NUEVO SIMULADOR CALHIDRA 2.

0 PARA PREDECIR LA CALIDAD DEL AGUA

EN LOS ROS. APLICACIN A UN CASO DE ESTUDIO EN EL RO TAJO

D. SAN MARTN, M. A. RAMOS y E. RODRIGUEZ

EPTISA, Arapiles 14, 28015 Madrid, Espaa
C. MARTIN, C. M. CARDONA, A. SALTERAIN y E. AYESA
Seccin de Ingeniera Medioambiental, CEIT y TECNUN (Universidad de Navarra)
San Sebastin, 1555, Espaa

RESUMEN
El presente artculo describe los fundamentos y un ejemplo de aplicacin del nuevo simulador dinmico CalHidra
2.0 desarrollado por EPTISA y CEIT. El simulador incorpora un modelo hidrodinmico completo y un modelo de
calidad que incluye fenmenos de transporte y transformaciones bioqumicas, basado conceptualmente en el modelo
RWQM1 propuesto por la IWA.
El modelo bioqumico incorporado al nuevo CalHidra 2.0 permite predecir simultneamente la evolucin temporal
de la concentracin de los contaminantes y de las diferentes poblaciones de microorganismos que coexisten en el
medio, garantizando la continuidad de la masa para las transformaciones bioqumicas y facilitando la exploracin de
la capacidad de auto-depuracin del ro bajo diferentes condiciones de vertido o ambientales. El nuevo modelo de
transporte reproduce la retencin y acumulacin de biomasa en los sedimentos. La capacidad predictiva del
simulador ha sido analizada en 200 Km. de los ros Manzanares, Jarama y Tajo, receptores de los vertidos de las
principales depuradoras de Madrid. Los resultados han permitido verificar satisfactoriamente la capacidad del
simulador para predecir la evolucin espacial y temporal de las concentraciones de nutrientes, oxgeno y biomasa,
as como su utilidad para explorar la adaptacin de la capacidad de auto-depuracin del ro ante distintas
condiciones de vertido.

INTRODUCCIN
La progresiva adecuacin a los objetivos marcados en la nueva Directiva Marco del Agua (EU
2001) demanda el desarrollo de nuevas herramientas de soporte a la gestin integrada de los
recursos hdricos. En particular, es un reto de creciente inters el desarrollo y validacin de
herramientas innovadoras capaces de predecir la calidad del agua en los ros.
Los modelos de calidad de agua en ros comenzaron a desarrollarse a comienzos del siglo XX.
En 1925 apareci el modelo de Streeter-Phelps (10), pionero en este campo y desde entonces los
modelos publicados han ido incrementando su complejidad con el propsito de conseguir una
descripcin ms fiel de todos los procesos de auto-depuracin de los cauces. El modelo de
Streeter-Phelps describe la descomposicin bacteriana del carbono orgnico, caracterizada
solamente por dos variables de estado: la demanda bioqumica del oxgeno (DBO) y su impacto
en el oxgeno disuelto (OD). Una notable mejora apareci ms tarde con el modelo QUAL1, que
incluye tres nuevas variables de estado: amonio, nitrato y nitrito, para la descripcin del proceso
de nitrificacin. Diez aos ms tarde este enfoque se extendi con el modelo QUAL2E (2), que
1

incorpora el ciclo del fsforo y las algas dando lugar a cuatro nuevas variables de estado:
nitrgeno orgnico, fsforo orgnico, fsforo disuelto y biomasa de algas. Este modelo ha sido
ampliamente utilizado por varios programas de simulacin, como una herramienta de soporte en
la toma de decisiones. En esta misma poca, se comenzaron a desarrollar varios modelos de
depuracin de aguas para Estaciones Depuradoras de Agua Residual (EDAR) que han tenido una
amplia aceptacin y aplicacin, en especial los modelos ASM1, ASM2, y ASM3 (5). Tomando
como base una buena parte de los conceptos bioqumicos y formulacin matemtica presentes en
los modelos de fangos activados, un Grupo de Trabajo de la IWA public en 2001 el modelo de
calidad de agua en ros N 1, RWQM1 (8). Este modelo no solamente presenta el modelo de
transformaciones bioqumicas sino que sirve tambin como pauta para que futuros modelos se
desarrollen para casos particulares. El modelo incorpora en primer lugar el crecimiento y la
respiracin de las diferentes poblaciones bacterianas presentes en la biomasa, y en segundo
lugar, describe la composicin de los organismos como fraccin msica elemental de los
compuestos orgnicos (C, H, O, N y P). De esta manera, se asegura el balance de la masa en las
diferentes transformaciones bioqumicas y se facilita la conexin con los modelos de fangos
activados de la IWA (3). Esto hace posible la exploracin de muy diversos escenarios, ya que el
modelo puede simular la aclimatacin del ro bajo diferentes cargas contaminantes procedentes
de las EDAR.
MATERIALES Y MTODOS

Modelo matemtico y resolucin numrica

En este apartado se describen los modelos matemticos y la resolucin numrica utilizados en el

nuevo simulador CalHidra 2.0. El modelo de calidad del agua desarrollado incluye tres submodelos: modelo hidrodinmico, modelo de adveccin-dispersin y modelo de transformaciones
bioqumicas.
-

Modelo hidrodinmico

El modelo hidrodinmico basado en las ecuaciones unidimensionales de Saint Venant, describe

la continuidad de la masa y la cantidad de movimiento (1) (Ecuacin 1 y 2 respectivamente). Este
modelo puede aplicarse en caso de flujos subcrticos, crticos y supercrticos y es capaz de
reproducir, adems de flujos lentamente variables, reversin de flujos, remansos y atenuacin de
la onda de caudal.
Q

A
=q
x
t
Q ( QU )
y
+
+ gA + gA(S f S0 ) = 0
t
x
x

(1)

(2)

donde, Q denota el caudal (L3/T), A la seccin transversal del caudal en el canal (L2), q el caudal
de entrada lateral por unidad de longitud del canal (L2/T), U la velocidad media del agua en la
seccin transversal (L/T), g la aceleracin de la gravedad (L/T2), S0 la pendiente de la solera del
canal (-), Sf la pendiente de la lnea de energa (-), x la coordenada longitudinal en la direccin
del caudal (L), y la altura de la lmina de agua sobre la solera del canal (L) y t la coordenada
temporal (T).

Resolucin numrica del modelo hidrulico

El modelo calcula el caudal y los niveles de agua para cada intervalo de ro, a partir de la
ecuacin diferencial parcial hiperblica no lineal completa, utilizando el mtodo implcito de los
cuatro puntos. El mtodo numrico resultante utiliza una misma matriz sparse que representa
tanto la conectividad de la red como la discretizacin de las ecuaciones de Saint-Venant.
-

Modelo de Adveccin-Dispersin

El modelo de adveccin-dispersin describe el transporte de los componentes del modelo entre

volmenes del ro (11), asumiendo el ro como tanques en serie de mezcla completa CSTR (4). El
modelo de adveccin-dispersin gobierna el transporte de los componentes solubles y una
fraccin f de los particulados en el medio lquido (Figura 1). Este parmetro (entre 0 y 1)
regula el desacoplamiento entre el Tiempo de Retencin Hidrulico (HRT) y el Tiempo de
Retencin de Slidos (SRT) en los reactores.(Ecuacin 3)
Xsol j
t

advect dispers

Xpar j
t

advect dispers

Xsol j
1 ( Q Xsol j ) 1
E A
+

x
x
A
A x

1 (Q f Xpar j )
x
A

f Xpar j
1
E A

x
A x

(3)

donde, Xsolj denota la concentracin del componente j soluble (M/L3), Xparj la concentracin del
componente j particulado (M/L3), A rea de la seccin transversal (L2) y E el coeficiente de
dispersin (L2/T).

Figura 1. Esquema descriptivo de los CSTR

Modelo de Transformaciones bioqumicas

El modelo bioqumico implementado, es una versin simplificada del modelo de calidad del
agua en ros (RWQM1) de la IWA (8). El modelo resultante incluye 16 componentes (Tabla 1),
24 cinticas de los procesos (Tabla 2) y 24 transformaciones (Tabla 4). Todos los componentes
del modelo y los procesos estequiomtricos se caracterizan por medio de su composicin msica
elemental en C, H, O, N y P, garantizando as la continuidad de la masa para todas las
transformaciones bioqumicas (3). El cambio de concentracin de cada uno de los componentes
del modelo debido a los procesos de transformaciones bioqumicas, se evala como producto de
la matriz de estequiometra y el vector de cinticas (Ecuacin 4).
X j

[ ]

(4)

= Ei , j { i }

t
donde, X j es la concentracin del componente j (M/L3), Ei , j la matriz de estequiometra y
bioqumica

[ ]

{ i } el vector de cinticas.

[ ]

La matriz de estequiometra del modelo, Ei , j , evala la cantidad de componente X j que aparece

o desaparece en cada uno de los procesos de transformacin. El vector de cinticas calcula la
velocidad a la que tienen lugar cada una de las transformaciones, y a su vez es funcin de la
concentracin de los componentes del modelo.
Dependiendo del caso, el vector de cinticas de los procesos incluira: tasa mxima especfica de
crecimiento o respiracin de la biomasa, de algas o consumidores, tanto en condiciones aerobias
como anxicas (kcre, kresp); tasa especfica de muerte de algas y consumidores (kmuerte), constante
de adsorcin y desorcin de fosfato (kad, kdes), constante de hidrlisis (kHYD), coeficiente y factor
de correccin de la temperatura para la hidrlisis y la tasa de crecimiento de bacterias
hetertrofas, nitrificantes, algas o consumidores ( To e (TTo ) ). As mismo, se incorpora un
coeficiente de saturacin en condiciones aerobias o anxicas para el crecimiento de biomasa,
algas o consumidores, en funcin de la concentracin de fosfato, nitrgeno, amonio, nitrito,
nitrato o la luz ( K ). Adems del coeficiente de inhibicin para la respiracin endgena de
biomasa, algas o consumidores ( KO 2 ). La Tabla 2 describe las cinticas de los procesos
bioqumicos. El subndice representa cada una de las transformaciones del modelo.
Tabla 1. Componentes del modelo bioqumico

N
1
2
3
4
5
6
7
8

Componentes del modelo

Nombre Descripcin
SS
Sustrato fcilmente biodegrad
SI
Sustrato inerte disuelto
SNH4
Amonio
SNO2
Nitrito
SNO3
Nitrato
SHPO4
P Inorgnico disuelto
SO2
Oxgeno Disuelto OD
SHCO3
Bicarbonato

N
9
10
11
12
13
14
15
16

Componentes del modelo

Nombre Descripcin
XH
Organismos hetertrofos
XN1
Organismos oxidantes
XN2
Oxidantes de Nitrito
XALG
Algas y macrfitos
XCON
Consumidores
XS
Materia orgnica particulada
XI
Particulados inertes
XP
Fosfato adsorbido

Transformaciones bioqumicas del modelo

Los procesos biolgicos y qumicos considerados en el modelo se describen a continuacin a

partir de la Tabla 4:
(1a, 1b) Crecimiento aerobio de bacterias hetertrofas (XH) con amonio (NH4) y nitratos (NO3):
El crecimiento de bacterias hetertrofas demanda sustrato orgnico disuelto, oxgeno y
nutrientes. En estos procesos se considera que el nitrgeno necesario para la sntesis celular se
obtiene a partir del amonio (1a) y de los nitratos (1b).
(2, 6, 8, 10, 13) Respiracin aerobia de Xi (i=H,N1,N2,ALG,CON): La respiracin aerobia de bacterias
hetertrofas (XH), nitrificantes (XN1 y XN2), algas (XALG) y consumidores (X CON), da lugar a la
oxidacin de los compuestos orgnicos.
(3a, 3b) Crecimiento anxico de bacterias hetertrofas (XH) con nitratos (NO3) y nitritos (NO2).
En estos procesos las bacterias hetertrofas crecen con el oxgeno obtenido mediante la
reduccin de nitrato a nitrito (3a) o nitrito a nitrgeno molecular (desnitrificacin) (3b).
(4) Respiracin anxica de bacterias hetertrofas (XH): La respiracin anxica de bacterias
hetertrofas implica una prdida de biomasa en ausencia del oxgeno disuelto.

(5, 7) Crecimiento de bacterias nitrificantes de primera (XN1) y segunda (XN2) etapa: En la

primera etapa, las bacterias oxidan amoniaco a nitrito (5) y en la segunda, las bacterias oxidan
nitrito a nitrato (7). El crecimiento de las bacterias nitrificantes slo se realiza en condiciones
aerobias.
(9a, 9b) Crecimiento de algas (XALG) con amonio (NH4) y nitratos (NO3): El crecimiento de
algas se divide en dos subprocesos; uno describe el crecimiento con amoniaco y otro utiliza el
nitrato como fuente de nitrgeno.
(11, 14) Muerte de algas (XALG) y consumidores (XCON): Es la conversin de las algas y
consumidores a materia orgnica lentamente biodegradable e inerte por muerte, lisis, etc.
(12a, b, c, d, e) Crecimiento de los consumidores Xi (i=ALG,S,H,N1,N2): Los consumidores se
alimentan de algas, materia orgnica particulada y bacterias, con la consiguiente produccin de
partculas fecales como materia orgnica particulada lentamente biodegradable.
(15) Hidrlisis: Es la disolucin de la materia orgnica particulada lentamente biodegradable a
materia orgnica disuelta catalizada por bacterias hetertrofas.
(16, 17) Adsorcin y desorcin de fosfatos (HPO4): La adsorcin de fosfato es su unin a la
materia orgnica, mientras que la desorcin es la liberacin de fosfato de una masa de materia
orgnica previamente constituida.

Tabla 2. Cinticas de los procesos bioqumicos

Cinticas de los procesos

S NH 4
SHPO 4

XH
K S,H ,aer + SS K O 2 ,H ,aer + SO 2 K N , H ,aer + S NH 4 K HPO 4 ,H ,aer + S HPO 4

K N ,H,aer
SS
SO 2
S NO3
S HPO 4
1b = k cre,H ,aer,To e H ( T To )

X H
K S,H,aer + SS K O 2,H ,aer + SO 2 K N ,H,aer + S NH 4 K N ,H,aer + S NO3 K HPO 4,H,aer + S HPO 4
SO 2
2 = k resp,H ,aerTo e H ( T To )
XH
K O 2,H ,aer + SO 2
SS

1a = k cre ,H ,aer ,To e H ( T To )

SO 2

SHPO 4

X H
K S,H ,anox + SS K O 2,H ,aer + SO 2 K NO3,H ,anox + S NO3 K HPO 4,H ,anox + SHPO 4

K O 2,H ,aer
SS
SNO 2
SHPO 4
3b = k cre,H ,anox ,To eH ( T To )
XH

K S,H ,anox + SS K O 2,H,aer + SO 2 K NO 2,H ,anox + SNO 2 K HPO 4,H ,anox + SHPO 4
K O 2,H ,aer
S NO 3
XH
4 = k resp ,H ,anox ,To eH ( T To )
K O 2,H ,aer + SO 2 K NO 3,H ,anox + S NO 3
SO 2
S NH 4
SHPO 4
5 = k cre, N1,To e N1 ( T To )
X N1
K O 2, N1 + SO 2 K NH 4, N1 + SNH 4 K HPO 4, N1 + SHPO 4
SS

3a = k cre,H ,anox ,To eH ( T To )

K O 2, H ,aer

S NO3

6 = k resp, N1,To e N1 ( T To )

SO 2
X N1
K O 2, N1 + SO 2

7 = k cre, N 2,To e N 2 ( T To )

SO 2
SNO 2
SHPO 4
X N2
K O 2, N 2 + SO 2 K NO 2, N 2 + SNO 2 K HPO 4, N 2 + SHPO 4

8 = k resp, N 2,To e N 2 ( T To )

SO 2
X N2
K O 2, N 2 + SO 2

9a = k cre,ALG,To eALG ( T To )
9 b = k cre,ALG,To eALG ( T To )
10 = k resp,ALG,To e ALG ( T To )

11 = k muerte ,ALG ,To e

SNH 4 + SNO3
SNH 4
SHPO 4
I
I
X ALG
exp1
K N ,ALG + SNH 4 + SNO3 K NH 4,ALG + SNH 4 K HPO 4,ALG + SHPO 4 K I
KI
K NH 4,ALG

SNH 4 + SNO3
SHPO 4
I
I
X ALG
exp1
K N ,ALG + SNH 4 + SNO3 K NH 4,ALG + SNH 4 K HPO 4,ALG + SHPO 4 K I
KI

SO 2
X ALG
K O 2,ALG + S O 2

ALG ( T To )

12 a e = k cre,CON ,To eCON ( T To )

13 = k resp ,CON ,To e CON ( T To )

X ALG

SO 2
X i ( i = ALG ,S,H , N1, N 2 ) X CON
K O 2,CON + SO 2

SO 2
X CON
K O 2 ,CON + S O 2

14 = k muerte,CON,To e CON ( T To ) X CON

15 = k HYD,To e HYD ( T To ) X S
16 = k ads S HPO 4
17 = k des X P

En la Tabla 3 y Tabla 4 se presentan las fracciones msicas elementales para los componentes
del modelo y los valores por defecto de los principales parmetros estequiomtricos de la matriz
de Petersen, respectivamente.
6

Tabla 3. Fracciones msicas elementales de los componentes del modelo

Fracciones msicas

1
SS

2
SI

3
SNH4

4
SNO2

5
SNO3

6
SHPO4

7
SO2

8
SHCO3

9
XH

10
XN1

11
XN2

12
XALG

13
XCON

14
XS

15
XI

16
XP

_C
_H
_O
_N
_P
_C
gDQO/gMO

0,57
0,08
0,28
0,06
0,01
0,00
1,79

0,61
0,07
0,28
0,03
0,01
0,00
1,87

0,00
0,22
0,00
0,78
0,00
0,00

0,00
0,00
0,70
0,30
0,00
0,00

0,00
0,00
0,77
0,23
0,00
0,00

0,00
0,01
0,67
0,00
0,32
0,00

0,00
0,00
1,00
0,00
0,00
0,00

0,20
0,02
0,79
0,00
0,00
0,00

0,52
0,08
0,25
0,12
0,03
0,00
1,61

0,52
0,08
0,25
0,12
0,03
0,00
1,61

0,52
0,08
0,25
0,12
0,03
0,00
1,61

0,36
0,07
0,50
0,06
0,01
0,00
0,93

0,36
0,07
0,50
0,06
0,01
0,00
0,93

0,57
0,08
0,28
0,06
0,01
0,00
1,79

0,61
0,07
0,28
0,03
0,01
0,00
1,87

0,00
0,01
0,67
0,00
0,32
0,00

Transformaciones

SS
gDQO

SI
gDQO

SNH4
gN

XN2
gDQO

XALG
gDQO

XCON
gCOD

XS
gDQO

XI
gDQO

XP
gP

Tabla 4. Matriz estequiomtrica y transformaciones del modelo

1a Crecim Aerobio XH (NH4)

1b Crecim Aerobio XH (NO3)
2 Respiracin Aerobia de XH
3a Crecim Anxico XH (NO3)
3b Crecim Anxico XH (NO2)
4 Respiracin Anxica de XH
5 Crecimiento de XN1
6 Respiracin Aerobia de XN1
7 Crecimiento de XN2
8 Respiracin Aerobia de XN2
9a Crecimiento de XALG (NH4)
9b Crecimiento de XALG (NO3)
10 Respiracin Aerobia de XALG
11 Muerte de XALG
12a Crecimiento de XCON (XALG)
12b Crecimiento de XCON (XS)
12c Crecimiento de XCON (XH)
12d Crecimiento de XCON (XN1)
12e Crecimiento de XCON (XN2)
13 Respiracin Aerobia de XCON
14 Muerte de XCON
15 Hidrlisis
16 Adsorcin de HPO4
17 Desorcin de HPO4

-1,85
-1,85

SNO2
gN

SNO3
gN

-0,01
-0,01
0,07

-2,22
-3,71

1,07
-1,63
0,07
-4,78
0,07

-1,07
-0,27

4,70
-20,71

20,63

0,07
-0,06
-0,06

1,00

0,06
0,03
0,13
0,13
0,45
0,45
0,45
0,06
0,03
0,00

SHPO4
gP

SO2
gO

SHCO3
gDQO

XH
gDQO

-0,01
-0,01
0,02
-0,01
0,00
0,02
-0,02
0,02
-0,02
0,02
-0,01
-0,01
0,01
0,00
0,02
0,02
0,13
0,13
0,13
0,01
0,00
0,00
-1,00
1,00

-0,85
-0,80
-0,77

0,27
0,27
0,25
0,39
0,86
0,25
-0,32
0,25
-0,32
0,25
-0,39
-0,39
0,26
0,00
0,32
1,45
1,18
1,18
1,18
0,26
0,00
0,00

1,00
1,00
-1,00
1,00
1,00
-1,00

-15,13
-0,77
-22,33
-0,77
1,00
1,29
-0,60
0,20
-0,15
-4,77
-3,80
-3,80
-3,80
-0,60
0,20
0,00

XN1
gDQO

0,23

0,23
1,00
-1,00

0,23
1,00
-1,00

0,23
1,00
1,00
-1,00
-1,00
-5,00

-8,65
-8,65
-8,65

1,00
1,00
1,00
1,00
1,00
-1,00
-1,00

0,95
3,85
-5,77
3,85
3,85
3,85
0,95
-1,00

0,40
0,25

0,40
0,25
1,00
-1,00

Resolucin numrica de los modelos de adveccin-dispersin y del modelo de

transformaciones bioqumicas

El modelo evalua la evolucin temporal de los diferentes componentes como resultado de los
trminos correspondientes al modelo de adveccin-dispersin, los del modelo de
transformaciones bioqumicas y los aportes al cauce en forma de vertido. Las ecuaciones de estos
modelos cumplen con el principio de conservacin de la masa y la ley de difusin de Fick. El
modelo discretiza el espacio en volmenes de control a partir de la divisin del cauce principal
en segmentos (o volmenes de control) de mezcla completa. Este mtodo permite reducir el
sistema de ecuaciones en derivadas parciales en tiempo y espacio a un sistema de ecuaciones
diferenciales ordinarias en funcin del tiempo. Una vez la ecuacin est discretizada, se aplica el
mtodo de Crack-Nicolson para la resolucin numrica, utilizando una estrategia espacial y
temporal centrada.

Simulador CalHidra 2.0

El simulador CalHidra 2.0 es un software orientado a objetos con interfaces amigables, en el que
se han implementado modelos matemticos y algoritmos de resolucin numrica (9). Su
arquitectura modular integra cuatro componentes: el modelo hidrodinmico, el modelo de
calidad de agua, un mdulo que habilita la entrada y salida de resultados y un mdulo gestor de
informacin. Este diseo hace posible que los modelos matemticos se implementen y resuelvan
de modo independiente y facilita la comprensin del cdigo. As mismo, el usuario puede definir
fcilmente las caractersticas bsicas del ro, las condiciones iniciales y de contorno, las
condiciones ambientales (luz y temperatura) y los valores de los parmetros del modelo (8). El
intercambio de los datos puede realizarse a travs de archivos ASCII, binarios o M.Excel y los
archivos de salida visualizarse tanto grfica como numricamente. Igualmente, el usuario tiene la
posibilidad de disear cursores capaces de modificar on-line los valores de los parmetros,
vertidos o condiciones de contorno. La figura 2 muestra un ejemplo de los interfaces de CalHidra
para la representacin simultnea de los valores simulados (barras) y los valores experimentales
(rombos), as como la localizacin de los vertidos de las EDAR (tringulos) a lo largo del ro.
La aplicacin se ha desarrollado combinando distintos lenguajes de programacin, lo que ha
permitido cumplir con una serie de requisitos imprescindibles en el mercado actual como son: la
velocidad con la que se lleva a cabo la simulacin, la flexibilidad para realizar distintas
simulaciones cambiando parmetros con rapidez y la facilidad de utilizacin mediante la
implementacin de entornos amigables.

Figura 2. Grfica de simulacin del Ro Tajo. Variacin on-line de los parmetros f y KLa

Metodologa propuesta para la aplicacin del modelo de calidad del agua

En condiciones de tiempo seco, la eliminacin de contaminantes y la calidad del agua en el ro es

el resultado de un complejo equilibrio entre la carga contaminante y la biodegradacin realizadas
por la biomasa del ro. La auto-depuracin del cauce se realiza gracias a la actividad bacteriana
que se concentra en el lecho del ro. As pues, el modelo RWQM1 incluye como componentes la
concentracin de las poblaciones de microorganismos, permitiendo cerrar los balances de masa
en todo el sistema. Este hecho reduce significativamente la incertidumbre en el resultado, ya que
los sustratos, los nutrientes y la concentracin de la biomasa deben guardar una estrecha relacin
debido a las cinticas, la estequiometra y las ecuaciones de transporte.
Los principales parmetros para la calibracin inicial del modelo propuesto son el parmetro KLa
que regula la transferencia de oxgeno entre la atmsfera y el medio lquido y el parmetro de
retencin de slidos (f), que regula la concentracin de biomasa en el cauce. Estos parmetros
condicionan la actividad biolgica del ro y la capacidad de auto-depuracin del cauce. La
diferencia entre el tiempo de residencia de los slidos y disueltos en el sistema (f) permite
describir la acumulacin de la biomasa en aquellas zonas sometidas a grandes cargas
contaminantes y en donde hay una alta actividad de auto-depuracin, debido a los
microorganismos adheridos al lecho del ro. El parmetro KLa permite regular la reaireacin
natural del cauce y reproducir el oxgeno disuelto medido experimentalmente en el ro. Con la
informacin experimental disponible (por ejemplo los perfiles espaciales y temporales para el
oxgeno disuelto, el amonio, los nitritos, los nitratos, etc.) es posible la calibracin de los
parmetros f y KLa. Una vez realizada esta calibracin inicial, puede realizarse una estimacin
ms detallada de los parmetros cinticos y estequiomtricos ms relevantes.

RESULTADOS

Descripcin del caso de estudio: Ro Tajo en la zona de Madrid

El Tajo es el ro ms largo de la pennsula y el tercero en aportaciones y superficie total. Nace en

el centro de Espaa, en la Sierra de Albarracn y desemboca en Lisboa en el Ocano Atlntico,
formando el estuario de Mar de la Paja. El rea estudiada abarca una longitud 200 Km.,
incluyendo algunos tramos de los ros Tajo, Jarama y Manzanares, este ltimo recibe los
efluentes de las principales EDAR de la ciudad de Madrid. Puesto que la mayora de las EDAR
situadas en la zona, han sido diseadas para la eliminacin de Carbono, el principal objetivo de
este estudio es la exploracin de nuevos escenarios en donde las depuradoras eliminen el
Carbono y Nitrgeno mediante los procesos separados de nitrificacin y desnitrificacin. As,
gracias a las predicciones del modelo, se compararn las concentraciones de oxgeno, nitrgeno
y carbono en el cauce bajo los vertidos de las depuradoras actuales. La figura 3 muestra los
principales tramos del ro, las estaciones de medida y las principales EDAR.

Figura 3. Cuenca del ro Tajo. Zona simulada. Tramos de los ros Manzanares, Jarama y Tajo analizados en el estudio,
incluyendo las estaciones de medida ICA y SAICA y las principales EDAR

Datos experimentales

El estudio completo del tramo simulado, se llev a cabo con los datos experimentales de las
principales estaciones depuradoras de la zona. En concreto, quince estaciones depuradoras que
vierten su efluente en los ros Manzanares, Jarama y Tajo. Con el propsito de observar los
procesos de nitrificacin, desnitrificacin y biodegradacin de la materia orgnica realizadas por
las EDAR, se analizaron las concentraciones de Slidos Suspendidos Totales (SST), Demanda
10

Bioqumica de Oxgeno (DBO), Demanda Qumica de Oxgeno (DQO), amonio (NH4), nitritos
(NO2), nitratos (NO3) y fosfatos (PO4). Estos anlisis se realizaron tanto de agua bruta como de
agua tratada (efluente de la planta) para el ao 2003. Adems se realiz un anlisis detallado de
los datos suministrados por la Confederacin Hidrogrfica del Tajo, de las estaciones de medida
ICA y SAICA comprendidas en la zona de estudio y se analizaron las variaciones temporales y
espaciales de la concentracin de DBO, DQO, OD, NH4 y NO3 en el ro para el ao 2003. Estos
datos sirvieron como punto de partida para la calibracin y la exploracin de escenarios de la
calidad del agua del ro Tajo.

Calibracin experimental del modelo

La calibracin de los perfiles espaciales para el NH4, NO3, OD, XH, XN1 y XN2 en los meses de
febrero y agosto se muestra en la figura 4. Tal y como se observa en las figuras, las altas
concentraciones de NH4 vertidas por las EDAR en el ro Manzanares, se nitrifican a lo largo del
ro Jarama. Al comparar los meses de febrero y agosto, se puede observar que en verano, cuando
las temperaturas son ms altas, la biodegradacin de NH4 es ms rpida y por consiguiente hay
un rpido aumento de NO3. Adems, la concentracin de OD en el ro es ms baja en agosto que
en febrero en la zona de los vertidos. El anlisis del OD en el ro debe llevarse a cabo utilizando
una discretizacin ms pequea de los CSTR para as detectar con mayor precisin las zonas con
bajo oxgeno y por lo tanto predecir posibles episodios de desnitrificacin. Por otra parte, el
crecimiento de la biomasa hetertrofa (XH), se hace evidente en la zona del Manzanares, con
unas concentraciones muy superiores en el mes de Febrero que en Agosto; esto demuestra el
gran impacto que tiene la temperatura en la dinmica de las poblaciones bacterianas. As mismo,
se observa a lo largo del ro Jarama una acusada disminucin de los microorganismos
hetertrofos. El comportamiento de la biomasa nitrificante de primera (XN1) y segunda etapa
(XN2), mantiene unas concentraciones considerables en el tramo del Jarama, debido al proceso de
nitrificacin prolongado que se da en todo el tramo. Los valores resultantes de los parmetros f
=0.08 y KLa=35 da-1 reproducen razonablemente los perfiles experimentales observados a lo
largo del ro en las diferentes estaciones. Como ayuda a la interpretacin de los resultados, la
localizacin de los vertidos de las EDAR en los tres tramos de los ros se indica en la parte
superior de la figura 5 mediante flechas.

11

Figura 4. Perfiles espaciales de las concentraciones de NH4, NO3, OD, XH, XN1 y XN2 en tramo de ro estudiado

Exploracin de escenarios

Una vez realizada una calibracin aproximada del modelo, sus predicciones pueden ser utilizadas
para explorar el comportamiento bioqumico del ro en diversos escenarios de vertidos. En este
sentido, se ha usado el modelo dinmicamente y se ha analizado cuidadosamente el efecto que
tendra una modificacin de los vertidos en la calidad del agua del ro. Como primera etapa, se
ha simulado el perfil de vertido de una depuradora de fangos activados con eliminacin de
nitrgeno. Es frecuente que estas depuradoras pierdan la capacidad de nitrificacin a bajas
temperaturas y viertan una alta concentracin de amonio durante los meses de invierno y poca
12

concentracin en verano. En este caso se tom un perfil anual de temperatura del agua y se
predijo la evolucin temporal de la concentracin de amonio y nitratos en el efluente de la planta
utilizando el modelo ASM1 (5) (Figura 5).
En segundo lugar y con base en la simulacin anterior, se realiz una extrapolacin de escenarios
donde se estudi la evolucin de los principales parmetros de calidad del agua en el ro como
respuesta a la evolucin anual de los vertidos de las depuradoras. Tal y como se muestra en la
figura 3, el punto P1 est situado en el ro Manzanares, justo aguas abajo de la ciudad de Madrid,
P2 se sita tras la incorporacin del ro Jarama al Tajo y finalmente P3 cerca a Toledo. La
evolucin anual de los vertidos de las depuradoras, muestran como resultado un incremento
notable de la concentracin de amonio durante el invierno debido a la prdida de nitrificacin en
las plantas y a una limitada auto-depuracin del cauce a bajas temperaturas. Sin embargo, a altas
temperaturas, aparece una nitrificacin simultnea tanto en las plantas depuradoras como en el
cauce, afectando las concentraciones de amonio y nitratos. El incremento de nitratos en verano
debe ser analizado cuidadosamente puesto que puede inducir al crecimiento de las algas y
posibles problemas de eutrofizacin. La figura 6 muestra la concentracin de amonio y nitratos
en el ro.
Temperatura (Celsius)
30
25
20
15
10
5
0
Ene

Feb

Mar

Abr

May

Jun

Jul

Agos

Sep

Oct

Nov

Dic

Ene

Vertidos EDAR (mg/l)

30

NH4
NH4

25

NO3
NO3

20
15
10
5
0
Ene

Feb

Mar

Abr

May

Jun

Jul

Agos

Sep

Oct

Nov

Dic

Ene

Figura 5. Descripcin de los datos de entrada de la calidad del agua en el ro: Temperatura del agua y concentracin de amonio y
nitratos en el efluente de una planta depuradora.

13

Amonio NH4 (mg/l)

18
15
12
9

P1

P2

P3

6
3
0
Ene

Feb

Mar

Abr

May

Jun

Jul

Sep

Agos

Oct

Nov

Dic

P1

P2

P3

Nov

Dic

Ene

Ene

Nitrato NO3 (mg/l)

21
18
15
12
9
Ene

Feb

Mar

Abr

May

Jun

Jul

Agos

Sep

Oct

Figura 6. Exploracin de escenarios, perfiles anuales de concentracin de NH4 y NO3 en el caso de estudio

Cabe resaltar la importancia del parmetro f, puesto que determina la acumulacin o el lavado
de microorganismos a lo largo del ro y por tanto la actividad biolgica en el cauce para distintas
condiciones. En este sentido, sera muy til aplicar un procedimiento ms sofisticado de
calibracin que evale la incertidumbre en la estimacin del parmetro f (por ejemplo tcnicas de
Monte Carlo) para predecir la probabilidad de diversos escenarios del ro, caracterizada por la
presencia o no de una actividad bioqumica significativa (6). Otras simulaciones pueden
realizarse explorando diferentes escenarios en el sistema completo, incluyendo plantas y
colectores. Esto servira para la seleccin de los parmetros de calidad ms apropiados en el
efluente de las EDAR (7), la tasa de dilucin requerida (o flujo ecolgico mnimo) para mantener
la calidad bioqumica en el ro, o el impacto espacial y temporal de posibles descargas
incontroladas.
CONCLUSIONES Y FUTURAS LNEAS DE INVESTIGACIN
En el nuevo simulador CalHidra 2.0, se ha desarrollado e implementado un nuevo modelo
matemtico para la prediccin dinmica de la calidad del agua en los ros, usando la resolucin
completa de las ecuaciones de Saint-Venant, y los procesos de transformacin basados en el
RWQM1. Este nuevo modelo incorpora un parmetro para la descripcin de la retencin de
slidos en los reactores en serie, permitiendo el desacoplamiento del tiempo de residencia
hidrulico y el tiempo de residencia de los slidos en el sistema. De esta manera, el nuevo
modelo puede predecir la acumulacin de la biomasa y la actividad bioqumica observadas
experimentalmente en los ros con altas cargas contaminantes. El procedimiento de calibracin
desarrollado, permite reproducir los valores de concentracin medidos en las distintas pocas del
ao y en distintos tramos de la zona de estudio mediante el ajuste de la retencin de slidos
(parmetro f) y la transferencia de oxgeno entre la atmsfera y el medio lquido (parmetro
KLa).

14

La definicin de cada uno de los componentes del modelo de acuerdo a sus fracciones msicas
elementales en C, H, N, O, y P, constituye una base rigurosa en la que las transformaciones de
sustratos en biomasa o en compuestos inorgnicos, son coherentes con el balance msico de los
compuestos elementales. Por otra parte, las semejanzas entre el RWQM1 y los modelos
convencionales de EDAR facilitan una exploracin integrada del sistema completo. El balance
msico, garantizado por la estructura del modelo, ha facilitado la prediccin dinmica de la
biomasa frente a los cambios en las condiciones de la temperatura del agua o de la carga
contaminante.
El modelo propuesto ha sido aplicado con xito para el anlisis de la eliminacin de nitrgeno en
un tramo del ro Tajo, el cual recibe cargas altamente contaminantes del rea de Madrid. Se han
utilizado los perfiles espaciales de amonio, nitratos y oxgeno disuelto a diferentes temperaturas
del agua para la calibracin del tiempo de retencin slidos y la reaireacin a lo largo del ro.
Una vez calibrado, el modelo propuesto ha demostrado su capacidad para explorar la evolucin
de la calidad del agua en el ro Tajo bajo diferentes escenarios de vertido. Como ejemplo
ilustrativo, se ha estudiado el impacto que causara la adaptacin de las plantas depuradoras
existentes para la eliminacin de nitrgeno y sus consecuencias en la calidad del agua en el ro.
Como futuras lneas de investigacin se est estudiando la relacin entre la retencin de slidos y
la reaireacin del cauce y las condiciones hidrodinmicas del ro. Adems, un anlisis del
modelo basado en incertidumbre mejorara la comprensin de su capacidad predictiva y
permitira un anlisis cuantitativo de riesgo frente a diferentes escenarios.
BIBLIOGRAFA
(1) Abbott M.B. and Minns A.W. (1998). Computational Hydraulics. Ashgate Publishing Limited, England. ISBN: 0-29139835-9.
(2) Brown, L. C. and Barnwell, T. O. (1987). The enhanced stream water quality models QUAL2E and QUAL2E-UNCAS:
Documentation and User Manual, Report EPA/600/3-87/007, U.S. EPA, Athens, GA, USA.
(3) De Gracia M., Sancho L., Garca-Heras J.L., Vanrolleghem P. and Ayesa E. (2006). Mass and charge conservation check
in dynamic models: Application to the new ADM1 model. Water Science and Technology, 53 (1):225240.
(4) Deksissa T.; Meirlaen J.; Ashton P.J. and Vanrolleghem P.A. (2004). Simplifying dynamic river water quality modelling:
A case study of inorganic nitrogen dynamics in the Crocodile River (South Africa). Water, Air and Soil Pollution, 155(14): 303-320.
(5) Henze M.; Gujer W.; Mino T. and van Loosdrecht M. (2000). Activated Sludge Models ASM1, ASM2, ASM2d and
ASM3. Scientific and Technical Report No. 9, IWA Publishing, London.
(6) Martin C.; Cardona C.M.; Salterain A.; Ayesa E.; Eguinoa I. and Garcia-Sanz M. (2006). Uncertainty based calibration
of a new river water quality model: Application to Urola River. Accepted for the 7th International Conference on
Hydroinformatics, Nice (France), Sep.4-8 (2006).1-8.
(7) Rauch W. and Vanrolleghem P.A. (1998). Modelling benthic activity in shallow eutrophic rivers. Water Science and
Technology, 37(3):129-137
(8) Reichert P., Borchardt D., Henze M., Rauch W., Shanahan P., Somlydy L., Vanrolleghem P.A. (2001). River Water
Quality Model No.1. STR No. 12 IWA Publishing, London. 1-130.
(9) Salterain A., Sancho L., Rodrguez E., Pinilla L., Ayesa E. (2003). Development and verification of a new simulation tool
for water quality prediction in the Ebro River. WATER POLLUTION VII. Brebbia C.A., Almorza D. and Salas D.
(Eds). WIT Press, U.K. ISBN: 1-85312-976-3.Cdiz.
(10) Streeter, W. H. and Phelps, E.B. (1925). A study of the pollution and natural purification of the Ohio River, Public
Health Bull. 146, U.S. Public Health Service, Washington D.C.
(11) Thomann R.V. and Mueller J.A. (1987). Principles of Surface Water Quality Modeling and Control. HarperCollins
Publishers Inc., New York.

15