GEOESTADISTICA APLICADA AL ESTUDIO DE LOS SISTEMAS

HIDROLOGICOS Y AL AGUA SUBTERRANEA

S. V. Granda
Estudiante de Maestra
Departamento de Recursos Hdricos
Universidad de Concepcin en Chillan
INTRODUCCIN
La Geoestadstica hoy en da se traduce como una herramienta bsica en el tratamiento
de la informacin georeferenciada. El estudio de fenmenos con correlacin espacial,
por medio de mtodos geoestadsticos, surgi a partir de los aos sesenta, especialmente
con el propsito de predecir valores de las variables en sitios no muestreados, pero que
bien se pueden ajustar a la informacin existente, un ejemplo de ello es el estudio de la
Geoestadstica y su interaccin con los sistemas hidrolgicos. La mayora de los datos
biolgicos y ecolgicos tienen una representacin espacial, continua o discreta, que
determina la estructura del paisaje o ecosistema del que son parte, la Geoestadstica es
la ciencia que se encarga de estudiar dicha informacin espacial. Los recursos hdricos
revisten un campo complejo y amplio de aplicaciones, que requieren a su vez un
tratamiento especial, con el objeto de dar respuesta o solucin a un aspecto o problema
en particular, siendo necesario formular mtodos de estimacin espacial; surge
entonces la necesidad de entender y aplicar ciertos procedimientos geoestadsticos
basados en algoritmos que permitan estimar y simular ciertos fenmenos hidrolgicos.
Este trabajo pretende sentar las bases tericas de la Geoestadstica y su implicacin con
los procesos hidrolgicos que se dan en el planeta.
GEOESTADISTICA Y SU APLICACIN EN LAS CIENCIAS DEL AGUA
La evaluacin de reservas minerales tiles, fue la actividad fundamental que motiv a
partir de la dcada del 50, la aplicacin de la teora de Funciones Aleatorias al
reconocimiento y estimacin de fenmenos naturales. As surge la Geoestadstica,
trmino concebido por G. Matheron a partir de trabajos previos de H. Sichel, D.G.
Krige, y B. Matern, que se desarrolla y consolida en los ltimos 30 aos como ciencia
aplicada y que da respuesta a necesidades prcticas y concretas (Cuador, G, 1983).
La Geoestadstica, se ha mostrado como un potente instrumento para ser usado en el
campo de las ciencias del agua, algunas de las aplicaciones han sido: dibujo automtico
de curvas de nivel, calibrado de modelos hidrolgicos, simulacin de procesos,
evaluacin de acuferos y calidad del agua (Gmez, 1986). Buena parte de los datos
utilizados en hidrologa e hidrogeologa (pluviometra, trasmisividad, coeficiente de
almacenamiento, cotas piezomtricas, entre otros), utilizan en la mayora de los casos
modelos determinsticos. Se requiere de algn mtodo de interpolacin, para obtener
valores en los puntos desconocidos. Por esta razn las medidas directas de parmetros
hidrogeolgicos suelen ser escasas y espacialmente dispersas. A este tipo de datos se lo
llama informacin dura, ya que su incertidumbre puede considerarse nula o despreciable
(Meja et al, 2007). La teora de la variable regionalizada desarrollada por Matheron
(1967 y 1971) y el mtodo de estimacin y llamado Krigeage se ha mostrado como
herramienta propicia para el tipo de aproximacin perseguido (Gmez, 1986). En
trminos operativos y de complejidad terica, este mtodo se sita como el ideal de
esperanza condicional. Bsicamente el Krigeage es un mtodo no lineal que permite
estimar diferentes funciones de la variable regionalizada Z (x) (Chica-Olmo, et al,
2002).
VARIABLE REGIONALIZADA Y VARIABLE ALEATORIA
Gmez (1986), sostiene que las variables utilizadas en modelos matemticos usados en
hidrologa varan de un punto a otro, ya sea en el tiempo o en le espacio, incluyen un
cierto grado de incertidumbre debido a errores de medida o a la mera extrapolacin
donde no existe dato, por otro lado mantienen una cierta correlacin espacial o
temporal. Tal tipo de variable se conoce como variable regionalizada.
La variable regionalizada puede entenderse como una realizacin de un conjunto de
variables aleatorias, la funcin aleatoria se representa por Z(x). Al respecto Cuador Gil
(2000), manifiesta que de acuerdo con la funcin aleatoria, a cada punto x del espacio
se le asocia una Variable Aleatoria (VA) Z(x), para dos puntos diferentes x e y, se
tendrn dos VAs Z(x) y Z(y) diferentes pero no independientes, y es precisamente su
grado de correlacin el encargado de reflejar la continuidad de cualquier fenmeno en
estudio.
En resumen, dado un conjunto de datos medidos en ciertos puntos debemos estimar la
variable en otros puntos.
Figura 1. Distribucin de la variable regionalizada en cualquier punto en el espacio
La interpretacin probabilista de la variable regionalizada no tendra sentido si no se
puede inferir la distribucin de las distintas variables aleatorias a partir de los datos
disponibles. Para inferir la distribucin de una variable aleatoria se necesita conocer un
numero suficiente extenso de posibles realizaciones, y de las variables regionalizadas
solo disponemos de una realizacin (por ejemplo, los valores de trasmisividad medidos
en un determinado acufero), de la que es imposible deducir las distribuciones de cada
una de la variables aleatorias que asignamos a cada punto del espacio. Se necesita, por
lo tanto establecer la hiptesis de estacionaridad (Gmez, 1986).
ESTACIONARIDAD
Si el fenmeno en estudio se considera homogneo en el espacio de manera que la
funcin aleatoria puede repetirse a si misma de un punto a otro, entonces puede
establecerse la hiptesis de estacionaridad segn la cual dos variables experimentales Z
(x
o
) y Z(x
o
+ h) aunque son dos realizaciones distintas de dos variables aleatorias
y1, y1 ,u1
x5, y5,u5
x3, y3, ,u3
x4, y4 ,u4
x2, y2 ,u2
x, y ,
distintas, pueden considerarse que poseen la misma distribucin de probabilidad
(Gutirrez, L & Alfonso, B., 2006).
Estacionariedad Estricta
Se dice que Z(x) es estrictamente estacionaria si la funcin de distribucin de
probabilidades de las variables aleatorias regionalizadas Z(xi) son iguales entre s,
independiente de la localizacin xi, lo que requiere que los momentos de distinto orden
para cada variable aleatoria regionalizada sean completamente independientes de la
localizacin xi. Esta condicin como su nombre lo indica es demasiado restrictiva al
estudiar la mayora de los fenmenos encontrados en la prctica.
Estacionariedad de Segundo Orden
Si la varianza de Z(xi) existe, entonces se define como el momento de segundo orden y
ser tambin una funcin de la localizacin xi.
(1)
Si la varianza de las variables Z(xi) y Z(xj) existe entonces la covarianza (Cov) de las
stas tambin existe y es funcin de las localizaciones xi y xj.
(2)
El soporte del instrumento ms importante que dispone la Geoestadstica es el
semivariograma experimental, se define como la mitad de la varianza de los
incrementos y una funcin exclusiva del vector h. Algunos autores se refieren a la
misma cantidad con el nombre de variograma.
El variograma se define como la varianza de la diferencia Z(xi) - Z(xj).
, ) , ) j
2
1
) ( 2 h Z Z
n
h
i i
_ =
(3)
Donde 2 (h) es el variograma, h es la separacin de los variables medidas Z(xi) y Z(xj),
n es el nmero de pares separados por el vector h que se puede encontrar en el conjunto
de datos.
En la literatura especializada este estimador es conocido como estimador clsico y es
vlido bajo condiciones de estacionaridad de segundo orden o procesos intrnsecos. Por
definicin, el variograma pasa por el origen, 2 (0)=0. Sin embargo, frecuentemente el
variograma exhibe una discontinuidad en el origen, una caracterstica denominada
efecto pepita o "nugget efect" (Figura 2). Se dice que este efecto se puede deber a dos
posibles causas: errores de medicin o microvariaciones del fenmeno estudiado,
relacionndolo con la escala de observacin.
, ) j , ) , ) j , ,
2
2
x m x Z E x Z Var = =
, ) , ) , ) j , ) , ) j , ,, ,
j j i i j i
x m x Z x m x Z E x x C =
Figura 2. Ejemplo de Variograma (modelo esfrico) mostrando sus caractersticas
principales: efecto pepita, rango y meseta.
La meseta (Figura 2) se presenta cuando el variograma deja de crecer y alcanza un valor
constante, dentro de cierta distancia. Este valor es simplemente la varianza a priori de la
funcin aleatoria. En estos casos, la covarianza existe, y el proceso es estacionario de
segundo orden.
A medida que la separacin h entre dos puntos aumenta, la correlacin entre ambos
puntos, tpicamente, decrecer. A un cierto valor de h la correlacin se hace
prcticamente nula, y ms all de este valor se puede decir que los puntos no estn
correlacionados. A esta distancia se le llama rango o alcance (Figura 2).
A menudo la correlacin espacial entre puntos del espacio no es igual en todas las
direcciones. Cuando ocurre lo anterior, se tiene un proceso anisotrpico, y el
variograma no es slo funcin de la distancia h sino que tambin de la direccin en la
que h crece. Se pueden distinguir entre dos tipos de anisotropa (Figura 3): geomtrica y
zonal (Ersboll, citado por Hernndez et al, 2000).
Si se detecta anisotropa geomtrica se puede tratar de controlar mediante una
transformacin de coordenadas como se muestra en la Figura 3.
Figura 3. Grficos direccionales que muestran una variacin espacial en funcin de la
direccin
Si los variogramas tienden a la horizontalidad, con valores prximos a la varianza
muestral, ello indica la ausencia de una estructura espacial; la varianza muestral
representa la variabilidad de los datos cuando ocurre esta circunstancia. A estos
variogramas se les conoce como efecto pepita puro. No obstante, las variables
ambientales pueden mostrar diferencias en los patrones de distribucin espacial en
funcin de la direccin considerada. Cuando el patrn de variabilidad espacial cambia
con la direccin existe anisotropa. En estos casos se deben emplear variogramas que
dependan no slo de h, sino tambin de la direccin (Isaaks y Srivastava, citado por
Garca, 2004).
En cualquier trabajo es necesario el cumplimiento de un par de principios que
condicionan la aplicacin de la geoestadstica. 1) El nmero de observaciones o puntos
mustrales requeridos para estimar un variograma debe estar alrededor de 100 en
condiciones de isotropa; si existe anisotropa los datos tienen que ser mucho ms
abundantes. 2) El nmero de pares de datos que se requiere para el clculo de cada
punto del variograma debe ser al menos de 30-50. Adems del variograma como
herramienta geoestadstica para la descripcin de la variabilidad espacial, se puede usar
alternativamente la funcin de correlacin (correlograma) o la funcin de covarianza, ya
que las tres estn relacionadas siempre que se disponga de un variograma con meseta
Toda vez que se han definido los puntos del variograma experimental, ser necesario
ajustar un modelo a dichos puntos, denominado variograma terico, debido a la
imposibilidad de trabajar con un variograma como el experimental, carente de una
funcin matemtica precisa. Los modelos ms comunes pueden ser agrupados dentro de
tres clases: modelos de transicin, modelos sin meseta, y modelos de efecto pepita puros
(Garca, 2004).
.
Figura 4. Representacin grafica de algunos modelos de interpolacin
Los modelos bsicos ms usados son los denominados esfrico, exponencial, gaussiano,
potencial, lineal y el efecto pepita puro, pudindose combinar linealmente, un ejemplo
de ellos, se muestra en la Figura 4
TEORA DE ESTIMACIN DE KRIGING
En cualquier trabajo geoestadstico, el principal objetivo del mismo es la caracterizacin
de la variable investigada en todas las localizaciones partiendo de la informacin
suministrada por los puntos muestrales. Los mtodos de estimacin geoestadstica son
conocidos como krigeado o Krigeage.
Los mtodos kriging se aplican con frecuencia con el propsito de prediccin, sin
embargo estas metodologas tienen diversas aplicaciones, dentro de las cuales se
destacan la simulacin y el diseo de redes ptimas de muestreo. Si Z (x) representa
cualquier funcin aleatoria (por ejemplo, la transmisividad en el mbito de un acufero)
con los valores medidos en los lugares n en el espacio z (xi), i = 1 ... n y si el valor de la
funcin Z que se ha calculado en el punto 0, que no se ha medido, la estimacin Kriging
se define como:
, ) , )
i
n
i
i o
x z x Z
_
=
=
1

(4)
Donde, Z(x
0
) es la estimacin de la funcin Z(x) en los puntos x
0
, y i son los
factores de ponderacin (Ahmed, 2001).
El mtodo de interpolacin Kriging asume que la distancia y/o la direccin entre puntos
de muestreo es una expresin de la correlacin espacial entre los puntos y que por tanto
dicha informacin puede utilizarse para explicar la variabilidad encontrada en la
superficie muestreada. El mtodo de interpolacin Kriging puede utilizarse
prcticamente con cualquier tipo de datos ya que es muy flexible. Cuando no se
especifica la varianza pepita el interpolador se comporta como exacto. En general,
Kriging es considerado como uno de los mejores mtodos de interpolacin ya que
provee estimaciones insesgadas y de varianza mnima (Oliver, citado por Henao, en
Modelos Digitales de elevacin).
DISCUSION DE CASOS REALES Y EJEMPLOS DE TECNICAS
GEOESTADISTICAS APLICADAS EN HIDROLOGIA.
Integracin de datos de calidad de aguas subterrneas mediante mtodos
Geoestadsticos.
En este trabajo se describe una metodologa geoestadstica para la integracin de datos
de calidad de aguas y su aplicacin a la creacin de cubiertas temticas en el contexto
de la gestin de los recursos hdricos subterrneos. El procedimiento de anlisis
numrico se fundamenta en las siguientes etapas: anlisis estadstico multivariante de
los datos experimentales (Anlisis Factorial y Anlisis de Componentes Principales),
integracin de datos mediante regresin logstica y creacin de la cubierta de aptitud del
agua para consumo humano, mediante estimacin espacial por krigeaje. El desarrollo
de la metodologa se explica a travs de un estudio hidroqumico relacionado con la
calidad de los recursos hdricos subterrneos del acufero detrtico Vega de Granada,
de gran inters socioeconmico y para el que se est implementando un SIG para la
gestin de sus recursos y de la calidad de las aguas subterrneas (Chica-Olmo et al,
2002).
El estudio se ha llevado a cabo en el acufero detrtico de la Vega de Granada,
localizado en las denominadas depresiones intrabticas del sudeste espaol. La
extensin del acufero es aproximadamente 200 Km
2
y en su superficie discurre el ro
Genil que, proveniente de Sierra Nevada, fluye en sentido Este a Oeste,
proporcionndole su mxima recarga. Los datos utilizados en este trabajo proceden de
una campaa de muestreo de aguas subterrneas del acufero en la que se han
determinado 14 componentes fisicoqumicos en las 63 muestras obtenidas: elementos
mayoritarios (bicarbonatos, sulfatos, cloruros, nitratos, calcio, magnesio, sodio, potasio
y slice), elementos minoritarios (nitritos y fluoruros) y parmetros fsicos
(conductividad, pH y temperatura). Las muestras tienen una distribucin espacial
relativamente homognea, aunque hay sectores, como la zona sur de Granada,
deficientemente reconocidos, lo que condiciona la interpretacin de los resultados
obtenidos. Se ha calculado para cada punto de muestreo el valor del ndice de calidad
del agua ICA, deducido como una combinacin lineal de las variables hidroqumicas,
categorizadas en intervalos Ii (x), ponderadas por los pesos escogidos pi:
) ( ) (
1
x I p x ICA
i
n
i
i _
=
=
(5)
ICA es el valor del ndice de calidad del agua que caracteriza la aptitud de la misma
para el consumo humano. Cuanto ms prximo a 1 la calidad del agua ser mejor y por
lo tanto ms apta para el consumo pblico. Para este estudio se ha establecido un valor
de corte de ICA = 2,5 que representa un valor promedio, a efectos de establecer un
lmite sobre el carcter restrictivo de uso de las aguas (potabilizacin con tratamientos
intermedios).
El resultado final de la aplicacin metodolgica propuesta se sintetiza en un mapa de
probabilidad, como el representado en la Figura 5. En el mismo se observa que las
zonas con mayor de calidad del agua, es decir con probabilidad alta de aptitud para el
consumo, corresponden al valle del Genil. Conforme avanzan en su recorrido, las aguas
se enriquecen en iones y contaminantes procedentes tanto de los componentes naturales
de los materiales por los que discurren como de los procedentes de la actividad agrcola,
muy desarrollada en el sector central y occidental de la Vega. Las zonas con peor
calidad del agua, con valores de probabilidad bajos de tener aguas aptas para el
consumo, corresponden a Sierra Elvira y a la zona del aeropuerto. Posiblemente esto se
debe a la existencia de aguas termales ricas en iones que proporcionan aguas de peor
calidad (Chica-Olmo et al, 2002).
Figura 5. Mapa de probabilidad de aptitud de las aguas para consumo pblico (ICA 2.5).
Aplicacin de tcnicas geoestadsticas en la hidrogeologa del Bajo Cauca
Antioqueo, Colombia.
En la subregin de Bajo Cauca Antioqueo, las aguas subterrneas representan un
recurso natural estratgico al constituir casi la nica fuente segura de abastecimiento
para mas de 200.000 habitantes de la regin, as mismo juegan un papel importante en
la regulacin del sistema hdrico regional al estar conectado con decenas de cinagas y
humedales. El objetivo general de este trabaj consisti en obtener a partir de la
reinterpretacin de informacin secundaria, un modelo conceptual del sistema acufero
del Bajo Cauca antioqueo, utilizando tcnicas geoestadsticas tipo kriging. Se ha
logrado obtener una representacin espacial de las superficies fretica y piezomtrica
de los acuferos, as como proponer una posible distribucin de la transmisividad
hidrulica y sugerir la red de flujo ms probable para el sistema acufero superior. Con
los resultados de este trabajo, se pretende alimentar un modelo numrico y con este,
contribuir a la creacin de herramientas de gestin para la administracin de este
recurso estratgico en la regin (Meja et al, 2007).
La subregin del Bajo Cauca , posee una extensin de 8.485 km2, est localizada al
noreste del departamento de Antioquia en Colombia, se conforma por seis municipios
ubicados entre las serranas de Ayapel, en la cordillera Occidental y San Lucas, en la
cordillera Central, estos municipios son: Cceres, Taraz, Caucasia, Zaragoza, El Bagre
y Nech. La mayor parte del territorio se encuentra en alturas comprendidas entre los 30
y 1.000 m.s.n.m. En esta inmensa llanura flanqueada por montaas, se forman
numerosas cinagas con una extensin de ms de 40.000 hectreas, conectadas con los
ros mediante caos, formando complejos sistemas de lagos, pozas, pantanos y playones
que retienen el agua de las crecientes y la liberan lentamente en el estiaje.
La demanda de agua en el Bajo Cauca Antioqueo es abundante, an existiendo
imponentes corrientes de agua superficial en el Bajo Cauca Antioqueo como los ros
Cauca, Man, Nech y Caser, las condiciones de abastecimiento del recurso para
satisfacer la demanda para consumo humano son muy precarias. Solo el 35,51% de la
poblacin urbana tiene acceso a agua potable y en el rea rural, solo el 20,66% de los
habitantes cuentan con este recurso fundamental.
El conjunto de datos definitivo que se utiliz para modelar la geometra del sistema
acufero conformado por las unidades hidrogeolgicas identificadas como U1, U2, U3,
U4, U5, corresponde a informacin estratigrfica de captaciones de agua y sondeos
elctricos verticales. Dada la conexin hidrulica lateral que existe entre U2 y U3,
teniendo en cuenta que U1 constituye una delgada cobertura orgnica, estas unidades se
redefinieron como una nica unidad hidrogeolgica libre designada en adelante como
U123. El mejor modelo de la geometra del sistema acufero del BCA se obtuvo
utilizando mtodos geoestadsticos de interpolacin tipo Kriging lineal ordinario. Esta
tcnica se us para la modelacin de las tres unidades acuferas identificadas y
denominadas como U123, U4 y U5. Para la superficie piezomtrica, el Modelo que
mejor ajuste produjo desde el punto de vista geoestadstico fue el kriging ordinario con
transformacin logartmica, remocin de tendencias lineales, anisotropa en sentido
norte sur, efecto pepita y ajuste Gaussiano. La superficie de transmisividad en la Unidad
acufera U123, se obtuvo a partir de Kriging ordinario (Figura 6), transformacin
logartmica, remocin de tendencias de segundo orden, anisotropa, efecto pepita y con
modelo de ajuste exponencial (Meja et al, 2007).
Figura 6. Distribucin de la transmisividad para la Unidad acufera U123, en el
Bajo Cauca Antioqueo obtenida mediante kriging ordinario y modelo
exponencial. (Transmisividad en m2/da).
Evaluacin del riesgo de contaminacin con nitrato de pozos de suministro de agua
potable rural en Chile
En Chile, los procesos de contaminacin asociados a sistemas de produccin agrcola
han comenzado a estudiarse recientemente. En el valle central, se han detectado casos
de contaminacin por mal manejo de las aguas residuales y los desechos agrcolas. En
este contexto, a pesar de las grandes mejoras realizadas en materia de abastecimiento de
agua potable de la poblacin rural, existen an zonas donde los pobladores se
aprovisionan de agua a travs de pozos noria que pueden presentar problemas de
contaminacin y donde el contenido de nitrato sobrepasa los lmites de las normas
nacional e internacionales, lo que conlleva una preocupacin por el efecto que puedan
provocar esas concentraciones en la poblacin. La norma chilena establece para aguas
de consumo domestico un lmite mximo de nitrato, (N-NO
3
), de 10 mg/L, equivalente
al valor fijado por la Agencia de Proteccin Ambiental de los Estados Unidos (USEPA)
y recomendado por la Organizacin Mundial de Salud (OMS). En este contexto, el
presente trabajo utiliza la metodologa recomendada por la USEPA para evaluar el
riesgo para la salud de una parte de la poblacin rural expuesta a aguas contaminadas
con nitrato en la zona de influencia del Embalse Digua, Parral, Sptima Regin de
Chile (Arumi et al, 2006).
La zona de estudio tiene una superficie aproximada de 65.700 ha y se encuentra entre
las coordenadas 36 12' de latitud sur y 72 de longitud oeste. En esta zona hay
aproximadamente 1200 agricultores, en su mayora usuarios del embalse Digua. La
informacin bsica para este estudio estuvo constituida por los valores de concentracin
de nitrato, expresados en mg/L de N-NO
3
, obtenidos por el Instituto de Investigaciones
Agropecuarias en muestras de agua tomadas en 92 pozos noria ubicados en la zona de
estudio. La etapa inicial consisti en un anlisis estadstico descriptivo. Este anlisis
permiti caracterizar la concentracin de nitrato respecto a medidas de tendencia central
y a la varianza. Las curvas de frecuencia, asociadas con diversas pruebas de normalidad,
indican el tipo de distribucin al que se ajustan los datos. Para el anlisis geostadstico,
se busc identificar entre distintos mtodos de interpolacin, el ms apropiado segn
las caractersticas de continuidad espacial de los datos: mtodos de Kriging, de
ponderacin en funcin inversa de la distancia elevada a una potencia, del vecino ms
cercano, del vecino natural, etc. Finalmente se combin la informacin proveniente de
los anlisis previos para calcular el riesgo, expresado como cociente de peligro.
DdR
TP PC
DE FE I C
CP
|
.
|

\
|

= (6)
Donde CP es el cociente de peligro (adimensional); C, la concentracin de nitrato en el
agua en cada punto del mapa, en mg/L; I, la ingesta de agua, en L/da; FE, la frecuencia
de exposicin, en das/ao; DE, la duracin de la exposicin, en aos; PC, el peso
corporal, en kg; TP, el tiempo de promediacin, equivalente a la DE multiplicada por
365; y DdR, la dosis de referencia. En el caso del nitrato, la dosis de referencia es 1,6
mg kg
1
da
1
Figura 7. Mapa de isolneas de concentracin de nitrgeno en forma de nitrato (N-NO
3
,
mg/mL) detectada en el rea de estudio (Parral, Chile, 2002.
En el anlisis geoestadstico no se detect continuidad espacial de la concentracin de
nitrato, ni en su valor original ni en el valor transformado logaritmicamente, por lo que
no se consider conveniente utilizar el mtodo de interpolacin de Kriging, sino un
mtodo ms simple, el de de ponderacin en funcin inversa de la distancia elevada a
una potencia. La Figura 7 presenta un mapa de distribucin de la concentracin de
nitrato en la regin de estudio, en el que se observa la existencia de cuatro zonas
importantes, ya sea por el rea de influencia o por la magnitud de la concentracin. Las
zonas localizadas hacia el lmite norte (A y B) de la regin de estudio aparecen ms bien
como puntos contaminados; en el centro (C) y hacia el lmite sur (D), las zonas se
encuentran ms distribuidas (Arumi et al, 2006).
En conclusin, el 14% de los pozos estudiados present valores de concentracin de
nitrato mayores que los permitidos por la normativa nacional relativa al agua potable.
No se detect correlacin espacial de las concentraciones de nitrato. El valor medio del
cociente de peligro (CP) para los adultos en la zona de estudio fue 0,12, lo que indica la
ausencia de riesgo para la salud de esa poblacin. Para los lactantes, el cociente de
peligro medio fue 0,69, pero se identificaron algunos pozos donde el cociente de peligro
indica un riesgo para esta poblacin.
BIBLIOGRAFIA
AHMED, 2001. Aplicatin of Geoestatics in Hydroscienciencies. HNGRI. India. Pp:
86-87
ARUMI et al, 2006. Evaluacin del riesgo de contaminacin con nitrato de pozos de
suministro de agua potable rural en Chile. Rev. Panam Salud Pblica. 2006;
20. Pp: 38592.
CHICA-OLMO, et al, 2002. Anlisis geoestadstico de la funcin de distribucin local
y su aplicacin en recursos hdricos. Fac. Ciencias. Universidad de Granada,
Es. Pp: 1-16.
CHICA-OLMO, et al, 2002. Integracin de datos de calidad de aguas subterrneas
mediante mtodos Geoestadsticos. Dpto. de Geodinmica/IACT. Fac. de
Ciencias, Univ. De Granada, Es. Pp: 2-7
CUADOR GIL, 2000. La Geoestadstica, su surgimiento y evolucin. Revista
Avances, CIGET. Pinar del Ro, Cuba. Vol. 2 No.2
GARCIA, 2004. Aplicacin de la Geoestadstica en las Ciencias Ambientales.
Ecosistemas 13 (1): 78-86. Pg: 80
HENAO, s/a. Introduccin a la Geoestadstica. Teora y aplicacin. Universidad
nacional de Colombia. Pp: 30-34
HERNANDEZ, et al, 2000. Uso de variogramas para la determinacin del tamao
medio de las copas de pino Silvestre en imgenes areas digitales. Ciencias
Forestales Vol. 14 No. 1 y 2. Pp: 4-15.
MEJIA et al, 2007. Aplicacin de tcnicas geoestadsticas en la hidrologa del Bajo
Cauca Antioqueo. Dyna. No. 152. Pp: 137-149.
GOMEZ, J. 1986. Una introduccin a la Geoestadstica y sus posibles aplicaciones a
las ciencias del agua. Rev. Obras Pblicas. Pp: 783-803.
GUTIERREZ, L & ALFONSO, B. 2006. El anlisis geoestadstico en Hidrologa.
Universidad de Concepcin de Chile-IMTA. Separata. Pp: 7-9.