes que han sido atrapados por las

gotas de la lluvia pudieron contribuir con la acumulación o remoción de la carga

contaminante acumulada sobre las hojas (i.e. por impacto y fraccionamiento).

Las hojas, semillas y flores caídas pueden afectar la calidad del agua de lluvia que

pasa a través de éstas; los materiales tóxicos contenidos en las hojas (p.ej.,


48

elementos metálicos) pueden ser liberados (Tremolieres, 1988). Gavens et al.

(1981) encontraron que las hojas también pudieron ser una fuente natural de

hidrocarburos alifáticos. Los contaminantes estuvieron concentrados en la

humedad retenida por las hojas después de una tormenta, dando lugar a puntas de

carga en los posteriores eventos de escorrentía (Prasad et al. 1980); incluso si las

hojas no fueron transportadas por el flujo de agua superficial.

Shivalingaiah y James (1987) desarrollaron algoritmos para evaluar la

contribución de contaminantes a la escorrentía por parte del dosel de los árboles

(i.e., el área superficial) basados en modelos lineales y exponenciales para la

acumulación y el lavado del polvo y la suciedad, respectivamente. Inicialmente,

esta modelación fue similar a la realizada normalmente sobre superficies

impermeables del suelo; los investigadores sugirieron que una gran área foliar

podría generar una significativa diferencia en la carga contaminante de la

escorrentía. Sin embargo en una revisión de los datos de varias ciudades de

EE.UU., Bradford (1977) concluyó que zonas con árboles producían cargas

contaminantes por debajo de la media de las detectadas en la escorrentía viaria

urbana. Los investigadores sugirieron como factores condicionantes la época del

año, la limpieza viaria y las prácticas de recolección de las hojas, la densidad

urbana, y la reducción de la energía de la precipitación por parte del dosel de los

árboles.

Zaidi et al. (2005) reportaron que las concentraciones de metales pesados

acumulados sobre las hojas de los árboles viarios eran más elevadas en verano que

en la época de invierno; los investigadores atribuyeron esta tendencia al aumento

de la precipitación y, por lo tanto, al aumento del lavado de las hojas en la época

de invierno. Adicionalmente, reportaron que los metales predominantes fueron Fe

y Zn con concentraciones medias de 705 mg/kg y 349 mg/kg, respectivamente.

Por último, reportaron la asociación entre la densidad de tráfico y la concentración

metálica encontrada sobre las hojas de los árboles viarios. Al-Otaibi (2008) en la

ciudad de Riad (Arabia Saudí) reportó concentraciones sobre las hojas de los

árboles de Pb, Zn, Fe y Cd de 4,9, 0,7, 418 y 0,06 mg/kg, respectivamente.


49

Igualmente, Guan y Peart (2006) reportaron concentraciones (Guangzhou, China)

de Cu, Ni, Zn, Pb y Cr de 28,3, 7,7, 142,1, 23,4, y 195,1 mg/kg, respectivamente.

Finalmente, Han et al. (2005) y Al-Otaibi (2008) reportaron la existencia de una

relación entre la especie del árbol y la capacidad de adsorción de los metales

pesados viarios.

2.3 METODOLOGÍAS PARA LA EVALUACIÓN DE LOS METALES

PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DE

MUESTRAS EN SUPERFICIE

2.3.1 Antecedentes

Los métodos existentes para el estudio de la contaminación metálica presente

sobre las superficies viarias a partir de muestras en superficie se pueden agrupar

en dos categorías. La primera categoría corresponde a los polutogramas e

hidrogramas asociados con la escorrentía viaria. Este método de análisis permite

estudiar la evolución de las concentraciones, caudales y flujos másicos con

respecto al tiempo (p.ej., el efecto de primer flujo). La segunda categoría está

relacionada con los modelos de acumulación y lavado de la carga metálica viaria.

Estos modelos se basan en ecuaciones netamente empíricas de los datos

observados en superficie. Las técnicas de estudio que alimentan los algoritmos de

los modelos se fundamentan principalmente en la recolección de muestras viarias

en superficie a través de métodos de barrido y aspirado en seco o en húmedo.

La presente investigación se fundamenta en los métodos incluidos dentro de la

segunda categoría, es decir, las que se basan en la recolección de muestras en

superficie para la evaluación metálica asociada con el sedimento viario.

Numerosas alternativas metodológicas han sido utilizadas para la recolección del

sedimento viario, cada una de éstas tiene sus propias ventajas y desventajas. A

continuación se presenta una revisión bibliográfica acerca de estas metodologías.


50

2.3.2 Metodología de aspirado en seco

Este tipo de metodología se ha fundamentado en la recolección de muestras

viarias de sedimento mediante el empleo de equipos de aspirado en seco, y sobre

una superficie de área conocida. El sistema de aspirado del sedimento utilizado

por los investigadores (p.ej. Goonetilleke et al., 2009; Murakami et al., 2007), ha

incluido entre 1-3 repeticiones con el objeto de aumentar la eficacia en la

recolección de la fracción más fuertemente adherida a la superficie viaria.

Mayores repeticiones en el sistema de aspirado no han sido reportadas,

probablemente debido a que no se obtiene un aumento significativo en la cantidad

de sedimento recolectado.

El equipo de muestreo empleado por los investigadores estuvo constituido por un

aspirador mecánico, normalmente, de una potencia entre 1,0-1,5 kW (p.ej.

Goonetilleke et al., 2009; Murakami et al., 2007). La recolección del sedimento se

realizó sobre una superficie viaria de área determinada, frecuentemente entre 0,5-

3,0 m2 (p.ej. Faiz et al., 2009; Goonetilleke et al., 2009). Sin embargo, algunos

investigadores han llegado a emplear superficies de hasta 60 m2 (Duong y Lee,

2011). Alternativamente, en algunas investigaciones la recolección del sedimento

se realizó sobre la superficie de cunetas viarias; en este caso la superficie de

muestreo se controló por metro lineal de cuneta. La cantidad de sedimento

recolectado ha oscilado entre 0,1-1,5 kg (p.ej. Murakami et al., 2007; Faiz et al.,

2009; Zhao et al., 2010). Por otro lado, el diámetro de partícula del sedimento

empleado para la determinación de los elementos metálicos osciló entre 63-2000

µm (p.ej. Faiz et al., 2009; Goonetilleke et al., 2009; Zhao et al., 2010). Los

metales pesados analizados con esta metodología fueron los siguientes: Pb, Cu,

Zn, Cd, Ni, Hg, Cr, Al y As (p.ej. Faiz et al., 2009; Goonetilleke et al., 2009).

Desde el punto de vista espacial, la metodología de aspirado en seco ha sido

empleada para caracterizar el contenido y origen de elementos metálicos a lo largo

de carreteras donde el uso del suelo es variable. Por ejemplo, Faiz et al. (2009)

emplearon la metodología para caracterizar 13 puntos de una carretera en


51

Islamabad (Pakistán) donde el uso del suelo era variable. Igualmente, Duong y

Lee (2011), y Zhao et al. (2010) caracterizaron el contenido metálico en 12 y 13

puntos de redes viarias en la ciudad de Ulsan (Republica de Corea) y Pekín

(China), respectivamente, donde el uso del suelo era variable.

Desde el punto de vista temporal la metodología de aspirado en seco ha sido

utilizada de manera puntual. Es decir, se empleó para caracterizar el contenido y

origen de elementos metálicos en un instante de tiempo determinado (p.ej.

Murakami et al., 2007; Faiz et al., 2009; Zhao et al., 2010). Sin embargo, otros

investigadores han empleado la metodología de una manera cronológica

realizando análisis acerca de la variación del contenido metálico con respecto al

número de días de tiempo seco (Goonetilleke et al., 2009).

2.3.3 Metodología de barrido en seco

La metodología se fundamentó en la recolección de muestras viarias de sedimento

mediante barrido directo en seco de una superficie de área conocida. La

metodología ha sido una de las más empleadas en la recolección del sedimento

viario debido a su fácil aplicación y bajo costo. El sistema de muestreo no incluyó

repeticiones en el barrido viario, probablemente debido a que no se obtiene un

aumento significativo en la cantidad del sedimento recolectado. Según Bris et al.

(1999) esta metodología puede generar un sesgo en contra de las partículas más

finas del sedimento viario (i.e., la fracción potencialmente respirable) en

comparación con el método de aspirado en seco. Sin embargo, esta última

metodología probablemente no podría ser efectiva en la recolección de la fracción

más fuertemente adherida a la superficie viaria.

El equipo de muestreo utilizado por los investigadores estuvo constituido por un

cepillo de fibras sintéticas y una pala plástica de recolección manual (p.ej. Revitt y

Ellis, 1980; Robertson y Taylor, 2007; Wei et al., 2009). La recolección del

sedimento se realizó sobre una superficie viaria de área determinada, entre 0,5-1,5

m2 (p.ej. Banerjee, 2003; Robertson y Taylor, 2007; Wei et al., 2009; Wei y


52

Yang, 2010; Yang et al., 2010). Superficies de muestreo de área superior no han

sido reportadas, probablemente debido a que al tratarse de un sistema manual, el

esfuerzo para realizar la recolección del sedimento viario sería significativo; a

diferencia de la metodología de aspirado en seco donde se han alcanzado

superficies de muestreo mayores. Alternativamente, en algunas investigaciones la

recolección del sedimento se realizó sobre la superficie de cunetas viarias; en este

caso la superficie de muestreo se controló por metro lineal de cuneta (p.ej.

Sutherland et al., 2004). La cantidad de sedimento recolectado con esta

metodología ha oscilado entre 0,1-0,6 kg (p.ej. Revitt y Ellis, 1980; Sutherland et

al., 2004; Robertson y Taylor, 2007; Wei et al., 2009; Mingkui y Hao, 2009; Lu et

al., 2010). Por otro lado, el diámetro de partícula del sedimento empleado para la

determinación de los elementos metálicos osciló entre 63-2000 µm (p.ej.

Sutherland et al., 2004; Robertson y Taylor, 2007; Wei et al., 2009); enfocándose

principalmente para tamaños de partícula entre 63-250 µm. Los metales pesados

analizados con esta metodología fueron los siguientes: Pb, Cu, Zn, Cd, Ni, Cr, Co,

Mn, Fe, Be, Al, Hg, As, Pt, Au, Rh y U (p.ej. Robertson y Taylor, 2007; Wei et

al., 2009; Prichard et al., 2009; Wei y Yang, 2010).



de autovías o redes viarias donde el uso del suelo es variable. Por ejemplo, Wei et

al. (2009) caracterizaron el contenido metálico en 169 puntos de redes viarias en

la ciudad de Urumqi (China) donde el uso era variable (i.e., autovías, vías

primarias y menores, vías residenciales y aparcamientos). Igualmente, Mingkui y

Hao (2009) emplearon la metodología para determinar el contenido metálico

viario para cinco usos del suelo (25 muestras) en la ciudad de Hangzhou (China):

industrial, comercial, residencial, recreativo y suburbano.

Desde el punto de vista temporal la metodología de aspirado en seco se utilizó de

manera puntual. Es decir, se ha empleado para caracterizar el contenido y origen

de elementos metálicos en un instante de tiempo determinado (p.ej. Wei et al.,

2009). Por ejemplo, Banerjee (2003) caracterizó en una semana tres superficies


53

viarias con diferente uso (29 muestras) en la ciudad de Delhi (India), con alto

tráfico vehicular, industrial y rural. Sin embargo, otros investigadores han

empleado la metodología de una manera cronológica. Por ejemplo, Robertson y

Taylor (2007), y Christoforidis y Stamatis (2009) estudiaron la variación temporal

de la carga metálica sobre superficies viarias durante nueve (72 muestras) y ocho

(96 muestras) meses en las ciudades de Manchester (Reino Unido) y Kavala

(Grecia), respectivamente.

2.3.4 Metodología de aspirado y barrido en seco

La metodología se fundamentó en la recolección de muestras viarias de sedimento

mediante el empleo de equipos de aspirado y barrido directo en seco de una

superficie de área conocida (ver Figura 2.2). La secuencia utilizada para la

recolección del sedimento viario distinguió tres fases: (i) aspirado mecánico en

seco, (ii) barrido en seco y, finalmente en algunas ocasiones, (iii) aspirado

mecánico en seco (p.ej. Siqueira, 2006). El sistema de muestreo no ha incluido

repeticiones en el aspirado y barrido viario, probablemente debido a que no se

obtiene un aumento significativo en la cantidad del sedimento recolectado. Como

se puede observar, esta metodología de recolección es una combinación de las dos

anteriores. Este complemento permitió a los investigadores recolectar eficazmente

el sedimento más fuertemente adherido a la superficie viaria, en comparación con

las dos metodologías anteriores (p.ej. Vaze y Chiew, 2002). Sin embargo no ha

sido una de las más empleadas en la caracterización del contenido metálico

asociado con el sedimento viario, probablemente debido a que el tiempo de

muestreo aumenta al tener que realizar las operaciones de barrido y aspirado.

El equipo de muestreo empleado estuvo constituido por un aspirador mecánico de

baja potencia y un cepillo de fibras sintéticas. Por ejemplo, Ball et al. (1998)

emplearon un aspirador de 0,24 kW de potencia. La recolección del sedimento se

realizó sobre una superficie viaria de área determinada. Por ejemplo, Vaze y

Chiew (2002), y Siqueira (2006) utilizaron una superficie de muestreo de 0,5 m2.

Superficies de muestreo de área superior no han sido reportadas, probablemente


54

debido a que al tratarse de un sistema mecánico-manual el esfuerzo para realizar

la recolección del sedimento viario sería significativo; a diferencia de

metodologías que utilizan exclusivamente equipos mecánicos, donde se han

utilizado superficies de muestreo de mayor área (p.ej. con barredoras viarias)

Alternativamente, en algunas investigaciones la recolección del sedimento se

realizó sobre la superficie de cunetas viarias; en este caso la superficie de

muestreo se ha controlado por metro lineal de cuneta (p.ej. Ball et al., 1998). La

cantidad de sedimento recolectado con esta metodología osciló entre 0,04-0,3 kg

(Ball et al., 1998; Vaze y Chiew, 2002). Por otro lado, el diámetro de partícula del

sedimento empleado para la determinación de los elementos metálicos ha oscilado

entre 50-400 µm (p.ej. Ball et al., 1998; Furumai et al., 2002); enfocándose

principalmente para tamaños de partícula entre 75-250 µm. Los metales pesados

analizados con esta metodología fueron los siguientes: Pb, Cu, Zn, Fe y Cr (p.ej.

Ball et al., 1998; Furumai et al., 2002).

Figura 2.2 Metodología de aspirado y barrido en seco (Vaze y Chiew, 2002)



de carreteras donde el tráfico es variable. Por ejemplo, Furumai et al. (2002)

caracterizaron el contenido metálico en dos autovías de la ciudad de Winterthur

(Suiza) con densidades de tráfico entre 25300-57500 vehículos por día.


utilizada de manera puntual. Es decir, se empleó para caracterizar el contenido de


55

elementos metálicos en un instante de tiempo determinado (p.ej. Furumai et al.,

2002). Sin embargo, otros investigadores han empleado la metodología de una

manera cronológica. Por ejemplo, Ball et al. (1998) estudiaron la variación

temporal de la carga metálica sobre superficies viarias en función del número de

días de tiempo seco, durante un periodo de 45 días en la ciudad de Sídney

(Australia).

2.3.5 Metodología de aspirado en húmedo

La metodología se fundamentó en la recolección de muestras mediante equipos de

aspirado que incorporaron sistemas húmedos (i.e., por filtración o inyección de

agua) (ver Figura 2.3) para aumentar la eficacia en la recolección de la fracción

más fina del sedimento, sobre una superficie viaria de área conocida (p.ej. Deletic

y Orr, 2005; Herngren et al., 2006). Por ejemplo, la incorporación de los sistemas

de filtración e inyección de agua permitió retener las partículas más pequeñas que

frecuentemente se fugan por el sistema de escape del aspirador (Deletic y Orr,

2005; Herngren et al., 2006). El sistema de muestreo ha incluido hasta cuatro

repeticiones en el aspirado viario con el objeto de aumentar la eficacia en la

recolección del sedimento. Adicionalmente, algunos investigadores en esta

metodología incluyeron un barrido inicial de la superficie viaria seguido de un

aspirado en húmedo (p.ej. Bris et al., 1999; Yee, 2005).

Figura 2.3 Metodología de aspirado en húmedo (Egodawatta y Goonetilleke, 2006)


56

El equipo de muestreo empleado por los investigadores estuvo constituido por un

aspirador húmedo, frecuentemente de una potencia entre 0,9-1,5 kW y un cepillo

de fibras sintéticas (p.ej. Yee, 2005; Deletic y Orr, 2005; Egodawatta y

Goonetilleke, 2006). La recolección del sedimento se realizó sobre una superficie

viaria de área entre 0,25-3 m2 (p.ej. Yee, 2005; Herngren et al., 2006; Egodawatta

y Goonetilleke, 2006). Superficies de muestreo de área superior no han sido

reportadas probablemente debido a que al tratarse de un equipo de aspirado en

húmedo el consumo de agua sería significativo. La cantidad de sedimento

recolectado con esta metodología osciló entre 2,5-850 g (Yee, 2005; Deletic y

Orr, 2005; Herngren et al., 2006). Por otro lado, el diámetro de partícula del

sedimento empleado para la determinación de los elementos metálicos osciló entre

0,45-1000 µm (p.ej. Deletic y Orr, 2005; Herngren et al., 2006); enfocándose

principalmente para tamaños de partícula entre 0,45-300 µm. Los metales pesados

analizados con esta metodología han sido los siguientes: Pb, Cu, Zn, Cd, Cr, Mn,

Fe y Al (p.ej. Yee, 2005; Herngren et al., 2006).

Desde el punto de vista espacial, la metodología de aspirado en seco se empleó

para caracterizar el contenido de elementos metálicos a lo largo de autovías o

redes viarias donde el uso del suelo es variable. Por ejemplo, Herngren et al.

(2006) caracterizaron el contenido metálico en tres zonas de redes viarias en la

ciudad de Queensland (Australia) donde el uso era variable (i.e., residencial,

comercial e industrial).


utilizada de manera puntual. Es decir, se empleó para caracterizar el contenido de

elementos metálicos en un instante de tiempo determinado (p.ej. Herngren et al.,

2006). Sin embargo, otros investigadores han empleado la metodología de una

manera cronológica. Por ejemplo, Yee (2005) estudiaron la variación temporal de

la carga metálica sobre superficies viarias durante cuatro semanas (72 muestras)

en las ciudades de Berkeley y Oakland (Estados Unidos).


57

2.4 METODOLOGÍAS PARA LA EVALUACIÓN DE LOS METALES

PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DE

MUESTRAS EN SUSPENSIÓN

2.4.1 Antecedentes

La literatura disponible donde se exponen metodologías para la evaluación

metálica asociada con el sedimento viario a partir de datos de calidad del aire es

escasa. Las investigaciones más cercanas se centraron en evaluar el contenido

metálico asociado con las partículas en suspensión de tamaño menor o igual a 10

micras (PM10). El sedimento viario ha sido reconocido como una importante

fuente urbana de PM10 y su contribución puede ser significativa en el rango de

tamaño de PM2,5 (p.ej. Querol et al., 2004; Almeida et al., 2006; Wåhlin et al.,

2006). Este aporte es debido a la desintegración mecánica del sedimento viario

por procesos de trituración, molienda y explosión (Seinfeld y Pandis, 1998; Dahl

et al., 2006; Gustafsson et al., 2008). Por lo tanto, la exposición al material en

suspensión generado en las vías implica un incremento en la exposición a

partículas ultrafinas, y emisiones de PM10 y PM2,5 de tubos de escape, desgaste de

frenos, desgaste de llantas y polvo viario. Sin embargo, las investigaciones acerca

de la contribución metálica por parte de las últimas tres fuentes son escasas

(Schauer et al., 2006).

El sedimento acumulado sobre las superficies viarias puede ser suspendido por el

impacto con los neumáticos, la turbulencia del tráfico, el viento y la actividad

peatonal (Nicholson, 1988). El arrastre de las partículas en suspensión es un

proceso complejo y depende de factores ambientales y climatológicos como los

expuestos en el apartado 2.2. Las partículas con diámetros entre 500-1000 µm

ruedan o rebotan sobre la superficie viaria, mientras que las partículas de tamaño

menor a 100 µm pueden ser suspendidas (Nicholson, 1988). Adicionalmente, las

partículas pueden permanecer en suspensión durante largos periodos cuando la

velocidad de sedimentación es menor que la velocidad vertical en la capa límite de


58

turbulencia. Según Nicholson (1988), el tamaño límite para este tipo de partículas

es de 20 µm.

La presente Tesis pretende desarrollar una metodología basada en la recolección

de muestras en suspensión para la estimación de la distribución de los metales

pesados asociados con el sedimento viario. En este sentido no existe evidencia del

desarrollo de metodologías, sin embargo, a continuación se presenta una revisión

bibliográfica acerca de las metodologías más próximas y útiles para el desarrollo

de la presente investigación.

2.4.2 Metodología de pista viaria para PM10

La metodología se fundamentó en la recolección de muestras de partículas

suspendidas de tamaño menor o igual a 10 micras en un simulador de superficies

viarias. Kupiainen (2007), Gustafsson et al. (2008) y Gehrig et al. (2010)

realizaron interesantes investigaciones acerca de las partículas en suspensión

generadas por el desgaste del pavimento y la incorporación de arenas de tracción

bajo la acción del tráfico. En este sentido, probablemente se podría asumir para la

presente investigación que las arenas de tracción representarían el sedimento

acumulado sobre las superficies viarias. A continuación se presenta una breve

descripción de las metodologías propuestas por Kupiainen (2007), Gustafsson et

al. (2008), y Gehrig et al. (2010).

El equipo de muestreo empleado en las investigaciones estuvo constituido por una

instalación simuladora de una superficie viaria sometida a la acción del tráfico

(i.e., pista circular o lineal de resistencia para pavimento) (ver Figura 2.4). La

instalación fue utilizada para simular el efecto del tipo de arena de tracción, llanta

y superficie de rodadura en la formación de material en suspensión de tamaño

inferior o igual a 10 µm. En las investigaciones de Kupiainen (2007) y Gustafsson

et al. (2008) el simulador viario estuvo situado al interior de una caja hermética de

un volumen determinado (entre 180-400 m3), equipada con sistemas de

ventilación y refrigeración para el control de la temperatura y humedad. En la


59

investigación de Gehrig et al. (2010) se utilizaron dos simuladores que se

encontraban al interior de cajas herméticas de 3 y 72 m3. Las variables utilizadas

en la investigación para evaluar el efecto en la generación del material en

suspensión fueron las siguientes: cantidad de sedimento viario (0, 250, 300, 500,

1000, 2000 g/m2), tipo de agregado de tracción (siete tipos de agregado y dos

distribuciones granulométricas), tipo de llanta, velocidad de conducción (10-70

km/h), y tipo de pavimento (hormigón y asfalto). Adicionalmente, los

investigadores estandarizaron el tamaño (175/70R13 y 295/65R22,5) y presión

(2000 hPa) de la llanta empleada, y realizaron la simulación a partir de una carga

viaria de 300 y 7500 kg.

a)

b) Figura 2.4 Pista viaria para la simulación de material en suspensión. a) Gustafsson

et al., 2008; b) Gehrig et al., 2010.


60

Las muestras de aerosoles fueron recolectadas por Kupiainen (2007) y Gustafsson

et al. (2008) con muestreadores de alto volumen (Wedding & Associates Sampler

y Sierra-Andersen/GMW Model 12000, TSP y PM10), impactadores virtuales (IV,

PM2,5-10 y PM2,5) e impactadores de cascada de 12 etapas (0,045-10,7 μm). Todas

las entradas fueron localizadas entre 1,5-2 m del anillo de conducción y a una

altura de 2,5 m. Los metales pesados analizados por los investigadores fueron: Al,

Ba, Cr, Cu, Fe, Mg, Mn, Ni, Pb y Zn. Los investigadores limitaron el tiempo de

simulación del tráfico a 30 minutos y, posteriormente, la recolección del material

en suspensión se realizó durante 45 minutos. Gehrig et al. (2010) recolectaron las

muestras de aerosoles con un espectrómetro de medida de tamaño aerodinámico

de partículas (TSI APS Model 3321), capacitado para un rango de tamaño entre

0,5-20 μm. Los metales pesados analizados por los investigadores fueron: Fe y

Zn. Los investigadores limitaron el tiempo de simulación del tráfico entre 30-65

minutos.

Dentro de las principales conclusiones de la investigación realizada por Kupiainen

(2007) y de utilidad para la presente investigación, se puede destacar la relación

directa entre la cantidad de agregado de tracción (g/m2) y la cantidad de material

en suspensión de tamaño menor o igual a 10 micras (mg/m3). Los investigadores

reportaron una tendencial lineal con un coeficiente de determinación de 0,93. Por

lo tanto, y a partir de la hipótesis planteada anteriormente para el agregado de

tracción (i.e., equivalencia con el sedimento viario), existe la posibilidad de que

parte de los metales asociados con el sedimento viario sean transferidos a la fase

suspendida (PM10). Esta suposición fue confirmada por Gustafsson et al. (2008).

Los investigadores encontraron un elevado enriquecimiento del PM10 con Cu y

Zn; metales asociados con el desgaste de las llantas del simulador.

Adicionalmente, en la investigación realizada por Gustafsson et al. (2008) se

reportó que la concentración de PM10 alcanzaba un valor de equilibrio después de

20 minutos de simulación.

Las principales limitaciones de la metodología propuesta por Kupiainen (2007),

Gustafsson et al. (2008) y Gehrig et al. (2010) fueron las siguientes: (i) no se


61

centraron en simular las condiciones reales de conducción sobre superficies

viarias (i.e., aceleración, frenado, operaciones de parqueo, etc.), (ii) se simularon

exclusivamente dos tipos de pavimento (hormigón y asfalto), (iii) el tipo de llanta

empleado fue suministrado sólo por una empresa fabricante, (iv) el movimiento

rotatorio de la instalación simuladora genera mayor desgaste sobre la superficie de

rodadura que bajo condiciones reales de conducción (i.e., por movimiento lineal),

(v) la simulación se realizó en una condición seca, es decir, no se tuvo en cuenta

el efecto de la humedad en la generación del material en suspensión, (vi) bajo

condiciones reales de tracción parte del sedimento es conducido por el tráfico

hacia los costados de la superficie viaria, es decir, no existe una distribución

uniforme de la carga de sedimento (g/m2), y (vii) el elevado costo que se debe

asumir al implementar una instalación de investigación de este tipo.

2.4.3 Metodología de cámara superficial de aspirado para PM10

La metodología propuesta por Amato et al. (2009) se fundamentó en la

recolección de la masa de PM10 depositada sobre las superficies viarias a través de

una cámara de suspensión de campo. La metodología fue desarrollada para

estudiar la suspensión del sedimento viario, debido a que se le ha identificado

como una de las principales fuentes de material atmosférico en ambientes urbanos

(p.ej. Querol et al., 2004; Almeida et al., 2006; Wåhlin et al., 2006). Los

investigadores reportaron que la principal ventaja de la metodología era la

reducción en la pérdida de partículas finas del sedimento viario recolectado. A

continuación se presenta una breve descripción de la metodología propuesta.

Los investigadores diseñaron una cámara de suspensión del sedimento a partir del

aspirado directo sobre una superficie viaria de un área determinada (1 m2). Los

sedimentos viarios fueron recolectados con una bomba mecánica a una tasa de

flujo de 25 l/min y durante 30 minutos. El equipo de muestreo estuvo constituido

inicialmente por una cámara de deposición plástica (PVC) para que la fracción

gruesa del sedimento fuera retenida y, la fracción restante, continuara su curso a lo

largo del sistema de muestreo (ver Figura 2.5). Posteriormente, la fracción fina del


62

sedimento ingresó a un filtro de acero inoxidable con un tamaño de poro de 10 µm

(diámetro del filtro 47 mm). Las partículas que pasaron esta barrera fueron

retenidas en un filtro con una membrana de fibra de teflón o cuarzo capacitada

para retener partículas de tamaño mayor a 1 µm. Las partículas con un diámetro

aerodinámico mayor a 10 µm fueron retenidas en la cámara plástica. Los metales

analizados por los investigadores fueron los siguientes: Pb, Cu, Zn, Cd, Co, Cr,

Se, As, Ni, Mn, Mg, Fe, Ba, Rb, Sr, Mo, Sn, Sb, Li, V y Ti.

Figura 2.5 Cámara de suspensión de campo para la medición de PM10 (adaptada de Amato et al., 2009)

Dentro de las principales limitaciones de la metodología propuesta por Amato et

al. (2009) se encuentra que la adhesión electrostática en la cámara de deposición

puede generar la pérdida de material de tamaño menor o igual a 10 µm. Sin

embargo, los investigadores determinaron que la pérdida de PM10 estuvo entre

0,1-0,6% en volumen para partículas de tamaño entre 63-250 µm,

respectivamente. Otra posible limitación, fue que los filtros empleados en la

retención del PM10 fueron cortados en dos secciones para determinar con una

mitad los elementos mayores y traza, y por la otra, el carbono total; ignorando una

posible distribución no uniforme de la masa de PM10 retenido por el filtro.

Desde el punto de vista espacial, la metodología de cámara de aspirado superficial

de PM10 fue empleada para caracterizar el contenido de elementos metálicos en 23

sitios del centro (23 km2), dos vías circunvalares, una zona de uso residencial con

elevada actividad de demolición y construcción, y una muestra en el puerto de la

ciudad de Barcelona (España). Desde el punto de vista temporal, la metodología

fue utilizada de manera puntual. Es decir, se empleó para caracterizar el contenido

de elementos metálicos en un instante de tiempo determinado (1 semana).


63

2.4.4 Metodología de NOx como trazador de emisiones metálicas viarias

La metodología ha sido utilizada para estimar los factores de emisión de

elementos metálicos por parte del tráfico (g/vehículo por kilometro), empleando

mediciones de NOx como trazador. Las fuentes que se incluyeron dentro del

factor de emisión fueron los componentes de los vehículos (principalmente,

desgaste de frenos y llantas, y emisión del escape), el material del pavimento, el

equipamiento viario y las actividades de mantenimiento viario. La metodología

fue utilizada satisfactoriamente por Ketzel et al. (2003), Gidhagen et al. (2005),

Omstedt et al. (2005), Johansson et al. (2009) y Gietl et al. (2010).

El equipo de muestreo estuvo constituido por un muestreador tipo “Gent”,

diseñado en la Universidad de Gante (Bélgica) (Hopke et al., 1997). El

muestreador estuvo formado por una unidad de filtros en serie y fue

específicamente diseñado para la recolección de material en suspensión en la

fracción de tamaño inhalable (≤ 10 µm), utilizando el principio de filtración

secuencial. La unidad de filtros en serie fue de cara descubierta, en la cual dos

filtros de policarbonato Nuclepore de 47 mm (tamaño de poro de 8 µm y 0,4 µm)

eran utilizados en la recolección del material en suspensión. La unidad de

filtración se encuentra al interior de un contenedor circular provisto de una placa

de retención para la recolección de partículas de tamaño mayor a 10 µm. El

muestreador fue diseñado para operar a una tasa de flujo de 16 l/min (Hopke et

al., 1997). Los elementos metálicos analizados con esta metodología fueron los

siguientes: Pb, Cu, Zn, Cd, Co, Cr, As, Ni, Mg, Mo, Sn, Sb y V (Omstedt et al.,

2005; Johansson et al., 2009). Esta metodología ha sido empleada

satisfactoriamente en estudios previos (p.ej. Ketzel et al., 2003; Gidhagen et al.,

2005; Omstedt et al., 2005; Gietl et al., 2010).

Desde el punto de vista espacial, la metodología fue empleada por Johansson et

al. (2009) para determinar los factores de emisión de elementos metálicos sobre

una superficie viaria con elevada densidad de tráfico en la ciudad de Estocolmo


64

(Suecia). Igualmente, y desde el punto de vista temporal, la metodología fue

utilizada por Johansson et al. (2009) durante un año (12 muestras).

2.5 SÍNTESIS

La revisión bibliográfica muestra que frecuentemente las investigaciones

realizadas acerca de la acumulación y remoción de elementos metálicos viarios no

tienen en cuenta la interacción entre estos dos fenómenos; ignorando la relación

entre los principales condicionantes a tener en cuenta: (i) la deposición

atmosférica total y (ii) la escorrentía superficial viaria.

Las principales variables reportadas por las investigaciones para la evaluación de

la deposición atmosférica metálica sobre las superficies viarias son: la distancia

del área de estudio con respecto a centros poblados e industriales y a superficies

viarias, las actuaciones legislativas para la reducción de elementos metálicos, la

época del año (i.e., verano o invierno), y la velocidad y dirección del viento. Por

otro lado, las variables reportadas para la evaluación del fenómeno de remoción

metálica por la escorrentía superficial viaria son: la tasa y volumen de escorrentía

superficial, la tensión cortante del flujo de agua superficial, la textura, el tipo y las

condiciones de la superficie de rodadura, las características morfométricas de la

cuenca (p.ej. el tiempo de concentración), las características del sistema de

drenaje, la densidad de cubiertas y fachadas de edificaciones, y la cantidad y

granulometría del sedimento viario.

Sin embargo, existe un grupo de variables comunes en la evaluación de los dos

fenómenos (i.e., de deposición y remoción metálica): el volumen, la intensidad y

pH de la precipitación, el período seco previo, el uso del suelo, la velocidad,

densidad y composición del tráfico, la limpieza viaria, y el tipo y cantidad de

vegetación viaria.

Los condicionantes y variables para la evaluación de los metales asociados con el

sedimento viario se clasifican en tres categorías: climática, humana y físico-


65

natural. La Tabla 2.15 presenta los condicionantes y variables identificadas en la

revisión bibliográfica para la evaluación de la contaminación metálica viaria.

Adicionalmente, se presenta la dirección de su correlación con el contenido

metálico.

Tabla 2.15 Categorías, condicionantes y variables utilizadas en la evaluación metálica sobre superficies viarias

Categorías Condicionantes Variables Climática Precipitación (-)a Volumen, intensidad y pH Escorrentía (-) Tasa, volumen, y tensión cortante del

flujo Deposición atmosférica (+) Tasa de deposición seca y húmeda Período seco previo (+) Número de días de tiempo seco Viento (-) Velocidad y dirección Humana Uso del suelo (+) Residencial, comercial e industrial Limpieza viaria (-) Tecnología y frecuencia Tráfico (+) Densidad y composición, y velocidadFísico-natural

Cubiertas de edificaciones (+) Densidad y tipo

Características físicas de la cuenca viaria (+;-)

Tiempo de concentración, estado, textura y tipo de la superficie de rodadura, pendiente viaria, y sistema de drenaje

Cantidad de sedimento (+) Carga y distribución granulométrica Plantas y desechos vegetales (-) Densidad y tipo

a: (-): correlación negativa; (+): correlación positiva

Las metodologías para la evaluación metálica asociada con el sedimento viario a

partir de muestras en superficie han evolucionado con el paso de los años. Se ha

pasado de la metodología de barrido en seco a las metodologías de aspirado en

húmedo. Las metodologías identificadas son: (i) metodología de barrido en seco,

(ii) metodología de aspirado en seco, (iii) metodología de aspirado y barrido en

seco, (iv) metodología de aspirado en húmedo.

La evolución en los métodos de evaluación metálica a partir de muestras en

superficie está principalmente asociada con tres factores: (i) la eficacia en la

recolección de la fracción de menor tamaño, (ii) la cobertura en superficie del

sistema de muestreo, y (iii) el costo del sistema. A partir de lo anterior, la

metodología de aspirado en húmedo es la más eficaz en la recolección de la

fracción más fina del sedimento viario; logrando recolectar tamaños de partícula


66

entre 0,45-300 µm. Esta fracción es la de mayor interés debido a su elevado

contenido de elementos metálicos. Desde el punto de vista de la cobertura en

superficie, las metodologías identificadas no presentan gran diferencia;

empleándose superficies de muestreo entre 0,5-3,0 m2. Superficies de muestreo de

área superior no son utilizadas probablemente debido a que al tratarse de sistemas

mecánico-manuales, el esfuerzo para realizar la recolección del sedimento viario

sería significativo a diferencia de metodologías que utilizan exclusivamente

equipos mecánicos. Sin embargo, la revisión bibliográfica muestra que la

metodología de aspirado en húmedo es la que tiene mayor cobertura en superficie.

Desde el punto de vista económico, la metodología de barrido en seco es la más

empleada en la recolección del sedimento viario debido a su fácil aplicación y

bajo costo.

La literatura disponible donde se exponen metodologías para la evaluación

metálica asociada con el sedimento viario a partir de datos de calidad del aire es

escasa. Las investigaciones más similares se centran en evaluar el contenido

metálico asociado con las partículas viarias en suspensión de tamaño menor o

igual a 10 µm (PM10). En este sentido, las metodologías identificadas: (i) pista

viaria para PM10, (ii) cámara superficial de aspirado para PM10, y (iii) NOx como

trazador de emisiones metálicas viarias; emplean equipos más especializados y

por lo tanto más costosos (p.ej. una pista viaria para PM10), con respecto al grupo

de metodologías de evaluación a partir de muestras en superficie.

Las principales ventajas de las metodologías de evaluación a partir de datos en

suspensión, son (i) la eficacia en la recolección de la fracción más fina (i.e., la

fracción ≤ 10 µm), (ii) una mejor aproximación al fenómeno de suspensión del

sedimento viario, y (iii) la posibilidad de evaluar algunos de los condicionantes de

la acumulación de elementos metálicos (p.ej. la velocidad de conducción, el tipo

de superficie de rodadura y la cantidad de sedimento viario).

Finalmente, la revisión bibliográfica permite ampliar el conocimiento acerca del

comportamiento de los metales pesados asociados con el sedimento depositado


67

sobre las superficies viarias, es útil para el diseño o mejoramiento de las

estructuras de control de la contaminación metálica producto del lavado generado

por la escorrentía viaria, y permite identificar las variables que deben considerarse

en el desarrollo de una metodología para la evaluación de los metales pesados

asociados con el sedimento viario como una herramienta para la gestión de la

escorrentía superficial urbana.

2.6 REFERENCIAS

Aalderink R.H., Van Duin E.H.S., Peels C.E. y Scholten M.J.M., Some characteristics of run-off quality from a separated sewer system in Lelystad, The Netherlands, Proceedings of the Fifth International Conference on Urban Storm Drainage, Y. Iwasa y T. Sueishi, eds., Osaka, Japan, 1990, pp. 427-432.

Adachi K. y Tainosho Y., Characterization of heavy metal particles embedded in tire dust, Environ. Int. 30 (2004), pp. 1009-1017.

Adachi K. y Tainosho Y., Single particle characterization of size-fractionated road sediments, Applied Geochem. 20 (2005), pp. 849-859.

Adetunji M.T., Martins O. y Arowolo T.A., Seasonal variation in atmospheric deposition of nitrate, sulphate, lead, zinc, and copper in southwestern Nigeria, Commun. Soil Sci. Plant Anal., 32 (2001), pp. 65-73.

AI-Rajhi M.A., Seaward M.R.D. y AI-Aamer A.S., Metal levels in indoor and outdoor dust in Riyadh, Saudi Arabia, Environ. Internat. 3 (1996), pp. 315–324. Akan A.O., Pollutant washoff by overland flow, J. Environ. Eng. 113 (1987), pp. 811-

823. Alley W.M., Ellis F.W. y Sutherland R.C., Toward a more deterministic urban runoff-

quality model, Proceedings of the International Symposium on Urban Storm Runoff, M.E. Meadows y R.W. De Vore, eds., Kentucky, USA, 1980, pp. 171-182.

Almeida S.M., Pio C.A., Freitas M.C., Reis M.A. y Trancoso M.A., Source apportionment of atmospheric urban aerosol based on weekdays/weekend variability: Evaluation of road re-suspended dust contribution, Atmos. Envir. 40 (2006), pp. 2058-2067.

Al-Otaibi M.D., Ability evaluation of some tree species to absorb heavy metals in Riyadh City, M.Sc. Thesis, College of Food and Agricultural Sciences, King Saud University, Saudi Arabia, 2008.

Altwicker E.R., Johannes A.H. y Clesceri N.L., Atmospheric deposition to remote receptors II. Temporal and spatial variation of inorganic ion species in precipitation over the ILWAS-network, Water Air Soil Pollut. 28 (1986), pp. 55-70.

Amato F., Pandolfi M., Viana M., Querol X., Alastuey A. y Moreno T., Spatial and chemical patterns of PM10 in road dust deposited in urban environment, Atmos. Envir. 43 (2009), pp. 1650-1659.

American Public Works Association, Water Pollution Aspects of Urban Runoff, Water Pollution Control Research Series WP-20-15, Federal Water Pollution Control Administration, Chicago, EE.UU, 1969.

American Society of Civil Engineers, Design and Construction of Urban Stormwater Management Systems, Manuals and Reports of Engineering Practice, Manual of Practice FD–20, ASCE, eds., Virginia, USA, 1992.


68

Andral M.C., Roger S., Montrejaud-Vignoles M. y Herremans L., Particle size distribution and hydrodynamic characteristics of solid matter carried by runoff from motorways, Wat. Environ. Res. 71 (1999), pp. 398-407.

Aryal R.K. y Lee B.K., Characteristics of suspended solids and micropollutants in first-flush highway runoff, Water Air Soil Pollut. 9 (2009), pp. 339-346.

Asplund R., Mar B.W. y Ferguson J.F., Total suspended solids in highway runoff in Washington State, Environ. Eng. 109 (1983), pp. 778-779.

Ayenimo J.G., Adekunle A.S., Makinde W.O. y Ogunlusi G.O., Heavy metal fractionation in roof run off in Ile-Ife, Nigeria, Int. J. Environ. Sci. Technol. 3 (2006), pp. 221-227.

Azimi S., Rocher V., Garnaud S., Varrault G. y Thevenot D.R., Decrease of atmospheric deposition of heavy metals in an urban area from 1994 to 2002 (Paris, France), Chemosphere 61 (2005), pp. 645–651.

Baird C. y Jennings M., Characterization of nonpoint sources and loadings to the Corpus Christi Bay, National Estuary Program Study Area, Texas Natural Resource Conservation Commission, Texas, EE.UU, 1996.


Banerjee A.D.K., Heavy metal levels and solid phase speciation in street dusts of Delhi, India, Environ. Pollut. 123 (2003), pp. 95-105.

Bannerman R., Baun K., Bohn M., Hughes P.E. y Graczyk D.A., Evaluation of urban nonpoint sources pollution management in Milwaukee County, Wisconsin-Volume I, Urban stormwater characteristics, constituent sources, and management by street sweeping: Chicago, U.S. Environmental Protection Agency, PB 84-114164, National Technical Information Service, eds., Springfield, USA, 1983.

Bannerman R., Sources of Urban Stormwater Pollutants Defined in Wisconsin, Tech. Note 15, Watershed Protec. Tech. 1 (1994), pp. 30-31.

Bannerman R.T, Sweeping water clean, American Sweeper Magazine, 7 (1999), 4 p. Bannerman R.T., Owens D.W., Dodds R.B. y Hornewer N.J., Sources of pollutants in

Wisconsin stormwater, Water Sci. Technol. 28 (1993), pp. 241-259. Barkdoll M.P., Overton D.E. y Betson R.P., Some effects of dustfall on urban stormwater

quality, Water Pollut. Control Fed. 49 (1977), pp. 1976-1984. Barrett M.E., Zuder R.D., Collins E.R., Malina J.F., Charbeneau R.J. y Ward G.H., A

review and evaluation of the literature pertaining to the quality and control of pollution from highway runoff and construction, Rep. No. CRWR 239, Center for Research in Water Resources, Texas University, Austin, USA, 1995.

BCI, Can street sweeping reduce stormwater management costs? BCI Engineer and Scientists Inc., eds., Lakeland, Florida, USA, 1997.

Beamish R.J. y Van Loon J.C., Precipitation loading of acid and heavy metals to a small acid lake near Sudbury, Ontario, Fish. Res. Board Can. 34 (1977), pp. 649-658.

Beckwith P.R., Ellis J.B. y Revitt D.M., Oldfield F., Phys. Earth Planet Inter. 42 (1986), pp. 67-75.

Bender G.M. y Terstriep M.L., Effectiveness of street sweeping in urban runoff pollution control, Sci. Total Environ. 33 (1984), pp. 185-192.

Bendient P.B., Harned D.A. y Characklis W.C., Stormwater analysis and prediction in Houston, J. Environ. Eng. 104 (1978), pp. 1087-1100.

Berbee R., Rijs G., Brouwer R. y Velzen L., Characterization and treatment of runoff from highways in the Netherlands paved with impervious and pervious asphalt, Wat. Environ. Res. 71 (1999), pp. 183-190.

Bian B. y Zhu W., Particle size distribution and pollutants in road-deposited sediments in different areas of Zhenjiang, China, Environ. Geochem. Health 31 (2009), pp. 511-520.


69

Birch G.F. y Scollen A., Heavy metals in road dust, gully pots and parkland soils in a highly urbanized sub-catchment of Port Jackson, Australia, Au. J. Soil Res. 41 (2003), pp. 1329-1342.

Boller M., Regenwasser auf neuen Wegen, eawag news 44D (1998), pp. 6-11. Boller M.A. y Steiner M., Diffuse emission and control of copper in urban surface runoff,

Water Sci. Technol. 46 (2002), pp. 173-181. Bradford W.L., Urban stormwater pollutant loadings: A statistical summary through

1972, Wat. Pollut. Control Fed. 49 (1977), pp. 613-622. Breault R.F., Smith K.P., Sorenson J.R., Residential street dirt accumulation rates and

chemical composition, and removal efficiencies by mechanical and vacuum type sweepers, New Bedford, Massachusetts, 2003-04, Report 2005-5184, USGS Scientific Investigations, eds., Massachusetts, USA, 2005.

Brezonik P.L. y Stadelmann T.H., Analysis and predictive models of stormwater runoff volumes, loads, and pollutant concentrations from watersheds in the Twin Cities metropolitan area, Minnesota, USA, Water Res. 36 (2002), pp. 1743-1757.

Bris F.J., Garnaud S., Apperry N., Gonzalez A., Mouchel J.M., Chebbo G. y Thevenot D.R., A street deposit sampling method for metal and hydrocarbon contamination assessment, Sci. Total Environ. 235 (1999), pp. 211-220.

Buffleben M.S., Zayeed K., Kimbrough D., Stenstrom M.K. y Suffet I.H., Evaluation of urban non-point source runoff of hazardous metals entering Santa Monica Bay, California, Water Sci. Tech. 45 (2002), pp. 263-268.

Cawse P.A., Survey of atmospheric trace elements in the United Kingdom: Results for 1974, Rep. No. 8308, Atomic Energy Research Establishment, Harwell, England, 1975.

Chan W.H., Ro C.U., Lusis M.A. y Vet R.J., Impact of the INCO nickel smelter emissions on precipitation quality in the Sudbury area, Atmos. Environ. 16 (1982), pp. 801-814.

Characklis W.G., Ward C.H., King J.M. y Roe F.L., Rainfall quality, land use, and runoff quality, J. Environ. Eng. 105 (1979), pp. 416-419.

Charbeneau R.J. y Barrett M.E., Evaluation of methods for estimating stormwater pollutant load, Water Environ. Res. 70 (1998), pp. 1295-1302.

Choe J.S., Bang K.W. y Lee J.H., Characterization of surface runoff in urban areas, Water Sci. Technol. 45 (2002), pp. 249-254.

Christensen E.R. y Guinn V.P., Zinc from automobile tires in urban runoff, J. Environ. Eng. 105 (1979), pp. 165-168.

Christoforidis A. y Stamatis N., Heavy metal contamination in street dust and roadside soil along the major national road in Kavala's region, Greece, Geoderma 151 (2009), pp. 257-263.

Chui T.W., Mar B.W. y Horner R.R., Pollutant loading model for highway runoff, J. Environ. Eng. 108 (1982), pp. 1193-1210.

Cole R.H., Frederick R.E., Healy R.P. y Rolan R.G., Preliminary findings of the priority pollutant monitoring project of the nationwide urban runoff program, Water Pollut. Control Fed., 56 (1984), pp. 898-908.

Coleman T.J., A comparison of the modeling of suspended solids using SWMM3 quality prediction algorithms with a model based on sediment transport theory, Proceedings of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 790-795.

Constantini S. y Demetra V., Size distribution of airborne particulate matter and associated heavy metals in the roadside environment, Chemosphere 59 (2005), pp. 1197-1206.

Dahl A., Gharibi A., Swietlicki E., Gudmundsson A., Bohgard M., Ljungman A.M. Blomqvist G. y Gustafsson M., Traffic-generated emissions of ultrafine particles from pavement-tire interface, Atmos. Envir. 40 (2006), pp. 1314-1323.


70

Davis A.P., Shokouhian M. y Ni S., Loading estimates of lead, copper, cadmium, and zinc in urban runoff from specific sources, Chemosphere 44 (2001), pp. 997-1009.

Davis A.P., Shokouhian M. y Ni S., Loading estimates of lead, copper, cadmium, and zinc in urban runoff from specific sources, Chemosphere 44 (2001), pp. 997-1009.


Deletic A., The first flush load of urban surface runoff, Water Res. 32 (1998), pp. 2462-2470.

Deletic A.B. y Maksimovic C.T., Evaluation of water quality factors in storm runoff from paved areas, J. Environ. Eng. 124 (1998), pp. 869-879.

Dempsey B.A., Tai Y.L. y Harrison S.G., Mobilization and removal of contaminants associated with urban dust and dirt, Wat. Sci. Technol. 28 (1993), pp. 225-230.

Desbordes M. y Servat E., Transport model over urban catchment surface regarding TSS, BOD5, and COD, Urban storm water quality, planning and management, Proceeding of the Fourth International Conference on Urban Storm Drainage, W. Gujer y V. Krejci, eds., Laussanne, Switzerland, 1987, pp. 75-76.

Dixon L.K., Heyl M.G. y Murray S., Interpretation of bulk atmospheric deposition and stormwater quality data in the Tampa Bay Region, Report No. 04-98, Tampa Bay Estuary Program, Tampa Bay Regional Planning Council, Mote Marine Laboratory, eds., Tampa, USA, 1998.

Dong A., Chesters G. y Simsiman G.V., Metal composition of soil, sediments and urban dust and dirt samples from the Menomonee River watershed, Wisconsin, USA, Water Air Soil Pollut. 22 (1984), pp. 257-275.

Dong A., Simsiman G.V. y Chesters G., Particle-size distribution and phosphorous levels in soil, sediment, and urban dust and dirt samples from the Menomonee River watershed, Wisconsin, USA, Wat. Res. 17 (1983), pp. 569-577.

Drapper D., Tomlinson R. y Williams P., Pollutant concentrations in road runoff: Southeast Queensland case study, J. Environ. Eng. 126 (2000), pp. 313-319.

Driscoll E.D. y Strecker E.W., Assessment of BMPs being used in the U.S. and Canada, Proceeding of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 945-950.

Driscoll E.D., Shelley P.E. y Strecker E.W., Pollutant loadings and impacts from highway stormwater runoff, Volume III: Analytical investigation and research report, Publication No. FHWA-RD-88-008, Federal Highway Administration, Washington D.C., USA, 1990.

Droppo L.G., Irvine K.N., Murphy T.P. y Jaskot C., Fractionated metals in street dust of a mixed land use sewershed, Hamilton, Ontario, Hydrology in a Changing Environment, British Hydrological Society, eds., London, United Kingdom, 1998, pp. 383-394.

Duncan H.P., A review of urban storm water quality processes, Rep. No. 95/9, Cooperative Research Centre for Catchment Hydrology, Melbourne, Australia, 1995.

Duong T.T y Lee B.K., Determining contamination level of heavy metals in road dust from busy traffic areas with different characteristics, J. Environ. Manage. 92 (2011), pp. 554-62.

Ebbert J.C. y Wagner R.J., Contributions of rainfall to constituent loads in storm runoff from urban catchments, Water Resour. Bull. 23 (1987), pp. 867-871.

Egodawatta P. y Goonetilleke A., Characteristics of pollution build-up on residential road surfaces, the 7th International conference on hydroscience and engineering (ICHE 2006), Piasecki M., Wang S.S.Y., Holz K.P., Kawahara M., Gonzalez A., Beran B., eds., Philadelphia, USA, 10 p., 2006.

Ellis H. y Bowman M., Critical loads and development of acid rain control options, J. Environ. Eng., 120 (1994), pp. 273-290.


71

Ellis J.B. y Revitt D.M., Incidence of heavy metals in street surface sediments: solubility and grain size studies, Water Air Soil Pollut. 17 (1982), pp. 87-100.

Ellis J.B., Hamilton R. y Roberts A.H., Composition of suspended solids in urban stormwater, Urban storm quality, management, and planning, Proceedings of the Second International Conference on Urban Storm Drainage, Water Resources Publications, B.C. Yen, eds., Colorado, USA, 1981, pp. 184-190.

Ellis J.B., Harrop D.O. y Revitt D.M., Hydrological controls of pollutant removal from highway surfaces, Water Res. 20 (1986), pp. 589-595.

Ellis J.B., The characterization of particulate solids and quality of water discharged from an urban catchment, Effects of Urbanization and Industrialization on the Hydrological Regime and on Water Quality, Proceedings of the Amsterdam Symposium, Adlard & Son Ltd, Bartholomew, eds., Surrey, United Kingdom, 1977, pp. 283-291.

Ellis J.B., The nature and sources of urban sediments and their relation to water quality: A case study from north-west London, Man’s impact on the hydrological cycle in the United Kingdom, G.E. Hollis, Geo Abstracts Ltd, eds., Norwich, United Kingdom, 1979, pp. 199-216.

Essumang D.K., Dodoo D.K., Obiri S. y Oduro B.A.K., Analysis of vehicular fallouts from traffic in the Kumasi Metropolis, Ghana, Bull. Chem. Soc. Ethiop. 20 (2006), pp. 9-15.

Evans K.M., Gill R.A. y Robotham P.W.J., The PAH and organic content of sediment particle size fractions, Water Air Soil Pollut. 51 (1990), pp. 13-31.

Faiz Y., Tufail M., Tayyeb Javed M., Chaudhry M.M. y Naila-Siddique, Road dust pollution of Cd, Cu, Ni, Pb and Zn along Islamabad Expressway, Pakistan, Microchem. J. 92 (2009), pp. 186-192.

Faller M. y Richner P., Umwelteinflüsse auf Werkstoffe, Chimia 52 (1998), pp. 177-181. Fergusson J.E. y Ryan D., The elemental composition of street dust from large and small

urban areas related to city type, source and particle size, Sci. Total Environ. 34 (1984), pp. 101-116.

Flanders P.J., Collection, measurement, and analysis of airborne magnetic particulates from pollution in the environment, J. Appl. Physics 75 (1994), pp. 5931-5936.

Fletcher I.J., Pratt C.J. y Elliott G.E.P., An assessment of the importance of roadside gully pots in determining the quality of storm water runoff, Urban Storm Drainage, Proceedings of the International Conference held at the University of Southampton, P.R. Helliwell, Pentech, eds., Southamptom, United Kingdom, 1978, pp. 586-602.

Forster J., Patterns of runoff contamination and their potential implications on practice and regulation of treatment and local infiltration, Wat. Sci. Technol. 33 (1996), pp. 39-48.

Forster J., Roof runoff: A source of pollutants in urban storm drainage systems?, Proceedings of the Fifth International Conference on Urban Storm Drainage, Osaka, Japan, Y. Iwasa y T. Sueishi, eds., 1990, pp. 469-474.

Forster J., The influence of atmospheric conditions and storm characteristics on roof runoff pollution: Studies with an experimental roof system, Proceedings of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 411-416.

Forti M.C., Bicudo D.C., Bourotte C., Cicco V. y Arcoba F.C.S, Rainfall and troughfall chemistry in the Atlantic forest: a comparison between urban and natural areas (Sao Paulo State, Brazil), Hydrol. Earth Syst. 9 (2005), pp. 570-585.

Freud A.P. y Johnson C.D., Comparison and relationships of stormwater quality and basin characteristics: Madison, Wisconsin, Proceeding of the International Symposium on Urban Storm Runoff,, M.E. Meadows y R.W. De Vore, eds., Kentucky, USA, 1980, pp. 143-156.


72

Friedland A.J., Johnson A.H. y Siccama T.G., Zinc, Cu, Ni and Cd in the forest floor in the Northeastern United States, Water Air Soil Pollut. 29 (1986), pp. 233-243.

Furumai H., Balmer H. y Boller M., Dynamic behavior of suspended pollutants and particle size distribution in highway runoff, Wat. Sci. Tech. 46 (2002), pp. 413-418.

Galloway J.N., Eisenreich S.J. y Scott B.C., Toxic substances in atmospheric deposition: A review and assessment, Report EPA No. 560/5-80-001, Environmental Protection Agency, US.EPA, Washington D.C., USA, 1982.

Galloway M.J., Laffan S.W. y Smith P.G., Urban stormwater pollutant loads and treatment success in three Sydney sub-catchments, Water 33 (2006), pp. 67-70.

Gatz D.F. y Chu, L.C., Metal solubility in atmospheric deposition, Toxic metals in atmosphere, J.O. Nriagu y C.I. Davidson, Wiley Interscience, eds., New York, USA, 1986, pp. 391-408.

Gavens A., Revitt D.M. y Ellis J.B., Sedimentary aliphatic hydrocarbons of an urban stormwater receiving basin, Urban storm quality, management, and planning, Proceedings of the Second International Conference on Urban Storm Drainage, B.C. Yen, eds., Water Resources Publications, Colorado, USA, pp. 79-88.

Gehrig R., Zeyer K., Bukowiecki N., Lienemann P., Poulikakos L.D., Furger M. y Buchmann B., Mobile load simulators - A tool to distinguish between the emissions due to abrasion and resuspension of PM10 from road surfaces, Atmos. Envir. 44 (2010), pp. 4937-4943.

German J. y Svensson G., Metal content and particle size distribution of street sediments and street sweeping waste, Water Sci. Technol. 46 (2002), pp. 191-198.

Gidhagen L., Johansson C., Langner J. y Foltescu V., Urban scale modeling of particle number concentration in Stockholm, Atmos. Envir. 39 (2005), pp. 1711-1725.

Gietl J.K., Lawrence R., Thorpe A.J. y Harrison R.M., Identification of brake wear particles and derivation of a quantitative tracer for brake dust at a major road, Atmos. Envir. 44 (2010), pp. 141-146.

Gnecco I., Berretta C., Lanza L.G. y La-Barbera P., Storm water pollution in the urban environment of Genoa, Italy, Atmos. Res. 77 (2005), pp. 60-73.

Gobel P., Dierkes C. y Coldewey W.C., Storm water runoff concentration matrix for urban areas, J. Contam. Hydrol. 91 (2007), pp. 26-42.

Golomb D., Ryan D., Eby N., Underhill J. y Zemba S., Atmospheric deposition of toxic onto Massachusetts Bay-I. Metals, Atmos. Environ. 31 (1997), pp. 1349-1359.

Good J.C., Roof runoff as a diffuse source of metals and aquatic toxicity in storm water, Wat. Sci. Technol. 28 (1993), pp. 317-321.

Goonetilleke A., Egodawatta P.K. y Kitchen B., Evaluation of pollutant build-up and wash-off from selected land uses at the Port of Brisbane, Australia, Marine Pollut. Bull. 58 (2009), pp. 213-221.

Gromaire-Mertz M.C., Garnaud S., Ahyerre M. y Chebbo G., The quality of street cleaning waters: comparison with dry and wet weather flows in a Parisian combined sewer system, Urb. Wat. 2 (2000), pp. 39-46.

Gromaire-Mertz M.C., Garnaud S., Gonzalez A. y Chebbo G., Characterization of urban runoff pollution in Paris, Wat. Sci. Technol. 39 (1999), pp. 1-8.


Guan D.S. y Peart M.R., Heavy metal concentrations in plants and soils at roadside locations and parks of urban Guangzhou, J. Environ. Sci. 18 (2006), pp. 495-502.

Gustafsson M., Blomqvist G., Gudmundsson A., Dahl A., Swietlicki E., Bohgard M., Lindbom J. y Ljungman A., Properties and toxicological effects of particles from the interaction between tyres, road pavement and winter traction material, J. Sci. Total Envir. 393 (2008), pp. 226-240.

Habibi K., Characteristics of particulate matter in vehicle exhaust, Environ. Sci. Technol. 7 (1973), pp. 223-234.


73

Hajas L., Boggs D.B., Shuckrow A.J. y Quimpo R.G., Projecting urban runoff flows and loads, J. Environ. Eng. 104 (1980), pp. 1149-1163.

Hallberg M., Renman G. y Lundbom T., Seasonal variations of ten metals in highway runoff and their partition between dissolved and particulate matter, Water Air Soil Pollut. 181 (2007), pp. 183-191.

Halverson H.G, DeWalle D.R. y Sharpe W.E., Contribution of precipitation to quality of urban storm runoff, Water Resour. Bull. 20 (1984), pp. 859-864.

Halverson H.G., DeWalle D.R. y Sharpe W.E., Contribution of precipitation to quality of urban storm runoff, Water Resour. Bull. 20 (1984), pp. 859-864.

Han’e L., Bingtao L. y Shengfang L., Effect of urban traffic environment on roadside trees, Chin. J. Appl. Environ. Biol. 4 (2005), pp. 435-439.

Hares R.J. y Ward N.I., Comparison of the heavy metal content of motorway stormwater following discharge into wet biofiltration and dry detention ponds along the London Orbital (M25) motorway, Sci. Total Environ. 235 (1999), pp. 169-178.

Harned D.A., Effects of highway runoff on streamflow and water quality in the sevenmile creek basin, a rural area in the Piedmont Province of North Carolina, Paper 2329, USGS Water Supply, North Carolina, USA, 1988.

Harrison P.R., Perry R. y Wellings R., Lead and cadmium in precipitation: their contribution to pollution, J. Air Pollut. Control Assoc. 25 (1975), pp. 627-630.

Harrison R. M. y Wilson S.J., The chemical composition of highway drainage waters, Sci. Total Environ. 43 (1985), pp. 63-77.

Hartigan J.P., Lumb A.M., Smullen J.T., Grizzard T.J. y Alcivar P.A., Calibration of urban nonpoint pollution loading models, Verification of mathematical and physical models in hydraulic engineering, Preceedings of the 26th Annual Hydraulics Division Specialty Conference, Hydraulics Division, ASCE, eds., New York, USA, 1978, pp. 363-372.

Helsel D.R., Kim J.I., Grizzard T.J., Randall C.W. y Hoehn R.C., Land use influences on metals in storm drainage, J. Water Pollut. Control Fed. 51 (1979), pp. 709-717.

Hendry C.D. y Brezonik P.L., Chemistry of precipitation at Gainesville, Florida, Environ. Sci. Tech. 14 (1980), pp. 843-849.

Herngren L., Goonetilleke A. y Ayoko G.A., Analysis of heavy metals in road-deposited sediments, Anal. Chim. Acta, 571 (2006), pp. 270-278.

Herrmann R., Daub J. y Forster J., Reactions and transport behavior of trace organics (polycyclic aromatic hydrocarbons, chlorinated and volatile chlorinated hydrocarbons, nitrophenols) during road and roof runoff, Proceedings of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 405-410.

Hewitt C.N. y Rashed M.B., Removal rates of selected pollutants in the runoff waters from a major rural highway, Wat. Res. 26 (1992), pp. 311-319.

Hicks B., McMillen R., Turner R.S., Holdren G.R. y Strickland T.C., A national critical loads framework for atmospheric deposition effects assessment: III. Deposition characterization, Environ. Manage. 17 (1993), pp. 343-353.

Hodge V., Johnson S.R. y Goldberg E.D., Influence of atmospherically transported aerosols on surface ocean water composition, Geochem. J. 12 (1978), pp. 7-20.

Hoffman E.J., Latimer J.S., Mills G.L. y Quinn J.G., Petroleum hydrocarbons in urban runoff from commercial land use area, J. Water Pollut. Control Fed. 54 (1982), pp. 1517-1525.

Hoffman E.J., Mills G.L., Latimer J.S. y Quinn J.G., Urban runoff as a source of polycyclic aromatic hydrocarbons to coastal waters, Environ. Sci. Technol. 18 (1984), pp. 580-587.

Hontoria E.J., Establecimiento de un modelo de descontaminación por lavado en las calzadas urbanas, Rev. Ob. Pub. 3247 (1986), pp. 465-469.


74

Hopke P.K., Xie Y., Raunemaa T., Biegalski S., Landsberger S., Maenhaut W., Artaxo P. y Cohen D., Characterization of the gent stacked filter unit PM10 sampler, Aerosol Sci. Tech. 27 (1997), pp. 726-735.

Horkeby B. y Malmquist P., Microsubstances in urban storm water, Effects of urbanization and industrialization on the hydrological regime and on water quality, Proceedings of the Amsterdam Symposium, Adlard & Son Ltd, Bartholomew, eds., Surrey, United Kingdom, 1977, pp. 252-264

Horner R.R., Skupien J.J., Livingston E.H. y Shaver H.E., Fundamentals of urban runoff management: Technical and institutional issues, Terrene Institute, eds., Washington D.C., USA, 1994.

Huber W.C., Modeling urban runoff quality: State of the Art, Urban runoff quality-impact and quality enhancement technology, Proceedings of an Engineering Foundation Conference, B. Urbonas, y L.A. Roesner, eds., ASCE Publications, Henniker, New Hampshire, New York, USA, 1986, pp.34-48.

Hudson N., Soil Conservation, B.T. Batsford Ltd, eds., London, 1971. Hunt A., Jones J. y Oldfield F., Magnetic measurements and heavy metals in atmospheric

particulates of anthropogenic origin, Sci. Total Environ. 33 (1984), pp. 129-139. Hunter J.V., Sabatino T., Gomperts R. y Mackenzie M.J., Contribution of urban runoff to

hydrocarbon pollution, Wat. Pollut. Control Fed. 51 (1979), pp. 2129-2138. Ichikawa A., Estimation of nonpoint source loading, Urban stormwater quality,

management and planning, Proceedings of the Second International Conference on Urban Storm Drainage, B.C. Yen, Water Resources Publications, eds., Colorado, USA, 1981, pp. 585-586.

Ichiki A., Yamada K. y Nakade Y., Study on quantification and management of runoff pollutants from nonpoint sources in urban area, Proceedings of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 537-542.

Inaba K., Extent of pollution by stormwater overflows and measures for its control, Advances in Water Pollution Research, Proceedings of the Fifth International Conference, S.H. Jenkins, Pergamon, eds., San Francisco, USA, pp. HA-8/1-HA-8/7.

Institut Cerdà, Manual de minimización de residuos y emisiones industriales, Buenas prácticas, , Agencia de Medio Ambiente, Ingoprint S.A., eds., Madrid, España, 1992.

James W. y Shivalingaiah B., Continuous mass balance of pollutant build-up processes, Urban runoff pollution, H.C. Torno, J. Marsalek y M. Desbordes, Springer-Verlag, eds., Berlin, Germany, 1986, pp. 243-271.

Johansson C., Norman M. y Burman L., Road traffic emission factors for heavy metals, Atmos. Envir. 43 (2009), pp. 4681-4688.

Kapitza H. y Eppel D.P., A case study in atmospheric lead pollution of North German Coastal Regions, J. Appl. Meteorol. 39 (2000), pp. 576-588.

Ketzel M., Wåhlin P., Berkowicz R. y Palmgren F., Particle and trace gas emission factors under urban driving conditions in Copenhagen based on street and roof-level observations, Atmos. Envir. 37 (2003), pp. 2735-2749.

Kidwell-Ross R., Port of Seattle Commissions Sweeping Study, Am. Sweep. 6 (1998), pp. 18-19.

Kim D.S., An K.G. y Kim K.H., Heavy metal pollution in the soils of various land use types based on physicochemical characteristics, Environ. Sci. Health 38 (2003), pp. 839-853.

Kim L.H., Zoh K.D., Jeong S.M., Kayhanian M. y Stenstrom M.K., Estimating pollutant mass accumulation on highways during dry periods, J. Environ. Eng. 132 (2006), pp. 985-993.

Kobriger N.K. y Geinopolos A., Sources and migration of runoff pollutants, Rep. No. FHWA-RD-84-059, United States Federal Highway Administration, Washington D.C., 1984.


75

Konno H. y Nonomura S., Sediment discharge on land grading areas in Kohoku, Japan, Urban stormwater quality, management, and planning, Proceeding of the Second International Conference on Urban Storm Drainage, Water Resources Publications, B.C. Yen, eds., Colorado, USA, 1981, pp. 209-217.

Kupiainen K., Road dust from pavement wear and traction sanding, Monographs of the Boreal Environment Research, No. 26, Finnish Environment Institute, Helsinki, Finland, 45 p., 2007.

Lau S.L. y Stenstrom M.K., Metals and PAHs adsorbed to street particles, Wat. Res. 39 (2005), pp. 4083-4092.

Lazaro T.R., Urban hidrology. A multidisciplinary perspective, Technomic Publisching Company Inc., Pennsylvania, USA, 1990.

LeBouthillier D.W., Kells J.A. y Putz G.J., Prediction of Pollutant Load in Stormwater Runoff from and Urban Residential area, Can. Wat. Resour. J. 25 (2000), pp. 343-359.

Lee J.H., Bang K.W., Ketchum L.H., Choe J.S. y Yu M.J., First flush analysis of urban storm runoff, Sci. Total Environ. 293 (2002), pp. 163-175.

Legret M. y Pagotto C., Heavy metal deposition and soil pollution along two major rural highways, Environ. Technol. 27 (2006), pp. 247-254.

Li L.Q., Yin C.Q., Kong L.L. y He Q.C., Effect of antecedent dry weather period on urban storm runoff pollution load, Huan Jing Ke Xue 28 (2007), pp. 2287-2293.

Liebens J., Heavy metal contamination of sediments in stormwater management systems: the effect of land use, particle size, and age, Environ. Geol. 41 (2001), pp. 341-351.

Lim J.H., Sabin L.D., Schiff K.C. y Stolzenbach K.D., Concentration, size distribution, and dry deposition rate of particle-associated metals in the Los Angeles region, Atmos. Environ. 40 (2006), pp. 7810-7823.

Lua X., Wanga L., Li L.Y., Lei K., Huanga L. y Kang D., Multivariate statistical analysis of heavy metals in street dust of Baoji, NW China, J. Hazardous Materials 173 (2010), pp. 744-749.

MacNeill B.J., Waller D.H. y Hart W.C., Effects of development on erosion and sedimentation in the Halifax urban watersheds program, Canadian Research Basins: Successes, Failures and Future, Proceedings of the Canadian Hydrology Symposium No. 17, Alberta, Canada, pp. 283-285.

Malmquist P. y Svensson G., Urban storm water pollutant sources, Effects of Urbanization and Industrialization on the Hydrological Regime and on Water Quality, Proceeding of the Amsterdam Symposium, Adlard & Son Ltd, Bartholomew, eds., Surrey, United Kingdom, 1977, pp. 31-38.

Malmquist P., Atmospheric fallout and street cleaning – effects on urban storm water and snow, Prog. Water Tech. 10 (1978), pp. 495-505.

Mangani G., Berloni A., Bellucci F., Tatàno F. y Maione M., Evaluation of the pollutant content in road runoff first flush waters, Water Air Soil Pollut. 160 (2005), pp. 213-228.

Mangani G., Berloni A., Bellucci F., Tatàno F., y Maione M., Evaluation of the pollutant content in road runoff first flush waters, Water Air Soil Pollut. 160 (2005), pp. 213-228.

Marsalek J., Pollution due to urban runoff: Unit 1oads and abatement measures, National Water Research Institute, Center for Inland Waters, eds., Ontario, Canada, 1978.

Massadeh A.M., Jaradat Q.M., Momani K.A. y Saleem M.A., Distribution of heavy metals in some tree leaves along the main road in an agricultural area, Commun. Soil Sci. Plant Anal. 40 (2009), pp. 1254-1267.

Matzka J. y Maher B.A., Magnetic biomonitoring of roadside tree leaves: identification of spatial and temporal variations in vehicle-derived particulates, Atmos. Envir. 33 (1999), pp. 4565-4569.


76

Mayer R. y Ulrich B., Calculation of deposition rates from the flux balance, Deposition of atmospheric pollutants, H.W. Georgii y J. Pankrath, D. Reidel Publ. Co., eds., Dordrecht, Holland, 1982, pp. 195-200.

McKenzie D.J. y Irwin G.A., Water-quality assessment of stormwater runoff from a heavily used urban highway bridge in Miami, Florida, Report No. 83-4153, USGS, Water Resources Investigations, Menlo Park, California, USA, 1983.

Meister J.F. y Kefer S., Stormwater quality from an urbanizing watershed, Urban stormwater quality, management, and planning, Proceeding of the Second International Conference on Urban Storm Drainage, Water Resources Publications, B.C. Yen, eds., Colorado, USA, 1981, pp. 69-78.

Mineart P. y Singh S., Storm inlet pilot study, Alameda County Urban Runoff Clean Water Program Woodward-Clyde Consultants, eds., Oakland, USA, 1994.

Mingkui Z. y Hao W., Concentrations and chemical forms of potentially toxic metals in road-deposited sediments from different zones of Hangzhou, China, J. Environ. Sci. 21 (2009), pp. 625-631.

Muller J. y Bielke S., Wet removal of heavy metals from the atmosphere, International Conference on Heavy Metals in the Environment, Symposium Proceedings, University of Toronto, Canada, 1975, pp. 987-999.

Murakami M., Nakajima F., Furumai H., Tomiyasu B. y Owari M., Identification of particles containing chromium and lead in road dust and soakaway sediment by electron probe microanalyser, Chemosphere 67 (2007), pp. 2000-2010.

Muschack W., Pollution of street run-off by traffic and local conditions, Sci. Total Environ. 93 (1990), pp. 419-431.

Ng H.Y.F., Rainwater contribution to the dissolved chemistry of storm runoff, Urban storm water quality, planning and management, Proceedings of the Fourth International Conference on Urban Storm Drainage, W. Gujer y Krejci, eds., Lausanne, Switzerland, pp. 21-26.

Nicholson K.W., A review of particle resuspension, Atmos. Envir. 22 (1988), pp. 2639-2651.

Nie F.H., Li T., Yao H.F., Feng M. y Zhang G.K., Characterization of suspended solids and particle-bound heavy metals in a first flush of highway runoff, J. Zhejiang Univ. 9 (2008), pp. 1567-1575.

Novotny V. y Kincaid G.W., Acidity of urban precipitation and its buffering during overland flow, Urban Stormwater Quality, management, and Planning, Proceeding of the Second International Conference on Urban Storm Drainage, B.C. Yen, Water Resources Publications, eds., Colorado, USA, 1981, pp. 1-9.

Novotny V., Sung H.M., Bannerman R. y Baum K., Estimating nonpoint pollution from small urban watersheds, J. Water Pollut. Control Fed. 57 (1985), pp. 339-348.

Novotny V., Sung H.M., Bannerman R. y Baum K., Estimating nonpoint pollution from small urban watersheds, J. Water Pollut. Control Fed. 57 (1985), pp. 339-348.

Oesch S. y Heimgartner P., Environmental effects on metallic materials – Results of an outdoor exposure program running in Switzerland, Materials Corrosion 47 (1996), pp. 425-438.

Omstedt G., Johansson C. y Bringfelt B., A model for vehicle induced nontailpipe emissions of particles along Swedish roads, Atmos. Envir. 39 (2005), pp. 6088-6097.

Owe M., Craul P.J. y Halverson H.G., Contaminant levels in precipitation and urban surface runoff, Water Resour. Bull. 18 (1982), pp. 863-868.

Palmgren T. y Bennerstedt K., Heavy metals in stormwater- content and sources, Proceedings of the Third International Conference on Urban Storm Drainage, P. Balmer, P. Malmquist y A. Sjoberg, eds., Goteborg, Sweden, 1984, pp. 919-928.

Park M.H. y Stenstrom M.K., Geoscience and remote sensing symposium, IGARSS, IEEE Internat. 4 (2008), pp. 597-600.


77

Pechacek L.D., Urban runoff based on land use and particle size, ASCE National Conference on Hydraulic Engineering, Buffalo, USA, 1994, pp. 1242-1246.

Pérez G., López-Mesas M. y Valiente M., Assessment of heavy metals remobilization by fractionation: comparison of leaching tests applied to roadside sediments, Environ. Sci. Technol. 42 (2008), pp. 2309-2315.

Peterson F.M. y Batley G.E., Road runoff and its impact on the aquatic environment: a review, Investigation Report No CET/LH/IR076, Centre for Analytical Chemistry, CSIRO, Lucas Heights, Australia, 1992.

Peyton T., Mclntosh A., Anderson V. y Yost K., Aerial input of heavy metals into an aquatic ecosystem, Water Air Soil Pollut. 5 (1976), pp. 443-451.

Pirrone N. y Keeler G.J., Deposition of trace metals in urban and rural areas in the Lake Michigan basin, Wat. Sci. Tech. 28 (1993), pp. 261-270.

Pitt R., Bannerman R. y Sutherland R., The role of street cleaning in stormwater management, World Water and Environment Congress, American Society of Civil Engineers, eds., Salt Lake City, Utah, USA, 2004, pp. 1-9.

Pitt R., Demonstration of nonpoint pollution abatement through improved street cleaning practices, Rep. No. EPA-600/2-79-161, Unites States Environmental Protection Agency, Cincinnati, USA, 1979.

Poissant L., Page P. y Beron P., Analysis of rainwater quality variability on mesoscale: Case of the Montreal Island, Water Air Soil Pollut. 73 (1994), pp. 363-373.

Polkowska Ż., Skarżyńska K., Dubiella-Jackowska A., Staszek W., Namieśnik J., Evaluation of pollutant loading in the runoff waters from a major urban highway (Gdansk Beltway, Poland), Global NEST J. 9 (2007), pp. 269-275.

Pope W., Graham N.J.D., Young R.J. y Perry R., Urban runoff from a road surface-A water quality study, Prog. Water Tech. 10 (1978), pp. 533-543.

Prada J.M., García J.M., González W., Fiestras M.G., Espada M.I. y Lucas T., Multivariate statistical analysis of precipitation chemistry in Northwesterm Spain, Water Air Soil Pollut. 69 (1993), pp. 37-55.

Prasad D., Henry J.G. y Kovacko R., Pollution potential of autumn leaves in urban runoff, Proceedings of the International Symposium on Urban Storm Runoff, M.E. Meadows y R.W. De Vore, Kentucky, USA, 1980, pp. 197-202.

Pravoshinsky N.A. y Gatillo P.D., Determination of the pollutional effect of surface runoff, Advances in Water Pollution Research, Proceedings of the Fourth International Conference, S.H. Jenkins, Pergamon, eds., Prague, Czech Republic, 1969, pp. 187-203.

Preciado H. y Li L., Evaluation of metal loadings and bioavailability in air, water and soil along two highways of British Columbia, Canada, Water Air Soil Pollut. 172 (2006), pp. 81-108.

Price R.K. y Mance G., A suspended solids model for storm water runoff, Urban storm drainage, Proceedings of the International Conference held at the University of Southampton, P.R. Helliwell, Pentech, eds., United Kingdom, 1978, pp. 546-555.

Prichard H.M., Sampson J. y Jackson M., A further discussion of the factors controlling the distribution of Pt, Pd, Rh and Au in road dust, gullies, road sweeper and gully flusher sediment in the city of Sheffield, UK, J. Sci. Total Envir. 407 (2009), pp. 1715-1725.

Prych E.A. y Ebbert J.C., Effects of street sweeping on runoff quality, Urban storm water quality, planning and management, Proceedings of the Fourth International Conference on Urban Storm Drainage, W. Gujer y V. Krejci, eds., Lausanne, Switzerland, 1987, pp. 53-54.

Quek U. y Forster J., Trace metals in roof runoff, Water Air Soil Pollut. 68 (1993), pp. 373-389.

Querol X., Alastuey A., Ruiz C.R., Artinano B., Hansson H.C., Harrison R.M., Buringh E., Ten Brink H.M., Lutz M., Bruckmann P., Straehl P. y Schneider J., Speciation and


78

origin of PM10 and PM2.5 in selected European cities, Atmos. Envir. 38 (2004), pp. 6547-6555.

Querol X., Alastuey A., Ruiz C.R., Artiñano B., Hansson H.C., Harrison R.M., Buringh E., ten Brink H.M., Lutz M., Bruckmann P., Straehl P. y Schneider J., Speciation and origin of PM10 and PM2.5 in selected European cities, Atmos. Envir. 38 (2004), pp. 6547-6555.

Randall C.W., Grizzard T.J., Helsel D.R. y Griffin D.M., Comparison of pollutant mass loads in precipitation and runoff in urban areas, Urban Stormwater Quality, Management, and Planning, Proceeding of the Second International Conference on Urban Storm Drainage, B.C. Yen, Water Resources Publications, Colorado, USA, 1981, pp. 29-38.

Randall C.W., Helsel D.R., Grizzard T.J. y Hoehn R.C., The impact of atmospheric contaminants on storm water quality in an urban area, Prog. Water Tech. 10 (1978), pp. 417-431.

Reinertsen T.R., Quality of stormwater runoff from streets, Urban stormwater quality, management, and planning, Proceeding of the Second International Conference on Urban Storm Drainage, B.C. Yen, Water Resource Publications, eds., Colorado, USA, 1981, pp. 107-115.

Reinfelder J., Totten L. y Eisenreich E., The New Jersey atmospheric deposition network, Final Report, NJDEP Division of Science, Research and Technology, New Jersey, USA, 2004.

Revitt D.M. y Ellis J.B., Rain water leachates of heavy metals in road surface sediments, Wat. Research 14 (1980), pp. 1403-1407.

Revitt D.M., Ellis J.B. y Oldfield F., Variations in heavy metals of stormwater suspended solids in a separate sewer system, Urban stormwater quality, management, and planning, Proceedings of the Second International Conference on Urban Storm Drainage, B.C. Yen, Water Resources Publications, eds., Illinois, USA, 1981, pp. 49-58.

Robertson D.J. y Taylor K.G., Temporal Variability of Metal Contamination in Urban Road-deposited Sediment in Manchester, UK: Implications for Urban Pollution Monitoring, Water Air Soil Pollut. 186 (2007), pp. 209-220.

Rogge W.F., Hildermann L.M., Mazurek M.A. y Cass G.R., Sources of fine organic aerosol, Road dust, tire debris, and organometallic brake lining dust: Roads as sources and sinks, Environ. Sci. and Tech. 27 (1993), pp. 1892-1904.

Rosselot K., Copper released from brake lining wear in the San Francisco Bay area, Report prepared for the Brake Pad Partnership, State Water Resources Control Board (SWRCB), eds., California, USA, 2006.

Sabin L.D., Limb J.H., Stolzenbachb K.D. y Schiffa K.C., Contribution of trace metals from atmospheric deposition to stormwater runoff in a small impervious urban catchment, Wat. Res. 39 (2005), pp. 3929-3937.

Saget A., Chebbo G. y Bachoc A., Evaluation of urban runoff volume to be treated at the outlet of separately sewered catchments, Wat. Sci. Tech. 25 (1992), pp. 225-232.

Sansalone J.J. y Buchberger S.G., Characterization of solid and metal element distributions in urban highway stormwater, Wat. Sci. Tech. 36 (1997), pp. 8-9.

Sansalone J.J. y Cristina C.M., First flush concepts for suspended and dissolved solids in small impervious watersheds, J. Environ. Eng. 130 (2004), pp. 1301-1314.

Sartor J.D. y Boyd G.B., Water pollution aspects of street surface contaminants, Rep. No. EPA R2-72-081, United States Environmental Protection Agency, Washington D.C., 1972.

Sartor J.D. y Gaboury D.R., Street sweeping as a water pollution control measure: Lessons learned over the past ten years, Sci. Total Environ. 33 (1984), pp. 171-183.

SCAQMD, PM10 emissions from paved and unpaved roads, and livestock operations, Rule 1186, South Coast Air Quality Management District, California, USA, 2004.


79

Schäfer J. y Puchelt H., Platinum-Group-Metals (PGM) emitted from automobile catalytic converters and their distribution in roadside soils, J. Geochem. Explor. 64 (1998), pp. 307-314.

Schauer J.J., Lough G.C, Shafer M.M., Christensen W.F., Arndt M.F., DeMinter J.T. y Park J.-S., Characterization of Metals Emitted from Motor Vehicles, Research Reports, No. 133, The Health Effect Institute, Boston, USA, 86 p., 2006.

Schillinger J.E. y Gannon J.J., Bacterial adsorption and suspended particles in urban stormwater, Wat. Pollut. Control Fed. 57 (1985), pp. 384-389.

Seinfeld J.H. y Pandis S.N., Atmospheric chemistry and physics. From air pollution to climate change, John Wiley & Sons Inc., eds., New York, USA, 1326 p., 1998.

Selbig W.R. y Bannerman R.T., Evaluation of street sweeping as a stormwater-quality-management tool in three residential basins in Madison, Wisconsin, Report 2007–5156, U.S. Geological Survey Scientific Investigations, Virginia, USA, 2007.

Shaheen D.G., Contributions of urban roadway usage to water pollution, Rep. No. EPA 600/2-75-004, United States Environmental Protection Agency, Washington D.C., 1975.

Shelley P.E., Driscoll E.D. y Sartor J.D., Probabilistic characterization of pollutant discharges from highway stormwater runoff, Sci. Total Environ. 59 (1987), pp. 401-410.

Shivalingaiah B. y James W., Algorithms for buildup, washoff, and routing pollutants in urban runoff, Proceedings of the International Conference on urban Storm Drainage, P. Balmer, P. Malmquist y A. Sjoberg, eds., Goteborg, Sweden, 1984, pp. 1445-1455.

Shivalingaiah B. y James W., Storm water pollution modeling: First-order atmospheric dustfall processes that affect runoff quality, Can. J. Civ. Eng. 13 (1986), pp. 95-105.

Shivalingaiah B. y James W., Stormwater pollution modeling: Minor source of pollutants in urban sewer networks, Can. J. Civ. Eng. 14 (1987), pp. 131-134.

Shoemaker L., Lahlou M., Doll A. y Cazenas P., Stormwater best management practices in an ultra-urban setting-Selection and monitoring, Report No. FHWA–EP–00–002, Federal Highway Administration, California, USA, 2000.

Singeisen C. y Boller M., Dachabfluss als Quelle diffuser Kupferbelastungen, Report, AWAG, Duebendorf, Switzerland, 1997.

Siqueira C.B., Acumulação e balanço de sedimentos em superfícies asfálticas em área urbana de Santa Maria-RS, M.Sc. Thesis, Área de Concentração em Recursos Hídricos e Saneamento Ambiental, Universidade Federal de Santa Maria (UFSM, RS), Brasil, 2006.

Smullen J.T., Shallcross A.L. y Cave K.A., Updating the U.S. Nationwide Urban runoff quality data base, Wat. Sci. Tech. 39 (1999), pp. 9-16.

Sonzogni W.C., Chesters G., Coote D.R., Jeffs D.N., Konrad J.C., Ostry R. C. y Robinson J.K., Pollution from land runoff, Environ. Sci. Technol. 14 (1980), pp. 148-153.

Sriananthakumar K. y Codner G.P., Factors affecting pollutant washoff decay coefficient in urban catchments, International Symposium on Urban Stormwater Management, Barton, ACT, Institution of Engineers, eds., Sydney, Australia, 1992, pp. 390-395.

Steiner M., Frenzel I. y Boller M., Untersuchungen zum Kupferabtrag einer Kupferfassade, Report, EAWAG, Duebendorf, Switzerland, 2001.

Steinnes E., Hanssen J.E., Rambaek J.P. y Vogt N.B., Atmospheric deposition of trace elements in Norway: Temporal and spatial trends studied by moss analysis, Water Air Soil Pollut. 74 (1994), pp. 121-140.

Stephenson D. y Wimberley F.R., Stormwater pollution from a developing area in South Africa, Proceeding of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 658-664.



80

Sutherland R.A. y Tolosa C.A., Multi-element analysis of road deposited sediment in an urban drainage basin, Honolulu, Hawaii, Environ. Pollut. 110 (2000), pp. 483-495.

Sutherland R.A., Jelen S.L. y Minton G., High efficiency sweeping as an alternative to the use of wet vaults for stormwater treatment, Advances in modelling the management of stormwater impacts, Computational Hydraulics International, W. James, eds., Guelph, Canada, 1998.

Sutherland R.A., Lead in grain size fractions of road-deposited sediment, Environ. Pollut. 121 (2003), pp. 229-237.

Sutherland R.A., Tack F.M.G., Ziegler A.D. y Bussena J.O., Metal extraction from road-deposited sediments using nine partial decomposition procedures, Applied Geochem. 19 (2004), pp. 947-955.

Sutherland R.C. y Jelen S.L., Contrary to conventional wisdom, street sweeping can be an effective BMP, Advances in modeling the management of stormwater impacts: Guelph, Ontario, Computational Hydraulics International, W. James, eds., 1997, pp. 179-190.

Sutherland R.C., An overview of stormwater quality modeling, Proceedings of the International Symposium on Urban Storm Runoff, M.E. Meadows & R.W. De Vore, eds., Kentucky, USA, 1980, pp. 157-170.

Swaileh K.M., Hussein R.M. y Abu-Elhaj S., Assessment of heavy metal contamination in roadside surface soil and vegetation from the West Bank, Arch. Environ. Contam. Toxicol. 47 (2004), pp. 23-30.

Tai Y.L., Physical and chemical characterization of street dust and dirt from urban areas, MS diss., University Park, Pennsylvania, USA, 1991.

Temprano J. and Tejero I., Detention storage volume for combined sewer overflow into a river, Environ. Technol. 23 (2002), pp. 663-675.

Terrene Institute, A clean sweep now possible: Virginia, Runoff Report, The Terrene Institute, Alexandria, USA, 1998.

Terstriep M.L., Bender G.M. y Noel D.C., Final report – NURP project, Champaign, Illinois: evaluation of the effectiveness of municipal sweeping in the control of urban storm runoff pollution, State Water Survey Division, Illinois Dept. of Energy and Natural Resources, Champaign-Urbana, Illinois, USA, 1982.

Thomas P.R. y Greene G.R., Rainwater quality from different roof catchments, Wat. Sci. Technol. 28 (1993), pp. 291-299.

Thomas W., The atmospheric emission of heavy metals at 14 stations in Bavaria, Federal Republic of Germany, Proceeding International Conference on Heavy Metals in the Environment, CEP Consultants, Edinburgh, Scotland, 1983, pp. 144-147.

Thomson N.R., McBean E.A., Snodgrass W. y Monstrenko I.B., Highway stormwater runoff quality: Development of surrogate parameter relationships, Water Air Soil Pollut. 94 (1997), pp. 307-347.

Thornton J.D. y Eisenreich S.J., Impact of land-use on the acid and trace element composition of precipitation in the north central U.S., Atmos. Environ. 16 (1982), pp. 1945-1955.

Tobin G.A. y Brinkmann R., The effectiveness of street sweepers in removing pollutants from road surfaces in Florida, J. Environ. Sci. Health 37 (2002), pp. 1687-1700.

Torno H.C., The nationwide urban runoff program, Proceedings of the Third International Conference on Urban Storm Drainage, P. Balmer, P. Malmquist y A. Sjoberg, eds., Goteborg, Sweden, 1984, pp. 1465-1474.

Tremolieres M., Deoxygenating effect and toxicity of ground-up dried coniferous needles and deciduous leaves of Canadian trees in water: A preliminary study in comparison with litter of European trees, Water Res. 22 (1988), pp. 21-28.

Tsai P., Hoenicke R., Hansen E. y Lee K., San Francisco Bay atmospheric deposition pilot study Part 2: Trace metals, SFEI Contribution 73, San Francisco Estuary


81

Regional Monitoring Program for Trace Substances, San Francisco Estuary Institute, eds., San Francisco, USA, 2001.

Tucker C.G.J. y Mortimer G.H., The generation de suspended solids loads in urban stormwater, Urban Storm Drainage, Proceeding of the International Conference held at the University of Southamptom, P.R. Helliwell, Pentech, eds., Southamptom, United Kingdom, 1978, pp. 695-704.

Turer D., Effect of non-vehicular sources on heavy metal concentrations of roadside soils, Water Air Soil Pollut. 166 (2005), pp. 251-264.

Turer D., Maynard J.B. y Sansalone J.J., Heavy metal contamination in soils of urban highways comparison between runoff and soil concentrations at Cincinnati, Ohio, Water Air Soil Pollut. 132 (2004), pp. 293-314.

U.S. Environmental Protection Agency, Guidance manual for the preparations of NPDES permit applications for storm water discharges associated with industrial activity, EPA No. 505891002, Office of Wastewater Enforcement and Compliance, Washington, USA, 1991.

U.S. Environmental Protection Agency, Results of the nationwide urban runoff program, Final Report No. PB 84-185552, Water Planning Division, Washington D.C., USA, 1983.

Urbonas B., Summary of stormwater quality management practices, Water resources, planning and management and urban water resources, Proceedings of the 18th Annual Conference and Symposium, American Society of Civil Engineers, J.L. Anderson, eds., New Orleans, Lousiana, 1991, pp. 333-337.

US.EPA, Physical and settling characteristics of particulates in storm and sanitary, Report No. EPA/670/2-75-011, U.S. Environmental Protection Agency, Washington D.C., USA, 1975.

Valiron F. y Tabuchi J.P., Maitrise de la pollution urbaine par temps de pluie, Tec & Doc-Lavoisier, eds., Paris, France, 1992.

Van Bohemen H.D. y Janssen Van de Laak W.H., The influence of road infrastructure and traffic on soil, water and air quality, Environ. Manage. 31 (2003), pp. 50-68.


Vaze J. y Chiew H.S., Particle Size Distribution in Highway Runoff, J. Environ. Eng. 130 (2004), pp. 391-396.

Vermette S.J., Irvine K.N. y Drake J.J., Temporal variability of the elemental composition in urban street dust, Environ. Monit. Assess. 18 (1991), pp. 69-77.

Viklander M., Particle size distribution and metal content in street sediments, J. Environ. Eng. 124 (1998), pp. 761-766.

Vorreiter L. y Hickey C., Incidence of the first flush phenomenon in catchments of the Sydney Region, Water Down Under 3 (1994), pp. 359-364.

Wåhlin P., Berkowicz R. y Palmgren F., Characterisation of traffic-generated particulate matter in Copenhagen, Atmospheric Environment 40 (2006), pp. 2151-2159.

Wanielista M.P., Urban stormwater quality, management, and planing, Proceeding of the Second International Conference on Urban Storm Drainage, B.C. Yen, Water Resources Publications, eds., Colorado, USA, 1981, pp. 539-543.

Weeks C.R., Pollution in urban stormwater runoff, Urban stormwater quality, management, and planning, Proceeding of the Second International Conference on Urban Storm Drainage, Water Resources Publications, B.C. Yen, eds., Colorado, USA, 1981, pp. 39-48.

Wei B. y Yang L., A review of heavy metal contaminations in urban soils, urban road dusts and agricultural soils from China, Microchem. J. 94 (2010), pp. 99-107.

Wei B., Jiang F., Li X. y Mu S., Spatial distribution and contamination assessment of heavy metals in urban road dusts from Urumqi, NW China, Microchem. J. 93 (2009), pp. 147-152.


82

Whipple W., Hunter J.V. y Yu S.L., Effects of storm frequency on pollution from urban runoff, J. Water Pollut. Control Fed. 49 (1977), pp. 2243-2248.

Whipple W., Kropp R. y Burke S., Implementing dual-purpose stormwater detention programs, J. Water Resour. Plann. Manage. 113 (1987), pp. 779-793.

Wiener J.C., Aerial inputs of cadmium, copper, lead, and manganese into a freshwater pond in the vicinity of a coal-fired power plant, Water Air Soil Pollut. 12 (1979), pp. 343-353.

Wright A., The effect of third world type urbanization on stormwater quality in Khayelitsha, South Africa, Proceedings of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 665-669.

Wu J.S., Allan C.J., Saunders W.L. y Evett J.B., Characterization and pollutant loading estimation for highway runoff, J. Environ. Eng. 124 (1998), pp. 584-592.

Xiangdong L., Chi-Sun P. y Pui-Sum L., Heavy metal contamination of urban soils and street dusts in Hong Kong, Applied Geochem. 16 (2001), pp. 1361-1368.

Yamada K., Umehara T. y Ichiki A., Study on statistical characteristics of nonpoint pollutants deposited in urban areas, Water Sci. Technol. 28 (1993), pp. 283-290.

Yang T., Liu Q., Li H., Zeng Q. y Chan L., Anthropogenic magnetic particles and heavy metals in the road dust: Magnetic identification and its implications, Atmospheric Envir. 44 (2010), pp. 1175-1185.

Yaziz M.I., Gunting H., Sapari N. y Ghazali A.W., Variations in rainwater quality from roof catchments, Water Res. 23 (1989), pp. 761-765.

Yee C., Road surface pollution and street sweeping, Report, Environmental Sciences, University of California, Berkeley, USA, 13 p., 2005.

Ylaeranta T., Effect of road traffic on heavy metal concentrations of plants, Agric. Sci. Finl. 4 (1995), pp. 35-48.

Yuan Y., Hall K. y Oldham C., A preliminary model for predicting heavy metal contaminant loading from an urban catchment, Sci. Total Environ. 266 (2001), pp. 299-307.

Zaidi M.I., Asrar A., Mansoor A. y Farooqui M.A., The heavy metal concentration along roadside trees of Quetta and its effects on public health, J. Appl. Sci. 5 (2005), pp. 708-711.

Zanders J.M., Road sediment: characterization and implications for the performance of vegetated strips for treating road run-off, Sci. Total Environ. 339 (2005), pp. 41-47.

Zhao H., Li X., Wang X. y Tian D., Grain size distribution of road-deposited sediment and its contribution to heavy metal pollution in urban runoff in Beijing, China, J. Hazardous Materials 183 (2010), pp. 203-210.

Zhen-Ren G., Huei-Min Y. y Huaisheng C., Water quality of initial runoff of storm in urban areas in South China: Experiments, Proceedings of the Sixth International Conference on Urban Storm Drainage, J. Marsalek y H.C. Torno, eds., Ontario, Canada, 1993, pp. 670-675.

Zhu W., Bian B. y Li L., Heavy metal contamination of road-deposited sediments in a medium size city of China, Environ. Monit. Assess. 147 (2008), pp. 171-181.

Zobrist J., Müller S.R., Ammann A., Bucheli T.D., Mottier V., Ochs M., Schoenenberger R., Eugster J. y Boller M., Quality of roof runoff for groundwater infiltration, Wat. Res. 34 (2000), pp. 1455-1462.

CAPÍTULO 3.- MATERIALES Y MÉTODOS

83


3.1 ANTECEDENTES

A partir del estudio del estado del arte se procedió a seleccionar los sistemas de

muestreo y análisis de laboratorio de mayor utilidad para el desarrollo y

validación de la metodología propuesta en la presente investigación. En la etapa

de desarrollo se seleccionó para la caracterización metálica del sedimento viario la

metodología de aspirado y barrido en seco propuesta por Vaze y Chiew (2002), y

la técnica más utilizada por su fácil aplicación y bajo costo, la metodología de

barrido en seco. Estos métodos fueron validados y aplicados sobre superficies

viarias de las ciudades de Torrelavega (España) y Soacha (Colombia). Por otro

lado, para la caracterización metálica del material en suspensión se seleccionaron

equipos de muestreo de alto volumen para partículas suspendidas totales (PST) y

de tamaño menor o igual a 10 µm (PM10). Estos equipos fueron utilizados en la

etapa de desarrollo de la metodología propuesta en la ciudad de Soacha. Para la

etapa de validación en la ciudad de Bogotá D.C. (Colombia), se utilizó la

metodología de barrido en seco para la caracterización metálica del sedimento

viario. Por otro lado, para el monitoreo del material en suspensión (PM10) se

seleccionaron equipos de monitoreo continuo de partículas mediante atenuación

de rayos beta.

Este capítulo se inicia con la presentación de los componentes, el protocolo, la

eficacia y las limitaciones de los sistemas de muestreo seleccionados.

Posteriormente, se exponen los análisis de laboratorio empleados para la

caracterización del contenido metálico asociado con el sedimento viario y el

material en suspensión. Finalmente, se presenta una síntesis de los materiales y

métodos empleados en la presente investigación.


84

3.2 SISTEMAS DE MUESTREO

3.2.1 Sistemas de aspirado y barrido en seco (SABS), y barrido en seco (SBS)

para muestras viarias en superficie

3.2.1.1 Componentes de los sistemas de muestreo

Para el desarrollo de la metodología propuesta en la presente investigación se

utilizaron dos sistemas de muestreo en superficie. El sistema de muestreo

empleado en la ciudad de Torrelavega estuvo constituido por tres componentes:

(i) un marco de metacrilato con un área de 0,50 m2 (0,707 x 0,707 m); (ii) un

aspirador de 1,5 kW de potencia capacitado para retener partículas de tamaño

mayor a 1 µm; y (iii) un cepillo manual de fibras sintéticas (ver Figura 3.1).

Adicionalmente, se utilizó un generador eléctrico diesel de 4,9 kW de potencia.

Este sistema de muestreo fue identificado como de barrido y aspirado en seco

(SABS). Por otro lado, en la ciudad de Soacha se utilizó un sistema de muestreo

alterno; este fue simplificado y estuvo constituido por tres componentes: (i) un

marco de madera con un área de 0,50 m2 (0,707 x 0,707 m); (ii) un cepillo manual

de fibras sintéticas; y (iii) un recogedor manual de plástico. Este sistema de

muestreo fue identificado como de barrido en seco (SBS) (ver Figura 3.2).

Figura 3.1 Componentes del sistema de muestreo SABS. Torrelavega (España)


85

Figura 3.2 Componentes del sistema de muestreo SBS. Soacha (Colombia)

3.2.1.2 Protocolo de los sistemas de muestreo

Los sistemas de muestreo seleccionados (SABS y SBS) fueron aplicados en las

ciudades de Torrelavega, Soacha y Bogotá. El protocolo de aplicación para los

dos sistemas de muestreo se describe a continuación. El sistema de muestreo

empleado en la ciudad de Torrelavega (i.e., SABS) fue aplicado sobre la

superficie viaria del Bulevar Ronda Rufino Peón. Las características del área de

investigación se describen detalladamente en el Capítulo 4.

Las muestras de la superficie viaria en Torrelavega se tomaron en días de tiempo

seco, a un costado de la cuneta, a la misma hora (entre 11:00-13:00 horas) y

durante un período de 65 días (28/09/2004-01/12/2004). Dos tipos de muestras

fueron recolectadas sobre la calzada. La primera muestra correspondió a la

aspirada directamente sobre la superficie de muestreo, la cual se llamó “carga

libre” (CL). Seguidamente, la superficie previamente aspirada fue barrida con un

cepillo de fibras sintéticas (3 repeticiones) para que los sedimentos adheridos a la

misma estuvieran disponibles para ser aspirados; al sedimento recolectado

después del barrido se le llamó “carga fija” (CF). La superficie de muestreo fue

barrida ligeramente para evitar el desprendimiento de partículas pertenecientes al

pavimento e intentando aplicar el mismo esfuerzo sobre el cepillo durante todo el

período de muestreo. Se controló el lugar de muestreo para evitar repetir y estar

cerca de anteriores puntos de recolección, y no entrar en contacto con la pintura


86

viaria de demarcación. Después de recolectar cada tipo de carga, se procedió a

retirar la bolsa interna del aspirador para almacenar la muestra de sedimento en

una bolsa plástica debidamente identificada.

Adicionalmente, se mantuvo una distancia mínima de 5 m entre el sitio de

muestreo y el generador eléctrico empleado con el objeto de minimizar el aporte

de elementos metálicos por parte del escape del equipo. La “carga total” (CT)

depositada sobre la superficie viaria estuvo constituida por la suma de la “carga

libre” y la “carga fija.” La cantidad total de muestras recolectadas sobre la

superficie de la calzada fue de 112; 56 por cada zona (28 muestras de “carga

libre” y 28 muestras de “carga fija”) (i.e., por dos zonas de monitoreo). El

sedimento recolectado fue llevado a análisis en el Laboratorio del Grupo de

Ingeniería Ambiental de la Universidad de Cantabria (Torrelavega, España).

Por último, con el fin de estudiar la distribución espacial del contenido metálico

asociado con el sedimento viario en la ciudad de Torrelavega, en veinte ocasiones

durante el período de estudio se recolectaron muestras de la cuneta y el carril para

bicicletas. Las muestras se recolectaron conservando el mismo alineamiento

horizontal del sitio de muestreo de la calzada. En la recolección de estas muestras

se siguió el procedimiento descrito anteriormente, pero en esta ocasión no se

diferenciaron los dos tipos de cargas (i.e., CL y CF). Por lo tanto, se recolectó

exclusivamente la carga total viaria (CT).

Por otro lado, el sistema de muestreo empleado en la ciudad de Soacha (i.e., SBS)

fue aplicado sobre una superficie viaria de la zona urbana de la municipalidad.

Las características del área de investigación se describen detalladamente en el

Capítulo 4. Las muestras de la superficie viaria en Soacha se tomaron en días de

tiempo seco (en promedio cada 3 días), a una distancia de 0,40 m con respecto del

bordillo, entre las 11:00-13:00 horas y durante un período de 127 días

(07/01/2010-14/05/2010). Con el objeto de aumentar la eficiencia y reducir los

costos debido al incremento del período con respecto al muestreo desarrollado en

la ciudad de Torrelavega (i.e., de 65 a 127 días), se procedió a recolectar


87

principalmente un tipo de muestra, es decir, la “carga total” depositada sobre la

superficie viaria (CT). Por lo tanto, la muestra recolectada correspondió a la

barrida directamente sobre la superficie de muestreo.

La superficie en la ciudad de Soacha fue barrida con un cepillo de fibras sintéticas

para que los sedimentos más fuertemente adheridos a la misma estuvieran

disponibles para ser recolectados (3 repeticiones). La superficie de muestreo fue

barrida ligeramente para evitar el desprendimiento de partículas pertenecientes al

pavimento e intentando aplicar el mismo esfuerzo sobre el cepillo durante todo el

período de estudio. Se controló el lugar de muestreo para evitar repetir y estar

cerca de anteriores puntos de recolección. La cantidad total de muestras

recolectadas sobre la superficie de la calzada fue de 44. Finalmente, el sedimento

recolectado fue almacenado en bolsas plásticas herméticas para posteriormente ser

llevado a análisis en el Laboratorio Ambiental de la Corporación Autónoma

Regional de Cundinamarca (CAR) (Bogotá, Colombia).

Igualmente, el sistema de muestreo SBS fue utilizado en la ciudad de Bogotá para

validar el desarrollo metodológico propuesto en la presente investigación. Las

características de las áreas de investigación se describen detalladamente en el

Capítulo 5. Las muestras de las superficies viarias de Bogotá se tomaron en días

de tiempo seco, a una distancia de 0,40 m con respecto del bordillo de la calzada,

entre las 11:00-13:00 horas y durante un período de un año (08/05/2010-

08/05/2011). La cantidad total de muestras recolectadas sobre la superficie de la

calzadas fue de 114; 38 por cada zona de investigación (i.e., por tres zonas de

monitoreo). Finalmente, el sedimento recolectado fue almacenado en bolsas

plásticas herméticas para posteriormente ser llevado a análisis en el Laboratorio

de Suelos de la Facultad de Medio Ambiente y Recursos Naturales de la

Universidad Distrital F.J.C. (Bogotá, Colombia).

3.2.1.2 Eficacia de los sistemas de muestreo


88

La eficacia de los sistemas de muestreo: (i) aspirado y barrido en seco (SABS), y

(ii) barrido en seco (SBS), fue evaluada en la ciudad de Soacha bajo condiciones

controladas sobre una superficie viaria de prueba con un área de 0,50 m2 (0,707 x

0,707 m). La textura de la superficie viaria de prueba se clasificó de la siguiente

manera: la macro textura fue rugosa y la micro textura fue áspera (norma INVE-

791-07; INVIAS, 2007), con una profundidad de textura promedio entre 1100-

1500 µm (Artículo 452-07; INVIAS, 2007). Se desarrollaron dos pruebas para

evaluar la eficacia de los sistemas de muestreo empleados (i.e., prueba de eficacia

N° 1 y N° 2).

La prueba de eficacia N° 1 consistió en preparar una muestra de laboratorio de

200 g de sedimento con una granulometría entre 63-2800 µm (< 63, 63-125, 125-

250, 250-500, 500-1000, 1000-2000 y 2000-2800 µm), similar a la recolectada en

las campañas de campo desarrollas en las ciudades de Torrelavega y Soacha (ver

Figura 3.3). Previamente al ensayo de eficacia, la superficie de prueba fue

aspirada y barrida intensamente (5 repeticiones) para retirar la totalidad del

sedimento depositado y, de esta manera, despreciar la interferencia por aporte de

sedimento no preparado en el laboratorio. La muestra de laboratorio se distribuyó

uniformemente sobre la superficie de prueba y fue recolectada mediante la

aplicación de los dos sistemas de muestreo seleccionados. El ensayo de eficacia

N° 1 tuvo 30 repeticiones; 15 repeticiones para cada sistema de muestreo en

evaluación.

Los resultados de eficacia a través de la primera prueba mostraron en promedio,

que en el caso del sistema de muestreo de aspirado y barrido en seco (SABS) se

presentaba en la fracción < 63, 63-125, 125-250, 250-500, 500-1000, 1000-2000,

2000-2800 µm una eficacia en la recolección del sedimento de 95,5, 97,2, 98,1,

99,2, 99,6, 99,9, 100%, respectivamente (eficacia total: 98,4%). Para el sistema de

muestreo de barrido en seco (SBS) los resultados mostraron que la eficacia en la

recolección del sedimento fue de 92,4, 95,1, 97,9, 99,1, 99,6, 99,9, 100% para la

fracción de tamaño < 63, 63-125, 125-250, 250-500, 500-1000, 1000-2000, 2000-

2800 µm, respectivamente (eficacia total: 97,6%). Como se puede observar, el


80

método SABS fue más eficaz en la recolección de la fracción de menor tamaño

(i.e., < 125 µm).

Figura 3.3 Muestra de laboratorio para la prueba de eficacia N° 1

Por otro lado, la prueba de eficacia N° 2 consistió en aplicar los dos sistemas de

muestreo sobre una superficie viaria y bajo condiciones reales de campo. Es decir,

en esta segunda prueba no se manipuló la muestra de sedimento viario. La prueba

de eficacia consistió en la aplicación de los sistemas de muestreo por tres veces y

de manera consecutiva, con el objeto de evaluar la cantidad de sedimento

remanente en peso sobre la superficie viaria después de cada aplicación (ver

Figura 3.4). Se evaluó la eficacia en la recolección de las fracciones de tamaño <

63, 63-125, 125-250, 250-500, 500-1000, 1000-2000 y 2000-2800 µm. El ensayo

de eficacia N° 2 tuvo 20 repeticiones; 10 repeticiones para cada sistema en

evaluación.

Los resultados de la segunda prueba de eficacia mostraron en promedio, que en el

caso del sistema de muestreo de aspirado y barrido en seco (SABS) se tuvo con la

primera aplicación una eficacia en la recolección del sedimento de 95,2, 96,1,

98,9, 99,3, 99,9, 99,9, y 100% para la fracción de tamaño < 63, 63-125, 125-250,

250-500, 500-1000, 1000-2000, 2000-2800 µm, respectivamente (eficacia total:

98,3%), con respecto de la segunda aplicación del sistema de muestreo. Para el

<63 µm 63-125 µm 125-250 µm

250-500 µm 500-1000 µm 1000-2000 µm

2000-2800 µm


90

sistema de muestreo de barrido en seco (SBS), los resultados mostraron que la

eficacia en la recolección del sedimento después de la primera aplicación fue de

93,1, 94,9, 98,5, 99,2, 99,8, 99,9, 100% para la fracción de tamaño < 63, 63-125,

125-250, 250-500, 500-1000, 1000-2000, 2000-2800 µm, respectivamente

(eficacia total: 97,9%), con respecto de la segunda aplicación del sistema de

muestreo. Para la segunda aplicación de las técnicas de muestreo la eficacia total

aumentó a 99,1% y 99,0% para los sistemas SABS y SBS, respectivamente, con

respecto de la tercera aplicación de las técnicas de muestreo.

a) b) Figura 3.4 Prueba de eficacia N° 2 para los sistemas de muestreo. Superficie

viaria a) antes de la prueba, y b) después de la prueba

3.2.1.3 Equivalencia entre los sistemas de muestreo

Con el objeto de evaluar la diferencia o similitud de los dos sistemas de muestreo

se procedió a aplicar la prueba estadística t de Student emparejada para cada

fracción de tamaño. La prueba se aplicó a partir de los resultados obtenidos en la

prueba de eficacia N° 1 (i.e., la muestra de sedimento de laboratorio). Los

resultados mostraron que no existía diferencia significativa entre los dos sistemas

de muestreo en la recolección de la fracción de tamaño > 125 µm. No obstante,

para la fracción de tamaño ≤ 125 µm se observaron diferencias significativas (ver

Tabla 3.1). Por lo tanto, en la presente investigación se consideró como valido el

planteamiento de que el sistema de muestreo de barrido en seco (SBS) era una

versión simplificada del sistema de aspirado y barrido en seco (SABS) para la

recolección de la fracción de tamaño > 125 µm. Es decir, los sistemas evaluados


91

en la presente investigación son equivalentes en la cantidad de sedimento

recolectado para la fracción de tamaño > 125 µm.

Con respecto a la fracción de tamaño ≤ 125 µm donde se presentó la diferencia

entre los sistemas de muestreo, los resultados mostraron en promedio que el

sistema de aspirado y barrido en seco (SABS) era un 2,6% más eficaz en la

recolección de esta fracción de tamaño con respecto al sistema de muestreo de

barrido en seco (SBS). La eficacia en la recolección de las partículas de tamaño ≤

125 µm fue de 96,4 y 93,8% para el sistema SABS y SBS, respectivamente. La

diferencia en la eficacia entre los sistemas de muestreo tendió a aumentar con la

disminución en la fracción de tamaño, es decir, para la fracción de tamaño <63

µm el sistema SABS fue un 3,3% más eficaz. Sin embargo, debido a los

resultados globales de la prueba de eficacia para los dos sistemas de muestreo,

estos se consideraron adecuados y equivalentes para el desarrollo de las campañas

de campo en las ciudades de Torrelavega, Soacha y Bogotá (ver Tabla 3.1).

Tabla 3.1 Resultados de las pruebas de eficacia N° 1 y 2

Fracción de tamaño (µm)

Cantidad de sedimento (g) Prueba de eficacia

Eficacia (%) Prueba de eficacia

N° 1 N° 2 N° 1 SABS SBS SABS SBS SABS SBS

<63 22,57 21,84 6,43 4,76 95,5 92,4 63-125 32,89 32,18 9,47 6,81 97,2 95,1

125-250 40,91 40,82 11,04 9,49 98,1 97,9 250-500 41,03 40,99 11,13 9,38 99,2 99,1

500-1000 31,39 31,39 8,55 7,17 99,6 99,6 1000-2000 19,73 19,73 5,60 4,30 99,9 99,9 2000-2800 8,20 8,20 2,16 1,92 100,0 100

Total 196,72 195,15 54,38 43,84 Inicial 200 200 55,3 44,8

Eficacia globala 98,4 97,6 98,3 97,9

SABS: sistema de aspirado y barrido en seco; SBS: sistema de barrido en seco; a: con respecto a una aplicación del sistema de muestreo

3.2.1.2 Limitaciones de los sistemas de muestreo


92

Las principales limitaciones de los sistemas de muestreo se describen a

continuación. En el sistema de aspirado y barrido en seco (SABS) (i) el tiempo

requerido para realizar la operación de muestreo fue considerable (en promedio:

10,3 minutos por punto de 0,50 m2); (ii) el costo del equipo utilizado en el

muestreo fue superior con respecto al sistema SBS; (iii) el tamaño de la superficie

muestreada fue limitado a 0,50 m2 debido a la importancia de las operaciones

manuales incluidas en el método; (iv) se asumió una distribución uniforme del

sedimento acumulado sobre la superficie viaria (g/m2) y por lo tanto del contenido

metálico asociado, lo cual no es cierto en la realidad. Es decir, el método no

consideró las condiciones reales de conducción sobre la superficie viaria

(aceleración, frenado, operaciones de parqueo, etc.); y (v) existió en promedio una

pérdida en peso del 3,7% de la fracción de tamaño ≤ 125 µm. Esta fracción es de

especial interés en la presente investigación, debido a que se pretende establecer

una metodología para evaluar el contenido metálico asociado con el sedimento

viario a partir de información del material en suspensión (i.e., PM10).

Por otro lado, en el sistema de muestreo de barrido en seco (SBS) las limitaciones

fueron similares: (i) el tiempo requerido para realizar la operación de muestreo fue

elevado (en promedio: 3,9 minutos por punto de 0,50 m2); (ii) el tamaño de la

superficie muestreada se limitó a 0,50 m2 debido a la importancia de las

operaciones manuales; (iii) se asumió una distribución uniforme del sedimento

acumulado sobre la superficie (g/m2) y por lo tanto del contenido metálico

asociado. Es decir, el método no consideró las condiciones reales de conducción

sobre la superficie viaria (aceleración, frenado, operaciones de parqueo, etc.); y

(iv) existió en promedio una pérdida en peso del 6,3% de la fracción de tamaño ≤

125 µm. Nuevamente es importante destacar, que esta fracción es de especial

interés en la presente investigación debido a que se pretende establecer una

metodología para evaluar el contenido metálico asociado con el sedimento viario a

partir de información del material en suspensión (i.e., PM10).

Al comparar las limitaciones de los dos sistemas de muestreo se pudo observar

que las principales diferencias se presentaban en: (i) el tiempo requerido para


93

realizar el muestreo. En este sentido el sistema SBS fue más eficiente (i.e., 2,64

veces), requiriendo 6,4 minutos menos para la recolección del sedimento por

punto de muestreo con respecto del sistema SABS; (ii) el costo del equipo

empleado por el sistema SBS fue más económico. Este no requirió de la compra

de un equipo de aspirado y, por lo tanto no existieron gastos asociados con

consumo de combustible; y (iii) el sistema SABS fue un 2,6% más eficaz en la

recolección de la fracción de tamaño ≤ 125 µm con respecto del sistema SBS.

Como se mencionó anteriormente, en la ciudad de Torrelavega (España) se utilizó

el sistema SABS para la recolección del sedimento viario, y en las ciudades de

Soacha y Bogotá D.C. (Colombia) se utilizó el sistema SBS (ver apartado 3.2.1.1).

3.2.2 Sistema manual de monitoreo de PST y PM10 para muestras viarias en

suspensión

3.2.2.1 Componentes de los sistemas de muestreo

Para el desarrollo de la metodología propuesta se emplearon dos tipos de equipos

manuales de muestreo de partículas en suspensión (Soacha, Colombia). Los

componentes de los sistemas se describen a continuación. El sistema de muestreo

de partículas suspendidas totales (PST) estuvo constituido por un equipo manual

de alto volumen con sistema de control de flujo de tipo másico (Thermo

Environmental Instruments Inc., GMW TSP High Volume Air Sampler - Mass

Flow). El equipo consta de los siguientes componentes: (i) entrada para PST (<

100 µm), (ii) carcasa de aluminio anodizado, (iii) motor del ventilador para 115

VAC y 60 Hz, (iv) temporizador mecánico, (v) indicador de tiempo hasta 24

horas, (vi) cartucho para filtro, (vii) filtro de fibra de vidrio con tamaño de poro de

1,6 µm, (viii) dispositivo de flujo crítico, y (ix) un rango en la tasa de flujo entre

de 1,13-1,70 m3/min (ver Figura 3.5a).

Por otro lado, el sistema de muestreo de partículas en suspensión de tamaño

menor o igual a 10 µm (PM10) estuvo constituido por un equipo manual de alto

volumen de tipo ciclón con un sistema de control de flujo de tipo volumétrico


94

(Wedding & Associates, 600 PM10 Critical Flow High Volume Air Sampler -

Volumetric Flow). El equipo tuvo los siguientes componentes: (i) entrada para

PM10, (ii) dispositivo de flujo crítico, (iii) carcasa de aluminio anodizado, (iv)

motor del ventilador para 115 VAC y 60 Hz, (v) temporizador mecánico, (vi)

indicador de tiempo, (vii) cartucho para filtro, (viii) filtro de fibra de vidrio con

tamaño de poro de 1,6 µm, (ix) temporizador digital para siete días de registro, (x)

grabadora de presión para siete días, y (xi) un rango en la tasa de flujo entre de

1,13-1,70 m3/min (ver Figura 3.5b).

a) b) Figura 3.5 Equipos de muestreo para partículas en suspensión (Soacha,

Colombia). a) Muestreador de alto volumen para PST, y b) muestreador de alto volumen para PM10

3.2.1.2 Protocolo de los sistemas de muestreo

Los sistemas manuales de muestreo seleccionados para el desarrollo de la

metodología fueron aplicados sobre dos superficies viarias de la ciudad de Soacha

(Colombia). Las características del área de investigación se describen

detalladamente en el Capítulo 4. El protocolo de muestreo para PST y PM10 se

Entrada de PST

Carcasa

Motor del ventilador

Temporizador

Filtro

Entrada de PM10

Carcasa

Motor del ventilador Temporizador

Filtro


95

basó en lo establecido por la Agencia de Protección Ambiental de EE.UU.

(EPA/625/R-96/010a-IO-2.1) (EPA, 1999). A continuación se describe el

protocolo de muestreo para los equipos de PST y PM10.

Por cuestiones de seguridad y operatividad los cuatro equipos de muestreo (i.e.,

dos para PST y dos para PM10) fueron localizados a una altura de 11,75 m y 5,0 m

sobre el nivel del suelo, en la terraza del Hospital Mario Gaitán Yanguas y en la

empresa Almacafé de la ciudad de Soacha, respectivamente. A partir de las

consideraciones dadas en el documento de referencia (i.e., EPA/625/R-96/010a-

IO-2.1) esta altura permitió realizar un análisis a una escala media (i.e., de

vecindario) y micro, respectivamente. Los equipos en cada zona de estudio fueron

localizados entre sí a una distancia de 2 metros para eliminar el efecto del flujo de

aire muestreado. Igualmente, se siguieron las recomendaciones de separación

establecidas por el documento de referencia (p.ej., a árboles, edificaciones,

chimeneas, etc.). Excepto las establecidas para superficies viarias, puesto que el

objetivo de la presente investigación era evaluar el contenido metálico asociado

con el sedimento viario a partir de información del material en suspensión (PST y

PM10). Por lo tanto, los equipos se ubicaron a una distancia horizontal de 5 y 340

metros con respecto del bordillo de la calzada en el Hospital Mario Gaitán

Yanguas y en la empresa Almacafé de la ciudad de Soacha, respectivamente.

El muestreo se realizó durante un período de 127 días (07/01/2010-14/05/2010),

coincidiendo temporalmente con el muestreo en superficie a través de la

metodología de barrido en seco (SBS). Es decir, los equipos de muestreo de

material en suspensión fueron previamente programados y utilizados durante un

intervalo de tiempo de 24 horas. El inicio y finalización del intervalo de

monitoreo se programó entre las 11:00-13:00 horas. Los filtros utilizados en el

muestreo fueron previamente preparados, es decir, se estabilizó la humedad en un

desecador durante un período de 24 horas para mantenerla por debajo del 50%.

Posteriormente, se procedió al pesaje, identificación y registro de cada filtro para

almacenarlos en bolsas plásticas de cierre hermético antes de su instalación en los


96

equipos de muestreo. Después de instalados los filtros, se verificó el

funcionamiento de los equipos registrando con un manómetro la caída de presión

inicial a través del filtro durante un periodo de tiempo de 5 minutos (i.e., para

alcanzar estabilidad en la operación). Seguidamente se programaron y arrancaron

los equipos de muestreo. La calibración del flujo corregido a condiciones estándar

se realizó antes de la recolección de cada muestra empleado el procedimiento de

auditoría de la tasa de flujo recomendado por el fabricante (para un sólo punto:

1,13 m3/min). Con respecto al dispositivo de flujo crítico, la utilización de este

procedimiento permitió que la tasa de flujo del sistema no variara en más de un

0,75%. La entrada de aire de los equipos se limpió cada quince días de muestreo o

a una cantidad acumulada de masa recolectada de 1000 µg, lo que se presentó

primero.

Finalmente, después de terminado el período de muestreo (24 horas) los filtros

fueron retirados de los equipos de la siguiente manera: en la misma base del filtro

del muestreador se doblaron dos veces por mitades, de manera que quedó en

contacto la muestra consigo misma. El filtro doblado se envolvió en papel

aluminio para protegerlo hasta su llegada al laboratorio para ser pesado. Como se

puede observar, el proceso de medición fue no-destructivo, por lo tanto la muestra

de material en suspensión pudo ser utilizada en los posteriores análisis físicos y

químicos.

3.2.1.2 Eficacia de los sistemas de muestreo

A partir de las especificaciones técnicas del fabricante se tuvieron en cuenta las

siguientes consideraciones asociadas con la eficacia de los sistemas de muestreo.

El límite superior del rango de concentración másica de partículas estuvo

determinado por la cantidad de masa que recibió el filtro antes de que el sistema

no pudiera soportar la caída de presión a través del filtro cargado. Este límite

superior no pudo ser especificado de manera precisa porque era principalmente

función de la distribución de tamaño del material, la humedad y el tipo de filtro.

Sin embargo, las especificaciones técnicas del fabricante garantizaron que los


97

muestreadores utilizados tuvieran la capacidad de medir una concentración másica

de hasta 300 µg/m3 a condiciones estándar en 24 horas. Adicionalmente,

garantizaron una precisión de los muestreadores de ±5 µg/m3 para una

concentración de 80 µg/m3 (±6,25%) y ±7% para concentraciones superiores a 80

µg/m3. Finalmente, a partir de las especificaciones técnicas del fabricante se

manifestó que debido a la amplia variación en el tamaño de las partículas del aire

ambiente y a la variación de la concentración con el tamaño de la partícula, era

difícil establecer una precisión absoluta para los muestreadores de partículas

manuales utilizados en la presente investigación.

3.2.1.2 Limitaciones de los sistemas de muestreo

A continuación se exponen las principales limitaciones de los sistemas de

muestreo detectadas durante la investigación. Durante el muestreo se pueden

presentar las siguientes limitaciones: (i) variaciones apreciables y no uniformes en

la velocidad de flujo del aire, (ii) pérdida del material volátil, (iii) formación de

sustancias a partir del material recolectado sobre el filtro, (iv) variación en el

contenido de humedad del aire muestreado, (v) la manipulación del filtro puede

generar pérdida de material o deterioro de la muestra tomada, (vi) la precisión con

que se hace el control del tiempo de muestreo, (vii) la frecuencia del programa de

mantenimiento y limpieza del equipo, y (viii) la altura de localización de los

equipos de muestreo amplió la escala de análisis, de local (i.e., a nivel de la

superficie viaria) a nivel de barrio.

3.2.3 Sistema automático de monitoreo de PM10 para muestras viarias en

suspensión

3.2.2.1 Componentes del sistema de muestreo

El sistema de muestreo para PM10 estuvo constituido por un equipo de monitoreo

continuo de partículas mediante atenuación de rayos beta (Met One Instruments,

BAM 1020) (ver Figura 3.6). El equipo tiene los siguientes componentes: (i)


98

entrada de PM10, (ii) tubo de extensión, (iii) sensor ambiental de temperatura y

presión, (iv) equipo de calefacción para el control de la humedad, (v) monitor de

atenuación de rayos beta, (vi) equipo de control de flujo de tipo másico, (vii) filtro

de fibra de vidrio con una frecuencia de cambio de una hora (rollo de cinta: 30

mm x 21 m; duración: 60 días), (viii) dispositivo de calibración interna (filtro

cero), (ix) pantalla táctil con interfaz USB (monitor), y (x) una bomba de vacío

(115 VAC y 60 Hz).

Figura 3.6 Equipo de muestreo continúo de PM10 (Met One Instruments, BAM

1020)

3.2.1.2 Protocolo del sistema de muestreo

Para la validación de la metodología propuesta se emplearon los datos de PM10

suministrados por tres estaciones automáticas de la Red de Calidad del Aire de la

ciudad de Bogotá (RMCAB). Adicionalmente, las estaciones de monitoreo

estuvieron equipadas con dispositivos para la medición de los siguientes

parámetros de calidad del aire: PST, CO, O3, NO2 y SO2 (ver Figura 3.7). Las

estaciones utilizadas fueron Fontibón, Puente Aranda y Kennedy (ver Figura 3.8).

Las características de las áreas de investigación se describen detalladamente en el

Capítulo 5. Por otro lado, el protocolo de muestreo para PM10 se basó en lo

establecido por la Agencia de Protección Ambiental de E.E.U.U. (EPA/625/R-

96/010a-IO-1.2) (EPA, 1999). A continuación se describe el protocolo de

muestreo para el equipo de PM10.

Entrada de PM10

Tubo de extensión

Filtro

Fuente/detector-rayos beta

Pantalla táctil (lado posterior)

Gabinete de muestreo


99

Figura 3.7 Estación automática de monitoreo de calidad del aire (Bogotá D.C.,

Colombia)

El muestreo se realizó durante un período de un año (08/05/2010-08/05/2011),

coincidiendo temporalmente con el muestreo en superficie a través de la

metodología de barrido en seco (SBS). Es decir, el registro utilizado en la

validación de la metodología correspondió al promedio diario de PM10 (24 horas)

previo a la realización del muestreo en superficie. El inicio y finalización del

intervalo de monitoreo se programó entre las 11:00-13:00 horas. La operación,

mantenimiento y validación de datos del equipo de muestreo de PM10 fue

realizado exclusivamente por el personal técnico especializado de la Secretaría

Distrital de Ambiente de Bogotá (SDA). Por lo tanto, a continuación se describe

brevemente el funcionamiento del equipo muestreo empleado.

La carga atmosférica de partículas ingresó por la entrada de PM10 a una tasa de

flujo constante de 16,7 l/min (ver Figura 3.6). El dispositivo de flujo crítico

mantuvo una tasa volumétrica constante a través del equipo mediante un control

de tipo másico. Posteriormente, la corriente de aire descendente con la muestra

pasó a través de una cinta (i.e., filtro de fibra de vidrio) donde las partículas de

tamaño menor o igual a 10 µm fueron retenidas. Una vez finalizado el ciclo de

muestreo, la cinta se desplazó hacia la fuente-detector de rayos beta para medir su

atenuación a causa de las partículas recolectadas por la cinta-filtro (ver Figura

3.6).

CA

PÍT

ULO

3.-

MA

TE

RIA

LE

S Y

MÉ

TO

DO

S

100

F

igur

a 3.

8 L

ocal

izac

ión

de la

s es

taci

ones

de

mon

itore

o de

cal

idad

del

air

e y

de p

arám

etro

s cl

imat

ológ

icos

en

Soa

cha

y B

ogot

á D

.C.

(Col

ombi

a) (

SD

A, 2

011)

Est

ació

n H

ospi

tal

(Soa

cha)

Est

ació

n A

lmac

afé

(Soa

cha)

Est

ació

n K

enne

dy

(Bog

otá

D.C

.)

Est

ació

n F

onti

bón

(Bog

otá

D.C

.)

Est

ació

n P

uent

e A

rand

a (B

ogot

á D

.C.)

Est

acio

nes

util

izad

as e

n el

de

sarr

ollo

de

la m

etod

olog

ía

(CA

R)

Est

acio

nes

util

izad

as e

n la

va

lida

ción

de

la m

etod

olog

ía

(RM

CA

B-S

DA

)

0 5

km

10 k

m


101

Adicionalmente, un sistema de adquisición de datos (microordenador) controló la

unidad cinta-filtro, los monitores de temperatura y presión, calculó la tasa de flujo

volumétrico y la concentración de PM10, y proporcionó una salida analógica para

el sistema de telemetría. El fabricante suministró el programa Comet™ Data

Collection Software para la gestión de los datos suministrados por el equipo. Los

registros de PM10 fueron descargados directamente de la página de internet de la

Secretaría Distrital de Ambiente (ver Figura 3.9). Finalmente, la concentración de

PM10 fue transformada a condiciones estándar (µg/m3).

Figura 3.9 Página de internet de la RMCAB para la descarga de datos de PM10

(SDA, 2011)

3.2.1.2 Eficacia del sistema de muestreo

A partir de las especificaciones técnicas del fabricante se tuvieron en cuenta las

siguientes consideraciones asociadas con la eficacia del sistema de muestreo. Las

especificaciones técnicas del equipo establecieron el límite superior de detección

en 1000 µg/m3, y el límite inferior de detección en 4,0 y 1,0 µg/m3 para un

intervalo de muestreo de 1 y 24 horas, respectivamente. Igualmente, contó con

una resolución en la medición de 0,1 µg/m3 y en pantalla de 1,0 µg/m3. El


102

fabricante garantizó una precisión en las mediciones de ±8% para intervalos de

medición horarios y de ±2% para intervalos diarios de medición. Adicionalmente,

el equipo contó con un sistema de verificación de errores de funcionamiento que

se activó de manera temporal (cada hora) o por la carga acumulada sobre el filtro

(cada 800 µg). Finalmente, el fabricante recomendó las siguientes condiciones

ambientales de funcionamiento: (i) temperatura de operación del equipo entre 0-

50 °C, (ii) temperatura ambiental entre -30-60 °C, (iii) humedad relativa

ambiental entre 0-90% (sin condensación). Las anteriores recomendaciones

ambientales se cumplieron para todas las estaciones de monitoreo.

3.2.1.2 Limitaciones del sistema de muestreo

A continuación se exponen las principales limitaciones del sistema de muestreo

detectadas durante la investigación. Durante el muestreo se pueden presentar las

siguientes limitaciones: (i) variaciones apreciables y no uniformes en la velocidad

de flujo del aire, (ii) pérdida del material volátil, (iii) variación en el contenido de

humedad del aire muestreado (condensación), (iv) la precisión con que se hizo el

control del tiempo de muestreo entre el material en suspensión y el sedimento

viario, (v) la frecuencia del programa de mantenimiento y limpieza del equipo, y

(vi) la localización de los equipos de muestreo con respecto a la superficie viaria

en estudio.

3.2.4 Sistema automático de monitoreo para parámetros climatológicos

3.2.4.1 Componentes del sistema de muestreo

El sistema de monitoreo de parámetros climatológicos utilizado en la

investigación estuvo constituido por una estación operada por la Universidad de

Cantabria (Torrelavega, España): (i) Escuela Universitaria Técnica Minera; dos

estaciones operadas por la Corporación Autónoma Regional de Cundinamarca

(CAR) (Soacha, Colombia): (i) El Fute, y (ii) Almacafé; y seis estaciones

operadas por la Secretaría Distrital de Ambiente (SDA), pertenecientes a la Red


103

de Monitoreo de la Calidad del Aire de Bogotá en Colombia (RMCAB): (i)

Barrios Unidos, (ii) Fontibón, (iii) Puente Aranda, (iv) Tunjuelito, (v) Kennedy, y

(vi) Tunal. Las estaciones estuvieron equipadas para la medición de los siguientes

parámetros climatológicos: precipitación, temperatura y, velocidad y dirección del

viento (ver Figura 3.10).

Figura 3.10 Equipo de monitoreo para parámetros climatológicos (Bogotá D.C.,

Colombia)

3.2.4.2 Protocolo del sistema de muestreo

Para el desarrollo de la metodología propuesta se emplearon los datos

climatológicos (precipitación, temperatura y, velocidad y dirección del viento)

suministrados por una estación operada por Universidad de Cantabria (fecha de

muestreo: 28/09/2004-01/12/2004) (Torrelavega, España), y una estación operada

por la Corporación Autónoma Regional de Cundinamarca (fecha de muestreo:

07/01/2010-14/05/2010) (Soacha, Colombia). Adicionalmente, se utilizaron de

referencia los datos de tres estaciones operadas por la Secretaría Distrital de

Ambiente de Bogotá (Colombia) pertenecientes a la Red de Monitoreo de Calidad

del Aire de la ciudad (RMCAB) (fecha de muestreo: 07/01/2010-14/05/2010).

Para la validación de la metodología propuesta se emplearon los datos

climatológicos suministrados por tres estaciones aperadas por la Secretaría


104

Distrital de Ambiente de Bogotá (Colombia), pertenecientes a la RMCAB (fecha

de muestreo: 08/05/2010-08/05/2011) (ver Figura 3.8). Finalmente, todos los

datos climatológicos fueron descargados de las estaciones y utilizados

directamente en el desarrollo y validación de la metodología propuesta en la

presente investigación.

3.2.4.3 Limitaciones del sistema de muestreo

La principal limitación del sistema de monitoreo de parámetros climatológicos

estuvo asociada con la localización de las estaciones con respecto a las superficies

viarias de investigación. Para el desarrollo de la metodología propuesta en la

presente investigación, en las ciudades de Torrelavega (España) y Soacha

(Colombia) las cinco estaciones climatológicas utilizadas se localizaron a una

distancia entre 40-4230 metros. Sin embargo para la validación de la metodología

propuesta en la ciudad de Bogotá (Colombia), las cuatro estaciones climatológicas

utilizadas se localizaron a una distancia entre 10-194 metros con respecto a las

superficies viarias de investigación. En el Capítulo 4 y 5 se presentan los mapas

de localización de las estaciones climatológicas y de las superficies viarias de

investigación en cada zona de estudio.

3.3 ANÁLISIS DE LABORATORIO

3.3.1 Determinación de la humedad del sedimento viario

La determinación de la humedad del sedimento viario se realizó a partir de lo

establecido en las normas ISO 11465 (ISO, 2000) y ASTM D2216 (ASTM,

2000). A continuación se describe el protocolo de laboratorio empleado. La

determinación del contenido de agua para cada muestra de sedimento se realizó

inmediatamente después de terminada la campaña de campo (i.e. su recolección).

Inicialmente, se determinó y registró el peso de la cápsula de la muestra limpia y

seca (ver Figura 3.11). Todas las cápsulas fueron debidamente identificadas y

registradas en los formularios de laboratorio respectivos.


105

La muestra fue previamente tamizada a través de un criba de tamaño de 2800 µm.

Seguidamente se depositó la muestra húmeda en la cápsula para su pesaje (ver

Figura 3.11). Posteriormente, la muestra fue introducida en un horno de secado a

110 °C ± 5 °C entre 12-16 horas. Después de que el sedimento se secó a un peso

constante (variación en peso < 1%), la cápsula se retiró del horno y se introdujo

dentro de un desecador con sílica gel. Finalmente, se determinaron el peso de la

cápsula con la muestra seca en la misma balanza empleada durante el análisis de

laboratorio y la humedad de la muestra de sedimento viario (en porcentaje). De

esta manera, el sedimento quedó listo para los análisis granulométricos

programados: (i) fracciones de tamaño entre 63-2800 µm, y (ii) fracción de

tamaño < 250 µm.

Figura 3.11 Equipo de laboratorio para la determinación de la humedad del

sedimento viario

3.3.2 Determinación de la granulometría del sedimento viario

El estudio de la distribución de tamaños de las partículas del sedimento viario se

realizó a partir de lo establecido en las normas ISO 2591-1 (ISO, 2000) y ASTM

D422 (ASTM, 2000). Después de realizar la determinación de la humedad de las

muestras de sedimento viario, inmediatamente se procedió a realizar su estudio

granulométrico (i.e., con la muestra seca). El rango de tamaño de los tamices

empleados estuvo comprendido entre 63-2800 µm. La totalidad de la muestra fue

sometida a la prueba de granulometría para las 7 fracciones de tamaño en estudio:

< 63 µm, 63-125 µm, 125-250 µm, 250-500 µm, 500-1000 µm, 1000-2000 µm, y

2000-2800 µm. El tamizado en seco fue realizado mediante el empleo de un


106

equipo CISA (modelo RP. 09) (ver Figura 3.12). En ningún momento se forzó con

medios mecánicos o manuales el paso de las partículas del sedimento a través de

los tamices. Se dio por finalizada la operación de tamizado cuando pasó menos de

1% de la masa de la muestra (tiempo aproximado: 10 minutos), con respecto a

cada fracción de tamaño. Posteriormente, se determinó el peso retenido en cada

tamiz y se comprobó al final del tamizado que la suma no difiriera en ± 2% con

respecto al peso total de la muestra utilizada. Finalmente, se procedió a determinar

el porcentaje que pasó por cada fracción de tamaño.

Figura 3.12 Equipo de laboratorio para la prueba granulométrica del sedimento

viario

El 50% de las muestras del sedimento viario de tamaño < 125 µm fueron

tamizadas en húmedo con el objeto de cuantificar mejor la fracción más fina del

sedimento recolectado. El proceso de tamizado en húmedo se basó en lo

establecido por las normas ISO 2591-1 (ISO, 2000) y ASTM D422 (ASTM,

2000). Después de realizar el tamizado en seco, se procedió a tomar parte de la

fracción de tamaño < 125 µm para aplicar la prueba de tamizado en húmedo (30

g). En la prueba se empleó un tamiz con tamaño de poro de 63 µm y un fondo

(secados y pesados previamente). El sedimento fue lavado con agua,

pausadamente, regularmente, y con baja presión para evitar la pérdida de material

y el daño del medio de tamizado. La muestra fue introducida en un horno de

secado a 110 °C ± 5 °C entre 12-16 horas y, finalmente, fue pesada y se determinó

el porcentaje que pasó por el tamiz de tamaño de 63 µm. Durante el desarrollo del


107

protocolo de laboratorio la ganancia o pérdida de humedad de la muestra fue

controlada con un desecador con sílica gel.

La técnica de tamizado en seco fue ampliamente utilizada ya que la muestra de

sedimento viario quedaba lista para realizar los análisis químicos programados

(i.e., la determinación de elementos metálicos en base seca) a diferencia de la

técnica de tamizado en húmedo, donde probablemente existió un lavado de la

carga metálica asociada con el sedimento viario. Es por esto, que las muestras

sometidas a tamizado en húmedo fueron descartadas para posteriores análisis

químicos.

3.3.3 Prueba de lixiviación para el sedimento viario

La prueba de lixiviación se realizó a partir de lo establecido por la norma DIN

38414-S4 (DIN, 1984). La norma especificó el método para evaluar la lixiviación

con agua de los metales pesados asociados con el sedimento viario. A partir de lo

anterior, la solución resultante fue apta para la determinación de elementos

metálicos mediante el uso de técnicas atómicas espectrométricas. El protocolo de

análisis empleado se describe a continuación.

El método utilizó como agente extractante agua desionizada y proporcionó

información acerca de la contaminación metálica que puede generar el sedimento

viario al entrar en contacto con el agua de escorrentía. Es decir, al formarse una

solución lixiviada del mismo. Inicialmente, se determinó y registró el peso de la

cápsula de la muestra limpia y seca. Todas las cápsulas fueron debidamente

identificadas y registradas en los formularios de laboratorio respectivos. La

muestra fue previamente tamizada a través de un criba de tamaño de 2800 µm.

Seguidamente se depositó la muestra húmeda en la cápsula para su pesaje (50 g).

Posteriormente, la muestra fue introducida en un horno de secado a 110 °C ± 5 °C

entre 12-16 horas. Después de que el sedimento se secó a un peso constante

(variación en peso < 1 %), la cápsula se retiró del horno y se introdujo dentro de


108

un desecador con sílica gel. Finalmente, se determinaron el peso de la cápsula con

la muestra seca y la humedad de la muestra de sedimento viario (en porcentaje).

Posteriormente, la muestra seca del sedimento viario fue mezclada con 1000 ml

de agua desionizada en un recipiente plástico de cierre hermético. La muestra fue

llevada a un agitador rotativo (marca: Heidolph; modelo: REAX 20) con una

velocidad de 10 rpm, durante 24 horas y a temperatura ambiente (ver Figura 3.13).

Transcurrida la etapa anterior, la muestra fue retirada del agitador mecánico para

la separación de las fases sólida y líquida mediante filtración (tamaño de poro:

0,45 µm). De esta manera, el extracto preparado quedó listo para la determinación

de elementos metálicos mediante el uso de técnicas atómicas espectrométricas. En

cada extracción se analizó un blanco (i.e., muestra sin sedimento viario) para

evaluar los niveles de elementos metálicos en los reactivos utilizados.

Figura 3.13 Agitador mecánico rotativo para la prueba de lixiviación del

sedimento viario (marca: Heidolph; modelo: REAX 20)

3.3.4 Extracción de metales pesados asociados con el sedimento viario

La extracción de metales pesados se realizó a partir de lo establecido en la norma

ISO 11466 (ISO, 2000). La norma especificó el método para la extracción con

agua regia de elementos traza asociados con el sedimento viario. A partir de lo

anterior, la solución resultante fue apta para la determinación de elementos


109

metálicos mediante el uso de técnicas atómicas espectrométricas. El protocolo de

análisis empleado se describe a continuación.

Se pesaron 3 g de sedimento viario por cada fracción de tamaño en un recipiente

de reacción de 250 ml (i.e., entre 63-2800 µm; 7 fracciones). Se humedeció con

0,5-1,0 ml de agua (destilada-desionizada) y se añadió mientras se mezclaba 21

ml de ácido clorhídrico (HCL; 12 mol/L) seguido por 7 ml de ácido nítrico

(HNO3; 15,8 mol/L), pausadamente para reducir la formación de espuma. La

muestra se dejó en reposo durante 20 horas a temperatura ambiente para permitir

una lenta oxidación de la materia orgánica (estabilización de la muestra) (ver

Figura 3.14a).

Posteriormente, se conectó el condensador de reflujo al recipiente de reacción y se

aumentó lentamente la temperatura de la mezcla de reacción hasta que se

alcanzaron y mantuvieron las condiciones de reflujo por 2 horas, garantizando que

la zona de condensación fuera menor de 1/3 de la altura del condensador (ver

Figura 3.14b); seguidamente, se dejó enfriar. Se dejó el recipiente de reacción en

reposo de manera que la mayor parte de cualquier residuo insoluble se asentara

fuera de la solución. Se decantó cuidadosamente el sobrenadante relativamente

libre de sedimento en un papel filtrante: tipo sin ceniza, con base de celulosa, con

un tamaño medio de poro de 8 µm y un diámetro de 150 mm; recolectando el

filtrado en un matraz volumétrico de 100 ml.

Los residuos insolubles que quedaron sobre el papel filtrante fueron lavados con

un mínimo de ácido nítrico y recolectados en el mismo matraz volumétrico. De

esta manera, el extracto preparado quedó listo para la determinación de elementos

metálicos mediante el uso de técnicas atómicas espectrométricas. En cada

extracción se analizó un blanco (i.e., muestra sin sedimento viario) para evaluar

los niveles de elementos metálicos en los reactivos utilizados.


110

a)

b)

Figura 3.14 Sistema de extracción de metales pesados asociados con el sedimento viario. a) Estabilización de muestras en agua regia, y b) sistema abierto de reflujo

para digestión ácida

3.3.5 Determinación de la concentración de PST y PM10

El método de selección, preparación y determinación gravimétrica para los filtros

de PST y PM10 se basó en lo establecido por la Agencia de Protección Ambiental

de EE.UU. (EPA/625/R-96/010a-IO-3.1) (EPA, 1999). A continuación se describe


111

el protocolo utilizado para la selección, preparación y determinación gravimétrica

de los filtros en los equipos de PST y PM10.

Para realizar el muestreo del material en suspensión se seleccionaron filtros de

fibra de vidrio con las siguientes características (suministradas por el fabricante):

(i) densidad media de 5,2 mg/cm2, (ii) pH básico: 9, (iii) eficacia del 99% en la

recolección de partículas, (iv) tamaño de poro del filtro de 1,6 µm, y (v) tamaño

del filtro de 20,32 X 25,40 cm. A partir de las especificaciones técnicas

suministradas por el fabricante los filtros seleccionados cumplieron con los

criterios de eficacia en la recolección de partículas, estabilidad mecánica,

estabilidad química, estabilidad térmica, y corrección de blanco para los

elementos metálicos analizados. Igualmente, se realizó una inspección visual de

los filtros para evaluar defectos por agujeros, material suelto, decoloración y no

uniformidad en el tejido. Seguidamente, cada filtro fue debidamente identificado

con un código.

Los filtros fueron manipulados en el laboratorio y en campo con guantes de vinilo

(sin polvo), y evitando tocar la superficie de muestreo. Después de su recepción,

los filtros fueron llevados a la cámara de control climático para equilibrar sus

condiciones de temperatura y humedad por un mínimo de 24 horas. Es decir,

humedad por debajo del 50% y temperatura entre 15-35 °C (ver Figura 3.15a).

Posteriormente, los filtros fueron pesados en lotes de 100 unidades en una balanza

previamente calibrada y, sus pesos, fueron registrados en los formatos de

laboratorio correspondientes verificando su rango normal de peso (ver Figura

3.15b). Seguidamente, cada filtro fue regresado a la cámara de control climático

antes de su uso en los equipos de PST y PM10.

Posteriormente, los filtros fueron llevados a campo en bolsas plásticas

debidamente identificadas para ser instalados en los equipos de alto volumen.

Después de cumplido el período de muestreo, los filtros fueron regresados al

laboratorio para su pesaje y registro en el formato de laboratorio correspondiente

(ver Figura 3.16). Previamente al proceso pesaje y registro, los filtros fueron


112

llevados por 24 horas a la cámara de control climático para equilibrar sus

condiciones de temperatura y humedad. Finalmente, para determinar la

concentración de PST y PM10 (µg/m3) se relacionó el peso neto de cada filtro (i.e.,

diferencia de peso entre filtro sin muestra y con muestra) con el volumen total

muestreado por los equipos, según su tasa de flujo (1,13 m3/min) y tiempo de

muestreo (24 horas), y fue corregida a condiciones estándar (25 °C y 760 mm

Hg).

a) b)

Figura 3.15 Preparación climática de los filtros para PST y PM10. a) Cámara de control climático, y b) pesaje de filtros

a) b)

Figura 3.16 Filtros empleados en los equipos manuales de alto volumen. a) Filtro sin muestra y b) filtro con muestra


113

3.3.6 Extracción de metales pesados asociados con el material en suspensión (PST

y PM10)

El método de extracción para filtros de PST y PM10 se basó en lo establecido por

la Agencia de Protección Ambiental de EE.UU. (EPA/625/R-96/010a-IO-3.1)

(EPA, 1999). A continuación se describe el protocolo de extracción utilizado para

los filtros de los equipos de PST y PM10.

Los filtros fueron previamente sometidos a un proceso gravimétrico con el objeto

de determinar la concentración másica de PST y PM10. Con el objeto de

minimizar la distribución no uniforme del material recolectado se procedió a

cortar tres secciones circulares del filtro, cada una con un diámetro de 6 cm. Las

secciones del filtro se almacenaron en bolsas plásticas debidamente identificadas

(cierre hermético) para su posterior extracción (ver Figura 3.17a). Cada sección

fue depositada al interior de un matraz Erlenmeyer de vidrio de 150 ml y llevada a

una cabina de extracción, donde se agregaron 20 ml de ácido nítrico (HNO3, 3 M)

de grado suprapuro para cubrir la muestra. Posteriormente, se tapó cada

Erlenmeyer con una caja de Petri de vidrio y fueron llevados a una temperatura de

95 °C en una placa de calentamiento. La muestra se dejó hervir suavemente

durante 30 minutos evitando que se evaporara hasta su sequedad (ver Figura

3.17b).

Cada Erlenmeyer fue retirado de la placa de calentamiento y enfriado a

temperatura ambiente para lavar su cara interior con agua destilada-desionizada;

igualmente se lavó el lado de la caja de Petri que estuvo en contacto con la

boquilla del Erlenmeyer. El extracto preparado se dejó en reposo durante 15

minutos (decantación). Posteriormente, el extracto se trasvaso a un balón aforado

de 100 ml evitando el ingreso de la sección circular del filtro o de sedimentos

gruesos. Nuevamente, se lavó cada Erlenmeyer con la muestra aún contenida en

éste agregando no más de 20 ml de agua destilada-desionizada; la muestra se dejó

tapada y en reposo por 30 minutos (decantación). El extracto resultante fue


114

trasvasado al mismo balón aforado, realizando entre 2-3 lavados consecutivos del

Erlenmeyer de manera que el balón no tuviera más de 80 ml.

a) b) Figura 3.17 Método de extracción en caliente para filtros de PST y PM10. a)

Preparación del filtro, y b) extracción en caliente

Posteriormente, el balón aforado se llenó con agua destilada-desionizada hasta

alcanzar 100 ml y se agitó vigorosamente. El extracto se dejó en reposo a

temperatura ambiente durante 24 horas (decantación). En cada extracción se

preparó un filtro-blanco (i.e., filtro sin muestra) para evaluar los niveles de

elementos metálicos en los reactivos utilizados. Finalmente, el extracto fue

trasvasado y almacenado en un recipiente plástico para su posterior análisis. De

esta manera, el extracto preparado quedó listo para la determinación de elementos

metálicos mediante el uso de técnicas atómicas espectrométricas.

3.3.7 Determinación del contenido de metales pesados

El método de determinación de elementos metálicos se basó en lo establecido por

la noma ISO 11047 (ISO, 2000). La norma especificó el método para la

determinación del contenido metálico en extractos con agua regia mediante

espectrofotometría de absorción atómica de llama. Se utilizaron dos marcas de


115

espectrómetros de absorción atómica: (i) un equipo de marca Perkin Elmer

modelo AAnalyst 300 para analizar las muestras recolectadas en la ciudad de

Torrelavega (España) y, un equipo similar, para analizar las muestras recolectadas

en la ciudad Bogotá (Colombia); y (ii) un equipo de marca Unicam Solaar modelo

989 AA para analizar las muestras recolectadas en la ciudad de Soacha

(Colombia) (ver Figura 3.18). Es importante resaltar que los valores obtenidos en

la determinación del contenido metálico no representan elementos asimilables o

biodisponibles, sino que están más cercanos al contenido total del elemento

presente en el material analizado (pseudo-total), dada la fuerza del agente de

extracción, en este caso agua regia. El protocolo de análisis utilizado se describe a

continuación.

En la determinación del contenido metálico se utilizaron los extractos preparados

para el sedimento viario y el material en suspensión (PST y PM10). Igualmente, se

analizaron todos los blancos preparados en el proceso de extracción. Las

soluciones patrón de los metales se adquirieron comercialmente, es decir, no

fueron preparadas en el laboratorio. Adicionalmente, se controló el período

máximo de almacenamiento de las soluciones patrón y estándar, de un año y un

mes, respectivamente. Antes de preparar cada lote para las determinaciones, de 20

mg/l de la solución estándar de cada elemento se prepararon al menos cinco

soluciones de calibración que cubrieran el intervalo de concentraciones a

determinar. Por ejemplo para Pb, de la solución estándar se transfirieron con una

pipeta 5, 10, 20, 30 y 40 ml a una serie de matraces volumétricos de 100 ml. A

cada uno de ellos se le agregaron 21 ml de ácido clorhídrico (37%; 1,18 g/ml) y 7

ml de ácido nítrico (65%, 1,42 g/ml), se diluyeron con agua hasta la marca y se

mezclaron bien. Estas soluciones correspondieron a concentraciones de plomo de

1, 2, 4, 6 y 8 mg/l, respectivamente.

Para la calibración, el espectrómetro de absorción atómica se accionó de acuerdo

con las instrucciones del fabricante, a la longitud de onda apropiada, en las

condiciones adecuadas y con el sistema de corrección de fondo en

funcionamiento. Se aspiró la solución de calibración y se optimizaron las


116

condiciones de aspiración, la altura del quemador y las condiciones de la llama.

Se ajustó la respuesta del instrumento a absorbancia cero mientras se aspiró el

agua. Se aspiraron el conjunto de soluciones de calibración en orden ascendente y,

como elemento cero, la solución de calibración blanco. Después de un tiempo de

10 s, se realizó la lectura de la absorbancia de cada solución de calibración (dos

veces) y se promediaron los valores. Seguidamente se construyó la gráfica de

calibración para cada elemento con las concentraciones de las soluciones de

calibración, de las cuales se restó la lectura de calibración del blanco, en mg/l

como la abscisa y los valores de la absorbancia correspondiente como la ordenada.

a)

b)

Figura 3.18 Espectrómetros de absorción atómica con llama empleados para la determinación del contenido metálico. a) Marca Perkin Elmer (modelo: AAnalyst

300), y b) marca Unicam Solaar (modelo: 989 AA)


117

Por último en la determinación de la muestra de ensayo, se aspiró la muestra de

ensayo blanco y la muestra (extracto) separadamente en la llama y se midió la

absorbancia del elemento metálico. Se realizaron dos lecturas de las soluciones y

se promediaron los valores. Después de cada medición, se aspiró el agua y se

reajustó el cero si fue necesario. Si la concentración del elemento metálico de la

muestra superó el intervalo de calibración, se diluyó la solución de ensayo con la

solución blanco. Finalmente, la concentración del elemento metálico

correspondiente a las absorbancias de la muestra y de la solución de ensayo

blanco se determinó con respecto a la gráfica de calibración obtenida. Las

concentraciones metálicas fueron expresadas en miligramos de metal pesado por

kilogramo de materia seca, de sedimento viario o material en suspensión (PST y

PM10).

3.4 SÍNTESIS

A partir del estudio del estado del arte se procedió a seleccionar los sistemas de

muestreo y análisis de laboratorio de mayor utilidad para el desarrollo y

validación de la metodología propuesta en la presente investigación. En la etapa

de desarrollo (ciudades de Torrelavega y Soacha) se seleccionaron las técnicas de

aspirado y barrido en seco (SABS), y de barrido en seco (SBS) para realizar la

caracterización metálica del sedimento viario. La eficacia de las técnicas SABS y

SBS en la recolección del sedimento viario fue de 98,4 y 97,6%, respectivamente.

Por lo tanto, en la presente investigación se consideró la técnica SBS como una

versión simplificada de la técnica SABS; es decir, los sistemas de muestreo

empleados fueron equivalentes.

Igualmente en la etapa de desarrollo, se seleccionaron equipos manuales de alto

volumen para realizar la caracterización metálica del material en suspensión. En la

recolección de las partículas suspendidas totales (PST) se utilizó un equipo

manual de alto volumen con un sistema de control de flujo de tipo másico

(Thermo Environmental Instruments Inc., GMW TSP High Volume Air Sampler -

Mass Flow). Por otro lado, en la recolección de la partículas de tamaño menor o


118

igual a 10 µm (PM10) se utilizó un equipo manual de alto volumen de tipo ciclón,

con un sistema de control de flujo de tipo volumétrico (Wedding & Associates,

600 PM10 Critical Flow High Volume Air Sampler - Volumetric Flow). El

muestreo para el desarrollo de la metodología propuesta tuvo una duración de 65

días en la ciudad de Torrelavega (28/09/2004-01/12/2004) y 127 días en la ciudad

de Soacha (07/01/2010-14/05/2010).

En la etapa de validación de la metodología propuesta (ciudad de Bogotá), se

utilizó el sistema SBS para la caracterización metálica del sedimento viario. En la

caracterización metálica del material en suspensión (PM10) se utilizó un equipo de

monitoreo continuo de partículas mediante atenuación de rayos beta (Met One

Instruments, BAM 1020). El muestreo para la validación de la metodología

propuesta tuvo una duración de un año (08/05/2010-08/05/2011).

Finalmente, los análisis de laboratorio realizados para caracterizar el sedimento

viario fueron los siguientes: (i) humedad (normas ISO 11465; ASTM D2216); (ii)

granulometría (normas ISO 2591-1; ASTM D422); (iii) extracción de elementos

metálicos mediante agua regia (norma ISO 11466); (iv) determinación del

contenido metálico mediante espectrofotometría de absorción atómica de llama

(noma ISO 11047). Por otro lado, los análisis de laboratorio realizados para

caracterizar el material en suspensión fueron los siguientes: (i) selección,

preparación y determinación gravimétrica para filtros (documento EPA/625/R-

96/010a); (ii) extracción en caliente de elementos metálicos para filtros

(documento EPA/625/R-96/010a); (iii) determinación del contenido metálico

mediante espectrofotometría de absorción atómica de llama (noma ISO 11047).

3.5 REFERENCIAS

ASTM, Standard test method for laboratory determination of water (moisture) content of soil and rock by mass, ASTM D2216, Annual Book of ASTM Standards, American Society for Testing and Materials, West Conshohocken, Pennsylvania, USA, 2000.

ASTM, Standard test method for particle-size analysis of soils, ASTM D422, Annual Book of ASTM Standards, American Society for Testing and Materials, West Conshohocken, Pennsylvania, USA, 2000.


119

EPA, Compendio de métodos para la determinación de compuestos inorgánicos en el aire ambiente, compendio IO-2.1: muestreo de aire ambiente para material particulado suspendido total y PM10 utilizando un muestreador de alto volumen, EPA/625/R-96/010a, Office of Research and Development, Environmental Protection Agency, Washington DC, USA, 1999.

EPA, Compendio de métodos para la determinación de compuestos inorgánicos en el aire ambiente, compendio IO-1.2: determinación en el aire ambiente de PM10 usando un monitor continuo de atenuación de rayos beta (Thermo Environmental Instruments Inc.), EPA/625/R-96/010a, Office of Research and Development, Environmental Protection Agency, Washington DC, USA, 1999.

EPA, Compendio de métodos para la determinación de compuestos inorgánicos en el aire ambiente, compendio IO-3.1: selección, preparación y determinación gravimétrica para filtros, EPA/625/R-96/010a, Office of Research and Development, Environmental Protection Agency, Washington DC, USA, 1999.

INVIAS, Mezcla discontinua en caliente para capa de rodadura (micro-aglomerado en caliente), Artículo 452-07, Instituto Nacional de Vías, Ministerio de Transporte, Bogotá DC, Colombia, 2007.

INVIAS, Textura superficial de un pavimento mediante el método del círculo de arena, Normas de ensayo INVE-791-07, Instituto Nacional de Vías, Ministerio de Transporte, Bogotá DC, Colombia, 2007.

ISO, Soil quality, Determination of cadmium, chromium, cobalt, copper, lead, manganese, nickel and zinc, Flame and electrothermal atomic absorption spectrometric methods, ISO 11047, Standards Handbook, International Organization for Standardization, Geneva, Switzerland, 2000.

ISO, Soil quality, Determination of dry matter and water content on a mass basis, Gravimetric method, ISO 11465, Standards Handbook, International Organization for Standardization, Geneva, Switzerland, 2000.

ISO, Soil quality, Extraction of trace elements soluble in aqua regia, ISO 11466, Standards Handbook, International Organization for Standardization, Geneva, Switzerland, 2000.

ISO, Soil quality, Test sieving, Part 1: Methods using test sieves of woven wire cloth and perforated metal plate, ISO 2591-1, Standards Handbook, International Organization for Standardization, Geneva, Switzerland, 2000.

SDA, Red de monitoreo y calidad del aire de Bogotá-RMCAB, Reporte por estación, http://201.245.192.251:81/, consulta realizada entre 14/01/2010 - 08/05/2011, Secretaría Distrital de Ambiente, Bogotá DC, Colombia, 2011.


CAPÍTULO 4.- METODOLOGÍA PARA LA ESTIMACIÓN DE LA DISTRIBUCIÓN DE LOS METALES PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DE INFORMACIÓN DEL MATERIAL EN SUSPENSIÓN

121

CAPÍTULO 4.- METODOLOGÍA PARA LA ESTIMACIÓN DE

LA DISTRIBUCIÓN DE LOS METALES PESADOS

ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DE

INFORMACIÓN DEL MATERIAL EN SUSPENSIÓN

4.1 ANTECEDENTES

A partir del estudio del estado del arte se pudo observar el escaso desarrollo de

metodologías para la evaluación metálica asociada con el sedimento viario

mediante información del material en suspensión. Adicionalmente, las

metodologías más cercanas se fundamentaron en el desarrollo de equipos

especializados (p.ej., una cámara superficial de aspirado de PM10) o en el uso de

instalaciones diseñadas para otras aplicaciones (p.ej., una pista viaria para evaluar

la resistencia del pavimento); estos desarrollos permitieron una evaluación

metálica viaria de manera puntual y en un instante de tiempo determinado. Por

otro lado, los desarrollos metodológicos existentes no tuvieron el enfoque de la

presente investigación: la evaluación de la contaminación metálica en superficie

para la gestión de la escorrentía viaria.

Por lo tanto, en este capítulo se presenta un desarrollo metodológico para la

estimación de la distribución de los metales pesados asociados con el sedimento

viario a partir de la información suministrada por las instalaciones de monitoreo

de la calidad del aire existentes en las urbes. Es decir, no se acudió al diseño de

equipos especializados o al uso de instalaciones diseñadas para otras aplicaciones

sin relación con el campo de investigación; de esta manera se utilizó la

información disponible en las redes de monitoreo para realizar la evaluación

metálica en mención, teniendo como foco la gestión de la contaminación metálica

generada por la escorrentía superficial viaria y, consecuentemente, la selección,

diseño y perfeccionamiento de las mejores prácticas de control (i.e., estructurales

y no estructurales). Adicionalmente, el desarrollo metodológico propuesto


122

pretendió realizar una evaluación metálica viaria en la totalidad del territorio

urbano mediante la utilización de la información disponible en las redes de

monitoreo de calidad del aire. En el caso de que las estaciones de monitoreo de la

calidad del aire sean automáticas, la evaluación metálica viaria podrá realizarse en

tiempo real.

Este capítulo se inicia con una descripción general de las cinco fases de la

metodología propuesta. Posteriormente, se describe en detalle cada una de las

fases del desarrollo metodológico y que fueron adelantadas en las ciudades de

investigación: (i) Torrelavega (España) y (ii) Soacha (Colombia). A partir de lo

anterior, se expone la estructura definitiva de la metodología. Finalmente, se

presenta una síntesis de la metodología desarrollada para la estimación de la

distribución de los metales pesados asociados con el sedimento viario a partir de

información del material en suspensión (i.e., partículas suspendidas).

4.2 DESCRIPCIÓN GENERAL DE LA PROPUESTA METODOLÓGICA

La metodología propuesta para la evaluación metálica asociada con el sedimento

viario a partir de información del material en suspensión estuvo constituida por

cinco fases: (i) descripción de la vía en estudio, (ii) caracterización metálica del

sedimento viario, (iii) caracterización del material en suspensión (PM10 y PST),

(iv) desarrollo de un modelo causal para la concentración metálica viaria, y (v)

evaluación de la concentración metálica asociada con el sedimento viario a partir

de información del material en suspensión. La descripción general de cada una de

las fases de la metodología se presenta a continuación (ver Figura 4.1).

4.2.1 Descripción de las vías en estudio

El objetivo de esta primera fase fue describir la vía en evaluación. La descripción

se centró en las variables identificadas a partir del estudio del estado del arte en la

presente investigación (ver Capítulo 2, apartado 2.2). Las variables para la

evaluación metálica asociada con el sedimento viario se clasificaron en tres


123

categorías: (i) climática, (ii) humana y (iii) físico-natural. La Tabla 4.1 presenta

las categorías y variables generales a describir en la primera fase de la

metodología.

Tabla 4.1 Categorías y variables generales utilizadas para la descripción de la vía

en estudio Categorías Variables Indicador

Climática Precipitación Altura, intensidad y pH Escorrentía Tasa, volumen, y tensión cortante del

flujo Deposición atmosférica Tasa de deposición seca y húmeda Período seco previo Número de días de tiempo seco Viento Velocidad y dirección Humana Uso del suelo Residencial, comercial e industrial Limpieza viaria Tecnología y frecuencia Tráfico Densidad y composición, y velocidad Físico-natural

Cubiertas de edificaciones Densidad y tipo

Características físicas de la cuenca viaria

Tiempo de concentración, estado, textura y tipo de la superficie de rodadura, pendiente viaria, y sistema de drenaje

Cantidad de sedimento Carga y distribución granulométrica Plantas y desechos vegetales Densidad y tipo

4.2.2 Caracterización metálica del sedimento viario

La segunda fase de la metodología pretendió caracterizar la concentración de

metales pesados asociada con el sedimento acumulado sobre la superficie viaria

en evaluación. Las cuatro actividades desarrolladas de manera consecutiva fueron

las siguientes: (i) determinación y análisis de la carga de sedimento viario (g/m2),

(ii) determinación y análisis de la granulometría del sedimento viario (63-2800

µm), (iii) determinación y análisis de la concentración metálica asociada con cada

fracción de tamaño entre 63-2800 µm (mg/kg), y (iv) determinación y análisis de

la carga o cantidad metálica asociada con cada fracción de tamaño entre 63-2800

µm (g/m2 ó %/m2).

En el desarrollo de esta fase se utilizaron los sistemas de muestreo de aspirado y

barrido en seco (SABS), y barrido en seco (SBS) (ver Capítulo 3, apartado 3.2.1)

para recolectar y determinar la carga del sedimento acumulado sobre la superficie


124

viaria. Posteriormente, se determinó la distribución de tamaño de las partículas

mediante el método ISO 2591-1 (ISO, 2000) (ver Capítulo 3, apartado 3.3.2).

Finalmente, la concentración y carga metálica asociada con el sedimento viario se

determinó mediante extracción en agua regia (método ISO 11466; ISO, 2000) (ver

Capítulo 3, apartado 3.3.4) y espectrofotometría de absorción atómica de llama

(método ISO 11047; ISO, 2000) (ver Capítulo 3, apartado 3.3.7).

4.2.3 Caracterización del material en suspensión (PM10 y PST)

El objetivo de la tercera fase fue realizar la caracterización de la carga del material

en suspensión de tamaño menor o igual a 10 µm (PM10), y de tamaño menor a 100

µm (PST). Complementariamente, se realizó la caracterización de la

concentración y carga metálica asociada con el material en suspensión. Las tres

actividades desarrolladas de manera consecutiva fueron las siguientes: (i)

determinación y análisis de la carga de PM10 y PST (µg/m3), (ii) determinación y

análisis de la concentración metálica asociada con PM10 y PST (µg/g), y (iii)

determinación y análisis de la carga metálica asociada con PM10 y PST (µg/m3).

Es importante mencionar que las dos últimas actividades fueron complementarias

con el objeto de profundizar en el comportamiento de los elementos metálicos

sobre las superficies viarias, es decir, la propuesta metodológica puede o no

incluir estas actividades.

En el desarrollo de esta fase se utilizaron dos sistemas manuales de muestreo para

la recolección y determinación de la carga de PM10 y PST (µg/m3). El sistema de

muestreo de PM10 estuvo constituido por un equipo manual de alto volumen, de

tipo ciclón y con un sistema de control de flujo de tipo volumétrico (Wedding &

Associates, 600 PM10 Critical Flow High Volume Air Sampler - Volumetric

Flow); por otro lado, el sistema de muestreo de partículas suspendidas totales

(PST) estuvo constituido por un equipo manual de alto volumen con sistema de

control de flujo de tipo másico (Thermo Environmental Instruments Inc., GMW

TSP High Volume Air Sampler - Mass Flow) (ver Capítulo 3, apartado 3.2.2).

Finalmente, se determinó la concentración y carga metálica asociada con PM10 y


125

PST mediante extracción en caliente (método EPA: 40 CFR Part 50, Appendix G;

EPA, 1999) (ver Capítulo 3, apartado 3.3.6) y espectrofotometría de absorción

atómica de llama (método ISO 11047) (ver Capítulo 3, apartado 3.3.7).

4.2.4 Desarrollo del modelo causal entre la carga en suspensión y la concentración

metálica asociada con el sedimento viario

La cuarta fase de la metodología consistió en el desarrollo de un modelo causal

entre la carga en suspensión y la concentración metálica asociada con el

sedimento viario. Las etapas ejecutadas para el desarrollo del modelo fueron las

siguientes: (i) establecimiento de hipótesis, (ii) construcción de la matriz de causa-

efecto y elaboración del diagrama conceptual, (iii) identificación, (iv) estimación

de parámetros, (v) verificación, y (vi) análisis del pronóstico.

A partir del estudio del estado del arte y de la caracterización realizada en las

ciudades de Torrelavega y Soacha se establecieron las siguientes hipótesis para el

desarrollo del modelo causal: (i) la concentración metálica asociada con el

sedimento acumulado sobre una superficie viaria (µg/g) está relacionada con la

concentración metálica asociada con el material en suspensión (µg/g); (ii) la

concentración metálica asociada con el material en suspensión (µg/g) está

directamente relacionada con la carga del material en suspensión (µg/m3); y (iii)

de esta manera, se puede predecir la concentración metálica asociada con el

sedimento viario (µg/g) a partir de la carga del material en suspensión (µg/m3). La

descripción en detalle de las diferentes etapas para el desarrollo modelo se

presenta en el apartado 4.3.4 del presente capítulo.

4.2.5 Evaluación de la concentración metálica asociada con el sedimento viario a

partir de información del material en suspensión

El objetivo de la última fase del desarrollo metodológico fue evaluar la

distribución por fracción de tamaño de la concentración y carga metálica asociada

con el sedimento viario. Las actividades desarrolladas de manera consecutiva


126

fueron las siguientes: (i) evaluar la distribución de la concentración metálica por

fracción de tamaño (mg/kg), y (ii) evaluar la distribución de la carga metálica por

fracción de tamaño (g/m2 ó %/m2). Las fracciones de tamaño evaluadas fueron las

siguientes: < 63, 63-125, 125-250, 250-500, 500-1000, 1000-2000, y 2000-2800

µm

Figura 4.1 Diagrama de flujo para la metodología propuesta

Finalmente, se pretende que la aplicación de la metodología propuesta sea útil

para los gestores del control de la contaminación metálica generada por la

escorrentía superficial viaria para la toma de decisiones en la selección, diseño y

Fase 1: Descripción de la vía en evaluación

Fase 2: Caracterización metálica del sedimento

viario

Fase 3: Caracterización del material en suspensión

Fase 4: Desarrollo de un modelo causal para la concentración metálica

viaria

Fase 5: Evaluación metálica asociada con el sedimento viario a

partir de información del material en suspensión

Condicionantes climáticosCondicionantes humanosCondicionantes físico-naturales

Carga de sedimentoGranulometría del sedimentoConcentración metálica por fracción de tamañoCarga metálica por fracción de tamaño

Carga en suspensiónConcentración metálica en suspensión (opcional)Carga metálica en suspensión (opcional)

Establecimiento de hipótesisMatriz causa-efecto y diagrama conceptualIdentificación del modeloEstimación de parámetrosVerificaciónAnálisis del pronóstico

Evaluación de la concentración metálica por fracción de tamañoEvaluación de la carga metálica por fracción de tamaño


127

perfeccionamiento de las mejores prácticas y mecanismos de control (MPC). Las

prácticas y mecanismos de control a evaluar con la aplicación de la presente

metodología serían: (i) la densidad de tráfico, (ii) la limpieza viaria manual y

mecánica, (ii) las cunetas, (iii) los imbornales y fosas, (iv) los estanques secos y

húmedos, (v) los sistemas de infiltración, (vi) los sistemas de filtración, (vii) los

humedales, (viii) los pavimentos impermeables y permeables, (ix) los tanques de

tormenta, y (x) los sistemas de alcantarillado pluvial.

4.3 DESARROLLO DE LA PROPUESTA METODOLÓGICA

La metodología fue desarrollada durante las campañas de campo realizadas en las

ciudades de Torrelavega (España) y Soacha (Colombia) entre el 28/09/2004-

01/12/2004 y 07/01/2010-14/05/2010, respectivamente. A continuación se

describe detalladamente el desarrollo de cada una de las fases de la metodología

propuesta.

4.3.1 FASE 1. Descripción de las vías en estudio

El primer lugar de investigación se localizó sobre la superficie viaria del Bulevar

Ronda Rufino Peón, en la ciudad de Torrelavega (Cantabria) al norte de España

(43°20ˈ17̎ N, 4°02ˈ57 ̎O). Su clima atlántico (templado) se caracterizó por lluvias

abundantes a lo largo de todo el año (precipitación media anual: 1230 mm; días de

precipitación: 188/año), la elevada humedad (media anual: 77%) y la suavidad de

las temperaturas (promedio anual: 14,7 °C). Los anteriores datos climatológicos

fueron obtenidos de una estación administrada por la Universidad de Cantabria

(UC), localizada a una distancia entre 40 y 300 metros de las superficies viarias en

estudio (ver Figura 4.2).

La superficie viaria de estudio en la ciudad de Torrelavega se localizó en el

interior de una cuenca de uso residencial, rodeada por áreas abiertas y poco

edificadas (impermeabilización del 60%). La cuenca viaria tuvo una elevación

media de 50,3 m.s.n.m. y una pendiente media de 1,5%. El bulevar tenía en cada


128

uno de sus dos sentidos un carril para el tráfico, uno para aparcamiento y otro para

el tránsito de bicicletas. El carril para las bicicletas estuvo separado de la calzada

por un bordillo de concreto y una línea de vegetación (ver figuras 4.2 y 4.3). El

sistema de desagüe de la calzada estuvo constituido por una cuneta lateral en

concreto, sobre la cual se situaron una serie de imbornales (cada 40 m). El bulevar

da acceso a áreas residenciales pero fue usado frecuentemente por vehículos de

tipo comercial. El área de estudio se dividió en dos zonas cuyas características

principales se presentan en la Tabla 4.2.

Figura 4.2 Esquema de las superficies viarias en estudio (Torrelavega, España)

Por otro lado, el segundo lugar de investigación se localizó sobre dos superficies

viarias de la ciudad de Soacha (Cundinamarca) en el centro de Colombia (4°35ˈ05̎

N, 74°13ˈ12̎ O). Su clima tropical de montaña (i.e., clima frio) se caracterizó por

presentar una amplia variación diaria en la temperatura (promedio anual: 14 °C;

variación entre 0-18 °C), una humedad relativa media (promedio anual: 66%) y

una precipitación media anual de 900 mm. Los anteriores datos climatológicos

fueron obtenidos de una estación operada por la Corporación Autónoma de

Cundinamarca (CAR), localizada a una distancia entre 340 y 4230 metros con

respecto de las dos superficies viarias de investigación.

50 m 100 m

4% 0,20

0,15 0,08

2,00,90

0,80

Zona 1

Estación meteorológica UC

Carril bicicletas(asfalto)

Calzada

Cuneta (0,35x0,05)(concreto)

Bulevar Ronda Rufino Peón

Dimensiones en metros

Zona 2

5,50

Vehicular3,60

Parqueo1,90

Un árbol cada 2,50

Bordillo(concreto)

Sin edificacionesEdificaciones

Sin edificacionesEdificaciones


129

Tabla 4.2 Características de las superficies viarias en estudio (Torrelavega) Característica Zona 1 Zona 2

Densidad residencial (habitantes/ha) Baja (150) Media (300) Líneas de tráfico 2a 2a Líneas de aparcamiento 2a;b 2a Longitud (m) 300 310 Pendiente longitudinal (%) 0,2 4 Pendiente transversal (%) 4 4 Capa de rodadura/textura Asfalto/rugoso Asfalto/rugoso Densidad media de tráfico (Vehículos/d) 3800 3800 Densidad máxima de tráfico (Vehículos/h)

600 600

Velocidad promedio (km/h) 55-60 55-60

Composición (%) coches: 92; camionetas: 5; camiones sin remolque: 2,5; camiones con remolque: 0,25; autobuses: 0,25

a: una en cada sentido; b: subutilizadas por la baja densidad residencial

a) b)

Figura 4.3 Fotografía de las superficies viarias en estudio (Torrelavega, España). a) Zona 1 y b) Zona 2

La primera superficie viaria de investigación en Colombia se localizó en el centro

urbano de la ciudad de Soacha (i.e., Zona 1), en la vía adyacente al Hospital

Central Municipal (calle 13-carrera 10). La cuenca viaria tuvo una elevación

media de 2560 m.s.n.m. y una pendiente media de 1,7% (impermeabilización del

90%) (ver Figura 4.4a y 4.5a). La superficie viaria tenía un sólo sentido con dos

carriles para el tráfico. La calzada estuvo separada del andén por un bordillo en

concreto. El sistema de drenaje viario estuvo constituido por imbornales laterales

localizados al final de la vía (i.e., en la boca-calle). Sin embargo, la vía no poseía

una cuneta para la recolección y conducción del agua de escorrentía hacia los

imbornales. La vía da acceso a áreas residenciales e institucionales, pero fue usada

ocasionalmente por vehículos de tipo comercial. Es decir, en orden de importancia


130

el uso del suelo del área de estudio fue residencial, institucional y comercial. La

Tabla 4.3 presenta las principales características de la Zona 1.

La segunda superficie viaria de investigación en Colombia (i.e., Zona 2) se

localizó sobre el corredor vial Autopista Sur de Bogotá-Soacha, a la altura de la

empresa Almacafé (bodega de almacenamiento de café). La cuenca viaria tiene

una elevación media de 2556 m.s.n.m. y una pendiente media de 1,1%

(impermeabilización del 10%) (ver Figura 4.5b). La vía tiene en cada uno de sus

dos sentidos, tres carriles para el tráfico. La calzada se encontraba separada de una

línea de vegetación por un bordillo en concreto. El sistema de drenaje estuvo

constituido por imbornales localizados cada 55 metros. No obstante, la vía no

poseía una cuneta para la recolección de la escorrentía superficial (ver Figura

4.4b).

Tabla 4.3 Características de las superficies viarias en estudio (Soacha) Característica Zona 1 Zona 2

Densidad residencial (habitantes/ha) Alta (600) Baja (150) Líneas de tráfico/parqueo 1a/ninguna 2b/ninguna Longitud viaria (m) 120 500 Pendiente longitudinal/transversal (%) 2/4 1/4 Tipo/textura del pavimento Asfalto/rugoso Asfalto/rugoso Tráfico promedio diario (Vehículos/d) 2750 40100 Tráfico máximo horario (Vehículos/h) 570 6700 Velocidad promedio (km/h) 10-30 60-80

Composición del tráfico Zona 1/Zona 2 (%)

carros: 65/62; camiones ligeros: 0/7,25; camiones sin remolque: 0/5,40; camiones

con remolque: 0/7,35; buses: 35/18 a: uso ocasional como línea de aparcamiento; b: tres carriles por cada sentido del tráfico

a) b)

Figura 4.4 Fotografía de las superficies viarias en estudio (Soacha, Colombia) a) Zona 1 y b) Zona 2


131

a)

b)

Figura 4.5 Esquema de las superficies viarias en estudio (Soacha, Colombia). a) Zona 1 y b) Zona 2

Carril 3,60 (asfalto) Carril 3,60 (asfalto)

Bordillo (concreto); A=0,13; h=0,18

Andén (ladrillo); ancho de 3 Andén (ladrillo); ancho de 3


4% 4%

CARRERA 10

CA

LL

E 13

Hospital Soacha

Edificaciones

Estación de calidad del aire CARSin edificaciones

Zona 1

20 m 40 m

Carril (1) 3,60

Calzada No. 1 (asfalto)

Separador 3,00

Canal (concreto); hacia el imbornal

Bordillo (concreto); A= 0,15; h= 0,18


Carril (2) 3,60 Carril (3) 3,60

Un árbol c/d 6,00

Bordillo (concreto); A= 0,15; h= 0,18

4%

Hacia la calzada No. 2 (asfalto)

AUTO

PIST

A SUR

Empr

esa A

LMACAFÉ

Estación calidad del aire CAR

50 m

100 m

Sin edificacionesEscasa vegetación

Zona 2




132

La Autopista Sur Bogotá-Soacha se constituyó en uno de los principales

corredores viales de entrada y salida de vehículos de la ciudad de Bogotá D.C., es

decir, presentó una elevada y variada composición del tráfico (ver Tabla 4.2). El

uso del suelo del área de estudio fue industrial y comercial; sin embargo, la

estación de monitoreo se localizó en un área abierta con escasa vegetación y sin

edificaciones (bodega de la empresa Almacafé), a una distancia de 950 m con

respecto del complejo industrial más cercano (ver Figura 4.5b). La Zona 2 estuvo

localizada a una distancia de 4230 m con respecto de la Zona 1. La Tabla 4.3

presenta las principales características de la Zona 2.

4.3.2 FASE 2. Caracterización metálica del sedimento viario

Las cuatro actividades desarrolladas de manera consecutiva durante esta fase

fueron las siguientes: (i) determinación y análisis de la carga de sedimento viario

(g/m2), (ii) determinación y análisis de la granulometría del sedimento viario (63-

2800 µm), (iii) determinación y análisis de la concentración metálica asociada con

cada fracción de tamaño del sedimento viario (µg/g ó mg/kg), y (iv)

determinación y análisis de la carga metálica asociada con cada fracción de

tamaño del sedimento viario (g/m2 ó %/m2). A continuación se describen cada una

de las actividades desarrolladas en la caracterización metálica del sedimento

viario.

4.3.2.1 Determinación y análisis de la carga de sedimento viario

Esta actividad se enfocó en la determinación y análisis de la cantidad de

sedimento acumulado sobre las superficies viarias a partir de las variables

descritas en la primera fase de la metodología. El análisis de la carga de sedimento

se realizó a partir de los principales fenómenos que condicionaron su contenido

metálico, e identificados en el estudio del estado del arte de la presente

investigación: (i) el fenómeno de acumulación de la carga viaria, y (ii) el

fenómeno de remoción de la carga viaria; este último representado principalmente

por la remoción generada por la escorrentía superficial viaria (i.e. por lavado).


133

4.3.2.1.1 Acumulación de la carga viaria

La caracterización de la acumulación de carga del sedimento viario tuvo en cuenta

los siguientes análisis: (i) caracterización climatológica de los períodos de tiempo

seco, (ii) tendencia en la acumulación de carga del sedimento viario, y (iii)

condicionantes de la tasa de acumulación del sedimento viario. A continuación se

presenta la caracterización realizada para la carga de sedimento viario después de

las campañas de campo desarrolladas en las ciudades de Torrelavega y Soacha.

Durante la caracterización realizada en la ciudad de Torrelavega (28/09/2004-

01/12/2004; 65 días) se presentaron once intervalos de tiempo seco, seis de los

cuales fueron superiores a un día: 24 de septiembre-1 de octubre (7 días), 3-5 de

octubre (3 días), 9-13 de octubre (5 días), 22-24 de octubre (3 días), 17-18 de

noviembre (2 días), y 22-27 de noviembre (6 días). En todos ellos se observó un

aumento de la carga total (CT) acumulada sobre la superficie viaria a medida que

pasaban los días de tiempo seco (ver Figura 4.6). Las Zonas 1 y 2 en la ciudad de

Torrelavega presentaron una tendencia similar.

Figura 4.6 Variación de la carga viaria de sedimento en la Zona 1 (Torrelavega, España)

Por otro lado, en la caracterización realizada en la ciudad de Soacha (07/01/2010-

14/05/2010; 127 días) se presentaron trece intervalos de tiempo seco, diez de los

cuales fueron superiores a un día: 13 de enero-8 de febrero (27 días), 10-15 de

0

5

10

15

20

25

30

35

40

45

28-0

9-04

02-1

0-04

06-1

0-04

10-1

0-04

14-1

0-04

18-1

0-04

22-1

0-04

26-1

0-04

30-1

0-04

03-1

1-04

07-1

1-04

11-1

1-04

15-1

1-04

19-1

1-04

23-1

1-04

27-1

1-04

01-1

2-04

Día

Pre

cipi

taci

ón (

mm

)

0

5

10

15

20

25

30

35

40

45

Car

ga (

g/m

2 )

Precipitación Carga Total Carga Libre Carga Fija


134

febrero (6 días), 17-18 de febrero (2 días), 21-22 de febrero (2 días), 26 de

febrero-6 de marzo (9 días), 12-16 de marzo (5 días), 18-25 de marzo (8 días), 27-

29 de marzo (3 días), 3-4 de abril (2 días), y 7-14 de mayo (8 días). Igualmente,

en todos ellos se observó un aumento de la carga total (CT) acumulada sobre la

superficie viaria a medida que pasaban los días de tiempo seco (ver Figura 4.7).

Las Zonas 1 y 2 en la ciudad de Soacha presentaron una tendencia similar.

Figura 4.7 Variación de la carga viaria de sedimento en la Zona 2 (Soacha, Colombia)

Al estudiar la carga total acumulada sobre la calzada en función del número de

días de tiempo seco (g/m2), se observó que para las muestras recolectadas en la

ciudad de Torrelavega la relación lineal era la más adecuada. Los coeficientes de

determinación (R2) para las Zonas 1 y 2 fueron de 0,82 y 0,83, respectivamente

(ver Figura 4.8). Los modelos lineales obtenidos para las Zonas 1 y 2 fueron los

siguientes:

DD1=1,64·t (4.1)

DD2=2,53·t (4.2)

Donde DD1 y DD2 representaron la carga total (g/m2) de sedimento acumulado

sobre la calzada de las Zonas 1 y 2, respectivamente; y t representó el número de

0

20

40

60

80

100

120

140

160

180

200

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

13

/01

/20

10

20

/01

/20

10

27

/01

/20

10

03

/02

/20

10

10

/02

/20

10

17

/02

/20

10

24

/02

/20

10

03

/03

/20

10

10

/03

/20

10

17

/03

/20

10

24

/03

/20

10

31

/03

/20

10

07

/04

/20

10

14

/04

/20

10

21

/04

/20

10

28

/04

/20

10

05

/05

/20

10

12

/05

/20

10

Ca

rga

(g/m

2)

Pre

cip

itaci

ón (m

m)

Fecha

Precipitación Carga Total


135

días de tiempo seco entre dos eventos de lluvia consecutivos. Sartor y Boyd

(1972), Saheen (1975) y Ball et al. (1998) reportaron que la carga total acumulada

en tiempo seco tiende a un valor máximo de equilibrio. Los resultados mostraron

que no existía tendencia hacia una condición de equilibrio en la cantidad

acumulada de sedimento, quizá porque no se pudieron medir períodos de tiempo

seco superiores a 7 días debido a la frecuencia de los eventos de lluvia en la

ciudad de Torrelavega. Es decir, se sugirió una tendencia lineal en la acumulación

del sedimento viario en los lugares donde la frecuencia de los eventos de lluvia

fue considerable (ver Figura 4.8).

Figura 4.8 Acumulación de la carga de sedimento viario con una frecuencia elevada en los eventos de lluvia. Zona 2 (Torrelavega, España)

Para el caso de la ciudad de Soacha, la tendencia en la carga total acumulada en

función del número de días de tiempo seco (g/m2) fue similar a la observada en la

ciudad de Torrelavega, para períodos de tiempo menores a 8 días (i.e., tendencia

lineal). Los coeficientes de determinación (R2) para las Zonas 1 y 2 fueron de 0,71

y 0,66, respectivamente. Los modelos lineales obtenidos para las Zonas 1 y 2

fueron los siguientes:

DD1=1,94·t (4.3)

Zona 2: Y = 2,53*XR2 = 0,83

Zona 1: Y = 1,64*XR2 = 0,82

0

2

4

6

8

10

12

14

16

18

0 1 2 3 4 5 6 7 8

Ca

rga

de

se

dim

en

to(g

/m2)

Número de días de tiempo seco


136

DD2=2,92·t (4.4)



días de tiempo seco entre dos eventos de lluvia consecutivos. Sin embargo, los

resultados obtenidos en la ciudad de Soacha permitieron observar una tendencia

diferente para el período de tiempo seco comprendido entre el 13 de enero-8 de

febrero (27 días). En esta ocasión, la tendencia de tipo logarítmica fue la que

mejores resultados produjo. El coeficiente de determinación (R2) para las Zonas 1

y 2 fue de 0,95 (ver Figura 4.9). Los modelos logarítmicos obtenidos para las

Zonas 1 y 2 fueron los siguientes:

DD1=18,52·ln t 19,07 (4.5)

DD2=30,41·ln t 31,36 (4.6)



días de tiempo seco entre dos eventos de lluvia consecutivos. Por lo tanto, los

resultados en la ciudad de Soacha sugirieron que existió tendencia hacia una

condición de equilibrio en la cantidad acumulada de sedimento viario cuando el

número de días de tiempo seco fue elevado (i.e., tendencia logarítmica para

períodos secos); confirmando los hallazgos reportados por Sartor y Boyd (1972),

Saheen (1975) y Ball et al. (1998). En la presente investigación la carga total

acumulada en tiempo seco tendió en promedio a 113,8 g/m2 y 174,3 g/m2 en las

Zonas 1 y 2, respectivamente (ver Figura 4.9).

En la ciudad de Torrelavega la carga total media depositada por día de tiempo

seco sobre la calzada fue de 1,2 y 2,7 g/m2·d en las Zonas 1 y 2, respectivamente.

La prueba t de Student mostró que existían diferencias significativas en la carga

total depositada en tiempo seco entre las dos zonas de estudio. La diferencia

existente en la densidad residencial y la mayor exposición a la acción del viento

de la Zona 1 (velocidad media: 8,0 km/h), sugirieron la inferior carga total


137

depositada por día seco sobre la misma (ver Figura 4.2). Ball et al. (1998)

encontraron que velocidades del viento superiores a 21 km/h producían una

suspensión de las partículas acumuladas sobre la calzada, y Barkdoll et al. (1977)

mostraron que una partícula de 246 µm podía ser suspendida por masas de aire

con velocidades superiores a 8,05 km/h.

Figura 4.9 Variación de la carga de sedimento en tiempo seco. Zona 1 (Soacha, Colombia)

Por otro lado en la ciudad de Soacha, la carga total media depositada por día de

tiempo seco sobre la calzada fue de 1,90 y 2,48 g/m2·d en las Zonas 1 y 2,

respectivamente. La prueba t de Student mostró que existían diferencias

significativas en la carga total depositada por día de tiempo seco entre las dos

zonas de estudio. La diferencia existente en el uso del suelo de la Zona 2 (i.e.,

zonas abiertas, poco edificadas y con escasa vegetación) sugirieron la mayor carga

total depositada por día seco sobre la misma, debido a la suspensión y transporte

inducido por la acción del viento sobre las partículas de áreas aledañas a la

superficie viaria (velocidad media: 8,6 km/h) (ver Figura 4.5b). El efecto de la

turbulencia inducida por el tráfico sobre la pérdida o suspensión del sedimento

viario no fue considerado en los anteriores análisis. Sin embargo, en posteriores

análisis de la variación de la concentración metálica fue de gran interés.

Zona 1: y = 18,52ln(x) - 19,068R² = 0,95

Zona 2: y = 30,408ln(x) - 31,364R² = 0,95

0

5

10

15

20

25

30

35

40

45

0,0 5,0 10,0 15,0 20,0 25,0 30,0

Ca

rga

de

se

dim

en

to

(g/m

2 )



138

Al comparar la carga total acumulada en las ciudades de estudio (Torrelavega y

Soacha), se pudo observar que las mayores magnitudes se presentaron sobre las

superficies viarias de la ciudad de Soacha. La carga media acumulada en las

Zonas 1 y 2 de Torrelavega fue de 31,8 y 30,1 g/m2, respectivamente; en la ciudad

de Soacha la carga media acumulada en las Zonas 1 y 2 fue de 54,4 y 86,7 g/m2,

respectivamente. Los resultados sugirieron que el diseño viario condicionó la

cantidad de sedimento acumulado sobre la superficie de la calzada. Es decir, en

las superficies viarias donde existió cuneta la cantidad de sedimento acumulado

sobre la calzada tendió a ser menor, debido a que parte de éste se depositó sobre la

cuneta; este fue el caso de las superficies viarias de la ciudad de Torrelavega (ver

Tabla 4.2).

El sistema de muestreo de aspirado y barrido en seco (SABS) implementado en la

ciudad Torrelavega permitió diferenciar dos tipos de carga, la aspirada

directamente (carga libre, CL) y la recolectada tras un barrido adicional sobre la

misma superficie viaria (carga fija, CF) (ver Capítulo 3, apartado 3.2.1). En

promedio para las dos zonas en estudio, el 72% de la carga de sedimento

recolectado sobre la calzada correspondió a CL (i.e., 28% a CF).

Al representar CF/CL frente al tiempo, se observó que al aumentar el número de

días de tiempo seco disminuyó la relación CF/CL (tendencia de tipo lineal). Por

ejemplo, para los períodos de tiempo seco entre noviembre 22-27 (6 días) y

octubre 9-13 (5 días) los coeficientes de determinación en la Zona 1 fueron de

0,96 y 0,95, respectivamente (ver Figura 4.10). Adicionalmente, los coeficientes

de determinación mejoraron a medida que el número de días de tiempo seco

aumentó. Los coeficientes de determinación para todos los períodos de tiempo

seco en las Zonas 1 y 2 fueron 0,52 y 0,48, respectivamente. Probablemente, dicha

tendencia se debió a la influencia de factores climatológicos (temperatura,

humedad, viento, etc.) que hicieron que la carga más adherida a la superficie (CF)

estuviera disponible al aspirado y formara parte de la carga libre (CL).

Adicionalmente, el aporte del fenómeno de acumulación de polvo y suciedad

sobre la vía causó un notable incremento de CL.


139

La humedad media del sedimento recolectado en las Zonas 1 y 2 de Torrelavega

fue de 2,0 y 1,5%, respectivamente. Para la ciudad de Soacha la humedad media

del sedimento recolectado en las Zonas 1 y 2 fue de 2,6 y 3,1%, respectivamente.

La prueba t de Student mostró que no existían diferencias significativas en la

humedad del sedimento viario entre las zonas de estudio en cada ciudad. Sin

embargo, los resultados mostraron que el sedimento acumulado sobre las

superficies viarias con menor pendiente tendió a presentar una mayor humedad

(ver Tablas 4.2 y 4.3). Probablemente, el anterior comportamiento se debió a que

el tiempo de residencia del agua de escorrentía sobre la superficie viaria tiende a

aumentar a medida que disminuye la pendiente de ésta (i.e., por disminución en la

velocidad de flujo).

Figura 4.10 Relación CF/CL contra tiempo. Zona 1 (Torrelavega, España)

En la ciudad de Torrelavega la humedad media del sedimento recolectado durante

los períodos de tiempo seco fue mayor para CF (2,9%), mientras que para CL fue

de 0,6%. Es decir, la humedad fue mayor para la carga de sedimento más

fuertemente adherida a la superficie viaria. Como era de esperar, la humedad del

sedimento disminuyó con el aumento del número de días de tiempo seco y, por lo

tanto, influyó en la disponibilidad de CF para ser aspirada. Los resultados

sugirieron que la disponibilidad (i.e., al aspirado o lavado) de la carga más

fuertemente adherida a la superficie aumentó con el número de días de tiempo

seco. Por lo tanto, al programar la frecuencia de la limpieza viaria en tiempo de

R² = 0,96

R² = 0,95

0,2

0,3

0,3

0,4

0,4

0,5

0,5

0 1 2 3 4 5 6 7

Re

laci

ón

CF

/CL

-Zo

na

1


22-27 de Noviembre (6 días)

9-13 de Octubre (5 días)


140

lluvia se debe tener en cuenta el efecto que tiene la humedad en la recolección del

sedimento.

Es importante mencionar para la presente investigación, que el efecto del barrido

mecánico o manual (i.e., la limpieza viaria) sobre la acumulación y remoción de la

carga de sedimento viario no fue tenido en cuenta, debido a que en las vías de

estudio en las ciudades de Torrelavega y Soacha no existió esta práctica de control

de la contaminación.

Tabla 4.4 Carga para las diferentes muestras recolectadas (Torrelavega y Soacha)

Zona Lugar Tipo de carga Carga (g/m2) Carga (g/m)c Carga (%/m)c

Torrelavega (1)a Calzada CTd 31,8±4,5 22,3±3,2 100

CLe 23,6±4,6 16,5±3,2 74 CFf 8,2±1,0 5,7±0,7 26

(2)a Calzada CT 30,1±3,8 21,1±2,7 100 CL 21,0±3,9 14,7±2,7 70 CF 7,0±2,9 4,9±3,4 30

(1)b Calzada CT 30,5±4,7 21,4±3,3 14 Cuneta CT 344,1±26,6 120,4±9,3 80

Carril bicicletas CT 13,1±2,5 9,2±1,8 6 Rotonda CT 45,4 ± 13,9 - -

(2)b Calzada CT 29,7±3,3 20,8±2,3 62 Cuneta CT 13,0±5,5 4,6±1,9 14 Carril bicicletas CT 12,0±1,7 8,4±1,2 24 Rotonda CT 72,1±14,6 - - Soacha

(1)a Calzada CT 54,4±10,8 38,08±7,6 100 (2)a Calzada CT 86,7±15,5 60,7±10,9 100

a: promedio sobre la totalidad del período de muestreo; b: promedio sobre diez observaciones; c: para la calzada y el carril de bicicletas sobre una franja de 0,70 m de

ancho; d: CT: Carga Total; e: CL: Carga Libre; f: CF: Carga Fija

Finalmente en la ciudad de Torrelavega, la cantidad de sedimento acumulado

sobre la calzada (por metro lineal) se comparó con el acumulado sobre la cuneta y

el carril para las bicicletas con objeto de cuantificar la distribución del sedimento

a través de la vía (ver Tabla 4.4). Como se pudo observar, el porcentaje de

sedimento acumulado sobre el carril para las bicicletas con respecto del total

representó el 6% y 24% para las Zonas 1 y 2, respectivamente. Los resultados

sugirieron que la distribución del sedimento a través de la vía no fue uniforme, y


141

se encontró influenciada por la existencia de barreras naturales (senda de

vegetación) y artificiales (bordillo), las cuales impidieron el transporte del

sedimento de un lugar a otro; por ejemplo, por impacto directo o por la

turbulencia inducida por el tráfico.

4.3.2.1.2 Remoción de la carga viaria

La caracterización de la remoción de carga del sedimento viario tuvo en cuenta los

siguientes análisis: (i) caracterización climatológica de los períodos de lluvia, (ii)

tendencia en la remoción de carga del sedimento viario, y (iii) condicionantes de

la remoción de carga del sedimento viario. A continuación se presenta la

caracterización realizada para la remoción de carga después de las campañas de

campo desarrolladas en las ciudades de Torrelavega y Soacha.

Durante la caracterización realizada en la ciudad de Torrelavega (28/09/2004-

01/12/2004; 65 días) se presentaron diez períodos de lluvia. La precipitación total

durante el período de muestreo correspondió a un 29% de la precipitación total

registrada para el mismo año (872 mm). La pérdida de sedimento (CT) sobre la

calzada de la zona de menor pendiente estuvo entre 1,1-20,3%, y entre 1-37,4%

para la zona de mayor pendiente, sugiriendo así su influencia en el lavado de la

carga viaria (ver Tabla 4.5). Por otro lado, durante la caracterización realizada en

la ciudad de Soacha (07/01/2010-14/05/2010; 127 días) se presentaron nueve

períodos de lluvia. La precipitación total durante el período de muestreo

correspondió a un 31,7% de la precipitación total registrada para el mismo año

(772 mm). La pérdida de sedimento (CT) sobre la calzada de la zona de menor

pendiente estuvo entre 6,7-63,8% y entre 11,6-70,1% para la zona de mayor

pendiente, añadiendo evidencia de su influencia en el lavado de la carga viaria

(ver Tabla 4.5).

Se observó que uno de los principales factores que intervienen en el fenómeno de

remoción por escorrentía fue el período seco previo. Por ejemplo, para la ciudad

de Torrelavega en la zona de menor pendiente para un día previo de tiempo seco,


142

la lluvia entre el 7-15 de noviembre con una precipitación de 77,1 mm lavó un

6,9% de la carga total acumulada, mientras que para 6 días previos de tiempo seco

la lluvia entre el 28-29 de noviembre con una precipitación menor, de 21,6 mm,

lavó un 20,3% de la carga total acumulada sobre la superficie viaria (ver Tabla

4.5). La anterior tendencia también fue observada en la ciudad de Soacha. Por

ejemplo, en la zona de menor pendiente para 2 días previos de tiempo seco la

lluvia entre el 7-20 de febrero con una precipitación de 7 mm lavó un 6,7% de la

carga total acumulada, mientras que para 6 días previos de tiempo seco la lluvia

entre el 15-16 de febrero con una precipitación menor, de 3 mm, lavó un 25,2% de

la carga total acumulada sobre la superficie viaria (ver Tabla 4.5).

Tabla 4.5 Remoción de la carga viaria para los diferentes períodos de lluvia (Torrelavega y Soacha)

Período Fecha

Período seco previo (días)

Precipitación total (mm)

Duración total

(horas)

Zona 1 Zona 2

(% CT)b (% CT)

Torrelavega (2004) Sa: 0,2% S: 4% 1-2/10 7 0,8 1,2 13,5 15,6 5-8/10 3 17,5 15,7 15,9 25,1

13-17/10 5 39,5 17,8 12,7 11,0 18-19/10 1 3,0 2,5 4,8 3,8 20-21/10 1 4,4 1,8 - -

25/10-2/11 3 78,0 21,0 18,8 25,8 4-7/11 1 4,0 4,8 1,1 1,0

7-15/11 1 77,1 30,2 6,9 10,4 19-20/11 2 7,0 3,8 7,6 11,6 28-29/11 6 21,6 8,2 20,3 37,4

Soacha (2010) Sa: 2% S: 1% 13/01-8/02 27 11 3,0 51,3 47,3 15-16/02 6 3 2,0 26,2 25,2 18-20/02 2 7 9,0 14,1 6,7 22-25/02 2 16 6,0 36,3 38,7 6-11/03 9 9 4,0 34,1 18,0

17-18/03 5 1 1,0 11,6 11,3 25-26/03 8 9 2,0 19,6 16,2

29/03-3/04 3 13 14,0 24,8 17,5 4/04-6/05 2 177 153,0 70,1 63,8

a: pendiente viaria; b: remoción de carga de sedimento

Adicionalmente, se observó que la altura total de precipitación es un factor a tener

en cuenta en el fenómeno de remoción por escorrentía. Por ejemplo, para la

ciudad de Torrelavega en la zona de menor pendiente para un mismo período


143

previo de tiempo seco, de 1 día, la lluvia entre el 7-15 de noviembre con una

precipitación de 77,1 mm lavó un 6,9% de la carga total, mientras que la lluvia

entre el 4-7 de noviembre con una precipitación menor, de 4,0 mm, lavó un 1% de

la carga total acumulada sobre la superficie viaria (ver Tabla 4.5). La anterior

tendencia también fue observada en la ciudad de Soacha. Por ejemplo, en la zona

de menor pendiente para un mismo período previo de tiempo seco, de 2 días, la

lluvia entre el 18-20 de febrero con una precipitación de 7 mm lavó un 6,7% de la

carga total, mientras que la lluvia entre el 22-25 de febrero con una precipitación

mayor, de 16 mm, lavó un 38,7% de la carga total acumulada sobre la superficie

viaria (ver tabla 4.5).

Por otro lado, es importante resaltar la remoción de carga viaria después de los

periodos extremos de tiempo seco (13/01/2010-8/02/2010; 27 días) y de lluvia

(4/04/2010-6/05/2010; 32 días) ocurridos en la ciudad de Soacha. Después de 27

días de tiempo seco, una precipitación de 11 mm y duración de 3 horas removió

en promedio el 49,3% de la carga total acumulada sobre la superficie viaria. Con

respecto al periodo extremo de lluvia, se removió en promedio el 66,9% de la

carga acumulada sobre la superficie viaria durante un período de 32 días donde la

precipitación total fue de 177 mm.

A partir de lo anterior, los resultados sugirieron que las principales variables

climatológicas que intervinieron en el fenómeno de remoción de carga de

sedimento por escorrentía fueron el período previo de tiempo seco y la altura total

de precipitación; y que el porcentaje lavado de sedimento aumentó con el

incremento en el número de días previos de tiempo seco y con la altura de

precipitación.

Se realizaron análisis de regresión combinando las variables climatológicas

expuestas anteriormente, período previo de tiempo seco (días) y altura total de

precipitación (mm), con el objeto de determinar la remoción de carga de

sedimento durante los periodos de lluvia. El modelo preliminar propuesto fue el

siguiente:


144

WL t · h (4.7)

Donde WL representó el porcentaje de carga de sedimento removido; t representó

el período seco previo en días; y h la altura total de precipitación del período de

lluvia. La tendencia logarítmica fue la que mejores resultados produjo en la

ciudad de Torrelavega. El coeficiente de determinación (R2) fue de 0,56 y 0,49

para las Zonas 1 y 2, respectivamente. Igualmente, en la ciudad de Soacha la

tendencia logarítmica fue la que mejores resultados produjo. El coeficiente de

determinación fue de 0,75 y 0,59 para las Zonas 1 y 2, respectivamente.

Finalmente, en las ciudades de estudio no se observó relación entre la intensidad y

duración de la lluvia con el porcentaje de carga removido. Adicionalmente, el

efecto de la rugosidad superficial y la pendiente de la vía sobre la remoción de

carga del sedimento no fueron considerados en los anteriores análisis. Igualmente,

no se consideró el efecto que tiene la cantidad remanente de sedimento sobre la

remoción de la carga viaria (i.e., previo al evento de lavado).

De todos los eventos de lluvia evaluados en las ciudades de estudio, el único en el

que no se detectó remoción de sedimento fue el ocurrido en la ciudad de

Torrelavega entre el 20-21 de octubre (4,4 mm); posiblemente debido a la

disminución en el período previo de tiempo seco, producto del incremento en la

frecuencia de las lluvias (ver Tabla 4.5). Los resultados sugirieron que cuanto más

frecuentes fueron las lluvias, la cantidad remanente de sedimento sobre la

superficie de la calzada fue menor y, por lo tanto, se requirió de un mayor

esfuerzo para la remoción del mismo.

Finalmente en la ciudad de Torrelavega, la carga total de sedimento acumulado

sobre la calzada se comparó con el depositado sobre la cuneta con el objeto de

cuantificar su distribución sobre la vía en tiempo de lluvia. La distribución del

sedimento a través de la vía fue de un 14% para la calzada y un 80% para la

cuneta en la Zona 1. Para la Zona 2 la distribución fue de 62% para la calzada y

14% para la cuneta (ver Tabla 4.4). Es importante resaltar que la superficie de la


145

calzada y la cuneta son de asfalto y concreto, respectivamente. Como se pudo

observar, en la zona de menor pendiente (Zona 1: 0,2%) el porcentaje de

sedimento acumulado sobre la cuneta fue 5,7 veces mayor que el acumulado sobre

la calzada. Por el contrario, en la Zona 2 con una pendiente mayor (4%), el

porcentaje de sedimento acumulado sobre la cuneta con respecto del acumulado

sobre la calzada fue 4,4 veces menor. Como era de esperar en vías de similares

características, en tiempo de lluvia la distribución del sedimento viario estuvo

influenciada por la pendiente de la misma. Los resultados sugirieron que la

pendiente determinó, en tiempo de lluvia, la distribución de la carga remanente

sobre la superficie de la vía.

4.3.2.2 Determinación y análisis de la granulometría del sedimento viario

Esta actividad se enfocó en la determinación y análisis de la granulometría del


identificadas en la primera fase de la metodología. Nuevamente, el análisis de la

granulometría del sedimento se realizó a partir de los principales fenómenos que

condicionaron el contenido metálico, e identificados en el estudio del estado del

arte de la presente investigación: (i) el fenómeno de acumulación de la carga

viaria, y (ii) el fenómeno de remoción de la carga viaria; este último representado

principalmente por la remoción generada por la escorrentía superficial viaria (i.e.

por lavado).

4.3.2.2.1 Granulometría durante el período de acumulación

La caracterización de la distribución granulométrica del sedimento viario durante

el período de acumulación tuvo en cuenta los siguientes análisis: (i) granulometría

del sedimento durante los períodos de tiempo seco, (ii) tendencia en la

distribución granulométrica del sedimento viario, y (iii) condicionantes de la

distribución granulométrica del sedimento viario. A continuación se presenta la

caracterización realizada para la distribución granulométrica del sedimento


146

después de las campañas de campo desarrolladas en las ciudades de Torrelavega y

Soacha.

La Figura 4.11 presenta la distribución granulométrica para la carga total (CT), la

carga libre (CL) y la carga fija (CF) del sedimento viario recolectado en la ciudad

de Torrelavega. Se observó la existencia de pequeñas variaciones en la

distribución granulométrica de las muestras, pero en general sus características

fueron similares. La envolvente de la distribución de tamaños para CF fue más

estrecha que para CL, indicando una menor variabilidad en el tamaño de las

partículas para CF.

Figura 4.11 Granulometría para la carga total, carga libre y carga fija recolectada sobre las calzadas de la ciudad de Torrelavega (España)

Los análisis granulométricos en Torrelavega mostraron que el 84% de CL fue

inferior a 1000 µm y el 8% fue inferior a 63 µm. Como era de esperar, CF fue más

fina: el 98% fue inferior a 1000 µm y un 29% fue inferior a 63 µm. Al analizar

CT, se apreció que el 87% de las partículas eran inferiores a 1000 µm y un 13%

inferiores a 63 µm (ver Figura 4.11). Sartor y Boyd (1972) mostraron que el 5,9%

de las partículas eran inferiores a 43 µm y el 56,5% eran inferiores a 246 µm con

respecto de CT; y Vaze y Chiew (2002) encontraron que el porcentaje de

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Po

rce

nta

je q

ue

pa

sa

Tamaño de partícula (µm)

Carga Total 1

Carga Total 2

Carga Libre 1

Carga Libre 2

Carga Fija 1

Carga Fija 2


147

partículas inferiores a 100 µm era de un 10% y 15% para la CL y CF,

respectivamente.

La variación entre autores en la distribución granulométrica del sedimento

recolectado sobre la calzada, se debió principalmente a las características

particulares de cada lugar de muestreo y a la eficacia de los diferentes métodos

empleados en la recolección del sedimento (p.ej. aspirado en seco, barrido en

seco, aspirado y barrido en seco, y aspirado en húmedo). Sin embargo, los

resultados reportados por las anteriores investigaciones son coherentes con los del

presente estudio.

Por otro lado, la Figura 4.12 presenta la granulometría del sedimento recolectado

en la ciudad de Soacha. Se observó la existencia de pequeñas variaciones en la

distribución granulométrica de las muestras, pero en general sus características

fueron similares. Los análisis granulométricos mostraron que el 86,3% de CT fue

inferior a 1000 µm y el 8,6% fue inferior a 63 µm. Nuevamente, la variación en la

granulometría del sedimento viario entre las zonas de investigación (Torrelavega

y Soacha) se debió probablemente a las características particulares de cada lugar

de muestreo y a la eficacia de los dos métodos empleados en la recolección del

sedimento (i.e., aspirado y barrido en seco-SABS, y barrido en seco-SBS). Sin

embargo, los resultados obtenidos en la presente investigación fueron coherentes.

Las partículas de tamaño inferior a 125 µm fueron tamizadas en húmedo para

cuantificar de mejor manera la fracción más fina del sedimento recolectado. Los

resultados mostraron en la ciudad de Torrelavega que en promedio las partículas

de tamaño inferior a 63 µm están subestimadas por el método de tamizado en seco

en un 10,1% para CL y en un 14,6% para CF, de las muestras recolectadas sobre

la calzada. De la misma manera para las muestras recolectadas en la ciudad de

Soacha, donde el método de tamizado en seco subestimó las partículas de tamaño

inferior a 63 µm en un 13,8% con respecto de CT. Dicha diferencia sugirió que

parte de la fracción más fina del sedimento viario se encontraba aglomerada o

adherida a partículas de tamaño mayor, y existió la posibilidad de que este


148

aglomerado de partículas fuera desintegrado y transportado por acción de la

escorrentía viaria. Igualmente, Viklander (1998) encontró diferencias entre los dos

sistemas de tamizado (en seco y en húmedo) haciéndose más evidente en las

partículas de tamaño inferior a 75 µm.

Figura 4.12 Granulometría para la carga total recolectada sobre la calzada de la ciudad de Soacha (Colombia)

Las partículas del sedimento recolectado sobre las superficies viarias en estudio

(Torrelavega y Soacha) exhibieron una distribución log-normal positivamente

sesgada. El sedimento recolectado sobre la cuneta y el carril para las bicicletas en

Torrelavega presentó una distribución semejante de las partículas. Ellis y Revitt

(1982), y Ball et al. (1998) encontraron una distribución similar de las partículas

en un estudio del sedimento acumulado sobre las superficies de calzadas y

cunetas. La Tabla 4.6 presenta el d10, d50, y d90 (percentiles) para las muestras

recolectadas sobre la calzada (CT, CL y CF) y en los diferentes elementos que

conformaron las superficies viarias en estudio (CT).

Se realizaron análisis de regresión para la distribución granulométrica del

sedimento viario entre las siguientes variables: porcentaje de sedimento que pasa

y tamaño de la partícula (µm). Como era de esperar, la función de tipo logarítmica

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Po

rce

nta

je q

ue

pa

sa


Carga Total 1

Carga Total 2


149

fue la que mejores resultados produjo. El coeficiente de determinación (R2) para

las Zonas 1 y 2 en Torrelavega fue de 0,98. Para Soacha los coeficientes de

determinación en las Zonas 1 y 2 fueron de 0,99 y 0,98, respectivamente. La

prueba t de Student mostró que existían diferencias significativas entre las zonas

de estudio en cada ciudad. Los modelos logarítmicos obtenidos, respectivamente,

para las ciudades de Torrelavega y Soacha fueron los siguientes:

PP1T 23,69 · ln d 82,53 (4.8)

PP2T 24,15 · ln d 86,08 (4.9)

PP1S 25,52 · ln d 97,04 (4.10)

PP2S 24,95 · ln d 91,52 (4.11)

Donde PP1T y PP2T representaron el porcentaje de sedimento que pasa para un

tamaño determinado de partícula en la ciudad de Torrelavega, para las Zonas 1 y

2, respectivamente; PP1S y PP2S representaron el porcentaje de sedimento que

pasa para un tamaño determinado de partícula en la ciudad de Soacha, para las

Zonas 1 y 2, respectivamente; y d representó el tamaño de la partícula en micras

(µm).

La granulometría del sedimento recolectado sobre los elementos que constituían la

vía en la ciudad de Torrelavega mostró diferentes tendencias (i.e., en la calzada,

cuneta y carril para bicicletas). La distribución granulométrica de las partículas

acumuladas sobre la calzada tendió a ser más gruesa que la observada en la cuneta

y el carril para bicicletas. Para la Zona 1 el d50 en la calzada fue de 247 µm, en la

cuneta de 193 µm y en el carril para bicicletas de 129 µm (ver Tabla 4.6). Se

observó una tendencia similar en la Zona 2. Los resultados sugieren que el

bordillo y la franja de vegetación en la vía actuaron como una barrera para las

partículas más gruesas, que no obtuvieron la fuerza necesaria por parte del tráfico

(i.e., por impacto de las llantas) para ser proyectadas y sobrepasarla. Esto explicó

la distribución más fina de tamaños sobre el carril para bicicletas.


150

Por otra parte, el ancho de la línea de aparcamiento (1,90 m) y la textura rugosa de

la superficie de rodadura hizo que se requiera por parte del tráfico una mayor

fuerza para poder proyectar las partículas más gruesas hasta la cuneta, lo que

explicó la distribución más fina de tamaños sobre la misma. También hay que

tener en cuenta que muchas partículas, especialmente las más finas, pudieron ser

desplazadas por la turbulencia generada por el tráfico y depositadas en zonas

adyacentes, aminorando la cantidad de partículas finas en ciertas áreas y

aumentando la de otras.

Tabla 4.6 d10, d50, y d90 para las diferentes muestras recolectadas en las ciudades de Torrelavega y Soacha

Zona Lugar Tipo de cargaPercentil (diámetro en µm)

d10 d50 d90 Torrelavega

(1)a Calzada CTc 50 268 1451 CLd 75 352 1652 CFe 13 97 702

(2)a Calzada CT 53 280 1466 CL 78 359 1661 CF 15 103 709

(1)b Calzada CT 41 247 1472 Cuneta CT 31 193 1184 Carril bicicletas CT 17 129 996 Rotonda CT 32 209 1363

(2)b Calzada CT 54 295 1615 Cuneta CT 48 270 1508 Carril bicicletas CT 22 150 1056 Rotonda CT 28 190 1279 Soacha

(1)a Calzada CT 59 291 1445 (2)a Calzada CT 66 318 1525

a: promedio sobre la totalidad del período de muestreo; b: promedio sobre diez observaciones; c: CT: carga total; d: CL: carga libre; e: CF: carga fija

Grottker (1987), Debo y Reese (2003), y Deletic y Orr (2005) encontraron que la

distribución del sedimento acumulado a través de la calzada no era uniforme, y

dependía de la distancia entre el sitio de muestreo y el bordillo de la vía. Todos

los investigadores atribuyeron dicha variación al tráfico por impacto directo y por

las corrientes de aire generadas, y al efecto de barrera ejercido por el bordillo.

Deletic y Orr (2005) estudiaron la variación de la distribución granulométrica de

las partículas a través de la calzada en función de la distancia entre el bordillo y el


151

lugar de muestreo. Los investigadores encontraron que la distribución

granulométrica dependía principalmente del lugar a través de la calzada, y que el

d50 de las muestras disminuía a medida que la distancia entre el bordillo y el lugar

de muestreo aumentaba. El d50 de las muestras recolectadas por ellos al lado y a

0,75 m del bordillo fue de 397 µm y 238 µm, respectivamente. Nuevamente la

ligera variación en la distribución granulométrica de los sedimentos recolectados

sobre la calzada, en comparación con el presente estudio, puede ser debida a las

características particulares de cada lugar y a la eficacia del método empleado por

los investigadores para la recolección del sedimento (aspirado en húmedo). Sin

embargo, sus resultados fueron similares a los del presente estudio (ver Tabla

4.6).

Como es sabido, el sistema de muestreo de aspirado y barrido en seco (SABS)

implementado en la ciudad Torrelavega permitió diferenciar dos tipos de carga, la

aspirada directamente (CL) y la recolectada tras un barrido adicional sobre la

misma superficie viaria (CF). En promedio para las dos zonas en estudio, el 72%

de la carga de sedimento recolectada sobre la calzada correspondió a CL. La

eficacia en la recolección del sedimento por aspirado aumentó con el tamaño de la

partícula (ver Tabla 4.7). Se realizaron análisis de regresión y el modelo de tipo

potencial fue el que mejores resultados produjo (R2 = 0,92). El modelo potencial

obtenido fue el siguiente:

SC 19,9 · d , (4.12)

Donde SC representó el porcentaje de sedimento recolectado, y d el diámetro de la

partícula en micras (µm). Al aplicar una operación adicional de barrido y aspirado

sobre la misma superficie (CF), se incrementó considerablemente la eficacia en la

recolección de la fracción más fina del sedimento (ver Capítulo 3, apartado

3.2.1.2). Los resultados sugirieron, que fue necesario combinar adecuadamente las

técnicas de barrido y aspirado para obtener buenos resultados en la recolección de

la fracción más fina del sedimento acumulado sobre las superficies viarias. Las


152

anteriores consideraciones podrían ser de utilidad para la adquisición o mejora de

los equipos de limpieza viaria en las municipalidades (ver Tabla 4.7).

Tabla 4.7 Eficacia en la recolección del sedimento viario por aspirado. Calzadas de la ciudad de Torrelavega (España)

Zona Porcentaje de CTa recolectada por aspirado según el diámetro (µm) <63 <125 <250 <500 <1000 <2000 <2800

1-2b 42,6±0,7 49,4±1,0 59,3±0,8 66,6±0,6 70,8±0,8 73,3±0,9 100 a: CT carga total; b: promedio sobre la totalidad del período de muestreo

La distribución granulométrica del sedimento recolectado sobre las calzadas de la

ciudad de Torrelavega tendió a ser más fina a medida que aumentó el número de

días de tiempo seco. Se distinguieron en promedio tres grupos de tamaños de

partículas según su tasa de acumulación. El primer grupo estuvo conformado por

los tamaños de partícula inferior a 125 µm, en los que se apreció la mayor tasa de

acumulación por cada fracción de tamaño (0,18±0,06 g/m2·d). El segundo grupo

con una tasa menor de acumulación (0,08±0,03 g/m2·d), estuvo conformado por

los tamaños de partícula entre 125 y 2000 µm. El último grupo con una tasa de

acumulación negativa (-0,05±0,01 g/m2·d), estuvo conformado por la fracción

comprendida entre 2000 y 2800 µm (ver Figura 4.13).

Figura 4.13 Carga acumulada de sedimento por fracción de tamaño en tiempo seco. Zona 1 (Torrelavega, España)

-0,4

-0,2

0,0

0,2

0,4

0,6

0,8

0 1 2 3 4 5 6 7 8

Ca

rga

acu

mu

lad

a po

r fra

cció

n (g

/m2 )


< 63 µm

63-125 µm

125-250 µm

250-500 µm

500-1000 µm

1000-2000 µm

2000-2800 µm


153

Por otra parte, en la ciudad de Soacha se detectó una tendencia similar en la

distribución granulométrica del sedimento recolectado. Es decir, tendió a ser más

fina a medida que aumentó el número de días de tiempo seco. Nuevamente, se

distinguieron tres grupos de tamaños de partículas según su tasa de acumulación

para períodos de tiempo seco menores de 7 días. Sin embargo, el primer grupo

estuvo conformado por los tamaños de partícula inferiores a 250 µm, en los que se

apreció la mayor tasa de acumulación por cada fracción de tamaño (0,37±0,11

g/m2·d). El segundo grupo con una tasa menor de acumulación (0,14±0,04 g/m2·d)

estuvo conformado por los tamaños de partícula entre 500-2000 µm. Nuevamente,

el último grupo con una tasa de acumulación negativa (-0,06±0,02 g/m2·d) estuvo

conformado por la fracción de tamaño comprendida entre 2000-2800 µm (ver

Figura 4.14).

Figura 4.14 Carga acumulada de sedimento por fracción de tamaño en tiempo seco. Zona 2 (Soacha, Colombia)

Los coeficientes de correlación lineal (r) en la ciudad de Torrelavega para las

fracciones comprendidas entre 0-63 µm, 63-125 µm, 125-250 µm, 250-500 µm,

500-1000 µm, 1000-2000 µm y 2000-2800 µm fueron de 0,60, 0,72, 0,69, 0,61,

0,51, 0,48 y -0,42, respectivamente para la Zona 1 (ver Figura 4.13). Los

coeficientes de correlación lineal para la Zona 2 fueron similares. En la ciudad de

Soacha los coeficientes de correlación lineal para las fracciones entre 0-63 µm,

-0,5

-0,3

-0,1

0,1

0,3

0,5

0,7

0,9

1,1

1,3

0 1 2 3 4 5 6 7 8

Ca

rga

acu

mu

lad

a p

or f

racc

ión

(g/m

2 )


< 63 µm

63-125 µm

125-250 µm

250-500 µm

500-1000 µm

1000-2000 µm

2000-2800 µm


154

63-125 µm, 125-250 µm, 250-500 µm, 500-1000 µm, 1000-2000 µm y 2000-2800

µm fueron de 0,51, 0,68, 0,64, 0,55, 0,47, 0,44 y -0,44, respectivamente para la

Zona 2 (ver Figura 4.14). Los coeficientes de correlación lineal para la Zona 1

fueron similares.

Como se pudo observar, el coeficiente de correlación lineal aumentó a medida que

disminuyó el tamaño de la partícula excepto para la fracción comprendida entre 0-

63 µm, donde se observó un peor ajuste posiblemente por la facilidad que tuvieron

las partículas más pequeñas de ser removidas por el viento y las corrientes de aire

generadas por el tráfico. Los resultados sugirieron, que el aumento en tiempo seco

de la fracción más fina del sedimento estuvo probablemente ocasionado por la

trituración a que fue sometida la fracción más gruesa del sedimento por parte del

tráfico, lo que explicó la tasa de acumulación negativa de la fracción de mayor

tamaño; y al propio fenómeno de acumulación de polvo y suciedad sobre la

calzada, el cual aportó fundamentalmente partículas finas. Adicionalmente, se

deben considerar las características particulares de los lugares de muestreo y la

eficacia del método utilizado en la recolección del sedimento viario. Algunos

investigadores han encontrado resultados similares, fue el caso de Ellis y Revitt

(1982), y Viklander (1998) que reportaron la relación existente entre la densidad

de tráfico y el grado de trituración de las partículas acumuladas sobre la superficie

de la calzada.

4.3.2.2.2 Granulometría durante el período de remoción


el período de remoción tuvo en cuenta los siguientes análisis: (i) granulometría del

sedimento durante los períodos de lluvia, (ii) tendencia en la distribución

granulométrica del sedimento viario, y (iii) condicionantes de la distribución

granulométrica del sedimento durante los períodos de lluvia. A continuación se

presenta la caracterización realizada para la distribución granulométrica del

sedimento después de las campañas de campo desarrolladas en las ciudades de

Torrelavega y Soacha.


155

La granulometría del sedimento recolectado sobre la superficie de la calzada fue

más gruesa que la encontrada por algunos investigadores en los sedimentos

transportados por la escorrentía viaria (ver Tabla 4.8). Por ejemplo, Stahre y

Urbonas (1990) encontraron que sólo el 30% de todos los sólidos suspendidos

totales en peso presentes en el agua de escorrentía tenían diámetros de partícula

mayores a 31 µm y un 93% inferiores a 45 µm. Los resultados sugirieron que las

partículas más gruesas del sedimento probablemente se desagregaron por el

impacto directo del agua de lluvia, y que la fracción fina fue más susceptible de

ser transportada por el flujo de agua superficial.

A partir de lo anterior, se evalúo la distribución granulométrica del sedimento

después de los eventos de lluvia. Se observó que la granulometría tras los eventos

de lluvia fue más gruesa en las superficies viarias de las ciudades de Torrelavega

y Soacha. Excepto para el evento entre el 20-21 de octubre en la ciudad de

Torrelavega, el cual no produjo lavado de la carga de sedimento (ver Tabla 4.8).

Por otro lado el comportamiento de CL y CF en Torrelavega fue similar, aunque

el efecto de remoción en esta última fue menor. Por ejemplo, la lluvia del 28 de

noviembre redujo el porcentaje de partículas inferiores a 500 µm en un 15% para

CL y en un 5% para CF en la zona de mayor pendiente (i.e., Zona 2). Los

resultados mostraron que la carga más fuertemente adherida a la superficie (CF)

presentó mayor resistencia al lavado por escorrentía (i.e., remoción) y,

nuevamente, se sugirió un mayor lavado de la fracción más fina del sedimento

acumulado sobre la superficie viaria.

Al comparar la distribución granulométrica de las Zonas 1 y 2 en la ciudad de

Torrelavega, se observó que la granulometría de las partículas fue más gruesa en

la zona de mayor pendiente (i.e., Zona 2). La misma tendencia se observó en la

ciudad de Soacha; la distribución granulométrica fue más gruesa en la Zona 1 (ver

Tabla 4.8). Como se pudo observar, esta tendencia probablemente se debió a que

el fenómeno de remoción del sedimento por escorrentía fue más efectivo a medida

que aumentó la pendiente viaria.

CA

PÍT

ULO

4.-

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

IST

RIB

UC

IÓN

DE

LO

S M

ETA

LE

S P

ESA

DO

S A

SOC

IAD

OS

CO

N E

L S

ED

IME

NTO

VIA

RIO

A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

156

T

abla

4.8

Dis

trib

ució

n gr

anul

omét

rica

ant

es y

des

pués

de

los

perí

odos

de

lluvi

a (T

orre

lave

ga y

Soa

cha)

Perí

odo

Fec

ha

t (d

ías)

P

(m

m)

D

(hor

as)

Zon

a 1

Zon

a 2

d 10

d 50

d 90

d 10

d 50

d 90

d x(a

ntes

del

per

íodo

de

lluv

ia):

d x(d

espu

és d

el p

erío

do d

e ll

uvia

) T

orre

lave

ga (

2004

)

S

: 0,2

%

S: 4

%

1-2/

10

7 0,

81,

252

:54

278:

284

1497

:150

3 42

:54

249:

271

1467

:135

75-

8/10

3

17,5

15

,7

37:5

5 21

2:28

8 12

12:1

504

51:6

9 27

3:33

6 14

78:1

643

13-1

7/10

5

39,5

17

,8

45:5

0 25

0:27

4 13

80:1

519

60:6

2 29

7:30

3 14

60:1

499

18-1

9/10

1

3,0

2,5

50:5

7 27

4:29

0 15

19:1

490

62:6

9 30

3:33

3 14

99:1

621

20-2

1/10

1

4,4

1,8

57:5

1 29

0:27

6 14

90:1

482

69:6

0 33

3:28

8 16

21:1

386

25/1

0-2/

11

3 78

,0

21,0

50

:64

271:

336

1467

:175

9 43

:53

262:

277

1582

:143

8 4-

7/11

1

4,0

4,8

64:7

5 33

6:36

9 17

59:1

645

53:7

4 27

7:33

9 14

38:1

550

7-15

/11

1 77

,1

30,2

75

:83

367:

236

1793

:136

4 74

:80

339:

364

1550

:165

3 19

-20/

11

2 7,

0 3,

8 40

:42

227:

238

1277

:134

4 52

:60

267:

293

1367

:142

9 28

-29/

11

6 21

,6

8,2

38:6

8 22

4:33

0 13

10:1

603

27:5

8 18

0:28

3 11

97:1

384

Soa

cha

(201

0)

S: 2

%

S: 1

%

13/0

1-8/

02

27

11

3,0

29:7

4 23

5:33

8 12

10:1

698

33:8

1 25

3:33

9 12

57:1

699

15-1

6/02

6

3 2,

0 44

:69

257:

316

1347

:158

5 47

:72

264:

314

1353

:160

5 18

-20/

02

2 7

9,0

54:6

3 26

9:30

1 13

96:1

509

61:7

0 28

8:32

7 14

88:1

592

22-2

5/02

2

16

6,0

42:7

2 24

1:32

2 13

32:1

599

44:7

4 25

5:32

4 13

45:1

619

6-11

/03

9 9

4,0

43:6

8 24

9:31

8 13

28:1

547

45:7

0 27

1:32

7 14

15:1

596

17-1

8/03

5

1 1,

0 55

:62

279:

299

1407

:146

3 63

:69

299:

329

1485

:154

3 25

-26/

03

8 9

2,0

53:6

5 26

3:30

7 13

87:1

481

60:7

4 28

3:33

6 14

54:1

564

29/0

3-3/

04

3 13

14

,0

44:6

8 26

5:31

1 13

68:1

535

59:7

5 27

7:34

0 14

47:1

572

4/04

-6/0

5 2

177

153,

0 72

:101

31

3:35

6 15

47:1

724

76:1

08

351:

397

1589

:171

3 t:

per

íodo

sec

o pr

evio

; P: p

reci

pita

ción

; D: d

urac

ión;

S: p

endi

ente

via

ria


157

Se analizó la susceptibilidad al lavado por escorrentía del sedimento acumulado

sobre la superficie de la calzada (CT) en función del diámetro de la partícula, para

todos los eventos de lluvia durante los períodos de muestreo en las ciudades de

Torrelavega y Soacha. Como era de esperar, a medida que disminuía el tamaño de

la partícula y aumentaba la pendiente de la vía crecía la posibilidad de ser

transportada por el flujo de agua superficial. Los resultados mostraron que los

tamaños de partícula que presentaron la mayor susceptibilidad al lavado por

escorrentía fueron los inferiores a 500 µm (ver Tabla 4.9).

Tabla 4.9 Remoción de sedimento por fracción de tamaño para todos los eventos de lluvia (CT; Torrelavega y Soacha)

Zona Pendiente

(%) Remoción de sedimento (%) según el diámetro indicado (µm)

< 63 63-125 125-250 250-500 500-1000 1000-2000 Torrelavegaa

1 0,2 27±12 21±9 18±7 17±6 - - 2 4 40±13 30±19 23±14 15±14 6±4 -

Soachab 1 2 73±17 51±12 29±14 19±9 8±3 - 2 1 65±15 42±14 22±11 14±7 - -

a: promedio sobre diez observaciones; b: promedio sobre nueve observaciones

Nuevamente, es importante resaltar la remoción de carga de sedimento en la

fracción de tamaño inferior a 500 µm después de los períodos extremos de tiempo

seco (13/01/2010-8/02/2010; 27 días) y de lluvia (4/04/2010-6/05/2010; 32 días)

ocurridos en la ciudad de Soacha. Después de 27 días de tiempo seco, una

precipitación de 11 mm y duración de 3 horas removió en promedio el 43% de la

carga inferior a 500 µm acumulada sobre la superficie viaria. Con respecto al

período extremo de lluvia se removió en promedio el 53% de la carga de

sedimento de tamaño inferior a 500 µm acumulada sobre la superficie viaria,

durante un período de 32 días donde la precipitación total fue de 177 mm. En la

fracción de menor tamaño (i.e., < 63 µm) la remoción de sedimento fue de 69% y

85% después del período extremo de tiempo seco y de lluvia, respectivamente.

4.3.2.3 Determinación y análisis de la concentración metálica asociada con el

sedimento viario


158

Esta actividad se enfocó en la determinación y análisis de la distribución de la

concentración de metales pesados asociados con el sedimento acumulado sobre

las superficies viarias a partir de las variables identificadas en la primera fase de la

metodología. A continuación se presenta la caracterización de la concentración

metálica del sedimento después de las campañas de campo desarrolladas en las

ciudades de Torrelavega y Soacha.

En las calzadas de la ciudad de Torrelavega la fracción más fina del sedimento

recolectado presentó las mayores concentraciones metálicas (i.e., < 63 µm).

Excepto para Cu, donde la máxima concentración se presentó en la fracción

comprendida entre 250-500 µm (ver Tabla 4.10). Ellis y Revitt (1982), Viklander

(1998), y German y Svensson (2002) detectaron una tendencia similar para la

concentración de determinados metales pesados (p.ej. Cd, Pb, Zn, Cu y Mn). Por

otro lado, en las calzadas de la ciudad de Soacha se observó una tendencia similar:

se presentaron mayores concentraciones metálicas en la fracción de tamaño

inferior a 63 µm (ver Tabla 4.10).

En la ciudad de Torrelavega, Zn fue el único metal pesado que presentó una

disminución continua en la concentración a medida que aumentaba la fracción de

tamaño. Por el contrario, para Cu la concentración tendió a aumentar en la

fracción comprendida entre 125-500 µm. Para los restantes metales pesados se

observó una tendencia similar que la de Cu, pero en esta ocasión el aumento en la

concentración se dio en la fracción comprendida entre 250-500 µm. Finalmente,

en todos los metales pesados la concentración disminuyó de manera continua para

las fracciones de tamaño mayores a 500 µm (ver Tabla 4.10). Por otro lado, en las

calzadas de la ciudad de Soacha la tendencia fue similar. Nuevamente, Zn fue el

único metal que presentó una disminución continua en la concentración a medida

que aumentó el tamaño de la partícula. No obstante, para los restantes metales

pesados se observó un aumento en la concentración metálica para la fracción

comprendida entre 250-500 µm. Finalmente, las concentraciones metálicas

disminuyeron de manera continua para la fracción de tamaño mayor a 500 µm

(ver Tabla 4.10).


159

Tabla 4.10 Concentración de metales pesados (mg/kg de materia seca) con un 95% de intervalo de confianza (CT; Torrelavega y Soacha)


<63 63-125 125-250 250-500 500-1000 1000-2000 2000-2800Torrelavega

Pba 1b 2

328±50 371±55

254±47 305±48

246±57 299±50

261±59 333±54

199±61 221±39

149±33 158±37

127±47 107±25

Zn 1 2

604±35 655±50

392±25 406±25

309±33 309±27

255±33 281±44

126±21 152±36

80±11 86±14

29±10 39±12

Cu 1 2

110±14 137±18

86±12 96±11

90±15 117±16

122±36 160±37

46±9 47±10

35±6 36±8

23±8 24±7

Cr 1 2

53±8 60±18

44±11 34±8

25±6 25±6

31±6 31±7

25±6 23±6

18±5 15±4

11±7 10±4

Ni 1 2

61±12 50±9

31±6 25±5

15±3 24±4

21±4 28±7

13±3 15±2

10±2 12±2

8±5 9±6

Cd 1 2

42±10 33±12

24±6 22±6

20±6 17±5

22±6 21±8

12±3 10±2

8±2 8±1

3±1 5±2

Fec 1 2

3,18±2,3 3,28±0,3

2,26±0,2 2,34±0,2

2,22±0,2 2,30±0,2

2,69±0,4 3,12±0,4

1,77±0,2 2,31±0,4

1,21±0,1 1,53±0,4

0,75±0,2 0,76±0,3

Mn 1 2

352±31 396±51

273±32 296±39

268±40 301±45

285±45 298±42

162±21 177±28

98±15 101±15

24±11 41±12

Co 1 2

51±12 51±9

31±7 31±7

24±5 28±7

33±8 33±9

20±6 20±5

15±4 12±3

5±1 5±2

Soacha Pb 1

2 99±26

258±36 79±21

199±28 74±19

193±27 81±21

202±28 56±15

145±20 44±11

104±15 32±8

78±11 Zn 1

2 137±19 157±13

86±12 98±8

65±9 74±6

57±8 62±5

29±4 36±3

18±3 20±2

7±2 9±1

Cu 1 2

46±11 67±15

39±9 50±11

38±9 54±12

33±8 52±11

17±4 23±5

12±3 19±4

10±2 10±2

Cd 1 2

0,99±0,6 0,77±0,4

0,65±0,4 0,48±0,2

0,43±0,2 0,32±0,2

0,50±0,3 0,33±0,2

0,24±0,1 0,20±0,1

0,17±0,1 0,16±0,1

0,10±0,1 0,10±0,1

Fec 1 2

11,69±0,9 26,87±2,4

8,79±0,7 20,11±1,8

8,25±0,7 18,80±1,7

9,60±0,8 22,16±1,2

7,45±0,6 16,97±1,5

4,59±0,4 10,39±0,9

2,74±0,2 5,25±0,5

Mn 1 2

89±19 216±26

69±14 158±19

68±14 156±19

69±15 159±19

39±8 90±11

22±5 58±7

8±2 20±2

Ba 1 2

192±46 232±35

139±33 160±24

105±25 121±18

90±22 106±16

47±11 57±8

26±6 31±5

12±3 13±2

As 1 2

1,93±0,5 2,63±0,3

1,17±0,3 1,51±0,2

0,92±0,2 1,11±0,1

0,98±0,3 1,20±0,1

0,55±0,1 0,57±0,1

0,35±0,1 0,34±0,1

0,21±0,1 0,18±0,1

a: metal pesado; b: zona de estudio; c: concentración en g/kg de materia seca

A partir de lo anterior, los resultados sugirieron que el aumento en la

concentración de algunas fracciones de tamaño (p.ej., entre 250-500 µm) se debió

a la presencia de partículas finas, las cuales se encontraban adheridas a la

superficie de las fracciones de mayor tamaño y fueron difícilmente cuantificables

por medio del método de tamizado en seco. Finalmente, la concentración de los

metales pesados tendió a disminuir a medida que aumentó el diámetro de la


160

partícula. Pitt y Amy (1973), Ellis y Revitt (1982), Sansalone y Tribouillard

(1999), German y Svensson (2002), y Deletic y Orr (2005) encontraron resultados

similares.

Como es sabido, el sistema de muestreo de aspirado y barrido en seco (SABS)

implementado en la ciudad Torrelavega permitió diferenciar dos tipos de carga, la

aspirada directamente (CL) y la recolectada tras un barrido adicional sobre la

misma superficie viaria (CF). Al comparar CF con CL, se observó que el 72% de

las concentraciones para todos los metales pesados eran mayores para CF: 83% y

61% para las Zonas 1 y 2, respectivamente. Las concentraciones fueron en

promedio 1,6 y 1,3 veces mayores en las Zonas 1 y 2, respectivamente. Sin

embargo, la fracción de tamaño inferior a 63 µm presentó un comportamiento

diferente; sólo el 33% de las concentraciones fueron mayores en CF. Los

resultados sugirieron para la fracción de tamaño mayor a 63 µm, que la carga más

fuertemente adherida (CF) ha permanecido por más tiempo sobre la superficie de

la calzada y por lo tanto ha estado más expuesta a las diferentes fuentes de

contaminación. El comportamiento opuesto de la fracción de tamaño inferior a 63

µm probablemente se debió a que las fuentes de contaminación presentaron

tamaños de partícula menores, haciendo que la concentración en esta fracción

fuera ligeramente mayor para CL. Es decir, la carga con menor tiempo de

residencia sobre la superficie viaria. Las concentraciones para CL fueron en

promedio 1,01 y 1,11 veces mayores en las Zonas 1 y 2, respectivamente.

Se realizaron análisis de regresión para las concentraciones de los metales pesados

determinados sobre las calzadas de las zonas en estudio en función del tamaño de

la partícula de sedimento (i.e., en Torrelavega y Soacha). Se asumió que la

concentración era inversamente proporcional al tamaño de la partícula, lo cual es

válido si se supone que la concentración está relacionada con la superficie

específica de las partículas y que éstas son esféricas (Sansalone y Tribouillard,

1999). Por lo tanto se asumió que el sedimento viario recolectado fue de

naturaleza similar, en términos de composición química, porosidad, superficie

específica y forma esférica.


161

Se probaron varios modelos de regresión y la función exponencial fue la que

mejores resultados produjo en la ciudad de Torrelavega (R2 > 0,75). Excepto para

Cr y Ni, donde la función que más se ajusto fue la de tipo potencial (R2 > 0,86).

Sin embargo, el modelo potencial tendió a sobreestimar la concentración asociada

con los tamaños de partícula inferiores a 63 µm. Por otro lado, en la ciudad de

Soacha la función que más se ajustó fue la de tipo exponencial (R2 > 0,89). El

modelo exponencial obtenido para la concentración metálica en función del

tamaño de la partícula fue el siguiente:

HMC A · e B· (4.13)

Donde HMC representó la concentración del metal pesado en mg/kg de materia

seca; A y B fueron coeficientes para cada metal pesado; y d el diámetro de la

partícula en milímetros (límite superior de cada fracción de tamaño). Los

coeficientes y R2 obtenidos se presentan en la Tabla 4.11. Como era de esperar

para la función exponencial, el coeficiente A presentó un valor cercano al

obtenido para la fracción de mayor concentración (i.e., < 63 µm). El coeficiente B

presentó una variación entre 0,30 y 0,97 según el elemento metálico analizado. En

promedio para las ciudades de Torrelavega y Soacha, el coeficiente B presentó un

valor de 0,37, 0,93, 0,61, 0,48, 0,53, 0,69, 0,47, 0,80, 0,68, 0,94 y 0,77 para Pb,

Zn, Cu, Cr, Ni, Cd, Fe, Mn, Co, Ba y As, respectivamente (ver Tabla 4.11).

La prueba t de Student emparejada mostró que existían diferencias significativas

en la concentración entre las diferentes fracciones analizadas para cada metal

pesado. En promedio para las calzadas de estudio en la ciudad de Torrelavega, la

fracción de tamaño inferior a 63 µm presentó concentraciones metálicas de 1,4 a 5

veces mayores que la fracción comprendida entre 500-1000 µm. Al comparar la

fracción de menor tamaño (< 63 µm) con la de tamaño mayor (2000-2800 µm), se

observó que la diferencia en la concentración era superior. Por ejemplo, para Zn,

Mn y Cd la concentración en la fracción de tamaño inferior a 63 µm fue entre 17-

21, 10-15, 7-14 veces mayor, respectivamente, que la concentración de la fracción

de tamaño entre 2000-2800 µm. Por otro lado en la ciudad de Soacha la tendencia


162

fue similar. En promedio, la fracción de tamaño inferior a 63 µm presentó

concentraciones de 1,2 a 2,6 veces mayores que la fracción comprendida entre

500-1000 µm. Nuevamente, al comparar la fracción de menor tamaño (< 63 µm)

con la de tamaño mayor (2000-2800 µm) se observó que la diferencia en la

concentración era superior (promedio entre: 3-19 veces).

Los anteriores resultados en orden de magnitud fueron similares a los reportados

por otras investigaciones (p.ej. Roger et al., 1998; Viklander, 1998; Deletic y Orr,

2005). La variación entre autores en la concentración metálica probablemente se

debió a las características particulares de cada lugar de muestreo y a la eficacia de

los diferentes métodos empleados en la recolección del sedimento viario: barrido

en seco, aspirado y barrido en seco, y aspirado en húmedo.

Tabla 4.11 Coeficientes para el modelo exponencial de la concentración de metales pesados (CT; Torrelavega y Soacha)

Metal Pesado Pb Zn Cu Cr Ni Cd Fe Mn Co Ba As Torrelavega Zona 1

A 285 449 108 41 30 30 2840 368 39 - - B 0,30 0,97 0,57 0,46 0,54 0,77 0,46 0,87 0,65 - - R2 0,93 0,96 0,88 0,84 0,65 0,93 0,93 0,94 0,88 - -

Torrelavega Zona 2 A 355 469 134 40 33 24 3114 381 41 - - B 0,42 0,90 0,65 0,50 0,51 0,57 0,44 0,75 0,70 - - R2 0,96 0,95 0,85 0,83 0,83 0,88 0,85 0,97 0,94 - -

Soacha Zona 1 A 89 98 42 - - 0,69 10775 90 - 153 1,36B 0,37 0,94 0,58 - - 0,72 0,46 0,82 - 0,93 0,69R2 0,95 0,95 0,94 - - 0,90 0,94 0,97 - 0,97 0,93

Soacha Zona 2 A 229 111 61 - - 0,51 25235 206 - 181 1,78B 0,39 0,90 0,64 - - 0,68 0,51 0,77 - 0,95 0,85R2 0,96 0,95 0,94 - - 0,88 0,93 0,96 - 0,97 0,93

Para CL y CF de las calzadas de la ciudad Torrelavega, la prueba t de Student

emparejada mostró una tendencia similar a la descrita anteriormente. Las

relaciones en la concentración entre fracciones de tamaño para CF fueron menores

para todos los metales pesados en comparación con los de CL; las relaciones

fueron en promedio 1,9 y 1,8 veces menores para las Zonas 1 y 2,

respectivamente. Los resultados sugirieron en el presente estudio, que existió


163

relación entre el tiempo de permanencia del sedimento sobre la superficie de la

calzada y la concentración metálica. Es decir, a mayor tiempo de permanencia del

sedimento (CF) menor diferencia en la concentración entre fracciones de tamaño

del mismo metal pesado.

La diferencia en la concentración entre fracciones de tamaño para un mismo metal

pesado fue similar para las calzadas de estudio en las ciudades de Torrelavega y

Soacha (CT). En promedio, las diferencias de la Zona 2 en la ciudad de

Torrelavega fueron 1,03 veces menores que las de la Zona 1. Igualmente para la

ciudad de Soacha, las relaciones de la Zona 2 fueron 1,02 veces mayores que los

de la Zona 1. Los resultados sugirieron que los condicionantes de la concentración

metálica (p.ej. uso del suelo, densidad de tráfico y velocidad de conducción) no

influyeron de manera significativa en la distribución de los elementos metálicos

entre las fracciones de tamaño del sedimento viario, para un determinado metal

pesado. Finalmente en la ciudad de Torrelavega, CL y CF presentaron un

comportamiento similar.

En la ciudad de Torrelavega la Zona 2 presentó las mayores concentraciones de

metales pesados (CT). En promedio, el 79,4% de las concentraciones de la Zona 2

fueron mayores o iguales que las determinadas en la Zona 1 con respecto al valor

medio de concentración para cada fracción de tamaño (ver Tabla 4.10). Las

concentraciones metálicas de la Zona 2 fueron en promedio 1,14 veces mayores

que las concentraciones de la Zona 1. Las concentraciones de Pb, Zn, Cu, Ni, Fe y

Mn fueron en promedio 1,12, 1,12, 1,15, 1,15, 1,12 y 1,18 veces mayores en la

Zona 2. La mayor diferencia en la concentración metálica entre las dos zonas se

presentó para Mn: 1,27 veces, en la fracción comprendida entre 2000-2800 µm.

Sin embargo, Cd y Cr presentaron un comportamiento opuesto. El 85,7% de las

concentraciones de Cd y Cr de la Zona 2 fueron menores o iguales que las

encontradas en la Zona 1; en esta ocasión la mayor diferencia en la concentración

entre las dos zonas en estudio se presentó para Cr: 1,13 veces, en la fracción

comprendida entre 63-125 µm. Por otro lado, Co no presentó una diferencia

significativa en la concentración entre las calzadas de las zonas en estudio. En el


164

presente estudio, los resultados sugirieron que la zona con mayor uso de la línea

de aparcamiento presentó las mayores concentraciones de Pb, Zn, Cu y Mn,

probablemente debido a una mayor acumulación de grasa, aceite lubricante y de

motor sobre la superficie de muestreo (línea de aparcamiento), y al mayor uso del

sistema de frenado, desgaste de las llantas y del pavimento asfáltico por las

operaciones de aparcamiento. Shaheen (1975) reportó elevadas concentraciones

de Pb, Zn, Cu y Mn en materiales como el revestimiento para los frenos (Pb:

1,050 mg/kg; Cu: 30,600 mg/kg), el aceite para el motor (Zn: 1,060 mg/kg) y el

caucho desprendido por el uso de las llantas (Pb: 1,110 mg/kg; Zn: 617 mg/kg;

Cu: 247 mg/kg). Finalmente, Fe presentó una tendencia similar a la de Pb, Zn, Cu

y Mn. CL y CF presentaron un comportamiento similar, mayores concentraciones

en la Zona 2.

Al comparar las dos zonas de estudio en la ciudad de Soacha, la Zona 2 tendió a

presentar las mayores concentraciones de elementos metálicos. En promedio, el

83,9% de las concentraciones de la Zona 2 fueron mayores o iguales que las

determinadas en la Zona 1 con respecto al valor medio de concentración para cada

fracción de tamaño (ver Tabla 4.10). Las concentraciones metálicas de la Zona 2

fueron en promedio 1,71 veces mayores que las concentraciones de la Zona 1. Las

concentraciones de Pb, Zn, Cu, Fe, Mn, Ba y As fueron en promedio 2,51, 1,16,

1,39, 2,23, 2,40, 1,16 y 1,14 veces mayores en la Zona 2. Nuevamente, la mayor

diferencia en la concentración entre las dos zonas en estudio se presentó para Mn

en la fracción comprendida entre 1000-2000 µm: 2,66 veces. Sin embargo, Cd

presentó un comportamiento opuesto. En esta ocasión, la mayor diferencia se

presentó en la fracción comprendida entre 250-500 µm (1,52 veces). Los

resultados sugirieron, que la diferencia en la densidad de tráfico probablemente

influyó en la concentración de elementos metálicos asociados con el sedimento

depositado sobre las superficies viarias (Zona 1: 2750 vehículos/día; Zona 2:

40100 vehículos/día). Igualmente, Freud y Johnson (1980), McKenzie e Irwin

(1983), y Viklander (1998) sugirieron que la deposición de metales pesados sobre

las superficies viarias era proporcional a la densidad de tráfico.


165

Después de apreciar la anterior tendencia y al confrontar la concentración de todos

los metales pesados entre las calzadas de estudio en la ciudad de Torrelavega, se

observó para CT que la mayor diferencia en la magnitud de la concentración se

presentó en el rango de tamaño entre 2000-2800 µm (16,5%). Por el contrario, la

menor diferencia en la concentración se presentó para la fracción inferior a 125

µm (1,8%). Por lo tanto, los resultados sugirieron que las principales fuentes de

metales pesados estuvieron asociadas con tamaños de partícula inferiores a 125

µm. Este análisis no se desarrolló para la ciudad de Soacha puesto que las áreas de

estudio no eran contiguas como en el caso de la ciudad de Torrelavega. La Zona 2

de la ciudad de Soacha estuvo localizada a una distancia de 4230 m con respecto

de la Zona 1.

Al comparar las concentraciones metálicas de las ciudades de Torrelavega y

Soacha, se observó que las mayores concentraciones de elementos metálicos se

presentaron en la ciudad de Torrelavega. Las concentraciones de Pb, Zn, Cu, Cd y

Mn fueron en promedio 2,06, 4,35, 2,38, 47,3 y 2,50 veces mayores,

respectivamente (ver Tabla 4.10). Excepto para Fe, donde las concentraciones

fueron en promedio 5,8 veces mayores en la ciudad de Soacha. Los resultados

sugirieron que las superficies viarias con líneas de aparcamiento permanente,

presentan mayores concentraciones de elementos metálicos en comparación con

vías que carecen de estos espacios. Probablemente, las elevadas concentraciones

estuvieron asociadas con una mayor acumulación de grasa, aceite lubricante y de

motor sobre la superficie, y al mayor uso del sistema de frenado, desgaste de las

llantas y del pavimento asfáltico por las operaciones de aparcamiento. Sin

embargo, la concentración de Fe pareció estar más influenciada por el desgaste de

las partes móviles de los vehículos cuando éstos se encontraban en marcha (ver

Tabla 2.9). Adicionalmente, la densidad y composición del tráfico son variables a

tener en cuenta en la anterior interpretación (ver Tablas 4.2 y 4.3).

La concentración fue correlacionada entre fracciones de tamaño del mismo metal

pesado para CT (coeficiente de correlación lineal). El metal pesado que presentó

las mejores correlaciones (r > 0,50) en la calzada de la Zona 1 de la ciudad de


166

Torrelavega fue Pb, seguido de Co, Cr y Cd. En la Zona 2 el orden fue el

siguiente: Cr, Pb, Co y Cd (ver Tabla 4.12). Los metales pesados que presentaron

las peores correlaciones en las dos zonas en estudio de la ciudad de Torrelavega

fueron en su orden: Fe, Mn, Cu, Zn y Ni. Por otro lado en la ciudad de Soacha, el

metal pesado que presentó las mejores correlaciones fue Pb, seguido de Cu, Ba,

Mn y As (ver Tabla 4.12). Los elementos metálicos que presentaron las peores

correlaciones en las dos zonas de estudio fueron en su orden: Cd, Fe y Zn.

A partir de lo anterior, los resultados sugirieron que las fuentes de los metales

pesados con los mejores coeficientes de correlación lineal entre fracciones de

tamaño del mismo metal pesado distribuyeron de manera más uniforme los

elementos metálicos en todo el sedimento, y fueron probablemente las que

permanecieron por más tiempo aportando carga contaminante durante el período

de estudio. Al estudiar en detalle la Tabla 2.9 se observó que las fuentes comunes

de los metales pesados con los mejores coeficientes de correlación lineal (Pb, Co,

Cr, Ba, As y Cu) estuvieron principalmente relacionadas con el tráfico: uso del

sistema de frenado, desgaste de las llantas y el pavimento asfáltico, y movimiento

de las partes del motor. Finalmente, las fuentes de los metales pesados con los

peores coeficientes de correlación lineal entre fracciones, probablemente

aportaron los elementos metálicos de una manera más intermitente durante el

período de estudio.

Tabla 4.12 Correlación entre fracciones de tamaño del mismo metal pesado (CT; Torrelavega y Soacha)

Zona Metal Pesadoa

Pb Zn Cu Cr Ni Cd Fe Mn Co Ba As Torrelavega

1 95 38 38 62 38 52 24 38 76 - - 2 62 33 29 71 48 57 5 19 62 - -

Soacha 1 77 44 65 - - 33 41 54 - 61 47 2 96 52 69 - - 29 54 60 - 64 58

a: porcentaje de coeficientes de correlación lineal con r > 0,50

En promedio, en la calzada de las Zonas 1 y 2 de la ciudad de Torrelavega el 51 y

43%, respectivamente, de los coeficientes de correlación lineal para la


167

concentración entre fracciones de tamaño para el mismo metal pesado fueron

mayores a 0,50 (CT). La Zona 2 presentó las peores correlaciones entre fracciones

de tamaño para todos los metales pesados en estudio. Por otro lado, en la calzada

de las Zonas 1 y 2 de la ciudad de Soacha el porcentaje de coeficientes de

correlación lineal para la concentración metálica entre fracciones de tamaño

mayores de 0,50 fue de 53 y 60%, respectivamente. Nuevamente, existió una zona

con las peores correlaciones entre fracciones de tamaño para todos los metales

pesados (i.e., Zona 1).

La anterior tendencia probablemente se debió a que en las Zonas 2 y 1 de las

ciudades de Torrelavega y Soacha, respectivamente, con un mayor uso de la línea

de aparcamiento, los lugares de muestreo estuvieron más influenciados por la

variabilidad espacial y temporal de las diferentes fuentes asociadas con el tráfico

(p.ej. uso de los frenos, desgaste de las llantas, y deposición de aceite lubricante y

de motor). A diferencia de las Zonas 1 y 2 de la ciudad de Torrelavega y Soacha,

respectivamente, donde la distribución de los elementos metálicos probablemente

fue más uniforme debido a la ausencia de lugares de aparcamiento. Es importante

mencionar, que en la Zona 1 de la ciudad de Soacha no existieron lugares

permitidos para aparcamiento, sin embargo uno de los carriles fue usado

ocasionalmente como zona de aparcamiento (ver Figura 4.4a). El metal pesado

que presentó los mejores coeficientes de correlación lineal entre fracciones de

tamaño en las ciudades de estudio fue Pb (ver Tabla 4.12). Adicionalmente, los

coeficientes de correlación lineal para la fracción de tamaño inferior a 125 µm

fueron los mejores. Finalmente en la ciudad de Torrelavega, los coeficientes de

correlación lineal para CF fueron mejores que para CL. Es decir, la carga con

mayor tiempo de residencia sobre la superficie de la calzada presentó las mejores

correlaciones.

Para la fracción de tamaño inferior a 125 µm se realizó un análisis de correlación

entre todos los metales pesados con el objeto de profundizar en la afinidad del

origen. En las calzadas de la ciudad de Torrelavega existió correlación de Pb con

Zn, Cd, Fe y Mn; de Zn con Cu, Cr, Fe y Mn; de Cu con Fe y Mn; y entre Cr y Ni.


168

Al estudiar CF las anteriores relaciones fueron más evidentes, y adicionalmente

existió relación entre Cr y Co (ver Tabla 4.13). La relación entre Cr y Ni sólo se

apreció para CL. Por otro lado, en la ciudad de Soacha se evaluó la correlación

para cada zona de estudio (i.e., Zonas 1 y 2) puesto que las áreas de muestreo no

fueron contiguas como en el caso de la ciudad de Torrelavega. Los resultados

mostraron que existió correlación entre Pb, Zn, Cu, Mn, Ba y As; de Zn con Fe y

Mn; y de Cd con Fe (ver Tabla 4.13).

A partir de lo anterior, los resultados sugirieron en las ciudades de estudio que las

principales fuentes para el primer grupo de metales pesados (i.e. Pb, Zn y Mn)

fueron las partículas desprendidas por el uso de las pastillas de los frenos y de las

llantas (caucho). A este primer grupo se le añadirían Cu, Ni, Cr, Co, Fe, Ba, As y

Cd por el uso de las pastillas de los frenos (ver Tabla 2.9). El material de fricción

de las pastillas de los frenos está constituido por un 15% de elementos metálicos

(Roadhouse, 2008). Finalmente, la correlación entre Cr y Ni en CL probablemente

estuvo asociada con la corrosión de partes metálicas cromadas y niqueladas de los

vehículos.

La Tabla 4.15 presenta la concentración metálica en los diferentes elementos de

las vías de la ciudad de Torrelavega (i.e., calzada, cuneta, carril para bicicletas y

rotonda). Al comparar la concentración de los metales pesados entre la calzada y

cuneta, se observó que para la fracción de tamaño inferior a 1000 µm las

concentraciones eran mayores sobre la superficie de la calzada (CT); las

concentraciones fueron en promedio 1,8 veces mayores. La relación tendió a

aumentar con la fracción de tamaño; en promedio para todos los elementos

metálicos, 1,4 y 2,7 veces para la fracción de tamaño inferior a 63 µm y entre 500

y 1000 µm, respectivamente. Sin embargo para la fracción de tamaño mayor a

1000 µm la tendencia fue opuesta, la cuneta presentó las mayores

concentraciones; en promedio 1,2 veces mayores para todos los metales pesados

en estudio. La prueba t de Student emparejada mostró que existían diferencias

significativas entre las concentraciones de la calzada y cuneta. Finalmente, la

concentración metálica asociada con los sedimentos acumulados sobre la cuneta

no tuvo una tendencia similar a la anteriormente descrita en este apartado (i.e.,


169

sobre la calzada). Los resultados sugirieron para la fracción de tamaño mayor a

1000 µm, que la concentración de los metales pesados asociados con el sedimento

acumulado sobre la cuneta estuvo probablemente más influenciada por el

fenómeno de lavado del sedimento (i.e., por escorrentía), que por el propio aporte

de elementos metálicos por parte del tráfico.

En promedio, las concentraciones de los metales pesados asociados con el

sedimento acumulado sobre la superficie de la calzada fueron 2,0 veces mayores

que las determinadas sobre la superficie del carril para bicicletas (ver Tabla 4.15).

La relación tendió a aumentar con la fracción de tamaño. En promedio 1,2 y 3,1

veces para la fracción de tamaño inferior a 63 µm y entre 1000-2000 µm,

respectivamente. El modelo que mejor explicó esta tendencia fue el de tipo

potencial (R2 = 0,97):

HMC 0,37 · d , (4.14)

Donde HMC representó la relación entre fracciones de tamaño para la

concentración de los metales pesados de la calzada y el carril para bicicletas

(adimensional); y d el diámetro de la partícula en milímetros. La prueba t de

Student emparejada mostró que existían diferencias significativas entre las

concentraciones metálicas de la calzada y el carril para bicicletas.

A partir de lo anterior, los resultados mostraron que la concentración de los

elementos metálicos a través de la vía tendió a disminuir con el aumento de la

distancia con respecto a la superficie de muestreo de la calzada. En este sentido, la

relación entre fracciones de tamaño para la concentración de los metales pesados

aumentó con el tamaño de la partícula. Adicionalmente, es importante tener en

cuenta el efecto del diseño arquitectónico a través de la vía sobre la concentración

de los metales: presencia de barreras artificiales (p.ej. bordillo) y naturales (p.ej.

senda de vegetación). El eje de la superficie de muestreo del carril para bicicletas

se localizó a 1,83 metros de la superficie de la calzada. Finalmente, no se detectó

Co en el carril para bicicletas.

CA

PÍT

ULO

4.-

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

IST

RIB

UC

IÓN

DE

LO

S M

ETA

LE

S P

ESA

DO

S A

SOC

IAD

OS

CO

N E

L S

ED

IME

NTO

VIA

RIO

A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

170

Tab

la 4

.13

Coe

fici

ente

s de

cor

rela

ción

line

al p

ara

la c

once

ntra

ción

ent

re m

etal

es p

esad

os d

e la

s Z

onas

1 y

2 (

CF

; Tor

rela

vega

)

Fra

cció

n

(µm

) P

b Z

n C

u C

r N

i C

d F

e M

n C

o

<63

63

-125

<

63

63-1

25<

63

63-1

25<

63

63-1

25<

63

63-1

25

<63

63

-125

<63

63

-125

<63

63

-125

<63

63-1

25

Pb

<63

1,

00

63

-125

0,

80

1,00

Zn

<63

0,

68

0,56

1,

00

63

-125

0,

56

0,61

0,

90

1,00

Cu

<63

0,

54

0,25

0,

82

0,63

1,

00

63

-125

0,

31

0,26

0,

76

0,67

0,

70

1,00

Cr

<63

0,

41

0,36

0,

66

0,62

0,

47

0,55

1,

00

63

-125

0,

11

0,01

0,

20

0,27

-0

,05

0,06

0,

53

1,00

Ni

<63

0,

00

-0,0

3 0,

24

0,18

0,

28

0,31

-0

,18

-0,1

6 1,

00

63

-125

0,

24

0,23

0,

25

0,29

0,

16

0,25

-0

,06

0,06

0,

82

1,00

Cd

<63

0,

72

0,35

0,

27

0,15

0,

25

-0,0

8 0,

18

0,16

-0

,18

0,14

1,

00

63

-125

0,

67

0,46

0,

24

0,21

0,

05

-0,2

3 0,

20

0,32

-0

,25

0,04

0,

88

1,00

Fe

<63

0,

90

0,69

0,

88

0,74

0,

73

0,54

0,

59

0,15

0,

07

0,19

0,

63

0,59

1,

00

63

-125

0,

75

0,85

0,

85

0,89

0,

52

0,60

0,

56

0,14

0,

10

0,26

0,

32

0,42

0,

85

1,00

Mn

<63

0,

69

0,42

0,

74

0,61

0,

75

0,55

0,

37

0,20

0,

26

0,22

0,

36

0,33

0,

78

0,62

1,

00

63

-125

0,

64

0,70

0,

78

0,78

0,

58

0,66

0,

39

0,12

0,

24

0,26

0,

07

0,15

0,

70

0,83

0,

82

1,00

Co

<63

-0

,21

-0,3

1 -0

,10

0,00

-0

,19

-0,2

0 -0

,05

0,60

-0

,27

-0,1

8 0,

08

0,26

-0

,14

-0,1

2 -0

,06

-0,1

5 1,

00

63-1

25

-0,2

1 -0

,22

-0,1

8 -0

,04

-0,3

1-0

,31

-0,1

60,

55

-0,3

0-0

,21

0,04

0,

28

-0,1

9-0

,11

-0,1

1-0

,14

0,97

1,00

CA

PÍT

ULO

4.-

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

IST

RIB

UC

IÓN

DE

LO

S M

ETA

LE

S P

ESA

DO

S A

SOC

IAD

OS

CO

N E

L S

ED

IME

NTO

VIA

RIO

A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

171

Tab

la 4

.14

Coe

fici

ente

s de

cor

rela

ción

line

al p

ara

la c

once

ntra

ción

ent

re m

etal

es p

esad

os p

ara

la f

racc

ión

< 1

25 µ

m (

CT

; Soa

cha)

M

etal

Pb

Zn

Cu

Cd

Fe

Mn

Ba

As

Z

ona

1 2

1 2

1 2

1 2

1 2

1 2

1 2

1 2

Pb

1 1,

00

2

1,

00

Zn

1 0,

13

1,

00

2

0,50

1,

00

Cu

1 0,

76

0,

43

1,00

2

0,

64

0,27

1,

00

Cd

1 0,

18

0,

19

0,33

1,

00

2

-0,2

2

-0,2

8

0,01

1,

00

Fe

1 0,

23

0,

26

0,32

0,

55

1,00

2

0,

42

0,53

-0

,08

-0

,14

1,

00

Mn

1 0,

63

0,

10

0,64

0,

28

0,34

1,

00

2

0,41

0,

55

-0,0

9

-0,2

1

0,75

1,00

Ba

1 0,

85

0,

03

0,59

0,

23

0,28

0,

61

1,00

2

0,

22

-0,0

2

0,60

0,

11

-0,4

2

-0,2

3

1,00

As

1 0,

32

0,

21

0,34

0,

21

0,43

0,

37

0,35

1,

00

2

0,58

0,

25

0,74

0,

03

0,05

0,05

0,

61

1,00


172

Tabla 4.15 Concentración metálica a través de la superficie viaria con un intervalo de confianza del 95% (CT; Torrelavega)

Met

al

Lug

ar Concentración metálica en mg/kg de materia secaa. Zonas 1 y 2

Fracción de tamaño (µm) <63 63-125 125-250 250-500 500-1000 1000-2000 2000-2800

Pb RW G

BT R

377±47 304±51 344±53 478±66

273±51 198±42 240±37 379±44

268±53 162±32 158±39 279±51

319±43 72±13

160±24 390±69

254±42 65±16

136±23 190±36

128±29 101±21 68±13 79±14

99±28 120±32

ND ND

Zn RW G

BT R

595±53 450±45 475± 31 732±78

390±31 364±37 278±21 482±73

323±23 314±33 155±11 351±46

317±29 313±34 159±13 604±68

142±27 43±9

112±17 302±22

96±18 114±27 49±13 44±12

26±13 11±7 ND

21±11Cu RW

G BT R

105±17 89±21 99±12

153±18

85±13 72±18 65±9

130±21

95±16 67±16 32±7 92±12

123±41 88±16 37±9

192±21

42±12 32±9 19±5

82±13

33±17 67±24 13±9

54±16

19±9 23±10

ND 5±2

Cr RW G

BT R

72±14 41±13 52±8 84±11

43±8 22±9 27±7

57±10

30±7 12±5 26±9 41±13

33±8 24±9 28±8

58±12

25±6 11±4 16±5 45±8

14±5 19±9 4±2

36±15

15±7 37±14

ND 34±16

Ni RW G

BT R

59±11 40±13 54±11 74±15

32±6 32±9 29±9

51±13

18±5 16±5 11±6 28±11

22±8 20±9 18±5 33±8

17±6 13±4 7±4

26±7

9±3 7±4 2±1

23±9

8±3 23±11

ND 13±6

Cd RW G

BT R

33±13 22±6 29±8 24±9

21±6 19±5 18±6 9±3

15±6 13±5 13±4 5±2

17±9 15±6 14±4 9±2

13±5 10±4 6±2 6±2

9±4 15±4 5±2 6±3

5±2 6±3 ND 4±3

Feb RW G

BT R

3,16±0,30 2,81±0,43 2,93±0,25 3,86±0,60

2,11±0,17 2,22±0,32 1,07±0,20 2,30±0,41

2,09±0,22 2,08±0,30 0,86±0,15 1,99±0,36

2,93±0,34 1,46±0,27 0,80±0,17 3,56±0,51

1,98±0,30 0,83±0,12 0,50±0,07 3,24±0,46

1,76±0,33 1,99±0,37 0,31±0,09 2,90±0,43

0,85±0,22 0,91±0,19

ND 561±97

Mn RW G

BT R

436±53 391±80 401±88 629±86

315±37 279±65 298±52 386±75

332±43 233±56 175±29 298±39

264±49 92±21

169±24 320±55

147±31 25±8

45±13 281±56

99±27 241±54 39±12

219±57

47±18 72±21

ND 51±19

Co RW G

BT R

53±12 29±10

ND 8±3

35±8 8±4 ND 2±1

23±9 12±3 ND ND

28±8 17±6 ND ND

20±6 8±4 ND ND

12±4 17±7 ND ND

5±2 11±7 ND ND

a: promedio sobre veinte observaciones; b: concentración en g/kg; RW: calzada; G: cuneta; BT: carril para bicicletas; R: rotonda; ND: no detectado

Las rotondas de las Zonas 1 y 2 en la ciudad de Torrelavega presentaron

concentraciones metálicas superiores que las determinadas sobre la superficie de

las calzadas (CT). En promedio para Pb, Zn, Cu, Cr, Ni, Fe y Mn las

concentraciones fueron 1,4 veces mayores para todas las fracciones de tamaño.

Excepto para Cd y Co, donde las concentraciones en las rotondas fueron 2,0 veces


173

menores. Los resultados sugirieron que en las rotondas el desgaste de las partes

del motor fue mayor, y que el uso del sistema de frenado fue más intenso y

prolongado.

En la ciudad de Torrelavega la concentración metálica asociada con el sedimento

acumulado sobre la cuneta de la Zona 2 tendió a presentar mayores

concentraciones, con respecto de la cuneta de la Zona 1; la relación promedio para

la fracción de tamaño mayor a 63 µm fue 1,5 veces mayor en la Zona 2. Sin

embargo, para la fracción inferior a 63 µm no se logró observar ninguna

tendencia; Pb, Zn, Cu y Mn presentaron mayores concentraciones para la cuneta

de la Zona 2, mientras que el Cr, Ni, Cd y Co presentaron menores

concentraciones, con respecto de la Zona 1. Fe presentó concentraciones similares

en las dos zonas de estudio. El carril para bicicletas de la Zona 2 tendió a

presentar mayores concentraciones con respecto del carril para bicicletas de la

Zona 1. El comportamiento en la concentración metálica fue similar al

anteriormente descrito en este apartado para las calzadas de las dos zonas en

estudio (CT) de la ciudad de Torrelavega. Finalmente, las rotondas de las Zonas 1

y 2 presentaron concentraciones similares.

4.3.2.4 Determinación y análisis de la carga metálica asociada con el sedimento

viario

Esta actividad se enfocó en la determinación y análisis de la distribución por

fracción de tamaño del contenido metálico asociado con el sedimento acumulado

sobre las superficies viarias a partir de las variables identificadas en la primera

fase de la metodología. A continuación se presenta la caracterización de la carga

de metales pesados del sedimento viario tras las campañas de campo desarrolladas

en las ciudades de Torrelavega y Soacha.

En las calzadas de la ciudad de Torrelavega la fracción de tamaño inferior a 63

µm tendió a asociar el mayor porcentaje de carga para Zn, Cr, Ni, Cd y Co (%/kg

de sedimento ó %/m2). Sin embargo, para Pb, Cu, Fe y Mn la fracción de tamaño

con mayor contenido de elementos metálicos fue entre 250-500 µm. Por otro lado


174

en la ciudad de Soacha la tendencia fue más uniforme; la fracción de tamaño entre

250-500 µm presentó el mayor porcentaje de carga asociado (ver Tabla 4.16). El

aumento de la carga asociada de metales pesados en la fracción comprendida entre

250-500 µm probablemente se debió a: (i) la presencia de partículas finas

adheridas a la superficie de las partículas de esta fracción y difícilmente

cuantificables por el método de tamizado en seco, que hicieron que la

concentración metálica aumentara (ver Tabla 4.10); y (ii) que asoció la mayor

cantidad de sedimento viario y, por lo tanto, la mayor cantidad de elementos

metálicos. En las ciudades de Torrelavega y Soacha la fracción de tamaño entre

250-500 µm representó un 20,8% y 23,4% (en peso), respectivamente, de la

cantidad total de sedimento recolectado sobre la superficie de la calzada.

Tabla 4.16 Carga asociada por fracción de tamaño con un 95% de intervalo de confianza (CT; Torrelavega y Soacha)

Carga asociada de metales pesados (%)a Fracción de tamaño (µm)

Carga (g/m2)

< 63 63-125 125-250 250-500 500-1000 1000-2000 2000-2800 Torrelavega

Pb 18±6 20±5 22±6 23±8 11±3 5±2 2±1 7,13 Zn 26±7 24±6 22±5 18±5 7±2 3±1 1±1 8,32 Cu 16±4 17±3 24±7 32±9 7±3 3±2 1±1 2,87 Cr 22±6 19±5 15±5 18±4 17±6 6±3 1±1 0,79 Ni 26±6 20±4 14±3 25±5 9±3 4±2 2±1 0,52 Cd 28±8 25±5 17±4 15±4 10±4 4±2 1±1 0,42 Fe 17±4 18±5 20±4 24±5 14±3 6±3 1±1 66,9 Mn 20±5 21±6 22±5 22±6 11±2 4±2 1±1 6,78 Co 30±7 23±6 17±4 18±4 9±2 3±1 1±1 0,68

Soacha Pb 12±3 18±4 22±5 26±7 14±3 6±3 2±1 9,77 Zn 20±5 23±5 22±6 22±5 9±2 3±2 1±1 4,57 Cu 13±4 20±4 25±7 27±6 10±3 4±3 1±1 2,71 Cd 19±4 23±6 19±4 24±5 10±2 4±2 1±1 0,03 Fe 12±3 17±4 20±4 27±7 16±3 6±4 1±1 1042,8Mn 13±3 19±4 24±5 28±7 12±4 4±3 1±1 7,50 Ba 18±5 24±6 23±5 23±5 9±3 3±2 1±1 7,27 As 19±6 21±7 20±4 25±4 10±3 4±2 1±1 0,07

a: Zonas 1 y 2

En la ciudad de Torrelavega Zn y Cd presentaron una disminución constante en la

carga asociada a medida que aumentaba la fracción de tamaño. Sin embargo, Pb,

Cu, Ni, Fe, Mn y Co presentaron una tendencia opuesta; los metales presentaron

un aumento de la carga asociada en la fracción de tamaño entre 250-500 µm. La


175

anterior tendencia fue similar a la presentada para la concentración metálica (ver

Tabla 4.10). Finalmente, para la fracción de tamaño mayor a 500 µm se presentó

una disminución constante de la carga metálica asociada. Como se pudo apreciar,

la distribución de la carga de los elementos metálicos tuvo una tendencia similar a

la observada para la concentración metálica (ver apartado 4.3.2.3). Los resultados

sugirieron para el presente estudio, que la distribución de la carga contaminante

estuvo condicionada en orden de importancia por la concentración de los

elementos metálicos y la cantidad de sedimento acumulado por fracción de

tamaño. Finalmente la prueba t de Student mostró para las zonas en estudio de

cada ciudad (Torrelavega y Soacha), que no existieron diferencias significativas

en el porcentaje acumulado de carga asociado con cada fracción de tamaño del

sedimento viario.

En promedio para las ciudades de Torrelavega y Soacha el 22 y 16%,

respectivamente, de la carga total de metales pesados se asoció con la fracción de

tamaño inferior a 63 µm. En la fracción de tamaño mayor a 1000 µm se asoció el

5,4 y 5,0% de la carga total de metales pesados para la ciudad de Torrelavega y

Soacha, respectivamente (ver Tabla 4.16). Sansalone y Buchberger (1997)

reportaron que las fracciones de mayor tamaño fueron consideradas como de

menor importancia en el contenido y transporte de contaminantes. Finalmente, el

57 y 64% de la carga total de metales pesados en las ciudades de Torrelavega y

Soacha, respectivamente, se asoció con la fracción de tamaño mayor a 125 µm

(i.e., el tamaño correspondiente para las arenas finas). Ellis y Revitt (1982), Stone

y Marsalek (1996), y Sansalone y Tribouillard (1999) obtuvieron resultados

similares.

Los resultados de la prueba de lixiviación realizada en la ciudad de Torrelavega

para la carga metálica mostraron que los elementos con mayor porcentaje de

lixiviación fueron Mn y Cd (ver Tabla 4.17), con respecto de la carga total (CT).

La secuencia en la lixiviación de los elementos metálicos, en orden descendente,

fue la siguiente: Mn > Cd > Zn > Pb > Co > Cu > Ni > Fe > Cr. El porcentaje de

lixiviación promedio para todos los metales pesados en estudio fue de 13,7%.


176

Banerjee (2003) y, Mingkui y Hao (2009) encontraron resultados similares en

sedimentos depositados sobre superficies viarias de las ciudades de Delhi (India)

y Hangzhou (China), respectivamente.

Tabla 4.17 Resultados de la prueba de lixiviación para los elementos metálicos asociados con el sedimento viario (CT; Torrelavega)

Metal Pesadoa (n=24) Pb Zn Cu Cr Ni Cd Fe Mn Co

14,4 18,7 8,3 2,4 6,3 28,9 3,2 32,1 9,2a: lixiviación en porcentaje, con respecto de la carga metálica total (CT); n: número de

muestras

Como es sabido, en el presente estudio, los tamaños de partícula que presentaron

la mayor susceptibilidad al lavado por escorrentía fueron los inferiores a 500 µm

(ver Tabla 4.9). En este sentido, el 83,8 y 83,6% de la carga total de elementos

metálicos en la ciudad de Torrelavega y Soacha, respectivamente, se asoció con la

fracción de tamaño inferior a 500 µm (ver Tabla 4.16). A partir de lo anterior, se

desarrolló una expresión para evaluar en superficie la carga metálica removida por

la escorrentía viaria hacia los sistemas de recolección y transporte. Se asumió que

toda la carga metálica asociada con el sedimento viario fue removida y

transportada con éste, a partir de la susceptibilidad al lavado por escorrentía del

mismo (i.e., la fracción de tamaño ≤ 500 µm) (ver Tabla 4.9). Adicionalmente, se

consideró el efecto de lixiviación ejercido por la escorrentía viaria sobre la

fracción de tamaño del sedimento que no fue susceptible a la remoción (i.e., la

fracción de tamaño > 500 µm) (ver Tabla 4.16). La expresión desarrollada fue la

siguiente:

PCW ∑ RC · CT ∑ RL · CT (15)

Donde PCW representó el porcentaje de la carga metálica removida por la

escorrentía viaria; RC representó la remoción de carga metálica por escorrentía

para las fracciones de tamaño ≤ 500 µm en porcentaje; RL representó la remoción

de carga metálica a partir de la prueba de lixiviación para las fracciones de tamaño

mayores a 500 µm en porcentaje; y CT representó la carga total de sedimento, en

porcentaje, para la fracción de tamaño correspondiente. Al realizar el cálculo con


177

los datos de la carga lavada (i.e., removida por escorrentía) por fracción de

tamaño del sedimento para todos los eventos de lluvia, en promedio se observó

que en la ciudad de Torrelavega y Soacha el 17,2 y 35,8%, respectivamente, de la

carga metálica acumulada sobre las superficies viarias fue removida y

probablemente descargada en los sistemas de recolección y transporte de la

escorrentía después de un evento de lluvia. Al realizar el cálculo anterior con los

valores máximos registrados en cada ciudad de estudio, se observó que la carga

metálica removida fue de hasta un 37,6 y 45,9% en la ciudad de Torrelavega y

Soacha, respectivamente.

Con el objeto de estudiar la distribución en peso de los elementos metálicos en el

sedimento viario, se determinó el porcentaje acumulado de carga con cada

fracción de tamaño. Se realizaron análisis de regresión y el modelo logarítmico

fue el que mejores resultados produjo en las ciudades de Torrelavega (R2 > 0,91)

y Soacha (R2 > 0,90). El modelo obtenido fue el siguiente:

PCA A · ln d B (4.16)

Donde PCA representó el porcentaje acumulado de carga de metal pesado; A y B

fueron coeficientes para cada elemento metálico; y d el diámetro de la partícula en

milímetros. Los coeficientes y R2 obtenidos en las ciudades de Torrelavega y

Soacha se presentan en la Tabla 4.18. El coeficiente “A” presentó una variación

entre 18,4-24,6 (promedio: 21,8), según el metal pesado analizado. El coeficiente

“B” presentó una variación entre 84,1-90,4 (promedio: 87,2). Finalmente, se

ajustaron los coeficientes a los valores medios para obtener un modelo

logarítmico único para las dos ciudades en estudio (ver Figura 4.15).


en el porcentaje de carga asociada entre las diferentes fracciones analizadas para

cada metal pesado en las ciudades de estudio (Torrelavega y Soacha). En general,

se distinguieron dos grupos de fracciones de tamaño en la ciudad de Torrelavega.

El primer grupo estuvo conformado por la fracción de tamaño inferior a 500 µm,


178

donde las diferencias en el porcentaje de carga entre fracciones estuvieron entre 1-

8 veces. El segundo grupo estuvo conformado por la fracción de tamaño entre

500-2800 µm, donde las diferencias estuvieron entre 1-25 veces.

Tabla 4.18 Coeficientes y R2 para el modelo logarítmico del porcentaje acumulado de carga metálica (CT; Torrelavega y Soacha)

Metal pesadoa Pb Zn Cu Cr Ni Cd Fe Mn Co Ba As

Torrelavega A 22,2 19,2 23,5 21,3 19,8 18,4 22,9 21,5 18,4 - - B 86,2 90,4 87,3 85,1 87,4 89,1 85,0 88,0 89,9 - - R2 0,95 0,90 0,92 0,97 0,95 0,93 0,96 0,93 0,92 - -

Soacha A 24,4 21,3 23,8 - - 21,7 24,6 24,0 - 21,8 21,9 B 84,1 88,9 86,5 - - 87,6 84,1 86,4 - 88,8 87,8 R2 0,96 0,92 0,93 - - 0,93 0,96 0,94 - 0,91 0,93

a: Zonas 1 y 2

Figura 4.15 Porcentaje acumulado de carga metálica según el tamaño de la

partícula (CT; Torrelavega y Soacha)

Por otro lado, en la ciudad de Soacha las diferencias en el porcentaje de carga

asociada entre fracciones de tamaño fueron menores. Nuevamente se

distinguieron dos grupos de fracciones de tamaño: el primer grupo estuvo

conformado por las fracciones de tamaño inferiores a 500 µm, donde las

diferencias estuvieron entre 1,06-1,31 veces; el segundo grupo estuvo conformado

por la fracción de tamaño entre 500-2800 µm, donde las diferencias estuvieron

entre 2,3-5,4 veces. Los resultados sugirieron que la distribución de la carga

PCA = 21,81ln(d) + 87,21R² = 0,94

0

20

40

60

80

100

0 0,5 1 1,5 2 2,5 3

Porcentaje acumulado de carga

metálica

Diámetro (mm)


179

metálica en las diferentes fracciones de tamaño del sedimento viario fue más

uniforme sobre las superficies viarias donde no existieron áreas permanentes de

aparcamiento (i.e., en la ciudad de Soacha); haciendo que los lugares de muestreo

estuvieran menos influenciados por la variabilidad espacial y temporal de las

diferentes fuentes asociadas con el tráfico (p.ej. deposición de aceite lubricante y

de motor).

4.3.3 FASE 3. Caracterización del material en suspensión (PM10 y PST)

Las tres actividades desarrolladas de manera consecutiva durante esta fase fueron

las siguientes: (i) determinación y análisis de la carga de PM10 y PST (µg/m3), (ii)

determinación y análisis de la concentración metálica asociada con PM10 y PST

(µg/g), y (iii) determinación y análisis de la carga metálica asociada con PM10 y

PST (ng/m3). A continuación se describen cada una de las actividades

desarrolladas en la caracterización metálica del material en suspensión sobre las

áreas de influencia de las superficies viarias de la ciudad de Soacha.

4.3.3.1 Determinación y análisis de la carga de PM10 y PST

Esta actividad se centró en la determinación y análisis de la carga de PM10 y PST

sobre áreas de influencia de las superficies viarias a partir de las variables

identificadas en la primera fase de la metodología. A continuación se presenta la

caracterización de la carga del material en suspensión después de la campaña de

campo desarrollada en la ciudad de Soacha.

La carga promedio de PM10 y PST durante el período de estudio en la Zona 1 de

la ciudad de Soacha fue de 40,1 y 48,3 µg/m3, respectivamente. Por otro lado, la

relación promedio entre PM10 y PST fue de 0,83. La Figura 4.16 presenta la

relación lineal entre PM10 y PST (r = 0,97). Los resultados sugirieron que existe

una fuerte relación entre las partículas suspendidas totales y las respirables. En

este sentido, la elevada relación entre PM10 y PST sugirió una influencia

significativa de las partículas finas sobre la carga del material en suspensión del


180

área de muestreo. La anterior tendencia probablemente se debió a la influencia

directa de las emisiones y a la suspensión de las partículas acumuladas sobre la

superficie viaria por parte del tráfico, en una zona de uso residencial, institucional

y comercial con una densidad media de tráfico de 2750 vehículos por día (ver

Capítulo 4 apartado 4.3.1). Adicionalmente, es importante resaltar que la estación

de monitoreo del material en suspensión se localizó a una distancia de cinco

metros con respecto del bordillo de la calzada de la Zona 1. Algunos

investigadores (p.ej. Walsh et al., 2002; Vukovich y Sherwel, 2002; Saldarriaga et

al., 2004; Sivaramasundaram y Muthusubramanian, 2010) han reportado

resultados similares para la relación entre PM10 y PST en áreas con una influencia

significativa del tráfico.

Por otro lado, en la Zona 2 de la ciudad de Soacha la carga promedio de PM10 y

PST durante el período de estudio fue 54,9 y 101,3 µg/m3, respectivamente. En

esta ocasión la relación promedio entre PM10 y PST fue de 0,54. La Figura 4.17

presenta la relación lineal entre PM10 y PST (r = 0,88). Los resultados sugirieron

que existe una considerable relación entre las partículas suspendidas totales y las

respirables. Sin embargo a diferencia de la Zona 1, la relación entre PM10 y PST

sugirió que las partículas finas tuvieron una influencia media sobre la carga del

material en suspensión del área de muestreo. La anterior tendencia probablemente

se debió a la localización de la estación de monitoreo del material en suspensión:

340 m con respecto del bordillo de la calzada de estudio en la Zona 2. Es decir, en

esta ocasión no existió una influencia significativa de las partículas finas emitidas

por el tráfico sobre la carga del material en suspensión como la ocurrida en la

Zona 1, a pesar de que en la Zona 2 se presentó una densidad media de tráfico

mayor: 40100 vehículos por día (ver Capítulo 4 apartado 4.3.1). Los anteriores

resultados evidenciaron la influencia de la distancia de muestreo sobre la carga de

material en suspensión en áreas aledañas a superficies viarias. Adicionalmente, se

sugirió que el aumento en la distancia de muestreo conllevó a una evaluación del

material en suspensión sobre una escala mayor, es decir, las posibles fuentes del

material en suspensión no estuvieron principalmente asociadas con el tráfico (i.e.,

fuentes móviles).


181

Figura 4.16 Relación entre PM10 y PST en la Zona 1 (Soacha, Colombia)

Figura 4.17 Relación entre PM10 y PST en la Zona 2 (Soacha, Colombia)

Al comparar la carga de PM10 y PST entre las zonas de estudio en Soacha, se

observó que éstas eran mayores en la Zona 2; la carga de PM10 y PST fue 1,37 y

2,10 veces mayor, respectivamente. Como se pudo observar, la Zona 1 presentó

una mejor correlación lineal entre PM10 y PST (r = 0,97). A partir de lo anterior,

los resultados sugirieron que las fuentes del material en suspensión de la Zona 2

fueron más diversas, principalmente para PST donde se observó una mayor

diferencia con respecto de la Zona 1. Adicionalmente, se sugirió un aporte sobre

la fracción más gruesa del material en suspensión por parte de las áreas aledañas

al lugar de investigación (i.e., por suspensión), que se caracterizaron por su escasa

vegetación (i.e., descubiertas) y ausencia de zonas duras debido al escaso

PST = 1,1521∙PM10 + 2,0601R² = 0,94

0

20

40

60

80

100

120

0 20 40 60 80 100

PST (µ

g/m

3)

PM10 (µg/m3)

PST = 0,9297∙PM10 + 50,338R² = 0,77

0

20

40

60

80

100

120

140

160

0 20 40 60 80 100

PST (µ

g/m

3)

PM10 (µg/m3)


182

desarrollo industrial y comercial a partir del uso del suelo autorizado en la zona

(ver Capítulo 4 apartado 4.3.1). La velocidad media del viento durante el periodo

de estudio fue de 2,42 m/s, con magnitudes de hasta 7,50 m/s.

Durante la caracterización realizada en la ciudad de Soacha (07/01/2010-

14/05/2010; 127 días) se presentaron nueve períodos de lluvia. La precipitación

total durante el período de muestreo correspondió a un 31,7% de la precipitación

total registrada para el mismo año (772 mm). A partir de lo anterior se

identificaron dos períodos en las áreas de estudio con respecto de la precipitación:

(i) época seca entre 07/01-08/02/2010, y (ii) época de lluvias entre 09/02-

14/05/2010 (ver Figuras 4.17 y 4.18).

Figura 4.18 Variación de la carga de PM10 y PST con respecto de la precipitación en la Zona 1 (Soacha, Colombia)

Al comparar las dos épocas identificadas en la Zona 1, se observó que la carga

promedio de PM10 y PST durante la época seca fue mayor: 60,2 y 76,1 µg/m3,

respectivamente; mientras que la carga promedio de PM10 y PST durante la época

de lluvias fue 1,92 (31,3 µg/m3) y 2,11 (36,1 µg/m3) veces menor,

respectivamente. En esta última época se presentó la menor carga de PM10 y PST

en la Zona 1: 8,36 y 8,40 µg/m3, respectivamente. Sin embargo, no se logró

detectar una relación entre la carga de PM10 y PST, y la altura de precipitación de

0

20

40

60

80

100

120

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

07

/01

/20

10

14

/01

/20

10

21

/01

/20

10

28

/01

/20

10

04

/02

/20

10

11/0

2/2

010

18

/02

/20

10

25

/02

/20

10

04

/03

/20

10

11/0

3/2

010

18

/03

/20

10

25

/03

/20

10

01

/04

/20

10

08

/04

/20

10

15

/04

/20

10

22

/04

/20

10

29

/04

/20

10

06

/05

/20

10

13

/05

/20

10

Ca

rga

(µg

/m3)

Pre

cip

itaci

ón (m

m)

Fecha

Precipitación PM10 PST


183

los eventos de lluvia. Finalmente, la mayor carga de PM10 y PST en la Zona 1 se

presentó en la transición entre la época seca y la de lluvias: 98,4 µg/m3 (viernes

12/02/2010) y 111,3 µg/m3 (viernes 05/02/2011), respectivamente (ver Figura

4.18). La anterior tendencia probablemente se debió a la suspensión de partículas

inducida por el tráfico y el viento sobre la superficie viaria de estudio; es decir, en

época seca la susceptibilidad de suspensión de una partícula fue mayor con

respecto de la época de lluvias. En este sentido, es importante resaltar que la

velocidad media del viento durante el periodo de estudio fue de 2,42 m/s, con

magnitudes de hasta 7,50 m/s al final de la época seca (31/01/2010).

Adicionalmente, en la época de lluvias probablemente la humedad del sedimento

vario condicionó su adherencia a la superficie y, por lo tanto, se requirió de un

mayor esfuerzo por parte del tráfico y el viento para ser suspendido.

La anterior tendencia fue sustentada por el comportamiento de la carga de

sedimento viario en la ciudad de Torrelavega (España). Como es sabido, el

sistema de muestreo de aspirado y barrido en seco (SABS) implementado en la


directamente (carga libre, CL) y la recolectada tras un barrido adicional sobre la

misma superficie viaria (carga fija, CF) (ver Capítulo 3 apartado 3.2.1). La

humedad media del sedimento recolectado durante los períodos de tiempo seco

fue mayor para CF (2,9%), mientras que para CL fue de 0,6%. Es decir, la

humedad fue mayor para la carga de sedimento más fuertemente adherida a la

superficie viaria. Como era de esperar, la humedad del sedimento disminuyó con

el aumento del número de días de tiempo seco y, por lo tanto, influyó en la

disponibilidad de CF para ser aspirada (ver Capítulo 4 apartado 4.3.2.1.1). Por lo

tanto, los resultados sugirieron que la disponibilidad (p.ej., al lavado por

escorrentía, y a la suspensión inducida por el tráfico y el viento) de la carga más

fuertemente adherida a la superficie aumentó con el número de días de tiempo

seco.

Por otro lado, en la Zona 2 la tendencia fue similar. Se observó que la carga

promedio de PM10 y PST durante la época seca fue mayor: 65,9 y 107,1 µg/m3,


184

respectivamente; mientras que la carga promedio de PM10 y PST durante la época

de lluvias fue 1,32 (50,0 µg/m3) y 1,08 (98,8 µg/m3) veces menor,

respectivamente. Como se pudo observar, en esta ocasión la diferencia en la carga

del material en suspensión entre la época seca y de lluvias fue menor con respecto

de la Zona 1, especialmente para la fracción gruesa (PST). La anterior tendencia

probablemente se debió a la distancia entre la estación de monitoreo y la

superficie viaria de investigación (340 m); es decir, en la Zona 2 la suspensión

inducida por el tráfico probablemente no fue significativa en el sitio de monitoreo

del material en suspensión, especialmente para la fracción gruesa (PST).

Nuevamente, en la época de lluvias se presentó la menor carga de PM10 y PST en

la Zona 2: 18,4 y 67,7 µg/m3, respectivamente. Finalmente la mayor carga de

PM10 y PST en la Zona 2 se presentó en la época seca, y en la transición entre la

época seca y la de lluvias: 104,1 µg/m3 (viernes 15/01/2010) y 156,5 µg/m3

(miércoles 17/02/2011), respectivamente (ver Figura 4.19).

Figura 4.19 Variación de la carga de PM10 y PST con respecto de la precipitación en la Zona 2 (Soacha, Colombia)

Adicionalmente, y como sustento de las tendencias observadas en las Zonas 1 y 2,

algunos investigadores (p.ej., Duce y Hoffman, 1976; Park et al., 1999; Jung et

al., 2003; Chate et al., 2011) han reportado el efecto de lavado atmosférico

0

20

40

60

80

100

120

140

160

180

0,0

5,0

10,0

15,0

20,0

25,0

30,0

35,0

07

/01

/20

10

14

/01

/20

10

21

/01

/20

10

28

/01

/20

10

04

/02

/20

10

11/0

2/2

010

18

/02

/20

10

25

/02

/20

10

04

/03

/20

10

11/0

3/2

010

18

/03

/20

10

25

/03

/20

10

01

/04

/20

10

08

/04

/20

10

15

/04

/20

10

22

/04

/20

10

29

/04

/20

10

06

/05

/20

10

13

/05

/20

10

Ca

rga

(µg

/m3)

Pre

cip

itaci

ón (m

m)

Fecha

Precipitación PM10 PST


185

generado por la precipitación; de esta manera los eventos de lluvia tuvieron

influencia en la carga de partículas en suspensión, haciéndose evidente al

comparar los períodos de tiempo seco y de lluvias en los lugares de estudio de los

investigadores.

4.3.3.2 Determinación y análisis de la concentración metálica asociada con PM10

y PST

Esta actividad se fundamentó en la determinación y análisis de la concentración

metálica (µg/g) asociada con PM10 y PST sobre las áreas de influencia de las

superficies viarias a partir de las variables identificadas en la primera fase de la

metodología. A continuación se presenta la caracterización de la concentración

metálica asociada con las partículas en suspensión después de la campaña de

campo desarrollada en la ciudad de Soacha.

Los metales pesados a los cuales se les determinó y analizó la concentración

asociada con el material en suspensión de las áreas en estudio fueron los

siguientes: Pb, Cu, Zn, Cd, Fe, Mn, Ba y As. En promedio para PM10 de la Zona

1, Zn fue el elemento metálico que presentó las mayores concentraciones seguido

por: Fe > Ba > Pb > Cu > Mn > As > Cd. En el caso de PST, el orden descendente

en la concentración metálica fue el siguiente: Fe > Zn > Ba > Pb > Cu > Mn > As

> Cd (ver Tabla 4.19). Como se pudo observar para PM10 y PST, se presentaron

diferencias en el orden de la concentración metálica entre Zn y Fe. Sin embargo,

para los restantes metales el orden en la concentración metálica fue el mismo. Por

otro lado, en la Zona 2 la tendencia de la concentración metálica fue similar. Los

resultados sugirieron en las dos zonas de estudio, que Fe tuvo una menor afinidad

por la fracción más fina del material en suspensión (i.e., PM10). Adicionalmente se

sugirió a partir del orden similar en la concentración de PM10 y PST, que la fuente

dominante de los elementos metálicos fue probablemente la misma.

A partir de lo anterior, se procedió a evaluar la diferencia en la magnitud de la

concentración entre elementos metálicos para PM10 y PST tomando como


186

referencia el Pb. En el caso de PM10 en la Zona 1, las diferencias fueron 0,11,

1,52, 317, 0,17, 7,36, 0,26 y 10,5 veces para Zn, Cu, Cd, Fe, Mn, Ba y As,

respectivamente. Las diferencias para PST fueron similares en orden de magnitud:

0,28, 1,89, 634, 0,10, 4,46, 0,53 y 23 veces para Zn, Cu, Cd, Fe, Mn, Ba y As,

respectivamente. Por otro lado en la Zona 2, las diferencias en la concentración

metálica para PM10 fueron 0,19, 2,04, 1871, 0,30, 7,52, 0,53 y 42 veces para Zn,

Cu, Cd, Fe, Mn, Ba y As, respectivamente. Nuevamente, las diferencias para PST

fueron similares en orden de magnitud: 0,12, 2,24, 853, 0,10, 8,24, 0,20 y 46 para

Zn, Cu, Cd, Fe, Mn, Ba y As, respectivamente. La similitud en el orden de

magnitud de las diferencias, nuevamente sugirió la afinidad en el origen de los

elementos metálicos asociados con el material en suspensión de las zonas en

estudio de la ciudad de Soacha. Sin embargo, en la Zona 1 las diferencias en la

concentración metálica fueron en promedio 5,44 veces menores con respecto de la

Zona 2, sugiriendo la existencia de una fuente más dominante de elementos

metálicos en suspensión para la Zona 1 (i.e., probablemente el tráfico).

Tabla 4.19 Concentración metálica asociada con el material en suspensión con un 95% de intervalo de confianza: PM10 y PST (Soacha, Colombia)

Concentración (µg/g de materia seca) Zona 1 2 1 2 PM10 PM10 PST PST

Pb 1818±473 2835±613 864±184 866±604 Zn 16312±5256 14813±3427 3065±1201 7052±3023 Cu 1197±273 1389±305 458±70 387±104 Cd 5,74±2,1 1,52±1,2 1,36±0,6 1,01±0,8 Fe 10515±2688 9420±2493 9331±1766 9087±1483 Mn 247±75 377±86 194±48 105±34 Ba 7001±2247 5359±1576 1625±573 4377±2628 As 174±42 67±24 38±13 19±9

Como se pudo observar, la diferencia en la concentración metálica entre PM10 y

PST fue 1,29 veces menor en la Zona 2 con respecto de la Zona 1; mostrando que

el aumento en la distancia de monitoreo de los elementos metálicos en suspensión

con respecto de la superficie viaria en estudio, causó una disminución de la

diferencia en la concentración metálica entre PM10 y PST. En este sentido es

importante mencionar que las estaciones de monitoreo en las Zonas 1 y 2 se


187

localizaron a 5 y 340 m, respectivamente, de la superficie viaria de investigación.

La anterior tendencia, probablemente se debió a que el efecto de la emisión de

elementos metálicos y la suspensión inducida sobre el sedimento viario y las

partículas del suelo de áreas aledañas por parte del tráfico, fue menor en la

estación de monitoreo de la Zona 2.

Al comparar las concentraciones metálicas entre PM10 y PST se observó que éstas

eran mayores en la fracción potencialmente respirable. En promedio para todos

los elementos metálicos en evaluación de las Zonas 1 y 2, las concentraciones

asociadas con PM10 fueron 3,20 y 2,48 veces superiores, respectivamente, con

respecto de PST (ver Tabla 4.19). Por lo tanto, los resultados sugirieron que las

fuentes de los elementos metálicos estuvieron principalmente asociadas con

partículas de tamaño menor o igual a diez micras (PM10).


en la concentración entre PM10 y PST para un mismo metal pesado. Las

concentraciones en la Zona 1 de Pb, Zn, Cu, Cd, Fe, Mn, Ba y As fueron 2,10,

5,32, 2,62, 4,21, 1,13, 1,28, 4,31 y 4,63 veces mayores en PM10, respectivamente,

con respecto de las concentraciones de PST. En la Zona 2 las concentraciones

metálicas en PM10 fueron 3,28, 2,10, 3,59, 1,49, 1,04, 3,59, 1,22 y 3,55 veces

mayores para Pb, Zn, Cu, Cd, Fe, Mn, Ba y As, respectivamente, con respecto de

las concentraciones de PST. Como era de esperar, los resultados sugirieron que la

concentración de los elementos metálicos en estudio fue mayor para la fracción

potencialmente respirable (i.e., PM10). La anterior tendencia fue similar a la

presentada por el sedimento depositado sobre las superficies viarias en estudio de

las ciudades de Torrelavega y Soacha. Como es sabido, la concentración metálica

tendió a aumentar de manera exponencial a medida que disminuyó la fracción de

tamaño de la partícula del sedimento viario (ver Capítulo 4, apartado 4.3.2.3).

A partir de la anterior tendencia, se procedió a ordenar de manera decreciente las

diferencias en la concentración metálica entre PM10 y PST. La mayor diferencia

en la concentración metálica en la Zona 1 se presentó para Zn seguido de As > Ba


188

> Cd > Cu > Pb > Mn > Fe. Por otro lado, en la Zona 2 la mayor diferencia en la

concentración metálica se presentó para Cu seguido de Mn > As > Pb > Zn > Cd >

Ba > Fe. Como se pudo observar para las Zonas 1 y 2, se presentaron

discrepancias en el orden de los elementos metálicos a partir de las diferencias en

la concentración metálica entre PM10 y PST. Excepto para Fe, que siempre

presentó la menor diferencia en la concentración entre PM10 y PST. Nuevamente,

los resultados sugirieron que Fe fue el elemento metálico que tuvo una menor

afinidad con PM10. Es decir, probablemente las fuentes de este metal se asociaron

con tamaños de partícula mayor, con respecto de los restantes elementos metálicos

en estudio. Como es sabido, los restantes metales pesados tuvieron una mayor

afinidad por la fracción más fina del material en suspensión (i.e., PM10).

Adicionalmente, el aumento en la distancia de monitoreo de los elementos

metálicos en suspensión con respecto de la superficie viaria de la Zona 2,

probablemente hizo que el aporte de metales pesados no estuviera exclusivamente

atribuido al tráfico (p.ej., por fuentes naturales).

Con el objeto de profundizar en la afinidad del origen de los elementos metálicos

se realizaron análisis de correlación entre éstos para PM10. Los análisis mostraron

para la Zona 1 que existió correlación de Pb con Cu, Zn, Ba y As; de Cu con Zn;

de Zn con Ba; de Cd con Ba; y de Mn con As (ver Tabla 4.20). Como se pudo

observar, Pb fue el elemento que presentó un mayor número de correlaciones

entre metales pesados (r > 0,50). Los resultados sugirieron en la Zona 1 que las

principales fuentes para el primer grupo de metales pesados (i.e. Pb, Cu, Zn, Ba y

As) fueron probablemente las partículas emitidas por el uso de pastillas para los

frenos y de las llantas (caucho) (ver Tabla 2.9). En este sentido, el material de

fricción de las pastillas de los frenos está constituido por un 15% de elementos

metálicos (Roadhouse, 2008). Adicionalmente, al comparar las correlaciones que

existieron entre los elementos metálicos asociados con el sedimento viario y el

material en suspensión de la Zona 1, se pudo observar que existió coincidencia en

la correlación de Pb con Cu y Ba (ver Tabla 4.14). A partir de lo anterior para

PM10, los últimos elementos metálicos probablemente podrían constituirse en


189

indicadores de emisiones provenientes del tráfico en áreas aledañas a las

superficies viarias (i.e., Pb, Cu y Ba).

Tabla 4.20 Coeficientes de correlación lineal entre elementos metálicos para la concentración asociada con PM10. Zona 1 (Soacha, Colombia)

Metal Pb Cu Zn Cd Fe Mn Ba As

Pb 1,00 Cu 0,66 1,00 Zn 0,56 0,65 1,00 Cd 0,48 0,43 0,23 1,00 Fe 0,22 0,05 0,33 0,15 1,00 Mn 0,30 0,12 0,39 0,33 0,44 1,00 Ba 0,58 0,49 0,65 0,56 0,38 0,47 1,00 As 0,68 0,41 0,43 0,42 0,34 0,53 0,45 1,00

Por otro lado, en la Zona 2 existió correlación de Pb con Cu y Zn; de Cu con Zn;

de Zn con Mn y As; de Fe con Mn, Ba y As; y de Ba con As (ver Tabla 4.21). En

esta ocasión y a diferencia de la Zona 1, Fe fue el elemento que presentó un mayor

número de correlaciones entre metales pesados (r > 0,50). No obstante,

nuevamente se observó relación entre Pb, Cu y Zn, mostrando una probable

influencia del tráfico sobre la concentración metálica en suspensión. Los

resultados sugirieron en la Zona 2, que las principales fuentes de elementos

metálicos no estuvieron exclusivamente asociadas con el tráfico. Es decir,

probablemente existió un aporte significativo de elementos metálicos por parte de

fuentes naturales y fijas. La anterior tendencia probablemente se debió a la

localización de la estación de monitoreo de PM10 y PST con respecto de la

superficie viaria en estudio (340 m). Por lo tanto, el aumento en la distancia de

muestreo conllevó a una evaluación metálica del material en suspensión sobre una

escala mayor, donde las fuentes naturales y fijas adquirieron mayor importancia.

Como es sabido, durante la caracterización realizada en la ciudad de Soacha

(07/01/2010-14/05/2010; 127 días) se presentaron nueve períodos de lluvia. La

precipitación total durante el período de muestreo correspondió a un 31,7% de la

precipitación total registrada para el mismo año (772 mm). A partir de lo anterior

se identificaron dos períodos en las áreas de estudio con respecto de la


190

precipitación: (i) época seca entre 07/01-08/02/2010, y (ii) época de lluvias entre

09/02-14/05/2010 (ver Figuras 4.19 y 4.20).

Tabla 4.21 Coeficientes de correlación lineal entre elementos metálicos para la concentración asociada con PM10. Zona 2 (Soacha, Colombia)

Metal Pb Cu Zn Cd Fe Mn Ba As

Pb 1,00 Cu 0,54 1,00Zn 0,52 0,60 1,00Cd 0,18 0,22 0,45 1,00Fe 0,43 0,20 0,42 0,35 1,00Mn 0,43 0,26 0,50 0,46 0,87 1,00Ba 0,40 0,32 0,46 0,14 0,55 0,41 1,00As 0,30 0,29 0,55 0,35 0,65 0,47 0,61 1,00

Al comparar las dos épocas identificadas en la Zona 1, se observó que la

concentración metálica promedio asociada con PM10 durante la época seca fue

mayor: 2608, 1656, 34730, 9,7, 18102, 526, 13710 y 268 µg/g para Pb, Cu, Zn,

Cd, Fe, Mn, Ba y As, respectivamente; mientras que la concentración metálica

promedio asociada con PM10 durante la época de lluvias fue 1,77, 1,66, 4,21, 2,43,

2,52, 4,20, 3,37 y 2,02 veces menor (promedio: 2,77) para Pb, Cu, Zn, Cd, Fe,

Mn, Ba y As, respectivamente. Sin embargo, no se logró detectar una relación

entre la concentración metálica asociada con PM10 y la altura de precipitación de

los eventos de lluvia. Finalmente, las mayores concentraciones metálicas

asociadas con PM10 se presentaron durante la época seca y en la transición entre la

época seca y de lluvias (ver Figura 4.20). Por otro lado, las concentraciones

metálicas asociadas con PST en la Zona 1 presentaron una tendencia similar; las

concentraciones metálicas en la época seca fueron en promedio 2,62 veces

mayores, con respecto de las concentraciones metálica registradas durante la

época de lluvias. En este sentido, algunos investigadores (p.ej. Ragosta et al.,

2002; López et al., 2005; Amodio et al., 2008) han reportado la variación de

concentración de partículas en suspensión y su contenido metálico con respecto de

la época estacional.


191

Igualmente, al comparar las dos épocas identificadas en la Zona 2 se observó que

la concentración metálica promedio asociada con PM10 durante la época seca fue

mayor: 4586, 2285, 26253, 3,5, 15215, 563, 9395 y 141 µg/g para Pb, Cu, Zn, Cd,

Fe, Mn, Ba y As, respectivamente; mientras que la concentración metálica

promedio asociada con PM10 durante la época de lluvias fue 2,22, 2,29, 2,68, 5,42,

2,21, 1,90, 2,61 y 4,02 veces menor (promedio: 2,92) para Pb, Cu, Zn, Cd, Fe,

Mn, Ba y As, respectivamente. Nuevamente, no se logró detectar una relación

entre la concentración metálica asociada con PM10 y la altura de precipitación de

los eventos de lluvia. Igualmente, las mayores concentraciones metálicas

asociadas con PM10 se presentaron durante la época seca y en la transición entre la

época seca y de lluvias (ver Figura 4.21). Por otro lado, las concentraciones

metálicas asociadas con PST en la Zona 2 presentaron una tendencia similar; las

concentraciones metálicas en la época seca fueron en promedio 4,71 veces

mayores, con respecto de las concentraciones metálica registradas durante la

época de lluvias.

El anterior comportamiento identificado en la ciudad de Soacha, probablemente se

debió a la suspensión de partículas inducida por el tráfico y el viento sobre la

superficie viaria y áreas aledañas de la zona en estudio, es decir, en época seca la

susceptibilidad de suspensión de una partícula fue mayor con respecto de la época

de lluvias. En este sentido, es importante resaltar que la velocidad media del

viento durante el periodo de estudio fue de 2,42 m/s, con magnitudes de hasta

7,50 m/s al final de la época seca (31/01/2010). Adicionalmente, en la época de

lluvias probablemente la humedad del sedimento viario condicionó su adherencia

a la superficie y, por lo tanto, se requirió de un mayor esfuerzo por parte del

tráfico y el viento para ser suspendido.

Igualmente, la anterior tendencia de la concentración metálica en suspensión fue

sustentada por el comportamiento de la carga de sedimento viario en la ciudad de

Torrelavega (España). Como es sabido, el sistema de muestreo de aspirado y

barrido en seco (SABS) implementado en la ciudad Torrelavega permitió

diferenciar dos tipos de carga, la aspirada directamente (carga libre, CL) y la


192

recolectada tras un barrido adicional sobre la misma superficie viaria (carga fija,

CF) (ver Capítulo 3, apartado 3.2.1). La humedad media del sedimento

recolectado durante los períodos de tiempo seco fue mayor para CF (2,9%),

mientras que para CL fue de 0,6%. Es decir, la humedad fue mayor para la carga

de sedimento más fuertemente adherida a la superficie viaria. Como era de

esperar, la humedad del sedimento disminuyó con el aumento del número de días

de tiempo seco y, por lo tanto, influyó en la disponibilidad de CF para ser aspirada

(ver Capítulo 4, apartado 4.3.2.1.1).

Figura 4.20 Variación de la concentración metálica de Pb y Cu asociada con PM10 con respecto de la precipitación en la Zona 1 (Soacha, Colombia)

Por lo tanto, los resultados sugirieron en el presente estudio, que la disponibilidad

a la suspensión inducida por el tráfico y el viento sobre la carga más fuertemente

adherida a la superficie viaria aumentó con el número de días de tiempo seco,

generando en esta época un aumento de la concentración metálica asociada con el

material en suspensión (PM10 y PST), desde el punto de vista de una escala local.

Adicionalmente, se debe tener en cuenta el efecto de remoción de contaminantes

causado por la deposición húmeda durante la época de lluvias; que a partir de las

condiciones climatológicas del área de estudio, probablemente generó una

reducción de la concentración metálica asociada con el material en suspensión

durante esta época.

0

1000

2000

3000

4000

5000

6000

7000

8000

0

5

10

15

20

25

30

35

07

/01

/20

10

14

/01

/20

10

21

/01

/20

10

28

/01

/20

10

04

/02

/20

10

11/0

2/2

010

18

/02

/20

10

25

/02

/20

10

04

/03

/20

10

11/0

3/2

010

18

/03

/20

10

25

/03

/20

10

01

/04

/20

10

08

/04

/20

10

15

/04

/20

10

22

/04

/20

10

29

/04

/20

10

06

/05

/20

10

13

/05

/20

10

Co

nce

ntra

ció

n m

etá

lica

(µg

/g)

Pre

cip

itaci

ón (m

m)

Fecha

Precipitación Pb Cu


193

Figura 4.21 Variación de la concentración metálica de Pb y Cu asociada con PM10 con respecto de la precipitación en la Zona 2 (Soacha, Colombia)

4.3.3.3 Determinación y análisis de la carga metálica asociada con PM10 y PST

Esta actividad se fundamentó en la determinación y análisis de la carga metálica

(ng/m3) asociada con PM10 y PST sobre las áreas de influencia de las superficies

viarias a partir de las variables identificadas en la primera fase de la metodología.

A continuación se presenta la caracterización de la carga metálica asociada con las

partículas en suspensión después de la campaña de campo desarrollada en la

ciudad de Soacha.

Los metales pesados a los cuales se les determinó y analizó la carga asociada con

el material en suspensión de las áreas en estudio fueron los siguientes: Pb, Cu, Zn,

Cd, Fe, Mn, Ba y As. En promedio para PM10 de la Zona 1, Zn fue el elemento

metálico que presentó la mayor carga seguido por: Fe > Ba > Pb > Cu > Mn > As

> Cd. En el caso de PST, el orden descendente en la carga metálica fue el

siguiente: Fe > Zn > Ba > Pb > Cu > Mn > As > Cd (ver Tabla 4.22). Como se

pudo observar para PM10 y PST, se presentaron diferencias en el orden de la carga

metálica entre Zn y Fe. Sin embargo, para los restantes metales el orden en la

carga metálica fue el mismo. Por otro lado, en la Zona 2 la tendencia de la carga

metálica fue similar. Como se pudo apreciar, la carga de los elementos metálicos

0

1000

2000

3000

4000

5000

6000

7000

8000

9000

10000

0

5

10

15

20

25

30

35

07

/01

/20

10

14

/01

/20

10

21

/01

/20

10

28

/01

/20

10

04

/02

/20

10

11/0

2/2

010

18

/02

/20

10

25

/02

/20

10

04

/03

/20

10

11/0

3/2

010

18

/03

/20

10

25

/03

/20

10

01

/04

/20

10

08

/04

/20

10

15

/04

/20

10

22

/04

/20

10

29

/04

/20

10

06

/05

/20

10

13

/05

/20

10

Co

nce

ntra

ció

n m

etá

lica

(µg

/g)

Pre

cip

itaci

ón (m

m)

Fecha



194

tuvo una tendencia similar a la observada para la concentración metálica asociada

con PM10 y PST. Los resultados sugirieron para el presente estudio, que la carga

metálica asociada con el material en suspensión estuvo principalmente

condicionada por la concentración metálica, antes que por la cantidad de material

en suspensión asociado con cada fracción de tamaño (i.e., PM10 y PST).

Pachón y Sarmiento (2008) reportaron magnitudes similares en la carga metálica

asociada con PM10 para los siguientes elementos metálicos: Cd, Cr, Cu, Fe, Pb,

Mn y Zn. La estación de monitoreo de los investigadores se localizó en la ciudad

de Bogotá D.C., a 13,5 km de distancia con respecto de la estación de monitoreo

en la ciudad de Soacha. Igualmente, Pirela et al. (2003) en Venezuela, López et al.

(2005) en España y Johansson et al. (2009) en Suecia, reportaron magnitudes

similares para la carga metálica asociada con PM10. Sin embargo, las magnitudes

de las dos últimas investigaciones (i.e., en Europa) fueron inferiores con respecto

a las investigaciones realizadas en Colombia y Venezuela. Obviamente, la

variación en las magnitudes de la carga metálica dependió de las condiciones

particulares de cada lugar de investigación. El objetivo principal de las anteriores

comparaciones fue evaluar las técnicas de muestreo y análisis de los elementos

metálicos en suspensión.

Como era de esperar, al comparar la carga metálica entre PM10 y PST se observó

para la Zona 1 que ésta era mayor en la fracción potencialmente respirable. Es

decir, la fracción en suspensión que registró las mayores concentraciones

metálicas (PM10). En promedio para todos los elementos metálicos en evaluación

de la Zona 1, la carga asociada con PM10 fue 3,05 veces superior con respecto de

PST (ver Tabla 4.22); una diferencia similar a la observada anteriormente para el

caso de la concentración metálica (3,20 veces). Sin embargo, la tendencia en la

distribución de la carga metálica de la Zona 2 fue diferente para Fe, Ba y Cd; los

anteriores metales pesados presentaron una mayor carga en PST (i.e., en promedio

1,45 veces). Los restantes metales pesados de la Zona 2 (Pb, Zn, Cu, Mn y As)

presentaron una tendencia similar a la registrada en la Zona 1: mayor carga en

PM10 (i.e., en promedio 1,73 veces).


195

Tabla 4.22 Carga metálica asociada con el material en suspensión con un 95% de intervalo de confianza: PM10 y PST (Soacha, Colombia)

Carga (ng/m3) Zona 1 2 1 2 PM10 PM10 PST PST

Pb 108±47 179±51 55±19 110±88 Zn 941±417 950±319 194±93 797±406 Cu 63±26 87±28 25±6 43±14 Cd 0,32±0,17 0,11±0,10 0,08±0,04 0,12±0,09 Fe 519±201 563±186 498±150 958±177 Mn 12,5±4,9 22,1±6,9 8,9±2,8 11,3±4,2 Ba 428±190 310±85 108±55 498±330 As 9,4±3,4 4,1±1,7 2,0±0,9 2,1±1,1

A partir de los anteriores resultados se sugirió para áreas aledañas a las superficies

viarias, que la relación entre la carga de PM10 y PST permitió interpretar la

distribución de los elementos metálicos en el material en suspensión. Por ejemplo,

la elevada relación entre PM10/PST en la Zona 1 (0,83) mostró que el aporte de

elementos metálicos por parte de la fracción potencialmente respirable fue mayor.

Es decir, la distribución de los elementos metálicos en suspensión de áreas

aledañas a las superficies viarias estuvo principalmente condicionada por PM10.

Por el contrario, a medida que aumentó la distancia de muestreo con respecto de la

vía en evaluación, disminuyó la influencia de PM10 en la distribución de los

elementos metálicos en suspensión. Este fue el caso de la Zona 2, donde una

relación entre PM10/PST de 0,54 mostró una menor influencia de PM10 en la

distribución de los elementos metálicos en suspensión, ocasionando mayores

cargas metálicas en PST para determinados elementos: Fe, Ba y Cd.

Adicionalmente, el aumento en la distancia de muestreo probablemente conllevó a

una evaluación metálica del material en suspensión sobre una escala mayor, donde

las fuentes naturales y fijas adquirieron mayor importancia.


(07/01/2010-14/05/2010; 127 días) se presentaron nueve períodos de lluvia. A

partir de lo anterior se identificaron dos períodos en las áreas de estudio con

respecto de la precipitación: (i) época seca entre 07/01-08/02/2010, y (ii) época de

lluvias entre 09/02-14/05/2010 (ver Figuras 4.21 y 4.22). Se compararon las dos


196

épocas identificadas con la carga metálica en suspensión de la Zona 1,

observándose que en la época seca la carga metálica promedio asociada con PM10

fue mayor: 170, 112, 2186, 0,61, 1116, 32, 886 y 17 ng/m3 para Pb, Cu, Zn, Cd,

Fe, Mn, Ba y As, respectivamente; mientras que la carga metálica promedio en la

época de lluvias fue 2,11, 2,69, 5,51, 3,04, 4,34, 7,66, 3,86 y 2,97 veces menor

(promedio: 4,02) para Pb, Cu, Zn, Cd, Fe, Mn, Ba y As, respectivamente.

Nuevamente, no se logró detectar una relación entre la carga metálica asociada

con PM10 y la altura de precipitación de los eventos de lluvia. Las mayores cargas

metálicas asociadas con PM10 se presentaron durante la época seca y en la

transición entre la época seca y de lluvias (ver Figura 4.22). Por otro lado, la carga

metálica asociada con PST en la Zona 1 presentó una tendencia similar; la carga

metálica de PST en la época seca fue en promedio 4,67 veces mayor, con respecto

de la carga metálica registrada durante la época de lluvias.

Figura 4.22 Variación de la carga metálica de Pb y Cu asociada con PM10 con

respecto de la precipitación en la Zona 1 (Soacha, Colombia)

Igualmente, al comparar las dos épocas identificadas en la Zona 2 se observó que

la carga metálica promedio asociada con PM10 durante la época seca fue mayor:

317, 169, 1904, 0,25, 941, 36, 562 y 8,8 ng/m3 para Pb, Cu, Zn, Cd, Fe, Mn, Ba y

As, respectivamente; mientras que la carga metálica promedio asociada con PM10

durante la época de lluvias fue 2,66, 3,34, 3,58, 5,43, 2,36, 2,22, 2,81 y 4,39 veces

0,0

100,0

200,0

300,0

400,0

500,0

600,0

700,0

0

5

10

15

20

25

30

35

07

/01

/20

10

14

/01

/20

10

21

/01

/20

10

28

/01

/20

10

04

/02

/20

10

11/0

2/2

010

18

/02

/20

10

25

/02

/20

10

04

/03

/20

10

11/0

3/2

010

18

/03

/20

10

25

/03

/20

10

01

/04

/20

10

08

/04

/20

10

15

/04

/20

10

22

/04

/20

10

29

/04

/20

10

06

/05

/20

10

13

/05

/20

10

Ca

rga

me

tálic

a (n

g/m

3)

Pre

cip

itaci

ón (m

m)

Fecha



197

menor (promedio: 3,35) para Pb, Cu, Zn, Cd, Fe, Mn, Ba y As, respectivamente.

Nuevamente, no se logró detectar una relación entre la carga metálica asociada

con PM10 y la altura de precipitación de los eventos de lluvia. Igualmente, las

mayores cargas metálicas asociadas con PM10 se presentaron durante la época

seca y en la transición entre la época seca y de lluvias (ver Figura 4.23). Por otro

lado, las cargas metálicas asociadas con PST en la Zona 2 presentaron una

tendencia similar; las concentraciones metálicas de PST en la época seca fueron

en promedio 5,06 veces mayores, con respecto de las concentraciones metálica

registradas durante la época de lluvias.

Nuevamente el anterior comportamiento identificado en la ciudad de Soacha con

respecto de la precipitación, probablemente se debió a la suspensión de partículas

inducida por el tráfico y el viento sobre la superficie viaria y áreas aledañas de la

zona en estudio, es decir, en época seca la susceptibilidad de suspensión de una

partícula fue mayor con respecto de la época de lluvias. Adicionalmente, en la

época de lluvias probablemente la humedad del sedimento viario condicionó su

adherencia a la superficie y, por lo tanto, se requirió de un mayor esfuerzo por

parte del tráfico y el viento para ser suspendido.

Figura 4.23 Variación de la carga metálica de Pb y Cu asociada con PM10 con respecto de la precipitación en la Zona 2 (Soacha, Colombia)

0,0

100,0

200,0

300,0

400,0

500,0

600,0

700,0

800,0

0

5

10

15

20

25

30

35

07

/01

/20

10

14

/01

/20

10

21

/01

/20

10

28

/01

/20

10

04

/02

/20

10

11/0

2/2

010

18

/02

/20

10

25

/02

/20

10

04

/03

/20

10

11/0

3/2

010

18

/03

/20

10

25

/03

/20

10

01

/04

/20

10

08

/04

/20

10

15

/04

/20

10

22

/04

/20

10

29

/04

/20

10

06

/05

/20

10

13

/05

/20

10

Ca

rga

me

tálic

a (n

g/m

3)

Pre

cip

itaci

ón (m

m)

Fecha



198

La anterior tendencia de la carga metálica en suspensión nuevamente fue

sustentada por el comportamiento de la carga de sedimento viario en la ciudad de

Torrelavega (España). Como es sabido, el sistema de muestreo de aspirado y

barrido en seco (SABS) implementado en la ciudad Torrelavega permitió

diferenciar dos tipos de carga, la aspirada directamente (carga libre, CL) y la

recolectada tras un barrido adicional sobre la misma superficie viaria (carga fija,

CF) (ver Capítulo 3, apartado 3.2.1). La humedad fue mayor para la carga de

sedimento más fuertemente adherida a la superficie viaria (i.e., CF). Como era de

esperar, la humedad del sedimento disminuyó con el aumento del número de días

de tiempo seco y, por lo tanto, influyó en la disponibilidad de CF para ser aspirada

(ver Capítulo 4, apartado 4.3.2.1.1).

Por lo tanto, los resultados sugirieron en el presente estudio, que la disponibilidad

a la suspensión inducida por el tráfico y el viento sobre la carga más fuertemente

adherida a la superficie viaria y de áreas aledañas de la zona en estudio aumentó

con el número de días de tiempo seco, generando en esta época un aumento de la

carga metálica asociada con el material en suspensión (PM10 y PST), desde el

punto de vista de una escala local. Adicionalmente, se debe tener en cuenta el

efecto de remoción de contaminantes causado por la deposición húmeda durante

la época de lluvias; que a partir de las condiciones climatológicas del área de

estudio probablemente generó una reducción de la carga metálica en suspensión

durante esta época. En este sentido, algunos investigadores han reportado que el

aporte de elementos metálicos por parte de la deposición húmeda fue mayor con

respecto de la deposición seca, bajo las condiciones climatológicas de las zonas de

investigación (p.ej., Rojas et al., 1993; Muezzinoglu et al., 2006).

4.3.4 FASE 4. Desarrollo del modelo causal entre la concentración metálica

asociada con el sedimento viario y la carga en suspensión

En esta fase de la metodología se desarrolló un modelo causal entre la

concentración metálica asociada con el sedimento viario (µg/g) y la carga de

partículas en suspensión (µg/m3). Las etapas ejecutadas para el desarrollo del


199

modelo fueron las siguientes: (i) establecimiento de hipótesis, (ii) construcción de

la matriz de causa-efecto y elaboración del diagrama conceptual, (iii)

identificación, (iv) estimación de parámetros, (v) verificación, y (vi) análisis del

pronóstico. A continuación se describen en detalle cada una de las etapas del

desarrollo del modelo.

4.3.4.1 Establecimiento de hipótesis

A partir del estudio del estado del arte (i.e., Capítulo 2) y del desarrollo de las tres

primeras fases de la metodología expuesta en el presente capítulo, se establecieron

las siguientes hipótesis para el desarrollo del modelo en áreas aledañas a las

superficies viarias: (i) la concentración metálica asociada con el material en

suspensión (µg/g) está relacionada con la carga del material en suspensión

(µg/m3); (ii) la concentración metálica asociada con el sedimento acumulado

sobre una superficie viaria (µg/g) está relacionada con la concentración metálica

asociada con el material en suspensión (µg/g); y de esta manera, (iii) se puede

predecir la concentración metálica asociada con el sedimento viario a partir de la

carga del material en suspensión. Las actividades desarrolladas para el

establecimiento y prueba de las hipótesis de investigación del modelo se describen

a continuación.

4.3.4.1.1 Selección de la fracción de tamaño representativa del sedimento viario

Inicialmente, se procedió a seleccionar la fracción de tamaño más representativa

del sedimento viario a partir de la distribución de la concentración y la carga

metálica asociada con el mismo. Posteriormente, se evalúo la fracción de tamaño

seleccionada con respecto de la distribución granulométrica del sedimento viario.

La selección se realizó a partir de los resultados obtenidos en las campañas de

campo adelantadas en las ciudades de Torrelavega y Soacha. A continuación se

describe la selección de la fracción de tamaño representativa del sedimento viario.


200

Como se pudo observar para la concentración metálica del sedimento viario en las

ciudades de Torrelavega y Soacha (ver Capítulo 4, apartado 4.3.2.3), el Zn fue el

único metal pesado que presentó una disminución continua en la concentración a

medida que aumentó la fracción de tamaño. No obstante, para los restantes

metales pesados se observó un aumento en la concentración metálica para la

fracción de tamaño comprendida entre 250 y 500 µm. Finalmente, las

concentraciones metálicas disminuyeron de manera continua para la fracción de

tamaño inferior a 500 µm. A partir de lo anterior, los resultados sugirieron que el

aumento en la concentración de la fracción de tamaño entre 250 y 500 µm se

debió a la presencia de partículas finas, las cuales se encontraban adheridas a la

superficie de las fracciones de mayor tamaño y fueron difícilmente cuantificables

por medio del método de tamizado en seco. Pitt y Amy (1973), Ellis y Revitt

(1982), Sansalone y Tribouillard (1999), German y Svensson (2002), y Deletic y

Orr (2005) encontraron resultados similares. Por lo tanto para el presente estudio,

se sugirió desde el punto de vista de la concentración metálica, que la fracción de

tamaño inferior a 250 µm representó de mejor manera la tendencia en la

distribución de la concentración metálica asociada con el sedimento viario.

Por otro lado, los resultados mostraron que los mejores coeficientes de correlación

lineal entre fracciones de tamaño para la concentración metálica asociada con el

sedimento viario se presentaron en la fracción inferior a 125 µm. Adicionalmente

al confrontar la concentración de todos los metales pesados entre las calzadas de

estudio en la ciudad de Torrelavega, se observó para CT que la mayor diferencia

en la magnitud de la concentración se presentó en el rango de tamaño entre 2000 y

2800 µm (16,5%). Por el contrario, la menor diferencia en la concentración

metálica se presentó para la fracción de tamaño inferior a 125 µm (1,8%). A partir

de lo anterior, los resultados sugirieron que las principales fuentes de metales

pesados estuvieron asociadas con tamaños de partícula inferiores a 125 µm (ver

Capítulo 4, apartado 4.3.2.3). De esta manera, la anterior fracción de tamaño del

sedimento viario estuvo cubierta por la fracción seleccionada como representativa

desde el punto de vista de la distribución de la concentración metálica (i.e., < 250

µm).


201

Como se pudo observar en el apartado de determinación y análisis de la

concentración metálica asociada con el sedimento viario (ver Capítulo 4, apartado

4.3.2.3), para la fracción de tamaño inferior a 125 µm se realizó un análisis de

correlación entre todos los metales pesados con el objeto de profundizar en la

afinidad del origen. En las calzadas de la ciudad de Torrelavega existió

correlación de Pb con Zn, Cd, Fe y Mn; de Zn con Cu, Cr, Fe y Mn; de Cu con Fe

y Mn; y entre Cr y Ni (ver Tabla 4.13). Por otro lado, en la ciudad de Soacha se

evaluó la correlación para cada zona de estudio (i.e., Zonas 1 y 2) puesto que las

áreas de muestreo no fueron contiguas como en el caso de la ciudad de

Torrelavega. Los resultados mostraron que existió correlación de Pb con Zn, Cu,

Mn, Ba y As; de Zn con Fe y Mn; y de Cd con Fe (ver Tabla 4.14). A partir de lo

anterior, se pudo observar que la fracción de tamaño inferior a 125 µm se utilizó

como fracción indicadora del probable origen de los elementos metálicos

asociados con el sedimento viario. Nuevamente, esta fracción estuvo cubierta por

la fracción de tamaño seleccionada como representativa desde el punto de vista de

la distribución de la concentración metálica (i.e., < 250 µm).

Con respecto de la carga metálica asociada con el sedimento viario, en promedio

para la ciudad de Torrelavega y Soacha el 22 y 16%, respectivamente, de la carga

total de metales pesados se asoció con la fracción de tamaño inferior a 63 µm. En

la fracción de tamaño mayor a 1000 µm se asoció el 5,4 y 5,0% de la carga total

de metales pesados para la ciudad de Torrelavega y Soacha, respectivamente (ver

Tabla 4.16). Sartor y Boyd (1972), y Sansalone y Buchberger (1997) reportaron

que las fracciones de mayor tamaño fueron generalmente consideradas como de

menor importancia en el contenido y transporte de contaminantes. Finalmente, la

fracción de tamaño inferior a 250 µm asoció en promedio para todos los

elementos metálicos un 64,6 y 58,3% de la carga metálica acumulada sobre las

superficies viarias en estudio de las ciudades de Torrelavega y Soacha,

respectivamente (ver Capítulo 4, apartado 4.3.2.4 y Tabla 4.16).

En la ciudad de Torrelavega, Zn y Cd presentaron una disminución constante en la

carga asociada a medida que aumentaba la fracción de tamaño. Sin embargo, Pb,


202

Cu, Ni, Fe, Mn y Co presentaron una tendencia opuesta; los metales presentaron

un aumento de la carga asociada en la fracción de tamaño entre 250 y 500 µm. La

anterior tendencia fue similar a la presentada para la concentración metálica

asociada con el sedimento viario (ver Tabla 4.10 y 4.16). Finalmente, para la

fracción de tamaño mayor a 500 µm se presentó una disminución constante de la

carga metálica asociada. Como se pudo apreciar, la distribución de la carga de los

elementos metálicos tuvo una tendencia similar a la observada para la

concentración metálica. Los resultados sugirieron para el presente estudio que la

distribución de la carga contaminante estuvo condicionada, en orden de

importancia, por la concentración de los elementos metálicos y la cantidad de

sedimento acumulado por fracción de tamaño (ver Capítulo 4, apartado 4.3.2.4).

De esta manera se sustentó para la carga metálica asociada con el sedimento viario

la selección de la fracción de tamaño representativa, a partir de la distribución de

la concentración metálica (i.e., la fracción de tamaño < 250 µm).

Por otro lado, al evaluar la distribución granulométrica del sedimento viario se

observó que las partículas del sedimento recolectado en las ciudades de estudio

exhibieron una distribución Log-normal positivamente sesgada; con tamaños de

partícula dominantes entre 125 y 500 µm. En promedio, el d50 (percentil) para las

muestras del sedimento recolectado sobre las superficies viarias en estudio de la

ciudad de Torrelavega y Soacha fue de 274 y 305 µm, respectivamente (ver

Capítulo 4, apartado 4.3.2.2). Ellis y Revitt (1982), y Ball et al. (1998)

encontraron una distribución similar de las partículas en un estudio del sedimento

acumulado sobre las superficies de calzadas y cunetas.

Adicionalmente, la distribución granulométrica del sedimento recolectado sobre

las calzadas de la ciudad de Torrelavega tendió a ser más fina a medida que

aumentó el número de días de tiempo seco. Se distinguieron en promedio tres

grupos de tamaños de partículas según su tasa de acumulación: (i) < 125 µm, (ii)

125-2000 µm, y (iii) 2000-2800 µm. Como es sabido, el primer grupo de

partículas presentó la mayor tasa de acumulación en tiempo seco (0,18±0,06

g/m2·d) (ver Capítulo 4, apartado 4.3.2.2). Los resultados sugirieron, que el


203

aumento en tiempo seco de la fracción más fina del sedimento estuvo

probablemente ocasionado por la trituración a que fue sometida la fracción más

gruesa del sedimento por parte del tráfico, lo que explicó la tasa de acumulación

negativa de la fracción de mayor tamaño (-0,06±0,02 g/m2·d); y al propio

fenómeno de acumulación de polvo y suciedad sobre la calzada, el cual aportó

fundamentalmente partículas finas. Algunos investigadores han encontrado

resultados similares, es el caso de Ellis y Revitt (1982), y Viklander (1998) que

reportaron la relación existente entre la densidad de tráfico y el grado de

trituración de las partículas acumuladas sobre la superficie de la calzada. Las

anteriores tendencias, nuevamente sustentaron la selección de la fracción inferior

a 250 µm como la fracción de tamaño representativa del sedimento viario; en este

caso, representativa de la distribución de tamaños de las partículas acumuladas

sobre las superficies viarias en estudio (i.e., en peso).

Por lo tanto, a partir de las tendencias observadas para (i) la distribución de la

concentración y la carga metálica asociada con el sedimento viario y (ii) la

distribución granulométrica del mismo; se seleccionó a la fracción inferior a 250

µm como la fracción de tamaño representativa del sedimento viario.

4.3.4.1.2 Hipótesis N° 1

La primera hipótesis, la concentración metálica asociada con el material en

suspensión (µg/g) está relacionada con la carga del material en suspensión

(µg/m3), para áreas aledañas a las superficies viarias; surgió de las tendencias

observadas durante la campaña de campo desarrollada en la ciudad de Soacha

(Colombia). Este apartado se inicia con una descripción y análisis de las

tendencias observadas y las pruebas aplicadas a la concentración metálica

asociada con el material en suspensión, durante el desarrollo de las fases

antecedentes de la metodología propuesta. Posteriormente, se realiza una

descripción y análisis de las tendencias observadas y las pruebas aplicadas a la

carga o cantidad del material en suspensión. Finalmente, se concluye acerca de las

pruebas aplicadas a la Hipótesis N° 1 de investigación.


204

La caracterización realizada a la concentración metálica asociada con las

partículas en suspensión reveló para PM10 de la Zona 1, que Zn fue el elemento

metálico que presentó las mayores concentraciones seguido por: Fe > Ba > Pb >

Cu > Mn > As > Cd. En el caso de PST, el orden descendente en la concentración

metálica fue similar (ver Tabla 4.19). No obstante, y como se pudo observar para

PST, se presentó una diferencia en el orden de la concentración metálica entre Zn

y Fe. Por otro lado, en la Zona 2 la tendencia de la concentración metálica fue

similar (ver Capítulo 4, apartado 4.3.3.2). Los resultados sugirieron en las dos

zonas de estudio a partir del orden similar en la concentración de PM10 y PST, que

la fuente dominante de los elementos metálicos fue probablemente la misma en la

ciudad de Soacha.

Adicionalmente, se evalúo la diferencia en la magnitud de la concentración entre

elementos metálicos para PM10 y PST tomando como referencia a Pb. En el caso

de PM10 y PST en la Zona 1, las diferencias fueron similares en orden de

magnitud. Por otro lado, en la Zona 2 la tendencia fue similar (ver Capítulo 4,

apartado 4.3.3.2). La similitud en el orden de magnitud de las diferencias,

nuevamente sugirió la afinidad en el origen de los elementos metálicos asociados

con el material en suspensión de las zonas en estudio de la ciudad de Soacha. Sin

embargo, en la Zona 1 las diferencias fueron en promedio 5,44 veces menores con

respecto de la Zona 2, sugiriendo la existencia de una fuente más dominante de

elementos metálicos en suspensión para la Zona 1 (i.e., el tráfico). En este sentido,

es importante mencionar que las estaciones de monitoreo del material en

suspensión en las Zonas 1 y 2 se localizaron a 5 y 340 m, respectivamente, de la

superficie viaria de investigación.





respecto de PST (ver Tabla 4.19) (ver Capítulo 4, apartado 4.3.3.2). Como se

pudo observar, la diferencia en la concentración metálica entre PM10 y PST fue


205

1,29 veces menor en la Zona 2 con respecto de la Zona 1; mostrando que el

aumento en la distancia de monitoreo de los elementos metálicos en suspensión

con respecto de la superficie viaria en estudio, causó una disminución de la

diferencia en la concentración metálica entre PM10 y PST. La anterior tendencia,

probablemente se debió a que el efecto de la emisión de elementos metálicos y la

suspensión inducida sobre el sedimento viario y las partículas del suelo de áreas

aledañas por parte del tráfico fue menor en la estación de monitoreo de la Zona 2.

Con respecto de la carga del material en suspensión, se observó que la carga

promedio de PM10 y PST durante el período de estudio en la Zona 1 de la ciudad

de Soacha fue de 40,1 y 48,3 µg/m3, respectivamente. Por otro lado, la relación

promedio entre PM10 y PST fue de 0,83, y se relacionaron con una tendencia de

tipo lineal (r = 0,97) (ver Capítulo 4, apartado 4.3.3.1). Los resultados sugirieron

que existe una fuerte relación entre las partículas suspendidas totales y las

respirables. En este sentido, la elevada relación entre PM10 y PST sugirió una

influencia significativa de las partículas finas sobre la carga del material en

suspensión del área de muestreo. La anterior tendencia probablemente se debió a

la influencia directa de las emisiones y a la suspensión de las partículas

acumuladas sobre la superficie viaria por parte del tráfico, en una zona de uso

residencial, institucional y comercial con una densidad media de tráfico de 2750

vehículos por día (ver Capítulo 4, apartado 4.3.1). Adicionalmente, es importante

resaltar que la estación de monitoreo del material en suspensión se localizó a una

distancia de cinco metros con respecto del bordillo de la calzada de la Zona 1.

Por otro lado, en la Zona 2 de la ciudad de Soacha la carga promedio de PM10 y

PST durante el período de estudio fue 54,9 y 101,3 µg/m3, respectivamente. En

esta ocasión la relación promedio entre PM10 y PST fue de 0,54, y se relacionaron

con una tendencia de tipo lineal (r = 0,88) (ver Capítulo 4, apartado 4.3.3.1). Los

resultados sugirieron que existe una considerable relación entre las partículas

suspendidas totales y las respirables. Sin embargo a diferencia de la Zona 1, la

relación entre PM10 y PST sugirió que las partículas finas tuvieron una influencia

media sobre la carga del material en suspensión del área de muestreo. La anterior


206

tendencia probablemente se debió a la localización de la estación de monitoreo del

material en suspensión: 340 m con respecto del bordillo de la calzada de estudio

en la Zona 2. Es decir, en esta ocasión probablemente no existió una influencia

significativa de las partículas finas emitidas por el tráfico sobre la carga del

material en suspensión como la ocurrida en la Zona 1, a pesar de que en la Zona 2

se presentó una densidad media de tráfico mayor: 40100 vehículos por día (ver

Capítulo 4, apartado 4.3.1). Los anteriores resultados evidenciaron la influencia de

la distancia de muestreo sobre la carga del material en suspensión en áreas

aledañas a las superficies viarias.

A partir de las anteriores tendencias para la concentración metálica asociada con

el material en suspensión (µg/g) y la carga de material en suspensión (µg/m3) de

las superficies viarias de estudio, se procedió a evaluar con respecto al tiempo la

posible relación entre cada uno de los elementos metálicos en suspensión y la

carga de PM10 y PST; es decir, a partir de la duración del muestreo en la ciudad de

Soacha (07/01-14/05/2010; 127 días). Los análisis mostraron para PM10 en la

Zona 1, que Pb fue el elemento metálico que presentó el mejor coeficiente de

correlación lineal (r = 0,89) (ver Figura 4.24), seguido de: As (0,69) > Zn (0,65) >

Ba (0,65) > Cu (0,65) > Cd (0,56) > Fe (0,43) > Mn (0,41). En el caso de PST, los

análisis mostraron nuevamente que Pb fue el metal pesado que presentó la mejor

correlación (r = 0,71) (ver Figura 4.25), seguido de: Cu (0,55) > Ba (0,52) > Zn

(0,39) > Cd (0,30) > Fe (0,23) > As (0,12) > Mn (-0,09). Como se pudo observar,

los coeficientes de correlación lineal entre la concentración metálica en

suspensión y la carga de material en suspensión fueron mejores para PM10.

Kermani et al. (2003) reportaron relaciones similares entre la concentración de Pb

en suspensión y la carga del material en suspensión (i.e., PM10 y PST).

Por otro lado, en la Zona 2 de la ciudad de Soacha los análisis mostraron para

PM10 que Zn fue el elemento metálico que presentó una mejor correlación entre la

concentración metálica en suspensión y la carga de material en suspensión (r =

0,59). Para los restantes metales, el orden descendente a partir de la magnitud del

coeficiente de correlación fue el siguiente: Pb (0,57) > Cu (0,51) > Cd (0,31) > Fe


207

(0,27) > Mn (0,24) > As (0,23) > Ba (0,15). En el caso de PST, los análisis

mostraron que Pb fue el metal pesado que presentó la mejor correlación (r = 0,50),

seguido de: Cu (0,44) > Zn (0,38) > Fe (0,34) > Ba (0,29) > As (0,28) > Mn (0,28)

> Cd (0,22). Como se pudo observar, nuevamente los coeficientes de correlación

lineal entre la concentración metálica en suspensión y la carga de material en

suspensión fueron mejores para PM10.

Figura 4.24 Relación entre la concentración de Pb en suspensión y la carga de

PM10 para la Zona 1 (Soacha)

Figura 4.25 Relación entre la concentración de Pb en suspensión y la carga de

PST para la Zona 1 (Soacha)

A partir de la tendencia observada en las Zonas 1 y 2 de la ciudad de Soacha, se

observó que PM10 se constituyó en la fracción en suspensión que mejor se

correlacionó con la concentración metálica en suspensión. Adicionalmente, y al

comparar las dos zonas en evaluación, se evidenció que la Zona 1 presentó los

mejores coeficientes de correlación entre la concentración metálica en suspensión

R² = 0,79

0

1000

2000

3000

4000

5000

6000

7000

8000

0 20 40 60 80 100 120

Pb‐PM

10(µg/g)

PM10 (µg/m3)

R² = 0,51

0

500

1000

1500

2000

2500

3000

3500

0 20 40 60 80 100 120

Pb‐PST (µg/g)

PST (µg/m3)


208

y la carga de PM10. Los resultados sugirieron que el aumento en la distancia de

monitoreo de los elementos metálicos en suspensión con respecto de la superficie

viaria en estudio de la Zona 2, causó una disminución en la correlación entre la

concentración metálica en suspensión y la carga de PM10 y PST. En este sentido,

nuevamente es importante mencionar que las estaciones de monitoreo en las

Zonas 1 y 2 se localizaron a 5 y 340 m, respectivamente, de la superficie viaria de

investigación. Como se mencionó, la anterior tendencia probablemente se debió a

que el efecto de la emisión de elementos metálicos y la suspensión inducida sobre

el sedimento viario y las partículas del suelo de áreas aledañas por parte del

tráfico fue menor en la estación de monitoreo de la Zona 2. Adicionalmente, el

aumento en la distancia de monitoreo de los elementos metálicos en suspensión

con respecto de la superficie viaria de la Zona 2, probablemente hizo que el aporte

de metales pesados no estuviera exclusivamente atribuido al tráfico (p.ej., por

fuentes naturales y fijas).

A partir de las anteriores tendencias y pruebas se aceptó la hipótesis de

investigación N° 1: la concentración metálica asociada con el material en

suspensión (µg/g) estuvo relacionada con la carga de material en suspensión

(µg/m3), para áreas aledañas a las superficies viarias. De esta manera, se sugirió

PM10 como la fracción representativa para evaluar la relación entre la

concentración metálica en suspensión y la carga del material en suspensión, para

áreas aledañas a las superficies viarias. Adicionalmente, al establecer un límite en

la correlación entre la concentración metálica asociada con PM10 y la carga de

PM10 (r > 0,50), se observó para la Zona 1 que los siguientes elementos metálicos

presentaron los mejores resultados: Pb > As > Zn > Ba > Cu > Cd. Para la Zona 2,

los elementos metálicos que presentaron los mejores resultados fueron Zn, Pb y

Cu.


La segunda hipótesis, la concentración metálica asociada con el sedimento

acumulado sobre una superficie viaria (µg/g) está relacionada con la


209

concentración metálica asociada con el material en suspensión (µg/g), para áreas

aledañas a las superficies viarias; surgió de las tendencias observadas durante la

campaña de campo desarrollada en las ciudades de Torrelavega (España) y Soacha

(Colombia). Este apartado inicia con una descripción y análisis de las tendencias

observadas y las pruebas aplicadas a la concentración metálica asociada con el

sedimento viario, durante el desarrollo de las fases antecedentes de la metodología

propuesta. Posteriormente se realiza una descripción y análisis de las tendencias

observadas y las pruebas aplicadas a la concentración metálica asociada con el

material en suspensión. Finalmente se concluye acerca de las pruebas aplicadas a

la Hipótesis N° 2 de investigación.

Con respecto a la concentración metálica asociada con el sedimento viario, el

sistema de muestreo de aspirado y barrido en seco (SABS) implementado en la


directamente (CL) y la recolectada tras un barrido adicional sobre la misma

superficie viaria (CF). Al comparar CF con CL, se observó que el 72% de las

concentraciones para todos los metales pesados eran mayores para CF: 83 y 61%

para las Zonas 1 y 2, respectivamente. Las concentraciones fueron en promedio

1,6 y 1,3 veces mayores en las Zonas 1 y 2, respectivamente. Sin embargo, la

fracción de tamaño inferior a 63 µm presentó un comportamiento diferente; sólo

el 33% de las concentraciones fueron mayores en CF. Los resultados sugirieron

para la fracción de tamaño mayor a 63 µm, que la carga más fuertemente adherida

(CF) ha permanecido por más tiempo sobre la superficie de la calzada y por lo

tanto ha estado más expuesta a las diferentes fuentes de contaminación metálica.

El comportamiento opuesto de la fracción de tamaño inferior a 63 µm

probablemente se debió a que las fuentes de contaminación metálica presentaron

tamaños de partícula menores, haciendo que la concentración en esta fracción

fuera ligeramente mayor para CL. Es decir, la carga con menor tiempo de

residencia sobre la superficie viaria. Las concentraciones para CL fueron en

promedio 1,01 y 1,11 veces mayores en las Zonas 1 y 2, respectivamente.


210

A partir de la anterior tendencia y al confrontar la concentración de todos los

metales pesados entre las calzadas de estudio en la ciudad de Torrelavega (i.e.,

entre las Zonas 1 y 2), se observó en promedio que la mayor diferencia en la

magnitud de la concentración se presentó en el rango de tamaño entre 2000 y

2800 µm (16,5%). Por el contrario, la menor diferencia en la concentración

metálica se presentó para la fracción de tamaño inferior a 125 µm (1,8%) (ver

Capítulo 4, apartado 4.3.2.3). Por lo tanto, los resultados sugirieron que las

principales fuentes de metales pesados probablemente estuvieron asociadas con

tamaños de partícula inferiores a 125 µm. Este análisis no se desarrolló para la

ciudad de Soacha puesto que las áreas de estudio no fueron contiguas como en el

caso de la ciudad de Torrelavega. La Zona 2 de la ciudad de Soacha estuvo

localizada a una distancia de 4230 m con respecto de la Zona 1.

La concentración asociada con el sedimento viario fue correlacionada entre

fracciones de tamaño del mismo metal pesado para las ciudades de Torrelavega y

Soacha (i.e., con el coeficiente de correlación lineal). El metal pesado que

presentó las mejores correlaciones (r > 0,50) en la calzada de la Zona 1 de la

ciudad de Torrelavega fue Pb, seguido de Co, Cr y Cd. En la Zona 2 el orden fue

el siguiente: Cr, Pb, Co y Cd (ver Tabla 4.13). Por otro lado en la ciudad de

Soacha el metal pesado que presentó las mejores correlaciones fue nuevamente

Pb, seguido de Cu, Ba, Mn y As (ver Tabla 4.14). Finalmente la fracción de

tamaño inferior a 125 µm presentó los mejores coeficientes de correlación lineal

en las calzadas de las ciudades de Torrelavega y Soacha (ver Capítulo 4, apartado

4.3.2.3). A partir de lo anterior, los resultados sugirieron que las fuentes de los

metales pesados con los mejores coeficientes de correlación lineal entre fracciones

de tamaño del mismo metal pesado distribuyeron de manera más uniforme los

elementos metálicos en toda la carga de sedimento, y fueron probablemente las

que permanecieron por más tiempo aportando carga contaminante durante el

periodo de estudio. Al estudiar en detalle la Tabla 2.9 se observó que las fuentes

comunes de los metales pesados con los mejores coeficientes de correlación lineal

(Pb, Co, Cr, Ba, As y Cu) estuvieron probablemente relacionadas con el tráfico:


211

uso del sistema de frenado, desgaste de las llantas y el pavimento asfáltico, y

movimiento de las partes del motor.

Como se pudo observar en las anteriores tendencias, la fracción de tamaño inferior

a 125 µm del sedimento viario permitió evidenciar que las fuentes metálicas

estuvieron probablemente asociadas con la fracción de tamaño más fina del

sedimento viario y, adicionalmente, que la principal fuente de elementos

metálicos probablemente fue el tráfico. En este sentido, se realizó para la fracción

de tamaño inferior a 125 µm un análisis de correlación entre todos los metales

pesados con el objeto de profundizar en la afinidad del origen. En las calzadas de

la ciudad de Torrelavega existió correlación de Pb con Zn, Cd, Fe y Mn; de Zn

con Cu, Cr, Fe y Mn; de Cu con Fe y Mn; y entre Cr y Ni. Al estudiar CF las

anteriores relaciones fueron más evidentes, y adicionalmente existió relación entre

Cr y Co (ver Tabla 4.13). Por otro lado, en la ciudad de Soacha se evaluó la

correlación para cada zona de estudio (i.e., Zonas 1 y 2) puesto que las áreas de

muestreo no fueron contiguas como en el caso de la ciudad de Torrelavega. Los

resultados mostraron que existió correlación de Pb con Zn, Cu, Mn, Ba y As; de

Zn con Fe y Mn; y de Cd con Fe (ver Tabla 4.14) (ver Capítulo 4, apartado

4.3.2.3). A partir de lo anterior, los resultados sugirieron en las ciudades de

estudio que las principales fuentes para el primer grupo de metales pesados (i.e.

Pb, Zn y Mn) fueron las partículas desprendidas por el uso de las pastillas de los

frenos y de las llantas (caucho). A este primer grupo se le añadirían Cu, Ni, Cr,

Co, Fe, Ba, As y Cd por el uso de las pastillas de los frenos (ver Tabla 2.9). El

material de fricción de las pastillas de los frenos está constituido por un 15% de

elementos metálicos (Roadhouse, 2008).

En la ciudad de Torrelavega se evalúo la distribución de la concentración metálica

en los diferentes elementos que componían la vía (i.e., calzada, cuneta, carril para

bicicletas y rotonda). En promedio, las concentraciones de los metales pesados

asociados con el sedimento acumulado sobre la superficie de la calzada fueron 2,0

veces mayores que las determinadas sobre la superficie del carril para bicicletas

(ver Tabla 4.15). La relación tendió a aumentar con la fracción de tamaño. En


212

promedio 1,2 y 3,1 veces para la fracción de tamaño inferior a 63 µm y entre 1000

y 2000 µm, respectivamente. El modelo que mejor explicó esta tendencia fue el de

tipo potencial (R2 = 0,97). La prueba t de Student emparejada mostró que existían

diferencias significativas entre las concentraciones metálicas de la calzada y el

carril para bicicletas (ver Capítulo 4, apartado 4.3.2.3). A partir de lo anterior, los

resultados mostraron que la concentración de los elementos metálicos a través de

la vía tendió a disminuir con el aumento de la distancia con respecto a la

superficie de muestreo de la calzada. En este sentido, la relación entre fracciones

de tamaño para la concentración de los metales pesados aumentó con el tamaño de

la partícula. Adicionalmente, es importante tener en cuenta el efecto del diseño

arquitectónico a través de la vía sobre la distribución de la concentración metálica:

presencia de barreras artificiales (p.ej. bordillo) y naturales (p.ej. senda de

vegetación).

Como es sabido, la caracterización realizada a la concentración metálica asociada

con las partículas en suspensión en la ciudad de Soacha reveló para PM10 de la

Zona 1, que el Zn fue el elemento metálico que presentó las mayores

concentraciones seguido por: Fe > Ba > Pb > Cu > Mn > As > Cd. En el caso de

PST, el orden descendente en la concentración metálica fue similar (ver Tabla

4.19). No obstante, y como se pudo observar para PST, se presentó una diferencia

en el orden de la concentración metálica entre Zn y Fe. Por otro lado, en la Zona 2

la tendencia de la concentración metálica fue similar (ver Capítulo 4, apartado

4.3.3.2). Los resultados sugirieron en las dos zonas de estudio a partir del orden

similar en la concentración de PM10 y PST, que la fuente dominante de los

elementos metálicos fue probablemente la misma, es decir, el tráfico;

coincidiendo con la principal fuente de los elementos metálicos asociados con el

sedimento viario, y que fue detectada en las tendencias observadas anteriormente.

Adicionalmente, se evalúo la diferencia en la magnitud de la concentración entre

elementos metálicos para PM10 y PST tomando como referencia a Pb. En el caso

de PM10 y PST en la Zona 1, las diferencias fueron similares en orden de

magnitud. En la Zona 2 la tendencia fue similar (ver Capítulo 4, apartado 4.3.3.2).


213

La similitud en el orden de magnitud de las diferencias, nuevamente sugirió la

afinidad en el origen de los elementos metálicos asociados con el material en

suspensión de las zonas en estudio de la ciudad de Soacha. Sin embargo, en la

Zona 1 las diferencias fueron en promedio 5,44 veces menores con respecto de la

Zona 2, sugiriendo la existencia de una fuente más dominante de elementos

metálicos en suspensión para la Zona 1 (i.e., principalmente el tráfico).





respecto de PST (ver Tabla 4.19) (ver Capítulo 4 apartado 4.3.3.2). Como se pudo

observar, la diferencia en la concentración metálica entre PM10 y PST fue 1,29

veces menor en la Zona 2 con respecto de la Zona 1; mostrando que el aumento en

la distancia de monitoreo de los elementos metálicos en suspensión con respecto

de la superficie viaria en estudio causó una disminución de la diferencia en la

concentración metálica entre PM10 y PST. En este sentido, nuevamente es

importante mencionar que las estaciones de monitoreo en las Zonas 1 y 2 se

localizaron a 5 y 340 m, respectivamente, de la superficie viaria de investigación.

La anterior tendencia probablemente se debió a que el efecto de la emisión de


partículas del suelo de áreas aledañas por parte del tráfico fue menor en la

estación de monitoreo de la Zona 2.

Adicionalmente en la ciudad de Soacha, se realizaron análisis de correlación entre

los elementos metálicos para PM10 con el objeto de profundizar en la afinidad del

origen. Los análisis mostraron para la Zona 1 que existió correlación de Pb con

Cu, Zn, Ba y As; de Cu con Zn; de Zn con Ba; de Cd con Ba; y de Mn con As (ver

Tabla 4.20). Como se pudo observar, Pb fue el elemento que presentó un mayor

número de correlaciones entre metales pesados (r > 0,50). Los resultados

sugirieron en la Zona 1 que las principales fuentes para el primer grupo de metales

pesados (i.e. Pb, Cu, Zn, Ba y As) fueron las partículas emitidas por el uso de


214

pastillas para los frenos y de las llantas (caucho) (ver Tabla 2.9). Adicionalmente,

al comparar las correlaciones que existieron entre los elementos metálicos

asociados con el sedimento viario y el material en suspensión de la Zona 1, se

pudo observar que existió coincidencia en la correlación de Pb con Cu y Ba (ver

Tabla 4.20). A partir de lo anterior para PM10, los últimos elementos metálicos

probablemente podrían constituirse en indicadores de emisiones provenientes del

tráfico en áreas aledañas a las superficies viarias (i.e., Pb, Cu y Ba).

Por otro lado, en la Zona 2 de la ciudad de Soacha existió correlación de Pb con

Cu y Zn; de Cu con Zn; de Zn con Mn y As; de Fe con Mn, Ba y As; y de Ba con

As (ver Tabla 4.21). En esta ocasión y a diferencia de la Zona 1, Fe fue el

elemento que presentó un mayor número de correlaciones entre metales pesados (r

> 0,50). No obstante, nuevamente se observó relación entre Pb y Cu, mostrando

una probable influencia del tráfico sobre la concentración metálica en suspensión.

Los resultados sugirieron en la Zona 2, que las principales fuentes de elementos

metálicos no estuvieron exclusivamente asociadas con el tráfico. Es decir,

probablemente existió un aporte más significativo de elementos metálicos por

parte de fuentes naturales y fijas. La anterior tendencia probablemente se debió a

la localización de la estación de monitoreo de PM10 y PST con respecto de la

superficie viaria en estudio. Por lo tanto, el aumento en la distancia de muestreo

conllevó a una evaluación metálica del material en suspensión sobre una escala

mayor, donde las fuentes naturales y fijas adquirieron mayor importancia.

A partir de las anteriores tendencias observadas para la concentración metálica

asociada con el sedimento viario y el material en suspensión, se procedió a

evaluar con respecto al tiempo la posible relación para cada uno de los metales

pesados en estudio (coeficiente de correlación lineal). Es decir, la relación entre la

fase en suspensión (PM10 y PST) y la sedimentada sobre las superficies viarias en

estudio. Para la fase sedimentada se utilizó la fracción de tamaño seleccionada

como representativa del sedimento viario: < 250 µm. Como es sabido, el tiempo

de muestreo en la ciudad de Soacha fue de 127 días (07/01-14/05/2010). Los

análisis mostraron para PM10 en la Zona 1, que Pb fue el elemento metálico que


215

presentó el mejor coeficiente de correlación lineal entre la concentración metálica

asociada con el sedimento viario y el material en suspensión (r = 0,94) (ver Figura

4.26), seguido de: Cu (0,60) > Ba (0,59) > Mn (0,37) > As (0,30) > Fe (0,11) > Cd

(0,09) > Zn (-0,08). En el caso de PST, los análisis nuevamente mostraron que Pb

fue el metal pesado que presentó la mejor correlación (r = 0,72) (ver Figura 4.27),

seguido de: Ba (0,35) > Cu (0,29) > Mn (-0,18) > Fe (-0,17) > Cd (0,12) > As (-

0,06) > Zn (0,02). Como se pudo observar, PM10 presentó los mejores coeficientes

de correlación lineal entre la concentración metálica asociada con el sedimento

viario y el material en suspensión.

Figura 4.26 Relación entre la concentración de Pb asociada con el sedimento

viario (< 250 µm) y PM10 para la Zona 1 (Soacha)

Figura 4.27 Relación entre la concentración de Pb asociada con el sedimento

viario (< 250 µm) y PST para la Zona 1 (Soacha)

Por otro lado, los análisis mostraron para PM10 en la Zona 2 que Zn fue el

elemento metálico que presentó el mejor coeficiente de correlación lineal entre la

R² = 0,89

0,0

50,0

100,0

150,0

200,0

250,0

0 2000 4000 6000 8000

Pb‐Sedim

ento (µg/g)

Pb‐PM10 (µg/g)

R² = 0,52

0,0

50,0

100,0

150,0

200,0

250,0

0 1000 2000 3000 4000

Pb‐Sedim

ento (µg/g)

Pb‐PST (µg/g)


216

concentración metálica asociada con el sedimento viario (< 250 µm) y el material

en suspensión (r = 0,59), seguido de: Cd (0,42) > As (0,41) > Pb (0,38) > Cu

(0,26) > Fe (-0,22) > Mn (-0,21) > Ba (0,15). En el caso de PST, los análisis

mostraron que Pb fue el metal pesado que presentó la mejor correlación (r = 0,42),

seguido de: Ba (0,35) > As (0,27) > Fe (-0,15) > Cd (0,14) > Zn (0,12) > Cu

(0,07). Como se pudo observar, nuevamente PM10 presentó los mejores

coeficientes de correlación lineal entre la concentración metálica asociada con el

sedimento viario (< 250 µm) y el material en suspensión.

A partir de la tendencia expuesta para las Zonas 1 y 2 de la ciudad de Soacha, se

sugirió que PM10 se constituyó en la fracción de tamaño en suspensión que

permitió una mejor evaluación de la correlación entre la concentración metálica

asociada con el material en suspensión y la asociada con el sedimento viario (<

250 µm). Adicionalmente, y al comparar las dos zonas en evaluación, se

evidenció que la Zona 1 presentó los mejores coeficientes de correlación entre la

concentración metálica asociada con el sedimento viario y la asociada con PM10.

Los resultados sugirieron que el aumento en la distancia de monitoreo de los

elementos metálicos en suspensión con respecto de la superficie viaria en estudio

en la Zona 2, causó una disminución en la correlación entre la concentración

metálica asociada con el sedimento viario y la asociada con PM10 y PST. En este

sentido es importante mencionar que las estaciones de monitoreo en la Zona 2 se

localizó a 340 m de la superficie viaria de investigación. Como se mencionó, la

anterior tendencia probablemente se debió a que el efecto de la emisión de



estación de monitoreo de la Zona 2. Adicionalmente, el aumento en la distancia de

monitoreo de los elementos metálicos en suspensión con respecto de la superficie

viaria de la Zona 2 probablemente hizo que el aporte de metales pesados no

estuviera exclusivamente atribuido al tráfico (p.ej., por fuentes naturales y fijas).

A partir de lo anterior, se realizaron análisis de correlación entre la concentración

metálica asociada con el sedimento viario (< 250 µm) y la asociada con PM10 para


217

todos los metales de estudio en la ciudad de Soacha. Los análisis mostraron para

la Zona 1, que Pb fue el elemento metálico con el mayor número y magnitud en

las correlaciones (i.e., r > 0,50), seguido de As, Cu, Ba, Mn, Zn y Cd. Excepto Fe

que presentó correlaciones inferiores a partir del límite establecido para el

coeficiente de correlación lineal (ver Tabla 4.23). Como se pudo observar en la

Zona 1 para un determinado metal pesado, los siguientes elementos fueron los

únicos que presentaron correlación entre la fase sedimentada y suspendida, en

orden de importancia y a partir del límite establecido para el coeficiente de

correlación lineal: Pb (0,94), Cu (0,60) y Ba (0,59). Por otro lado en la Zona 2, los

análisis mostraron para PM10 que Zn fue el elemento metálico con el mayor

número de correlaciones (i.e., r > 0,50), seguido de Pb, Cu y Ba. Sin embargo, los

metales pesados con la mayor magnitud en los coeficientes de correlación lineal

fueron Pb y Cu (ver Tabla 4.24). Como se pudo observar en la Zona 2 para un

determinado elemento metálico, Zn fue el único metal que presentó correlación

entre la fase sedimentada y suspendida (r = 0,59) a partir del límite establecido

para el coeficiente de correlación lineal (i.e., r > 0,50).

Adicionalmente, se compararon los coeficientes de correlación entre las zonas de

estudio en la ciudad de Soacha. Como se pudo observar, los coeficientes de

correlación lineal entre la concentración metálica asociada con el sedimento viario

y la asociada con PM10 fueron mejores para la Zona 1. Igualmente, se observó que

en la Zona 1 existió un mayor número de elementos metálicos con correlación

entre la fase sedimentada y suspendida (Pb, Cu y Ba). Nuevamente, los resultados

sugirieron que el aumento en la distancia de monitoreo de los elementos metálicos

en suspensión con respecto de la superficie viaria en estudio en la Zona 2, causó

una disminución en la correlación entre la concentración metálica asociada con el

sedimento viario y la asociada con PM10. La anterior tendencia probablemente se

debió a que el efecto de la emisión de elementos metálicos y la suspensión

inducida sobre el sedimento viario y las partículas del suelo de áreas aledañas por

parte del tráfico fue menor en la estación de monitoreo de la Zona 2 (i.e.,

localizada a 340 m). Nuevamente, el aumento en la distancia de monitoreo de los

elementos metálicos en suspensión con respecto de la superficie viaria de la Zona


218

2 probablemente hizo que el aporte de metales pesados no estuviera

exclusivamente atribuido al tráfico (p.ej., por fuentes naturales y fijas).

A partir de las anteriores tendencias y pruebas se aceptó la Hipótesis N° 2 de

investigación para los siguientes elementos metálicos: Pb, Cu y Ba. Es decir, la

concentración metálica de Pb, Cu y Ba asociada con la fracción de tamaño

inferior a 250 µm del sedimento viario está relacionada con la concentración

metálica de Pb, Cu y Ba asociada con PM10, para áreas aledañas a las

superficies viarias. De esta manera se seleccionó en la fase suspendida a PM10, en

la fase sedimentada a la fracción de tamaño inferior a 250 µm, y a los metales

pesados: Pb, Cu y Ba; como las variables para evaluar la relación entre la

concentración metálica asociada con el sedimento viario y la asociada con el

material en suspensión, para áreas aledañas a las superficies viarias.

Tabla 4.23 Coeficientes de correlación lineal entre la concentración metálica asociada con el sedimento viario y la asociada con PM10 para la Zona 1 (Soacha)

Metal Pb Cu Zn Cd Fe Mn Ba As PM10

Pb

Sed

imen

to v

iari

o (<

250

µm

)

0,94 0,65 0,53 0,50 0,25 0,18 0,57 0,66 Cu 0,73 0,60 0,36 0,38 0,07 0,08 0,28 0,49 Zn 0,01 0,11 -0,08 0,03 -0,15 -0,16 -0,09 0,03 Cd 0,30 0,06 0,14 0,09 0,33 0,54 0,14 0,59 Fe 0,29 0,12 0,11 0,21 0,11 0,15 0,05 0,27 Mn 0,45 0,12 0,20 0,37 0,26 0,37 0,43 0,76 Ba 0,68 0,09 0,34 0,26 0,34 0,32 0,59 0,48 As 0,38 0,20 0,31 0,22 0,16 0,18 0,30 0,30

Tabla 4.24 Coeficientes de correlación lineal entre la concentración metálica asociada con el sedimento viario y la asociada con PM10 para la Zona 2 (Soacha)

Metal Pb Cu Zn Cd Fe Mn Ba As PM10

Pb

Sed

imen

to v

iari

o (<

250

µm

)

0,38 0,37 0,63 0,28 -0,01 0,12 0,10 0,06 Cu 0,18 0,26 0,13 0,15 -0,04 0,01 -0,03 -0,11 Zn 0,75 0,67 0,59 -0,01 0,38 0,34 0,51 0,38 Cd 0,19 0,10 0,06 0,42 0,45 0,38 0,09 0,38 Fe 0,02 -0,11 -0,12 -0,08 -0,22 -0,09 -0,19 -0,31 Mn 0,04 -0,03 -0,09 -0,09 -0,33 -0,21 -0,16 -0,31 Ba 0,34 0,31 0,54 0,15 0,35 0,23 0,15 0,36 As 0,56 0,44 0,56 0,13 0,31 0,34 0,32 0,41


219


La tercera hipótesis surgió a partir de las dos anteriores hipótesis de investigación:

se puede predecir la concentración metálica (µg/g) asociada con el sedimento

viario a partir de la carga del material en suspensión (µg/m3). Igualmente, surgió

de las tendencias observadas durante la campaña de campo desarrollada en las

ciudades de Torrelavega (España) y Soacha (Colombia). Este apartado se inicia

con una descripción y análisis de las tendencias observadas y las pruebas

aplicadas para evaluar la relación entre la concentración metálica asociada con el

sedimento viario y la carga del material en suspensión. Finalmente, se concluye

acerca de las pruebas aplicadas a la Hipótesis N° 3 de investigación.

A partir de lo establecido para las dos primeras hipótesis de investigación: (i) la

fracción de tamaño inferior a 250 µm fue seleccionada como representativa del

sedimento viario a partir de la distribución de la concentración metálica asociada

con el mismo, (ii) se seleccionó PM10 como la fracción representativa para evaluar

la relación entre la concentración metálica en suspensión y la carga del material en

suspensión, para áreas aledañas a las superficies viarias, y (iii) se seleccionaron

los elementos metálicos: Pb, Cu y Ba, para evaluar la relación entre la

concentración metálica asociada con la fracción de tamaño inferior a 250 µm del

sedimento viario y la concentración metálica asociada con PM10, para áreas

aledañas a las superficies viarias; se procedió a evaluar la relación entre la

concentración metálica asociada con el sedimento viario (< 250 µm) y la carga de

PM10 en las superficies viarias de investigación en la ciudad de Soacha.

Se realizaron análisis de correlación entre la concentración metálica (µg/g)

asociada con la fracción de tamaño inferior a 250 µm del sedimento viario y la

carga de PM10 (µg/m3) en las áreas de investigación de la ciudad de Soacha,

prestando especial atención a los siguientes elementos metálicos: Pb, Cu y Ba.

Los análisis mostraron para la Zona 1, que Pb fue el elemento metálico que

presentó el mejor coeficiente de correlación lineal (r = 0,90); seguido de Cu

(0,66), Ba (0,62), Mn (0,44), As (0,42), Fe (0,40), Cd (0,38) y Zn (0,12). Como se


220

pudo observar, los elementos con los mejores coeficientes de correlación fueron

los seleccionados para evaluar la relación entre la concentración metálica asociada

con el sedimento viario y la carga en suspensión: Pb, Cu y Ba (ver Figura 4.28).

Por otro lado en la Zona 2, los análisis nuevamente mostraron que Pb fue el

elemento metálico que presentó el mejor coeficiente de correlación lineal (r =

0,57); seguido por Cu (0,57), Ba (0,49), Zn (0,37), As (0,29), Fe (0,20), Mn (0,20)

y Cd (0,02). Igualmente, los elementos metálicos que presentaron las mejores

correlaciones fueron: Pb, Cu y Ba. Como se pudo observar, la Zona 1 presentó las

mejores correlaciones entre la concentración metálica asociada con el sedimento

viario y la carga de PM10.

a)

b)

Figura 4.28 Relación entre la concentración metálica asociada con el sedimento viario (< 250 µm) y la carga de PM10 para la Zona 1 (Soacha). a) Pb, y b) Cu

A partir de la anterior tendencia, los resultados sugirieron que el aumento en la

distancia de monitoreo de PM10 con respecto de la superficie viaria en estudio de

R² = 0,81

0,0

50,0

100,0

150,0

200,0

250,0

0 20 40 60 80 100 120

Pb‐Sedim

ento (µg/g)

PM10 (µg/m3)

R² = 0,44

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

160,0

0 20 40 60 80 100 120

Cu‐Sedim

ento (µg/g)

PM10 (µg/m3)


221

la Zona 2 causó una disminución en la correlación entre la concentración metálica

asociada con el sedimento viario y la carga de PM10. El anterior comportamiento

probablemente se debió a que el efecto de emisión de partículas y la suspensión


parte del tráfico fue menor en la estación de monitoreo de la Zona 2.

Adicionalmente, el aumento en la distancia de monitoreo de la carga de PM10 con

respecto de la superficie viaria de la Zona 2 probablemente hizo que el aporte de

material en suspensión no estuviera exclusivamente atribuido al tráfico (p.ej., por

fuentes naturales y fijas).

A partir de las anteriores tendencias y pruebas se aceptó la Hipótesis N° 3 de

investigación para Pb. Es decir, la concentración de Pb asociada con la fracción

de tamaño inferior a 250 µm del sedimento viario está relacionada con la carga

de PM10, para áreas aledañas a las superficies viarias. De esta manera, se

seleccionó a Pb como el elemento representativo para evaluar la relación entre la

concentración metálica asociada con el sedimento viario y la carga de PM10, para

áreas aledañas a las superficies viarias.

4.3.4.2 Construcción de la matriz causa-efecto y el diagrama conceptual

Las tres primeras fases de la metodología expuesta en el presente capítulo

describieron la acumulación metálica sobre las superficies viarias como un

fenómeno de equilibrio dinámico entre los procesos de deposición y remoción de

la carga contaminante (ver Figura 4.29). Adicionalmente se consideró el proceso

de intercepción de la carga metálica (p.ej., por la vegetación y estructuras

artificiales), que hizo que la concentración metálica asociada con el sedimento

viario disminuyera a medida que aumentó la distancia de muestreo con respecto

de la superficie viaria en evaluación. De esta manera, se evidenció que las

interacciones entre los procesos identificados afectaron significativamente la

concentración metálica asociada con el sedimento viario.


222

La construcción de la matriz causa-efecto y el diagrama conceptual permitió re-

evaluar y representar el fenómeno de acumulación metálica sobre las vías como

un conjunto de procesos que ocurrieron en el ambiente viario. Adicionalmente,

permitió re-evaluar las relaciones causales en este conjunto de procesos que

reflejaron la estructura del fenómeno de acumulación metálica sobre las

superficies viarias. Para la construcción de la matriz causa-efecto y el diagrama

conceptual, inicialmente se identificaron a través del estudio del estado del arte

(Capítulo 2) doce variables que fueron reportadas como influyentes en la

acumulación metálica sobre superficies viarias (ver Tabla 4.25 y Figura 4.30).

Figura 4.29 Descripción gráfica del fenómeno de variación de la concentración

metálica asociada con el sedimento viario

Posteriormente, y a partir de la caracterización metálica desarrollada en las

ciudades de Torrelavega (España) y Soacha (Colombia) (ver Capítulo 3), se re-

evaluaron y afinaron las variables identificadas en el estudio del estado de arte

para determinar cuáles realmente condicionaron el proceso de acumulación de

metálica sobre las superficies viarias de investigación en el presente estudio; la

anterior re-evaluación redujo el número de variables influyentes a diez (ver Tabla

4.25 y Figura 4.30). Finalmente, y a partir del establecimiento y prueba de las

hipótesis para el modelo, las principales variables (i.e. influyentes del fenómeno)

se agruparon en una única variable que permitió evaluar la concentración metálica

Con

cent

raci

ón m

etál

ica

viar

ia

Tiempo

Llu

via-

esco

rren

tía

Rem

oció

n: tr

áfic

o

Rem

oció

n: tr

áfic

o

Llu

via-

esco

rren

tía

Deposición metálicaen tiempo seco

Concentraciónmetálica

remanente

Remoción metálica

Tiempo entrelluvias

PM10

PM10

PM10

PM10

Intercepciónmetálica:

artificial/natural


223

asociada con el sedimento viario (i.e., de Pb); esta variable fue la carga de PM10

en áreas aledañas a la superficie viaria.

Tabla 4.25 Matriz causa-efecto para el modelo causal entre la concentración metálica asociada con el sedimento viario y la carga de material en suspensión en

superficies viarias Categoría Deducción de variables

causa Variable

efecto Estudio del estado

del arte Caracterización

metálica (Torrelavega y Soacha)

Hipótesis del

modelo

Concentración metálica

viaria Climática Precipitación Precipitación - (-)a Escorrentía Escorrentía - (-) Deposición atmosférica PM10 PM10 (+) Período seco previo Período seco previo - (+) Viento Viento - (+;-) Humana Uso del suelo Uso del suelo - (+) Limpieza viaria - - (-) Tráfico Tráfico - (+) Físico-natural

Cubiertas de edificaciones - - (+) Características físicas de la cuenca viaria

Presencia de cuneta - (-)

Cantidad y granulometría del sedimento

Granulometría del sedimento

- (+;-)

Plantas y desechos vegetales Presencia de vegetación - (-) a: (-): correlación negativa, (+): correlación positiva; con respecto de la concentración

metálica viaria

4.3.4.3 Identificación del modelo

En el desarrollo del modelo para las superficies viarias de investigación en la

ciudad de Soacha (Colombia) se utilizaron dos enfoques. Un primer enfoque

determinista, preliminar, basado en el desarrollo de un modelo de regresión

simple entre la carga viaria de PM10 y la concentración de Pb asociada con el

sedimento viario. Es decir, se consideró un enfoque tradicional que fue en

búsqueda del mejor ajuste a partir de modelos preconcebidos. Las ecuaciones de

regresión, aunque fueron de gran utilidad en el desarrollo del modelo, impusieron

limitantes en la representación del fenómeno de acumulación metálica sobre las

superficies viarias debido a su característica de ser completamente deterministas;

por este motivo el enfoque determinista sólo se empleó para tener una primera

aproximación del modelo. A partir de lo anterior, resultó conveniente utilizar un

enfoque aleatorio que permitiera desarrollar un modelo con mayor flexibilidad.

CA

PÍT

ULO

4.-

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

IST

RIB

UC

IÓN

DE

LO

S M

ET

AL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NTO

VIA

RIO

A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

224

F

igur

a 4.

30 D

iagr

ama

conc

eptu

al p

ara

el m

odel

o ca

usal

ent

re la

car

ga v

iari

a de

PM

10 y

la c

once

ntra

ción

met

álic

a as

ocia

da c

on e

l sed

imen

to

viar

io

1.

Clim

átic

os:

- P

reci

pita

ció

n-

Esc

orr

en

tía

- D

ep

osi

ció

n

atm

osf

éric

a-

Pe

río

do

se

co p

revi

o-

Vie

nto

3. F

ísic

o-n

atu

rale

s:-

Cu

bie

rta

s d

e e

difi

caci

on

es

- C

ara

cte

ríst

ica

s fí

sica

s d

e la

cu

en

ca v

iaria

- C

an

tida

d y

gra

nu

lom

etr

ía d

el

sed

ime

nto

-Pla

nta

s y

de

sech

os

veg

eta

les

2. H

um

an

os:

- U

so d

el s

ue

lo-

Lim

pie

za v

iaria

- T

ráfic

o

Est

ud

io d

el

est

ad

o d

el a

rte

Ca

ract

eriz

aci

ón

m

etá

lica:

T

orr

ela

veg

a y

S

oa

cha

1. C

limá

tico

s:-

Pre

cip

itaci

ón

- E

sco

rre

ntí

a-

PM

10

- P

erí

od

o s

eco

pre

vio

- V

ien

to3. F

ísic

o-n

atu

rale

s:-

Pre

sen

cia

de

cu

ne

ta-

Gra

nu

lom

etr

ía d

el

sed

ime

nto

- P

rese

nci

a d

e v

eg

eta

ció

n

2. H

um

an

os:

- U

so d

el s

ue

lo-

Trá

fico

PM

10C

on

cen

tra

ció

n d

e

Pb

aso

cia

da

co

n e

l se

dim

en

to v

iario


225

El enfoque definitivo para el desarrollo del modelo se fundamentó en la

metodología propuesta por Box y Jenkins (1970) para el análisis de series de

tiempo: modelos autorregresivos, integrados y de promedios móviles (ARIMA).

La idea fundamental del enfoque propuesto por los investigadores radicó en la

estrategia para construir los modelos, los cuales no sólo debieron ser adecuados

para representar el comportamiento de los datos observados sino que su elección

debió ser sugerida por los mismos datos. La estrategia de construcción del modelo

constó de las siguientes etapas: (i) identificación de un posible modelo, dentro de

una clase general de modelos ARIMA y de acuerdo con lo que los datos

indicaron; es decir, determinación de los valores p, d y q que especificaron el

modelo ARIMA (p, d, q) apropiado para la serie en estudio. (ii) Estimación de los

parámetros involucrados en el modelo, para lo cual se utilizó la técnica más

eficiente que se conocía (i.e., técnicas de estimación no lineal). (iii) Verificación

de supuestos, que el modelo proporcionó un ajuste adecuado y los supuestos

básicos e implícitos en el modelo se cumplieron; a fin de que los resultados que se

derivaron del modelo pudieran considerarse como válidos. De lo contrario, se

determinaron las modificaciones necesarias y de hecho, se repitieron las etapas

anteriores hasta que la verificación reveló resultados aceptables. (iv) Uso del

modelo, para los fines que motivaron su construcción. En este caso, para

pronosticar, simular y explicar el fenómeno de acumulación metálica sobre las

superficies viarias a partir de información del material en suspensión (i.e., PM10).

4.3.4.3.1 Enfoque preliminar: modelo de regresión

Como se pudo observar en el apartado de establecimiento de hipótesis: (i) la

fracción de tamaño inferior a 250 µm fue seleccionada como representativa del

sedimento viario a partir de la distribución de la concentración metálica asociada

con el mismo, (ii) se seleccionó a PM10 como la fracción representativa para

evaluar la relación entre la concentración metálica en suspensión y la carga del

material en suspensión, para áreas aledañas a las superficies viarias, y (iii) se

seleccionó a Pb como el metal pesado para evaluar la relación entre la


226

concentración metálica asociada con la fracción de tamaño inferior a 250 µm del

sedimento viario y la carga de PM10, para áreas aledañas a las superficies viarias.

A partir de lo anterior, se procedió a realizar un análisis de regresión con el objeto

de establecer el mejor modelo preconcebido para evaluar la relación entre la

concentración de Pb asociada con el sedimento viario (< 250 µm) y la carga de

PM10 sobre las superficies viarias de investigación en la ciudad de Soacha (ver

Figura 4.31). Los resultados mostraron para la Zona 1 que el mejor modelo fue el

de tipo cúbico, seguido por el modelo: lineal > exponencial > potencial.

Finalmente, la Tabla 4.26 presenta la descripción de los modelos probados para

evaluar la relación entre la concentración de Pb asociada con el sedimento viario

(< 250 µm) y la carga de PM10 sobre las superficies viarias de investigación.

a)

b)

Figura 4.31 Modelos de regresión entre la concentración de Pb asociada con el sedimento viario y la carga de PM10 para la superficie viaria de la Zona 1

(Soacha). a) Modelo cúbico y b) modelo lineal

Pb‐Sed. = 0,0007∙PM103‐0,0917∙PM10

2+4,641∙PM10‐11,612R² = 0,887

0,0

50,0

100,0

150,0

200,0

250,0

300,0

0 20 40 60 80 100 120

Pb‐Sedim

ento (µg/g)

PM10 (µg/m3)

Pb‐Sedimento = 1,8695∙PM10+ 5,6936R² = 0,805

0,0

50,0

100,0

150,0

200,0

250,0

0 20 40 60 80 100 120

Pb‐Sedim

ento (µg/g)

PM10 (µg/m3)

CA

PÍT

ULO

4.-

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

IST

RIB

UC

IÓN

DE

LO

S M

ETA

LE

S P

ESA

DO

S A

SOC

IAD

OS

CO

N E

L S

ED

IME

NTO

VIA

RIO

A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

227

T

abla

4.2

6 M

odel

os d

e re

gres

ión

para

la r

elac

ión

entr

e la

car

ga v

iari

a de

PM

10 y

la c

once

ntra

ción

de

Pb

asoc

iado

con

el s

edim

ento

via

rio

(Soa

cha,

Col

ombi

a)

Zon

a M

odel

o E

cuac

ión

R2

Par

ámet

ros

a b

c d

1 C

úbic

o P

b-S

ed.=

a·P

M103

+b·

PM

102+

c·P

M10

+d

0,88

7 0,

0007

-0

,091

7 4,

641

-11,

612

L

inea

l P

b-S

ed.=

a·P

M10

+b

0,80

5 1,

8695

5,

6936

-

-

Exp

onen

cial

P

b-S

ed.=

a·eb·

PM

10

0,79

9 30

,462

0,

0203

-

-

Pot

enci

al

Pb-

Sed

.=a·

PM

10b

0,78

1 4,

6229

0,

7704

-

- 2

Cúb

ico

Pb-

Sed

.=a·

PM

103+

b·P

M102

+c·

PM

10+

d 0,

435

0,00

25

-0,4

062

22,3

43-2

15,2

4

Lin

eal

Pb-

Sed

.=a·

PM

10+

b 0,

327

2,91

0 48

,351

-

-

Exp

onen

cial

P

b-S

ed.=

a·eb·

PM

10

0,28

8 91

,074

0,

013

- -

P

oten

cial

P

b-S

ed.=

a·P

M10b

0,

282

14,6

32

0,64

62

- -

Not

a: P

M10

en

µg/

m3 a

con

dici

ones

de

refe

renc

ia, y

Pb

en µ

g/g

de m

ater

ia s

eca

de s

edim

ento

via

rio

para

la f

racc

ión

de ta

mañ

o <

250

µm


228

Por otro lado en la Zona 2 de la ciudad de Soacha, los análisis de regresión

mostraron nuevamente que el modelo que produjo los mejores resultados fue el de

tipo cúbico, seguido por el modelo: lineal > exponencial > potencial. La Tabla

4.26 presenta la descripción de los modelos probados para evaluar la relación

entre la concentración de Pb asociada con el sedimento viario (< 250 µm) y la

carga de PM10 sobre la superficie viaria de investigación. Como se pudo observar,

los modelos presentaron un peor ajuste en la Zona 2. La anterior tendencia,

probablemente fue debida a que el efecto de emisión de partículas y la suspensión


parte del tráfico fue menor en la estación de monitoreo de la Zona 2.

Adicionalmente, el aumento en la distancia de monitoreo de la carga de PM10 con

respecto de la superficie viaria de la Zona 2 (i.e., 340 m) probablemente hizo que

el aporte de Pb no estuviera exclusivamente atribuido al tráfico (p.ej., por fuentes

fijas). Igualmente, hizo que el aporte de partículas en suspensión no estuviera

exclusivamente atribuido al tráfico (p.ej., por fuentes naturales y fijas).

4.3.4.3.2 Enfoque definitivo: modelo ARIMA

En este apartado se presentan los análisis y resultados de la estrategia de

identificación de modelos para series de tiempo propuesta por Box y Jenkins

(1970). A continuación sólo se expone el modelo ARIMA desarrollado para la

superficie viaria de investigación en la Zona 1 de la ciudad de Soacha. Lo

anterior, debido a que esta zona presentó la mejor correlación entre la

concentración de Pb asociada con el sedimento viario (< 250 µm) y la carga viaria

de PM10. Sin embargo, los resultados obtenidos para la Zona 2 de la ciudad de

Soacha podrán ser consultados en los anexos del presente documento.

(i) Identificación de los modelos univariantes: esta etapa tuvo como objetivo

principal determinar los órdenes de los polinomios autorregresivo y de promedios

móviles. Igualmente, el de determinar el número de veces que se debió aplicar el

operador diferencia para cancelar la no-estacionalidad homogénea, es decir, para

eliminar la tendencia de la serie temporal y llegar al “equilibrio”. Las anteriores


229

actividades se aplicaron por separado a cada serie temporal: (i) a la serie de

tiempo de la concentración de Pb asociada con el sedimento viario y (ii) a la serie

de tiempo de la carga viaria de PM10.

Como es sabido, la serie para la carga de PM10 sobre la superficie viaria de la

Zona 1 en la ciudad de Soacha mostró una tendencia decreciente con respecto al

tiempo (i.e., no fue estacionaria); este decrecimiento fue asociado con la

precipitación. De esta manera, en época seca se presentaron las mayores cargas de

PM10 mientras que en la época de lluvias las concentraciones tendieron a

disminuir (ver Figura 4.32). Igualmente, se observó que la variación en la carga de

PM10 presentó un patrón de decrecimiento con respecto al tiempo. Es decir, en la

época seca la variación en la carga de PM10 fue mayor con respecto de la época de

lluvias (ver Figura 4.32). Por otro lado, la serie de tiempo para la concentración de

Pb asociada con el sedimento viario presentó una tendencia similar (ver Figura

4.32). A partir de lo anterior, los resultados sugirieron que las series de tiempo en

estudio no correspondieron a procesos estacionarios.

Con el objeto de volver estacionaria las series de tiempo de la concentración de Pb

asociada con el sedimento viario y la carga viaria de PM10, inicialmente se utilizó

el procedimiento para elegir una transformación potencia (λ) que estabilizará la

varianza de la serie de tiempo (Bartlett, 1946). De esta manera la serie de tiempo

transformada fue:

T ZtZtλ si λ 0log natural Zt si λ 0

(4.17)

Donde T(Zt) representó la serie transformada; y λ la potencia que estabilizó la

varianza de la serie de tiempo. Es importante mencionar, que el método está

basado en aproximaciones y que, por consiguiente, sólo fue utilizado para

discriminar entre transformaciones que a priori se consideraron apropiadas (p.ej.,

T(Zt)=log(Zt), logarítmica natural; T(Zt)=Zt, lineal) (Guerrero, 2003). Los

resultados mostraron que el valor óptimo para λ fue -0,5 y 0,05 para la serie de


230

tiempo de la concentración de Pb del sedimento y la carga viaria de PM10,

respectivamente. Por lo tanto, los resultados sugirieron la elección de una

transformación de tipo logarítmica debido a que la magnitud de λ estuvo cerca a

cero (i.e., T(Zt)=ln(Zt)); indicando la posible bondad del uso de los logaritmos

para estabilizar la varianza de las dos series de tiempo en estudio (ver Figura

4.33).

a)

b)

Figura 4.32 Serie de tiempo para la carga viaria de PM10 (a) y la concentración de Pb del sedimento viario (b) en la Zona 1 (Soacha, Colombia)

Una vez determinada la transformación apropiada para estabilizar la varianza de

las series o de haber seleccionado la expresión adecuada de T(Zt) para realizar los

análisis, se procedió a estabilizar el nivel de la serie mediante la aplicación del

operador diferencia ( ) un número apropiado de veces (i.e., d en la notación de los

modelos ARIMA (p,d,q)).

0

20

40

60

80

100

120

0 10 20 30 40 50

PM10(µg/m

3)

Muestreo (días)

0

50

100

150

200

250

300

0 10 20 30 40 50

Pb‐Sedim

ento (µg/g)

Muestreo (días)


231

a)

b)

Figura 4.33 Serie de tiempo con estabilización de la varianza para la carga viaria de PM10 (a) y la concentración de Pb del sedimento viario (b) en la Zona 1

(Soacha, Colombia)

La principal herramienta para determinar el grado de diferenciación apropiado fue

la función de autocorrelación muestral (FAC), debido a que un decaimiento rápido

de las autocorrelaciones a cero fue indicativo de que la serie era estacionaria, en

cuanto al nivel se refiere. Guerrero (2003) manifestó que lo habitual en la práctica

es graficar la FAC muestral correspondiente a cada una de las series {T(Zt)},

{ T(Zt)} y { 2T(Zt)}, debido a que la experiencia ha demostrado que sólo en

raras ocasiones se requieren diferencias de grado más alto. Adicionalmente,

Kendall y Stuart (1968) reportaron que al tomar diferencias sucesivas de la serie

para volverla estacionaria, su varianza se altera de manera que decrece hasta que

la serie es estacionaria y comienza a crecer con la sobrediferenciación; de esta

manera se determinaron las desviaciones estándar muestrales de las series con 0,

1, 2 y 3 diferencias. A partir de lo anterior, se graficaron las tres FAC muestral

2,00

2,50

3,00

3,50

4,00

4,50

5,00

0 10 20 30 40 50

Log(PM

10)

Muestreo (días)

3,00

3,50

4,00

4,50

5,00

5,50

6,00

0 10 20 30 40 50

Log(Pb‐Sedim

ento)

Muestreo (días)


232

para la series de tiempo de la carga viaria de PM10 (ver Figura 4.34) y la

concentración de Pb asociada con el sedimento viario de la Zona 1 en la ciudad de

Soacha. El paquete estadístico utilizado en la presente investigación para la

construcción de la FAC muestral fue IBM-SPSS (Statistical Package for the

Social Sciences, Versión 18.0.0).

a)

b)

c)

Figura 4.34 FAC muestral para la carga de PM10 en la Zona 1 (Soacha, Colombia). a) {T(Zt)}, b) { T(Zt)}, y c) { 2T(Zt)}

Igualmente, se determinaron las desviaciones estándar muestrales (S) de la serie

con 0, 1, 2 y 3 diferencias; los valores para la serie de tiempo de la carga de PM10

fueron los siguientes: S(0) = 0,28791, S(1) = 0,12744, S(2) = 0,14417 y S(3) =

0,19352. Por otro lado, los valores para la serie de la concentración de Pb del

sedimento fueron los siguientes: S(0) = 0,25408, S(1) = 0,12192, S(2) = 0,18345 y

‐0,5

0,0

0,5

1,0

1 6 11 16 21Autocorrelación

(rk)

No. de retardos

‐0,5

0,0

0,5

1,0

1 6 11 16 21Autocorrelación (r k)

No. de retardos

‐0,5

0,0

0,5

1,0

1 6 11 16 21Autocorrelación

(r k)

No. de retardos


233

S(3) = 0,22167. Los resultados sugirieron para la serie de la carga de PM10 a partir

de la Figura 4.34 y los valores de S(j), j = 0, 1, 2 y 3, que la no estacionalidad

homogénea de la serie de tiempo se canceló con la primera diferencia. Por otro

lado, se observó un comportamiento similar para la serie de la concentración de

Pb asociada con el sedimento viario. Por lo tanto, para identificar el modelo

ARIMA para cada serie de tiempo se requirió graficar y analizar el

comportamiento de la función de autocorrelación (FAC) y la función de

autocorrelación parcial (FACP) muestrales para { T(Zt)} (i.e., primer grado de

diferenciación).

El siguiente paso en la etapa de identificación consistió en asociar la FAC y FACP

muestral con un posible proceso generador del tipo ARIMA (p,d,q). La Tabla 4.27

presenta los valores de la FAC y FACP muestrales para { T(Zt)} de las series de

tiempo en estudio (i.e., para PM10 y Pb). Los resultados mostraron para la serie de

tiempo de la carga de PM10 a partir de la FAC, que no existió una caída notoria en

las autocorrelaciones para un cierto retraso q; de esta manera no se pudieron

observar claramente las primeras autocorrelaciones distintas de cero (q);

igualmente, se careció de una sucesión de autocorrelaciones convergente a cero en

la FACP. A partir de lo anterior, no fue razonable proponer como modelo factible

a un IMA (1,q) para la serie de tiempo de la carga de PM10. La anterior tendencia,

igualmente fue sustentada por el criterio proporcionado por Bartlett (1946) para

decidir si las autocorrelaciones fueron cero a partir de un cierto retraso (q) en la

FAC; este criterio indicó que debieron compararse los valores de las

autocorrelaciones (rk) con sus correspondientes desviaciones estándar para definir

que una autocorrelación era significativamente distinta de cero (ver Ecuación

4.18):

|rk| > 2·1

N-d· 1+2·∑ rj

2qj=1 para k > q (4.18)

Donde rk representó la magnitud de la autocorrelación asociada con el retraso k; N

representó el número total de datos de la serie; y d representó el grado de la


234

diferenciación requerido para la estabilización del nivel de la serie (i.e., en este

caso de primer grado). Al aplicar el anterior criterio para k > 0 partiendo del

supuesto de que cuando no hay retraso la magnitud de la autocorrelación es igual

a cero (ρk = 0), se observó que |r1| = 0,129 < 0,298 (ver Tabla 4.27); es decir, la

autocorrelación no fue significativamente distinta de cero. Por lo tanto,

nuevamente se confirmó que no fue razonable proponer como modelo factible a

un IMA (1,q) para la serie de tiempo de la carga de PM10.

Por otro lado, los resultados mostraron para la serie de tiempo de la carga de PM10

a partir de la FACP, que no existió una caída notoria en las autocorrelaciones para

un cierto retraso p; de esta manera no se pudieron observar claramente las

primeras autocorrelaciones distintas de cero (p); igualmente, se careció de una

sucesión de autocorrelaciones convergente a cero en la FAC. A partir de lo

anterior, no fue razonable proponer como modelo factible a un ARI (p,1) para la

serie de tiempo de la carga de PM10. La anterior tendencia, igualmente fue

sustentada por el criterio proporcionado por Quenouille (1949) para decidir si las

autocorrelaciones fueron distintas de cero a partir de un cierto retraso (p) en la

FACP; este criterio estableció que la autocorrelación parcial (ϕii) era distinta de

cero sí el valor calculado de ϕii se encontraba fuera del intervalo definido por (ver

Ecuación 4.19):

2

N‐d para i p (4.19)

Donde N representó el número total de datos de la serie; y d representó el grado

de la diferenciación requerido para la estabilización del nivel de la serie (i.e., en

este caso de primer grado). Al aplicar el anterior criterio para i > 0 partiendo del

supuesto de que cuando no hay retraso la magnitud de la autocorrelación parcial

es igual a cero (ρi = 0), se observó que el intervalo calculado fue ± 0,298;

cubriendo a la primera autocorrelación parcial (i1 = -0,129) (ver Tabla 4.27); es

decir, la primera autocorrelación no fue distinta de cero. Por lo tanto, nuevamente


235

se confirmó que no fue razonable proponer como modelo factible a un ARI (p,1)

para la serie de tiempo de la carga viaria de PM10.

Por consiguiente, de la etapa de identificación de modelos para la serie de tiempo

de la carga viaria de PM10 fue quizá razonable pensar en un modelo ARIMA

(0,1,0) (ver Ecuación 4.20):

T Z θ θ B a T PM θ a

Wt θ a (4.20)

Por otro lado, los resultados mostraron a partir de la FAC para la serie de la

concentración de Pb asociada con el sedimento viario, que existió un corte

después de la primera autocorrelación; sin embargo, se careció de una sucesión de

autocorrelaciones convergente a cero en la FACP. A partir de lo anterior, no fue

del todo razonable proponer como modelo factible a un IMA (1,1) para la serie de

tiempo de la concentración de Pb asociada con el sedimento viario.

Adicionalmente, el modelo propuesto no fue sustentado por el criterio

proporcionado por Bartlett (1946) para decidir si las autocorrelaciones fueron cero

a partir de un cierto retraso (q) en la FAC; como es sabido, este criterio indicó que

debieron compararse los valores de las autocorrelaciones (rk) con sus

correspondientes desviaciones estándar para definir que una autocorrelación era

significativamente distinta de cero (ver Ecuación 4.18). Al aplicar el anterior

criterio para k > 0 partiendo del supuesto de que cuando no hay retraso la

magnitud de la autocorrelación es igual a cero (ρk = 0), se observó que |r1| = 0,274

< 0,298 (ver Tabla 4.27); es decir, la autocorrelación no fue significativamente

distinta de cero. Por lo tanto, nuevamente se confirmó que no fue razonable

proponer como modelo factible a un IMA (1,1) para la serie de tiempo de la

concentración de Pb asociada con el sedimento viario.

Adicionalmente, los resultados mostraron a partir de la FACP para la serie de

tiempo de la concentración de Pb asociada con el sedimento viario que existió una

caída después de la primera autocorrelación parcial; sin embargo, se careció de


236

una sucesión de autocorrelaciones convergente a cero en la FAC. A partir de lo

anterior, no fue razonable proponer como modelo factible a un ARI (1,1) para la

serie de tiempo de la concentración de Pb (i.e., autorregresivo de primer orden).

Tabla 4.27 FAC y FACP muestrales para { T(Zt)} de las series de tiempo de la carga de PM10 y la concentración de Pb en el sedimento viario de la Zona 1

(Soacha) FAC (PM10) FACP (PM10) FAC (Pb) FACP (Pb) k rk i ϕii k rk i ϕii 1 -,129 1 -,129 1 -,274 1 -,274 2 -,316 2 -,339 2 ,028 2 -,051 3 -,183 3 -,323 3 -,223 3 -,248 4 ,167 4 -,065 4 -,071 4 -,234 5 ,031 5 -,143 5 -,044 5 -,194 6 -,082 6 -,158 6 ,057 6 -,124 7 -,049 7 -,133 7 ,097 7 -,023 8 -,028 8 -,219 8 -,053 8 -,124 9 ,293 9 ,184 9 -,010 9 -,117

10 -,064 10 -,026 10 ,052 10 ,024 11 -,155 11 -,038 11 -,206 11 -,258 12 -,053 12 ,016 12 ,203 12 ,025 13 ,109 13 -,025 13 -,066 13 -,042 14 ,003 14 -,027 14 ,014 14 -,138 15 ,030 15 ,102 15 -,017 15 -,057 16 -,023 16 ,022 16 ,132 16 ,111 17 -,041 17 ,027 17 ,053 17 ,178 18 -,033 18 -,106 18 -,183 18 -,081 19 ,067 19 ,020 19 -,056 19 -,139 20 -,094 20 -,134 20 -,050 20 -,042 21 -,027 21 -,108 21 ,093 21 ,054 22 ,067 22 -,068 22 ,091 22 -,008 23 -,007 23 -,163 23 -,064 23 -,110 24 ,194 24 ,187 24 ,163 24 ,170

La anterior tendencia, igualmente no fue sustentada por el criterio proporcionado

por Quenouille (1949) para decidir si las autocorrelaciones fueron distintas de

cero a partir de un cierto retraso (p) en la FACP; este criterio estableció que la

autocorrelación parcial (ϕii) era distinta de cero sí el valor calculado de ϕii se

encontraba fuera del intervalo definido por la Ecuación 4.15. Al aplicar el anterior

criterio para i > 0 partiendo del supuesto de que cuando no hay retraso la

magnitud de la autocorrelación parcial era igual a cero (ρi = 0), se observó que el

intervalo calculado fue ± 0,298; cubriendo justamente a la primera autocorrelación

parcial (i1 = -0,274) (ver Tabla 4.27); es decir, la primera autocorrelación no fue


237

distinta de cero. Por lo tanto, nuevamente se evidenció que no fue del todo

razonable proponer como modelo factible a un ARI (1,1) para la serie de tiempo

de la concentración de Pb asociada con el sedimento viario. Sin embargo, el valor

de ϕii fue cercano al límite establecido por la Ecuación 4.19.

Debido a las anteriores discrepancias o poca claridad en la identificación del

modelo para la concentración de Pb asociada con el sedimento viario, se acudió a

la FAC y FACP muestral de { 2T(Zt)} para identificar exclusivamente el proceso

generador de la serie de tiempo (ver Figura 4.35). Como se pudo observar, existió

un valor sensiblemente alto para la primera autocorrelación de la FAC y FACP

muestral. Sin embargo, en la gráfica de la FAC muestral se observó que para rk >

1 existieron tres autocorrelaciones que incumplieron el criterio proporcionado por

Bartlett (1946) para decidir si éstas fueron cero a partir de un cierto retraso (q). Es

decir, existieron tres autocorrelaciones diferentes de cero (ver Figura 4.35a). A

partir de lo anterior, los resultados no sugirieron un proceso generador del tipo

IMA (1,q) para la serie de tiempo de la concentración de Pb asociada con el

sedimento viario. Por otro lado al analizar la FACP muestral, se observó para i > 1

que todas las autocorrelaciones parciales fueron cero. Es decir, cumplieron el

criterio proporcionado por Quenouille (1949) para decidir si las autocorrelaciones

fueron distintas de cero a partir de un cierto retraso (p). De esta manera, los

resultados sugirieron un probable proceso generador del tipo ARI (1,1) para la

serie de tiempo de la concentración de Pb.

Por consiguiente, de la etapa de identificación de modelos para la serie de tiempo

de la concentración de Pb asociada con el sedimento viario, fue quizá razonable

pensar en un modelo ARIMA (1,1,0) antes que en un modelo ARIMA (0,1,0) (ver

Ecuación 4.21):

B T Zt θ0 θ B at B T Pb10t θ0 at

1‐ B ·Wt θ0 at (4.21)


238

Finalmente, y a partir del ajuste obtenido por los modelos de regresión (i.e.,

deterministas; ver apartado 4.3.4.3.1), se advirtió la necesidad de incluir un

parámetro de tendencia determinista, ϴ0, en los modelos ARIMA identificados

para las series de tiempo de la carga de PM10 y la concentración de Pb asociada

con el sedimento viario (ver Ecuaciones 4.20 y 4.21).

a)

b)

Figura 4.35 FAC y FACP muestral de { 2T(Zt)} para la concentración de Pb asociada con el sedimento viario de la Zona 1 (Soacha). a) FAC y b) FACP

(ii) Estimación de los modelos univariantes: esta etapa tuvo como objetivo

principal determinar los mejores valores para los parámetros de los modelos

univariantes identificados para las series de tiempo de la carga de PM10 y la

concentración de Pb asociada con el sedimento viario. El método estadístico

utilizado para determinar los parámetros de los modelos fue el de máxima

verosimilitud. Box y Jenkins (1970) sugirieron un método de estimación no lineal

para ϕ y ϴ0 (p.ej., ver Ecuación 4.21) basado en el algoritmo propuesto por

Marquardt (1963), que actualmente es utilizado por varios paquetes de cómputo

‐1,0

‐0,5

0,0

0,5

1,0

1 6 11 16 21

Autocorrelación (r k)

No. de retardos

‐1,0

‐0,5

0,0

0,5

1,0

1 6 11 16 21

Autocorrelación (r k)

No. de retardos


239

estadístico y que permitió obtener las estimaciones puntuales de los parámetros.

El paquete estadístico utilizado en la presente investigación fue IBM-SPSS

(Statistical Package for the Social Sciences, Versión 18.0.0). Adicionalmente, con

ayuda del paquete estadístico en mención se identificaron y estimaron modelos

alternativos para las series temporales en estudio.

Es importante mencionar que el método de máxima verosimilitud partió del

supuesto de que {at} fue un proceso de ruido blanco con distribución normal,

media cero y varianza σa2; a partir de lo anterior se obtuvo la función de densidad

conjunta de los errores aleatorios y la función de verosimilitud de los parámetros;

esta última debió maximizarse con respecto a los parámetros para obtener la

representación más apropiada de las series en estudio (Guerrero, 2003).

Los resultados de la estimación del modelo para la serie de la concentración de Pb

asociada con el sedimento viario se presentan a continuación (i.e., ARIMA

(1,1,0)):

- Valor inicial del parámetro: = r1 = -0,274; valor final estimado: -0,269.

- Intervalo del 95% de confianza para el parámetro : 1,96· 1‐ 2 / N‐d ; es

decir, (-0,550; 0,012).

- Media de los residuales, m a : 0,000667.

- Desviación estándar residual, σa: 0,413.

- Autocorrelaciones de los residuales:

Tabla 4.28 Autocorrelaciones para los residuales del modelo de la concentración

de Pb asociada con el sedimento viario k 1 2 3 4 5 6 7 8 9 10 11 12rk -,019 -,111 -,270 -,160 -,056 ,082 ,114 -,036 -,013 -,002 -,165 ,157 k 13 14 15 16 17 18 19 20 21 22 23 24 rk -,014 -,008 ,023 ,164 ,047 -,214 -,133 -,048 ,120 ,114 -,001 ,113

- Desviación estándar de las autocorrelaciones: 0,1177.

- Estadístico de Ljung y Box (Q´): 15,963 con 17 grados de libertad.

- La gráfica de los residuales {at} se presenta a continuación:


240

Figura 4.36 Gráfica de los residuales del modelo para la concentración de Pb asociada con el sedimento viario. Línea límite para ±2∙desviaciones estándar

residual

Por otro lado, los resultados de la estimación del modelo para la serie de la carga

viaria de PM10 se presentan a continuación (i.e., ARIMA(0,1,0)):

- Media de los residuales, m a : -0,000444.



Tabla 4.29 Autocorrelaciones para los residuales del modelo de la carga de PM10

k 1 2 3 4 5 6 7 8 9 10 11 12 rk -,129 -,316 -,183 ,167 ,031 -,082 -,049 -,028 ,293 -,064 -,155 -,053 k 13 14 15 16 17 18 19 20 21 22 23 24 rk ,109 ,003 ,030 -,023 -,041 -,033 ,067 -,094 -,027 ,067 -,007 ,194




Figura 4.37 Gráfica de los residuales del modelo para la carga viaria de PM10.

Línea límite para ±2∙desviaciones estándar residual

‐1,5

‐1

‐0,5

0

0,5

1

1,5

0 10 20 30 40 50

a t

t

‐1,5

‐1

‐0,5

0

0,5

1

1,5

0 10 20 30 40 50

at

t


241

(iii) Verificación de los modelos univariantes: esta etapa tuvo como propósito

verificar que los modelos identificados proporcionaron un ajuste adecuado y de

que los supuestos básicos implícitos en los modelos se cumplieron. De lo

contrario, se repitieron las etapas anteriores hasta que la verificación indicó

resultados aceptables. En la etapa de verificación de la metodología propuesta por

Box y Jenkins (1970) se propusieron ocho supuestos de evaluación para un

modelo ARIMA. A continuación se presenta la verificación de cada uno de los

supuestos para los modelos ARIMA identificados para las series de tiempo.

Los resultados de la verificación de los ocho supuestos para el modelo

identificado inicialmente para la concentración de Pb se presentan a continuación

(i.e., ARIMA(1,1,0)):

(1) Como N‐d‐p·m a /σa = 0,0107 < 2, no hay evidencia de que la media del

proceso de ruido blanco sea distinta de cero. Es decir, {at} tiene media cero.

(2) El supuesto de varianza constante para {at} se verificó a través de la Figura

4.36, donde se apreció que no existió una violación importante de dicho supuesto.

(3) El valor de Q´ se comparó con las tablas de la distribución Ji-cuadrada con 17

grados de libertad. Los puntos porcentuales del 5 y 10% fueron 27,6 y 24,8,

respectivamente; por lo tanto se concluyó que el valor de Q´ = 15,96 no condujo

al rechazo de la hipótesis de que los residuales eran ruido blanco, aún al nivel de

significancia del 10%. Adicionalmente, el hecho de que no haya valores

individuales de las autocorrelaciones de los residuales fuera del intervalo ( 2/

= (-0,302; 0,302) brindó un mayor fundamento al supuesto de

independencia. Es decir, las variables aleatorias {at} son mutuamente

independientes.

(4) En la gráfica de los residuales se observó que solamente tres residuales se

encontraron fuera de la banda ( 2σa, 2σa , lo cual fue consistente con la idea de


242

que solamente el 5% de los residuales se encontraron fuera de dicha banda (ver

Figura 4.36); esto implicó que no existió violación de importancia al supuesto de

distribución normal para at.

(5) La gráfica de residuales contra tiempo permitió verificar que no existieron

observaciones anómalas (ver Figura 4.36). Es decir, por fuera del intervalo

( 3σa, 3σa ; lo que implicaría que sucedió un evento cuya probabilidad de

ocurrencia fue de aproximadamente 0,2% ó el residual en cuestión correspondió a

una observación que no fue generada por el mismo proceso del resto de la serie.

Por lo tanto, no existieron observaciones ajenas a la serie en estudio.

(6) Debido a que el intervalo de confianza para incluyó el valor cero (-0,550;

0,012), se pudo haber concluido que el parámetro debió ser cancelado. Sin

embargo como el cero se localizó cerca del límite superior del intervalo, se

asumió que este parámetro era probablemente necesario para explicar el

comportamiento del fenómeno (i.e., modelo parsimonioso). Como se pudo

observar, al aplicar estrictamente este supuesto, es decir al eliminar el parámetro

correspondiente al componente autorregresivo del modelo de la concentración de

Pb, éste tendría un proceso con una estructura temporal similar a la identificada

para la serie de la carga de PM10 (i.e., ARIMA (0,1,0)).

(7) El intervalo de confianza para se encontró totalmente incluido dentro de la

región admisible para modelos AR (1), que era el intervalo (-1,1). Por lo tanto, el

modelo fue admisible.

(8) Debido a que en el modelo solamente existió un parámetro de autorregresión y

una constante, no hubo redundancia de parámetros y era dudoso que el modelo

fuera inestable.

Finalmente, como una evaluación adicional para el modelo identificado y los

alternativos para la concentración de Pb asociada con el sedimento viario (ver

Tabla 4.30): ARIMA(1,1,0), ARIMA(0,1,0), y ARIMA (1,0,0), que superaron la


243

etapa de verificación de supuestos; se procedió a comparar su desviación estándar

residual. Los resultados mostraron para un mismo tipo de transformación (i.e.,

logarítmica) que los modelos ARIMA(1,1,0), ARIMA(0,1,0) y ARIMA (1,0,0)

presentaron una desviación estándar residual de 0,413, 0,428, y 0,401,

respectivamente. Por lo tanto, los resultados sugirieron el modelo ARIMA(1,0,0)

como el que mejor representó la serie de tiempo en estudio. Sin embargo, los tres

modelos ARIMA fueron satisfactorios para representar la serie de tiempo de la

concentración de Pb asociada con el sedimento viario (i.e., superaron la etapa de

verificación).

Los resultados de la verificación de los ocho supuestos para el modelo

identificado inicialmente para la carga viaria de PM10 se presentan a continuación

(i.e., ARIMA(0,1,0)):












independencia. Es decir, las variables aleatorias {at} fueron mutuamente

independientes.


244

(4) En la gráfica de los residuales se observó que solamente tres residuales se


que solamente el 5% de los residuales se encontraban fuera de dicha banda (ver







una observación que no fue generada por el mismo proceso del resto de la serie.

Por lo tanto, no existieron observaciones ajenas a la serie en estudio.

(6) y (7) No existió parámetro para verificar estos supuestos.

(8) Debido a que el modelo incluyó el operador de diferencia y una constante, no

hubo redundancia de parámetros y era dudoso que el modelo fuera inestable.

Finalmente, como una evaluación adicional para mejorar el ajuste del modelo

identificado inicialmente para la carga viaria de PM10: ARIMA(0,1,0), se procedió

a comparar su desviación estándar residual con el modelo alternativo:

ARIMA(0,1,0) sin transformación logarítmica natural (ver Tabla 4.30). Los

resultados mostraron que el modelo ARIMA(0,1,0) con transformación log

natural y ARIMA(0,1,0) sin transformación log natural presentaron un R2 de

0,543 y 0,595, respectivamente (ver Tabla 4.30). Por lo tanto, los resultados

sugirieron el modelo ARIMA(0,1,0) sin transformación log natural como el que

mejor representó la serie de tiempo en estudio. Sin embargo, los dos modelos

ARIMA fueron satisfactorios para representar la serie temporal de la carga viaria

de PM10 (i.e., superaron la etapa de verificación de supuestos).


245

Tabla 4.30 Parámetros para los modelos identificados y alternativos obtenidos mediante IBM-SPSS

Serie Modelo ARIMA Parámetros R2 (p,d,q) Transformación Ecuación ϕ ϴ0

PM10 (0,1,0) Logarítmica Wt θ0 at - -0,035 0,543 (0,1,0) Ninguna Wt θ0 at - -0,844 0,595

Pb (1,1,0) Logarítmica 1- B ·Wt θ0+at -0,269 -0,019 0,378 (0,1,0) Logarítmica Wt θ0 at - -0,019 0,370 (1,0,0) Logarítmica 1‐ B ·T Pbt θ0 at 0,701 4,226 0,508

La etapa de verificación mostró que los modelos identificados y alternativos para

las series de tiempo de la carga de PM10 y la concentración de Pb asociada con el

sedimento viario fueron satisfactorios para representar los dos fenómenos en

evaluación. A continuación se presentan los modelos definitivos con sus

correspondientes parámetros:

Wt = -0,844+at, (4.22)

para la serie de tiempo de la carga viaria de PM10. Donde Wt = (PM10t)-(PM10t-1).

1‐0,701B ·T Pbt 4,226 at, (4.23)

para la serie de tiempo de la concentración de Pb asociada con el sedimento

viario. Donde T(Pbt) = Ln(Pbt).

Desde el punto de vista del proceso ARIMA, se pudo observar que la serie de

tiempo de la concentración de Pb asociada con el sedimento viario tuvo una

memoria corta. Es decir, por ser un proceso autorregresivo de primer orden (AR

(1)) se evidenció que la concentración de Pb sobre las superficies viarias (i.e., el

hoy) estuvo influenciada por la concentración metálica del ayer. Por otro lado, y

desde el punto de vista de las diferencias, los resultados mostraron que el

fenómeno de la carga viaria de PM10 estuvo influenciado de manera consecutiva.

Es decir, la carga de PM10 estuvo influenciada por la carga inmediatamente

anterior: (PM10t) = PM10t-1-0,844+at. Por lo tanto, probablemente se trato de un

fenómeno de memoria corta al igual que el fenómeno de concentración de Pb


246

asociada con el sedimento viario. Chelani y Devotta (2005), y Vicente et al.

(2011) obtuvieron resultados similares al evaluar la contaminación del aire por

partículas, NO2, As, Cd, Ni y Pb; los investigadores identificaron un modelo

ARIMA AR(2); es decir, autorregresivo de segundo orden para una frecuencia de

muestreo diaria.

Adicionalmente, y como es sabido, existió la posibilidad de representar la serie

temporal de la concentración de Pb con un modelo ARIMA similar al de la carga

viaria de PM10 (i.e., ARIMA(0,1,0)). Es decir, existió la posibilidad de representar

las dos series de tiempo en evaluación a través de la misma estructura temporal

(ver Tabla 4.30). Finalmente es importante mencionar, que el ayer en la presente

investigación correspondió a tres días a partir de la frecuencia de recolección del

sedimento viario y de muestreo de PM10 en la ciudad de Soacha; adicionalmente,

la concentración de Pb asociada con el sedimento viario hizo referencia a la

fracción de tamaño inferior a 250 µm.

A partir de lo anterior, es decir, de la identificación, estimación y verificación de

los modelos univariados, se procedió a desarrollar un modelo de función de

transferencia. El objetivo fue relacionar las dos series temporales (i.e., PM10 y Pb)

para elaborar un modelo causal de predicción siguiendo las etapas expuestas

anteriormente. Como es sabido, en el establecimiento de las hipótesis para el

desarrollo del modelo se observó la probable existencia de una relación entre la

carga de PM10 y la concentración de Pb asociada con el sedimento en áreas

aledañas a superficies viarias. Es decir, se pudo esperar que existiera una relación

dinámica entre las variables en mención. Por lo tanto, probablemente se esperó

una relación de causalidad unidireccional de la carga de PM10 hacia la

concentración de Pb en el sedimento, dinámica, con un posible retardo a la hora

de dejar sentir sus efectos sobre la carga metálica de la superficie viaria. Sin

embargo, se observó la coincidencia entre los ciclos de la variable carga viaria de

PM10 y concentración de Pb en el sedimento (i.e., probablemente no existió

retardo) (ver Figura 4.38).


247

Figura 4.38 Series temporales para la carga viaria de PM10 y la concentración de

Pb en el sedimento viario para la Zona 1 (Soacha, Colombia)

(i) Identificación del modelo de función de transferencia: se consideró a partir del

establecimiento de las hipótesis que existió una causalidad unidireccional desde la

serie de tiempo de la carga viaria de PM10 (Xt) hacia la concentración de Pb

asociada con el sedimento viario (Yt), eliminando la posibilidad de

retroalimentación. Como se pudo observar, el modelo de función de transferencia

contó con una única entrada (Xt) y una única salida (Yt) correspondiendo a un

sistema relacionado por un filtro lineal de la siguiente forma (Box y Jenkins,

1970):

Yt=υ0Xt+υ1Xt-1+υ2Xt-2+ …+Nt=υ B Xt+Nt (24)

Donde . .. se refirió como función de transferencia del filtro de

Box y Jenkins (1970), y Nt correspondió al ruido del sistema que fue

independiente de la serie Xt. Los coeficientes de se conocieron como la

función de respuesta al impulso. Por lo tanto, el objetivo de la modelización de

función de transferencia fue identificar y estimar la función de transferencia

y el modelo del ruido Nt, sobre la base de la información que proporcionaron la

series temporales de la carga de PM10 (i.e., variable independiente: Xt) y de la

concentración de Pb asociada con el sedimento viario (i.e., variable dependiente:

Yt).

0

20

40

60

80

100

120

0

50

100

150

200

250

300

0 10 20 30 40 50

PM10(µg/m

3)

Pb‐Sedim

ento (µg/g)

No. de muestreo

Pb

PM10


248

El modelo obtenido para la variable de entrada (Xt): carga de viaria de PM10, se

pudo apreciar en la Ecuación 4.22. Este modelo fue el que se utilizó para realizar

el preblanqueo de la variable de salida (Yt): concentración de Pb en el sedimento

(ver Ecuación 4.23); para determinar la función de transferencia (Pankratz, 1991).

Se calculó la función de correlación cruzada estimada, obteniéndose la función de

respuesta al impulso que se presenta en la Figura 4.39. Como se pudo observar,

sólo se apreció al retardo 0 estadísticamente significativo (i.e., no existió retardo);

de manera que la respuesta al impulso fue ω0B0, es decir (b,s,h) = (0,0,0). Así, el

modelo de función de transferencia fue:

1‐ B ln Pb ω0 PM10 Nt (25)

Figura 4.39 Función de correlación cruzada entre PM10 y Pb. Línea límite de confianza ±0,298; establecida según Bartlett (1946)

Una vez identificada la función de transferencia se estimó la serie del ruido (Nt), y

se procedió a identificar el proceso ARMA generador de los residuos mediante

sus funciones de autocorrelación simple (FAC) y parcial (FACP) muestral (ver

Figura 4.40). Como se pudo observar, al realizar la identificación del modelo del

ruido se encontró que los residuos seguían un proceso ARMA (0,0). Por lo tanto,

el modelo de función de transferencia completo fue el siguiente:

1‐ B ln Pb ω0 PM10 θ0 at (26)

Adicionalmente, se identificaron dos datos atípicos que se incluyeron en el

modelo de función de transferencia completo. Los datos atípicos estuvieron

‐0,4‐0,3‐0,2‐0,10,00,10,20,30,40,50,60,70,8

‐7 ‐6 ‐5 ‐4 ‐3 ‐2 ‐1 0 1 2 3 4 5 6 7

Correlación cruzada (v k)

No. de retardos


249

localizados en los tiempos 12 (03/02/2010) y 18 (17/02/2010). Estos datos

correspondieron a valores mínimos en la carga viaria de PM10 y la concentración

de Pb asociada con el sedimento viario, los cuales antecedieron (i.e., el dato 12) y

siguieron (i.e., el dato 18) a las máximas magnitudes de las variables en

evaluación (ver Figura 4.41).

a)

b)

Figura 4.40 FAC (a) y FACP (b) muestral para Nt de la función de transferencia


(07/01/2010-14/05/2010; 127 días) se presentaron nueve períodos de lluvia. A

partir de lo anterior se identificaron dos períodos en las áreas de estudio con

respecto de la precipitación: (i) época seca entre 07/01-08/02/2010, y (ii) época de

lluvias entre 09/02-14/05/2010 (ver Figuras 4.21 y 4.22). Se compararon las dos

épocas identificadas con la carga en suspensión de la Zona 1, observándose que en

la época seca la carga viaria de PM10 fue mayor: 60,2 µg/m3; mientras que la

carga viaria de PM10 en la época de lluvias fue 1,92 veces menor. Como se pudo

observar, las mayores cargas de PM10 se presentaron durante el final de la época

seca y en la transición entre la época seca y de lluvias (ver Figura 4.22). El

‐0,5

0,0

0,5

1,0


No. de retardos

‐0,5

0,0

0,5

1,0


No. de retardos


250

anterior comportamiento probablemente se debió a la suspensión de partículas

inducida por el tráfico y el viento sobre la superficie viaria y áreas aledañas de la

zona en estudio, es decir, en época seca la susceptibilidad de suspensión de una

partícula fue mayor con respecto de la época de lluvias. En este sentido, es

importante resaltar que la velocidad media del viento durante el periodo de

estudio fue de 2,42 m/s, con magnitudes de hasta 7,50 m/s al final de la época

seca (31/01/2010). Adicionalmente, en la época de lluvias probablemente la

humedad del sedimento viario condicionó su adherencia a la superficie y, por lo

tanto, se requirió de un mayor esfuerzo por parte del tráfico y el viento para ser

suspendido (ver Capítulo 4, apartado 4.3.3.1).

A partir de lo anterior, los dos valores atípicos fueron modelados de la siguiente

manera: (i) el dato atípico localizado en el tiempo 12 (03/02/2010) fue tratado

como del tipo innovador; es decir, en la serie de tiempo afectó a cada observación

a partir de un punto específico de inicio en la serie temporal (i.e., 03/02/2010;

FEB03); (ii) el dato atípico localizado en el tiempo 18 (17/02/2010; FEB17) fue

igualmente tratado como del tipo innovador (ver Figura 4.41).

Figura 4.41 Gráfica de los residuales del modelo para Nt. Línea límite para

±2∙desviaciones estándar residual (identificación de datos atípicos)

4.3.4.4 Estimación de parámetros del modelo

Esta etapa tuvo como objetivo principal determinar los mejores valores para los

parámetros del modelo de función de transferencia. El método estadístico


‐1,5

‐1

‐0,5

0

0,5

1

1,5

0 4 8 12 16 20 24 28 32 36 40 44 48 52

Nt

t


251


para ϕ, ϴ0 y ω0 (ver Ecuación 4.26) basado en el algoritmo propuesto por

Marquardt (1963), que actualmente es utilizado por varios paquetes de cómputo

estadístico y que permitió obtener las estimaciones puntuales de los parámetros.

Nuevamente, el paquete estadístico utilizado en la presente investigación fue

IBM-SPSS (Statistical Package for the Social Sciences, Versión 18.0.0). La

estimación del modelo de función de transferencia fue la siguiente

(ARIMA(1,0,0)):

1-0,555B ln Pb = -0,832FEB03+0,282FEB17 +0,022 (PM10) +3,391+ (4.27)

Los resultados de la estimación para el modelo de función de transferencia se

presentan a continuación:

Parámetro Estimación Error típico Estadístico t Significancia

ϕ 0,555 0,121 4,578 0,000

ϴ 3,391 0,099 34,247 0,000

ω0 0,022 0,002 11,192 0,000

aFEB03 -0,832 0,195 -4,258 0,000

bFEB17 0,282 0,201 1,404 0,016

- Intervalo del 95% de confianza para el parámetro : 1,96· 1‐ 2 / N‐d ; es

decir, (0,312; 0,798).

- Media de los residuales, m a : -0,001739.



Tabla 4.31 Autocorrelaciones para los residuales del modelo de función de

transferencia k 1 2 3 4 5 6 7 8 9 10 11 12 rk -,083 ,078 -,045 ,060 -,019 -,011 -,004 ,086 -,114 ,135 -,277 ,005 k 13 14 15 16 17 18 19 20 21 22 23 24rk -,047 ,004 -,149 ,104 -,103 -,087 -,026 ,048 -,050 -,037 -,100 -,091


252




Figura 4.42 Gráfica de los residuales del modelo de función de transferencia.

Línea límite para ±2∙desviaciones estándar residual

4.3.4.5 Verificación del modelo

Esta etapa tuvo como propósito verificar que el modelo de función de

transferencia identificado proporcionó un ajuste adecuado y de que los supuestos

básicos implícitos en el modelo se cumplieron. De lo contrario, se repitieron las

etapas anteriores hasta que la verificación indicó resultados aceptables. En la

etapa de verificación de la metodología propuesta por Box y Jenkins (1970) se

propusieron ocho supuestos de evaluación para un modelo de función de

transferencia.

Los resultados de la verificación de los ocho supuestos para el modelo se

presentan a continuación:





‐0,5

‐0,4

‐0,3

‐0,2

‐0,1

0

0,1

0,2

0,3

0,4

0 4 8 12 16 20 24 28 32 36 40 44at

t


253








independencia. Es decir, las variables aleatorias {at} son mutuamente

independientes.

(4) En la gráfica de los residuales se observó que solamente dos residuales se


que solamente el 5% de los residuales se encontraban fuera de dicha banda (ver







una observación que no fue generada por el mismo proceso del resto de las series.

Por lo tanto, no existieron observaciones ajenas a las series en estudio.

(6) Debido a que el intervalo de confianza para no incluyó el valor cero (0,312;

0,798), se concluyó que este parámetro no debió ser cancelado. Es decir, este

parámetro fue necesario para explicar el comportamiento del fenómeno (i.e.,

modelo parsimonioso).

(7) El intervalo de confianza para se encontró totalmente incluido dentro de la

región admisible para modelos AR (1), que era el intervalo (-1,1). Por lo tanto, el

modelo fue admisible.


254

(8) Debido a que en el modelo solamente existió un parámetro de autorregresión y

una constante, no hubo redundancia de parámetros y era dudoso que el modelo

fuera inestable.

Como se pudo observar, el modelo de función de transferencia superó los ocho

supuestos de verificación. A partir de lo anterior, se consideró que el modelo de

función de transferencia fue satisfactorio para describir la relación de causalidad

unidireccional de la carga viaria de PM10 hacia la concentración de Pb asociada

con el sedimento viario.

Desde el punto de vista de la transferencia del impulso desde la carga viaria de

PM10 hacia la concentración de Pb en el sedimento, se pudo observar que no

existió retardo (i.e., cero); de esta manera el efecto fue inmediato. La anterior

tendencia probablemente se debió a la localización de la estación de monitoreo de

PM10 con respecto del bordillo de la superficie viaria de investigación en la Zona

1 (Soacha, Colombia): 5 m de distancia. Por lo tanto los resultados sugirieron en

el presente estudio, que en áreas aledañas a las superficies viarias la relación

temporal entre la carga de PM10 y la concentración de Pb asociada con el

sedimento fue inmediata. Lo anterior, fue valido para distancias menores de 5 m

con respecto del bordillo de la vía en evaluación, para una frecuencia de muestreo

de cada tres días (i.e., para PM10 y Pb), y para la fracción de tamaño inferior a 250

µm del sedimento viario.

Finalmente, es importante resaltar que en la Zona 2 de la ciudad de Soacha no se

logró desarrollar un modelo ARIMA adecuado para pronosticar la concentración

de Pb asociada con el sedimento viario a partir de la carga viaria de PM10 (R2 =

0,30); con respecto del modelo ARIMA desarrollado para la Zona 1 de la ciudad

de Soacha (R2 = 0,91). Nuevamente es importante mencionar, que la estación de

monitoreo de PM10 en la Zona 2 se localizó a 340 m con respecto de la superficie

viaria de investigación.


255

4.3.4.6 Análisis del pronóstico

En esta etapa se procedió a evaluar los valores obtenidos por el modelo para la

concentración de Pb asociada con el sedimento viario a partir de la carga de PM10

en la Zona 1 de la ciudad de Soacha. En la presente investigación no se reservaron

observaciones para realizar la evaluación del pronóstico del modelo; es decir, se

emplearon las mismas observaciones que se utilizaron en la identificación,

estimación y verificación del modelo. Igualmente, se empleó el paquete IBM-

SPSS para obtener los estadísticos de ajuste para el modelo ARIMA.

Inicialmente, se estudiaron los estadísticos del modelo para evaluar la bondad del

ajuste en el modelado de la serie temporal en la Zona 1 de la ciudad de Soacha

(ver Tabla 4.32). Como se pudo observar, se realizó una estimación de la

proporción de la varianza total en la serie que explicó el modelo (R2 = 0,91); de

esta manera, la carga viaria de PM10 en la Zona 1 explicó 91% de la variación de

la concentración de Pb asociada con el sedimento viario. Adicionalmente, el

ajuste del modelo de función de transferencia fue mejor que el ajuste obtenido

para los modelos de las series temporales de la carga viaria de PM10 (R2 = 0,60) y

la concentración de Pb asociada con el sedimento viario (R2 = 0,51) (i.e., los

modelos univariantes).

Tabla 4.32 Estadísticos de ajuste para el modelo de función de transferencia en la Zona 1 (Soacha, Colombia)

R2 MAPE MAE MaxAPE MaxAE % mg/kg % mg/kg

0,91 15,21 11,36 53,57 52,12 MAPE: error absoluto porcentual promedio; MAE: error absoluto promedio; MaxAPE:

error absoluto porcentual máximo; MaxAE: error absoluto máximo

El error absoluto promedio (MAE) mostró que la serie temporal de la

concentración de Pb asociada con el sedimento viario en la Zona 1 se desvío en

promedio 11,36 mg/kg con respecto del nivel pronosticado por el modelo de

función de transferencia ARIMA. Igualmente, el error absoluto porcentual

promedio (MAPE) evidenció una desviación promedio de la serie temporal

dependiente (i.e., concentración de Pb) del 15,21% con respecto del nivel


256

pronosticado por el modelo. Con el objeto de detectar el peor de los casos en la

predicción, se procedió a determinar el máximo error absoluto promedio (MaxAE:

52,12 mg/kg) y porcentual (MaxAPE: 53,57%). Los resultados evidenciaron que

los máximos errores en el pronóstico tendieron a presentarse en la época seca

(p.ej., 10/02/2010), y los menores errores tendieron a presentarse en la época de

lluvias (p.ej., 10/05/2010) (ver Figura 4.43); lo anterior, a partir de los períodos

identificados en la ciudad de Soacha con respecto de la precipitación: (i) época

seca entre 07/01-08/02/2010, y (ii) época de lluvias entre 09/02-14/05/2010.

Como es sabido, en la época seca se presentaron las mayores concentraciones de

Pb en el sedimento, y en la época de lluvias se presentaron las menores

concentraciones. De esta manera, el modelo desarrollado tendió a presentar un

mejor ajuste (i.e., pronóstico) en la época de lluvias (ver Figura 4.43).

Figura 4.43 Límites de confianza para los pronósticos del modelo de función de

transferencia ARIMA para la concentración de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia)

Finalmente, se determinaron los límites de confianza para los pronósticos

realizados de la concentración de Pb asociada con el sedimento viario en la Zona

1 (Soacha) con el objeto de evaluar posibles escenarios en la serie temporal; para

un nivel de confianza de 95% (ver Figura 4.43). Los resultados mostraron, como

era de esperar, que en la época seca se presentaron las mayores concentraciones

de Pb en el sedimento viario a partir del límite superior del intervalo de confianza;

la concentración pudo alcanzar valores de hasta de 378 µg/g ó mg/kg. Es decir, en

0

50

100

150

200

250

300

350

400

2/01/2010

12/01/2010

22/01/2010

1/02/2010

11/02/2010

21/02/2010

3/03/2010

13/03/2010

23/03/2010

2/04/2010

12/04/2010

22/04/2010

2/05/2010

12/05/2010

Pb‐Sedimento (µg/g)

Fecha

Pb

Pronóstico

L.Superior

L.Inferior


257

tiempo seco existió la probabilidad de alcanzar concentraciones de hasta 4,68

veces por encima de la concentración promedio de Pb para la totalidad del período

de muestreo (i.e. 80,7 µg/g).

En la época de lluvias, como era de esperar, se presentaron los valores más bajos

en la concentración metálica con respecto del límite inferior del intervalo de

confianza; la concentración de Pb en la fracción de tamaño inferior a 250 µm del

sedimento viario pudo alcanzar valores de hasta 20,2 µg/g. De esta manera, en

tiempo de lluvias existió la probabilidad de alcanzar concentraciones de hasta 4,0

veces por debajo de la concentración promedio de Pb para la totalidad del período

en evaluación (i.e. 80,7 µg/g).

4.3.5 FASE 5. Evaluación metálica asociada con el sedimento viario a partir de

información del material en suspensión

El objetivo de la última fase del desarrollo metodológico fue pronosticar y evaluar

la distribución por fracción de tamaño de la concentración metálica asociada con

el sedimento viario de la Zona 1 en la ciudad de Soacha (Colombia). Las


pronosticar y evaluar la distribución de la concentración metálica asociada con el

sedimento viario por fracción de tamaño (mg/kg ó µg/g), y (ii) pronosticar y

evaluar la distribución de la carga metálica asociada con el sedimento viario por

fracción de tamaño (g/m2 ó %/m2). Las fracciones de tamaño evaluadas fueron las

siguientes: < 63, 63-125, 125-250, 250-500, 500-1000, 1000-2000 y 2000-2800

µm.

A continuación se describen cada una de las actividades desarrolladas en la


material en suspensión (i.e., PM10).

4.3.5.1 Evaluación de la concentración metálica asociada con el sedimento viario


258

Esta actividad se enfocó en el pronóstico y análisis de la distribución de la

concentración metálica asociada con el sedimento viario a partir de información

del material en suspensión (i.e., PM10) de la Zona 1 en la ciudad de Soacha. Por lo

tanto, la evaluación metálica tuvo en cuenta lo siguiente: (i) el pronóstico y

análisis de la concentración de Pb para la fracción de tamaño inferior a 250 µm

del sedimento viario se realizó a través del modelo de función de transferencia

(ARIMA), desarrollado en la fase anterior de la metodología propuesta (i.e., Fase

4); (ii) por otro lado, el pronóstico y análisis de la distribución de la concentración

de Pb en las diferentes fracciones de tamaño se realizó a través del modelo

obtenido en la Fase 2 de la presente propuesta metodológica; (iii) finalmente, el

pronóstico y análisis de la concentración para los elementos metálicos diferentes

de Pb se realizó a través de las relaciones detectadas en las campañas de campo

adelantadas en las ciudades de Torrelavega y Soacha (ver Figura 4.44).

Figura 4.44 Diagrama de flujo para la evaluación de la concentración metálica

asociada con el sedimento viario a partir de información del material en suspensión

Es importante mencionar que gran parte de los análisis para la evaluación de la

concentración metálica asociada con el sedimento viario fueron expuestos en la

Fase 2 de la metodología propuesta (ver Capítulo 4, apartado 4.3.2.3); de esta

manera, en este apartado se prestó especial atención a los valores pronosticados

Carga viaria de PM10

Modelo ARIMA

Concentración de Pb asociada con el sedimento viario (< 250 µm)

Modelo de distribución de la concentración y carga de Pb por fracción de tamaño

Concentración metálica asociada con el sedimento

viario (< 250 µm): Cu, Zn, Cd, Fe, Mn, Ba y As.

Modelo de distribución de la concentración y carga

metálica por fracción de tamaño: Cu, Zn, Cd, Fe, Mn,

Ba y As.


259

por los modelos desarrollados en la presente investigación para la Zona 1 de la

ciudad de Soacha (Colombia).

4.3.5.1.1 Evaluación de la concentración de Pb asociada con el sedimento viario a

partir de información de PM10 (modelo ARIMA)

Con el objeto de realizar una evaluación del pronóstico a partir de los periodos

identificados en la ciudad de Soacha con respecto de la precipitación: época seca

entre 07/01-08/02/2010, época de transición entre 09/02-25/03/2010, y época de

lluvias entre 26/03-14/05/2010, se procedió a seleccionar dos fechas para cada

época (ver Figura 4.45). Se realizó una evaluación puntual para dos fechas en

tiempo seco, dos fechas en la época de transición, y dos fechas en tiempo de

lluvia; coincidiendo con los episodios que presentaron valores extremos en la

concentración metálica; es decir, valores máximo y mínimo en la concentración

de Pb asociada con el sedimento viario (i.e., fracción de tamaño < 250 µm).

En la época seca se pronosticó para las siguientes fechas la concentración de Pb

asociada con el sedimento viario a partir de la carga viaria de PM10: 15/01/2010

(máximo) y 03/02/2010 (mínimo). Los resultados mostraron para 15/01/2010, que

la concentración pronosticada de Pb en el sedimento a través del modelo ARIMA

(i.e., para PM10 = 80,4 µg/m3) fue de 170,3 µg/g, y el valor medido fue de 173,5

µg/g; es decir, existió un error absoluto en el pronóstico del 1,9%. Por otro lado,

para 03/02/2010 el pronóstico en la concentración de Pb a través del modelo

ARIMA (i.e., para PM10 = 41,1 µg/m3) fue de 37,4 µg/g, y el valor medido fue de

36,7 µg/g; es decir, existió un error absoluto en el pronóstico del 1,9% (ver Figura

4.46). Como se pudo observar, los errores de pronóstico para los dos valores

extremos fueron menores con respecto del error absoluto porcentual promedio

obtenido para toda la serie temporal (MAPE = 15,21%). Sin embargo, existió un

pronóstico intermedio que alcanzó un error absoluto de 53,57% (20/01/2010); este

dato correspondió al máximo error de pronóstico presentado para toda la serie

temporal (ver Figura 4.46).


260

Figura 4.45 Períodos climáticos identificados a partir de la precipitación en la

Zona 1 (Soacha); variación de la concentración de Pb en el sedimento viario para tiempo a) seco, b) de transición, y c) de lluvias

En la época de transición se pronosticó para las siguientes fechas la concentración

de Pb asociada con el sedimento viario a partir de la carga viaria de PM10:

12/02/2010 (máximo) y 26/02/2010 (mínimo). Los resultados mostraron para

12/02/2010, que la concentración pronosticada de Pb en el sedimento a través del

modelo ARIMA (i.e., para PM10 = 98,4 µg/m3) fue de 262,2 µg/g, y el valor

medido fue de 237,3 µg/g; es decir, existió un error absoluto en el pronóstico del

10,5%. Por otro lado, para 26/02/2010 el pronóstico en la concentración de Pb a

través del modelo ARIMA (i.e., para PM10 = 24,3 µg/m3) fue de 61,3 µg/g, y el

valor medido fue de 40,4 µg/g; es decir, existió un error absoluto en el pronóstico

del 51,7%; correspondiendo al segundo error máximo registrado para toda la serie

temporal. Como se pudo observar, el error absoluto de pronóstico para el valor

extremo de 12/02/2010 fue menor con respecto del error absoluto porcentual

promedio obtenido para toda la serie temporal (MAPE = 15,21%). Sin embargo,

el error para el valor extremo de 26/02/2010 fue considerablemente mayor con

respecto del MAPE de la serie temporal (ver Figura 4.46).

En la época de lluvias se pronosticó para las siguientes fechas la concentración de

Pb asociada con el sedimento viario a partir de la carga viaria de PM10:

05/03/2010 (máximo) y 07/05/2010 (mínimo). Los resultados mostraron para

0

50

100

150

200

250

0

5

10

15

20

25

30

35

07

/01

/20

10

14

/01

/20

10

21

/01

/20

10

28

/01

/20

10

04

/02

/20

10

11/0

2/2

010

18

/02

/20

10

25

/02

/20

10

04

/03

/20

10

11/0

3/2

010

18

/03

/20

10

25

/03

/20

10

01

/04

/20

10

08

/04

/20

10

15

/04

/20

10

22

/04

/20

10

29

/04

/20

10

06

/05

/20

10

13

/05

/20

10

Co

nce

ntra

ció

n m

etá

lica

(µg

/g)

Pre

cip

itaci

ón (m

m)

Fecha

Precipitación Pb

a b c


261

05/03/2010, que la concentración pronosticada de Pb en el sedimento a través del

modelo ARIMA (i.e., para PM10 = 48,0 µg/m3) fue de 76,5 µg/g, y el valor

medido fue de 96,7 µg/g; es decir, existió un error absoluto en el pronóstico del

26,5%. Por otro lado, para 07/05/2010 el pronóstico en la concentración de Pb a

través del modelo ARIMA (i.e., para PM10 = 24,3 µg/m3) fue de 31,4 µg/g, y el

valor medido fue de 24,7 µg/g; es decir, existió un error absoluto en el pronóstico

del 27,3%. Como se pudo observar, los errores de pronóstico para los dos valores

extremos fueron mayores con respecto del error absoluto porcentual promedio

obtenido para toda la serie temporal (MAPE = 15,21%) (ver Figura 4.46).

Figura 4.46 Pronóstico del modelo de función de transferencia ARIMA para la

concentración de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia)

El error absoluto promedio para la época seca, de transición y de lluvias fue de

16,1, 17,2 y 16,2%, respectivamente. Por lo tanto, los resultados sugirieron que el

error absoluto en el pronóstico de la concentración de Pb asociada con el

sedimento viario fue probablemente independiente de la época en evaluación; es

decir, tendió a ser similar para las tres épocas identificadas a pesar de que en la

época seca y de transición se presentaron las mayores variaciones y

concentraciones de Pb asociadas con el sedimento viario de la Zona 1 (Soacha).

Sin embargo, los mayores errores de pronóstico en la serie temporal se

presentaron en la época seca y de transición: 53,6% (20/01/2010) y 51,7%

(26/02/2010), respectivamente. Finalmente, y como es sabido, las concentraciones

0

50

100

150

200

250

300

2/01/2010

12/01/2010

22/01/2010

1/02/2010

11/02/2010

21/02/2010

3/03/2010

13/03/2010

23/03/2010

2/04/2010

12/04/2010

22/04/2010

2/05/2010

12/05/2010


Fecha

Pb Pronóstico


262

de Pb asociadas con el sedimento viario tendieron a ser mayores en la época seca

y de transición (ver Figura 4.46); adicionalmente, se observó que no existió

relación entre la altura de precipitación y la concentración de Pb asociada con el

sedimento viario (ver Capítulo 4, apartado 4.3.3). Las anteriores observaciones

podrán ser de utilidad para las instituciones encargadas de la gestión de la

contaminación superficial en la Zona 1 de la ciudad de Soacha, para diseñar y

evaluar las prácticas de control de la contaminación metálica presente sobre las

superficies viarias de investigación; como por ejemplo, el establecimiento de la

frecuencia del barrido viario en la época seca, de transición, y de lluvias.

4.3.5.1.2 Evaluación de la distribución por fracción de tamaño de la concentración

de Pb asociada con el sedimento viario (modelo determinista)

A partir de las campañas de campo adelantadas en las ciudades de Torrelavega y

Soacha se logró desarrollar un modelo determinista para pronosticar y evaluar la

distribución de la concentración de Pb a través de las diferentes fracciones de

tamaño del sedimento viario: < 63, 63-125, 125-250, 250-500, 500-1000, 1000-

2000 y 2000-2800 µm. El modelo obtenido en la Zona 1 fue el siguiente (tipo

exponencial; R2 = 0,95):

HMC A·e‐B·d (4.28)

Donde HMC representó la concentración de Pb en mg/kg ó µg/g de materia seca;

A y B fueron parámetros para cada metal pesado (adimensional), que en este caso

para Pb de la Zona 1: B = 0,37 (ver Tabla 4.33); y d el diámetro de la partícula en

milímetros (límite superior de cada fracción de tamaño) (ver Capítulo 4 apartado

4.3.2.3). De esta manera se determinó el valor del parámetro A, es decir, a partir

de la concentración de Pb pronosticada por el modelo ARIMA para la fracción de

tamaño inferior a 250 µm.


263

Tabla 4.33 Coeficiente B para el modelo exponencial de la concentración de metales pesados por fracción de tamaño (Torrelavega y Soacha)

Metal Pesado Pb Zn Cu Cr Ni Cd Fe Mn Co Ba As

Torrelavega Zona 1 0,30 0,97 0,57 0,46 0,54 0,77 0,46 0,87 0,65 - -

Torrelavega Zona 2 0,42 0,90 0,65 0,50 0,51 0,57 0,44 0,75 0,70 - -

Soacha Zona 1 0,37 0,94 0,58 - - 0,72 0,46 0,82 - 0,93 0,69

Soacha Zona 2 0,39 0,90 0,64 - - 0,68 0,51 0,77 - 0,95 0,85

Con el objeto de realizar una evaluación del pronóstico a partir de los periodos



lluvias entre 26/03-14/05/2010; se procedió a seleccionar una fecha para cada

época. Es decir, se realizó una evaluación puntual para cada época coincidiendo

con los valores que presentaron el mayor error de pronóstico en la concentración

de Pb a partir del uso del modelo ARIMA de la Zona 1 (Soacha).

En la época seca se pronosticó para la siguiente fecha la distribución por fracción

de tamaño de la concentración de Pb asociada con el sedimento viario, a partir de

la concentración de Pb asociada con la fracción de tamaño inferior a 250 µm (i.e.,

modelo ARIMA): 20/01/2010 (error de pronóstico: +53,57%). Los resultados

mostraron que la concentración pronosticada de Pb para la fracción tamaño

inferior a 250 µm del sedimento viario fue de 87,7 µg/g; a partir de la anterior

concentración, se estimó el parámetro A (96,2) y se procedió a determinar la

concentración de Pb asociada con cada fracción de tamaño (ver Ecuación 28): <

63 (94,0), 63-125 (91,9), 125-250 (87,7), 250-500 (80,0), 500-1000 (66,5), 1000-

2000 (45,9), y 2000-2800 µm (34,1 µg/g). Las concentraciones medidas por

fracción de tamaño en la Zona 1 de la ciudad de Soacha para la fecha en

evaluación fueron las siguientes: < 63 (75,2), 63-125 (67,5), 125-250 (57,1), 250-

500 (65,2), 500-1000 (58,9), 1000-2000 (43,5), y 2000-2800 µm (32,9 µg/g) (ver

Figura 4.47). El error promedio en el pronóstico de la distribución de la

concentración de Pb para todas las fracciones de tamaño fue de 22,8% (i.e., de

sobreestimación); adicionalmente se observó que los mayores errores en el


264

pronóstico se presentaron para las fracciones de tamaño inferiores a 250 µm

(promedio: 38,3%); el error promedio para las fracciones de tamaño mayores a

250 µm fue de 11,2% (ver Figura 4.47).

Figura 4.47 Pronóstico y valores observados para la distribución por fracción de

tamaño de la concentración de Pb asociada con el sedimento viario de 20/01/2010 en la Zona 1 (Soacha, Colombia)

En la época de transición se pronosticó para la siguiente fecha la distribución por

fracción de tamaño de la concentración de Pb asociada con el sedimento viario, a

partir de la concentración de Pb asociada con la fracción de tamaño inferior a 250

µm (i.e., modelo ARIMA): 26/02/2010 (error de pronóstico: +51,8%). Los

resultados mostraron que la concentración pronosticada de Pb para la fracción

tamaño inferior a 250 µm del sedimento viario fue de 61,3 µg/g; a partir de la

anterior concentración, se estimó el parámetro A (67,2) y se procedió a determinar

la concentración de Pb asociada con cada fracción de tamaño (ver Ecuación 28): <

63 (65,7), 63-125 (64,2), 125-250 (61,3), 250-500 (55,9), 500-1000 (46,5), 1000-

2000 (32,1), y 2000-2800 µm (23,9 µg/g). Las concentraciones medidas en la

Zona 1 de la ciudad de Soacha para la fecha en evaluación fueron las siguientes: <

63 (50,2), 63-125 (47,9), 125-250 (40,4), 250-500 (46,2), 500-1000 (39,3), 1000-

2000 (30,4), y 2000-2800 µm (23,1 µg/g) (ver Figura 4.48). El error promedio en

el pronóstico de la distribución de la concentración de Pb para todas las fracciones

de tamaño fue de 23,6% (i.e., de sobreestimación); adicionalmente se observó que

los mayores errores en el pronóstico se presentaron para las fracciones de tamaño

30,0

40,0

50,0

60,0

70,0

80,0

90,0

100,0

10 100 1000 10000


Diámetro (µm)

Observado

Pronóstico


265

inferiores a 250 µm (promedio: 38,9%); el error promedio para las fracciones de

tamaño mayores a 250 µm fue de 12,2% (ver Figura 4.48).



Adicionalmente en la época de transición, se evaluó el dato que presentó la mayor

concentración de Pb asociada con el sedimento viario para todo el período en

estudio: 12/02/2010 (ver Figura 4.46). Los resultados mostraron que la

concentración medida de Pb para la fracción tamaño inferior a 250 µm del

sedimento viario fue de 237,3 µg/g y la pronosticada por el modelo ARIMA fue

de 262,2 µg/g (error absoluto del 10,5%); a partir de la última concentración, se

estimó el parámetro A (287,6) y se procedió a determinar la concentración de Pb

asociada con cada fracción de tamaño (ver Ecuación 28): < 63 (281,0), 63-125

(274,6), 125-250 (262,2), 250-500 (239,0), 500-1000 (198,6), 1000-2000 (137,2),

y 2000-2800 µm (102,1 µg/g). El error promedio en el pronóstico de la

distribución de la concentración de Pb para todas las fracciones de tamaño fue de

12,3% (i.e., de sobreestimación); nuevamente se observó que los mayores errores

en el pronóstico se presentaron para las fracciones de tamaño inferiores a 250 µm

(promedio: 18,7%); el error promedio para las fracciones de tamaño mayores a

250 µm fue de 7,1%. Como se pudo observar, la magnitud del error en la

determinación de la distribución por fracción de tamaño de la concentración de Pb

fue similar a la obtenida para las anteriores fechas de evaluación.

20

30

40

50

60

70

10 100 1000 10000

Pb‐Sedim

ento (µg/g)

Diámetro (µm)

Observado

Pronóstico


266

Finalmente en la época de lluvias se pronosticó para la siguiente fecha la

distribución por fracción de tamaño de la concentración de Pb asociada con el

sedimento viario, a partir de la concentración de Pb asociada con la fracción de

tamaño inferior a 250 µm (i.e., con el modelo ARIMA): 10/03/2010 (error de

pronóstico: -38,6%). Los resultados mostraron que la concentración pronosticada

de Pb para la fracción tamaño inferior a 250 µm del sedimento viario fue de 69,8

µg/g (i.e., con el modelo ARIMA); a partir de la anterior concentración, se estimó

el parámetro A (76,6) y se procedió a determinar la concentración de Pb asociada

con cada fracción de tamaño (ver Ecuación 28): < 63 (74,8), 63-125 (73,1), 125-

250 (69,8), 250-500 (63,6), 500-1000 (52,9), 1000-2000 (36,5), y 2000-2800 µm

(27,2 µg/g). Las concentraciones medidas por fracción de tamaño en la Zona 1 de

la ciudad de Soacha para la fecha en evaluación fueron las siguientes: < 63 (85,3),

63-125 (75,1), 125-250 (85,0), 250-500 (72,2), 500-1000 (52,7), 1000-2000

(35,2), y 2000-2800 µm (25,5 µg/g) (ver Figura 4.49). El error promedio en el

pronóstico de la distribución de la concentración de Pb para todas las fracciones

de tamaño fue de 20,6% (i.e., de subestimación); nuevamente se observó que los

mayores errores en el pronóstico se presentaron para las fracciones de tamaño

inferiores a 250 µm (promedio: 28,5%); el error promedio para las fracciones de

tamaño mayores a 250 µm fue de 14,7% (ver Figura 4.49).



20

30

40

50

60

70

80

90

100

110

10 100 1000 10000


Diámetro (µm)

Observado

Pronóstico


267

Como se pudo observar a partir de las anteriores tendencias para las épocas en

estudio, la magnitud en los errores de pronóstico de la distribución por fracción de

tamaño de la concentración de Pb en el sedimento viario fueron similares; es

decir, fueron probablemente independientes de la época: seca, de transición y de

lluvias; a pesar de que en la época seca y de transición se presentaron las mayores

variaciones y concentraciones de Pb asociadas con el sedimento viario de la Zona

1 (Soacha). Adicionalmente, se observó que el pronóstico en la distribución de la

concentración de Pb tendió a mejorar a medida que aumentó la fracción de tamaño

del sedimento viario.

Por otro lado los resultados mostraron para todo el período en estudio, que el error

absoluto promedio en el pronóstico de la distribución de la concentración de Pb

asociada con las fracciones del sedimento viario fue el siguiente: < 63 (13,9%),

63-125 (7,5%), 125-250 (9,5%), 250-500 (9,6%), 500-1000 (9,6%), 1000-2000

(3,8%), y 2000-2800 µm (1,3%); con un promedio para todas las fracciones de

tamaño de 7,9% (ver Figura 4.50). Como se pudo observar en los pronósticos, la

concentración de Pb tendió a aumentar con la disminución en la fracción de

tamaño del sedimento viario. Pitt y Amy (1973), Ellis y Revitt (1982), Sansalone

y Tribouillard (1999), German y Svensson (2002), y Deletic y Orr (2005)

encontraron resultados similares.

Figura 4.50 Pronóstico y valores observados promedios para la distribución de la

concentración de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia)

20

30

40

50

60

70

80

90

100

110

10 100 1000 10000

Pb‐Sedim

ento (µg/g)

Diámetro (µm)

Observado

Pronóstico


268

Al incluir a PM10 se obtuvo la distribución completa para la concentración de Pb

asociada con el sedimento y las partículas en suspensión de la vía en estudio

(Zona 1, Soacha): < 10 (1817), < 63 (99), 63-125 (79), 125-250 (74), 250-500

(81), 500-1000 (56), 1000-2000 (44), y 2000-2800 µm (32 µg/g). A partir de lo

anterior, se sugirió que la concentración de Pb asociada con PM10 (i.e.,

potencialmente respirable) fue 22,5 veces mayor con respecto de la concentración

asociada con la fracción de tamaño representativa del sedimento viario (i.e., < 250

µm). Adicionalmente, el modelo de tipo potencial fue el que mejor se ajustó a la

distribución completa de Pb (i.e., en el sedimento viario y PM10): R2 = 0,77.

En promedio para la calzada de estudio en la Zona 1 de la ciudad de Soacha, la

fracción de tamaño inferior a 63 µm del sedimento viario presentó una

concentración de Pb 1,8 veces mayor que la fracción comprendida entre 500-1000

µm. Al comparar la fracción de menor tamaño del sedimento viario (< 63 µm) con

la de tamaño mayor (2000-2800 µm), se observó que la diferencia en la

concentración fue superior (3,1 veces). Los anteriores resultados en orden de

magnitud fueron similares a los reportados por otras investigaciones (p.ej. Roger

et al., 1998; Viklander, 1998; Deletic y Orr, 2005). La variación entre autores en

la concentración metálica probablemente se debió a las características particulares

de cada lugar de muestreo y a la eficacia de los diferentes métodos empleados en

la recolección del sedimento viario: barrido en seco, aspirado y barrido en seco, y

aspirado en húmedo. Adicionalmente, se debe considerar el error generado por el

modelo ARIMA utilizado en los pronósticos de la presente investigación.

4.3.5.2 Evaluación de la carga metálica asociada con el sedimento viario

4.3.5.2.1 Evaluación de la distribución por fracción de tamaño de la carga de Pb

asociada con el sedimento viario (modelo determinista)

A partir de las campañas de campo adelantadas en las ciudades de Torrelavega y

Soacha se logró desarrollar un modelo determinista para pronosticar y evaluar la

distribución de la carga ó cantidad de Pb a través de las diferentes fracciones de


269

tamaño del sedimento viario: < 63, 63-125, 125-250, 250-500, 500-1000, 1000-

2000 y 2000-2800 µm. El modelo obtenido en la Zona 1 de la ciudad de Soacha

fue el siguiente (tipo logarítmico; R2 = 0,96):

PCA A · ln d B (4.29)

Donde PCA representó el porcentaje acumulado de carga de Pb por fracción de

tamaño; A y B fueron parámetros para cada metal pesado (adimensional), que en

este caso para Pb de la Zona 1: A = 24,4, y B = 84,1 (ver Tabla 4.34); y d el

diámetro de la partícula en milímetros (límite superior de cada fracción de

tamaño) (ver Capítulo 4, apartado 4.3.2.4).

Tabla 4.34 Coeficientes para el modelo logarítmico del porcentaje acumulado de carga metálica por fracción de tamaño (Torrelavega y Soacha)

Metal pesadoa Pb Zn Cu Cr Ni Cd Fe Mn Co Ba As Torrelavega

A 22,2 19,2 23,5 21,3 19,8 18,4 22,9 21,5 18,4 - - B 86,2 90,4 87,3 85,1 87,4 89,1 85,0 88,0 89,9 - -

Soacha A 24,4 21,3 23,8 - - 21,7 24,6 24,0 - 21,8 21,9 B 84,1 88,9 86,5 - - 87,6 84,1 86,4 - 88,8 87,8

a: Zonas 1 y 2

Con el objeto de realizar una evaluación del pronóstico a partir de los períodos



lluvias entre 26/03-14/05/2010; se procedió a seleccionar una fecha para cada

época. Es decir, se realizó una evaluación puntual para cada época coincidiendo

con los valores que presentaron el mayor error de pronóstico a partir del uso del

modelo ARIMA desarrollado para la Zona 1 (Soacha). Sin embargo, y como se

pudo observar, el modelo de distribución del porcentaje acumulado de carga de Pb

por fracción de tamaño fue independiente de la concentración pronosticada por el

modelo ARIMA (ver Ecuación 4.29).


270

En la época seca se pronosticó para la siguiente fecha la distribución por fracción

de tamaño de la carga de Pb asociada con el sedimento viario: 20/01/2010. De

esta manera se procedió a determinar el porcentaje acumulado de carga de Pb por

fracción de tamaño (ver Ecuación 4.29): < 63 (16,6), < 125 (33,4), < 250 (50,3), <

500 (67,2), < 1000 (84,1), < 2000 (100,0), y < 2800 µm (100,0%). Los

porcentajes acumulados de carga de Pb medidos en la Zona 1 de la ciudad de

Soacha para la fecha en evaluación fueron los siguientes: < 63 (19,8), < 125

(37,1), < 250 (55,5), < 500 (77,2), < 1000 (88,9), < 2000 (98,5), y < 2800 µm

(100%). El error absoluto promedio en el pronóstico de la distribución de carga

acumulada de Pb para todas las fracciones de tamaño fue de 8,0%; adicionalmente

se observó que los mayores errores en el pronóstico se presentaron para las

fracciones de tamaño inferiores a 250 µm (promedio: 11,2%); el error promedio

para las fracciones de tamaño mayores a 250 µm fue de 5,5% (ver Figura 4.51).

Figura 4.51 Pronóstico y valores observados para el porcentaje acumulado de

carga de Pb por fracción de tamaño del sedimento viario para 20/01/2010 en la Zona 1 (Soacha, Colombia)

En la época de transición se pronosticó para la siguiente fecha la distribución de la

carga de Pb asociada con el sedimento viario: 26/02/2010. La distribución del

porcentaje acumulado de carga de Pb por fracción de tamaño a través del modelo

determinista arrojó los mismos resultados (ver Ecuación 29): < 63 (16,6), < 125

(33,4), < 250 (50,3), < 500 (67,2), < 1000 (84,1), < 2000 (100,0), y < 2800 µm

(100,0 %). Los porcentajes acumulados de carga de Pb observados en la Zona 1

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Porcentaje acumulado

de carga

Pb‐Sedim

ento

Diámetro (µm)

Observado

Pronóstico


271

de la ciudad de Soacha para la fecha en evaluación fueron los siguientes: < 63

(24,1), < 125 (53,6), < 250 (75,0), < 500 (87,1), < 1000 (94,5), < 2000 (99,0), y <

2800 µm (100%). El error absoluto promedio en el pronóstico de la distribución

de carga acumulada de Pb para todas las fracciones de tamaño fue de 28,3%;

nuevamente se observó que los mayores errores en el pronóstico se presentaron

para las fracciones de tamaño inferiores a 250 µm (promedio: 51,6%); el error

promedio para las fracciones de tamaño mayores a 250 µm fue de 10,8% (ver

Figura 4.52).



Finalmente, en la época de lluvias se pronosticó para la siguiente fecha la

distribución de la carga ó cantidad de Pb asociada con el sedimento viario por

fracción de tamaño: 10/03/2010. Como era de esperar, la distribución del

porcentaje acumulado de carga de Pb por fracción de tamaño a través del modelo

determinista arrojó los mismos resultados (ver Ecuación 29): < 63 (16,6), < 125

(33,4), < 250 (50,3), < 500 (67,2), < 1000 (84,1), < 2000 (100,0), y < 2800 µm

(100,0 %). Los porcentajes acumulados de carga de Pb observados en la Zona 1

de la ciudad de Soacha para la fecha en evaluación fueron los siguientes: < 63

(16,2), < 125 (37,6), < 250 (57,8), < 500 (78,4), < 1000 (89,8), < 2000 (95,4), y <


de carga acumulada de Pb para todas las fracciones de tamaño fue de 8,3%;

nuevamente se observó que los mayores errores en el pronóstico se presentaron

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000


Pb‐Sedim

ento

Diámetro (µm)

Observado

Pronóstico


272

para las fracciones de tamaño inferiores a 250 µm (promedio: 10,0%); el error

promedio para las fracciones de tamaño mayores a 250 µm fue de 7,1% (ver

Figura 4.53).

Como se pudo observar a partir de las anteriores tendencias para las épocas en

estudio, la magnitud en los errores de pronóstico de la distribución de la carga ó

cantidad de Pb en el sedimento viario fueron similares; es decir fueron

probablemente independientes de la época: seca, de transición y de lluvias; a

pesar de que en la época seca y de transición se presentaron las mayores

variaciones y cargas de Pb asociadas con el sedimento viario de la Zona 1

(Soacha). Adicionalmente, se observó que el pronóstico en la distribución de la

carga de Pb tendió a mejorar a medida que aumentó la fracción de tamaño del

sedimento viario.



Por otro lado, los resultados mostraron para todo el período en estudio que el error

absoluto promedio en el pronóstico de la distribución de la carga acumulada de Pb

por fracción de tamaño en el sedimento viario fue el siguiente: < 63 (38,3%), 63-

125 (11,3%), 125-250 (3,4%), 250-500 (16,1%), 500-1000 (9,4%), 1000-2000

(2,0%), y 2000-2800 µm (0%); con un promedio para todas las fracciones de

tamaño de 11,5% (ver Figura 4.54). Como se pudo observar, los mayores errores

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000


Pb‐Sedim

ento

Diámetro (µm)

Observado

Pronóstico


273

de pronóstico se presentaron para la fracción de tamaño inferior a 250 µm (error

absoluto promedio 17,7%); el pronóstico en la fracción de tamaño mayor a 250

µm presentó un error absoluto promedio de 6,9%.

Figura 4.54 Pronóstico y valores observados promedios para la distribución de la carga de Pb asociada con el sedimento viario en la Zona 1 (Soacha, Colombia)

El pronóstico mostró en promedio para la ciudad de Soacha, que el 33,4% de la

carga de Pb se asoció con la fracción de tamaño inferior a 125 µm (valor

observado: 30%); por otro lado, en la fracción de tamaño mayor a 1000 µm se

asoció el 15,9% de la carga de Pb (valor observado: 8%). Sansalone y Buchberger

(1997), y Deletic y Orr (2005) reportaron que las fracciones de mayor tamaño

fueron generalmente consideradas como de menor importancia en el contenido y

transporte de contaminantes. Finalmente, el pronóstico mostró que el 66,6%

(valor observado: 70%) de la carga de Pb en la ciudad de Soacha se asoció con la

fracción de tamaño mayor a 125 µm (ver Figura 4.54); es decir, el tamaño

correspondiente para las arenas finas. Ellis y Revitt (1982), Stone y Marsalek

(1996), y Sansalone y Tribouillard (1999) obtuvieron resultados similares.

Como es sabido en el presente estudio, los tamaños de partícula que presentaron la

mayor susceptibilidad al lavado por escorrentía en las ciudades de Torrelavega y

Soacha fueron los inferiores a 500 µm (ver Tabla 4.9; Capítulo 4, apartado

4.3.2.2). El pronóstico mostró en promedio, que el 67,2% de la carga de Pb en la

Zona 1 de la ciudad de Soacha se asoció con esta fracción de tamaño (valor

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000


Pb‐Sedim

ento

Diámetro (µm)

Observado

Pronóstico


274

observado: 78%). Con respecto de la fracción de tamaño representativa del

sedimento viario (i.e., < 250 µm), el pronóstico mostró en promedio que el 50,3%

de la carga de Pb estuvo asociada con esta fracción (valor observado: 52,0%). De

esta manera se realizó una estimación preliminar de la carga potencial de Pb que

podría ser removida de la superficie viaria en tiempo de lluvia y descargada en los

sistemas de recolección y transporte de la escorrentía.

El monitoreo realizado en la ciudad de Soacha mostró que la carga metálica

removida por la escorrentía en un evento de lluvia alcanzó valores de hasta un

45,9%. En el cálculo anterior, se asumió que toda la carga metálica asociada con

el sedimento viario fue removida y trasportada con éste a partir de la

susceptibilidad al lavado por escorrentía del mismo (i.e., la fracción de tamaño ≤

500 µm); adicionalmente se consideró el efecto de lixiviación ejercido por la

escorrentía viaria sobre la fracción de tamaño del sedimento que no fue

susceptible a la remoción (i.e. la fracción de tamaño > 500 µm) (ver Ecuación

4.15; Capítulo 4, apartado 4.3.2.4). Como se pudo observar, el pronóstico de la

carga removida de Pb mediante la fracción de tamaño representativa del

sedimento viario (i.e., < 250 µm) fue similar en magnitud a la remoción máxima

observada durante la campaña de campo desarrollada en la ciudad de Soacha

(error absoluto: 9,5%).


y carga metálica asociada con el sedimento viario: Cu, Zn, Cd, Fe, Mn, Ba y As.

Con el objeto de realizar una evaluación puntual del pronóstico de la

concentración asociada con el sedimento viario para los metales diferentes de Pb

en la ciudad de Soacha, se procedió a seleccionar una fecha para la época seca

(07/01-08/02/2010) (ver Figura 4.45). La fecha seleccionada coincidió con el

episodio que presentó un valor máximo en la concentración metálica de Pb. Es

importante mencionar, que Pb fue el elemento representativo para evaluar la



275

del material en suspensión. Igualmente, se seleccionó a la fracción de tamaño

inferior a 250 µm como representativa del sedimento viario.

A partir de la campaña de campo adelantada en la Zona 1 de la ciudad de Soacha,

se logró determinar la magnitud de la diferencia en la concentración entre Pb y los

restantes elementos metálicos asociados con el sedimento viario (ver Tabla 4.35).

Las magnitudes promedios de los factores de diferencia fueron empleadas para

pronosticar la concentración de los elementos metálicos a partir de la

concentración de Pb (i.e., fracción de tamaño < 250 µm); esta última obtenida con

el modelo ARIMA desarrollado para la Zona 1 de la ciudad de Soacha.

Tabla 4.35 Factor de diferencia para los elementos metálicos con respecto de Pb (Zona 1, Soacha)

Elemento metálico (fracción de tamaño < 250 µm) Concentración

(mg/kg) Pb Cu Zn Cd Fe Mn Ba As

80,7 39,6 86,1 0,6 9084,1 72,1 133,6 1,2 Factor medio 1,00 0,49 1,07 0,01 112,63 0,89 1,66 0,01

Como se mencionó anteriormente, en la época seca se pronosticó para la siguiente

fecha la concentración de Cu, Zn, Cd, Fe, Mn, Ba y As a partir de la

concentración de Pb asociada con el sedimento viario: 15/01/2010. La

concentración pronosticada de Pb en el sedimento a través del modelo ARIMA

(i.e., para PM10 = 80,4 µg/m3) fue de 170,3 mg/kg, y el valor medido fue de 173,5

mg/kg; es decir, existió un error absoluto en el pronóstico de 1,9%. A partir de lo

anterior, los resultados mostraron que la concentración pronosticada de Cu, Zn,

Cd, Fe, Mn, Ba y As fue de 83,5, 181,7, 1,29, 19181, 152,2, 282,0 y 2,53 mg/kg,

respectivamente. Los valores medidos en la concentración de Cu, Zn, Cd, Fe, Mn,

Ba y As fueron 103,7, 134,4, 0,58, 11480, 50,7, 93,0 y 2,15 mg/kg,

respectivamente. Como se pudo observar, los errores absolutos en el pronóstico de

la concentración de Cu, Zn, Cd, Fe, Mn, Ba y As fueron 24,2, 35,2, 122, 67,1,

200, 203, 17,7%. Como se pudo observar, los elementos metálicos que

presentaron un menor error absoluto en el pronóstico fueron As, Cu y Zn (i.e., <

50%); y los de mayor error absoluto en el pronóstico fueron Ba, Mn y Fe.


276

A partir de lo anterior, se procedió para la fecha seleccionada en época seca a

pronosticar en los elementos metálicos la distribución de la concentración por

fracción de tamaño del sedimento viario. Como es sabido, se desarrolló un modelo

determinista para pronosticar la distribución de la concentración por fracción de

tamaño (tipo potencial) (ver Ecuación 4.28 y Tabla 4.33). En la Figura 4.55 se

presenta el pronóstico y los valores observados para la distribución de la

concentración de Cu y Ba por fracción de tamaño del sedimento viario; Cu y Ba

fueron los elementos que presentaron las mejores correlaciones con Pb en la

calzada de la Zona 1 de la ciudad Soacha (i.e., fracción < 250 µm): r = 0,75 y r =

0,65, respectivamente. En el caso de Cu, el error promedio absoluto en el

pronóstico de la distribución de la concentración por fracción de tamaño fue de

63,6%. Por otro lado, para Ba el error absoluto promedio en el pronóstico de la

distribución de la concentración fue de 81,5%. Adicionalmente, los resultados

mostraron que los mayores errores de pronóstico se presentaron para la fracción

de tamaño inferior a 250 µm: para Cu de 64,9%, y para Ba de 87,7%.

Nuevamente, los resultados sugirieron que el error del pronóstico para las

fracciones de menor tamaño fue mayor (i.e., fracción < 250 µm). Como es sabido

en el presente estudio, esta fracción de tamaño fue de gran interés debido a que las

fuentes de elementos metálicos estuvieron asociadas con tamaños de partícula

inferiores a 125 µm (ver Capítulo 4, apartado 4.3.2.3).

Los resultados mostraron que los errores promedios para el pronóstico de la

distribución de la concentración de Cu, Zn, Cd, Fe, Mn, Ba y As durante el

período de estudio en la Zona 1 (Soacha) fueron 134, 138, 131, 101, 108, 136 y

125%, respectivamente. En promedio para todos los elementos metálicos, el error

absoluto en el pronóstico de la distribución de la concentración por fracción de

tamaño del sedimento viario fue de 123%. Como se pudo observar, los errores

promedios fueron elevados; la anterior tendencia probablemente se debió a: (i) la

afinidad en el origen de los elementos metálicos en estudio; (ii) adicionalmente en

el modelo determinista desarrollado para evaluar la distribución de la

concentración en el sedimento viario, la concentración metálica de referencia

corresponde a la de la fracción de tamaño inferior a 250 µm y no a la


277

correspondiente de la fracción de tamaño entre 125-250 µm; ocasionando un

aumento en el pronóstico de la concentración por fracción de tamaño; (iii) al

ajuste del modelo determinista para evaluar la distribución de la concentración

metálica; y (iv) al ajuste del modelo ARIMA utilizado para pronosticar la

concentración de Pb asociada con la fracción de tamaño inferior a 250 µm.

a)

b)

Figura 4.55 Pronóstico y valores observados para la distribución por fracción de tamaño de la concentración de Cu y Ba asociada con el sedimento viario para

15/01/2010 en la Zona 1 (Soacha, Colombia)

Con el objeto de intentar reducir los anteriores errores de pronóstico, se procedió a

determinar un factor de corrección para cada elemento metálico a partir de la

diferencia promedio entre la concentración metálica asociada con la fracción de

tamaño inferior a 250 µm y la asociada con la fracción de tamaño entre 125-250

µm (ver Tabla 4.36). Con la incorporación del factor de corrección los errores de

0102030405060708090100110120

10 100 1000 10000

Cu-

Sed

imen

to (m

g/kg

)

Diámetro (µm)

Observado

Pronóstico

‐10

40

90

140

190

240

290

340

10 100 1000 10000

Ba-

Sed

imen

to (m

g/kg

)

Diámetro (µm)

Observado

Pronóstico


278

pronósticos para Cu, Zn, Cd, Fe, Mn, Ba y As fueron 127, 80,6, 65,5, 82,5, 95,9,

85,5 y 68,8%. En promedio para todos los elementos metálicos, el error absoluto

en el pronóstico de la distribución de la concentración por fracción de tamaño del

sedimento viario fue de 87,4%. De esta manera, con la incorporación del factor de

corrección se lograron mejorar los pronósticos en promedio en un 35,6%.

Tabla 4.36 Factor de corrección para la distribución por fracción de tamaño de la

concentración de los elementos metálicos (Zona 1, Soacha) Concentración (mg/kg) Pb Cu Zn Cd Fe Mn Ba As

< 250 µm 80,7 39,6 86,1 0,6 9084 72,1 133,6 1,2 125-250 µm 74,4 38,4 65,3 0,43 8251 67,8 105,1 0,9 Factor medio 1,085 1,031 1,319 1,395 1,101 1,063 1,271 1,333

Por último, se procedió para la fecha seleccionada en época seca a pronosticar la

distribución de la carga por fracción de tamaño del sedimento viario (i.e., para

15/01/2010). Como es sabido, se desarrolló un modelo determinista para

pronosticar la distribución de la carga ó cantidad metálica asociada por fracción

de tamaño (tipo logarítmico) (ver Ecuación 4.29 y Tabla 4.34). Este modelo fue

independiente de la concentración pronosticada por el modelo ARIMA (ver

Ecuación 4.25).

En la Figura 4.56 se presenta el pronóstico y los valores observados para la

distribución de la carga de Cu y Ba por fracción de tamaño del sedimento viario;

Cu y Ba fueron los elementos que presentaron las mejores correlaciones con Pb en

la calzada de la Zona 1 de la ciudad Soacha (i.e., fracción < 250 µm): r = 0,75 y r

= 0,65, respectivamente. En el caso de Cu, el error promedio absoluto en el

pronóstico de la distribución de la carga por fracción de tamaño fue de 14,9%. Por

otro lado, para Ba el error absoluto promedio en el pronóstico de la distribución

de la carga fue de 16,6%.

Adicionalmente, los resultados mostraron que los mayores errores de pronóstico

se presentaron para la fracción de tamaño inferior a 250 µm: para Cu de 25,4%, y

para Ba de 24,9%. Nuevamente, los resultados sugirieron que el error del

pronóstico para las fracciones de menor tamaño fue mayor (i.e., fracción < 250


279

µm). Esta fracción de tamaño fue de gran interés debido a que las fuentes de

elementos metálicos estuvieron asociadas con tamaños de partícula inferiores a

125 µm (ver Capítulo 4, apartado 4.3.2.3).

a)

b)

Figura 4.56 Pronóstico y valores observados para la distribución por fracción de tamaño de la carga de Cu y Ba asociada con el sedimento viario para 15/01/2010

en la Zona 1 (Soacha, Colombia)

Los resultados mostraron que los errores promedios para el pronóstico de la

distribución de la carga de Cu, Zn, Cd, Fe, Mn, Ba y As durante el período de

estudio en la Zona 1 (Soacha) fueron 16,0, 12,8, 11,3, 10,2, 15,0, 14,5 y 11,4%,

respectivamente. En promedio para todos los elementos metálicos, el error

absoluto en el pronóstico de la distribución de la carga por fracción de tamaño del

sedimento viario fue de 12,9%. Los mayores errores de pronóstico se presentaron

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaC

u-S

edim

ento

Diámetro (µm)

Observado

Pronóstico

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaB

a-S

edim

ento

Diámetro (µm)

Observado

Pronóstico


280

para la fracción de tamaño mayor a 250 µm (error absoluto promedio 20,6%); el

pronóstico en la fracción de tamaño inferior a 250 µm presentó un error absoluto

promedio de 7,0%.

El pronóstico mostró en promedio para la Zona 1 de la ciudad de Soacha, que el

39,1% de la carga metálica se asoció con la fracción de tamaño inferior a 125 µm

(valor observado: 36,4%); por otro lado, en la fracción de tamaño mayor a 1000

µm se asoció el 13,2% de la carga metálica (valor observado: 5,2%). Algunos

investigadores (p.ej., Sansalone y Buchberger, 1997; Deletic y Orr, 2005) han

reportado que las fracciones de mayor tamaño fueron generalmente consideradas

como de menor importancia en el contenido y transporte de contaminantes.

Finalmente, el pronóstico mostró que el 60,9% (valor observado: 63,6%) de la

carga metálica en la ciudad de Soacha se asoció con la fracción de tamaño mayor

a 125 µm; es decir, el tamaño correspondiente para las arenas finas. Ellis y Revitt

(1982), Stone y Marsalek (1996), Sansalone y Tribouillard (1999), y Zafra Mejía

et al. (2011) obtuvieron resultados similares.

Como es sabido en la presente investigación, los tamaños de partícula que

presentaron la mayor susceptibilidad al lavado por escorrentía en las ciudades de

Torrelavega y Soacha fueron los inferiores a 500 µm (ver Tabla 4.9; Capítulo 4,

apartado 4.3.2.2). El pronóstico mostró en promedio, que el 70,9% de la carga

metálica en la Zona 1 de la ciudad de Soacha se asoció con esta fracción de

tamaño (valor observado: 83,5%). Con respecto de la fracción representativa del

sedimento viario (i.e., < 250 µm), el pronóstico mostró en promedio que el 55,0%

de la carga metálica estuvo asociado con esta fracción (valor observado: 58,3%).

De esta manera se realizó una estimación preliminar de la carga metálica potencial

que podría ser removida de la superficie viaria en tiempo de lluvia y descargada

en los sistemas de recolección y transporte de la escorrentía.

El monitoreo realizado en la ciudad de Soacha mostró que la carga metálica

removida por la escorrentía en un evento de lluvia alcanzó valores de hasta un

45,9%. En el cálculo anterior, se asumió que toda la carga metálica asociada con


281

el sedimento viario fue removida y trasportada con éste a partir de la

susceptibilidad al lavado por escorrentía del mismo (i.e., la fracción de tamaño ≤

500 µm); adicionalmente se consideró el efecto de lixiviación ejercido por la

escorrentía viaria sobre la fracción de tamaño del sedimento que no fue

susceptible a la remoción (i.e. la fracción de tamaño > 500 µm) (ver Ecuación

4.15; Capítulo 4, apartado 4.3.2.4). Como se pudo observar, el pronóstico de la

carga metálica removida mediante la fracción de tamaño representativa del

sedimento viario (i.e., < 250 µm) fue similar en magnitud a la remoción máxima

observada durante la campaña de campo desarrollada en la Zona 1 de la ciudad de

Soacha.

4.4 ESTRUCTURA DEFINITIVA DE LA METODOLOGÍA

Después de las campañas de campo adelantadas en las ciudades de Torrelavega

(España) y Soacha (Colombia) se logró establecer la estructura definitiva de la

metodología para la estimación de la distribución de los metales pesados

asociados con el sedimento viario a partir de información del material en

suspensión.

La estructura definitiva de la metodología estuvo conformada por cinco fases:

Fase 1: descripción de la vía en evaluación, Fase 2: caracterización metálica del

sedimento viario, Fase 3: caracterización del material en suspensión (i.e., para

PM10), Fase 4: desarrollo de un modelo causal entre la concentración de Pb

asociada con el sedimento viario y la carga en suspensión (PM10), y Fase 5:

evaluación de la concentración metálica asociada con el sedimento viario a partir

de información del material en suspensión (PM10). Cada una de las fases

establecidas en la metodología estuvo constituida por sus respectivas actividades.

En la Figura 4.57 se presenta el diagrama de flujo para la estructura definitiva de

la metodología desarrollada en la presente investigación.

CA

PÍT

ULO

4.-

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

IST

RIB

UC

IÓN

DE

LO

S M

ET

AL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NTO

VIA

RIO

A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

282

F

igur

a 4.

57 D

iagr

ama

de f

lujo

par

a la

est

ruct

ura

defi

niti

va d

e la

met

odol

ogía


283

4.5 SÍNTESIS

Carga y granulometría del sedimento viario en tiempo seco

Los datos obtenidos en tiempo seco mostraron que la carga viaria de sedimento

(g/m2) aumentó al hacerlo el número de días de tiempo seco. La disponibilidad al

aspirado de la carga más fuertemente adherida a la superficie, la carga fija (CF),

aumentó con el número de días de tiempo seco y el principal factor que intervino

en el proceso de acumulación del sedimento en tiempo seco fue el diseño de la

vía. De esta manera, la distribución del sedimento a través de la vía fue

influenciada por la existencia de barreras naturales (senda de vegetación) y

artificiales (bordillo).

Con respecto de la distribución granulométrica del sedimento viario en tiempo

seco los resultados evidenciaron, que la carga más fuertemente adherida a la

superficie, la carga fija (CF), fue más fina que la carga libre (CL); la

granulometría del sedimento tendió a ser más fina a medida que aumentó el

número de días de tiempo seco, se encontró influenciada por la distancia entre la

línea de tráfico y las barreas naturales o artificiales construidas sobre la vía, y

exhibió una distribución log-normal positivamente sesgada; los tamaños de

partícula inferiores a 125 µm del sedimento viario, en el presente estudio,

presentaron la mayor tasa de acumulación en tiempo seco (g/m2∙d); y finalmente,

la eficacia en la recolección del sedimento por aspirado aumentó con el diámetro

de la partícula.

Carga y granulometría del sedimento viario en tiempo de lluvia

Los datos obtenidos en tiempo de lluvia mostraron que parte de la carga de

sedimento acumulada sobre la superficie viaria fue lavada dependiendo de

factores como el volumen de precipitación y el período previo de tiempo seco; y

que la pendiente en tiempo de lluvia, en vías de similares características, influyó

en la distribución de la carga de sedimento remanente a través de la misma. Con


284

respecto a la granulometría del sedimento viario en tiempo de lluvia los resultados

evidenciaron, que la probabilidad de una partícula para ser transportada por la

escorrentía aumentó a medida que disminuyó su diámetro y creció la pendiente

viaria; en el presente estudio, los tamaños de partícula inferiores a 500 µm fueron

los que presentaron la mayor susceptibilidad al lavado por la escorrentía viaria; y

finalmente, la granulometría del sedimento tras los eventos de lluvia tendió a ser

más gruesa.

Concentración y carga metálica asociada con el sedimento viario

Desde el punto de vista de la concentración metálica los resultados mostraron, que

la fracción de tamaño inferior a 63 µm del sedimento viario tendió a presentar las

mayores concentraciones; la prueba t de Student emparejada mostró que

existieron diferencias significativas en la concentración entre fracciones de

tamaño para un determinado metal pesado; la concentración metálica tendió a

disminuir con el aumento del diámetro de la partícula. El modelo exponencial fue

el que mejor describió esta tendencia (R2 > 0,76); y el método de tamizado en

húmedo permitió detectar partículas finas (< 63 µm) adheridas a las fracciones de

mayor tamaño que generaron un aumento en la concentración metálica de estas

fracciones (p.ej., entre 250-500 µm).

Por otro lado, los resultados sugirieron que la carga más fuertemente adherida a la

superficie (i.e., CF) ha permanecido por más tiempo sobre la calzada y, por lo

tanto, estuvo más expuesta a las diferentes fuentes de contaminación metálica. A

mayor tiempo de residencia del sedimento, mayor concentración metálica y menor

diferencia en la concentración entre fracciones de tamaño; la concentración

metálica a través de la vía tendió a disminuir con el aumento de la distancia entre

la calzada y el sitio de muestreo. De esta manera, el diseño de la vía influyó en la

concentración de los metales pesados a través de ésta; las principales fuentes de

elementos metálicos sobre las superficies viarias fueron las partículas

desprendidas por el uso de las pastillas de los frenos y las llantas, y estuvieron

asociadas con tamaños de partícula inferiores a 125 µm; las vías con línea de


285

aparcamiento tendieron a presentar las mayores concentraciones metálicas

asociadas con el sedimento viario; y finalmente, la carga o cantidad de elementos

metálicos asociados con el sedimento viario tendió a aumentar con la disminución

en la fracción de tamaño. El modelo logarítmico fue el que mejor se ajustó a la

relación entre el porcentaje acumulado de carga metálica y la fracción de tamaño

del sedimento viario (R2 > 0,90).

Desarrollo del modelo causal entre la concentración de Pb del sedimento viario y

la carga en suspensión (PM10)

A partir de las campañas de campo desarrolladas en las ciudades de Torrelavega y

Soacha se plantearon tres hipótesis de investigación para el desarrollo de un

modelo causal entre la carga viaria en suspensión y la concentración metálica

asociada con el sedimento viario. La prueba de hipótesis permitió sugerir: (i) a la

fracción de tamaño inferior a 250 µm como representativa del sedimento viario a

partir de la distribución de la concentración metálica asociada con el mismo; (ii) a

PM10 como la fracción representativa para evaluar la relación entre la

concentración metálica en suspensión y la carga de material en suspensión, para

áreas aledañas a las superficies viarias; y (iii) a Pb como el metal pesado para

evaluar la relación entre la concentración metálica asociada con la fracción de

tamaño inferior a 250 µm del sedimento viario y la carga de PM10, para áreas

aledañas a las superficies viarias.

Se identificaron, estimaron y verificaron modelos univariantes ARIMA (i.e.,

autorregresivos, integrados y de promedios móviles) para las series de tiempo de

la carga viaria de PM10 (ARIMA(0,1,0)) y la concentración de Pb asociada con el

sedimento viario (ARIMA(1,0,0)). Desde el punto de vista del proceso ARIMA,

se pudo observar que la serie de tiempo de la concentración de Pb asociada con el

sedimento viario tuvo una memoria corta. Es decir, por ser un proceso

autorregresivo de primer orden (i.e., AR (1)) se evidenció que la concentración de

Pb sobre las superficies viarias (i.e., el hoy) estuvo influenciada por la

concentración metálica del ayer. Por otro lado, y desde el punto de vista de las


286

diferencias, los resultados mostraron que el fenómeno de la carga viaria de PM10

estuvo influenciado de manera consecutiva. Es decir, la carga de PM10 estuvo

influenciada por la carga inmediatamente anterior. Por lo tanto, probablemente se

trato de un fenómeno de memoria corta al igual que el fenómeno de concentración

de Pb asociada con el sedimento viario.

Como es sabido, existió la posibilidad de representar la serie temporal de la

concentración de Pb con un modelo ARIMA similar al de la carga viaria de PM10

(ARIMA(0,1,0)). Es decir, existió la posibilidad de representar las dos series de

tiempo en evaluación a través de la misma estructura temporal. Finalmente es

importante mencionar, que el ayer en la presente investigación correspondió a tres

días a partir de la frecuencia de recolección del sedimento viario y de muestreo de

PM10 en la ciudad de Soacha; adicionalmente, la concentración de Pb asociada

con el sedimento viario hizo referencia a la fracción de tamaño inferior a 250 µm.

A partir de lo anterior, se desarrolló un modelo de función de transferencia

ARIMA que relacionó las dos series temporales en la Zona 1 de la Ciudad de

Soacha (Colombia). De esta manera, se sugirió la existencia de una relación de

causalidad unidireccional de la carga de PM10 hacia la concentración de Pb

asociada con el sedimento en áreas aledañas a superficies viarias. Se evaluó la

posibilidad de una relación dinámica entre las variables, sin embargo los

resultados mostraron la no existencia de un retardo a la hora de dejar sentir sus

efectos sobre la concentración de Pb asociada con el sedimento viario (retardo

cero). Es decir, el efecto fue inmediato. La anterior tendencia probablemente se

debió a la localización de la estación de monitoreo de PM10 con respecto del

bordillo de la superficie viaria de investigación en la Zona 1 de la ciudad de

Soacha: 5 m de distancia. Por lo tanto los resultados sugirieron, que en áreas

aledañas a las superficies viarias la relación temporal entre la carga de PM10 y la

concentración de Pb asociada con el sedimento fue inmediata. Lo anterior, fue

valido para distancias menores de 5 m con respecto del bordillo de la vía en

evaluación, para una frecuencia de muestreo de tres días, y para la fracción de

tamaño inferior a 250 µm del sedimento viario.


287

Finalmente, es reseñable que en la Zona 2 de la ciudad de Soacha no se logró

desarrollar un modelo ARIMA(0,0,0) adecuado para pronosticar la concentración

de Pb asociada con el sedimento viario a partir de la carga viaria de PM10 (R2 =

0,29); con respecto del modelo ARIMA(1,0,0) desarrollado para la Zona 1 de la

ciudad de Soacha (R2 = 0,91). Como es sabido, la estación de monitoreo de PM10

en la Zona 2 se localizó a 340 m con respecto de la superficie viaria de

investigación. El error absoluto promedio (MAE) mostró que la serie temporal de

la concentración de Pb asociada con el sedimento viario en la Zona 1 de la ciudad

de Soacha se desvío en promedio 11,36 mg/kg con respecto del nivel pronosticado

por el modelo de función de transferencia ARIMA. Igualmente, el error absoluto

porcentual promedio (MAPE) evidenció una desviación promedio de la serie

temporal dependiente del 15,21% con respecto del nivel pronosticado por el

modelo.

Evaluación metálica asociada con el sedimento viario a partir de información del

material en suspensión

El error absoluto promedio en el pronóstico de la concentración de Pb asociada

con el sedimento viario en la Zona 1 para la época seca, de transición y de lluvias

fue de 16,1, 17,2 y 16,2%, respectivamente. Por lo tanto, los resultados sugirieron

que el error absoluto en el pronóstico fue probablemente independiente de la

época en evaluación; es decir, tendió a ser similar para las tres épocas

identificadas a pesar de que en la época seca y de transición se presentaron las

mayores variaciones y concentraciones de Pb asociadas con el sedimento viario de

la Zona 1 (Soacha). Sin embargo, los mayores errores de pronóstico en la serie

temporal se presentaron en la época seca y de transición: 53,6% (20/01/2010) y

51,7% (26/02/2010), respectivamente. Finalmente, y como es sabido, las

concentraciones de Pb asociadas con el sedimento viario tendieron a ser mayores

en la época seca y de transición; adicionalmente, se observó que no existió

relación entre la altura de precipitación y la concentración de Pb asociada con el

sedimento viario. Las anteriores observaciones podrán ser de utilidad para las

instituciones encargadas de la gestión de la contaminación superficial en la Zona 1


288

de la ciudad de Soacha, para diseñar y evaluar las prácticas de control de la

contaminación metálica presente sobre las superficies viarias de investigación;

como por ejemplo, el establecimiento de la frecuencia del barrido viario en la

época seca, de transición, y de lluvias.

Los resultados mostraron en la Zona 1 para todo el período en estudio, que el error


asociada con las fracciones de tamaño del sedimento viario fue 7,9% (i.e., con

tendencia a la sobreestimación). Al incluir a PM10 se obtuvo la distribución

completa para la concentración de Pb asociada con el sedimento y las partículas

en suspensión de la vía en estudio (Zona 1, Soacha): < 10 (1817), < 63 (99), 63-

125 (79), 125-250 (74), 250-500 (81), 500-1000 (56), 1000-2000 (44), y 2000-

2800 µm (32 µg/g). A partir de lo anterior, se sugirió que la concentración de Pb

asociada con PM10 (i.e., potencialmente respirable) fue 22,5 veces mayor con

respecto de la concentración asociada con la fracción de tamaño representativa del

sedimento viario (i.e., < 250 µm). Adicionalmente, el modelo de tipo potencial fue

el que mejor se ajustó a la distribución completa de Pb (i.e., en el sedimento viario

y PM10): R2 = 0,77.

Por otro lado los resultados mostraron para la Zona 1 durante todo el período en

estudio, que el error absoluto promedio en el pronóstico de la distribución de la

carga acumulada de Pb por fracción de tamaño en el sedimento viario fue 11,5%.

Finalmente el pronóstico mostró para la Zona 1 que el 66,6% de la carga de Pb se

asoció con la fracción de tamaño mayor a 125 µm, respectivamente; es decir, el

tamaño correspondiente para las arenas finas.

4.6 REFERENCIAS

Amodio M., Bruno P., Caselli M., De Gennaro G., Dambruoso P.R., Daresta B.E., Ielpo P., Gungolo F., Placentino C.M., Paolillo V. y Tutino M., Chemical characterization of fine particulate matter during peak PM10 episodes in Apulia (South Italy), Atmos. Res. 90 (2008), pp. 313-325.



289

Banerjee A.D.K., Heavy metal levels and solid phase speciation in street dusts of Delhi, India, Environ. Pollut. 123 (2003), pp. 95-105.

Barkdoll M.P., Overton D.E. y Betson R.P., Some effects of dustfall on urban stormwater quality, Water Pollut. Control Fed. 49 (1977), pp. 1976-1984.

Bartlett M.S., On the Theoretical Specification of Sampling Properties of Autocorrelated Time Series, J. Royal Stat. Society, 27 (1946), pp. B-8.

Box G.E.P. y Jenkins G.M., Time Series Analysis, Forecasting and Control, San Francisco, CA: Holden-Day, 1970.

Chate D.M., Murugavel P., Ali K., Tiwari S. y Beig G., Below-cloud rain scavenging of atmospheric aerosols for aerosol deposition models, Atmos. Res. 99 (2011), pp. 528-536.

Chelani A.B. y Devotta S., Air quality forecasting using a hybrid autoregressive and nonlinear model, Atmos. Environ. 40 (2006), pp. 1774-1780.

Debo T.N. y Reese A.J., Municipal stormwater management, Boca Raton, FL: Lewis Publishers, 2003.


Duce A.R. y Hoffman G.L., Atmospheric vanadium transport to the ocean, Atmos. Environ. 10 (1976), pp. 989-996.


EPA, Compendio de métodos para la determinación de compuestos inorgánicos en el aire ambiente, compendio IO-2.1: muestreo de aire ambiente para material particulado suspendido total y PM10 utilizando un muestreador de alto volumen, EPA/625/R-96/010a, Office of Research and Development, Environmental Protection Agency, Washington DC, USA, 1999.

Freud A.P. y Johnson C.D., Comparison and relationships of stormwater quality and basin characteristics: Madison, Wisconsin, Proceeding of the International Symposium on Urban Storm Runoff, M.E. Meadows y R.W. De Vore, eds., Kentucky, USA, 1980, pp. 143-156.



Guerrero V.M., Análisis estadístico de series de tiempo económicas, Ciudad de México: Thomsom, 2003.

ISO, Soil quality, Determination of cadmium, chromium, cobalt, copper, lead, manganese, nickel and zinc, Flame and electrothermal atomic absorption spectrometric methods, ISO 11047, Standards Handbook, International Organization for Standardization, Geneva, Switzerland, 2000.

ISO, Soil quality, Extraction of trace elements soluble in aqua regia, ISO 11466, Standards Handbook, International Organization for Standardization, Geneva, Switzerland, 2000.

ISO, Soil quality, Test sieving, Part 1: Methods using test sieves of woven wire cloth and perforated metal plate, ISO 2591-1, Standards Handbook, International Organization for Standardization, Geneva, Switzerland, 2000.

Johansson C., Norman M. y Burman L., Road traffic emission factors for heavy metals, Atmos. Environ. 43 (2009), pp. 4681-4688.

Jung C.H., Kim Y.P. y Lee K.W., A moment model for simulating raindrop scavenging of aerosols, Aerosol Sci. 34 (2003), pp. 1217-1233.

Kendall M.G. y Stuart A., The Advanced Theory of Statistics, Volume 3: Design and Analysis, and Time-Series, London, UK: Griffin, 1968.


290

López J.M., Callén M.S., Murillo R., García T., Navarro M.V., De la Cruz M.T. y Mastral A.M., Levels of selected metals in ambient air PM10 in an urban site of Zaragoza (Spain), Environ. Res. 99 (2005), pp. 58-67.

Marquardt D.W., An Algorithm for Least Squares Estimation of Non-linear Parameters, J. Society Ind. App. Math. 431 (1963), pp 11.

McKenzie D.J. y Irwin G.A., Water-quality assessment of stormwater runoff from a heavily used urban highway bridge in Miami, Florida, Report No. 83-4153, USGS, Water Resources Investigations, Menlo Park, California, USA, 1983.

Mingkui Z. y Hao W., Concentrations and chemical forms of potentially toxic metals in road-deposited sediments from different zones of Hangzhou, China, J. Environ. Sci. 21 (2009), pp. 625-631.

Muezzinoglu A. y Cizmecioglu S.C., Deposition of heavy metals in a Mediterranean climate area, Atmos. Res. 81 (2006), pp. 1-16.

Pachón J.E. y Sarmiento H., Análisis espacio-temporal de la concentración de metales pesados en la localidad de Puente Aranda de Bogotá-Colombia, Rev. Fac. Ing. Univ. Antioquia 43 (2008), pp. 120-133.

Pankratz A., Forecasting with dynamic regression models, New York, USA: John Wiley & Sons Inc, 1991.

Park S.U., In H.J., Kim S.W. y Lee Y.H., Parameterization ofwet deposition of sulfate by precipitation rate, Atmos. Environ. 33 (1999), pp. 4469-4475.

Pirela D., García N., Machado A. y Fernández N., Contenido metálico en partículas inhalables en la atmósfera de la ciudad de Maracaibo, CIENCIA 11 (2003), pp. 311-318, 2003.

Pitt R.E. y Amy G., Toxic materials analysis of street surface contaminants, Rep. No. R2-72-081, Washington DC: United States Environmental Protection Agency, 1973.

Quenouille M.H., Approximate Tests of Correlation in Time Series, J. Royal Stat. Society, 68 (1949), pp. B-11.

Ragosta M., Caggiano R., D’Emilio M. y Macchiato M., Source origin and parameters influencing levels ofheavy metals in TSP, in an industrial background area ofSouthern Italy, Atmos. Environ. 36 (2002), pp. 3071-3087.

RoadHouse, Brake pads technical manual, RoadHouse, Arganda del Rey, Spain, 2008. Roger S., Montrejaud-Vignoles M., Andral M.C., Herrmans L. y Fortune J.P., Mineral,

physical, and chemical analysis of the solid matter carried by motorway runoff water, Water Research, 34(1998), pp. 1119-1125.

Rojas C.M., Injuk J., Grieken E. y Laane R.W., Dry and wet deposition fluxes of Cd, Cu, Pb and Zn into the Southern Bight of the North Sea, Atmos. Environ. 27 (1993), pp. 251-259.

Saldarriaga J.C., Echeverri E.A. y Molina F.J., Partículas suspendidas (PST) y partículas respirables (PM10) en el Valle de Aburrá, Colombia, Rev. Fac. Ing. Univ. Antioquia 32 (2004), pp. 7-16.



Sansalone J.J. y Tribouillard T., Variation in characteristics of abrade roadway particles as a function of particle size: implications for water quality and drainage, Cong. Annual Meeting of the Transportation Research Board, No. 78. Washington, DC: National Research Council, 1690 (1999), pp. 153-163.



291

Shaheen D.G., Contributions of urban roadway usage to water pollution, Rep. No. EPA 600/2-75-004. Washington, DC: United States Environmental Protection Agency, 1975.

Sivaramasundaram K. y Muthusubramanian P., A preliminary assessment of PM10 and TSP concentrations in Tuticorin, India, Air Qual. Atmos. Health. 3 (2010), pp. 95-102.

Stahre P. y Urbonas B., Stormwater detection for drainage, water quality and CSO management, Englewood Cliffs, NJ: Prentice-Hall, 1990.



Vicente A.B., Jordán M.M., Sanfeliu T., Sánchez A. y Esteban M.D., Air pollution prediction models of particles, As, Cd, Ni and Pb in a highly industrialized area in Castellón (NE, Spain), Environ. Earth Sci. DOI: 10.1007/s12665-011-1298-z, 2011.


Vukovich F.M. y Sherwell J., Comparison of fine particles and the relationship between particle variations and meteorology at an urban site and a remote site in the eastern United States, J. Air Waste Manag. Assoc. 52 (2002), pp. 573-584.

Walsh K. y Sherwell J., Estimation of ambient PM2.5 concentrations in Maryland and verification by measured values, J. Air Waste Manag. Assoc. 52 (2002), pp. 1161-75.

Zafra Mejía C.A, Temprano González J. y Tejero Monzón I., Concentración y distribución de metales pesados (Pb, Zn, Cu, Cd y Cr) en sedimentos viarios urbanos, Rev. Fac. Ing. Univ. Antioquia, 58 (2011), pp. 53-62.

CAPÍTULO 5.- APLICACIÓN DE LA METODOLOGÍA PARA LA ESTIMACIÓN DE LA DISTRIBUCIÓN DE LOS METALES PESADOS ASOCIADOS CON EL SEDIMENTO VIARIO A PARTIR DE INFORMACIÓN DEL MATERIAL EN SUSPENSIÓN: BOGOTÁ D.C. (COLOMBIA)

293

CAPÍTULO 5.- APLICACIÓN DE LA METODOLOGÍA PARA

LA ESTIMACIÓN DE LA DISTRIBUCIÓN DE LOS

METALES PESADOS ASOCIADOS CON EL SEDIMENTO

VIARIO A PARTIR DE INFORMACIÓN DEL MATERIAL EN

SUSPENSIÓN: BOGOTÁ D.C. (COLOMBIA)

5.1 ANTECEDENTES

A partir de la propuesta metodológica desarrollada en el capítulo anterior, se

procedió a su aplicación sobre tres superficies viarias de la ciudad de Bogotá D.C.

(Colombia) identificadas de la siguiente manera: (i) Zona 1-Fontibón, (ii) Zona 2-

Puente Aranda, y (iii) Zona 3-Kennedy; de esta manera el monitoreo de los

parámetros climatológicos y PM10 se realizó a través de tres estaciones localizadas

a 10, 38 y 194 metros con respecto del bordillo de las superficies viarias en

evaluación, respectivamente. Las estaciones de monitoreo fueron administradas

por la Red de Monitoreo de Calidad del Aire de la Secretaría Distrital de

Ambiente de la ciudad de Bogotá (RMCAB).

Por otro lado, el período de estudio tuvo una duración de un año y contó con una

frecuencia de muestreo de tres veces por mes (i.e., en promedio cada 10 días); de

esta manera se obtuvieron un total 38 muestras por cada superficie viaria en

evaluación. Es decir, se ejecutaron en total 114 muestreos con el objeto de validar

la propuesta metodológica. Finalmente es importante mencionar, que la frecuencia

de muestreo establecida en la ciudad de Bogotá estuvo principalmente

condicionada por factores técnicos y económicos a partir de lo observado en las

campañas de campo adelantadas en las ciudades de Torrelavega (España) y

Soacha (Colombia). En este sentido los elementos metálicos analizados sobre las

superficies viarias en evaluación fueron Pb y Cu.


294

5.2 APLICACIÓN DE LA METODOLÓGICA: CASOS DE ESTUDIO EN

LA CIUDAD DE BOGOTÁ D.C. (COLOMBIA)

Como es sabido, la metodológica estuvo conformada por cinco fases: (i)

descripción de la vía en estudio, (ii) caracterización metálica del sedimento viario,

(iii) caracterización del material en suspensión (i.e., PM10), (iv) desarrollo de un

modelo causal para la concentración metálica viaria, y (v) evaluación de la


del material en suspensión (i.e., PM10). De esta manera, se presenta a continuación

la aplicación de las cinco fases de la metodología sobre tres casos de estudio en la

ciudad de Bogotá D.C. (Colombia).

5.2.1 FASE 1. Descripción de las vías en evaluación

El primer lugar de investigación (Zona 1) se localizó sobre una superficie viaria

de la localidad de Fontibón en la ciudad de Bogotá D.C., en el centro de

Colombia: 4°40ˈ09̎ N, 74°08ˈ33̎ O. Su clima tropical de montaña (clima frio) se

caracterizó por presentar durante el período de muestreo (08/05/2010-08/05/2011)

una amplia variación en la temperatura (promedio anual de 14 °C, con variación

horaria entre 5 y 22 °C) y una precipitación anual de 847 mm. La velocidad

promedio del viento durante el período de muestreo fue de 10,1 km/h, con

magnitudes horarias de hasta 26,3 km/h. Los datos climatológicos y de PM10

fueron obtenidos de una estación operada por la Red de Monitoreo de Calidad del

Aire de la Secretaría Distrital de Ambiente de la ciudad de Bogotá (RMCAB),

localizada a 10 metros con respecto del bordillo de la superficie viaria de

investigación.

La superficie viaria de investigación de la Zona 1 se localizó en el centro urbano

de la localidad de Fontibón, sobre la Carrera 96G entre Calles 17 y 19. La cuenca

viaria tiene una elevación media de 2548 m.s.n.m. y una pendiente media de 1,4%

(impermeabilización del 95%). La superficie viaria tiene dos sentidos, cada uno

con un carril para el tráfico. La calzada está separada del andén o acera por un

bordillo en concreto (ver Figura 5.1). El sistema de drenaje viario está constituido


295

por imbornales laterales localizados al final de la vía (i.e., en la boca-calle); sin

embargo la vía no posee una cuneta para la recolección y conducción del agua de

escorrentía hacia los imbornales. La vía da acceso en orden de importancia según

el uso del suelo a áreas industriales, comerciales y residenciales (ver Figura 5.4).

En este sentido, la actividad industrial predominante en la zona de estudio

corresponde a la dedicada al mantenimiento y reparación automotriz, en algunas

ocasiones sobre la misma superficie viaria de investigación. La Tabla 5.1 presenta

las principales características de la Zona 1.

Por otro lado, el segundo lugar de investigación (Zona 2) se localizó sobre una

superficie viaria de la localidad de Puente Aranda en la ciudad de Bogotá D.C., en

el centro de Colombia: 4°37ˈ49̎ N, 74°07ˈ06̎ O. Su clima tropical de montaña

(clima frio) se caracterizó por presentar durante el período de muestreo

(03/10/2010-03/10/2011) una amplia variación en la temperatura (promedio anual

de 14 °C, con variación horaria entre 7 y 22 °C) y una precipitación anual de 854

mm. La velocidad promedio del viento durante el período de muestreo fue de 9,4

km/h, con magnitudes horarias de hasta 28,1 km/h. Los datos climatológicos y de

PM10 fueron obtenidos de una estación operada por la Red de Monitoreo de

Calidad del Aire de la Secretaría Distrital de Ambiente de la ciudad de Bogotá

(RMCAB), localizada a 38 metros de distancia con respecto del bordillo de la

superficie viaria de investigación.

Figura 5.1 Fotografía de la superficie viaria de la Zona 1-Fontibón (Bogotá,

Colombia)


296

La superficie viaria de investigación de la Zona 2 se localizó en la localidad de

Puente Aranda sobre la Carrera 65 entre Calles 9A y 11. La cuenca viaria tiene

una elevación media de 2557 m.s.n.m. y una pendiente media de 0,65%

(impermeabilización del 45%). La superficie viaria cuenta con dos sentidos para

el tráfico, cada uno con dos carriles de circulación. La calzada está separada del

andén por un bordillo en concreto y una línea de vegetación (ver Figuras 5.2 y

5.5). El sistema de drenaje viario está constituido por imbornales laterales

localizados cada 60 metros; sin embargo la vía no posee una cuneta para la

recolección y conducción del agua de escorrentía hacia los imbornales. La vía da

acceso en orden de importancia según el uso del suelo a áreas industriales,

comerciales y residenciales. En este sentido, la actividad industrial predominante

en la zona de estudio corresponde a la farmacéutica y de televisión;

adicionalmente, existe un lote aledaño de 26000 m2 en construcción (i.e., a 20 m).

La Tabla 5.1 presenta las principales características de la Zona 2.

Figura 5.2 Fotografía de la superficie viaria de la Zona 2-Puente Aranda (Bogotá,

Colombia)

Finalmente, el tercer lugar de investigación (Zona 3) se localizó sobre una

superficie viaria de la localidad de Kennedy en la ciudad de Bogotá D.C. en el

centro de Colombia: 4°35ˈ45 ̎ N, 74°07ˈ08̎ O. Su clima tropical de montaña (i.e.,

clima frio) se caracterizó por presentar durante el período de muestreo

(08/05/2010-08/05/2011) una amplia variación en la temperatura (promedio anual:

15 °C; variación horaria: 7-22 °C) y una precipitación anual de 1236 mm. La


297

velocidad promedio del viento durante el período de muestreo fue de 6,8 km/h,

con magnitudes horarias de hasta 21,2 km/h. Los datos climatológicos y de PM10

fueron obtenidos de una estación operada por la Red de Monitoreo de Calidad del

Aire de la Secretaría Distrital de Ambiente de la ciudad de Bogotá (RMCAB),

localizada a 194 metros de distancia con respecto del bordillo de la superficie

viaria de investigación.

La superficie viaria de investigación de la Zona 3 se localizó en la localidad de

Kennedy sobre la Calle 45S entre Transversales 72 y 72BIS. La cuenca viaria

tiene una elevación media de 2560 m.s.n.m. y una pendiente media de 0,50%

(impermeabilización del 80%). La superficie viaria cuenta con dos sentidos para

el tráfico, cada uno con un carril de circulación. La calzada está separada del

andén por un bordillo en concreto y una línea de vegetación (ver Figuras 5.3 y

5.6). El sistema de drenaje viario está constituido por imbornales laterales

localizados cada 110 metros; sin embargo la vía no posee una cuneta para la

recolección y conducción del agua de escorrentía hacia los imbornales.

Figura 5.3 Fotografía de la superficie viaria de la Zona 3-Kennedy (Bogotá,

Colombia)

La vía en la Zona 3 da acceso en orden de importancia según el uso del suelo a

áreas residenciales, industriales y comerciales. En este sentido, la actividad

industrial predominante en la zona de estudio corresponde a la de elaboración de

bebidas carbonatadas (gaseosas) para consumo humano. Adicionalmente, es


298

importante mencionar que a 170 m se localiza la intersección entre las autovías

Avenida del Sur y Avenida Boyacá de la ciudad de Bogotá, con un tráfico

promedio diario de 40100 y 24900 (vehículos/día), respectivamente. La Tabla 5.1

presenta las principales características de la Zona 3.

Tabla 5.1 Características de las superficies viarias en estudio (Bogotá, Colombia) Característica Zona 1

Fontibón Zona 2

Puente Aranda Zona 3

Kennedy Densidad poblacional (habitantes/ha)

Alta (600) Baja (160) Media (480)

Líneas de tráfico/parqueo 1a/ninguna 2b/ninguna 2b/ninguna Longitud viaria (m) 100 215 105 Pendiente longitudinal/transversal (%)

0,7/4 1/4 0,3/4

Tipo/textura del pavimento Asfalto/rugoso Asfalto/suave Asfalto/rugoso Tráfico promedio diario (Vehículos/día)

650 13500 12300

Tráfico máximo horario (Vehículos/h)

110 1950 1820

Velocidad promedio (km/h) 20 40 50

Composición del tráfico Zona 1/Zona 2/Zona 3 (%)

carros: 93/77/83; camiones ligeros: 5/4/3; camiones sin remolque: 1/2/2; camiones con remolque: 0/0/1;

buses: 1/17/11 a: uso frecuente como línea de aparcamiento y de mantenimiento automotriz; b: dos

carriles para cada sentido del tráfico

5.2.2 FASE 2. Caracterización metálica del sedimento viario

5.2.2.1 Determinación y análisis de la carga de sedimento viario

Esta actividad se enfocó en la determinación y análisis de la cantidad de


descritas en la primera fase de la metodología. El análisis de la carga de sedimento

se realizó a partir de los principales fenómenos que condicionaron su contenido

metálico e identificados en el desarrollo de la propuesta metodológica: (i) el

fenómeno de acumulación de la carga viaria, y (ii) el fenómeno de remoción de la

carga viaria; este último representado principalmente por la remoción generada

por la escorrentía superficial (i.e., por lavado en tiempo de lluvia).

Adicionalmente, la determinación y análisis de la carga de sedimento viario se

realizó para la fracción de tamaño seleccionada como representativa: < 250 µm.

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

299

F

igur

a 5.

4 E

sque

ma

de la

sup

erfi

cie

viar

ia d

e es

tudi

o en

la Z

ona

1-F

onti

bón

(Bog

otá,

Col

ombi

a)

4%

1,90

7,0

2,50

And

én (h

ormigón

)

Dim

ension

es en metros

And

én (h

ormigón

)

Bordillo (0,15 x 0,13)

(hormigón

)Ve

hicular

4%

Bordillo (0,15 x 0,11)

(hormigón

)

Empresa: Hiland

ería de

Fontibón

Viviend

as

Empr

esa:

Hila

nder

ía Fo

ntibó

n

Empre

sas: m

anten

imien

to au

tomotr

iz

Esta

ción

de ca

lidad

del a

ire F

ontib

ón

Supe

rficie

viaria

de m

uestr

eo

Carre

ra 96

G

Calle 19

Calle 17

050

100

m

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

300

F

igur

a 5.

5 E

sque

ma

de la

sup

erfi

cie

viar

ia d

e es

tudi

o en

la Z

ona

2-P

uent

e A

rand

a (B

ogot

á, C

olom

bia)

Mur

o(f

arm

aceú

tica

ME

RC

K)

Cal

zada

(A

sfal

to)

Cal

zada

(A

sfal

to)

Dim

ensi

ones

en

met

ros

Árb

ol c

ada

7,0

Árb

ol c

ada

10,0

Mur

o (l

ote

enco

nstr

ucci

ón)

And

én (

horm

igón

);A

=1,

40

Bor

dillo

(ho

rmig

ón);

A=

0,15

; h=

0,10

Líne

a de

vege

taci

ón; A

=1,

40

Sep

arad

or V

ial;

A=

3,50

; h=

0,20

Bor

dillo

(ho

rmig

ón);

A=

0,15

; h=

0,12

And

én (

horm

igón

);A

=1,

40Lí

nea

deve

geta

ción

; A=

1,40

Árb

ol c

ada

8,0

2,50

8,15

8,15

3,00

2,50

Est

aci

ón

de

ca

lidad

del

aire

Pue

nte

Ara

nda

Avenida de la

s Améric

as

Calle 13

Ca

rre

ra 6

5

Lo

te e

n c

on

stru

cció

nE

difi

caci

ones

Ed

ifica

cion

es

50 m

100

m

Fa

rma

ceút

ica

ME

RC

K

Su

pe

rfic

ie v

iaria

de

mue

stre

o

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

301

F

igur

a 5.

6 E

sque

ma

de la

sup

erfi

cie

viar

ia d

e es

tudi

o en

la Z

ona

3-K

enne

dy (

Bog

otá,

Col

ombi

a)

Mur

o (e

mpr

esa

debe

bida

s ca

rbon

atad

as)

Sep

arad

or (

mam

post

ería

);A

=1,8

0; h

=0,5

5

Cal

zada

(Asf

alto

)

Árb

ol c

ada

5,0

Viv

iend

asLí

nea

de v

eget

ació

n

Bor

dillo

(ho

rmig

ón);

A=0

,10;

h=0

,30

Bor

dillo

(ho

rmig

ón);

A=0

,10;

h=0

,30

And

én (

horm

igón

);A

=1,9

0 A

ndén

(ho

rmig

ón);

A=2

,50

Árb

ol c

ada1

,80

Dim

ensi

ones

en

met

ros

5,00

14,0

7,60

6,00

Est

ació

n de

cal

idad

del

air

e K

enne

dy

Ave

nida

Boy

acá

Autopista Sur

Edi

fica

cion

es(r

esi

de

nci

al)

Su

pe

rfic

ie v

iaria

de

mu

estr

eoE

dific

aci

ones

(re

sid

en

cial

)

Edi

fica

cion

es

Ca

lle 4

5 su

r

50 m

100

m

Em

pre

sa d

e b

ebid

asca

rbo

nat

adas


302

5.2.2.1.1 Acumulación de la carga viaria

La caracterización de la acumulación de carga del sedimento viario tuvo en cuenta

los siguientes análisis: (i) caracterización climatológica de los períodos de tiempo

seco, (ii) tendencia en la acumulación de carga del sedimento viario, y (iii)

condicionantes de la tasa de acumulación del sedimento viario. A continuación se

presenta la caracterización realizada para la carga de sedimento viario después de

la campaña de campo desarrollada en la ciudad de Bogotá D.C. (Colombia).

Durante la caracterización realizada en la ciudad de Bogotá para la Zona 1

(localidad de Fontibón) se identificaron dos períodos donde la precipitación tendió

a disminuir: (i) entre 18/07-17/10/2010 y (ii) entre 10/01-01/03/2011 (ver Figura

5.7). La precipitación total durante el período de muestreo (08/05/2010-

08/05/2011) fue un 57,7% mayor con respecto de la precipitación promedio anual

para la zona de estudio (591 mm/año). De esta manera el tiempo seco durante el

período de estudio fue escaso, es decir, de 365 días de muestreo llovió en 222

días. En este sentido, el número máximo de días consecutivos de tiempo seco

durante el muestreo de la Zona 1 fue de 6 (i.e., durante cuatro ocasiones).

De manera similar, durante la caracterización realizada en la ciudad de Bogotá

para la Zona 2 (localidad de Puente Aranda) se identificaron tres períodos donde

la precipitación tendió a disminuir: (i) entre 03/10-17/10/2010, (ii) entre 10/01-

23/02/2011 y (iii) entre 07/06-03/10/2011 (ver Figura 5.8). La precipitación total

durante el período de muestreo (03/10/2010-03/10/2011) fue un 42,3% mayor con

respecto de la precipitación promedio anual para la zona de estudio (600 mm/año).

De esta manera el tiempo seco durante el período de estudio fue escaso, es decir,

de 365 días de muestreo llovió en 221 días. En este sentido, el número máximo de

días consecutivos de tiempo seco durante el muestreo de la Zona 2 fue de 7 (i.e.,

durante una ocasión).

Finalmente, durante la caracterización realizada en la ciudad de Bogotá para la

Zona 3 (localidad de Kennedy) se identificaron dos períodos donde la


303

precipitación tendió a disminuir: (i) entre 18/07-17/10/2010 y (ii) entre 10/01-

01/03/2011 (ver Figura 5.9). La precipitación total durante el período de muestreo

(08/05/2010-08/05/2011) fue un 75,1% mayor con respecto de la precipitación

promedio anual para la zona de estudio (706 mm/año). De esta manera el tiempo

seco durante el período de estudio fue escaso, es decir, de 365 días de muestreo

llovió en 219 días. En este sentido, el número máximo de días consecutivos de

tiempo seco durante el muestreo de la Zona 3 fue de 6 (i.e., durante tres

ocasiones).

A partir de las tendencias observadas para las tres zonas en estudio, los resultados

sugirieron que la carga acumulada sobre la calzada en función del número de días

de tiempo seco (g/m2) tendió a presentar un crecimiento de tipo lineal debido a la

frecuencia de las lluvias (ver Capítulo 4, apartado 4.3.2.1.1). Shaheen (1975), Ball

et al. (1998) y Vaze y Chiew (2002) reportaron que la carga acumulada sobre las

superficies viarias en tiempo seco tendió a un valor máximo de equilibrio. Sin

embargo, se sugirió a partir del desarrollo de la propuesta metodológica una

tendencia lineal en la acumulación del sedimento en los lugares donde la

frecuencia de los eventos de lluvia fue elevada (i.e., ≤ 7 días).

La carga promedio de sedimento durante los períodos en los cuales se identificó

una reducción en la precipitación fue de 76,2, 92,2 y 67,1 g/m2 en las superficies

viarias de las Zonas 1, 2 y 3, respectivamente (ver Figuras 5.7, 5.8 y 5.9). Como

se pudo observar, la carga acumulada de sedimento fue mayor en la Zona 2 (i.e.,

Puente Aranda) probablemente debido al desarrollo de actividades de

construcción en cercanías a la superficie viaria de investigación (predio de 26000

m2); es por esto que la zona en evaluación presentó una impermeabilización del

45% (ver Figura 5.5). En este sentido, Konno y Nonomura (1981) reportaron que

las cargas transportadas por la escorrentía pueden incrementarse hasta cien veces

o más debido al desarrollo de actividades de construcción u otras formas de

perturbación del suelo en una cuenca.

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

304

F

igur

a 5.

7 V

aria

ción

de

la c

arga

via

ria

de s

edim

ento

en

la Z

ona

1-F

onti

bón

con

resp

ecto

a la

pre

cipi

taci

ón (

Bog

otá,

Col

ombi

a). a

) T

iem

po

de d

ism

inuc

ión

y b)

tiem

po d

e au

men

to d

e la

pre

cipi

taci

ón

010

20

30

40

50

60

70

80

9010

0

05

10

15

20

25

30

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011

Carga (g/m2)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Ca

rga

<2

50

um

a a

b b

b

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

305

F

igur

a 5.

8 V

aria

ción

de

la c

arga

via

ria

de s

edim

ento

en

la Z

ona

2-P

uent

e A

rand

a co

n re

spec

to a

la p

reci

pita

ción

(B

ogot

á, C

olom

bia)

. a)

Tie

mpo

de

dism

inuc

ión

y b)

tiem

po d

e au

men

to d

e la

pre

cipi

taci

ón

020

40

60

8010

0

12

0

14

0

16

0

05

10

15

20

25

30

35

40

45

50

03/10/2010

23/10/2010

12/11/2010

02/12/2010

22/12/2010

11/01/2011

31/01/2011

20/02/2011

12/03/2011

01/04/2011

21/04/2011

11/05/2011

31/05/2011

20/06/2011

10/07/2011

30/07/2011

19/08/2011

08/09/2011

28/09/2011

Carga (g/m2)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Ca

rga

<2

50

um

a a

b b

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

306

Fig

ura

5.9

Var

iaci

ón d

e la

car

ga v

iari

a de

sed

imen

to e

n la

Zon

a 3-

Ken

nedy

con

res

pect

o a

la p

reci

pita

ción

(B

ogot

á, C

olom

bia)

. a)

Tie

mpo

de

dis

min

ució

n y

b) ti

empo

de

aum

ento

de

la p

reci

pita

ción

010

20

30

40

50

60

70

80

9010

0

05

10

15

20

25

30

35

40

45

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011

Carga (g/m2)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Ca

rga

<2

50

um

a a

b b

b


307

Adicionalmente a las anteriores consideraciones, se debe tener en cuenta el efecto

de suspensión y transporte inducido por el viento sobre las partículas del suelo de

áreas aledañas a la vía durante el muestreo de la Zona 2 (velocidad promedio de

9,4 km/h y máxima de 28,1 km/h). Ball et al. (1998) encontraron que velocidades

del viento superiores a 21 km/h producían una suspensión de las partículas

acumuladas sobre la calzada, y Barkdoll et al. (1977) reportaron que una partícula

de 246 µm podía ser suspendida por masas de aire con velocidades superiores a

8,05 km/h. El efecto de la turbulencia inducida por el tráfico sobre la pérdida o

suspensión del sedimento viario no fue considerado en los anteriores análisis. Sin

embargo, en posteriores análisis de la variación de la concentración metálica fue

de gran interés. Finalmente es importante mencionar para la presente

investigación, que el efecto del barrido mecánico o manual (i.e., la limpieza

viaria) sobre la acumulación y remoción de la carga de sedimento viario no fue

tenido en cuenta debido a que en las vías de estudio no existió esta práctica de

control de la contaminación.

5.2.2.1.2 Remoción de la carga viaria

La caracterización de la remoción de carga del sedimento viario tuvo en cuenta los

siguientes análisis: (i) caracterización climatológica de los períodos de lluvia, (ii)

tendencia en la remoción de carga del sedimento viario, y (iii) condicionantes de

la remoción de carga del sedimento viario. A continuación se presenta la

caracterización realizada para la remoción de carga después de la campaña de

campo desarrollada en la ciudad de Bogotá D.C. (Colombia).

Durante la caracterización realizada en la Zona 1 (08/05/2010-08/05/2011; 365

días) se identificaron tres períodos de lluvia (i.e., de aumento de la precipitación):

(i) entre el 08/05-17/07/2010, (ii) entre el 18/10/2010-09/01/2011, y (iii) entre el

01/03-08/05/2011 (ver Figura 5.7). La precipitación total durante el período de

muestreo fue un 57,7% mayor con respecto de la precipitación promedio anual

registrada para la zona de estudio (591 mm/año). De esta manera el tiempo de

lluvia durante el período de estudio fue significativo, es decir, de 365 días de


308

muestreo llovió en 222 días. En este sentido, el número máximo de días

consecutivos de lluvia durante el muestreo de la Zona 1 fue de 30: 05/11-

4/12/2010 (ver Figura 5.7).

Por otro lado, durante la caracterización realizada en la Zona 2 (03/10/2010-

03/10/2011; 365 días) se identificaron dos períodos de lluvia: (i) entre el

18/10/2010-09/01/2011, y (ii) entre el 24/02-06/06/2011 (ver Figura 5.8). La

precipitación total durante el período de muestreo fue un 42,3% mayor con

respecto de la precipitación promedio anual registrada para la zona de estudio

(600 mm/año). De esta manera el tiempo de lluvia durante el período de estudio

fue significativo, es decir, de 365 días de muestreo llovió en 221 días. En este

sentido, el número máximo de días consecutivos de lluvia durante el muestreo de

la Zona 2 fue de 30: 05/11-4/12/2010 (ver Figura 5.8).

Finalmente, durante la caracterización realizada en la Zona 3 (08/05/2010-

08/05/2011; 365 días) se identificaron tres períodos de lluvia: (i) entre el 08/05-

17/07/2010, (ii) entre el 18/10/2010-10/01/2011, y (iii) entre el 01/03-08/05/2011

(ver Figura 5.9). La precipitación total durante el período de muestreo fue un

75,1% mayor con respecto de la precipitación promedio anual registrada para la

zona de estudio (706 mm/año). De esta manera el tiempo de lluvia durante el

período de estudio fue significativo, es decir, de 365 días de muestreo llovió en

219 días. En este sentido, el número máximo de días consecutivos de lluvia

durante el muestreo de la Zona 2 fue de 32: 05/11-6/12/2010 (ver Figura 5.9).

Se realizaron análisis de regresión entre la precipitación diaria (mm) y la carga de

sedimento viario (g/m2), con el objeto de estimar la remoción de la carga de

sedimento durante los períodos de lluvia. La tendencia lineal fue la que mejores

resultados produjo en las zonas de estudio. Los coeficientes de correlación lineal

(r) fueron -0,27, -0,41 y -0,37 para las Zonas 1, 2 y 3, respectivamente. Como se

pudo observar, los resultados sugirieron una débil correlación negativa entre la

precipitación y la carga de sedimento viario. Es decir, al aumentar la precipitación

la carga de sedimento viario tendió a disminuir.


309

A partir de los períodos identificados con respecto de la precipitación, se procedió

a realizar una estimación de la pérdida promedio de sedimento sobre las calzadas

de las zonas en estudio. La carga promedio de sedimento durante los períodos en

los cuales se identificó un aumento en la precipitación fue de 28,8, 36,9 y 25,1

g/m2 en las superficies viarias de las Zonas 1, 2 y 3, respectivamente (ver Figuras

5.7, 5.8 y 5.9). Por otro lado, la carga de sedimento viario durante los períodos

donde existió una disminución en la precipitación (i.e., en “época seca”) fue de

76,2 g/m2 (2,65 veces), 92,2 g/m2 (2,50 veces) y 67,1 g/m2 (2,67 veces) sobre las

superficies viarias de las Zonas 1, 2 y 3, respectivamente. Por lo tanto, los

resultados sugirieron que en tiempo de lluvia existió una pérdida promedio de

sedimento viario del 62,2, 60,0 y 62,6% en las Zonas 1, 2 y 3, respectivamente

(promedio: 61,6%). Lo anterior, fue valido para la fracción de tamaño

representativa del sedimento viario (i.e., < 250 µm).

5.2.2.2 Determinación y análisis de la granulometría del sedimento viario

Esta actividad se enfocó en la determinación y análisis de la granulometría del


descritas en la primera fase de la metodología. El análisis de la granulometría del

sedimento se realizó a partir de los principales fenómenos que condicionaron el

contenido metálico e identificados en el desarrollo de la propuesta metodológica:

(i) el fenómeno de acumulación de la carga viaria, y (ii) el fenómeno de remoción

de la carga viaria; este último representado principalmente por la remoción

generada por la escorrentía superficial viaria (i.e., por lavado).

5.2.2.2.1 Granulometría durante el período de acumulación


el período de acumulación tuvo en cuenta los siguientes análisis: (i) granulometría

del sedimento durante los períodos de “tiempo seco” (i.e., en la época de

disminución de la precipitación), (ii) tendencia en la distribución granulométrica

del sedimento viario, y (iii) condicionantes de la distribución granulométrica del


310

sedimento viario. A continuación se presenta la caracterización realizada para la

distribución granulométrica del sedimento después de la campaña de campo

desarrollada en la ciudad de Bogotá D.C. (Colombia).

La Tabla 5.2 presenta la granulometría del sedimento viario durante los períodos

en los cuales existió una disminución en la precipitación (i.e., en “época seca”), es

decir, durante los períodos en los cuales se registraron las mayores cargas de

sedimento sobre las superficies viarias de investigación. Se observó la existencia

de pequeñas variaciones en la distribución granulométrica de las muestras, pero en

general sus características fueron similares. Los análisis granulométricos

mostraron para las Zonas 1, 2 y 3 que el 64,1, 48,9 y 40,0% de la carga de

sedimento fue menor con respecto de la fracción de tamaño representativa del

sedimento viario (i.e., < 250 µm). En la etapa de desarrollo de la metodología los

resultados mostraron en la ciudad de Torrelavega (España) y Soacha (Colombia)

que el porcentaje de partículas de tamaño inferior a 250 µm fue de 49,6 y 45,0%,

respectivamente (ver Capítulo 4, apartado 4.3.2.2.1). En este sentido, Sartor y

Boyd (1972) reportaron que el 56,5% de las partículas viarias eran inferiores a

246 µm, y Vaze y Chiew (2002) encontraron que el porcentaje de partículas

inferiores a 250 µm era de un 37,5%.

Tabla 5.2 Granulometría del sedimento recolectado sobre las calzadas de las Zonas 1, 2 y 3

Zona Porcentaje de partículas de diámetro menor al indicado (µm)

< 63 < 125 < 250 < 500 < 1000 < 2000 < 2800 Época secaa

1 11,9±1,9 27,3±2,4 64,1±2,1 89,7±1,6 95,0±1,5 98,9±0,9 100 2 7,4±1,9 15,7±2,8 48,9±3,5 74,2±2,7 90,5±1,2 96,7±1,2 100 3 6,9±1,5 15,2±2,4 40,0±4,1 62,9±4,5 83,5±3,6 97,1±0,7 100

Época de lluvia 1 9,9±1,4 24,3±2,7 60,6±1,8 85,7±1,0 91,7±0,5 96,7±0,4 100 2 4,3±1,3 8,5±2,8 46,6±4,5 73,2±3,7 87,7±2,2 95,1±1,1 100 3 6,6±1,3 13,2±2,1 38,4±3,9 60,9±4,4 80,4±3,7 97,5±0,8 100

Totalidad del período de muestreo 1 10,9±1,7 25,8±2,6 62,3±2,0 87,7±1,3 93,4±1,0 97,8±0,7 100 2 5,9±1,5 12,1±2,8 38,0±4,0 73,7±3,0 89,1±1,7 95,9±1,2 100 3 6,8±1,4 14,2±2,2 39,2±4,0 61,9±4,5 81,9±3,7 97,3±0,8 100

a: época de disminución de la precipitación


311

La variación entre autores en la distribución granulométrica del sedimento

recolectado sobre la calzada, probablemente se debió a las características

particulares de cada lugar de muestreo y a la eficacia de los diferentes métodos

empleados en la recolección del sedimento (p.ej. aspirado en seco, barrido en

seco, aspirado y barrido en seco, y aspirado en húmedo) (ver Capítulo 2, apartado

2.3). Sin embargo, los resultados reportados por las anteriores investigaciones

fueron coherentes con los del presente estudio.

Las partículas del sedimento recolectado sobre las superficies viarias en estudio

(i.e., Zonas 1, 2 y 3) exhibieron una distribución log-normal positivamente

sesgada. Ellis y Revitt (1982), y Ball et al. (1998) encontraron una distribución

similar de las partículas en un estudio del sedimento acumulado sobre las

superficies de calzadas y cunetas. La Tabla 5.3 presenta el d10, d50, y d90

(percentiles) para las muestras recolectadas sobre las calzadas en las zonas de

investigación. Como se pudo observar, el d50 de las muestras del sedimento tendió

hacia la fracción de tamaño representativa o dominante del sedimento viario (i.e.,

< 250 µm).

A partir de lo anterior se realizaron análisis de regresión para la distribución

granulométrica del sedimento viario entre las siguientes variables: porcentaje de

sedimento que pasa (%) y tamaño de la partícula (µm). Como era de esperar, la

función de tipo logarítmica fue la que mejores resultados produjo. Los

coeficientes de determinación (R2) para las Zonas 1, 2 y 3 fueron 0,90, 0,95 y

0,99, respectivamente. Los modelos logarítmicos obtenidos para las Zonas 1, 2 y 3

fueron los siguientes, respectivamente:

PP1B 24,47 · ln d 82,59 (5.1)

PP2B 27,58 · ln d 110,81 (5.2)

PP3B 26,82 · ln d 108,01 (5.3)


312

Donde PP1B, PP2B y PP3B representaron el porcentaje de sedimento que pasa

para un tamaño determinado de partícula en las Zonas 1, 2, y 3, respectivamente;

y d representó el tamaño de la partícula en micras (µm).

Tabla 5.3 d10, d50, y d90 (percentiles) para las muestras de sedimento viario recolectadas en la ciudad de Bogotá D.C. (Colombia)

Zona Percentil (diámetro en µm)

d10 d50 d90 1 44 226 1157 2 80 341 1452 3 82 362 1608

Promedio 69 310 1406

Grottker (1987), Debo y Reese (2003), Deletic y Orr (2005) y Zafra et al. (2008)

encontraron que la distribución del sedimento acumulado a través de la calzada no

era uniforme, y dependía de la distancia entre el sitio de muestreo y el bordillo de

la vía. Todos los investigadores atribuyeron dicha variación al tráfico por impacto

directo y por las corrientes de aire generadas, y al efecto de barrera ejercido por el

bordillo. Deletic y Orr (2005) estudiaron la variación de la distribución

granulométrica de las partículas a través de la calzada en función de la distancia

entre el bordillo y el lugar de muestreo. Los investigadores encontraron que la

distribución granulométrica dependía principalmente del lugar a través de la

calzada, y que el d50 de las muestras disminuía a medida que la distancia entre el

bordillo y el lugar de muestreo aumentaba. El d50 de las muestras recolectadas por

ellos al lado y a 0,75 m del bordillo fue de 397 µm y 238 µm, respectivamente. La

ligera variación en la distribución granulométrica de los sedimentos recolectados

sobre la calzada, en comparación con el presente estudio, pudo ser debida a las

características particulares de cada lugar y a la eficacia del método empleado por

los investigadores para la recolección del sedimento (i.e., aspirado en húmedo).

Sin embargo, sus resultados fueron similares a los del presente estudio (ver Tabla

5.3).

La distribución de tamaños de las partículas en “tiempo seco” (i.e., en época de

disminución de la precipitación) tendió a ser más fina, con respecto de la

granulometría del sedimento viario en tiempo de lluvia (ver Tabla 5.2). Los


313

resultados sugirieron a partir del desarrollo metodológico (ver Capítulo 4,

apartado 4.3.2.2.1), que el aumento en tiempo seco de la fracción más fina del

sedimento viario estuvo probablemente ocasionado por la trituración a que fue

sometida la fracción más gruesa del sedimento por parte del tráfico, y al propio

fenómeno de acumulación de polvo y suciedad sobre la calzada, el cual aportó

fundamentalmente partículas finas en tiempo seco. Algunos investigadores han

encontrado resultados similares, fue el caso de Ellis y Revitt (1982), y Viklander

(1998) que reportaron la relación existente entre la densidad de tráfico y el grado

de trituración de las partículas acumuladas sobre la superficie de la calzada.

Por otro lado, la granulometría del sedimento viario fue más fina en orden de

magnitud para la Zona 1 (Fontibón), Zona 3 (Kennedy) y Zona 2 (Puente Aranda).

Es decir, en la Zona 2 la distribución de tamaños de las partículas fue más gruesa.

Como es sabido, la carga acumulada de sedimento viario fue mayor en la Zona 2

(promedio: 92,2 g/m2). Lo anterior, probablemente debido al aporte de sedimento

por la ejecución de actividades de construcción en cercanías a la superficie viaria

de investigación (predio de 26000 m2); es por esto que la Zona 2 presentó una

impermeabilización del 45% (ver Figura 5.5). Por lo tanto los resultados

mostraron en el presente estudio, que la granulometría del sedimento viario en

áreas donde se ejecutaron actividades de demolición y construcción tendió a ser

más gruesa, con respecto de las zonas viarias con ausencia de este tipo de

actividades.

5.2.2.2.2 Granulometría durante el período de remoción


el período de remoción tuvo en cuenta los siguientes análisis: (i) granulometría del

sedimento durante los períodos de lluvia, (ii) tendencia en la distribución

granulométrica del sedimento viario, y (iii) condicionantes de la distribución

granulométrica del sedimento durante los períodos de lluvia. A continuación se

presenta la caracterización realizada para la distribución granulométrica del


314

sedimento después de la campaña de campo desarrollada en la ciudad de Bogotá

D.C. (Colombia).

La granulometría del sedimento recolectado sobre las superficies de las calzadas

fue más gruesa que la encontrada por algunos investigadores en los sedimentos

transportados por la escorrentía viaria (ver Tabla 5.2). Por ejemplo, Stahre y

Urbonas (1990) encontraron que sólo el 30% de todos los sólidos suspendidos

totales en peso presentes en el agua de escorrentía tenían diámetros de partícula

superiores a 31 µm y un 93% inferiores a 45 µm. Los resultados sugirieron en el

presente estudio, que las partículas más gruesas del sedimento probablemente se

desagregaron por el impacto directo del agua de lluvia, y que la fracción fina fue

más susceptible de ser transportada por la escorrentía superficial.

A partir de lo anterior, se evalúo la distribución granulométrica del sedimento

durante los períodos de lluvia (ver Tabla 5.2). Como se pudo observar, la

granulometría del sedimento viario durante la época de lluvias fue más gruesa con

respecto a la de la época de disminución de la precipitación (i.e., “época seca”).

Esta tendencia permitió sugerir un probable lavado de la fracción más fina del

sedimento viario durante estos períodos de tiempo (ver Figura 5.10). En este

sentido, se determinaron las diferencias en la carga por fracción de tamaño para

las dos épocas identificadas a partir de la variación de la precipitación con el

objeto de estimar el probable lavado del sedimento viario durante los períodos de

lluvia (ver Tabla 5.2).

Los resultados mostraron, en promedio para las tres zonas de estudio, que la

mayor diferencia o pérdida de sedimento viario (g/m2) se presentó para la fracción

de tamaño inferior a 250 µm: 49,0%; la pérdida promedio de sedimento para la

fracción de tamaño < 63, 63-125 y 125-250 µm fue de 95,4, 50,2 y 1,4%,

respectivamente. Como se pudo observar, la susceptibilidad al lavado aumentó

con la disminución en la fracción de tamaño del sedimento viario (ver Figura

5.10). En los anteriores análisis no se consideró la influencia de la pendiente

viaria en el lavado del sedimento, debido a que la diferencia entre zonas de


315

estudio en la magnitud de la pendiente no fue considerable (i.e., pendiente en la

Zona 1: 0,7%; Zona 2: 1%; y Zona 3: 0,3%).

Figura 5.10 Granulometría promedio del sedimento viario para la época de lluvias

y de tiempo seco (Bogotá, Colombia)

5.2.2.3 Determinación y análisis de la concentración metálica asociada con el

sedimento viario

Como se mencionó en el desarrollo de la propuesta metodológica, el Pb se

seleccionó como el elemento representativo para evaluar la relación entre la


áreas aledañas a las superficies viarias (ver Capítulo 4, apartado 4.3.4.1.4). Por lo

tanto, esta actividad se enfocó en la determinación y análisis de la distribución de

la concentración de Pb asociado con el sedimento acumulado sobre las superficies

viarias a partir de las variables identificadas en la primera fase de la metodología.

Por otro lado, se seleccionó un elemento metálico adicional (i.e., a Cu) para

evaluar el pronóstico de la distribución de la concentración asociada con el

sedimento viario a partir de la concentración de Pb. A continuación se presenta la

caracterización de la concentración metálica del sedimento después de la campaña

de campo desarrollada en la ciudad de Bogotá D.C. (Colombia).

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Po

rce

nta

je q

ue

pa

sa


Tiempo seco

Tiempo de lluvia


316

En las calzadas de la ciudad de Bogotá la fracción más fina del sedimento

recolectado presentó las mayores concentraciones de Pb y Cu (i.e., < 63 µm). Los

metales pesados en evaluación presentaron una disminución continua en la

concentración a medida que aumentó la fracción de tamaño del sedimento viario

(ver Tabla 5.4). Ellis y Revitt (1982), Sansalone y Tribouillard (1999), German y

Svensson (2002), Deletic y Orr (2005), y Zafra et al. (2011) encontraron

resultados similares.

Tabla 5.4 Concentración de metales pesados (mg/kg de materia seca) con un 95% de intervalo de confianza (Bogotá, Colombia)


<63 63-125 125-250 250-500 500-1000 1000-2000 2000-2800Época secaa Pbb 1c

2 3

107±20 69±12 97±17

90±18 45±9

88±17

71±12 31±7

51±10

69±14 30±8

40±10

66±11 27±7 29±8

49±10 13±5 18±6

36±7 9±4 7±4

Cu 1 2 3

520±89 105±15 147±22

350±62 62±9

119±19

169±26 54±7

84±13

96±16 39±7

46±11

92±13 25±6 18±8

47±9 22±6 14±7

31±6 19±5 11±5

Época de lluvia Pb 1

2 3

64±13 52±11 79±17

42±10 50±9

73±15

37±11 37±9

46±13

30±9 36±8

33±12

23±9 27±7 20±11

17±7 5±3

18±8

13±5 2±1

10±4 Cu 1

2 3

309±47 71±11

134±21

191±28 67±10

112±17

135±19 53±8

64±11

105±15 33±7 37±9

28±9 12±4 25±7

20±7 9±4

18±6

11±4 6±3

11±4 Totalidad del período de muestreo Pb 1

2 3

86±17 61±13 88±19

66±13 48±10 80±15

54±11 34±9

54±12

49±11 33±9

49±11

45±9 27±7 45±9

33±7 9±4

33±8

24±6 6±3

24±5 Cu 1

2 3

415±56 88±14

141±22

271±37 64±11

116±20

152±22 53±9

74±16

101±13 36±7 42±9

60±10 19±6 22±8

34±8 15±5 16±5

21±6 12±5 11±5

a: época de disminución de la precipitación; b: metal pesado; c: zona de estudio

Se realizaron análisis de regresión para las concentraciones de los metales pesados

determinados sobre las calzadas de las zonas en estudio en función del tamaño de

la partícula (i.e., en las Zonas 1, 2, y 3). Se asumió que la concentración era

inversamente proporcional al tamaño de la partícula, lo cual fue verdadero al

suponer que la concentración estuvo relacionada con la superficie específica de las

partículas y que éstas fueron esféricas (Sansalone y Tribouillard, 1999). Por lo

tanto se asumió que el sedimento viario recolectado fue de naturaleza similar, en


317

términos de composición química, porosidad, superficie específica y forma

esférica.

Se probaron varios modelos de regresión y las funciones exponencial (R2 > 0,83)

y potencial (R2 > 0,83) fueron las que mejores resultados produjeron para Pb y Cu

(ver Tabla 5.5). El modelo potencial tendió a sobreestimar y el modelo

exponencial tendió a subestimar la concentración asociada con los tamaños de

partícula inferiores a 63 µm. Los modelos exponencial y potencial obtenidos para

la concentración metálica en función del tamaño de la partícula fueron los

siguientes, respectivamente:

HMC A · e B· (5.4)

HMC A · d B (5.5)


seca; “A” y “B” fueron coeficientes para cada metal pesado (i.e., Pb y Cu); y “d”

el diámetro de la partícula en milímetros (límite superior de cada fracción de

tamaño). Los coeficientes y R2 obtenidos se presentan en la Tabla 5.5.


en la concentración entre las diferentes fracciones analizadas para cada metal

pesado. En promedio para las calzadas de estudio en la ciudad de Bogotá la

fracción de tamaño inferior a 63 µm presentó una concentración de Pb y Cu, 1,7 y

2,2 veces superior que la concentración de la fracción de tamaño entre 125 y 500

µm, respectivamente. Al comparar la fracción de menor tamaño (< 63 µm) con la

de tamaño mayor (2000-2800 µm), se observó que la diferencia promedio en la

concentración era superior: 8 veces para Pb y 13 veces para Cu. Los anteriores

resultados en orden de magnitud fueron similares a los reportados por otras

investigaciones (p.ej. Roger et al., 1998; Viklander, 1998; Deletic y Orr, 2005;

Zafra et al., 2011). La variación entre autores en la concentración metálica

probablemente se debió a las características particulares de cada lugar de muestreo

y a la eficacia de los diferentes métodos empleados en la recolección del


318

sedimento viario: barrido en seco, aspirado y barrido en seco, y aspirado en

húmedo.

Tabla 5.5 Coeficientes para los modelos exponencial y potencial de la concentración de los metales pesados (Bogotá, Colombia)

Metal Pesado Pb Cu Pb Cu Modelo exponencial Modelo potencial

Zona 1 A 68 241 38 54B 0,38 0,96 0,29 0,76 R2 0,90 0,88 0,95 0,99

Zona 2 A 53 62 16 22 B 0,82 0,67 0,58 0,54 R2 0,97 0,84 0,85 0,98

Zona 3 A 70 94 22 25 B 0,75 0,86 0,57 0,69 R2 0,92 0,85 0,95 0,99

Las diferencias en la concentración entre fracciones de tamaño para un mismo

metal pesado fueron similares para las calzadas de estudio en la ciudad de Bogotá.

En promedio para el Pb, las diferencias de la Zona 1 fueron 1,29 y 1,21 veces

menores que las de las Zonas 2 y 3, respectivamente. Igualmente para Cu, las

diferencias de la Zona 1 fueron 1,17 y 1,07 veces mayores que las de las Zonas 2

y 3, respectivamente. Los resultados sugirieron que los condicionantes de la

concentración metálica (p.ej. uso del suelo, densidad de tráfico y velocidad de

conducción) no influyeron de manera significativa en la distribución de los

elementos metálicos entre las fracciones de tamaño del sedimento viario, para un

determinado metal pesado.

En la ciudad de Bogotá la Zona 1 tendió a presentar las mayores concentraciones

de Pb y Cu. En promedio para Pb, el 100% y 71,4% de las concentraciones de la

Zona 1 fueron mayores que las determinadas en las Zonas 2 y 3, respectivamente,

con respecto al valor medio de la concentración para cada fracción de tamaño (ver

Tabla 5.4). Las concentraciones de Pb en la Zona 1 fueron en promedio 2,22 y

1,52 veces mayores que las concentraciones de las Zonas 2 y 3, respectivamente.

Las concentraciones de Cu presentaron una tendencia similar, es decir, se


319

registraron mayores concentraciones en la Zona 1: el 100% de las concentraciones

fueron mayores con respecto de las Zonas 2 y 3; en promedio fueron 3,10 y 2,35

veces superiores, respectivamente. En el presente estudio, los resultados

sugirieron que la zona con mayor uso de la calzada como línea de aparcamiento y

de mantenimiento automotriz presentó las mayores concentraciones de Pb y Cu

(ver Tabla 5.1), a pesar de haber presentado la menor densidad promedio de

tráfico entre las zonas de estudio (i.e., Zona 1: 650; Zona 2: 13500; Zona 3: 12300

vehículos/día). La anterior tendencia probablemente se debió a una mayor

acumulación de grasa, aceite lubricante y de motor sobre la superficie de muestreo

por las labores de mantenimiento y reparación automotriz en la Zona 1; y al

mayor uso del sistema de frenado, desgaste de las llantas y del pavimento asfáltico

por las operaciones de aparcamiento. Shaheen (1975) reportó elevadas

concentraciones de Pb y Cu en materiales como el revestimiento para los frenos

(Pb: 1050 mg/kg; Cu: 30600 mg/kg) y el caucho desprendido por el desgaste de

las llantas (Pb: 1110 mg/kg; Cu: 247 mg/kg).

La concentración fue correlacionada entre fracciones de tamaño del mismo metal

pesado (coeficiente de correlación lineal). El metal pesado que presentó las

mejores correlaciones en las calzadas de estudio de la ciudad de Bogotá fue el Pb.

En este sentido, en las Zonas 1, 2 y 3 el 61, 91 y 86% de los coeficientes de

correlación lineal para el Pb fueron mayores de 0,50, respectivamente. Por otro

lado para Cu, en las Zonas 1, 2 y 3 el 48, 67 y 65% de los coeficientes de

correlación lineal fueron mayores de 0,50, respectivamente. Como se pudo

observar, la Zona 1 presentó las peores correlaciones entre fracciones de tamaño

para los metales pesados en estudio.

La anterior tendencia probablemente se debió a que en la Zona 1, con un mayor

uso de la calzada como línea de aparcamiento y de mantenimiento automotriz, los

lugares de muestreo estuvieron más influenciados por la variabilidad espacial y

temporal de las diferentes fuentes asociadas con el tráfico (p.ej. uso de los frenos,

desgaste de las llantas, y deposición de aceite lubricante y de motor). A diferencia

de las Zonas 2 y 3 donde la distribución de los elementos metálicos


320

probablemente fue más uniforme debido a la ausencia de lugares de aparcamiento

y de reparación automotriz. Es importante mencionar, que en la Zona 1 de la

ciudad de Bogotá no existieron lugares permitidos para aparcamiento y

mantenimiento automotriz, sin embargo uno de los carriles fue usado

frecuentemente para el desarrollo de este tipo de actividades (ver Tabla 5.1).

Adicionalmente es importante mencionar, que los coeficientes de correlación

lineal para la fracción de tamaño inferior a 125 µm fueron los mejores. De esta

manera, los resultados sugirieron que las principales fuentes de los metales

pesados en evaluación estuvieron asociadas con tamaños de partícula inferior a

125 µm. Resultados similares fueron obtenidos en el desarrollo de la propuesta

metodológica de la presente investigación (ver Capítulo 4, apartado 4.3.2.3).

Para la fracción de tamaño representativa del sedimento viario (i.e., < 250 µm) se

realizó un análisis de correlación entre Pb y Cu con el objeto de profundizar en la

afinidad del origen en cada zona de estudio. Los resultados mostraron para las

Zonas 1, 2 y 3 unos coeficientes de correlación lineal de 0,58, 0,87 y 0,65,

respectivamente. A partir de lo anterior y desde el punto de vista de las fuentes

móviles, los resultados sugirieron en las zonas de estudio que los principales

generadores de metales pesados fueron las partículas desprendidas por el desgaste

de las pastillas de los frenos, las llantas, el pavimento asfáltico, y las partes

móviles del motor; y también se debió a fugas de aceite lubricante y grasa (ver

Tabla 2.9).

Como se pudo observar, la Zona 1 presentó la peor correlación entre Pb y Cu para

las zonas de estudio (r = 0,58). Como se mencionó anteriormente, esta tendencia

probablemente se debió a que en la Zona 1 el mayor uso de la calzada como línea

de aparcamiento y de mantenimiento automotriz hizo que los lugares de muestreo

estuvieron más influenciados por la variabilidad espacial y temporal de las

diferentes fuentes asociadas con el tráfico (p.ej. uso de los frenos, desgaste de las

llantas, y deposición de aceite lubricante y grasa); a diferencia de las calzadas de

las Zonas 2 y 3 donde la distribución de los elementos metálicos probablemente

fue más uniforme debido a la ausencia de lugares de aparcamiento y de reparación


321

automotriz. Sin embargo, en la Zona 3 la magnitud del coeficiente de correlación

(r = 0,65) sugirió un probable aporte de elementos metálicos de fuentes diferentes

al tráfico (i.e., por fuentes fijas). Como es sabido, en el área de estudio de la Zona

3 existió una planta para la fabricación de bebidas carbonatas que probablemente

aportó elementos metálicos sobre la superficie viaria en evaluación; lo anterior,

debido a los procesos de combustión desarrollados en su interior (ver Figura 5.3).

Por último, la magnitud del coeficiente de correlación entre Pb y Cu en la Zona 2

(r = 0,87) sugirió que la fuente dominante de los elementos metálicos fue el

tráfico (i.e., fuentes móviles).

5.2.2.4 Determinación y análisis de la carga metálica asociada con el sedimento

viario

Como se mencionó en el desarrollo de la propuesta metodológica, el Pb se

seleccionó como el elemento representativo para evaluar la relación entre la


áreas aledañas a las superficies viarias (ver Capítulo 4, apartado 4.3.4.1.4). Por lo

tanto, esta actividad se enfocó en la determinación y análisis de la distribución por

fracción de tamaño del contenido de Pb asociado con el sedimento acumulado

sobre las superficies viarias a partir de las variables identificadas en la primera

fase de la metodología. Por otro lado, se seleccionó a Cu como un elemento

metálico adicional para evaluar el pronóstico de la distribución de la carga

asociada con el sedimento viario a partir de la carga de Pb. A continuación se

presenta la caracterización de la carga metálica asociada con el sedimento después

de la campaña de campo desarrollada en la ciudad de Bogotá (Colombia).

En las calzadas de la ciudad de Bogotá la fracción de tamaño entre 125 y 250 µm

tendió a asociar el mayor porcentaje de carga para Pb y Cu (%/kg de sedimento ó

%/m2) (ver Tabla 5.6). La anterior tendencia probablemente se debió a: (i) la

presencia de partículas finas adheridas a la superficie de las partículas de esta

fracción de tamaño (i.e., 125-250 µm) y difícilmente cuantificables por el método

de tamizado en seco, que hicieron que la concentración metálica fuera


322

significativa (ver Tabla 5.4); y (ii) que asoció la mayor cantidad de sedimento

viario y, por lo tanto, la mayor cantidad de elementos metálicos. En las Zonas 1, 2

y 3 la fracción de tamaño entre 125 y 250 µm representó un 36,5, 25,9 y 25,0%

(en peso), respectivamente, de la cantidad total de sedimento recolectado sobre la

superficie de la calzada. Como se pudo apreciar, la distribución de la carga de los

elementos metálicos tuvo una tendencia similar a la observada para la

concentración metálica. Los resultados sugirieron para las zonas de estudio, que la

distribución de la carga contaminante estuvo condicionada en orden de

importancia por la cantidad de sedimento y la concentración de los elementos

metálicos por fracción de tamaño.

Tabla 5.6 Carga asociada por fracción de tamaño con un 95% de intervalo de confianza (Bogotá, Colombia)

Carga asociada de metales pesados (%) Fracción de tamaño (µm)

< 63 63-125 125-250 250-500 500-1000 1000-2000 2000-2800 Zona 1

Pb 17±3 18±3 35±6 22±4 5±2 3±2 1±1 Cu 26±5 23±4 32±6 15±5 2±1 1±1 1±1

Zona 2 Pb 11±3 9±3 28±5 36±7 13±4 2±1 1±1 Cu 13±4 10±4 34±6 32±6 7±2 3±1 1±1

Zona 3 Pb 15±3 15±4 30±5 20±4 12±3 7±2 1±1 Cu 18±3 16±5 35±6 18±4 8±3 5±2 1±1

En promedio para las Zonas 1, 2 y 3, el 69,7, 47,9 y 59,8% de la carga total de Pb

se asoció con la fracción de tamaño inferior a 250 µm, respectivamente. En la

fracción de tamaño mayor a 1000 µm se asoció el 3,6, 2,6 y 5,2% de la carga total

de Pb para las Zonas 1, 2 y 3, respectivamente (ver Tabla 5.6). Sansalone y

Buchberger (1997) reportaron que las fracciones de mayor tamaño fueron

consideradas como de menor importancia en el contenido y transporte de

contaminantes. Por otro lado, el 30,3, 52,1 y 40,2% de la carga total de Pb en las

Zonas 1, 2 y 3, respectivamente, se asoció con la fracción de tamaño entre 250 y

2800 µm (i.e., el tamaño correspondiente para la arena media y gruesa). Ellis y

Revitt (1982), Stone y Marsalek (1996), Sansalone y Tribouillard (1999), y Zafra


323

Mejía et al. (2011) obtuvieron resultados similares. Finalmente, el Cu presentó

resultados similares a los reportados para el Pb (ver Tabla 5.6).

Como es sabido, en el desarrollo metodológico del presente estudio se identificó a

los tamaños de partícula inferiores a 500 µm como los de mayor susceptibilidad al

lavado por escorrentía (ver Capítulo 4, apartado 4.3.2.2; ver Tabla 4.9). Con

respecto de la fracción de tamaño representativa del sedimento viario (i.e., < 250

µm), el 69,7, 47,9 y 59,8% de la carga total de Pb en las Zonas 1, 2 y 3,

respectivamente, se asoció con esta fracción de tamaño (ver Tabla 5.6). A partir

de lo anterior, se utilizó la expresión desarrollada para evaluar en superficie la

carga metálica removida por la escorrentía viaria hacia los sistemas de recolección

y transporte (ver Capítulo 4, apartado 4.3.2.4; ver Ecuación 4.15). Se asumió que

toda la carga metálica asociada con la fracción de tamaño representativa del

sedimento viario fue removida y trasportada con éste (i.e., ≤ 250 µm).

Adicionalmente, se consideró el efecto de lixiviación ejercido por la escorrentía

viaria sobre la fracción de tamaño del sedimento que no fue susceptible a la

remoción (i.e. la fracción de tamaño > 250 µm) (ver Capítulo 4, apartado 4.3.2.4;

ver Tabla 4.17). La expresión utilizada fue la siguiente:

PCW RC · CT RL · CT (5.6)

Donde PCW representó el porcentaje de la carga metálica removida por la

escorrentía viaria; RC representó la remoción de carga metálica por escorrentía

para la fracción de tamaño menor o igual a 250 µm, en porcentaje; RL representó

el porcentaje promedio de remoción de la carga metálica a partir de la prueba de

lixiviación (promedio: 13,7%), para la fracción de tamaño mayor a 250 µm; y CT

representó la carga total de sedimento, en porcentaje, para la fracción de tamaño

correspondiente.

Como es sabido, los resultados sugirieron que en tiempo de lluvia existió una

pérdida promedio de sedimento del 62,2, 60,0 y 62,6% en las Zonas 1, 2 y 3,

respectivamente (promedio: 61,6%;); lo anterior fue valido para la fracción de


324

tamaño representativa del sedimento viario: < 250 µm (ver Capítulo 5, apartado

5.2.2.1.2). Al realizar el cálculo con los datos de la carga lavada del sedimento

viario (i.e. removida por escorrentía), en promedio se observó para las Zonas 1, 2

y 3 que el 32,2, 20,7 y 22,8%, respectivamente, de la carga acumulada de Pb

sobre la superficie viaria fue removida y probablemente descargada en los

sistemas de recolección y transporte de la escorrentía después de un evento de

lluvia. Por otra parte, Cu presentó resultados similares a los obtenidos para Pb.

Los resultados en orden de magnitud fueron similares a los obtenidos en el

desarrollo de la propuesta metodológica para los elementos metálicos de las

ciudades de Torrelavega (17,2%) y Soacha (35,8%).

Con el objeto de estudiar la distribución en peso de los elementos metálicos en el

sedimento viario, se determinó el porcentaje acumulado de carga con cada

fracción de tamaño. Se realizaron análisis de regresión y el modelo logarítmico

fue el que mejores resultados produjo para el Pb en la Zona 1 (R2 > 0,87), Zona 2

(R2 > 0,92) y Zona 3 (R2 > 0,94). Por otro lado, Cu presentó resultados similares a

los obtenidos para el Pb (ver Tabla 5.7). El modelo obtenido fue el siguiente:

PCA A · ln d B (5.7)

Donde PCA representó el porcentaje acumulado de carga de metal pesado; A y B

fueron coeficientes para cada elemento metálico; y d el diámetro de la partícula en

milímetros. El coeficiente “A” presentó una variación entre 18,8-26,2 (promedio:

24,1), según el metal pesado analizado. El coeficiente “B” presentó una variación

entre 85,3-93,1 (promedio: 86,7). Finalmente, se ajustaron los coeficientes a los

valores medios para obtener un modelo logarítmico único para las zonas de

estudio en la ciudad de Bogotá (ver Figura 5.11).


325

Tabla 5.7 Coeficientes y R2 para el modelo logarítmico del porcentaje acumulado de carga metálica (Bogotá, Colombia)

Metal pesado Pb Cu

Zona 1 A 22,5 18,8 B 89,3 93,1 R2 0,87 0,81

Zona 2 A 26,2 25,0 B 85,3 86,7 R2 0,92 0,90

Zona 3 A 23,7 22,3 B 85,7 88,2 R2 0,94 0,90

Figura 5.11 Porcentaje acumulado de carga de Pb según el tamaño de la partícula

(Bogotá, Colombia)

5.2.3 FASE 3. Caracterización del material en suspensión (PM10)

La principal actividad desarrollada durante esta fase fue la determinación y

análisis de la carga de PM10 (µg/m3). A continuación se describe la caracterización

del material en suspensión sobre las áreas de influencia de las superficies viarias

en estudio de la ciudad de Bogotá D.C. (Colombia).

5.2.3.1 Determinación y análisis de la carga de PM10

PCA = 24,1ln(d) + 86,7R² = 0,90

0

20

40

60

80

100

0 0,5 1 1,5 2 2,5 3


metálica

Diámetro (mm)


326

La carga promedio de PM10 durante el período de estudio en las Zonas 1, 2 y 3 de

la ciudad de Bogotá fue de 55,2, 56,1 y 85,9 µg/m3, respectivamente. Como se

pudo observar la carga promedio de PM10 fue mayor en la Zona 3: 1,56 y 1,53

veces con respecto de las Zonas 1 y 2, respectivamente. Como se mencionó en la

descripción de las vías de estudio, la Zona 3 se localizó a 170 m de la intersección

entre las autovías Avenida del Sur y Avenida Boyacá que contabilizaron un

tráfico promedio diario global de 65000 (vehículos/día) (ver Capítulo 5, apartado

5.2.1); superando en 100,0 y 4,8 veces el tráfico promedio diario registrado sobre

la superficie viaria de las Zonas 1 y 2, respectivamente. Adicionalmente los

resultados mostraron en el desarrollo metodológico que las áreas con una

influencia significativa del tráfico presentaron una elevada relación entre PM10 y

PST, sugiriendo una predominancia de las partículas finas sobre la carga del

material en suspensión del área de muestreo (ver Capítulo 4, apartado 4.3.3.1).

Algunos investigadores (p.ej. Walsh et al., 2002; Vukovich y Sherwel, 2002;

Saldarriaga et al., 2004; Sivaramasundaram y Muthusubramanian, 2010) han

reportado resultados similares.

Durante la caracterización realizada para el sedimento viario en la Zona 1 de la

ciudad de Bogotá (08/05/2010-08/05/2011; 365 días) se identificaron tres

períodos de lluvia: (i) entre el 08/05-17/07/2010, (ii) entre el 18/10/2010-

09/01/2011, y (iii) entre el 01/03-08/05/2011 (ver Figura 5.7). La precipitación

total durante el período de muestreo fue un 57,7% mayor con respecto de la

precipitación promedio anual registrada para la zona de estudio (591 mm/año).

Los resultados mostraron que durante la época de aumento de la precipitación la

carga de PM10 tendió a disminuir (48,8 µg/m3); es decir, la carga promedio de

PM10 en tiempo de disminución de la precipitación (i.e., en época seca) fue 1,33

veces mayor con respecto de la época de lluvias (ver Figura 5.12). Sin embargo,

existió una débil correlación negativa entre la precipitación y la carga de PM10 en

la Zona 1 (r = -0,36).

Con el objeto de reducir las fluctuaciones en la serie temporal de la carga de PM10

en la Zona 1 de la ciudad de Bogotá se procedió a utilizar la media móvil. En este


327

sentido, el número total de muestras recolectadas durante el período de estudio

(i.e., 365 días) en cada zona de evaluación fue de 38; es decir, en promedio se

recolectó una muestra cada 9,6 días. Por lo tanto, se utilizó la media móvil de diez

días. Por otro lado, el modelo ARIMA desarrollado para PM10 en la propuesta

metodológica indicó que el fenómeno estuvo influenciado de manera consecutiva;

es decir, la carga de PM10 estuvo influenciada por la carga inmediatamente

anterior: (PM10t) = PM10t-1-0,844+at. Por lo tanto, probablemente se trato de un

fenómeno de memoria corta al igual que el fenómeno de la concentración de Pb

asociada con el sedimento viario (i.e., un proceso autorregresivo) (ver Capítulo 4,

apartado 4.3.4.3.2). A partir de lo anterior, se estableció la media móvil de los

diez días antecedentes para reducir las fluctuaciones en la serie temporal de la

carga de PM10 en la Zona 1 de la ciudad de Bogotá (ver Figura 5.13). El mismo

tratamiento fue aplicado para las Zonas 2 y 3. De esta manera se apreció mejor la

tendencia de la carga de PM10 con respecto de la variación en la precipitación.

Por otro lado, durante la caracterización realizada para el sedimento viario en la

Zona 2 (03/10/2010-03/10/2011; 365 días) se identificaron dos períodos de lluvia:

(i) entre el 18/10/2010-09/01/2011, y (ii) entre el 24/02-06/06/2011 (ver Figura

5.8). La precipitación total durante el período de muestreo fue un 42,3% mayor

con respecto de la precipitación promedio anual registrada para la zona de estudio

(600 mm/año). A diferencia de la Zona 1, durante la época de aumento de la

precipitación la carga de PM10 tendió ligeramente a aumentar (58,0 µg/m3); es

decir, la carga promedio de PM10 en tiempo de disminución de la precipitación

(i.e., en época seca) fue 1,05 veces menor con respecto de la época de lluvias (ver

Figura 5.14). Sin embargo existió una débil correlación negativa entre la

precipitación y la carga de PM10 en la Zona 2 (r = -0,21), que probablemente

coincidió con lo observado para el sedimento viario en relación a los períodos

identificados a partir de la variación en la precipitación (ver apartado 5.2.2.1.1).


de la ciudad de Bogotá (promedio: 92,2 g/m2). Lo anterior, probablemente se

debió al aporte de sedimento por la ejecución de actividades de construcción en


328

cercanías a la superficie viaria de investigación (i.e., por un predio de 26000 m2);

es por esto que la Zona 2 presentó una impermeabilización del 45% (ver Figura

5.5). Por lo tanto, los resultados mostraron en el presente estudio que la carga de

PM10 en áreas donde se ejecutaron actividades de demolición y construcción no

tendió a seguir la tendencia observada en la Zona 1 y durante el desarrollo

metodológico (ver Capítulo 4, apartado 4.3.3.1). Es decir, la carga de PM10

disminuyó en tiempo de lluvia y aumentó en tiempo seco; como lo mostraron las

zonas viarias con ausencia de este tipo de actividades.

Finalmente, durante la caracterización realizada en la Zona 3 (08/05/2010-

08/05/2011; 365 días) se identificaron tres períodos de lluvia: (i) entre el 08/05-

17/07/2010, (ii) entre el 18/10/2010-10/01/2011, y (iii) entre el 01/03-08/05/2011

(ver Figura 5.9). La precipitación total durante el período de muestreo fue un

75,1% mayor con respecto de la precipitación promedio anual registrada para la

zona de estudio (706 mm/año). Los resultados mostraron que durante la época de

aumento de la precipitación la carga de PM10 tendió a disminuir (80,3 µg/m3); es

decir, la carga promedio de PM10 en tiempo de disminución de la precipitación

(i.e., en época seca) fue 1,18 veces mayor con respecto de la época de lluvias (ver

Figura 5.15). Sin embargo, existió una débil correlación negativa entre la

precipitación y la carga de PM10 en la Zona 3 (r = -0,30).

La tendencia detectada para las Zonas 1 y 3, probablemente se debió a la

suspensión de partículas inducida por el tráfico y el viento sobre la superficie

viaria y las áreas aledañas a la zona de estudio; es decir, en época seca la

susceptibilidad de suspensión de una partícula fue mayor con respecto de la época

de lluvias. En este sentido, es importante resaltar que la velocidad media del

viento durante el período de estudio en las Zonas 1 y 3 fue de 10,1 y 9,4 km/h,

con magnitudes horarias de hasta 26,3 y 28,1 km/h en la época seca,

respectivamente. Adicionalmente, en la época de lluvias probablemente la

humedad del sedimento vario condicionó su adherencia a la superficie y, por lo

tanto, se requirió de un mayor esfuerzo por parte del tráfico y del viento para ser

suspendido.

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

329

Fig

ura

5.12

Var

iaci

ón d

e la

car

ga d

e P

M10

con

res

pect

o a

la p

reci

pita

ción

en

la Z

ona

1-F

ontib

ón (

Bog

otá,

Col

ombi

a)

020

40

60

80100

120

05

10

15

20

25

30

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011

Carga (µg/m3)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ónP

M10

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

330

Fig

ura

5.13

Var

iaci

ón d

e la

car

ga d

e P

M10

con

res

pect

o a

la p

reci

pita

ción

en

la Z

ona

1-F

onti

bón.

Med

ia m

óvil

(Bog

otá,

Col

ombi

a)

010

20

30

40

50

60

70

80

90

05

10

15

20

25

30

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011

Carga (µg/m3)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

PM

10

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

331

Fig

ura

5.14

Var

iaci

ón d

e la

car

ga d

e P

M10

con

res

pect

o a

la p

reci

pita

ción

en

la Z

ona

2-P

uent

e A

rand

a. M

edia

móv

il (

Bog

otá,

Col

ombi

a)

010

20

30

40

50

60

70

80

90

0510

15

20

25

30

35

40

45

50

03/10/2010

23/10/2010

12/11/2010

02/12/2010

22/12/2010

11/01/2011

31/01/2011

20/02/2011

12/03/2011

01/04/2011

21/04/2011

11/05/2011

31/05/2011

20/06/2011

10/07/2011

30/07/2011

19/08/2011

08/09/2011

28/09/2011

Carga (µg/m3)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

PM

10

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

332

Fig

ura

5.15

Var

iaci

ón d

e la

car

ga d

e P

M10

con

res

pect

o a

la p

reci

pita

ción

en

la Z

ona

3-K

enne

dy. M

edia

móv

il (B

ogot

á, C

olom

bia)

020406080100

120

051015202530354045

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011

Carga (µg/m3)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

PM

10


333

La anterior tendencia de las Zonas 1 y 3 de la ciudad de Bogotá fue sustentada por

el comportamiento de la carga de sedimento viario en la ciudad de Torrelavega

(España) durante el desarrollo metodológico. Como es sabido, el sistema de

muestreo de aspirado y barrido en seco (SABS) implementado en la ciudad

Torrelavega permitió diferenciar dos tipos de carga, la aspirada directamente

(carga libre, CL) y la recolectada tras un barrido adicional sobre la misma

superficie viaria (carga fija, CF) (ver Capítulo 3, apartado 3.2.1). La humedad

media del sedimento recolectado durante los períodos de tiempo seco fue mayor

para CF (2,9%), mientras que para CL fue de 0,6%. Es decir, la humedad fue

mayor para la carga de sedimento más fuertemente adherida a la superficie viaria.

Como era de esperar, la humedad del sedimento disminuyó con el aumento del

número de días de tiempo seco y, por lo tanto, influyó en la disponibilidad de CF

para ser aspirada (ver Capítulo 4, apartado 4.3.2.1.1). Por lo tanto, los resultados

sugirieron que la disponibilidad (p.ej., al lavado por escorrentía, y a la suspensión

inducida por el tráfico y el viento) de la carga más fuertemente adherida a la

superficie aumentó con el número de días de tiempo seco.

Adicionalmente y como sustento de las tendencias observadas en las Zonas 1 y 3,

algunos investigadores (p.ej., Duce y Hoffman, 1976; Park et al., 1999; Jung et

al., 2003; Chate et al., 2011) han reportado el efecto de lavado atmosférico

generado por la precipitación; de esta manera los eventos de lluvia tuvieron

influencia en la carga de partículas en suspensión, haciéndose evidente al

comparar los períodos de tiempo seco y de lluvias en los lugares de estudio de los

investigadores.

5.2.4 FASE 4. Desarrollo del modelo causal entre la concentración de Pb asociada

con el sedimento viario y la carga en suspensión (PM10)

En esta fase se desarrolló el modelo causal entre la concentración de Pb asociada

con el sedimento viario (µg/g) y la carga de PM10 (µg/m3) para cada zona de

estudio en la ciudad de Bogotá. Las etapas ejecutadas para el desarrollo de los

modelos fueron las siguientes: (i) hipótesis, (ii) identificación, (iii) estimación de


334

parámetros, (iv) verificación, y (v) análisis del pronóstico. A continuación se

describen cada una de las etapas del desarrollo del modelo.

Como es sabido, las siguientes consideraciones fueron aceptadas durante el

desarrollo metodológico a través del establecimiento y prueba de las hipótesis del

modelo (ver Capítulo 4, apartado 4.3.4.1): (i) la fracción de tamaño inferior a 250

µm fue seleccionada como representativa del sedimento viario a partir de la

distribución de la concentración metálica asociada con el mismo, (ii) se seleccionó

a PM10 como la fracción representativa para evaluar la relación entre la

concentración metálica en suspensión y la carga del material en suspensión, para

áreas aledañas a las superficies viarias, y (iii) se seleccionó a Pb para evaluar la

relación entre la concentración metálica asociada con la fracción de tamaño

inferior a 250 µm del sedimento viario y la carga de PM10, para áreas aledañas a

las superficies viarias. Las actividades desarrolladas para la prueba de hipótesis de

investigación del modelo se describen a continuación.

Finalmente, con el objeto de reducir las fluctuaciones en la serie temporal de PM10

en las Zonas 1, 2 y 3 de la ciudad de Bogotá se procedió a utilizar la media móvil.

En este sentido, el número total de muestras recolectadas de sedimento viario

durante el período de estudio (i.e., 365 días) en cada zona fue de 38; es decir, en

promedio se determinó la concentración de Pb asociada con el sedimento viario

cada 9,6 días. Por lo tanto, se utilizó la media móvil de diez días para la serie

temporal de PM10. Por otro lado, el modelo ARIMA desarrollado para PM10 en la

propuesta metodológica indicó que el fenómeno estuvo influenciado de manera

consecutiva; es decir, la carga de PM10 estuvo influenciada por la carga

inmediatamente anterior. Por lo tanto, probablemente se trato de un fenómeno de

memoria corta al igual que el fenómeno de la concentración de Pb asociada con el

sedimento viario (i.e., un proceso autorregresivo) (ver Capítulo 4, apartado

4.3.4.3.2). A partir de lo anterior, se estableció la media móvil de los diez días

antecedentes para reducir las fluctuaciones en la serie temporal de PM10 en las

Zonas 1, 2 y 3 (ver Figuras 5.13, 5.14 y 5.15). Finalmente, se seleccionaron de la

serie temporal de PM10 generada de esta manera (i.e., para los 365 datos) los


335

registros que coincidieron en fecha con el muestreo del sedimento viario; es decir,

se obtuvieron 38 datos de PM10 que fueron correlacionados con los 38 datos de la

concentración de Pb asociada con el sedimento viario para cada zona de estudio.

5.2.4.1 Hipótesis del modelo

A partir de las tendencias y pruebas aplicadas durante el desarrollo metodológico

se aceptó la siguiente hipótesis de investigación (ver Hipótesis N° 3, Capítulo 4,

apartado 4.3.4.1.4): la concentración de Pb asociada con la fracción de tamaño

inferior a 250 µm del sedimento viario está relacionada con la carga de PM10,

para áreas aledañas a las superficies viarias. En este apartado se realiza una

descripción y análisis de las tendencias observadas y las pruebas aplicadas para

evaluar la relación entre la concentración de Pb asociada con el sedimento viario y

la carga del material en suspensión (i.e., PM10).

A partir de lo establecido por la hipótesis del modelo se procedió a evaluar la

relación entre la concentración de Pb asociada con el sedimento viario (i.e.,

fracción de tamaño < 250 µm) y la carga de PM10 en las superficies viarias de

investigación de la ciudad de Bogotá (Colombia). Los análisis mostraron para las

Zonas 1, 2 y 3 que los coeficientes de correlación lineal fueron de 0,85, 0,50 y

0,60, respectivamente (ver Figura 5.16). Por otro lado, los resultados mostraron

para la concentración de Cu asociada con el sedimento viario que los coeficientes

de correlación lineal en las Zonas 1, 2 y 3 fueron de 0,59, 0,48 y 0,48,

respectivamente.

Como se pudo observar, la Zona 2 presentó la peor correlación entre la

concentración de Pb asociada con el sedimento viario y la carga de PM10 con

respecto de las Zonas 1 y 3. Como es sabido, la carga acumulada de sedimento

viario fue mayor en la Zona 2 (promedio: 92,2 g/m2). Lo anterior, probablemente

se debió al aporte de sedimento por la ejecución de actividades de construcción en

cercanías a la superficie viaria de investigación (i.e., por un predio de 26000 m2);

es por esto que la Zona 2 presentó una impermeabilización del 45% (ver Figura


336

5.5). Adicionalmente, los resultados mostraron en el presente estudio que la carga

de PM10 en áreas donde se ejecutaron actividades de demolición y construcción no

tendió a seguir el comportamiento observado en las Zonas 1 y 3, y durante el

desarrollo metodológico (ver Capítulo 4, apartado 4.3.3.1); es decir, la carga de

PM10 disminuyó en tiempo de lluvia y aumentó en tiempo seco; como lo

mostraron las zonas viarias con ausencia de este tipo de actividades (ver Capítulo

5, apartado 5.2.3.1). A partir de lo anterior, los resultados sugirieron que existió

probablemente un aporte adicional de material en suspensión por parte de las

actividades de construcción que se ejecutaron en cercanías de la superficie viaria

de la Zona 2 (i.e., a 20 m); causando un mayor o menor aporte de PM10 según la

variabilidad temporal de las actividades ejecutadas en su interior (i.e., según el

cronograma de construcción) y, por lo tanto, una disminución en la correlación

entre la concentración de Pb asociada con el sedimento viario y la carga de PM10

en la zona de estudio.

Por otro lado, al comparar la correlación entre la concentración de Pb asociada

con el sedimento viario y la carga de PM10 para las zonas viarias con ausencia de

actividades de construcción (i.e., Zonas 1 y 3), se observó que la correlación

tendió a aumentar con la disminución en la distancia de monitoreo de PM10 con

respecto de la superficie viaria en evaluación. A partir de la anterior tendencia, los

resultados sugirieron que el aumento en la distancia de monitoreo de PM10 con

respecto de la superficie viaria en estudio de la Zona 3 causó una disminución en

la correlación entre la concentración de Pb asociada con el sedimento viario y la

carga de PM10. El anterior comportamiento probablemente se debió a que el efecto

de emisión de partículas y la suspensión inducida sobre el sedimento viario y las


estación de monitoreo de la Zona 3. Adicionalmente, el aumento en la distancia de

monitoreo de la carga de PM10 con respecto de la superficie viaria de la Zona 3

probablemente hizo que el aporte de material en suspensión no estuviera

exclusivamente atribuido al tráfico (p.ej., por fuentes fijas y naturales).


337

a)

b)

c)

Figura 5.16 Relación entre la concentración de Pb asociada con el sedimento viario (< 250 µm) y la carga de PM10. a) Zona 1, b) Zona 2, y c) Zona 3

R² = 0,72

0

20

40

60

80

100

120

20 40 60 80 100


PM10 (µg/m3)

R² = 0,25

0

20

40

60

80

100

120

140

20 40 60 80 100

Pb‐Sedim

ento (µg/g)

PM10 (µg/m3)

R² = 0,37

0

50

100

150

200

250

300

40 60 80 100 120

Pb‐Sedim

ento (µg/g)

PM10 (µg/m3)


338

5.2.4.2 Identificación del modelo

En el desarrollo del modelo para las superficies viarias de investigación en la

ciudad de Bogotá (Colombia) se utilizaron dos enfoques. Un primer enfoque

determinista, preliminar, basado en el desarrollo de un modelo de regresión

simple entre la carga viaria de PM10 y la concentración de Pb asociada con el

sedimento viario. Es decir, se consideró un enfoque tradicional que fue en

búsqueda del mejor ajuste a partir de modelos preconcebidos. Un segundo

enfoque, definitivo, fundamentado en la metodología propuesta por Box y Jenkins

(1970) para el análisis de series de tiempo: modelos autorregresivos, integrados y

de promedios móviles (ARIMA).

5.2.4.2.1 Enfoque preliminar: modelo de regresión

A partir de lo observado en el apartado anterior, se procedió a realizar un análisis

de regresión con el objeto de establecer el mejor modelo preconcebido para


(< 250 µm) y la carga de PM10 sobre las superficies viarias de investigación en la

ciudad de Bogotá. Los resultados mostraron para la Zona 1 que el mejor modelo

fue el de tipo cúbico, seguido por el modelo: lineal > potencial > exponencial.

Finalmente, la Tabla 5.8 presenta la descripción de los modelos probados para


(< 250 µm) y la carga de PM10 sobre las superficies viarias de investigación.

5.2.4.2.2 Enfoque definitivo: modelo ARIMA

En este apartado se presentan los resultados de la estrategia de identificación de

modelos para series de tiempo propuesta por Box y Jenkins (1970). A

continuación se exponen de manera resumida los modelos ARIMA identificados

para las superficies viarias de investigación en la ciudad de Bogotá. Los

resultados obtenidos en detalle para cada zona de estudio podrán ser consultados

en los anexos del presente documento.

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TOD

OL

OG

ÍA P

AR

A L

A E

STIM

AC

IÓN

DE

LA

DIS

TRIB

UC

IÓN

DE

LO

S M

ETA

LE

S P

ESA

DO

S A

SOC

IAD

OS

CO

N E

L SE

DIM

EN

TO V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

339

T

abla

5.8

Mod

elos

de

regr

esió

n pa

ra la

rel

ació

n en

tre

la c

arga

via

ria

de P

M10

y la

con

cent

raci

ón d

e P

b as

ocia

do c

on e

l sed

imen

to v

iari

o (B

ogot

á, C

olom

bia)

Z

ona

Mod

elo

Ecu

ació

n R

2 P

arám

etro

s

a

b c

d 1

Cúb

ico

Pb-

Sed

.=a·

PM

103+

b·P

M102

+c·

PM

10+

d 0,

729

0,00

08

-0,1

447

10,1

87-1

88,2

Lin

eal

Pb-

Sed

.=a·

PM

10+

b 0,

719

1,64

4 -2

5,98

-

-

Exp

onen

cial

P

b-S

ed.=

a·eb·

PM

10

0,68

1 13

,20

0,02

75

- -

P

oten

cial

P

b-S

ed.=

a·P

M10b

0,

717

0,12

7 1,

546

- -

2 C

úbic

o P

b-S

ed.=

a·P

M103

+b·

PM

102+

c·P

M10

+d

0,44

0 0,

0037

-0

,586

2 30

,697

-482

,0

L

inea

l P

b-S

ed.=

a·P

M10

+b

0,25

0 0,

973

0,82

0 -

-

Exp

onen

cial

P

b-S

ed.=

a·eb·

PM

10

0,18

3 24

,59

0,01

37

- -

P

oten

cial

P

b-S

ed.=

a·P

M10b

0,

160

3,01

3 0,

715

- -

3 C

úbic

o P

b-S

ed.=

a·P

M103

+b·

PM

102+

c·P

M10

+d

0,70

9 0,

0102

-2

,371

18

1,72

-454

5,4

L

inea

l P

b-S

ed.=

a·P

M10

+b

0,36

5 2,

668

-153

,68

- -

E

xpon

enci

al

Pb-

Sed

.=a·

eb·P

M10

0,

410

5,85

9 0,

0286

-

-

Pot

enci

al

Pb-

Sed

.=a·

PM

10b

0,38

0 0,

0028

2,

275

- -

Not

a: P

M10

en

µg/

m3 a

con

dici

ones

de

refe

renc

ia, y

Pb

en µ

g/g

de m

ater

ia s

eca

de s

edim

ento

via

rio

para

la f

racc

ión

de ta

mañ

o <

250

µm


340

(i) Identificación de los modelos univariantes: esta etapa tuvo como objetivo

principal determinar los órdenes de los polinomios autorregresivo y de promedios

móviles. Igualmente, el de determinar el número de veces que se debió aplicar el

operador diferencia para cancelar la no-estacionalidad homogénea. Las anteriores

actividades se aplicaron por separado a las series de tiempo de cada zona de

estudio; es decir, a la serie de tiempo de la concentración de Pb asociada con el

sedimento viario y a la serie de tiempo de la carga viaria de PM10. La metodología

detallada para la identificación de los modelos univariantes puede ser consultada

en el desarrollo de la propuesta metodológica de la presente investigación (ver

Capítulo 4, apartado 4.3.4.3.2). Por otro lado, el paquete estadístico utilizado en la

presente investigación para la identificación de los modelos ARIMA fue IBM-

SPSS (Statistical Package for the Social Sciences, Versión 18.0.0). La Tabla 5.9

presenta los modelos univariantes identificados para cada serie temporal en las

zonas de estudio.

(ii) Estimación de los modelos univariantes: esta etapa tuvo como objetivo

principal determinar los mejores valores para los parámetros de los modelos

univariantes identificados para las series de tiempo de la carga de PM10 y la

concentración de Pb asociada con el sedimento viario en cada zona de estudio (ver

Tabla 5.9). El método estadístico utilizado para determinar los parámetros de los

modelos fue el de máxima verosimilitud. Box y Jenkins (1970) sugirieron un

método de estimación no lineal para ϕ y ϴ0 (p.ej., ver Tabla 5.9) basado en el

algoritmo propuesto por Marquardt (1963), que actualmente es utilizado por

varios paquetes de cómputo estadístico y que permitió obtener las estimaciones

puntuales de los parámetros. Nuevamente, el paquete estadístico utilizado en la

estimación de los parámetros de los modelos fue IBM-SPSS (Statistical Package

for the Social Sciences, Versión 18.0.0). Finalmente, la metodología detallada

para la estimación de los parámetros de los modelos univariantes puede ser

consultada en el desarrollo de la propuesta metodológica de la presente

investigación (ver Capítulo 4, apartado 4.3.4.3.2).


341

(iii) Verificación de los modelos univariantes: esta etapa tuvo como propósito

verificar que los modelos identificados proporcionaron un ajuste adecuado y de

que los supuestos básicos implícitos en los modelos se cumplieron. De lo

contrario, se repitieron las etapas anteriores hasta que la verificación indicó

resultados aceptables (ver Tabla 5.9). En la etapa de verificación se evaluaron los

ocho supuestos de un modelo ARIMA propuestos por Box y Jenkins (1970).

Finalmente, la metodología detallada para la verificación de los modelos

univariantes puede ser consultada en el desarrollo de la propuesta metodológica

de la presente investigación (ver Capítulo 4, apartado 4.3.4.3.2). La etapa de

verificación mostró que los modelos identificados para las series de tiempo de la

carga de PM10 y la concentración de Pb asociada con el sedimento viario fueron

satisfactorios para representar los dos fenómenos en evaluación en cada zona de

estudio. Los resultados obtenidos en detalle para cada zona podrán ser consultados





(1)) en las Zonas 1 y 2, y de segundo orden en la Zona 3 (AR (2)), se evidenció

que la concentración de Pb sobre las superficies viarias (i.e., el hoy) estuvo

influenciada por la concentración metálica del ayer en las Zonas 1 y 2, y por la de

anteayer en la Zona 3. La carga de PM10 en las áreas de estudio presentó

resultados similares (ver Tabla 5.9). Chelani y Devotta (2005), y Vicente et al.

(2011) obtuvieron resultados similares al evaluar la contaminación del aire por

partículas, NO2, As, Cd, Ni y Pb; los investigadores identificaron un modelo

ARIMA AR(2); es decir, autorregresivo de segundo orden para una frecuencia de

muestreo diaria.


342

Como se pudo observar para cada zona de estudio, existió la posibilidad de

representar la serie temporal de la concentración de Pb con un modelo ARIMA

similar al de la carga viaria de PM10 (i.e., ARIMA(1,0,0) ó ARIMA(2,1,0)). Es

decir, existió la posibilidad de representar las dos series de tiempo en evaluación a

través de la misma estructura temporal. Finalmente es importante mencionar, que

el ayer en la presente investigación correspondió a diez días a partir de la

frecuencia de recolección del sedimento viario y del registro seleccionado para la

carga de PM10 en la ciudad de Bogotá (i.e., media móvil de diez días);

adicionalmente, la concentración de Pb asociada con el sedimento viario hizo

referencia a la fracción de tamaño inferior a 250 µm.

A partir de lo anterior, es decir, de la identificación, estimación y verificación de

los modelos univariados para cada zona de estudio, se procedió a desarrollar un

modelo de función de transferencia. El objetivo fue relacionar las dos series

temporales (i.e., PM10 y Pb) en cada zona de investigación para elaborar un

modelo causal de predicción siguiendo las etapas expuestas anteriormente.

Como es sabido, en el establecimiento de las hipótesis para el desarrollo del

modelo se observó la probable existencia de una relación entre la carga de PM10 y

la concentración de Pb asociada con el sedimento en áreas aledañas a superficies

viarias. Es decir, se pudo esperar que existiera una relación dinámica entre las

variables en mención. Por lo tanto, probablemente se esperó una relación de

causalidad unidireccional de la carga de PM10 hacia la concentración de Pb en el

sedimento, dinámica, con un posible retardo a la hora de dejar sentir sus efectos

sobre la carga metálica de la superficie viaria. Sin embargo, se observó la

coincidencia entre los ciclos de la variable carga viaria de PM10 y concentración

de Pb en el sedimento en cada zona de estudio (i.e., probablemente no existió

retardo) (ver Figuras 5.17, 5.18 y 5.19).

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TOD

OL

OG

ÍA P

AR

A L

A E

STIM

AC

IÓN

DE

LA

DIS

TRIB

UC

IÓN

DE

LO

S M

ETA

LE

S P

ESA

DO

S A

SOC

IAD

OS

CO

N E

L SE

DIM

EN

TO V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

343

T

abla

5.9

Mod

elos

iden

tifi

cado

s m

edia

nte

IBM

-SP

SS

en

la c

iuda

d de

Bog

otá

(Col

ombi

a)

Zon

a S

erie

M

odel

o A

RIM

A

Par

ámet

ros

R2

MA

PE

(p

,d,q

) T

rans

form

ació

n E

cuac

ión

ϕ1

ϕ2

ϴ0

1 P

M10

(1

,0,0

) N

ingu

na

1‐B·PM

10t

θ 0a t

0,

560

- 54

,839

0,

313

14,9

47

P

b (1

,0,0

) L

ogar

ítm

ica

1‐B·T

Pbt

θ 0a t

0,

513

- 4,

099

0,27

632

,251

2

PM

10

(1,0

,0)

Nin

guna

1‐

B·PM

10t

θ 0a t

0,

486

- 57

,261

0,

246

12,6

30

P

b (1

,0,0

) N

ingu

na

1‐B·Pb

tθ 0

a t

0,31

7 -

56,7

24

0,10

125

,053

3

PM

10

(2,1

,0)

Nin

guna

1-

1B-

2B·W

t=θ 0

+a t

-0

,438

-0

,619

-0

,231

0,

360

8,88

9

Pb

(2,1

,0)

Log

arít

mic

a 1-

1B-

2B·W

t=θ 0

+a t

-0

,568

-0

,502

-0

,005

0,

357

39,0

38

MA

PE

: err

or a

bsol

uto

porc

entu

al p

rom

edio


344

Figura 5.17 Series temporales para la carga de PM10 y la concentración de Pb en

el sedimento viario para la Zona 1 (Bogotá, Colombia)





0

10

20

30

40

50

60

70

80

90

0

20

40

60

80

100

120

0 10 20 30 40

PM

10(µg/m

3)

Pb‐Sedim

ento (µg/g)

No. de muestreo

Pb

PM10

0

10

20

30

40

50

60

70

80

90

0

20

40

60

80

100

120

140

0 10 20 30 40

PM10(µg/m

3)

Pb‐Sedim

ento (µg/g)

No. de muestreo

Pb

PM10

0

20

40

60

80

100

120

0

50

100

150

200

250

300

0 10 20 30 40

PM

10(µg/m

3)


No. de muestreo

Pb

PM10


345

(i) Identificación del modelo de función de transferencia: se consideró a partir del

establecimiento de las hipótesis que existió una causalidad unidireccional desde la

serie de tiempo de la carga viaria de PM10 (Xt) hacia la concentración de Pb

asociada con el sedimento viario (Yt), eliminando la posibilidad de

retroalimentación. Los modelos obtenidos para la variable de entrada (Xt) en cada

zona de estudio (i.e., carga de PM10) se pueden apreciar en la Tabla 5.9. Estos

modelos fueron los que se utilizaron para realizar el preblanqueo de la variable de

salida (i.e., Yt: concentración de Pb en el sedimento) (ver Tabla 5.9) con el objeto

de determinar la función de transferencia (Pankratz, 1991). Se calculó la función

de correlación cruzada estimada para cada zona de estudio y sólo se apreció al

retardo 0 estadísticamente significativo (i.e., no existió retardo); de manera que la

respuesta al impulso fue inmediata: ω0B0 (i.e., (b,s,h) = (0,0,0)). A partir de lo

anterior se identificaron los modelos de función de transferencia para las Zonas 1,

2 y 3 en la ciudad de Bogotá.

Una vez identificada la función de transferencia para cada zona de estudio se

estimó la serie del ruido (Nt), y se procedió a identificar el proceso ARMA

generador de los residuos mediante sus funciones de autocorrelación simple

(FAC) y parcial (FACP) muestral. Los resultados mostraron para las zonas de

investigación que los residuos seguían un proceso ARMA (0,0). El paquete

estadístico utilizado en la identificación de los modelos fue IBM-SPSS (Statistical

Package for the Social Sciences, Versión 18.0.0). Igualmente, la metodología

detallada para la identificación de los modelos de función de transferencia puede

ser consultada en el desarrollo de la propuesta metodológica de la presente

investigación (ver Capítulo 4, apartado 4.3.4.3.2). Finalmente los modelos de

función de transferencia completos para las Zonas 1, 2 y 3 se presentan a

continuación, respectivamente:

1- B ln(Pb)= ω0(PM10) +θ0+at (5.8)

1- B (Pb)= ω0(PM10) +θ0+at (5.9)

1- 1B- 2B (Pb)= ω0(PM10) +θ0+at (5.10)


346

Adicionalmente, se identificaron datos atípicos que se incluyeron en el modelo de

función de transferencia completo de las Zonas 1, 2 y 3. Los datos atípicos en la

Zona 1 estuvieron localizados en los tiempos 20 (22/11/2010) y 27 (14/01/2011).

Los datos correspondieron al valor mínimo (i.e., dato 20: 24 µg/g), y a un valor

intermedio (i.e., dato 27: 82 µg/g) que antecedió al segundo valor máximo

registrado (105 µg/g) en la concentración de Pb asociada con el sedimento viario

durante el período de muestreo (ver Figura 5.17); los datos atípicos se presentaron

durante la época de aumento y de disminución de la precipitación en la Zona 1,

respectivamente. A partir de lo anterior, los dos datos atípicos fueron modelados

de la siguiente manera: (i) el dato 20 fue tratado como del tipo aditivo; es decir,

un valor atípico que afecta a una sola observación (22/11/2010; NOV22); (ii) el

dato 27 fue igualmente tratado como del tipo aditivo (14/01/2011; ENE14).

Por otro lado, en la Zona 2 el dato atípico estuvo localizado en el tiempo 10

(15/12/2010); el cual correspondió a la máxima magnitud en la concentración de

Pb asociada con el sedimento viario durante el período de muestreo (121 µg/g)

(ver Figura 5.18). Sin embargo, el dato atípico no se presentó en la época de

disminución de la precipitación (i.e., “en tiempo seco”). Como es sabido, la carga

acumulada de sedimento viario fue mayor en la Zona 2 (promedio: 92,2 g/m2). Lo

anterior, probablemente se debió al aporte de sedimento por la ejecución de

actividades de construcción en cercanías a la superficie viaria de investigación

(i.e., por un predio de 26000 m2) (ver Figura 5.5).

En el presente estudio, la carga de PM10 y la concentración de Pb en el sedimento

en áreas donde se ejecutaron actividades de demolición y construcción no tendió a

seguir el comportamiento observado en las Zonas 1 y 3, y durante el desarrollo

metodológico (ver Capítulo 4, apartado 4.3.3.1); es decir, la carga de PM10 y la

concentración de Pb en el sedimento disminuyeron en tiempo de lluvia y

aumentaron en tiempo seco, como lo mostraron las zonas viarias con ausencia de

este tipo de actividades (ver Capítulo 5, apartado 5.2.3.1). De esta manera, los

resultados sugirieron que existió probablemente un aporte adicional de material en

suspensión y de Pb por parte de las actividades de construcción que se ejecutaron


347

en cercanías de la superficie viaria de la Zona 2 (i.e., a 20 m de distancia);

causando un mayor o menor aporte de PM10 y Pb según la variabilidad temporal

de las actividades ejecutadas en su interior (i.e., según el cronograma de

construcción). A partir de lo anterior, el valor atípico de la Zona 2 fue modelado

de la siguiente manera: el dato 10 fue tratado como del tipo innovador; es decir,

en la serie de tiempo afectó a cada observación a partir de un punto específico de

inicio en la serie temporal (i.e., 15/12/2010; DIC15).

En la Zona 3 de la ciudad de Bogotá el dato atípico estuvo localizado en el tiempo

13 (23/09/2010). El dato correspondió a la máxima magnitud registrada (264

µg/g) en la concentración de Pb asociada con el sedimento viario durante el

período de muestreo (ver Figura 5.19); el dato se presentó durante la época de

disminución de la precipitación (i.e., en “tiempo seco”). A partir de lo anterior, el

valor atípico fue modelado de la siguiente manera: el dato 13 fue tratado como del

tipo aditivo; es decir, un valor atípico que afecta a una sola observación

(23/09/2010; SEP23).

5.2.4.3 Estimación de parámetros del modelo

Esta etapa tuvo como objetivo principal determinar los mejores valores para los

parámetros de los modelos de función de transferencia. El método estadístico



para ϕ, ϴ0 y ω0 (ver Ecuaciones 5.8, 5.9 y 5.10) basado en el algoritmo propuesto

por Marquardt (1963), que actualmente es utilizado por varios paquetes de

cómputo estadístico y que permitió obtener las estimaciones puntuales de los

parámetros. El paquete estadístico utilizado en la presente investigación fue IBM-

SPSS (Statistical Package for the Social Sciences, Versión 18.0.0). Igualmente, la

metodología detallada para la estimación de los parámetros de los modelos de

función de transferencia puede ser consultada en el desarrollo de la propuesta

metodológica de la presente investigación (ver Capítulo 4, apartado 4.3.4.3.2). La


348

estimación de los modelos de función de transferencia para las Zonas 1, 2 y 3 fue

la siguiente, respectivamente:

1-0,556B ln(Pb)= -0,526NOV22+0,490ENE22

+0,027(PM10) +2,611+at (5.11)

1-0,384B (Pb)=60,321DIC15+0,584(PM10)

+20,987+at (5.12)

1-0,113B-0,041 (Pb)= 154,593SEP23

+1,987(PM10)-98,539+at (5.13)

5.2.4.4 Verificación del modelo

Esta etapa tuvo como propósito verificar que los modelos de función de

transferencia identificados para cada zona de estudio proporcionaron un ajuste

adecuado y de que los supuestos básicos implícitos en los modelos se cumplieron.

De lo contrario, se repitieron las etapas anteriores hasta que la verificación indicó

resultados aceptables. En la etapa de verificación se evaluaron los ocho supuestos

para un modelo ARIMA propuestos por Box y Jenkins (1970). La etapa de

verificación mostró que los modelos fueron satisfactorios para describir la

relación de causalidad unidireccional de la carga viaria de PM10 hacia la

concentración de Pb asociada con el sedimento viario. Por otro lado, la

metodología detallada para la verificación de los modelos de función de

transferencia puede ser consultada en el desarrollo de la propuesta metodológica

de la presente investigación (ver Capítulo 4, apartado 4.3.4.3.2). Finalmente, los

resultados obtenidos en detalle para cada zona de estudio podrán ser consultados






PM10 con respecto del bordillo de la superficie viaria de investigación en las


349

Zonas 1, 2 y 3: 10, 38 y 194 m de distancia, respectivamente. Por lo tanto los

resultados sugirieron en el presente estudio, que en áreas aledañas a las superficies

viarias la relación temporal entre la carga de PM10 y la concentración de Pb

asociada con el sedimento fue inmediata. Lo anterior, fue valido para distancias

menores de 194 m con respecto del bordillo de la vía en evaluación, para una

frecuencia promedio de muestreo de cada diez días (i.e., para PM10 y Pb), y para

la fracción de tamaño inferior a 250 µm del sedimento viario.

5.2.4.4 Análisis del pronóstico

En esta etapa se procedió a evaluar los valores obtenidos por los modelos para la

concentración de Pb asociada con el sedimento viario a partir de la carga de PM10

en las Zonas 1, 2 y 3 de la ciudad de Bogotá (ver Figuras 5.20, 5.21 y 5.22). Es

importante mencionar que en la presente investigación no se reservaron

observaciones para realizar la evaluación del pronóstico del modelo; es decir, se

emplearon las mismas observaciones que se utilizaron en la identificación,

estimación y verificación de los modelos. Igualmente, se empleó el paquete IBM-

SPSS para obtener los estadísticos de ajuste para los modelos ARIMA de cada

zona en estudio.

Inicialmente, se estudiaron los estadísticos de los modelos para evaluar la bondad

del ajuste en el modelado de las series temporales de las zonas de estudio en la

ciudad de Bogotá (ver Tabla 5.10). Como se pudo observar, se realizó una

estimación de la proporción de la varianza total en la serie que explicó el modelo;

de esta manera, la carga viaria de PM10 en las Zonas 1, 2 y 3 explicó 84, 52 y 71%

de la variación de la concentración de Pb asociada con el sedimento viario,

respectivamente. Adicionalmente, el ajuste de los modelos de función de

transferencia fue mejor que el ajuste obtenido para los modelos de las series

temporales de la carga viaria de PM10 y la concentración de Pb asociada con el

sedimento viario en cada zona de estudio (i.e., los modelos univariantes) (ver

Tabla 5.9).


350

Tabla 5.10 Estadísticos de ajuste para los modelos de función de transferencia en las Zonas 1, 2 y 3 (Bogotá, Colombia)

Zona R2 MAPE MAE MaxAPE MaxAE % mg/kg % mg/kg

1 0,84 11,90 7,26 50,81 28,81 2 0,52 22,45 11,00 83,76 24,29 3 0,71 27,89 17,98 94,98 57,44

MAPE: error absoluto porcentual promedio; MAE: error absoluto promedio; MaxAPE: error absoluto máximo porcentual; MaxAE: error absoluto máximo


concentración de Pb asociada con el sedimento viario en las Zonas 1, 2 y 3 se

desvío en promedio 7,26, 11,0 y 17,98 mg/kg con respecto del nivel pronosticado

por el modelo de función de transferencia ARIMA, respectivamente. Igualmente,

el error absoluto porcentual promedio (MAPE) evidenció una desviación

promedio de la serie temporal dependiente (i.e., concentración de Pb) del 11,9,

22,5 y 27,89% con respecto del nivel pronosticado por el modelo en las Zonas 1, 2

y 3, respectivamente. Con el objeto de detectar los peores casos en la predicción,

se procedió a determinar el máximo error absoluto promedio (MaxAE) y

porcentual (MaxAPE) para cada zona de estudio (ver Tabla 5.10).

Los resultados evidenciaron para las Zonas 1 y 3 que los máximos errores en el

pronóstico tendieron a presentarse en la época seca. Los errores en tiempo seco

fueron 1,46 y 1,18 veces superiores con respecto de la época de lluvias; lo

anterior, a partir de los períodos identificados con respecto de la precipitación en

cada zona de estudio de la ciudad de Bogotá. Como es sabido para las Zonas 1 y

3, en la época seca se presentaron las mayores concentraciones de Pb en el

sedimento y en la época de lluvias se presentaron las menores concentraciones. De

esta manera, los modelos desarrollados tendieron a presentar un mejor ajuste (i.e.,

pronóstico) en la época de lluvias. Resultados similares fueron obtenidos durante

el desarrollo de la propuesta metodológica (ver Capítulo 4, apartado 4.3.4.6).

Sin embargo, la Zona 2 presentó una tendencia opuesta; los errores de pronóstico

en tiempo de lluvia fueron 1,07 veces superiores con respecto de la época de

disminución de la precipitación (i.e., en tiempo seco). Como es sabido en el


351

presente estudio, la carga de PM10 y la concentración de Pb en el sedimento en

áreas donde se ejecutaron actividades de demolición y construcción no tendió a

seguir el comportamiento observado en las Zonas 1 y 3, y durante el desarrollo

metodológico (ver Capítulo 4, apartado 4.3.3.1); es decir, la carga de PM10 y la


aumentaron en tiempo seco, como lo mostraron las zonas viarias con ausencia de

este tipo de actividades (ver Capítulo 5, apartado 5.2.3.1). De esta manera, el

modelo desarrollado en la Zona 2 tendió a presentar un mejor ajuste (i.e.,

pronóstico) en tiempo seco (i.e., de disminución de la precipitación).

Finalmente, se determinaron los límites de confianza para los pronósticos

realizados de la concentración de Pb asociada con el sedimento viario en las

Zonas 1, 2 y 3 con el objeto de evaluar posibles escenarios en la serie temporal;

para un nivel de confianza de 95% (ver Figuras 5.20, 5.21 y 5.22). Los resultados

mostraron, como era de esperar para las Zonas 1 y 3, que en la época seca se

presentaron las mayores concentraciones de Pb en el sedimento viario a partir del

límite superior del intervalo de confianza; la concentración pudo alcanzar valores

de hasta de 158 y 315 µg/g o mg/kg, respectivamente. Es decir, en tiempo seco

existió la probabilidad de alcanzar concentraciones de hasta 2,43 y 3,42 veces por

encima de la concentración promedio de Pb para la totalidad del período de

muestreo (i.e., 65 y 92 µg/g, respectivamente). Por otro lado en la Zona 2, los

resultados mostraron que en tiempo de lluvia existió la probabilidad de alcanzar

concentraciones hasta 2,66 veces por encima de la concentración promedio de Pb

para la totalidad del período de estudio (i.e., 56 µg/g).

En la época de lluvias, como era de esperar para las Zonas 1 y 3, se presentaron

los valores más bajos en la concentración metálica con respecto del límite inferior

del intervalo de confianza; la concentración de Pb en la fracción de tamaño

inferior a 250 µm del sedimento viario pudo alcanzar valores de hasta 16,7 y 0,3

µg/g, respectivamente. De esta manera, en tiempo de lluvias existió la

probabilidad de alcanzar concentraciones de hasta 3,9 y 368 veces por debajo de

la concentración promedio de Pb para la totalidad del período en evaluación (i.e.,


352

65 y 92 µg/g, respectivamente). Por otro lado en la Zona 2, los resultados

mostraron que en tiempo de lluvia existió la probabilidad de alcanzar

concentraciones hasta 6,2 veces por debajo de la concentración promedio de Pb

para la totalidad del período de estudio (i.e., 56 µg/g).


transferencia ARIMA para la concentración de Pb asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia)



0

20

40

60

80

100

120

140

160

180

2/05/2010

27/05/2010

21/06/2010

16/07/2010

10/08/2010

4/09/2010

29/09/2010

24/10/2010

18/11/2010

13/12/2010

7/01/2011

1/02/2011

26/02/2011

23/03/2011

17/04/2011

12/05/2011

Pb‐Sedim

ento (µg/g)

Fecha

Pb

Pronóstico

L.Superior

L.Inferior

0

20

40

60

80

100

120

140

160

4/09/2010

29/09/2010

24/10/2010

18/11/2010

13/12/2010

7/01/2011

1/02/2011

26/02/2011

23/03/2011

17/04/2011

12/05/2011

6/06/2011

1/07/2011

26/07/2011

20/08/2011

14/09/2011

9/10/2011

3/11/2011


Fecha

Pb

Pronóstico

L.Superior

L.Inferior


353



5.2.5 FASE 5. Evaluación metálica asociada con el sedimento viario a partir de

información del material en suspensión

El objetivo de la última fase de la metodología fue pronosticar y evaluar la

distribución por fracción de tamaño de la concentración metálica asociada con el

sedimento viario de las Zonas 1, 2 y 3 en la ciudad de Bogotá (Colombia). Las


pronosticar y evaluar la distribución de la concentración metálica asociada con el

sedimento viario por fracción de tamaño (mg/kg o µg/g), y (ii) pronosticar y

evaluar la distribución de la carga metálica asociada con el sedimento viario por

fracción de tamaño (g/m2 o %/m2). Las fracciones de tamaño evaluadas fueron las

siguientes: < 63, 63-125, 125-250, 250-500, 500-1000, 1000-2000 y 2000-2800

µm. A continuación se describen cada una de las actividades desarrolladas en la


material en suspensión (i.e., PM10).

5.2.5.1 Evaluación de la concentración metálica asociada con el sedimento viario

0

50

100

150

200

250

300

350

7/04/2010

2/05/2010

27/05/2010

21/06/2010

16/07/2010

10/08/2010

4/09/2010

29/09/2010

24/10/2010

18/11/2010

13/12/2010

7/01/2011

1/02/2011

26/02/2011

23/03/2011

17/04/2011

12/05/2011

6/06/2011


Fecha

Pb

Pronóstico

L.Superior

L.Inferior


354

Esta actividad se enfocó en el pronóstico y análisis de la distribución de la


del material en suspensión (i.e., PM10) de las Zonas 1, 2 y 3 en la ciudad de

Bogotá. Por lo tanto, la evaluación metálica tuvo en cuenta lo siguiente: (i) el

pronóstico y análisis de la concentración de Pb para la fracción de tamaño inferior

a 250 µm del sedimento viario, se realizó a través de los modelos de función de

transferencia (ARIMA) desarrollados en la fase anterior de la metodología (i.e.,

Fase 4); (ii) por otro lado, el pronóstico y análisis de la distribución de la

concentración de Pb en las diferentes fracciones de tamaño del sedimento viario

se realizó a través de los modelos obtenidos en la Fase 2 de la presente

metodología; (iii) finalmente, el pronóstico y análisis de la concentración para los

elementos metálicos diferentes de Pb (i.e., para Cu) se realizó a través de las

relaciones detectadas en las campañas de campo adelantadas en la ciudad de

Bogotá (ver Figura 5.23).

Figura 5.23 Diagrama de flujo para la estimación de la distribución de la

concentración y carga metálica asociada con el sedimento viario a partir de información del material en suspensión (Bogotá, Colombia)

5.2.5.1.1 Evaluación de la concentración de Pb asociada con el sedimento viario a

partir de información de PM10 (modelo ARIMA)

Carga viaria de PM10

Modelo ARIMA

Concentración de Pb asociada con el sedimento viario (< 250 µm)

Modelo de distribución de la concentración y carga de Pb por fracción de tamaño

Concentración metálica asociada con el sedimento

viario (< 250 µm): Cu.

Modelo de distribución de la concentración y carga

metálica por fracción de tamaño: Cu.


355


identificados en las Zonas 1, 2 y 3 con respecto de la precipitación (i.e., época

seca y de lluvias), se procedió a seleccionar una fecha para cada período (ver

Figuras 5.24, 5.25 y 5.26). Se realizó una evaluación puntual para una fecha en

tiempo seco y una fecha en tiempo de lluvia, coincidiendo con los episodios que

presentaron valores extremos en la concentración metálica; es decir, los valores

máximo y mínimo registrados en la concentración de Pb asociada con el

sedimento viario para cada zona de estudio (i.e., fracción de tamaño < 250 µm).

Durante la época seca identificada en las Zonas 1 y 3 se pronosticaron para las

siguientes fechas la concentración de Pb asociada con el sedimento viario a partir

de la carga de PM10: 03/10/2010 (máximo: 111 µg/g) y 23/09/2010 (máximo: 264

µg/g), respectivamente (ver Figuras 5.24 y 5.26). Por el contrario, y como es

sabido para la Zona 2, los valores máximos en la concentración de Pb se

presentaron durante la época de lluvias; la anterior tendencia estuvo asociada con

el desarrollo de actividades de construcción en el área de estudio. De esta manera

la fecha seleccionada en la Zona 2 para evaluar el pronóstico en la concentración

de Pb fue la siguiente: 15/12/2010 (máximo: 121 µg/g) (ver Figura 5.25).

Los resultados mostraron para la Zona 1 que la concentración pronosticada de Pb

en el sedimento a través del modelo ARIMA (i.e., para PM10 = 78,8 µg/m3) fue de

113,9 µg/g y el valor medido fue de 110,5 µg/g, es decir, existió un error absoluto

en el pronóstico de 3,1% (ver Figura 5.27). Por otro lado en la Zona 3, los

resultados mostraron que la concentración pronosticada de Pb en el sedimento a

través del modelo ARIMA (i.e., para PM10 = 102,9 µg/m3) fue de 265,7 µg/g y el

valor medido fue de 264,2 µg/g, es decir, existió un error absoluto en el

pronóstico de 0,6%. Finalmente para la Zona 2, los resultados mostraron que la


(i.e., para PM10 = 78,6 µg/m3) fue de 121,0 µg/g y el valor medido fue de 120,6

µg/g, es decir, existió un error absoluto en el pronóstico de 0,3%. Como se pudo

observar, los errores de pronóstico para los valores extremos (i.e., máximos) en

las Zonas 1, 2 y 3 fueron menores con respecto de los errores absolutos


356

porcentuales promedios obtenidos para toda la serie temporal (MAPE): 11,90,

22,45 y 27,89%, respectivamente. Sin embargo, existieron pronósticos que

alcanzaron errores absolutos de hasta 50,81, 83,76 y 94,98%, respectivamente.

Durante la época de lluvias identificada en las Zonas 1, 2 y 3 se pronosticaron

para las siguientes fechas la concentración de Pb asociada con el sedimento viario

a partir de la carga de PM10: 22/11/2010 (mínimo: 23,6 µg/g), 24/03/2011

(mínimo: 28,7 µg/g), y 27/04/2011 (mínimo: 34,9 µg/g), respectivamente (ver

Figuras 5.24, 5.25 y 5.26). Los resultados mostraron para la Zona 1 que la



µg/g, es decir, existió un error absoluto en el pronóstico de 0,9% (ver Figura

5.27). Por otro lado en la Zona 3, los resultados mostraron que la concentración

pronosticada de Pb en el sedimento a través del modelo ARIMA (i.e., para PM10 =

59,2 µg/m3) fue de 19,6 µg/g y el valor medido fue de 34,9 µg/g, es decir, existió

un error absoluto en el pronóstico de 78,1%. Como se pudo observar, el error de

pronóstico para el valor extremo (i.e., mínimos) en la Zona 1 fue menor con

respecto del error absoluto porcentual promedio obtenido para toda la serie

temporal (MAPE): 11,90%. A diferencia de Zona 3, donde el error de pronóstico

fue mayor con respecto del error absoluto porcentual promedio obtenido para toda

la serie temporal (MAPE): 27,89%. Sin embargo, existieron pronósticos que

alcanzaron errores absolutos de hasta 50,81 y 94,98% en las Zonas 1 y 3,

respectivamente.

Finalmente para la Zona 2, los resultados mostraron que la concentración

pronosticada de Pb en el sedimento a través del modelo ARIMA (i.e., para PM10 =

66,9 µg/m3) fue de 53,3 µg/g y el valor medido fue de 28,7 µg/g, es decir, existió

un error absoluto en el pronóstico de 85,7%. Como se pudo observar, el error de

pronóstico para el valor extremo (i.e., mínimo) en la Zona 2 fue mayor con

respecto del error absoluto porcentual promedio obtenido para toda la serie

temporal (MAPE): 22,45%. Este error de pronóstico fue el mayor registrado

durante el período de estudio (i.e., para 24/03/2011).

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

357

Fig

ura

5.24

Var

iaci

ón d

e la

con

cent

raci

ón d

e P

b en

el s

edim

ento

via

rio

a pa

rtir

de

los

perí

odos

cli

mát

icos

iden

tific

ados

en

la Z

ona

1 (B

ogot

á); t

iem

po a

) se

co, y

b)

de ll

uvia

s

020

40

60

8010

0

12

0

05

10

15

20

25

30

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011

Concentración metálica (µg/g)

Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Pb

a b

b a

b

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

358

F

igur

a 5.

25 V

aria

ción

de

la c

once

ntra

ción

de

Pb

en e

l sed

imen

to v

iari

o a

part

ir d

e lo

s pe

ríod

os c

lim

átic

os id

entif

icad

os e

n la

Zon

a 2

(Bog

otá)

; tie

mpo

a)

seco

, y b

) de

lluv

ias

020

40

60

80

10

0

12

0

14

0

0510

15

20

25

30

35

40

45

50

03/10/2010

23/10/2010

12/11/2010

02/12/2010

22/12/2010

11/01/2011

31/01/2011

20/02/2011

12/03/2011

01/04/2011

21/04/2011

11/05/2011

31/05/2011

20/06/2011

10/07/2011

30/07/2011

19/08/2011

08/09/2011

28/09/2011


Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Pb

b b

a a

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

359

Fig

ura

5.26

Var

iaci

ón d

e la

con

cent

raci

ón d

e P

b en

el s

edim

ento

via

rio

a pa

rtir

de

los

perí

odos

cli

mát

icos

iden

tific

ados

en

la Z

ona

3 (B

ogot

á); t

iem

po a

) se

co, y

b)

de ll

uvia

s

050

10

0

15

0

20

0

25

0

30

0

0510

15

20

25

30

35

40

45

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011


Precipitación (mm)

Fe

cha

Pre

cipi

taci

ón

Pb

a a

b b

b


360

Las concentraciones de Pb asociadas con el sedimento viario de las Zonas 1 y 3

tendieron a ser mayores en la época seca (ver Figuras 5.24 y 5.26). Los resultados

mostraron que la concentración de Pb en tiempo seco fue 1,39 y 1,61 veces

superior con respecto de la época de lluvias, respectivamente (i.e., para la fracción

de tamaño < 250 µm). Adicionalmente, se observó que existió una débil relación

inversa entre la altura de precipitación y la concentración de Pb asociada con el

sedimento viario (Zona 1: r = -0,17; Zona 3: r = -0,16). Las anteriores

observaciones podrán ser de utilidad para las instituciones encargadas de la

gestión de la contaminación superficial en las Zonas 1 y 3 de la ciudad de Bogotá,

para diseñar y evaluar las prácticas de control de la contaminación metálica

presente sobre las superficies viarias de investigación; como por ejemplo, el

establecimiento de la frecuencia del barrido viario en la época seca y de lluvias.

Por otro lado para la Zona 2, la carga de PM10 y la concentración de Pb en el

sedimento no tendió a seguir el comportamiento anteriormente observado en las

Zonas 1 y 3, y durante el desarrollo metodológico (ver Capítulo 4, apartado

4.3.3.1). Es decir, la carga de PM10 y la concentración de Pb en el sedimento

disminuyeron en tiempo de lluvia y aumentaron en tiempo seco como lo

mostraron las zonas viarias con ausencia de actividades de demolición y

construcción (ver Capítulo 5, apartado 5.2.3.1). En este sentido, los resultados

mostraron que las concentraciones de Pb en tiempo de lluvia fueron 1,03 veces

superiores con respecto de la época seca. Adicionalmente, existió una débil

relación directa entre la altura de precipitación y la concentración de Pb en el

sedimento (r = 0,14).


(promedio: 92,2 g/m2). Lo anterior, probablemente debido al aporte de sedimento

por la ejecución de actividades de construcción en cercanías a la superficie viaria

de investigación (predio de 26000 m2); es por esto que la Zona 2 presentó una

impermeabilización del 45% (ver Figura 5.5). De esta manera, los resultados

sugirieron que existió probablemente un aporte adicional de material en

suspensión y de Pb por parte de las actividades de construcción que se ejecutaron


361

en cercanías de la superficie viaria de la Zona 2 (i.e., a 20 m de distancia);

causando un mayor o menor aporte de PM10 y Pb según la variabilidad temporal

de las actividades ejecutadas en su interior (i.e., según el cronograma de

construcción). Las anteriores observaciones podrán ser de utilidad para las

instituciones encargadas de la gestión de la contaminación superficial en la Zona 2

de la ciudad de Bogotá, para realizar el control y exigir el desarrollo e

implementación de prácticas de control de la contaminación por parte de las

empresas que ejecutan actividades de demolición y construcción.


concentración de Pb asociada con el sedimento viario. Zona 1 (Bogotá, Colombia)



0

20

40

60

80

100

120

2/05/2010

27/05/2010

21/06/2010

16/07/2010

10/08/2010

4/09/2010

29/09/2010

24/10/2010

18/11/2010

13/12/2010

7/01/2011

1/02/2011

26/02/2011

23/03/2011

17/04/2011

12/05/2011

Pb‐Sedim

ento (µg/g)

Fecha

Pb

Pronóstico

0

20

40

60

80

100

120

140

4/09/2010

29/09/2010

24/10/2010

18/11/2010

13/12/2010

7/01/2011

1/02/2011

26/02/2011

23/03/2011

17/04/2011

12/05/2011

6/06/2011

1/07/2011

26/07/2011

20/08/2011

14/09/2011

9/10/2011

3/11/2011

Pb‐Sedim

ento (µg/g)

Fecha

Pb

Pronóstico


362



Finalmente, se utilizaron los modelos ARIMA desarrollados en cada zona de

estudio para realizar el pronóstico de la concentración de Pb asociada con el

sedimento viario a partir de la serie temporal completa de la media móvil de la

carga de PM10. Es decir, para realizar el pronóstico durante la totalidad del

período de muestreo: para 365 días (ver Figuras 5.30, 5.31 y 5.32). Los resultados

mostraron que al realizar el pronóstico para la totalidad del período de muestreo el

error absoluto promedio tendió a aumentar, con respecto de los 38 registros

disponibles de la concentración de Pb asociada con el sedimento viario por cada

zona de estudio. En este sentido, los errores de pronóstico para la totalidad del

período de muestreo en las Zonas 1, 2 y 3 fueron 18,11, 24,54 y 27,84%,

respectivamente. Por lo tanto, los errores absolutos de pronóstico aumentaron en

1,52 y 1,09 veces para las Zonas 1 y 2. Por el contrario, en la Zona 3 el error

absoluto promedio en el pronóstico para la totalidad del período de estudio fue

similar.

0

50

100

150

200

250

300

7/04/2010

2/05/2010

27/05/2010

21/06/2010

16/07/2010

10/08/2010

4/09/2010

29/09/2010

24/10/2010

18/11/2010

13/12/2010

7/01/2011

1/02/2011

26/02/2011

23/03/2011

17/04/2011

12/05/2011

6/06/2011

Pb‐Sedim

ento (µg/g)

Fecha

Pb

Pronóstico

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

363

Fig

ura

5.30

Pro

nóst

ico

de la

con

cent

raci

ón d

e P

b en

el s

edim

ento

via

rio

a pa

rtir

de

la s

erie

tem

pora

l com

plet

a de

PM

10 (

med

ia m

óvil

).

Zon

a 1

020

40

60

8010

0

12

0

14

0

05

10

15

20

25

30

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011


Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Pb

(pro

nó

stic

o)

Pb

(obs

erv

ado

)

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

364

F

igur

a 5.

31 P

ronó

stic

o de

la c

once

ntra

ción

de

Pb

en e

l sed

imen

to v

iari

o a

part

ir d

e la

ser

ie te

mpo

ral c

ompl

eta

de P

M10

(m

edia

móv

il).

Z

ona

2

020

40

60

80

10

0

12

0

14

0

0510

15

20

25

30

35

40

45

50

03/10/2010

23/10/2010

12/11/2010

02/12/2010

22/12/2010

11/01/2011

31/01/2011

20/02/2011

12/03/2011

01/04/2011

21/04/2011

11/05/2011

31/05/2011

20/06/2011

10/07/2011

30/07/2011

19/08/2011

08/09/2011

28/09/2011


Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Pb

(ob

serv

ad

o)

Pb

(pro

nó

stic

o)

CA

PÍT

ULO

5.-

AP

LIC

AC

IÓN

DE

LA

ME

TO

DO

LO

GÍA

PA

RA

LA

EST

IMA

CIÓ

N D

E L

A D

ISTR

IBU

CIÓ

N D

E L

OS

ME

TAL

ES

PE

SAD

OS

ASO

CIA

DO

S C

ON

EL

SED

IME

NT

O V

IAR

IO A

PA

RT

IR D

E I

NF

OR

MA

CIÓ

N D

EL

MA

TER

IAL

EN

SU

SPE

NSI

ÓN

: B

OG

OT

Á D

.C. (

CO

LO

MB

IA)

365

F

igur

a 5.

32 P

ronó

stic

o de

la c

once

ntra

ción

de

Pb

en e

l sed

imen

to v

iari

o a

part

ir d

e la

ser

ie te

mpo

ral c

ompl

eta

de P

M10

(m

edia

móv

il).

Zon

a 3

050

10

0

15

0

20

0

25

0

30

0

0510

15

20

25

30

35

40

45

08/05/2010

28/05/2010

17/06/2010

07/07/2010

27/07/2010

16/08/2010

05/09/2010

25/09/2010

15/10/2010

04/11/2010

24/11/2010

14/12/2010

03/01/2011

23/01/2011

12/02/2011

04/03/2011

24/03/2011

13/04/2011

03/05/2011


Precipitación (mm)

Fe

cha

Pre

cip

itaci

ón

Pb

(ob

serv

ad

o)

Pb

(pro

nó

stic

o)


366


de Pb asociada con el sedimento viario (modelo determinista)

A partir de la campaña de campo adelantada en cada zona de estudio de la ciudad

de Bogotá se lograron desarrollar modelos deterministas para pronosticar y

evaluar la distribución de la concentración de Pb a través de las diferentes

fracciones de tamaño del sedimento viario: < 63, 63-125, 125-250, 250-500, 500-

1000, 1000-2000 y 2000-2800 µm. Los modelos exponencial y potencial

obtenidos para la concentración metálica en función del tamaño de la partícula

fueron los siguientes, respectivamente:

HMC A · e B· (5.14)

HMC A · d B (5.15)


seca; “A” y “B” fueron coeficientes para Pb (ver Tabla 5.11); y “d” el diámetro de

la partícula en milímetros (límite superior de cada fracción de tamaño) (ver

Capítulo 5, apartado 5.2.2.3). De esta manera se determinó el valor del parámetro

A, es decir, a partir de la concentración de Pb pronosticada por el modelo ARIMA

para la fracción de tamaño inferior a 250 µm.

Tabla 5.11 Coeficientes para el modelo exponencial y potencial de la

concentración de metales pesados por fracción de tamaño (Bogotá, Colombia) Metal Pesado Pb Cu Pb Cu Modelo exponencial Modelo potencial

Zona 1 B 0,38 0,96 0,29 0,76 R2 0,90 0,88 0,95 0,99

Zona 2 B 0,82 0,67 0,58 0,54 R2 0,97 0,84 0,85 0,98

Zona 3 B 0,75 0,86 0,57 0,69 R2 0,92 0,85 0,95 0,99


identificados en cada zona de estudio con respecto de la precipitación (i.e., época


367

seca y época de lluvias), se procedió a seleccionar la época donde se presentó la

máxima concentración de Pb; es decir, se realizó una evaluación puntual

coincidiendo con el valor máximo en la concentración de Pb pronosticado por el

modelo ARIMA de las Zonas 1, 2 y 3.


siguientes fechas la distribución por fracción de tamaño de la concentración de Pb

asociada con el sedimento viario: 03/10/2010 (máximo observado: 111 µg/g) y

23/09/2010 (máximo observado: 264 µg/g), respectivamente (ver Figuras 5.24 y

5.26). Por el contrario, y como es sabido para la Zona 2, los valores máximos en

la concentración de Pb se presentaron durante la época de lluvias; la anterior

tendencia estuvo asociada con el desarrollo de actividades de construcción en el

área de estudio. De esta manera la fecha seleccionada en la Zona 2 para evaluar el

pronóstico en la distribución por fracción de tamaño de la concentración de Pb fue

la siguiente: 15/12/2010 (máximo observado: 121 µg/g) (ver Figura 5.25).

Los resultados mostraron para la Zona 1 (i.e., para 03/10/2010) que la

concentración pronosticada de Pb para la fracción tamaño inferior a 250 µm del

sedimento viario fue de 113,9 µg/g (error de pronóstico: 3,1%); a partir de la

anterior concentración, se estimó el parámetro A (76,2) en el modelo que produjo

el mejor ajuste (i.e., potencial; ver Tabla 5.11) y se procedió a determinar la

concentración de Pb asociada con cada fracción de tamaño (ver Ecuación 5.15): <

63 (169,9), 63-125 (139,3), 125-250 (113,9), 250-500 (93,2), 500-1000 (76,2),

1000-2000 (62,3), y 2000-2800 µm (56,5 µg/g). Las concentraciones medidas por

fracción de tamaño en la Zona 1 de la ciudad de Bogotá para la fecha en

evaluación fueron las siguientes: < 63 (163,3), 63-125 (136,6), 125-250 (108,1),

250-500 (104,2), 500-1000 (100,9), 1000-2000 (74,1), y 2000-2800 µm (54,7

µg/g). El error promedio en el pronóstico a través del modelo potencial para todas

las fracciones de tamaño fue de 9,4% (ver Figura 5.33).


368


tamaño de la concentración de Pb asociada con el sedimento viario de 03/10/2010 en la Zona 1 (Bogotá, Colombia)

Los resultados mostraron en la Zona 1 para todo el período en estudio, que el error


asociada con las fracciones del sedimento viario fue el siguiente: < 63 (13,6%),

63-125 (21,4%), 125-250 (21,3%), 250-500 (9,4%), 500-1000 (2,7%), 1000-2000

(8,5%), y 2000-2800 µm (35,4%); con un promedio para todas las fracciones de

tamaño de 16,0% (i.e., de sobreestimación) (ver Figura 5.34).


concentración de Pb asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia)

40

60

80

100

120

140

160

180

10 100 1000 10000

Pb‐Sedim

ento (µg/g)

Diámetro (µm)

Observado

Pronóstico

0,0

20,0

40,0

60,0

80,0

100,0

120,0

10 100 1000 10000

Pb‐Sedim

ento (µg/g)

Diámetro (µm)

Observado

Pronóstico


369




anterior concentración, se estimó el parámetro A (120,7) en el modelo que

produjo el mejor ajuste (i.e., potencial; ver Tabla 5.11) y se procedió a determinar

la concentración de Pb asociada con cada fracción de tamaño (ver Ecuación 5.15):

< 63 (582,9), 63-125 (394,4), 125-250 (265,7), 250-500 (179,0), 500-1000

(120,6), 1000-2000 (81,2), y 2000-2800 µm (67,0 µg/g). Las concentraciones

medidas por fracción de tamaño en la Zona 3 de la ciudad de Bogotá para la fecha

en evaluación fueron las siguientes: < 63 (147,3), 63-125 (119,3), 125-250 (83,9),

250-500 (46,4), 500-1000 (18,0), 1000-2000 (13,9), y 2000-2800 µm (11,4 µg/g).

El error promedio en el pronóstico a través del modelo potencial para todas las

fracciones de tamaño fue de 367,3%. Por otro lado, los resultados mostraron en la

Zona 3 para todo el período en estudio que el error absoluto promedio en el

pronóstico de la distribución de la concentración de Pb asociada con las fracciones

del sedimento viario fue el siguiente: < 63 (102,4%), 63-125 (50,6%), 125-250

(50,4%), 250-500 (11,6%), 500-1000 (18,2%), 1000-2000 (24,8%), y 2000-2800

µm (14,6%); con un error de pronóstico promedio para todas las fracciones de

tamaño de 39,0% (i.e., con tendencia a la sobreestimación) (ver Figura 5.35).

Figura 5.35 Pronóstico y valores observados promedios para la distribución por

fracción de tamaño de la concentración de Pb asociada con el sedimento viario de la Zona 3 (Bogotá, Colombia)

0

20

40

60

80

100

120

140

160

180

200

10 100 1000 10000


Diámetro (µm)

Observado

Pronóstico


370




anterior concentración, se estimó el parámetro A (148,5) en el modelo que

produjo el mejor ajuste (i.e., exponencial; ver Tabla 5.11) y se procedió a

determinar la concentración de Pb asociada con cada fracción de tamaño (ver

Ecuación 5.14): < 63 (141,1), 63-125 (134,1), 125-250 (121,0), 250-500 (98,6),

500-1000 (65,4), 1000-2000 (28,8), y 2000-2800 µm (15,0 µg/g). Las

concentraciones medidas por fracción de tamaño en la Zona 2 de la ciudad de

Bogotá para la fecha en evaluación fueron las siguientes: < 63 (83,5), 63-125

(48,9), 125-250 (42,7), 250-500 (30,7), 500-1000 (20,0), 1000-2000 (17,1), y

2000-2800 µm (15,1 µg/g). El error promedio en el pronóstico de la distribución

de la concentración de Pb para todas las fracciones de tamaño fue de 135,0%. Por

otro lado, los resultados mostraron en la Zona 2 para todo el período en estudio

que el error absoluto promedio en el pronóstico de la distribución de la

concentración de Pb asociada con las fracciones del sedimento viario fue el

siguiente: < 63 (7,9%), 63-125 (31,8%), 125-250 (65,3%), 250-500 (40,9%), 500-

1000 (12,0%), 1000-2000 (53,8%), y 2000-2800 µm (25,0%); con un error de

pronóstico promedio para todas las fracciones de tamaño de 31,7% (i.e., de

sobreestimación) (ver Figura 5.36).

Figura 5.36 Pronóstico y valores observados promedios para la distribución por

fracción de tamaño de la concentración de Pb asociada con el sedimento viario de la Zona 2 (Bogotá, Colombia)

0

10

20

30

40

50

60

70

10 100 1000 10000

Pb‐Sedim

ento (µg/g)

Diámetro (µm)

Observado

Pronóstico


371

Como se pudo observar en los pronósticos de las Zonas 1, 2 y 3, la concentración

de Pb tendió a aumentar con la disminución en la fracción de tamaño del

sedimento viario. Pitt y Amy (1973), Ellis y Revitt (1982), Sansalone y

Tribouillard (1999), German y Svensson (2002), Deletic y Orr (2005), y Zafra et

al. (2011) encontraron resultados similares. En promedio para la calzada de

estudio en las Zonas 1, 2 y 3 de la ciudad de Bogotá, la fracción de tamaño

inferior a 63 µm del sedimento viario presentó una concentración de Pb 2,23, 2,15

y 4,84 veces mayor que la fracción comprendida entre 500 y 1000 µm,

respectivamente. Al comparar la fracción de menor tamaño del sedimento viario

(< 63 µm) con la de tamaño mayor (2000-2800 µm), se observó que la diferencia

en la concentración fue superior para las Zonas 1, 2 y 3: 3,01, 9,41 y 8,69 veces,

respectivamente. Los anteriores resultados en orden de magnitud fueron similares

a los reportados por otras investigaciones (p.ej. Roger et al., 1998; Viklander,

1998; Deletic y Orr, 2005; Zafra et al., 2011). La variación entre autores en la

concentración metálica probablemente se debió a las características particulares de

cada lugar de muestreo y a la eficacia de los diferentes métodos empleados en la

recolección del sedimento viario: barrido en seco, aspirado y barrido en seco, y

aspirado en húmedo. Adicionalmente, se debe considerar el error generado por los

modelos ARIMA utilizados en los pronósticos de la presente investigación.

5.2.5.2 Evaluación de la carga metálica asociada con el sedimento viario

5.2.5.2.1 Evaluación de la distribución por fracción de tamaño de la carga de Pb

asociada con el sedimento viario (modelo determinista)

A partir de la campaña de campo adelantada en la ciudad de Bogotá, se logró

desarrollar un modelo determinista para cada zona de estudio con el objeto de

pronosticar y evaluar la distribución de la carga o cantidad de Pb a través de las

diferentes fracciones de tamaño del sedimento viario: < 63, 63-125, 125-250, 250-

500, 500-1000, 1000-2000 y 2000-2800 µm. El modelo de tipo logarítmico

obtenido en las zonas de estudio fue el siguiente:


372

PCA A · ln d B (5.16)

Donde PCA representó el porcentaje acumulado de carga de Pb por fracción de

tamaño; A y B fueron parámetros para Pb (adimensional) (ver Tabla 5.12); y d el

diámetro de la partícula en milímetros (límite superior de cada fracción de

tamaño) (ver Capítulo 5, apartado 5.2.2.4).

Tabla 5.12 Coeficientes para el modelo logarítmico del porcentaje acumulado de carga metálica por fracción de tamaño (Bogotá, Colombia)

Metal pesado Pb Cu

Zona 1A 22,5 18,8 B 89,3 93,1

Zona 2 A 26,2 25,0 B 85,3 86,7

Zona 3A 23,7 22,3 B 85,7 88,2


identificados en cada zona de estudio con respecto de la precipitación (i.e., época

seca y época de lluvias), se procedió a seleccionar la época donde se presentó la

máxima concentración de Pb; es decir, se realizó una evaluación puntual

coincidiendo con el valor máximo en la concentración de Pb pronosticado por el

modelo ARIMA de las Zonas 1, 2 y 3. Sin embargo, y como se pudo observar, el

modelo de distribución del porcentaje acumulado de carga de Pb por fracción de

tamaño fue independiente de la concentración pronosticada por el modelo

ARIMA (ver Ecuación 5.16).


siguientes fechas la distribución por fracción de tamaño de la concentración de Pb

asociada con el sedimento viario: 03/10/2010 (máximo observado: 111 µg/g) y

23/09/2010 (máximo observado: 264 µg/g), respectivamente (ver Figuras 5.24 y

5.26). Por el contrario, y como es sabido para la Zona 2, los valores máximos en

la concentración de Pb se presentaron durante la época de lluvias; la anterior


373



pronóstico en la distribución por fracción de tamaño de la concentración de Pb fue

la siguiente: 15/12/2010 (máximo observado: 121 µg/g) (ver Figura 5.25).

Para la fecha seleccionada de la época seca en la Zona 1 (i.e., 03/10/2010), se

procedió a pronosticar el porcentaje acumulado de carga de Pb por fracción de

tamaño (ver Ecuación 5.16): < 63 (27,1), < 125 (42,5), < 250 (58,1), < 500 (73,7),

< 1000 (89,3), < 2000 (100,0), y < 2800 µm (100,0%). Los porcentajes

acumulados de carga de Pb medidos para la fecha en evaluación fueron los

siguientes: < 63 (16,4), < 125 (55,9), < 250 (86,0), < 500 (96,7), < 1000 (99,2), <

2000 (99,9) y < 2800 µm (100%). El error absoluto promedio en el pronóstico de

la distribución de carga acumulada de Pb para todas las fracciones de tamaño fue

de 22,2%. Por otro lado, los resultados mostraron para todo el período en estudio

que el error absoluto promedio en el pronóstico de la distribución de la carga

acumulada de Pb por fracción de tamaño en el sedimento viario fue el siguiente: <

63 (61,6%), 63-125 (23,7%), 125-250 (16,6%), 250-500 (19,8%), 500-1000

(7,4%), 1000-2000 (0,9%), y 2000-2800 µm (0%); con un error de pronóstico

promedio para todas las fracciones de tamaño de 18,6% (ver Figura 5.37).

Figura 5.37 Pronóstico y valores observados promedios para la distribución de la carga de Pb asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia)

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaP

b-S

edim

ento

Diámetro (µm)

Observado

Pronóstico


374




< 1000 (85,7), < 2000 (100,0) y < 2800 µm (100,0%). Los porcentajes


siguientes: < 63 (33,3), < 125 (47,2), < 250 (69,9), < 500 (84,6), < 1000 (93,2), <






63 (19,8%), 63-125 (20,3%), 125-250 (32,5%), 250-500 (25,6%), 500-1000






< 1000 (85,3), < 2000 (100,0) y < 2800 µm (100,0%). Los porcentajes


siguientes: < 63 (10,5), < 125 (16,8), < 250 (58,9), < 500 (86,6), < 1000 (94,9), <






63 (30,4%), 63-125 (0,6%), 125-250 (13,6%), 250-500 (25,1%), 500-1000




375



El pronóstico mostró en promedio para las Zonas 1, 2 y 3 que el 42,5, 30,8 y

36,4% de la carga de Pb se asoció con la fracción de tamaño inferior a 125 µm

(valores observados: 34,4, 30,6 y 45,7%), respectivamente. Por otro lado para las

Zonas 1, 2 y 3, en la fracción de tamaño mayor a 1000 µm se asoció el 10,5, 14,7

y 14,3% de la carga de Pb (valores observados: 3,6, 0,6 y 2,2%), respectivamente.

Sansalone y Buchberger (1997), y Deletic y Orr (2005) reportaron que las

fracciones de mayor tamaño fueron generalmente consideradas como de menor

importancia en el contenido y transporte de contaminantes. Finalmente el

pronóstico mostró para las Zonas 1, 2 y 3, que el 57,5, 69,2 y 63,6% de la carga de

Pb se asoció con la fracción de tamaño mayor a 125 µm (valores observados:

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaP

b-S

edim

ento

Diámetro (µm)

Observado

Pronóstico

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaP

b-S

edim

ento

Diámetro (µm)

Observado

Pronóstico


376

65,6, 69,4 y 54,3%), respectivamente; es decir, el tamaño correspondiente para las

arenas finas. Ellis y Revitt (1982), Stone y Marsalek (1996), Sansalone y

Tribouillard (1999), y Zafra Mejía et al. (2011) obtuvieron resultados similares.

Como es sabido en el presente estudio, los tamaños de partícula que presentaron la

mayor susceptibilidad al lavado por escorrentía en las ciudades de Torrelavega y

Soacha fueron los inferiores a 500 µm (ver Tabla 4.9; Capítulo 4, apartado

4.3.2.2). El pronóstico mostró en promedio, que el 73,7, 67,1 y 69,3% de la carga

de Pb en las Zonas 1, 2 y 3 de la ciudad de Bogotá se asoció con esta fracción de

tamaño (valores observados: 91,9, 89,5 y 93,1%), respectivamente. Con respecto

de la fracción de tamaño representativa del sedimento viario (i.e., < 250 µm), el

pronóstico mostró en promedio para las Zonas 1, 2 y 3 que el 58,1, 49,0 y 52,8%

de la carga de Pb estuvo asociada con esta fracción (valores observados: 69,7,

56,7 y 78,2%), respectivamente. De esta manera, se realizó una estimación

preliminar de la carga potencial de Pb que podría ser removida de la superficie

viaria en tiempo de lluvia y descargada en los sistemas de recolección y transporte

de la escorrentía en las zonas de estudio.

Por otro lado, los resultados sugirieron que en tiempo de lluvia existió una pérdida

promedio de sedimento del 62,2, 60,0 y 62,6% en las Zonas 1, 2 y 3,




viario (i.e., removida por escorrentía), en promedio se observó para las Zonas 1, 2

y 3 que el 32,2, 20,7 y 22,8%, respectivamente, de la carga acumulada de Pb



lluvia (ver Capítulo 5, apartado 5.2.2.4). Los resultados en orden de magnitud

fueron similares a los obtenidos en el desarrollo de la propuesta metodológica

para los elementos metálicos de las ciudades de Torrelavega (17,2%) y Soacha

(35,8%) (ver Capítulo 4, apartado 4.3.2.4).


377


y carga metálica asociada con el sedimento viario: Cu.

Con el objeto de realizar una evaluación puntual del pronóstico de la

concentración asociada con el sedimento viario para los metales diferentes de Pb

(i.e., para Cu), y a partir de los períodos identificados en las Zonas 1, 2 y 3 con

respecto de la precipitación (i.e., época seca y de lluvias); se procedió a

seleccionar la fecha que coincidió con el episodio que presentó el valor máximo

registrado en la concentración de Pb asociada con el sedimento viario para cada

zona de estudio (ver Figuras 5.24, 5.25 y 5.26). Es importante mencionar, que Pb

fue el elemento representativo para evaluar la concentración metálica asociada

con el sedimento viario a partir de información del material en suspensión.

Igualmente, se seleccionó a la fracción de tamaño inferior a 250 µm como

representativa del sedimento viario.

A partir de la campaña de campo adelantada en las Zonas 1, 2 y 3 de la ciudad de

Bogotá se logró determinar la magnitud de la diferencia en la concentración entre

Pb y Cu (ver Tabla 5.13). Las magnitudes promedios de los factores de diferencia

fueron empleadas para pronosticar la concentración de Cu a partir de la

concentración de Pb (i.e., fracción de tamaño < 250 µm); esta última obtenida con

el modelo ARIMA desarrollado para cada zona de estudio.

Tabla 5.13 Factor de diferencia para Cu con respecto de Pb (Bogotá, Colombia)

Elemento metálico

(fracción de tamaño < 250 µm) Zona 1 2 3

Concentración (mg/kg)

Pb Cu Pb Cu Pb Cu 64,7 247,0 56,4 58,4 78,1 92,0

Factor medio 1,0 3,82 1,0 1,04 1,0 1,18


siguientes fechas la concentración de Cu asociada con el sedimento viario a partir

de la concentración de Pb: 03/10/2010 (máximo de Pb: 111 µg/g) y 23/09/2010

(máximo de Pb: 264 µg/g), respectivamente (ver Figuras 5.24 y 5.26). Por el

contrario, y como es sabido para la Zona 2, los valores máximos en la


378

concentración de Pb se presentaron durante la época de lluvias; la anterior



pronóstico en la concentración de Cu fue la siguiente: 15/12/2010 (máximo de Pb:

121 µg/g) (ver Figura 5.25).




µg/g; es decir, existió un error absoluto en el pronóstico de 3,1%. A partir de lo

anterior, los resultados mostraron que la concentración pronosticada de Cu para la

fecha en evaluación fue de 435,1 mg/kg y el valor medido en la concentración de

Cu fue 346,0 mg/kg. De esta manera, el error absoluto en el pronóstico de la

concentración de Cu fue de 25,8%. Adicionalmente, es importante mencionar que

existió una correlación positiva media entre la concentración de Pb y Cu asociada

con el sedimento viario (r = 0,57), y que la máxima concentración de Cu

registrada durante el período de estudio fue de 798,6 mg/kg (i.e., para

22/01/2011).

Por otro lado en la Zona 3 (i.e., para 23/09/2010), los resultados mostraron que la







concentración fue de 60,1%. Adicionalmente, es importante mencionar que existió

una considerable correlación positiva entre la concentración de Pb y Cu asociada

con el sedimento viario (r = 0,63), y que la máxima concentración de Cu

registrada durante el período de estudio fue de 248,3 mg/kg; esta última ocurrida

en la siguiente fecha de muestreo del sedimento viario: 03/10/2010.


379

Finalmente para la Zona 2 (i.e., para 15/12/2010), los resultados mostraron que la







concentración fue de 20,3%. Adicionalmente, es importante mencionar que existió

una fuerte correlación positiva entre la concentración de Pb y Cu asociada con el

sedimento viario (r = 0,86), y que la máxima concentración de Cu registrada

durante el período de estudio fue de 118,6 mg/kg; esta última ocurrida en la

siguiente fecha de muestreo del sedimento viario: 23/12/2010.

A partir de lo anterior, se procedió para las fechas seleccionadas en cada zona de

estudio a pronosticar la distribución de la concentración de Cu por fracción de

tamaño del sedimento viario. Como es sabido, se desarrolló en las Zonas 1, 2 y 3

un modelo determinista para pronosticar la distribución de la concentración por

fracción de tamaño (i.e., de tipo potencial y exponencial) (ver Ecuaciones 5.14 y

5.15, y Tabla 5.11).


procedió a pronosticar la distribución de la concentración de Cu con el modelo

que presentó el mejor ajuste (i.e., potencial): < 63 (1240,3), < 125 (736,8), < 250

(435,1), < 500 (256,9), < 1000 (151,7), < 2000 (89,6), y < 2800 µm (69,4 mg/kg).

La distribución de la concentración de Cu medida para la fecha en evaluación fue

la siguiente: < 63 (628,0), < 125 (422,9), < 250 (204,1), < 500 (115,9), < 1000

(110,8), < 2000 (57,2), y < 2800 µm (37,6%). El error absoluto promedio en el

pronóstico de la distribución de carga acumulada de Cu para todas las fracciones

de tamaño fue de 83,5%. Por otro lado, los resultados mostraron para todo el

período en estudio que el error absoluto promedio en el pronóstico de la

distribución de la concentración de Cu por fracción de tamaño del sedimento

viario fue el siguiente: < 63 (40,6%), 63-125 (28,1%), 125-250 (34,7%), 250-500


380

(20,2%), 500-1000 (19,1%), 1000-2000 (24,9%), y 2000-2800 µm (54,9%); con

un error de pronóstico promedio para todas las fracciones de tamaño de 31,8%

(i.e., de sobreestimación) (ver Figura 5.40).


concentración de Cu asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia)

Para la fecha seleccionada de la época seca en la Zona 3 (i.e., para 23/09/2010), se

procedió a pronosticar la distribución de la concentración de Cu con el modelo

que presentó el mejor ajuste (i.e., potencial): < 63 (811,5), < 125 (505,8), < 250

(313,5), < 500 (194,3), < 1000 (120,5), < 2000 (74,7), y < 2800 µm (59,2 mg/kg).

La distribución de la concentración de Cu medida para la fecha en evaluación fue

la siguiente: < 63 (147,3), < 125 (119,3), < 250 (83,9), < 500 (46,4), < 1000

(18,0), < 2000 (13,9), y < 2800 µm (11,4 mg/kg). El error absoluto promedio en el

pronóstico de la distribución de carga acumulada de Cu para todas las fracciones

de tamaño fue de 399,2%. Por otro lado, los resultados mostraron para todo el

período en estudio que el error absoluto promedio en el pronóstico de la

distribución de la concentración de Cu por fracción de tamaño del sedimento


(36,2%), 500-1000 (63,0%), 1000-2000 (35,9%), y 2000-2800 µm (54,7%); con



0

100

200

300

400

500

600

700

800

10 100 1000 10000

Cu‐Sedimento (µ

g/g)

Diámetro (µm)

Observado

Pronóstico


381



Para la fecha seleccionada de la época de lluvia en la Zona 2 (i.e., para

15/12/2010), se procedió a pronosticar la distribución de la concentración de Cu

con el modelo que presentó el mejor ajuste (i.e., potencial): < 63 (264,8), < 125

(182,9), < 250 (125,8), < 500 (86,5), < 1000 (59,5), < 2000 (40,9), y < 2800 µm

(34,1 mg/kg). La distribución de la concentración de Cu medida para la fecha en

evaluación fue la siguiente: < 63 (105,3), < 125 (61,7), < 250 (53,9), < 500 (38,7),

< 1000 (25,2), < 2000 (21,5), y < 2800 µm (19,1 mg/kg). El error absoluto

promedio en el pronóstico de la distribución de carga acumulada de Cu para todas

las fracciones de tamaño fue de 130,1%. Por otro lado, los resultados mostraron

para todo el período en estudio que el error absoluto promedio en el pronóstico de

la distribución de la concentración de Cu por fracción de tamaño del sedimento


(12,4%), 500-1000 (47,6%), 1000-2000 (24,9%), y 2000-2800 µm (28,1%); con



0

50

100

150

200

250

300

10 100 1000 10000

Cu‐Sedimento (µ

g/g)

Diámetro (µm)

Observado

Pronóstico


382



Como se pudo observar, los errores promedios en el pronóstico de la distribución

de la concentración de Cu fueron significativos; la anterior tendencia

probablemente se debió a: (i) la afinidad en el origen de los elementos metálicos

en estudio (i.e., para Pb y Cu): los coeficientes de correlación para las Zonas 1, 2

y 3 fueron 0,57, 0,86 y 0,63, respectivamente; (ii) adicionalmente en el modelo

determinista desarrollado para evaluar la distribución de la concentración en el

sedimento viario, la concentración metálica de referencia correspondió a la de la

fracción de tamaño inferior a 250 µm y no a la correspondiente de la fracción de

tamaño entre 125 y 250 µm; ocasionando un aumento en el pronóstico de la

concentración por fracción de tamaño puesto que también se incluyeron las

fracciones: < 63, 63-125 y 125-250 µm; (iii) al ajuste del modelo determinista

para evaluar la distribución de la concentración metálica: los coeficientes de

determinación para las Zonas 1, 2 y 3 fueron 0,99, 0,98 y 0,99, respectivamente; y

(iv) al ajuste del modelo ARIMA utilizado para pronosticar la concentración de

Pb asociada con la fracción de tamaño inferior a 250 µm: el error absoluto

promedio en el pronóstico del modelo para las Zonas 1, 2 y 3 fue 11,9, 22,5 y

27,9%, respectivamente.

Con el objeto de intentar reducir los anteriores errores de pronóstico, se procedió a

determinar un factor de corrección para Pb y Cu a partir de la diferencia promedio

entre la concentración metálica asociada con la fracción de tamaño inferior a 250

0

20

40

60

80

100

120

140

10 100 1000 10000

Cu‐Sedim

ento (µ

g/g)

Diámetro (µm)

Observado

Pronóstico


383

µm y la asociada con la fracción de tamaño entre 125 y 250 µm (ver Tabla 5.14).

En promedio para Pb de las Zonas 1, 2 y 3 el error absoluto en el pronóstico de la

distribución de la concentración por fracción de tamaño del sedimento viario fue

de 8,2, 20,4 y 29,1%, respectivamente. De esta manera, con la incorporación del

factor de corrección se lograron mejorar los pronósticos en promedio para las

Zonas 1, 2 y 3 en un 48,6, 35,7 y 25,3%, respectivamente. Por otro lado, en

promedio para el Cu de las Zonas 1, 2 y 3 el error absoluto en el pronóstico de la

distribución de la concentración por fracción de tamaño del sedimento viario fue

de 19,2, 17,2 y 16,6%, respectivamente. De esta manera, con la incorporación del

factor de corrección se lograron mejorar los pronósticos en promedio para las

Zonas 1, 2 y 3 en un 39,7, 38,1 y 62,8%, respectivamente.

Tabla 5.14 Factor de corrección para la distribución por fracción de tamaño de la concentración de Pb y Cu (Bogotá, Colombia)

Concentración (mg/kg) Zona 1 2 3

Pb Cu Pb Cu Pb Cu < 250 µm 65 247 56 58 78 92

125-250 µm 54 152 34 53 54 74 Factor medio 1,20 1,63 1,65 1,09 1,44 1,24

Por último, se procedió para la fecha seleccionada en cada zona de estudio a

pronosticar la distribución por fracción de tamaño de la carga de Cu asociada con

el sedimento viario. Como es sabido, se desarrolló en cada zona de estudio un

modelo determinista para pronosticar la distribución de la carga o cantidad de Pb

asociada por fracción de tamaño (i.e., de tipo logarítmico) (ver Ecuación 5.16 y

Tabla 5.14). Estos modelos fueron independientes de la concentración

pronosticada por el modelo ARIMA (ver Ecuación 5.16).


procedió a pronosticar la distribución de la carga de Cu asociada con el sedimento

viario: < 63 (41,1), < 125 (54,0), < 250 (67,0), < 500 (80,1), < 1000 (93,1), <

2000 (100) y < 2800 µm (100%). La distribución de la concentración de Cu

medida para la fecha en evaluación fue la siguiente: < 63 (24,5), < 125 (72,1), <

250 (94,1), < 500 (98,7), < 1000 (99,8), < 2000 (100) y < 2800 µm (100%). El


384

error absoluto promedio en el pronóstico de la distribución de carga acumulada de

Cu para todas las fracciones de tamaño fue de 21,0%. Por otro lado, los resultados

mostraron para todo el período en estudio que el error absoluto promedio en el

pronóstico de la distribución de la concentración de Cu por fracción de tamaño del

sedimento viario fue el siguiente: < 63 (56,2%), 63-125 (8,5%), 125-250 (18,4%),

250-500 (17,3%), 500-1000 (5,8%), 1000-2000 (0,3%), y 2000-2800 µm (0%);

con un error de pronóstico promedio para todas las fracciones de tamaño de

15,2% (ver Figura 5.43).


carga de Cu asociada con el sedimento viario en la Zona 1 (Bogotá, Colombia)

Para la fecha seleccionada de la época seca en la Zona 3 (i.e., para 23/09/2010), se

procedió a pronosticar la distribución de la carga de Cu asociada con el sedimento

viario: < 63 (26,5), < 125 (41,8), < 250 (57,3), < 500 (72,7), < 1000 (88,2), <

2000 (100), y < 2800 µm (100%). La distribución de la concentración de Cu

medida para la fecha en evaluación fue la siguiente: < 63 (33,3), < 125 (47,2), <

250 (69,9), < 500 (84,6), < 1000 (93,2), < 2000 (99,5), y < 2800 µm (100%). El

error absoluto promedio en el pronóstico de la distribución de carga acumulada de

Cu para todas las fracciones de tamaño fue de 10,0%. Por otro lado, los resultados

mostraron para todo el período en estudio que el error absoluto promedio en el

pronóstico de la distribución de la concentración de Cu por fracción de tamaño del

sedimento viario fue el siguiente: < 63 (14,0%), 63-125 (21,9%), 125-250

(34,7%), 250-500 (25,4%), 500-1000 (11,1%), 1000-2000 (0,1%), y 2000-2800

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaC

u-S

edim

ento

Diámetro (µm)

Observado

Pronóstico


385

µm (0%); con un error de pronóstico promedio para todas las fracciones de

tamaño de 15,3% (ver Figura 5.44).

Figura 5.44 Pronóstico y valores observados promedios para la distribución de la carga de Cu asociada con el sedimento viario en la Zona 3 (Bogotá, Colombia)

Para la fecha seleccionada de la época de lluvias en la Zona 2 (i.e., para

15/12/2010), se procedió a pronosticar la distribución de la carga de Cu asociada

con el sedimento viario: < 63 (17,6), < 125 (34,7), < 250 (52,0), < 500 (69,4), <

1000 (86,7), < 2000 (100) y < 2800 µm (100%). La distribución de la

concentración de Cu medida para la fecha en evaluación fue la siguiente: < 63

(10,5), < 125 (16,8), < 250 (58,9), < 500 (86,6), < 1000 (94,9), < 2000 (98,4), y <


de carga acumulada de Cu para todas las fracciones de tamaño fue de 30,7%. Por

otro lado, los resultados mostraron para todo el período en estudio que el error

absoluto promedio en el pronóstico de la distribución de la concentración de Cu

por fracción de tamaño del sedimento viario fue el siguiente: < 63 (16,9%), 63-

125 (2,2%), 125-250 (21,0%), 250-500 (26,1%), 500-1000 (12,6%), 1000-2000

(0,2%), y 2000-2800 µm (0%); con un error de pronóstico promedio para todas las

fracciones de tamaño de 11,3% (ver Figura 5.45).

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaC

u-S

edim

ento

Diámetro (µm)

Observado

Pronóstico


386


carga de Cu asociada con el sedimento viario en Zona 2 (Bogotá, Colombia)

El pronóstico mostró en promedio para las Zonas 1, 2 y 3 de la ciudad de Bogotá,

que el 54,0, 34,7 y 41,8% de la carga de Cu se asoció con la fracción de tamaño

inferior a 125 µm (valores observados: 49,8, 34,0 y 53,5%), respectivamente. Por

otro lado, en la fracción de tamaño mayor a 1000 µm se asoció el 6,9, 13,3 y

11,8% de la carga de Cu (valores observados: 1,1, 0,8 y 0,8%), respectivamente.

Algunos investigadores (p.ej. Sansalone y Buchberger, 1997; Deletic y Orr, 2005)

han reportado que las fracciones de mayor tamaño fueron generalmente

consideradas como de menor importancia en el contenido y transporte de

contaminantes. Finalmente, el pronóstico mostró para las Zonas 1, 2 y 3 que el

46,0, 65,3 y 58,2% (valores observados: 50,2, 66,0 y 46,5%) de la carga de Cu se

asoció con la fracción de tamaño mayor a 125 µm; es decir, el tamaño

correspondiente para las arenas finas. Ellis y Revitt (1982), Stone y Marsalek

(1996), Sansalone y Tribouillard (1999), y Zafra Mejía et al. (2011) obtuvieron

resultados similares.

Como es sabido en la presente investigación, los tamaños de partícula que

presentaron la mayor susceptibilidad al lavado por escorrentía en las ciudades de

Torrelavega y Soacha fueron los inferiores a 500 µm (ver Tabla 4.9; Capítulo 4,

apartado 4.3.2.2). El pronóstico mostró en promedio para las Zonas 1, 2 y 3 que el

80,1, 69,4 y 72,7% de la carga de Cu se asoció con esta fracción de tamaño

(valores observados: 96,9, 93,9 y 97,5%), respectivamente. Con respecto de la

0

10

20

30

40

50

60

70

80

90

100

10 100 1000 10000

Por

cent

aje

acum

ulad

o de

car

gaC

u-S

edim

ento

Diámetro (µm)

Observado

Pronóstico


387

fracción representativa del sedimento viario (i.e., < 250 µm), el pronóstico mostró

en promedio para las Zonas 1, 2 y 3 que el 67,0, 52,0 y 57,3% de la carga de Cu

estuvo asociada con esta fracción (valores observados: 82,1, 65,8 y 87,7%),

respectivamente. De esta manera, se realizó una estimación preliminar de la carga

potencial de Cu que podría ser removida de la superficie viaria en tiempo de lluvia

y descargada en los sistemas de recolección y transporte de la escorrentía de las

áreas de investigación.

Por otro lado, los resultados sugirieron que en tiempo de lluvia existió una pérdida

promedio de sedimento del 62,2, 60,0 y 62,6% en las Zonas 1, 2 y 3,




viario (i.e., removida por escorrentía), en promedio se observó para las Zonas 1, 2

y 3 que el 27,1, 19,4 y 24,7%, respectivamente, de la carga acumulada de Cu



lluvia (ver Capítulo 5, apartado 5.2.2.4). Los resultados en orden de magnitud

fueron similares a los obtenidos en el desarrollo de la propuesta metodológica

para todos los elementos metálicos evaluados en las ciudades de Torrelavega

(17,2%) y Soacha (35,8%) (ver Capítulo 4, apartado 4.3.2.4).

5.3 SÍNTESIS


Los datos obtenidos durante los períodos de disminución de la precipitación

mostraron para la Zona 1 (Fontibón), Zona 2 (Puente Aranda) y Zona 3

(Kennedy), que la carga acumulada sobre la calzada en función del número de

días de tiempo seco (g/m2) tendió a presentar un crecimiento de tipo lineal debido

a la frecuencia de las lluvias. Lo anterior se sugirió a partir del desarrollo de la

propuesta metodológica, donde se observó una tendencia lineal en la acumulación


388

del sedimento en los lugares donde la frecuencia de los eventos de lluvia fue

elevada (i.e., ≤ 7 días) (ver Capítulo 4, apartado 4.3.2.1.1). En este sentido, la

precipitación en las Zonas 1, 2 y 3 fue un 57,7, 42,3 y 75,1% mayor con respecto

de la precipitación promedio anual registrada para cada zona de estudio,

respectivamente. Por otro lado, la carga acumulada de sedimento viario fue mayor

en la Zona 2 (i.e., Puente Aranda: 92,2 g/m2). Esta tendencia probablemente se

debió al desarrollo de actividades de construcción en cercanías a la superficie de

investigación (i.e., por un predio de 26000 m2 localizado a 20 m); es por esto que

la zona en evaluación presentó una impermeabilización del 45%.

Con respecto de la distribución granulométrica del sedimento viario en tiempo

seco, los resultados evidenciaron que la distribución de tamaños de las partículas

en “tiempo seco” (i.e., en época de disminución de la precipitación) tendió a ser

más fina, con respecto de la granulometría del sedimento en tiempo de lluvia;

adicionalmente, la granulometría exhibió una distribución log-normal

positivamente sesgada. Por otro lado, en la Zona 2 la distribución de tamaños de

las partículas fue más gruesa. Como es sabido, la carga acumulada de sedimento

viario fue mayor en la Zona 2 (promedio: 92,2 g/m2). Lo anterior, probablemente

debido al aporte de sedimento por la ejecución de actividades de construcción en

cercanías a la superficie viaria de investigación (i.e., por un predio de 26000 m2

localizado a 20 m). Por lo tanto, los resultados mostraron en el presente estudio

que la granulometría del sedimento viario en áreas donde se ejecutaron

actividades de demolición y construcción tendió a ser más gruesa, con respecto de

las zonas viarias con ausencia de este tipo de actividades.


Los datos obtenidos en tiempo de lluvia mostraron que existió una débil

correlación negativa entre la precipitación y la carga de sedimento viario. Lo

anterior, a partir de los análisis de regresión realizados entre la precipitación diaria

(mm) y la carga de sedimento viario (g/m2) para evaluar la remoción de sedimento

durante estos períodos de tiempo. La tendencia lineal fue la que mejores


389

resultados produjo en las zonas de estudio. Los coeficientes de correlación lineal

(r) fueron -0,27, -0,41 y -0,37 para las Zonas 1, 2 y 3, respectivamente. Por otro

lado, la carga de sedimento viario durante los períodos donde existió un aumento

de la precipitación fue 2,65, 2,50 y 2,67 veces menor con respecto de la época de

disminución de la precipitación (i.e., “época seca”), respectivamente. Por lo tanto,

los resultados sugirieron que en tiempo de lluvia existió una pérdida promedio de

sedimento de 62,2, 60,0 y 62,6% en las Zonas 1, 2 y 3, respectivamente

(promedio: 61,6%). Lo anterior, fue valido para la fracción de tamaño

representativa del sedimento viario (i.e., < 250 µm).

Con respecto de la granulometría del sedimento viario en tiempo de lluvia, los

resultados evidenciaron que la distribución de tamaños de las partículas fue más

gruesa que la observada durante la época de disminución de la precipitación (i.e.,

“época seca”). Esta tendencia permitió sugerir un probable lavado de la fracción

más fina del sedimento viario durante estos períodos de tiempo. Los resultados

mostraron en promedio para las tres zonas de estudio, que la mayor diferencia o

pérdida de sedimento viario (g/m2) se presentó para la fracción de tamaño inferior

a 250 µm: 49,0%; la pérdida promedio de sedimento para la fracción de tamaño <

63, 63-125 y 125-250 µm fue de 95,4, 50,2 y 1,4%, respectivamente. Como se

pudo observar, la susceptibilidad al lavado por escorrentía aumentó con la

disminución en la fracción de tamaño del sedimento viario.


Desde el punto de vista de la concentración metálica, los resultados mostraron que

la fracción de tamaño inferior a 63 µm del sedimento viario tendió a presentar las

mayores concentraciones de Pb y Cu; la prueba t de Student emparejada mostró

que existieron diferencias significativas en la concentración entre fracciones de

tamaño para un determinado metal pesado; y que la concentración metálica tendió

a disminuir con el aumento del diámetro de la partícula. Los modelos potencial y

exponencial fueron los que mejor describieron esta tendencia (R2 > 0,84 y 0,89,

respectivamente). Desde el punto de vista de las fuentes móviles, los resultados


390

sugirieron en las zonas de estudio que los principales generadores de Pb y Cu

fueron las partículas desprendidas por el desgaste de las pastillas de los frenos, las

llantas, el pavimento asfáltico y las partes móviles del motor; y las fugas de aceite

lubricante y grasa. Adicionalmente, las fuentes de los elementos metálicos

estuvieron probablemente asociadas con tamaños de partícula inferiores a 125 µm.

Por otro lado, la Zona 1 tendió a presentar las mayores concentraciones de Pb y

Cu. Las concentraciones de Pb en la Zona 1 fueron en promedio 2,22 y 1,52 veces

mayores que las concentraciones de las Zonas 2 y 3, respectivamente. Las

concentraciones de Cu presentaron una tendencia similar; es decir, en promedio

fueron 3,10 y 2,35 veces superiores, respectivamente. En el presente estudio, los

resultados sugirieron que la zona con mayor uso de la calzada como línea de

aparcamiento y de mantenimiento automotriz presentó las mayores

concentraciones de Pb y Cu, a pesar de haber presentado la menor densidad

promedio de tráfico. La anterior tendencia probablemente se debió a una mayor

acumulación de grasa, aceite lubricante y de motor sobre la superficie de muestreo

por las labores de mantenimiento y reparación automotriz; y al mayor uso del

sistema de frenado, desgaste de las llantas y del pavimento asfáltico por las

operaciones de aparcamiento.

En las calzadas de la ciudad de Bogotá la fracción de tamaño entre 125 y 250 µm

tendió a asociar el mayor porcentaje de carga de Pb y Cu (%/kg de sedimento ó

%/m2). La anterior tendencia probablemente se debió a: (i) la presencia de

partículas finas adheridas a la superficie de las partículas de esta fracción de

tamaño (125-250 µm) y difícilmente cuantificables por el método de tamizado en

seco, que hicieron que la concentración metálica aumentara; y (ii) que asoció la

mayor cantidad de sedimento viario y, por lo tanto, la mayor cantidad de

elementos metálicos. En este sentido, los resultados sugirieron que la distribución

de la carga contaminante estuvo condicionada en orden de importancia por la

cantidad de sedimento y la concentración de los elementos metálicos por fracción

de tamaño.


391

Como es sabido, los resultados indicaron que en tiempo de lluvia existió una

pérdida promedio de sedimento del 62,2, 60,0 y 62,6% en las Zonas 1, 2 y 3,


tamaño representativa del sedimento viario (i.e., < 250 µm). Al realizar el cálculo

con los datos de la carga lavada del sedimento viario (i.e., removida por

escorrentía), en promedio se observó para las Zonas 1, 2 y 3 que el 32,2, 20,7 y

22,8%, respectivamente, de la carga acumulada de Pb sobre la superficie viaria

fue removida y probablemente descargada en los sistemas de recolección y

transporte de la escorrentía después de un evento de lluvia. Por otra parte, el Cu

presentó resultados similares a los obtenidos para el Pb. Finalmente, la carga o

cantidad de elementos metálicos asociados con el sedimento viario tendió a

aumentar con la disminución en la fracción de tamaño. El modelo logarítmico fue

el que mejor se ajustó a la relación entre el porcentaje acumulado de carga

metálica y la fracción de tamaño del sedimento viario (R2 > 0,80).

Caracterización de la carga en suspensión (PM10)

La carga promedio de PM10 durante el período de estudio en las Zonas 1, 2 y 3 fue

de 55,2, 56,1 y 85,9 µg/m3, respectivamente. Como se pudo observar la carga

promedio de PM10 fue mayor en la Zona 3: 1,56 y 1,53 veces con respecto de las

Zonas 1 y 2, respectivamente. Como se mencionó en la descripción de las vías de

estudio, la Zona 3 se localizó a 170 m de la intersección entre las autovías

Avenida del Sur y Avenida Boyacá que contabilizaron un tráfico promedio diario

global de 65000 (vehículos/día); superando en 100,0 y 4,8 veces el tráfico

promedio diario registrado sobre la superficie viaria de las Zonas 1 y 2,

respectivamente.

Los resultados mostraron para las Zonas 1 y 3, que durante la época de aumento

de la precipitación la carga de PM10 tendió a disminuir; es decir, la carga

promedio de PM10 en tiempo de disminución de la precipitación (i.e., en época

seca) fue 1,33 y 1,18 veces mayor con respecto de la época de lluvias,

respectivamente. Sin embargo, existió una débil correlación negativa entre la


392

precipitación y la carga de PM10 en la Zona 1 (r = -0,36) y Zona 3 (r = -0,30). La

tendencia detectada para las Zonas 1 y 3 probablemente se debió a la suspensión

de partículas inducida por el tráfico y el viento sobre la superficie viaria y las

áreas aledañas a la zona de estudio; es decir, en época seca la susceptibilidad de

suspensión de una partícula fue mayor con respecto de la época de lluvias.

Adicionalmente, en la época de lluvias probablemente la humedad del sedimento

vario condicionó su adherencia a la superficie y, por lo tanto, se requirió de un

mayor esfuerzo por parte del tráfico y el viento para ser suspendido.

A diferencia de las Zonas 1 y 3, durante la época de aumento de la precipitación la

carga de PM10 tendió ligeramente a aumentar; es decir, la carga promedio de PM10

en tiempo de disminución de la precipitación (i.e., en época seca) fue 1,05 veces

menor con respecto de la época de lluvias. Sin embargo existió una débil

correlación negativa entre la precipitación y la carga de PM10 en la Zona 2 (r = -

0,21). Lo anterior, probablemente se debió al aporte de PM10 por la ejecución de

actividades de construcción en cercanías a la superficie viaria de investigación

(i.e., por un predio de 26000 m2 localizado a 20 m). De esta manera, los resultados

mostraron que la carga de PM10 en áreas donde se ejecutaron actividades de

demolición y construcción no tendió a seguir la tendencia observada en las Zonas

1 y 3. Es decir, la carga de PM10 disminuyó en tiempo de lluvia y aumentó en

tiempo seco; como lo mostraron las zonas viarias con ausencia de este tipo de

actividades.

Desarrollo del modelo causal entre la concentración de Pb del sedimento viario y

la carga en suspensión (PM10)

A partir de las tendencias y pruebas aplicadas durante el desarrollo metodológico

se aceptó la siguiente hipótesis de investigación: la concentración de Pb asociada

con la fracción de tamaño inferior a 250 µm del sedimento viario está

relacionada con la carga de PM10, para áreas aledañas a las superficies viarias.


393

Con el objeto de reducir las fluctuaciones en la serie temporal de PM10 en las

Zonas 1, 2 y 3 de la ciudad de Bogotá se procedió a utilizar la media móvil. En

este sentido, el número total de muestras recolectadas de sedimento viario durante

el período de estudio (i.e., 365 días) en cada zona fue de 38; es decir, en promedio

se determinó la concentración de Pb asociada con el sedimento viario cada 9,6

días. Por lo tanto, se utilizó la media móvil de diez días para la serie temporal de

PM10. Por otro lado, el modelo ARIMA desarrollado para PM10 en la propuesta

metodológica indicó que el fenómeno estuvo influenciado de manera consecutiva;

es decir, la carga de PM10 estuvo influenciada por la carga inmediatamente

anterior. Por lo tanto, probablemente se trato de un fenómeno de memoria corta al

igual que el fenómeno de la concentración de Pb asociada con el sedimento viario

(i.e., un proceso autorregresivo). A partir de lo anterior, se estableció la media

móvil de los diez días antecedentes para reducir las fluctuaciones en la serie

temporal de PM10 en las Zonas 1, 2 y 3. Finalmente, se seleccionaron de la serie

temporal de PM10 generada de esta manera (i.e., para los 365 datos) los registros

que coincidieron en fecha con el muestreo del sedimento viario; es decir, se

obtuvieron 38 datos de PM10 que fueron correlacionados con los 38 datos de la

concentración de Pb asociada con el sedimento viario para cada zona de estudio.




(1)) en las Zonas 1 y 2, y de segundo orden en la Zona 3 (AR (2)), se evidenció

que la concentración de Pb sobre las superficies viarias (i.e., el hoy) estuvo

influenciada por la concentración metálica del ayer en las Zonas 1 y 2, y por la de

anteayer en la Zona 3. Adicionalmente, para cada zona de estudio existió la

posibilidad de representar la serie temporal de la concentración de Pb con un

modelo ARIMA similar al de la carga viaria de PM10 (i.e., ARIMA(1,0,0) ó

ARIMA(2,1,0)). Es decir, existió la posibilidad de representar las dos series de

tiempo en evaluación a través de la misma estructura temporal. Finalmente es

importante mencionar, que el ayer en la presente investigación correspondió a

diez días a partir de la frecuencia de recolección del sedimento viario y del


394

registro seleccionado para la carga de PM10 en la ciudad de Bogotá (i.e., media

móvil de diez días); adicionalmente, la concentración de Pb asociada con el

sedimento viario hizo referencia a la fracción de tamaño inferior a 250 µm.





PM10 con respecto del bordillo de la superficie viaria de investigación en las

Zonas 1, 2 y 3: 10, 38 y 194 m de distancia, respectivamente. Por lo tanto los

resultados sugirieron en el presente estudio, que en áreas aledañas a las superficies

viarias la relación temporal entre la carga de PM10 y la concentración de Pb

asociada con el sedimento fue inmediata. Lo anterior, fue valido para distancias

menores de 194 m con respecto del bordillo de la vía en evaluación, para una

frecuencia promedio de muestreo de cada diez días (i.e. para PM10 y Pb), y para la

fracción de tamaño inferior a 250 µm del sedimento viario.


concentración de Pb asociada con el sedimento viario en las Zonas 1, 2 y 3 se

desvío en promedio 7,26, 11,0 y 17,98 mg/kg con respecto del nivel pronosticado

por el modelo de función de transferencia ARIMA, respectivamente. Igualmente,

el error absoluto porcentual promedio (MAPE) evidenció una desviación

promedio de la serie temporal dependiente (i.e., concentración de Pb) del 11,9,

22,5 y 27,9% con respecto del nivel pronosticado por el modelo en las Zonas 1, 2

y 3, respectivamente.



Las concentraciones de Pb asociadas con el sedimento viario de las Zonas 1 y 3

tendieron a ser mayores en la época seca; los resultados mostraron que la

concentración de Pb en tiempo seco fue 1,39 y 1,61 veces superior con respecto


395

de la época de lluvias, respectivamente (i.e., para la fracción de tamaño < 250

µm). Adicionalmente, se observó que existió una débil relación inversa entre el

volumen de precipitación y la concentración de Pb asociada con el sedimento

viario (Zona 1: r = -0,17; Zona 3: r = -0,16). Las anteriores observaciones podrán

ser de utilidad para las instituciones encargadas de la gestión de la contaminación

superficial en las Zonas 1 y 3 de la ciudad de Bogotá, para diseñar y evaluar las

prácticas de control de la contaminación metálica presente sobre las superficies

viarias de investigación; como por ejemplo, el establecimiento de la frecuencia del

barrido viario en la época seca y de lluvias.

Por otro lado para la Zona 2, la carga de PM10 y la concentración de Pb en el

sedimento no tendió a seguir el comportamiento anteriormente observado en las

Zonas 1 y 3, y durante el desarrollo metodológico; es decir, la carga de PM10 y la


aumentaron en tiempo seco como lo mostraron las zonas viarias con ausencia de

actividades de demolición y construcción. En este sentido, los resultados

mostraron que las concentraciones de Pb en tiempo de lluvia fueron 1,03 veces

superiores con respecto de la época seca. Adicionalmente, existió una débil

relación directa entre el volumen de precipitación y la concentración de Pb en el

sedimento (r = 0,14).

De esta manera, los resultados sugirieron que existió probablemente un aporte

adicional de material en suspensión y de Pb por parte de las actividades de

construcción que se ejecutaron en cercanías de la superficie viaria de la Zona 2

(i.e., a 20 m de distancia); causando un mayor o menor aporte de PM10 y Pb según

la variabilidad temporal de las actividades ejecutadas en su interior (i.e., según el

cronograma de construcción). Las anteriores observaciones podrán ser de utilidad

para las instituciones encargadas de la gestión de la contaminación superficial en

la Zona 2 de la ciudad de Bogotá, para realizar el control y exigir el desarrollo e

implementación de prácticas de control de la contaminación por parte de las

empresas que ejecutan actividades de demolición y construcción.


396

Los resultados mostraron en las Zonas 1, 2 y 3 para todo el período en estudio,

que el error absoluto promedio en el pronóstico de la distribución de la

concentración de Pb asociada con las fracciones de tamaño del sedimento viario

fue 16,0, 31,7 y 39,0%, respectivamente (i.e., con tendencia a la sobreestimación).

Por otro lado los resultados mostraron para las Zonas 1, 2 y 3 durante todo el

período en estudio, que el error absoluto promedio en el pronóstico de la

distribución de la carga acumulada de Pb por fracción de tamaño en el sedimento

viario fue 18,6, 12,0, y 15,8%, respectivamente. Finalmente el pronóstico mostró

para las Zonas 1, 2 y 3, que el 57,5, 69,2 y 63,6% de la carga de Pb se asoció con

la fracción de tamaño mayor a 125 µm, respectivamente; es decir, el tamaño

correspondiente para las arenas finas.

5.4 REFERENCIAS

Ball J.E., Jenks R. y Aubourg D., An assessment of the availability of pollutant

constituents on road surfaces, Sci. Total Environ. 209 (1998), pp. 243-254. Barkdoll M.P., Overton D.E. y Betson R.P., Some effects of dustfall on urban stormwater

quality, Water Pollut. Control Fed. 49 (1977), pp. 1976-1984. Box G.E.P. y Jenkins G.M., Time Series Analysis, Forecasting and Control, San

Francisco, CA: Holden-Day, 1970. Chate D.M., Murugavel P., Ali K., Tiwari S. y Beig G., Below-cloud rain scavenging of

atmospheric aerosols for aerosol deposition models, Atmos. Res. 99 (2011), pp. 528-536.

Chelani A.B. y Devotta S., Air quality forecasting using a hybrid autoregressive and nonlinear model, Atmos. Environ. 40 (2006), pp. 1774-1780.

Debo T.N. y Reese A.J., Municipal stormwater management, Boca Raton, FL: Lewis Publishers, 2003.


Duce A.R. y Hoffman G.L., Atmospheric vanadium transport to the ocean, Atmos. Environ. 10 (1976), pp. 989-996.




Jung C.H., Kim Y.P. y Lee K.W., A moment model for simulating raindrop scavenging of aerosols, Aerosol Sci. 34 (2003), pp. 1217-1233.

Konno H. y Nonomura S., Sediment discharge on land grading areas in Kohoku, Japan, Urban stormwater quality, management, and planning, Proceeding of the Second International Conference on Urban Storm Drainage, Water Resources Publications, B.C. Yen, eds., Colorado, USA, 1981, pp. 209-217.


397

Marquardt D.W., An Algorithm for Least Squares Estimation of Non-linear Parameters, J. Society Ind. App. Math. 431 (1963), pp 11.

Pankratz A., Forecasting with dynamic regression models, New York, USA: John Wiley & Sons Inc, 1991.

Park S.U., In H.J., Kim S.W. y Lee Y.H., Parameterization ofwet deposition of sulfate by precipitation rate, Atmos. Environ. 33 (1999), pp. 4469-4475.

Pitt R.E. y Amy G., Toxic materials analysis of street surface contaminants, Rep. No. R2-72-081, Washington DC: United States Environmental Protection Agency, 1973.

Roger S., Montrejaud-Vignoles M., Andral M.C., Herrmans L. y Fortune J.P., Mineral, physical, and chemical analysis of the solid matter carried by motorway runoff water, Water Research, 34(1998), pp. 1119-1125.

Saldarriaga J.C., Echeverri E.A. y Molina F.J., Partículas suspendidas (PST) y partículas respirables (PM10) en el Valle de Aburrá, Colombia, Rev. Fac. Ing. Univ. Antioquia 32 (2004), pp. 7-16.


Sansalone J.J. y Tribouillard T., Variation in characteristics of abrade roadway particles as a function of particle size: implications for water quality and drainage, Cong. Annual Meeting of the Transportation Research Board, No. 78. Washington, DC: National Research Council, 1690 (1999), pp. 153-163.


Shaheen D.G., Contributions of urban roadway usage to water pollution, Rep. No. EPA 600/2-75-004, United States Environmental Protection Agency, Washington D.C., 1975.

Sivaramasundaram K. y Muthusubramanian P., A preliminary assessment of PM10 and TSP concentrations in Tuticorin, India, Air Qual. Atmos. Health. 3 (2010), pp. 95-102.

Stahre P. y Urbonas B., Stormwater detection for drainage, water quality and CSO management, Englewood Cliffs, NJ: Prentice-Hall, 1990.


Vicente A.B., Jordán M.M., Sanfeliu T., Sánchez A. y Esteban M.D., Air pollution prediction models of particles, As, Cd, Ni and Pb in a highly industrialized area in Castellón (NE, Spain), Environ. Earth Sci. DOI: 10.1007/s12665-011-1298-z, 2011.


Vukovich F.M. y Sherwell J., Comparison of fine particles and the relationship between particle variations and meteorology at an urban site and a remote site in the eastern United States, J. Air Waste Manag. Assoc. 52 (2002), pp. 573-584.

Walsh K. y Sherwell J., Estimation of ambient PM2.5 concentrations in Maryland and verification by measured values, J. Air Waste Manag. Assoc. 52 (2002), pp. 1161-75.

Zafra C.A., Temprano J. y Tejero I., Distribution of the concentration of heavy metals associated with the sediment particles accumulated on road surfaces, Environ. Technol. 32 (2011), pp. 997-1008.

Zafra C.A., Temprano J. y Tejero I., Particle size distribution of accumulated sediments on an urban road in rainy weather, Environ. Technol. 29 (2008), pp. 571-582.

Zafra Mejía C.A, Temprano González J. y Tejero Monzón I., Concentración y distribución de metales pesados (Pb, Zn, Cu, Cd y Cr) en sedimentos viarios urbanos, Rev. Fac. Ing. Univ. Antioquia, 58 (2011), pp. 53-62.

CAPÍTULO 6.- CONCLUSIONES Y PERSPECTIVA

399


6.1 CONCLUSIONES GENERALES

Las conclusiones de la presente investigación surgieron a partir de los resultados

obtenidos en las campañas de campo implementadas para el desarrollo de la

propuesta metodológica: en las ciudades de Torrelavega (España) y Soacha

(Colombia) entre el 28/09/2004-01/12/2004 y el 07/01/2010-14/05/2010,

respectivamente. Igualmente de las campañas de campo implementadas para la

validación de la metodología en la ciudad de Bogotá D.C. (Colombia), entre el

08/05/2010-08/05/2011 y el 03/10/2010-03/10/2011. A continuación se presentan

las principales conclusiones de la Tesis Doctoral.


Los datos obtenidos en tiempo seco mostraron que:

La carga viaria de sedimento (g/m2) aumentó al hacerlo el número de días

de tiempo seco. En este sentido, se sugirió una tendencia lineal en la

acumulación del sedimento viario en los lugares donde la frecuencia de los

eventos de lluvia fue elevada (i.e. ≤ 7 días). Por el contrario, se sugirió una

tendencia de tipo logarítmico (hacia una condición de equilibrio) cuando el

número de días de tiempo seco fue elevado (i.e. ≥ 27 días).

Adicionalmente, la granulometría del sedimento tendió a ser más fina a

medida que aumentó el número de días de tiempo seco y exhibió una

distribución log-normal positivamente sesgada. Finalmente, los tamaños

de partícula inferiores a 125 µm presentaron la mayor tasa de acumulación

en tiempo seco (g/m2·día).

La disponibilidad al aspirado (i.e. eliminación) de la carga más

fuertemente adherida a la superficie viaria, la carga fija (CF), aumentó con


400

el número de días de tiempo seco (tendencia de tipo lineal).

Adicionalmente, la granulometría de la carga más fuertemente adherida a

la superficie (CF) fue más fina que la de la carga libre (CL). De esta

manera, la eficacia en la recolección del sedimento viario por aspirado

aumentó a medida que el diámetro de la partícula fue mayor (tendencia de

tipo potencial).

El principal factor que intervino en el proceso de acumulación del

sedimento en tiempo seco fue el diseño de la vía. Asimismo, la

distribución del sedimento a través de la vía fue influenciada por la

existencia de barreras naturales (senda de vegetación) y artificiales

(bordillo). De esta manera, la granulometría del sedimento también se

encontró condicionada por la distancia entre la línea de tráfico y las

barreas naturales o artificiales construidas sobre la vía.


Los datos obtenidos en tiempo de lluvia mostraron que:

La carga de sedimento acumulada sobre la superficie viaria fue lavada

dependiendo de factores como el volumen de precipitación y el

período previo de tiempo seco. En este sentido, existió una débil

correlación negativa entre el volumen de precipitación y la carga de

sedimento viario (i.e. una tendencia lineal; r: entre -0,27 y -0,37). Por

lo tanto, la carga de sedimento durante los períodos donde existió un

aumento de la precipitación fue menor con respecto de la época de

disminución de la precipitación: en promedio 2,61 veces para la ciudad

de Bogotá D.C. (Colombia).

La pendiente del terreno, en tiempo de lluvia, en vías de similares

características, influyó en la distribución de la carga de sedimento

remanente a través de la misma. De esta manera, la probabilidad de


401

una partícula para ser transportada por la escorrentía aumentó a medida

que creció la pendiente viaria y disminuyó su diámetro. En el presente

estudio los tamaños de partícula inferiores a 500 µm fueron los que

presentaron la mayor susceptibilidad al lavado por la escorrentía viaria.

Por lo tanto, la granulometría del sedimento tras los eventos de lluvia

tendió a ser más gruesa. Finalmente los resultados evidenciaron en la

ciudad de Bogotá D.C. (Colombia), que en tiempo de lluvia existió una

pérdida promedio de sedimento del 49,0% para la fracción de tamaño

representativa del sedimento viario (i.e. < 250 µm).


Desde el punto de vista de la concentración metálica los resultados mostraron que:

La fracción de tamaño inferior a 63 µm del sedimento viario tendió a

presentar las mayores concentraciones. Por otro lado, la concentración

metálica tendió a disminuir con el aumento del diámetro de la partícula,

siendo los modelos potencial y exponencial los que mejor describieron

esta tendencia. Finalmente, el método de tamizado en húmedo permitió

detectar partículas finas (i.e. < 63 µm) adheridas a las fracciones de mayor

tamaño que generaron un aumento en la concentración metálica de estas

fracciones (p.ej. entre 125-250 y 250-500 µm).

Desde el punto de vista de las fuentes móviles (i.e. el tráfico), los

resultados sugirieron en las zonas de estudio que los principales

generadores de metales pesados fueron las partículas desprendidas por el

desgaste de las pastillas de los frenos, las llantas, el pavimento asfáltico y

las partes móviles del motor; y las fugas de aceite lubricante y grasa.

Adicionalmente las fuentes de los elementos metálicos estuvieron

probablemente asociadas con tamaños de partícula inferiores a 125 µm.

Finalmente, los resultados mostraron que las zonas con un mayor uso de la

calzada como línea de aparcamiento presentaron las mayores


402

concentraciones de metales pesados a pesar de haber presentado una

menor densidad de tráfico.

La carga más fuertemente adherida a la superficie (CF) ha permanecido

por más tiempo sobre la calzada y, por lo tanto, estuvo más expuesta a las

diferentes fuentes de contaminación metálica. A mayor tiempo de

residencia del sedimento, mayor concentración metálica y menor

diferencia en la concentración entre fracciones de tamaño para un

determinado metal pesado. La carga o cantidad de elementos metálicos

asociados con el sedimento viario tendió a aumentar con la disminución en

la fracción de tamaño. El modelo logarítmico fue el que mejor se ajustó a

la relación entre el porcentaje acumulado de carga metálica y la fracción

de tamaño del sedimento viario (R2 > 0,80). Finalmente, los resultados

sugirieron que la distribución de la carga metálica contaminante estuvo

condicionada en orden de importancia por la cantidad de sedimento y la

concentración de los elementos metálicos por fracción de tamaño.

Los metales pesados que presentaron la mejor correlación entre las fases

sedimentada (i.e., sedimento viario) y suspendida (i.e., PM10), en orden de

importancia, fueron los siguientes: Pb, Cu y Ba. De esta manera para

PM10, los anteriores elementos metálicos podrían constituirse en los

indicadores de emisiones provenientes del tráfico en áreas aledañas a las

superficies viarias.

Modelo causal entre la concentración de Pb del sedimento viario y la carga en

suspensión (PM10)

Desde el punto de vista del proceso ARIMA se pudo observar que:

La serie de tiempo de la concentración de Pb asociada con el sedimento

viario tuvo una memoria corta. Es decir, por ser un proceso autorregresivo

de primer o segundo orden (i.e., AR (1) y AR (2)) se evidenció que la


403

concentración de Pb sobre las superficies viarias (i.e. el hoy) estuvo

influenciada por la concentración metálica del ayer o el anteayer.

Adicionalmente para cada zona de estudio existió la posibilidad de

representar la serie temporal de la concentración de Pb con un modelo

ARIMA similar al de la carga viaria de PM10. Es decir, existió la

posibilidad de representar las dos series de tiempo en evaluación a través

de la misma estructura temporal. Finalmente es importante mencionar, que

el ayer en la presente investigación correspondió a tres y diez días a partir

de la frecuencia de recolección del sedimento viario y del registro

seleccionado para la carga de PM10 en las ciudades de Soacha y Bogotá,

respectivamente.

Desde el punto de vista de la transferencia del impulso desde la carga

viaria de PM10 hacia la concentración de Pb en el sedimento se pudo

observar que no existió retardo (i.e. cero). De esta manera el efecto fue

inmediato. La anterior tendencia probablemente se debió a la localización

de la estación de monitoreo de PM10 con respecto del bordillo de la

superficie viaria de investigación en las ciudades de estudio. Por lo tanto

los resultados sugirieron en el presente estudio, que en áreas aledañas a las

superficies viarias la relación temporal entre la carga de PM10 y la

concentración de Pb asociada con el sedimento fue inmediata. Lo anterior

fue valido para distancias menores a 194 m con respecto del bordillo de la

vía en evaluación, para una frecuencia promedio de muestreo de cada tres

o diez días (i.e. para PM10 y Pb), y para la fracción de tamaño inferior a

250 µm del sedimento viario.



Los resultados mostraron a partir del pronóstico realizado con el modelo ARIMA

que:


404

El error absoluto porcentual promedio (MAPE) evidenció una desviación

promedio de la serie temporal dependiente (i.e. concentración de Pb) del

15,2%, y del 11,9%, 22,5% y 27,9% con respecto del nivel pronosticado

por el modelo ARIMA en la Zona 1 y las Zonas 1, 2 y 3 de la ciudad de

Soacha y Bogotá, respectivamente. Adicionalmente, se observó que a

medida que aumentó la distancia entre la estación de monitoreo de PM10 y

el bordillo de la superficie viaria en evaluación el error absoluto porcentual

promedio en el pronóstico de la concentración de Pb en el sedimento

tendió a aumentar.

Los resultados mostraron para todo el período de estudio en la Zona 1 de

la ciudad de Soacha y las Zonas 1, 2 y 3 de la ciudad de Bogotá, que el

error absoluto promedio en el pronóstico de la distribución de la

concentración de Pb asociada con las fracciones de tamaño del sedimento

viario fue de 7,9%, y de 16,0%, 31,7% y 39,0%, respectivamente (i.e. con

tendencia a la sobreestimación).

Los resultados mostraron durante todo el período de estudio para la Zona 1

de la ciudad de Soacha y las Zonas 1, 2 y 3 de la ciudad de Bogotá, que el

error absoluto promedio en el pronóstico de la distribución de la carga

acumulada de Pb por fracción de tamaño en el sedimento viario fue de

11,5%, y de 18,6%, 12,0% y 15,8%, respectivamente. Finalmente el

pronóstico mostró para la Zona 1 de la ciudad de Soacha y las Zonas 1, 2 y

3 de la ciudad de Bogotá que el 66,6%, y el 57,5%, 69,2% y 63,6% de la

carga de Pb se asoció con la fracción de tamaño mayor a 125 µm,

respectivamente; es decir, el tamaño correspondiente para las arenas finas.

Las concentraciones de Pb asociadas con el sedimento viario de las Zonas

1 y 3 de la ciudad de Bogotá tendieron a ser mayores en la época seca; los

resultados mostraron que la concentración de Pb en tiempo seco fue 1,39 y

1,61 veces superiores con respecto de la época de lluvias, respectivamente

(i.e. en la fracción de tamaño < 250 µm). Adicionalmente, se observó que


405

existió una débil relación inversa entre el volumen de precipitación y la

concentración de Pb asociada con el sedimento viario (Zona 1: r = -0,17;

Zona 3: r = -0,16). Las anteriores observaciones podrán ser de utilidad

para las instituciones encargadas de la gestión de la contaminación

superficial en las Zonas 1 y 3 de la ciudad de Bogotá, para diseñar y

evaluar las prácticas de control de la contaminación metálica presente

sobre las superficies viarias de investigación; como por ejemplo, el

establecimiento de la frecuencia del barrido viario en la época seca y de

lluvias.

En la Zona 2 de la ciudad de Bogotá la carga de PM10 y la concentración

de Pb en el sedimento no tendió a seguir el comportamiento observado en

las Zonas 1 y 3 de la ciudad de Bogotá, y durante el desarrollo

metodológico en la ciudad de Soacha; es decir, la carga de PM10 y la


aumentaron en tiempo seco como lo mostraron las zonas viarias con

ausencia de actividades de demolición y construcción. En este sentido los

resultados mostraron que las concentraciones de Pb en tiempo de lluvia

fueron 1,03 veces superiores con respecto de la época seca.

Adicionalmente, existió una débil relación directa entre el volumen de

precipitación y la concentración de Pb en el sedimento (r = 0,14). De esta

manera los resultados sugirieron que existió probablemente un aporte

adicional de material en suspensión y de Pb por parte de las actividades de

construcción que se ejecutaron en cercanías de la superficie viaria de la

Zona 2 (i.e. a 20 m de distancia), causando un mayor o menor aporte de

PM10 y Pb según la variabilidad temporal de las actividades ejecutadas en

su interior (i.e. según el cronograma de construcción). Las anteriores

observaciones podrán ser de utilidad para las instituciones encargadas de

la gestión de la contaminación superficial en la Zona 2 de la ciudad de

Bogotá, para realizar el control y exigir el desarrollo e implementación de

prácticas de control de la contaminación por parte de las empresas que


406

ejecutan actividades de demolición y construcción en áreas cercanas a las

superficies viarias.

Al comparar entre las zonas de estudio de la ciudad de Bogotá D.C.

(Colombia) la carga de PM10 con la concentración de Pb asociada con el

sedimento viario no se logró detectar ninguna relación. Es decir, la zona

que registró la mayor carga de PM10 no presentó la mayor concentración

de Pb asociada con el sedimento viario.

A partir de lo anterior, la propuesta metodológica permitirá proyectar mejores

prácticas de control para la gestión de la contaminación metálica en superficie y

de la escorrentía en las vías (i.e. medidas estructurales y no estructurales), según

su localización dentro del territorio urbano. Podrá ser útil para alimentar los

algoritmos de los modelos de acumulación-lavado, el diseño o mejoramiento de

los sistemas de control de la contaminación, y para establecer estrategias de

limpieza viaria según la concentración y distribución de los elementos metálicos y

la época del año (i.e. período seco y de lluvias). Igualmente, la propuesta

metodológica permitirá ampliar el conocimiento acerca de los procesos físicos que

condicionan la acumulación y el lavado de los metales pesados depositados sobre

las superficies viarias urbanas. Es importante resaltar que el gestor no sólo debe

contar con bases de datos sino que éstas deben ser de fácil interpretación y

utilización. Es por esto, que en la presente Tesis Doctoral se hizo un esfuerzo por

mejorar las técnicas de cuantificación y cualificación de la contaminación

metálica viaria en superficie. Adicionalmente, se plantearon nuevos indicadores

de referencia para facilitar la toma de decisiones de una manera rápida y confiable

para la gestión de la escorrentía viaria urbana, desde el punto de vista de la

contaminación metálica en superficie.

6.2 PERSPECTIVA

Esta Tesis Doctoral se ha centrado en desarrollar una nueva metodología que

incorpora técnicas e indicadores para la estimación de la distribución de los


407

metales pesados asociados con el sedimento viario a partir de información del

material en suspensión (i.e. PM10). Lo anterior ha supuesto el abordaje de aspectos

relacionados con diversas especialidades de la ingeniería ambiental, al mismo

tiempo que se exploraban nuevas técnicas para evaluar los problemas asociados

con la contaminación metálica en superficie y la generada por la escorrentía

viaria. No obstante, han surgido preguntas de investigación que no han sido

tratadas en la presente Tesis Doctoral. De esta manera se proponen las siguientes

actividades de investigación para el futuro:

Ampliar el conocimiento acerca del uso de los modelos ARIMA para la

evaluación de la contaminación metálica asociada con el sedimento viario,

específicamente en lo concerniente a la realización de pronósticos

óptimos, la obtención de intervalos de confianza y la actualización de éstos

a medida que aumenta el número de observaciones con el tiempo. En este

sentido, es importante realizar campañas de campo y simulaciones para

definir una frecuencia de muestreo óptima para la obtención de los datos

de la concentración de Pb asociada con el sedimento viario y, de esta

manera, poder realizar pronósticos diarios en tiempo real a partir de las

series temporales de PM10 disponibles en las estaciones automáticas de

monitoreo.

Asociado con la actividad anterior, se debe llevar la propuesta

metodológica a un programa de computador para realizar en tiempo real el

pronóstico de la distribución de la concentración y la carga metálica

asociada con el sedimento viario a partir de la información diaria del

material en suspensión (i.e. PM10).

Utilizar estaciones móviles de calidad del aire para medir en superficie el

PM10 de las vías con el objeto de evaluar la influencia de la distancia de

monitoreo sobre la relación entre la concentración de Pb asociada con el

sedimento viario y la carga de PM10 (i.e. evaluar el ajuste de los modelos).

Adicionalmente, evaluar la relación entre los datos registrados por las


408

estaciones móviles y los suministrados por las estaciones fijas existentes

en el territorio urbano.

Realizar pruebas con metales pesados diferentes de Pb (i.e. para Cu y Ba)

para evaluar su potencial como indicadores alternativos de la relación

entre la concentración metálica asociada con el sedimento viario y la carga

del material en suspensión (i.e. PM10) en áreas cercanas a las superficies

viarias.

Explorar la posibilidad de desarrollar un modelo que permita pronosticar

la concentración metálica asociada con el material en suspensión (i.e.

PM10) a partir de la concentración metálica asociada con el sedimento

viario. Es decir, desarrollar un modelo que considere la existencia de una

causalidad unidireccional desde la serie de tiempo de la concentración de

Pb asociada con el sedimento viario (Xt) hacia la concentración metálica

asociada con el PM10 (Yt) en áreas cercanas a las superficies viarias, para

evaluar el efecto de suspensión de los elementos metálicos inducido por el

tráfico y el viento.

Desarrollar campañas de campo y pruebas de laboratorio con el objeto de

sugerir la frecuencia óptima del barrido mecánico viario según la época del

año. Es decir, durante los períodos de aumento y disminución del volumen

de precipitación. Adicionalmente, realizar pruebas con barredoras

mecánicas (i.e. según la tecnología utilizada) para sugerir una fracción de

tamaño objetivo con el fin de eliminar la mayor cantidad de la carga

metálica asociada con el sedimento viario.

Realizar campañas de campo tanto en superficie como en los sistemas de

recolección y transporte de la escorrentía viaria para evaluar la relación

entre la contaminación metálica asociada con el sedimento viario y la

asociada con el sedimento de los sistemas de recolección (i.e. imbornales)

y transporte (i.e. alcantarillado pluvial) de la escorrentía viaria.


409

Desarrollar investigaciones a partir de la red existente de monitoreo de

calidad del aire (i.e. PM10) para evaluar la variación espacial y temporal de

la contaminación metálica asociada con el sedimento viario en la ciudad de

Bogotá D.C. (Colombia).

Adelantar investigaciones para evaluar la influencia del diseño viario en la

distribución de la concentración metálica a través de la vía. Por ejemplo la

existencia o no de cunetas, bordillo, sendas de vegetación, zonas

peatonales y línea para bicicletas. Adicionalmente, evaluar las

características del pavimento: tipo de material, permeabilidad y rugosidad.

Desarrollar estudios para valorar la influencia de las condiciones de

conducción sobre la carga metálica asociada con el sedimento viario. Por

ejemplo variaciones en la velocidad, composición del tráfico, tipo de

combustible y la edad de los vehículos.

Evaluar los efectos sobre la salud de la población que reside o transita

cerca de las superficies viarias a partir de las concentraciones metálicas

estimadas en la presente investigación en el sedimento viario y el material

en suspensión (i.e. PM10 y PST).

Aplicar la metodología propuesta en otras latitudes para evaluar su

respuesta frente a los condicionantes climáticos identificados en el estudio

del estado del arte de la presente investigación. Es decir, principalmente

con respecto a la variación en la precipitación.

411

ANEXOS

AN

EX

OS

412

1. E

ST

AD

ÍST

ICO

S P

AR

A E

L M

OD

EL

O A

RIM

A D

E L

A Z

ON

A 1

(S

OA

CH

A, C

OL

OM

BIA

)

1.1

Res

umen

del

mod

elo

ANEXOS

413

1.2 Función de correlación cruzada

1.3 Función de autocorrelación simple (FAS) y parcial (FAP) residual

AN

EX

OS

414

1.4

Pro

nóst

ico

del m

odel

o e

inte

rval

os d

e co

nfia

nza

AN

EX

OS

415

2. E

ST

AD

ÍST

ICO

S P

AR

A E

L M

OD

EL

O A

RIM

A D

E L

A Z

ON

A 2

(S

OA

CH

A, C

OL

OM

BIA

)

2.1

Res

umen

del

mod

elo

ANEXOS

416



AN

EX

OS

417

2.4

Pro

nóst

ico

del m

odel

o e

inte

rval

os d

e co

nfia

nza

AN

EX

OS

418

3. E

ST

AD

ÍST

ICO

S P

AR

A E

L M

OD

EL

O A

RIM

A D

E L

A Z

ON

A 1

(B

OG

OT

Á D

.C.,

CO

LO

MB

IA)

3.1

Res

umen

del

mod

elo

ANEXOS

419



AN

EX

OS

420

3.4

Pro

nóst

ico

del m

odel

o e

inte

rval

os d

e co

nfia

nza

AN

EX

OS

421

4. E

ST

AD

ÍST

ICO

S P

AR

A E

L M

OD

EL

O A

RIM

A D

E L

A Z

ON

A 2

(B

OG

OT

Á D

.C.,

CO

LO

MB

IA)

4.

1 R

esum

en d

el m

odel

o

ANEXOS

422



AN

EX

OS

423

4.4

Pro

nóst

ico

del m

odel

o e

inte

rval

os d

e co

nfia

nza

AN

EX

OS

424

5. E

ST

AD

ÍST

ICO

S P

AR

A E

L M

OD

EL

O A

RIM

A D

E L

A Z

ON

A 3

(B

OG

OT

Á D

.C.,

CO

LO

MB

IA)

5.

1 R

esum

en d

el m

odel

o

ANEXOS

425



AN

EX

OS

426

5.4

Pro

nóst

ico

del m

odel

o e

inte

rval

os d

e co

nfia

nza

programa oficial de doctorado en ingenierÍa ambiental

Documents