Documente Academic
Documente Profesional
Documente Cultură
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 hidrodinmico
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).
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
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).
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.
[ ]
N
1
2
3
4
5
6
7
8
N
9
10
11
12
13
14
15
16
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
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
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 )
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 )
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
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
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
-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
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.
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
RESULTADOS
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.
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
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
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
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