Repositorio Institucional de Documentos

2014 45 Boris Rebolledo Gajardo Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario: desarrollo y aplicación del modelo paramétrico IVNA-LSP Director/es Departamento Instituto Universitario de Investigación Mixto CIRCE Gil Martínez, Antonia Director/es Tesis Doctoral Autor Repositorio de la Universidad de Zaragoza – Zaguan http://zaguan.unizar.es UNIVERSIDAD DE ZARAGOZA Departamento Director/es Autor Boris Rebolledo Gajardo VULNERABILIDAD DEL TERRITORIO A LA CONTAMINACIÓN POR NITRATOS DE ORIGEN AGRARIO: DESARROLLO Y APLICACIÓN DEL MODELO PARAMÉTRICO IVNA-LSP Director/es Instituto Universitario de Investigación Mixto CIRCE Gil Martínez, Antonia Tesis Doctoral 2014 Repositorio de la Universidad de Zaragoza – Zaguan http://zaguan.unizar.es UNIVERSIDAD DE ZARAGOZA Departamento Director/es Director/es Tesis Doctoral Autor Repositorio de la Universidad de Zaragoza – Zaguan http://zaguan.unizar.es UNIVERSIDAD DE ZARAGOZA Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario Desarrollo y aplicación del modelo paramétrico IVNA LSP TESIS DOCTORAL Boris Rebolledo Gajardo D.a Antonia Gil Martínez, Profesora Titular del Departamento de Ingeniería Mecánica de la Universidad de Zaragoza CERTIFICA: Que la memoria titulada: “Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario. Desarrollo y aplicación del modelo paramétrico IVNA-LSP” presentada por D. Boris Rebolledo Gajardo para optar al grado de Doctor ha sido realizada bajo su dirección. Zaragoza, Febrero de 2014 AGRADECIMIENTOS Este trabajo ha sido realizado con el apoyo económico del Gobierno de Chile, a través del Programa Formación de Capital Humano Avanzado de CONICYT. Me gustaría mencionar en esta sección a todas aquellas personas que, en mayor o menor medida, han hecho posible, con su ánimo, optimismo y sobre todo “paciencia”, que este largo camino llegue a su fin. A simple vista, este documento recoge los aspectos técnicos y científicos del trabajo desarrollado durante estos últimos 4 años. Sin embargo, los últimos meses de redacción han implicado un ejercicio de autoanálisis en el que muchos de vosotros habéis tenido un papel fundamental, con gestos de cariño y generosidad que siempre recordaré. Por tal razón, a los que aquí nombre y a los que, por falta de espacio o memoria, no menciono, muchas gracias por estar. A mi directora de tesis: Antonia Gil Martínez, que ha permitido que el esquema de trabajo y planteamientos de esta tesis tengan un sentido práctico, dedicándole un tiempo importante para analizar y releer el tema expuesto. A las instituciones y centros de investigación: A la Fundación CIRCE por haberme acogido como voluntario, y no solo por facilitar mi desarrollo profesional, sino también por permitirme conocer a un grupo de personas realmente valioso. Al área de Geodinámica de la Universidad de Zaragoza y en especial al profesor José Ángel Sánchez, por su ayuda, tiempo y por compartir sus conocimientos e información. Al Departamento de Recursos Hídricos de la Universidad de Concepción (Chile) y en particular al profesor José Luis Arumí, por su orientación y responder a cada una de mis preguntas. Al profesor Xavier Flotats, por su ayuda y motivación para seguir avanzando, y sobre todo por darse el tiempo para responder a un “joven” y desconocido investigador. A la profesora Mercedes Arauzo Sánchez, quien por sí sola es una Institución en lo que a contaminación por nitratos tiene que ver, por compartir sus conocimientos e inquietudes. Al profesor Jozo Dujmović, por su orientación y valiosas explicaciones en lo que respecta al uso de LSP y su aplicación en mapas de idoneidad. Por último, agradecer a todos aquellos ganaderos (de Monroyo, la Muela y Monzón), que con su experiencia y ayuda, me han permitido tener una visión más cercana de su quehacer. A mi familia y amigos: A mis padres. Por vuestro apoyo incondicional, por el amor, cariño, paciencia y, sobre todo, por el trabajo y energías empleadas en nuestra educación. Por los “regaloneos” de mi madre, y también por todas esas hojas arrancadas del cuaderno. A mi padre, por sus consejos y apoyo, y también por su “llamada diaria” durante toda mi vida universitaria. Este es un pequeño y humilde gesto de gratitud ante vuestra inmensa generosidad. A mis hermanas. Por aguantar estoicamente los “arrebatos” de hermano mayor que juega a ser padre y juez. Rocío y Catalina con ustedes aprendí lo que es preocuparse por alguien y querer proteger a quien se quiere. Mil gracias por todos sus besos y sonrisas. Las amo, incluida Josefina que es el retoño de la familia. A mis abuelos, por cuidarme y enseñarme lecciones de vida. Abuelita Raquel, por todo tu amor, preocupación y por tu alegría de vivir, eres un ejemplo para mí. Abuelo Víctor, por tus enseñanzas, eres y serás de las pocas personas que tienen mi admiración. A mis tíos, Víctor, Claudio, Carlos, Eliana, Queno, Carmen y Patricia, por darme una infancia feliz; y en especial a mi tía Ivonne, por su amor incondicional. Si tuviera que elegir a la mejor tía del mundo, esa serías tú. Al tío Quintiliano. Muchas gracias por querer a mis hermanas, sobrina y cuidar a mi madre. Eres una persona con un gran corazón. A todos mis familiares (primas preferidas, primos, Guille y Pablito), que desde mi natal Talca, me han animado con sus deseos de verme feliz. A Laura. Por su apoyo, amor, energía y, sobre todo, por su paciencia en momentos “no fáciles”. Mil gracias por quererme con mis manías, defectos, por cuidarme; y por permitirme formar parte de tu familia. A mi familia sudamericana. Leo, Pauli, Rosa y Juan. Por haber estado en momentos importantes y hacerme sentir un poco más cerca de nuestra tierra. A Mario. Por ser mi amigo y sin duda una de las mejores personas que conozco. A mis amigos del alma, Arturo y Jessica, que desde la lejanía siguen siendo un pilar y apoyo fundamental en mi vida. A mi compañeros de “curro” y amigos. A Anita G. y Anita M. por las conversaciones y por muchas veces ser mis confidentes. A Pilar, por su sentido del humor y sonreír con mis tonterías. A Sergio, por su amistad y por su buena voluntad, muchas gracias (si te dejaras, te daría un abrazo). A Miguel, por su amistad, por compartir bromas y disputar conmigo el lugar del “más pesado” del despacho. A Luisig, por ser un gran amigo y compañero de carreras. A Carlos H., por su ayuda, alegría y orientación en la finalización de la tesis. A Amaya, Ángel, Javi y Miriam, por abrirme las puertas de vuestros hogares y permitirme conocer a sus hermosas familias. A Yolanda, Carmen, Carlos L., Irene e Isabel, por compartir buenos momentos (concursos, olimpiadas), comidas e innumerables festejos. Y como olvidar a mis compañeros de Petavatios: Mauricio, Indelson, Juanan, Dani y Javier, por compartir triunfos, derrotas y, lo más importante, el tercer tiempo. Índice I. JUSTIFICACIÓN, OBJETIVOS Y CONTENIDO DE LA TESIS 1 I.1 El cambio climático y la implicación del sector agropecuario 1 I.2 Problemática de las medidas de mitigación de GEI y NH3 del sector agropecuario 7 I.3 Propuesta de planificación territorial para la disminución de GEI y NH3 del sector agropecuario 13 I.4 Objetivos de la tesis 16 I.5 Contenidos y metodología general del estudio 18 II. VULNERABILIDAD DEL TERRITORIO A LA CONTAMINACION POR NITRATOS DE ORIGEN AGRARIO 20 II.1 Introducción 21 II.2 Importancia de las aguas subterráneas y caracteristicas de los acuíferos 23 II.2.1 Papel de las aguas subterráneas en las actividades humanas 23 II.2.2 Origen de las aguas subterráneas 25 II.2.3 Formaciones acuíferas 27 II.3 Problemática de los nitratos de origen agrario 29 II.3.1 Caracterización de las fuentes difusas de origen agrario 30 II.3.2 Procesos de formación del nitrato 32 II.3.3 Implicancia de las Directivas europeas en el contexto de la vulnerabilidad 34 II.4 Descripción de los principales indices de vulnerabilidad 38 II.4.1 DRASTIC 38 II.4.2 SINTACS R5 38 II.4.3 IPNOA 39 II.4.4 GOD 40 II.4.5 Otros métodos 40 II.4.6 Comparación de los índices de vulnerabilidad 41 II.5 Determinación de Zonas Vulnerables en España y Aragón 42 II.5.1 Situación de España 42 II.5.2 Designación de Zonas Vulnerables en Aragón 45 II.6 La geoestadística y su aplicación al estudio de la problemática de los nitratos 47 II.6.1 Análisis temporal de la concentración de nitratos en Aragón 48 II.6.2 Relación entre la concentración de nitratos y el uso de suelo agrícola 52 II.6.3 Análisis de heterogeneidad y dependencia espacial 53 II.7 Conclusiones 58 Índice de tablas Tabla II-1 Superficies declaradas como Zona Vulnerable según CC.AA (2009) ....................... 44 Tabla II-2 Evolución estadística de la concentración de nitratos 2006-2010 .......................... 50 Tabla III-1 Descripción y clases de vulnerabilidad de los factores hidrogeológicos ................. 66 Tabla III-2 Descripción y clases de vulnerabilidad de los factores medioambientales ............ 67 Tabla III-3 Clasificación y puntuación del factor FHAc – IVNA LSP ............................................ 69 Tabla III-4 Clasificación del factor FHDG – IVNA LSP .................................................................. 71 Tabla III-5 Clasificación del factor FHPV – IVNA LSP ................................................................. 73 Tabla III-6 Clasificación del factor FMLC – IVNA LSP .................................................................. 75 Tabla III-7 Clasificación de la textura del topsoil (ESDB v.2.0) ................................................. 79 Tabla III-8 Potencial de desnitrificación de distintas texturas del topsoil ............................... 80 Tabla IV-1 Principales agregadores LSP y sus valores α y ω ............................................... 122 Tabla IV-2 Estructura AHP del modelo paramétrico IVNA LSP ........................................... 127 Tabla IV-3 Escala fundamental de comparaciones AHP ..................................................... 128 Tabla IV-4 Índice aleatorio de consistencia (RI) ................................................................. 131 Tabla IV-5 Vectores de priorización individuales Factores Hidrogeológicos - EVM ........... 133 Tabla IV-6 Vectores de priorización individuales Factores edáficos - EVM ........................ 133 Tabla IV-7 Vectores individuales de priorización Factores clima y relieve - EVM .............. 134 Tabla IV-8 Vectores de priorización individuales de las capas del sistema - EVM ............. 135 Tabla IV-9 Vectores de priorización individuales Factores Hidrogeológicos - RGMM ....... 136 Tabla IV-10 Vectores de priorización individuales Factores edáficos - RGMM .................... 136 Tabla IV-11 Vectores individuales de priorización factores clima y relieve - RGMM ........... 137 Tabla IV-12 Vectores de priorización individuales de las capas del sistema - RGMM ......... 137 Tabla IV-13 Pesos de los factores y sistemas considerados en IVNA LSP ............................ 138 Tabla IV-14 Coeficientes r de Pearson de los factores IVNA LSP .......................................... 140 Tabla IV-15 Árbol de atributos de IVNA-LSP ......................................................................... 142 Tabla IV-16 Funciones de densidad de probabilidades de los factores de IVNA-LSP........... 150 Tabla IV-17 Resultados SRRC modelo IVNA-LSP (Montecarlo n=5000) ............................... 153 Tabla IV-18 Índices de sensibilidad Si y STi de IVNA mediante E-FAST (n=5000) .................. 154 Tabla V-1 Evolución del censo porcino de Aragón según tipología en el período 1998-2010 (DGA, 2013) 167 Tabla V-2 Composiciones medias del purín porcino de cebo ............................................... 175 Tabla V-3 Tasas de deyección ganado porcino y contenido en nitrógeno al inicio del período de almacenamiento ....................................................................................................................... 179 Tabla V-4 Información cartográfica de las zonas de restricción............................................ 193 Tabla V-5 Distribución de las superficies de Aragón y jerarquización de idoneidad ............ 198 15 Capítulo I: Justificación, objetivos y contenido de la tesis I. JUSTIFICACIÓN, OBJETIVOS Y CONTENIDO DE LA TESIS I.1 EL CAMBIO CLIMÁTICO Y LA IMPLICACIÓN DEL SECTOR AGROPECUARIO El cambio climático se define como la modificación sostenida de las principales variables climáticas, es decir, alteraciones en las temperaturas, precipitaciones o patrones de los vientos, entre otras. Durante mucho tiempo se discutió acerca de su existencia; sin embargo, hoy en día existen pruebas irrefutables que demuestran importantes alteraciones en los elementos del clima, entre ellas: cambios en los patrones de precipitación (IPCC, 2012); el aumento del nivel del mar (CSIRO, 2009); la acidez del mar (Bindoff et al., 2007); y el derretimiento de los glaciares y el hielo marino (NRC, 2010). En el transcurso de miles de años han existido grandes alteraciones en los elementos que componen el clima, la mayoría de ellas de carácter cíclico y cuyas causas podrían encontrarse en fenómenos naturales tales como erupciones volcánicas y/o variaciones normales en las emisiones de gases de efecto invernadero1 (GEI); no obstante, las actuales modificaciones climáticas no pueden explicarse únicamente por causas naturales, existiendo un claro consenso mundial respecto a la responsabilidad de las actividades humanas en el calentamiento del planeta (NRC, 2010). El efecto invernadero tiene un papel fundamental en el equilibrio energético del planeta; reteniendo energía en forma de calor y evitando su emisión total hacia el espacio. Este fenómeno natural tiene su origen en los procesos radiativos tanto del Sol como de los 1 Los GEI permiten el paso de la radiación solar de onda corta, calentando la superficie de la Tierra. A la vez absorben parte del calor que emana de la superficie en forma de radiaciones infrarrojas, de mayor longitud de onda que la luz solar. 1 distintos elementos que conforman la superficie de la tierra, donde la distribución de la energía emitida a una determinada longitud de onda es una función de la temperatura del cuerpo que la emite. Es así como el Sol con una temperatura de aproximadamente 6000 °K, emite la mayoría de su radiación a longitudes de onda en el rango de 0,2 – 4 μm; y la Tierra con una temperatura teórica2 en superficie de 255 K (-18 °C), emitirá principalmente dentro del rango de 4 – 100 μm (Mitchell, 1989). Otra característica de este fenómeno natural es la propiedad selectiva de algunos gases y partículas presentes en la atmósfera, de permitir el paso de la radiación solar, pero no de la radiación originada por la superficie terrestre (radiación infrarroja); absorbiendo energía y re-emitiéndola nuevamente, con el consiguiente incremento en la temperatura atmosférica. Siendo la razón por la cual estos gases reciben el nombre de «gases de efecto invernadero». La atmósfera es la envoltura gaseosa de nuestro planeta donde interactúan los elementos del clima (temperatura, precipitaciones, vientos, etc.); ha sido el resultado de distintos procesos geológicos del planeta, incluyendo la influencia de las actividades biológicas de muchos organismos. En el presente, la atmósfera está compuesta en su mayoría por nitrógeno (78%), oxígeno (21%), y una gran cantidad de gases traza: dióxido de carbono (CO2), metano (CH4), óxido nitroso (N2O), amoniaco (NH3), hidrógeno (H), xenón, etc., y que en su conjunto no alcanzarían al 1% (Brimblecombe, 1986). A pesar de ser una proporción muy pequeña de la atmósfera, algunos de estos gases tienen propiedades radiativas muy importantes, ya que de manera conjunta logran que la temperatura del planeta esté 35 °C por encima de la temperatura teórica planetaria, haciéndolo habitable para el ser humano (Graedel y Crutzen, 1993). Existen una gran cantidad de GEI de origen antrópico, pero los más importantes son el CO2, CH4, N2O, gases clorofluorocarbonados (CFC) y los halocarbonados (HCFC) (IPCC, 2007a). Durante miles de años la concentración atmosférica de estos GEI se mantuvo dentro de un rango normal; sin embargo, desde el inicio de la revolución industrial, a finales del siglo XVIII, nuestra especie comenzó a alterar la composición de la atmósfera de manera acelerada debido al creciente consumo energético, principalmente a partir de combustibles fósiles y a la intensificación de las actividades agrícolas y pecuarias (Goudie, 2005). Es así como las concentraciones atmosféricas de CO2 (379 ppm) y CH4 (1774 ppm) en 2005 excedían en gran medida el intervalo normal de valores de los últimos 650.000 años (IPCC, 2007b). Siendo el aumento del CH4 el más significativo, duplicándose su concentración atmosférica desde la era 2 Temperatura teórica suponiendo ausencia de atmósfera. 2 Capítulo I: Justificación, objetivos y contenido de la tesis pre-industrial (Watson et al., 1990). El N2O, por su parte, ha tenido un aumento constante desde 270 ppb en la era pre-industrial hasta 319 ppb en el año 2005 (IPCC, 2007b). Cada uno de estos gases tiene un potencial de calentamiento global (PCG) diferente, debido a la capacidad de cada molécula de absorber la radiación (eficiencia radiativa) y a su tiempo de vida en la atmósfera. Por ejemplo, si bien el CO2 es el GEI más abundante, de manera que para el año 2004 el 76,7% de las emisiones antrópicas de GEI correspondían a CO2 (IPCC, 2007a), a nivel molecular tanto el CH4 como N2O tienen un mayor PCG que el del primer gas, 25 y 298 veces mayor, respectivamente (Forster et al., 2007). Por otro lado, el N2O tiene una eficiencia radiativa 10 veces mayor que la del CH4 y un tiempo medio de residencia en la atmósfera de 114 años, mientras que el CH4 permanecerá en la atmósfera por 12 años en promedio (IPCC, 2001). El forzamiento radiativo (FR) es una magnitud que permite cuantificar el efecto de factores antrópicos y naturales en el cambio climático global, y se expresa como una tasa de cambio de energía por unidad de superficie (W/m2); otorgando un valor o «peso» a la capacidad de un gas u otros factores antrópicos (p. ej., albedo superficie terrestre, efecto de aerosoles) en la modificación del balance energético planetario. Es así como un FR positivo implicará un aumento del balance energético, es decir, el sistema atmósfera-Tierra incrementará su temperatura. En tanto, un FR negativo implicará una disminución del balance energético planetario con su consiguiente enfriamiento. Según los datos entregados por el IPCC en su cuarto informe de evaluación (IPCC, 2007b), y como se aprecia en la Figura I-1, el forzamiento radiativo total por acción de factores antrópicos entre los años 1750 y 2005 se cifra en +1,6 W/m2. En relación a la influencia de los principales GEI (CO2, CH4 y N2O) en el balance energético, su FR conjunto alcanzaría un valor de +2,3 W/m2; siendo este contrarrestado principalmente por el efecto de «enfriamiento» de los aerosoles (-1,2 W/m2) y las modificaciones del albedo por cambio de uso de suelo. Si bien es cierto que los incrementos de las concentraciones de GEI atmosféricos se presentan como los principales responsables del calentamiento global, no son los únicos que completan el panorama del cambio climático. En tal sentido, también se deben tener en cuenta las diminutas partículas en la atmósfera, los aerosoles, formados por condensación de vapores y partículas microscópicas. Estas partículas afectan a la cantidad de energía solar reflejada por las nubes y a cuanta energía queda atrapada bajo ellas (Ramanathan et al., 1987, Charlson et al., 1992). Actualmente se posee un gran conocimiento sobre los factores de FR y sobre el rol de los GEI en el desplazamiento del balance energético de la Tierra; no obstante, desde la revolución industrial el aumento de la temperatura planetaria solo ha alcanzado la mitad de lo 3 que se esperaría por la acción conjunta de estos gases (Hansen et al., 1997). Los responsables de que el calentamiento global no se presentará como tal, han sido principalmente los aerosoles a través de sus propiedades radiativas e indirectamente mediante su influencia en los procesos de formación de las nubes; dentro de los principales aerosoles se pueden mencionar: sulfatos, polvo mineral, hollín y nitratos de amonio (Haywood y Boucher, 2000). El calentamiento de nuestro planeta es la respuesta a un cambio global, que incluye aspectos como la globalización político-económica, transformación de procesos sociales, perdida de la biodiversidad y el cambio en los patrones de consumo (Johnston et al., 2002). Este panorama adverso, junto a la complejidad de las interacciones físicas y químicas que se desarrollan en la atmósfera y a la amplia gama y dispersión de fuentes emisoras han generado un desafío sin precedentes en la tarea de encontrar una solución integral al problema. Otro de los puntos más interesantes y a la vez menos equitativos relacionados con las emisiones de GEI es la contribución relativa de cada país. De acuerdo con información recopilada por la Agencia Medioambiental de Estados Unidos (EPA, 2008), China (23%), EE.UU. (19%) y la Comunidad Europea (13%), fueron los responsables del 55% de las emisiones de CO2 durante el año 2008. Esto deja en evidencia que las emisiones de GEI están concentradas en los países desarrollados. Es por ello que muchos autores analizan el cambio climático desde la perspectiva de la ética (Kellogg y Schware, 1981, Stern y Britain, 2006, Patz et al., 2007), ya que + 1,6 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 Figura I-1 Principales factores del forzamiento radiativo del cambio climático (Forster et al., 2007) CO 2 CH 4 N 2 O Halocarbonos Efecto directo Albedo nubes Uso suelo Total fuentes antropogénicas GEI larga vida (W/m2) Efecto aerosoles Albedo superficie Ozono 4 Capítulo I: Justificación, objetivos y contenido de la tesis si bien es cierto, que los posibles efectos negativos del calentamiento global son conocidos y dimensionados por la sociedad en su conjunto, la manera de cómo solucionarlo es aún un punto de conflicto. Producto de la preocupación internacional, en el año 1997 tuvo lugar la Tercera Conferencia de las Naciones Unidas sobre Cambio Climático. En aquella reunión más de 160 países se comprometieron a llevar a cabo el Protocolo de Kioto, el cual establece el compromiso de disminuir las emisiones de GEI globales en un 5,2% respecto a las registradas en 1990. Aunque el Protocolo de Kioto se presentó como un primer paso histórico en la búsqueda de una solución o al menos un primer intento de reducir la tendencia global de incremento de emisiones de GEI, ofreciendo un marco político-ambiental de lucha en contra del cambio climático, desde un comienzo recibió críticas respecto a la magnitud de los límites impuestos y a la ausencia de compromiso por parte de algunos países desarrollados (Bolin, 1998, Nordhaus y Boyer, 1998). La Unión Europea estableció un compromiso de reducción de un 8% de las emisiones de GEI con respecto al año 1990 para el período 2008-2012 (UNFCCC, 2008), en donde cada Estado miembro tiene pactado un compromiso diferente (Burden Sharing Agreement), que bien puede ser de reducción o de limitación. En el caso de España, es un compromiso que limitó el aumento de emisiones de GEI en un 15% por encima de los correspondientes al año base. Sin embargo, al finalizar el 2011, España se mostraba como uno de los países de la Unión Europea (UE-15) que más se alejaba del cumplimiento de los compromisos de Kioto, situándose en una tasa de emisión de un 23,9% superior a la de 1990. Es así como las emisiones de GEI de España pasaron de 282,8 Mt CO2eq3 en el año 1990 a 350,5 Mt CO2eq el año 2011 (EEA, 2013). Respecto a la participación por principales categorías de los inventarios del IPCC, el sector de la energía (i.e. combustión y emisiones fugitivas) fue responsable de un 80% de las emisiones totales de GEI de la UE-15, en segundo lugar aparecería la agricultura con una participación del 10% (EEA, 2013). Tendencias similares se aprecian en el ámbito español; donde es indudable que el sector energético es el que más contribuye al total de GEI que se emiten a la atmósfera, con más de un 77% sobre el total, dejando en segundo lugar al sector agrícola y ganadero con 10,6% (37,28 Mt CO2eq) de las emisiones GEI del año 2011(MAGRAMA, 2013a). No obstante, al analizar su participación en las emisiones de los dos gases con un mayor PCG (CH4 y N2O) este sector adquiere un papel protagónico, siendo el responsable del 54% y 81% de estas emisiones, respectivamente (Figura I-2). 3 CO2eq se refiere al nivel de CO2 equivalente, esta magnitud incluye los efectos del CH4, del N2O y otros gases de efecto invernadero de vida larga, considerando los distintos PCG de cada uno de ellos. 5 Es evidente que la principal preocupación ambiental en torno al sector agropecuario es la relativa a la disminución de estos dos contaminantes (CH4 y N2O); sin embargo, no son los únicos que atraen la atención y esfuerzos de la comunidad científica. El NH3 es un importante contaminante gaseoso que desempeña un rol crucial en la acidificación (Van Breemen et al., 1982) y eutrofización de los ecosistemas (Pearson y Stewart, 1993), y contribuye a las emisiones indirectas de N2O (IPCC, 2006). Además, como precursor de la formación de aerosoles (nitrato de amonio y sulfato de amonio) puede aumentar el efecto de dispersión de radiación solar y contribuir al enfriamiento del planeta mediante la modificación de las propiedades físicas de los aerosoles (Martin et al., 2004) y de las nubes (Abbatt et al., 2006). La mayoría de los inventarios de NH3 señalan al sector agrícola y ganadero como la principal fuente de estas emisiones, con una participación que oscilaría entre el 80 y 90% del total de emisiones antropogénicas (Bouwman et al., 1997, Asman et al., 1998); cifras acordes con la situación de España, donde el sector agropecuario con 352.800 t (año 2011) fue responsable de aproximadamente el 92% del total de emisiones de NH3 (MAGRAMA, 2012a). La responsabilidad del sector agrícola y ganadero en las emisiones de CH4, N2O y NH3, y su nexo con el cambio climático es indiscutible. Sin embargo, no se debe olvidar que estas alteraciones en los patrones del clima es un problema ligado al modelo de desarrollo de nuestra sociedad, en donde cada vez se ejerce una mayor presión por el aumento de la productividad, mayor necesidad de alimentos y bienes, y por consiguiente una mayor demanda energética. Por lo tanto, cualquier medida de mitigación de estos gases y/o 54% Participación sector agropecuario N2O CO2 CH4 Principal fuente: Sector de energía HFC, PFC, SF6 81% Figura I-2 Participación del sector agrícola en emisiones de CH 4 y N 2 O, España 2011 (MAGRAMA, 2012b) 6 Capítulo I: Justificación, objetivos y contenido de la tesis restricción de las actividades humanas debe ser coherente con la dinámica económica de los sectores productivos implicados y a su vez responsable con la protección del medio ambiente. I.2 PROBLEMÁTICA DE LAS MEDIDAS DE MITIGACIÓN DE GEI Y NH3 DEL SECTOR AGROPECUARIO El éxito de una medida de mitigación estará determinado por los resultados de un inventario de emisiones; sin embargo, estos instrumentos estratégicos presentan una gran cantidad de incertidumbres, las cuales se transforman en un problema al momento de evaluar la efectividad real que tiene una medida específica. La magnitud de las emisiones en las distintas etapas de la gestión agrícola y ganadera (cría de animales, gestión de estiércoles, tareas de cultivo y fertilización de las tierras) se estima a partir de factores de emisión (FE) (p. ej., kg N2O/ha·año, g CH4/cabeza animal·día) y una variable de actividad (p. ej., ha, número de cabezas animales). Estos FE se obtienen mediante condiciones estandarizadas y como tal, poseen incertidumbres; y aunque la mayoría de las metodologías disponibles otorgan la posibilidad de ajustar los FE, a las condiciones locales (clima) o etapa fisiológica de un animal, aun permanecerán importantes fuentes de error relativas al amplio abanico de prácticas agrarias. Metano (CH4) La mayor parte del CH4 de origen agropecuario proviene de la fermentación entérica4 del ganado (Yusuf et al., 2012), ya que una importante proporción del consumo energético de los animales se pierde en forma de este gas. Otras fuentes de carácter secundario son la degradación anaerobia de los cultivos de arroz y la descomposición de la materia orgánica contenida en los estiércoles y purines (Stern y Kaufmann, 1996). Los métodos para estimar las emisiones de CH4 producidas por el ganado requieren definiciones de sub-categorías, poblaciones anuales; y en el caso de requerir un nivel de mayor precisión se debe considerar la ingesta de alimentación en base a las necesidades energéticas del animal, es decir, energía de mantenimiento, crecimiento, lactancia, fuerza de tiro, entre otras. La estimación de emisiones de CH4 por fermentación entérica del ganado puede alcanzar incertidumbres de ±20%, relativas a la caracterización del ganado y también a sus dietas (IPCC, 2006). 4 La fermentación entérica es parte del proceso digestivo de los animales, donde microorganismos metanogénicos descomponen los carbohidratos y los transforman principalmente en CH4. 7 Otro ejemplo de las incertidumbres antes mencionadas se presenta en la estimación de las emisiones provenientes del manejo de estiércol. El procedimiento de cálculo se basa en la suposición de que el estiércol tiene una capacidad máxima de producción de metano (ultimate methane yield, B0), la cual se obtiene a partir de pruebas experimentales en condiciones de laboratorio. A continuación, con la ayuda de un factor de conversión de metano (methane conversion factor, MCF), se estima la proporción de B0 que será emitida a la atmósfera como CH4. Los MCFs se obtienen a partir de la opinión de expertos que llegan a un consenso del valor adecuado en función de las técnicas de manejo de residuos que se aplican y tipo de zona climática en cuestión (IPCC, 2006). Óxido nitroso (N2O) Las emisiones de N2O se originan de manera natural a partir de los procesos biológicos de nitrificación y desnitrificación (Maag y Vinther, 1996), donde bacterias especializadas descomponen la materia orgánica a través de reacciones sucesivas, oxidando el ion amonio (NH4+) a ion nitrato (NO3-) y posteriormente a través de una reducción anaerobia reducen el NO3a nitrógeno molecular (N2), generándose en ambos procesos emisiones de óxido nitroso (N2O) como producto intermedio. Esta oxidación y reducción bacteriana se encuentra determinada por un gran número de condiciones ambientales y del sustrato edáfico, como son el contenido de agua, temperatura, carbono orgánico y pH (Mosier et al., 1998c). La Figura I-3 a continuación representa la secuencia de producción de N2O mediante nitrificacióndesnitrificación. Las emisiones de N2O del sector agropecuario se caracterizan por una alta variabilidad espacial y temporal, debido a las interacciones entre las variables físicas, químicas y biológicas que intervienen en los flujos desde las fuentes hacia la atmósfera. En la práctica, esta variabilidad se traduce en que las emisiones asociadas a cada una de las fuentes del sector (estabulación animal, gestión estiércol, almacenamiento, fertilización mineral y orgánica) se NH 4 + NH 2 OH NO 2 - NO 3 - N 2 O NO 2 - NO N 2 O N 2 Nitrificación Desnitrificación Figura I-3 Representación de los dos procesos responsables de la producción de N2O 8 Capítulo I: Justificación, objetivos y contenido de la tesis Aunque la Directiva de Nitratos tuvo su génesis en la protección directa del ser humano, durante los últimos años se ha comprobado que sus medidas han tenido otro importante efecto positivo, ya que «“Producto de la aplicación de la Directiva se han disminuido las emisiones de N2O, NH3 y las pérdidas totales de nitrógeno por lixiviación”, dichas reducciones a nivel EU-27 alcanzarían un 6,3%, 3,4% y 16,4%, respectivamente»(EC, 2009). Ante tal panorama favorable y aún con margen de mejora (oportunidades de abatimiento); la nueva propuesta de planificación territorial de esta tesis, intentará determinar los mejores terrenos agrícolas (más idóneos) en los cuales los residuos ganaderos podrían ser utilizados como enmienda de los cultivos. La metodología que se presenta en esta tesis se desarrolla en torno al concepto de «vulnerabilidad», entendiendo que existen territorios que serán más vulnerables que otros a la contaminación; y no solo en lo que se refiere al riesgo de contaminación de las aguas subterráneas (Vrba y Zaporozec, 1994), sino en un sentido más amplio, donde un territorio que carece de acuíferos consolidados, no necesariamente estará libre del «riesgo ambiental», ya que podría estar sometido a fenómenos de contaminación como la acidificación de los suelos o eutrofización. Las actuales metodologías para la determinación de ZVN más que en una planificación previsora, se basan en la evidencia del daño ambiental; designando como «zonas vulnerables» aquellos territorios en los cuales existen pruebas que demuestren la contaminación; lo que desde el punto de vista del autor de esta tesis, le otorgaría de manera más correcta la categoría de «vulnerada» o «afectada». Por tal motivo, y acorde a los principios del desarrollo sostenible, en esta tesis se desarrollará un modelo paramétrico de Evaluación Multicriterio (EMC): Índice de Vulnerabilidad a Nitratos de origen Agrario (IVNA) a través de un novedoso enfoque de preferencia lógica (Logic scoring of Preference, LSP), que permitirá definir distintos grados de fragilidad del territorio en función de sus características (hidrogeológicas y medioambientales), aplicándose a la Comunidad Autónoma de Aragón; modelo que a su vez, será fundamental en la determinación de los terrenos óptimos para la disposición final de los residuos orgánicos. En lugar de responder a la cuestión sobre quién debe hacerse cargo de las emisiones de GEI y NH3 del sector agropecuario, se piensa que en primera instancia, los esfuerzos deberían centrarse en una adecuada planificación territorial de asignación de fertilizantes nitrogenados (minerales y orgánicos); donde la legislación de protección ambiental debe ser vista como la facilitadora de un escenario «win-win» (Chadwick et al., 2011), que por una parte valoriza económicamente un residuo y adicionalmente combate el cambio climático. 15 I.4 OBJETIVOS DE LA TESIS Los residuos ganaderos (purines y estiércoles) contienen importantes cantidades de: i) nitrógeno (N), principalmente en su forma amoniacal (Yagüe et al., 2012); ii) carbono (C) (Møller et al., 2004) y iii) elevados contenidos de agua, que en el caso de los purines porcinos puede llegar al 90% (Bonmatí y Magrí, 2007); condiciones suficientes para que se lleven a cabo los procesos biológicos que originan las emisiones de CH4, N2O y NH3. Por lo tanto, en lugar de fomentar cargas económicas al sector agropecuario o al consumidor final, parece más coherente plantear métodos de planificación y gestión de las deyecciones ganaderas desde el punto de vista territorial. La propuesta de esta tesis se encuentra relacionada con las metodologías planteadas por Jain et al. (1995), Teira-Esmatges y Flotats (2003) y Passuello et al. (2012). El interés particular en las emisiones y lixiviados de nitrógeno del sector agrícola y ganadero se basa en la dualidad de su participación en el cambio climático y la necesidad de valorizar un residuo como los purines y estiércoles (eficiencia energética). Es por ello que el objetivo de la tesis es doble; en primera instancia, se centra en el desarrollo de un modelo paramétrico de EMC, para la designación de zonas con distintos grados de vulnerabilidad ambiental; y en segundo lugar, se obtiene un mapa de idoneidad que define las zonas óptimas donde los residuos ganaderos podrían ser utilizados como enmienda. Como región de aplicación de la metodología propuesta se ha elegido a la Comunidad Autónoma de Aragón, región en la cual el sector del ganado porcino es la principal actividad económica dentro del sector agropecuario, representando un 35% del PIB agrario (DGA, 2010a). Para el cumplimiento del primer objetivo, se llevará a cabo una secuencia de tareas, que van desde el análisis geoestadístico de las concentraciones de nitratos, primera visión general de esta problemática, hasta aquellas que permiten la formalización del modelo paramétrico IVNA-LSP y la obtención de un mapa de vulnerabilidad de Aragón. Los objetivos específicos de esta primera etapa son los siguientes: • Revisión del estado del arte respecto a la modelización de la vulnerabilidad del territorio a fenómenos de contaminación por nitratos. • Análisis geoestadístico de las concentraciones de nitratos presentes en las masas de aguas subterráneas de Aragón. 16 Capítulo I: Justificación, objetivos y contenido de la tesis • Determinación del set de factores hidrogeológicos (FH) y medioambientales (FM) que determinarán la vulnerabilidad del territorio. • Revisión de las técnicas de evaluación multicriterio disponibles. • Diseño y justificación de la estructura del modelo paramétrico EMC propuesto: Índice de Vulnerabilidad ante la contaminación de Nitratos de origen Agrario (IVNA-LSP). • Análisis de sensibilidad del modelo IVNA LSP y validación de los resultados. En relación al segundo objetivo general, producto de la intensificación de la actividad agraria, de la desigual distribución de las explotaciones ganaderas, del incremento sostenido de la cabaña porcina y con ello el aumento de los residuos de origen animal sin un destino ambientalmente sostenible, la determinación de aquellas zonas en donde purines y estiércoles pueden ser esparcidos, sin que ello implique un riesgo medioambiental, es un importante reto y oportunidad en la valorización de un residuo. En el último capítulo de esta tesis, a partir del modelo IVNA-LSP y una serie de restricciones medioambientales (p. ej., áreas de protección de agua superficiales, zonas naturales protegidas, pozos de consumo humano), se confecciona el mapa de idoneidad de Aragón para la fertilización mediante purines porcinos. Los objetivos específicos en la consecución de la segunda parte de la tesis son los siguientes: • Obtener un panorama general de la concentración de instalaciones de ganado porcino en Aragón. • Seleccionar el conjunto de restricciones ambientales y de protección del ser humano que serán introducidos en la plataforma del sistema de información geográfica (SIG). • Obtención del mapa de idoneidad para la aplicación de purines porcinos como enmienda orgánica. La concentración de las granjas porcinas en Aragón plantea un importante desafío en la gestión sostenible de los residuos generados por esta actividad productiva. Una alternativa para abordar esta problemática es realizar una planificación basada en un ordenamiento territorial coherente con la protección del medio ambiente, como es el caso del mapa de idoneidad propuesto en esta tesis, el cual es desarrollado a partir de un novedoso modelo EMC con un enfoque LSP que elimina el carácter compensatorio de los métodos de evaluación multicriterio tradicionales. 17 I.5 CONTENIDOS Y METODOLOGÍA GENERAL DEL ESTUDIO El trabajo desarrollado en esta tesis se ha estructurado en seis capítulos. En el primer capítulo, en el que se incluye este epígrafe, se ha realizado una completa descripción del contexto en el cual se enmarca la investigación, además se presentan los objetivos generales y específicos del estudio. • Capítulo II: proporciona el contexto general del concepto de «vulnerabilidad del territorio» abordado en esta tesis. En primer lugar, se realiza una breve explicación de la complejidad de las emisiones nitrogenadas del sector agropecuario y una caracterización de las fuentes difusas de origen agrario; seguido de una descripción de los procesos de formación de nitratos y la normativa medioambiental vigente. A continuación se realiza una revisión bibliográfica de los llamados «Índices de vulnerabilidad» y se analiza la situación de España en la determinación de ZVN. Finalmente, se desarrolla un análisis geoestadístico de la concentración de nitratos de las aguas subterráneas, lo cual otorga el marco introductorio al problema de heterogeneidad espacial del fenómeno de contaminación. • Capítulo III: presenta el marco teórico de la modelización paramétrica y la base para la formalización del modelo: Índice de Vulnerabilidad a la contaminación por Nitratos de origen Agrario (IVNA). En este capítulo, a partir de funciones de pertenencia Fuzzy7 se realiza la normalización de 11 factores que serán los datos de partida del modelo paramétrico. • Capítulo IV: en el desarrollo de este capítulo se construye un modelo paramétrico de vulnerabilidad del territorio con los factores normalizados en el capítulo previo. El modelo propuesto se diseña mediante el enfoque original de Logic Scoring of Preferences (LSP) (Dujmović y Nagashima, 2006), el cual integra operadores booleanos de agregación que permiten establecer distintos grados de preferencia lógica. Como resultado final se confecciona un mapa de vulnerabilidad del territorio de Aragón ante el fenómeno de contaminación por nitratos de origen agrario. 7 La función de pertenencia fuzzy de un conjunto nos indica el grado en que cada elemento de un universo dado pertenece a dicho conjunto; en el caso de IVNA se establecerá en base a la vulnerabilidad. 18 Capítulo I: Justificación, objetivos y contenido de la tesis • Capítulo V: a partir del modelo IVNA-LSP y su incorporación en la plataforma SIG, se añaden factores de restricción (protección del ser humano y recursos naturales). La incorporación de estos factores, generará un mapa de idoneidad ante la acción de una actividad potencialmente contaminante (aplicación del residuo orgánico). Por lo tanto, este mapa de idoneidad proporcionará una herramienta de gestión de residuos orgánicos de origen animal, estableciendo zonas ambientalmente idóneas (menos frágiles) a la aplicación de purines como enmienda orgánica de los cultivos de Aragón. • Capítulo VI: último capítulo, se sintetizan las aportaciones del trabajo realizado y las principales líneas de investigación que quedan abiertas a la luz del trabajo desarrollado y de los resultados obtenidos. En la Figura I-5 se muestra la representación gráfica de la metodología general de estudio. Figura I-5 Metodología general del trabajo abordado en la presente tesis Análisis Geoestadístico Capítulo II Distribución espacial nitratos Análisis temporal Relación usos de suelo Heterogeneidad y dependencia espacial Bases del modelo IVNA Capítulo III Contexto de vulnerabilidad Selección factores Normalización – funciones fuzzy Mapa Idoneidad Aplicación IVNA LSP Capítulo V Localización granjas Zonas de concentración Zonas de protección humana y medioambiental Conclusiones Capítulo VI Metodológicas Modelo IVNA-LSP Líneas investigación Mapa Vulnerabilidad Desarrollo IVNA LSP Capítulo IV Selección técnica EMC Determinación pesos (Encuestas AHP) Estructura agregación (LSP) Análisis de sensibilidad (GSA) Validación LSP: Logic Scoring of preferences AHP: Analytic hierarchy process GSA: Global sensitivity analysis 19 II. VULNERABILIDAD DEL TERRITORIO A LA CONTAMINACION POR NITRATOS DE ORIGEN AGRARIO En el ámbito de la contaminación, el término «vulnerabilidad» no es una característica absoluta, sino más bien una relación (no cuantificable) que permite determinar donde es más probable que existan procesos de contaminación que afecten tanto al medio ambiente como al ser humano. Los primeros intentos por representar mapas de vulnerabilidad fueron realizados por Margat (1968); desde entonces se han propuesto muchos métodos e indicadores que intentan establecer y jerarquizar zonas o regiones en función de su posibilidad de afección a procesos de contaminación El concepto de «vulnerabilidad» en torno al cual se desarrolla esta tesis se refiere al riesgo al cual está sometido el territorio en su sentido más amplio. Si bien el eje central se desarrolla en torno a la contaminación por nitratos de las aguas subterráneas, también se intenta abordar de manera indirecta el riesgo potencial al cual están sometidos aquellos terrenos sobre los cuales no existe una masa de agua subterránea consolidada, pero que no están exentos a presiones medioambientales como la eutrofización y acidificación producto de los aportes nitrogenados de la agricultura y ganadería. En las siguientes secciones del capítulo se proporciona el marco introductorio sobre el cual se desarrolla el modelo paramétrico IVNA-LSP, y se aporta una visión general de la problemática de la contaminación de nitratos de origen agrario, que abarca desde una descripción de sus procesos de formación, pasando por la legislación ambiental vigente y culminando con un análisis geoestadístico de las concentraciones de nitratos de las acuíferos de Aragón. 20 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario II.1 INTRODUCCIÓN Durante las últimas décadas, tras el considerable deterioro de la calidad de las aguas subterráneas en diferentes regiones del mundo, se ha señalado a la agricultura y ganadería como las principales fuentes antropogénicas, no puntuales o difusas de contaminación por nitratos de los acuíferos (Carey y Lloyd, 1985, Strebel et al., 1989, Carpenter et al., 1998, Agrawal et al., 1999a, Cambardella et al., 1999, Gusman y Mariño, 1999, McLay et al., 2001, Mahvi et al., 2005, Ledoux et al., 2007). Una de las dificultades en la evaluación de la contaminación de las aguas subterráneas viene dada porque es un proceso lento, cuya manifestación causa-efecto puede tardar en identificarse, principalmente debido a su lento ritmo de renovación, que en el caso de un acuífero con una permeabilidad media8 puede oscilar entre 10-50 cm/d (Freyberg, 1986). Además, otra complejidad en el estudio de la contaminación de los acuíferos a partir de fuentes difusas, es que las «entradas» son difíciles de medir, ya que se derivan de actividades dispersas en grandes superficies territoriales y su magnitud es variable en el tiempo debido a los efectos del clima (Carpenter et al., 1998). La cuantificación exacta del N que es lixiviado a las aguas subterráneas es una tarea prácticamente imposible, debido a la compleja interacción entre las prácticas agrarias, el proceso de recarga de un acuífero, los procesos de transformación del nitrógeno en el medioambiente y las características del sistema edáfico. La normativa medioambiental de protección de las aguas subterráneas contempla la cuantificación de los aportes de N de distintas fuentes. Por ejemplo, el III Programa de Actuación sobre las Zonas Vulnerables a la contaminación producida por nitratos procedentes de fuentes agrarias del Gobierno de Aragón aborda este tema, incluyendo de manera adicional, las fuentes indirectas como son: el N aportado por la materia orgánica del suelo, por el agua de riego (NO3-) y el aporte residual de cultivos anteriores (alfalfa). Sin embargo, otro aporte que debería ser considerado es la deposición (seca y húmeda) de NHX, más aún cuando existen antecedentes que demuestran que en regiones con una intensa actividad agropecuaria, dicho aporte podría alcanzar a 25 kg N/ha·año (Van Der Eerden et al., 1998). El hecho de no considerar estos aportes (NHX) es debido a la gran complejidad de los procesos de emisión, transporte y deposición que gobiernan al NH3 y NH4+. 8 Permeabilidad media o conductividad hidráulica (K), flujo de agua que atraviesa una sección unitaria de acuífero, bajo la influencia de un gradiente unitario. Unidades: longitud/tiempo. 21 El NH3 es el componente alcalino más abundante de la atmósfera (Warneck, 1999), capaz de neutralizar una importante fracción de los compuestos ácidos formados a partir del dióxido de azufre (SO2) y óxidos de nitrógeno (NOX). Por otra parte, su producto de reacción, el NH4+, es un importante precursor de los aerosoles atmosféricos (Asman et al., 1998). La magnitud y dispersión de ambos estará determinada por su tasa de conversión (gas-partícula), y por la diferencia de los procesos que dominan su precipitación sobre el suelo (Asman et al., 1998). Una importante fracción del NH3 (20 - 40%) se depositará cerca de las fuentes emisoras por medio del proceso de deposición seca9 (Aneja et al., 2001) como resultado de su reducida vida media atmosférica (1-5 días) (Warneck, 1999) y la baja altura de emisión efectiva de las fuentes, es decir a nivel de suelo. En contrapartida, la deposición húmeda10 gobernará el destino del NH4+, donde en su calidad de partícula y con una vida media atmosférica de 1 a 15 días (Aneja et al., 2001) puede ser arrastrado por las turbulencias y transportado a grandes distancias, alcanzando una escala de dispersión transfronteriza. p.ej. más del 10% de las emisiones de NH3 de España podrían ser depositadas sobre territorios de Portugal (Berge et al., 1999). Es evidente que el estudio de la deposición NHX y su efecto sobre el medioambiente debe ser tratado mediante modelos de dispersión atmosférica a diferentes escalas, en función del distinto alcance de NH3 y NH4+ (Sutton et al., 1998, Dragosits et al., 2002), y que estos sobrepasan los objetivos de esta tesis. Sin embargo, la opinión del autor es que no debe desconocerse el riesgo potencial que implican las emisiones de NHX en los fenómenos de acidificación de los suelos y eutrofización de los ecosistemas, donde un territorio con una intensa actividad agropecuaria y en el cual no existan masas de aguas subterráneas, no debe ser calificado a priori como «no vulnerable». Por esta razón, en el desarrollo de la tesis, aun cuando el eje central se desarrolla en torno a la protección del recurso hídrico, al referirnos al concepto de «vulnerabilidad» se hace en el contexto general del territorio. En países donde el sector agrícola y ganadero ha alcanzado un fuerte desarrollo, como es el caso de España y de gran parte de la Unión Europea, el fenómeno de la contaminación por nitratos se encuentra ligado a dicha actividad en su doble vertiente agrícola y ganadera, convirtiéndose la caracterización de esta relación causa-efecto en uno de los objetivos básicos de la investigación actual sobre la materia (Babiker et al., 2004, Nas y Berktay, 2006, Ghiglieri et al., 2009, Huang et al., 2012). A pesar de la difícil cuantificación de las fuentes de contaminación y de la complejidad de los procesos de transformación del N, una vez que se 9 Deposición seca: El contaminante precipita sobre el suelo o vegetación por acción del viento y la gravedad. 10 Deposición húmeda: El contaminante es arrastrado por las precipitaciones o se comporta como un núcleo de condensación al interior de las nubes. 22 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario identifican zonas de alto riesgo o vulnerables, es factible implementar medidas preventivas para reducir al mínimo el riesgo de contaminación (Tesoriero y Voss, 1997, Gardner y Vogel, 2005), como por ejemplo: ordenación espacial de las actividades productivas o designación de perímetros de protección. Interés en el cual se enmarca este estudio, particularmente en la determinación de un mapa de vulnerabilidad del territorio que considere las configuraciones hidrogeológicas y los efectos moderadores del territorio (suelo, clima y relieve), todo ello a través de un novedoso enfoque de EMC que elimina en gran medida el carácter compensatorio de los métodos tradicionales. II.2 IMPORTANCIA DE LAS AGUAS SUBTERRÁNEAS Y CARACTERISTICAS DE LOS ACUÍFEROS II.2.1 Papel de las aguas subterráneas en las actividades humanas Desde los tiempos más remotos, los acuíferos han sido explotados para el consumo humano y como fuente de sustento para la agricultura y ganadería. Aunque en la antigüedad los procesos naturales de formación de los acuíferos eran desconocidos, actualmente se posee un conocimiento más detallado respecto a los factores que influyen tanto en la cantidad como en la calidad de las aguas subterráneas. Dentro del ciclo hidrológico, los acuíferos poseen un rol fundamental al concentrar aproximadamente un 66% del total de agua dulce disponible en el planeta, y si restamos las reservas de hielos perpetuos (glaciares y hielos polares) esta proporción se elevaría al 95% del total de agua dulce efectivamente disponible para el consumo (Lvovitch, 1972). El 5% restante estaría conformado por el conjunto de aguas superficiales (lagos, ríos, embalses, pantanos). En términos generales, se acostumbra a pensar en las aguas subterráneas como un recurso fundamentalmente destinado al consumo de regiones áridas o semi-áridas y es allí donde se les otorgaría un valor considerable. No obstante, su uso es transversal a toda la sociedad, debido a su calidad (generalmente apta para el consumo humano, sin grandes tratamientos) y su amplia disponibilidad espacial. Es así como el 75% de los residentes de la Unión Europea dependen de las aguas subterráneas para su consumo (EC, 2008). En el caso de España, el consumo de agua subterránea se cifraría en un total de 30.000 hm3/año, los cuales en su gran mayoría serían utilizados por el sector agropecuario, destinándose solo 1.500 hm3/año a cubrir las necesidades de agua potable del sector urbano. 23 Los datos disponibles en el libro blanco del agua (MIMAM, 1998) establecen que un 30% de la población española es abastecida con aguas subterráneas, cifra muy por debajo de otros países europeos en donde prácticamente la totalidad de la población se abastece de esta fuente hídrica. En la Figura II-1 se muestra la distribución porcentual del agua de consumo público según fuente superficial o subterránea de 15 países de Europa, en ella se aprecia que en aquellos países con grandes reservas de aguas subterráneas (Dinamarca, Austria, Islandia, Suiza, Italia y Portugal), más del 75% del agua de consumo público es extraída desde los acuíferos, y por ende es razonable que posean instrumentos ambientales más estrictos para la protección de un recurso tan vital como es el agua. Figura II-1 Distribución porcentual del agua de consumo público según fuente superficial o subterránea (Krinner et al., 1999) Los acuíferos juegan un rol fundamental en el ciclo hidrológico, siendo promotores del mantenimiento de humedales y cursos de agua superficiales (ríos, lagos, manantiales, vertientes). Por tales razones, existe una clara conciencia respecto a la importancia de este recurso como un elemento indispensable para la subsistencia y desarrollo económico de la sociedad. Además, de manera paulatina la visión de únicamente «reservorios de agua dulce» se ha ido modificando hacia una preocupación por su valor ambiental y la necesidad de un uso sostenible. Desafortunadamente, debido a una serie de actuaciones incontroladas, generalmente ocasionadas por el hombre, algunos acuíferos se encuentran sobreexplotados, dando lugar a diversos problemas ambientales, como agotamiento de las reservas y deterioro de la calidad 0 20 40 60 80 100 Dinamarca Austria Islandia Suiza Italia Portugal Alemania Holanda Francia Finlandia Grecia Irlanda Suecia Reino Unido España Agua subterranea Agua superficial 24 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario situación se hace más latente en regiones en las cuales existe una alta concentración ganadera, como es el caso del norte de España (Asturias, Cantabria, Aragón y Cataluña), donde será razonable encontrar zonas en las cuales la capacidad de asimilación de nutrientes del suelo ha sido sobrepasada. A pesar de las marcadas diferencias entre fertilizantes minerales y orgánicos, es de conocimiento general que los purines son también una buena enmienda para los cultivos, ya que poseen importantes cantidades de macronutrientes y materia orgánica. No obstante, debido a la gran variabilidad de prácticas ganaderas (sistemas de limpieza, alimentación, tiempo de almacenamiento) se genera un residuo muy heterogéneo, tanto en cantidad como en calidad. A diferencia de los fertilizantes minerales, la dosificación de enmiendas orgánicas, se presenta como una de las principales limitaciones en la gestión de este recurso (Suresh et al., 2009), ya que el contenido de N adicionado al suelo es una incógnita que a su vez dificulta la evaluación de los posibles efectos derivados de su aplicación. Además de la problemática de la variabilidad del contenido de N de las enmiendas orgánicas, el siguiente punto que debe ser considerado en el ámbito de la protección del medioambiente, es aquel destinado a responder a la pregunta: ¿dónde deben ser aportados estos residuos? El destino de estas enmiendas orgánicas (purines y estiércoles) estará subordinado por la localización de los distintos cultivos, por lo tanto, su expresión sobre el territorio geográfico dependerá directamente del uso de suelo. Regiones agrícolas en las cuales predominen las plantaciones de maíz, presentarán importantes cantidades de aportes externos de N. Por otra parte, zonas agrícolas en las cuales se cultiven principalmente cereales, como es el caso de Aragón, presentarán menores aportaciones de fertilizantes nitrogenados por unidad de superficie cultivada. El correcto uso agronómico de los purines y estiércoles estaría dado como enmienda para los cultivos adyacentes a las distintas unidades de producción ganadera (Teira-Esmatges y Flotats, 2003). No obstante, hay otros factores que determinarán la localización del abonado, como son: la existencia de plantas de tratamiento o centros gestores de estiércoles, el coste de transporte del purín y por supuesto la existencia de zonas ambientalmente vulnerables ante procesos de contaminación. En este contexto, una alternativa para la determinación del riesgo potencial por aportes de fertilizantes es establecer la vulnerabilidad del territorio en base al balance de nitrógeno de las cantidades aportadas y las extracciones de los distintos cultivos (Halliday y Wolfe, 1991, David et al., 1997), o incorporar el efecto de las variables ambientales (p.ej. precipitaciones, pH, topografía, carbono orgánico del suelo) que pueden potenciar o atenuar los procesos de contaminación, visión que se intenta abordar en el desarrollo de esta tesis. 31 II.3.2 Procesos de formación del nitrato En el ambiente existen diferentes formas de nitrógeno (NOX, NH4+, NH3) que pueden ser potencialmente transformadas en nitratos (NO3-), es por ello que en los siguientes párrafos se explicará brevemente su proceso de formación, mediante una simplificación del ciclo biológico del nitrógeno de Bothe et al. (2006). El ciclo de nitrógeno es un conjunto de procesos bioquímicos por los cuales el nitrógeno molecular (N2) sufre reacciones sucesivas de oxidación hasta llegar a NO3o reducción hasta transformarse en NH4+. Los principales procesos del ciclo del nitrógeno se presentan en la Figura II-4, y se pueden resumir en: fijación, asimilación, mineralización, nitrificación y desnitrificación. 1. La fijación biológica es un proceso en el cual el N atmosférico se convierte en NH3 debido a la acción de la enzima nitrogenasa y que puede ser expresado mediante la siguiente reacción (Burns y Hardy, 1975). 8e- + 8H+ + N2 → 2NH3 + H2 [ II-2] Figura II-4 Ciclo de nitrógeno simplificado, adaptado de Bothe et al. (2006) 32 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario La excepción a esta reacción la representan algunas bacterias del genero Rhizobium, que tienen la capacidad de fijar N2 sin la necesidad de la previa transformación a NH3 (Zahran, 1999). Estas bacterias habitan principalmente en los nódulos de las raíces de la familia de las leguminosas (por ejemplo, fríjoles, alfalfa y tréboles), situación determina su menor necesidad de fuentes externas de nitrógeno. 2. La asimilación es el proceso mediante el cual las plantas absorben nitrógeno a través de sus raíces y lo incorporan en sus tejidos pasando a forma orgánicas como las proteínas. Para que las plantas puedan usar este macronutriente, el N2 debe primero que ser convertido a una forma química asimilable por las plantas, como el ion amonio (NH4+) o el ion nitrato (NO3-) (Lawlor et al., 2001). 3. La mineralización es el proceso biológico mediante el cual el N previamente asimilado por las plantas (formas orgánicas) se transforma nuevamente a formas inorgánicas (NHX) (Hart et al., 1994). Cuando los organismos mueren, las bacterias y hongos presentes en el suelo consumen la materia orgánica. Durante este proceso, una cantidad significativa del nitrógeno se convierte en NH4+. Una vez que el nitrógeno se encuentra en forma NH4+, puede ser usado directamente por las plantas en su crecimiento, o en su defecto podría transformarse consecutivamente en nitrito (NO2-) o nitrato (NO3-) a través del proceso conjunto llamado nitrificación. 4. La nitrificación es el proceso de oxidación biológica del amonio en óxido nitroso, nitrito (nitritación) y posteriormente en nitratos (nitratación). Una parte del NH4+ producido en la mineralización se convierte en NO3-, debido a la acción de las bacterias aeróbicas nitrosomas y nitrobacter (Sharma y Ahlert, 1977). Por consiguiente, la nitrificación se desarrolla en ambientes ricos de oxígeno, como las aguas que fluyen o las capas superiores del suelo. 5. La desnitrificación es el proceso mediante el cual las formas oxidadas de nitrógeno (nitrato y nitrito) se convierten en N2 y, en menor medida, en óxido nitroso (N2O). La desnitrificación es llevada a cabo por bacterias aeróbicas facultativas, que en ausencia de oxigeno, utilizan al nitrato como terminal aceptor de electrones (Payne, 1981). La transformación del nitrato en N2 sigue la siguiente secuencia. NO3- → NO2- → NO → N2O → N2 [ II-3] 33 A partir de esta breve descripción y simplificación del ciclo del nitrógeno, podemos intuir la complejidad que presenta la modelización de las distintas vías por las cuales un aporte nitrogenado puede llegar a transformarse en NO3-. Si bien es cierto, esta tesis no pretende describir las distintas interacciones del nitrógeno, como los son las reacciones atmosféricas de los NHX, o las reacciones en el suelo y su efecto en las emisiones de N2O, se debe tener conciencia acerca de las características básicas que posibilitan la lixiviación de NO3hacia las capas más profundas del subsuelo, y las cuales serán consideradas mediante la formalización de los factores medioambientales del modelo IVNA-LSP. Al analizar el fenómeno de contaminación por nitratos, uno de los principales factores que debe tenerse en cuenta, es que en su naturaleza iónica radica la susceptibilidad de pérdidas por lixiviación hacia los acuíferos. El ión nitrato (NO3-) con carga negativa no se mantiene en las partículas del suelo y puede ser barrido a estratos del subsuelo, a diferencia de lo que ocurre con el ion amonio (NH4+), al cual su carga positiva le confiere una mayor estabilidad en el sustrato edáfico y un menor riesgo de ser lixiviado (Mengel y Kirkby, 2001). Una vez establecida esta característica de movilidad, también deben considerarse las condiciones bajo las cuales se presentan los procesos de transformación de NHX a NO3- (nitrificación) y posteriormente a N2 (desnitrificación). Estos procesos de conversión son producto de la acción secuencial de bacterias aerobias y anaerobias facultativas11 (Boulding y Ginn, 2003), razón por la cual se llevarán a cabo en condiciones de suficiente humedad y oxígeno para su desarrollo (Doran et al., 1990). Además, factores como el contenido de carbono orgánico del suelo (Weier et al., 1993) y el pH (Šimek y Cooper, 2002) tendrán una influencia directa en ambos procesos de transformación. Por lo tanto, estos factores medioambientales formarán parte del componente «potencial de desnitrificación» que se incorpora en el modelo paramétrico. II.3.3 Implicancia de las Directivas europeas en el contexto de la vulnerabilidad La contaminación de las aguas a partir de fuentes difusas o puntuales, puede generar importantes riesgos para la salud del ser humano y el medio ambiente. En tal sentido, en virtud de la importancia del recurso hídrico y la conciencia ambiental respecto al riesgo de contaminación de las aguas superficiales y subterráneas, la Unión Europea ha redactado distintas Directivas en torno a la protección de este recurso. 11 bacterias anaerobias facultativas son aquellas que se desarrollan principalmente en ambientes anóxicos. En tanto en ambientes con oxigeno también pueden desarrollarse pero con una disminución de su capacidad metabólica. 34 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario La Directiva de Nitratos (Directiva 91/676/CEE) tiene como objetivos fundamentales establecer las medidas necesarias para prevenir y corregir la contaminación de las aguas, continentales y litorales, causada por los nitratos de origen agrario y actuar de forma preventiva contra nuevas contaminaciones de dicha clase. Esta Directiva establece una serie de obligaciones para los Estados miembros, entre ellas: • Los Estados miembros determinarán las aguas subterráneas que están afectadas por la contaminación por nitratos procedentes de fuentes agrarias, o que podrían verse afectadas en el caso de que no se tomasen medidas para ello. El umbral de concentración que determina aquellas masas de aguas que están afectadas se fijó en 50 mg/l de NO3-. • Los Estados miembros designarán como zonas vulnerables, todas las superficies conocidas de su territorio cuya escorrentía drene hacia aguas afectadas o que pudieran verse afectadas por un aporte de NO3si no se toman medidas. La Directiva 2000/60/CE o Directiva Marco del Agua (DMA), establece el marco Comunitario de actuación en el ámbito de la política de aguas, en concreto: • Estudio de las repercusiones de la actividad humana en el estado de las aguas superficiales y de las aguas subterráneas. • Evaluación del riesgo a procesos de contaminación. • Los registros de zonas protegidas. Este marco normativo ha impulsado el desarrollo de una serie de estrategias para la identificación y designación de las Zonas Vulnerables a la contaminación por nitratos de origen agrario. Las metodologías empleadas para este fin difieren de unos países a otros, ya que no existen directrices al respecto en las regulaciones normativas (Lægreid et al., 1999). Algunos países han optado por declarar todo su territorio como «vulnerable», entre ellos: Alemania, Dinamarca, Finlandia, Austria, Luxemburgo, Eslovenia, Malta y Lituania. Otros, han establecido delimitaciones de zonas parciales donde la afección de las aguas ha sido verificada, caso de España, Italia y Francia (JRC, 2013). En términos generales, las metodologías existentes para establecer las zonas vulnerables a contaminación de nitratos pueden ser clasificadas en: i) métodos cuantitativos, ii) métodos estadísticos y iii) índices de vulnerabilidad. i) Los métodos cuantitativos se basan en modelos determinísticos que simulan el transporte de contaminantes entre la superficie del suelo, la zona vadosa y la zona saturada. Permiten 35 cuantificar las cantidades de nitrógeno lixiviado y arrastrado por la escorrentía superficial. Su aplicación se desarrolla principalmente a niveles de cuenca hidrográfica e integrados en plataformas SIG (Srinivasan y Arnold, 1994, Lasserre et al., 1999, De Paz y Ramos, 2004). Los datos de partida de estos modelos son los aportes de agua y nitrógeno asociados a las prácticas agrícolas, y los aportes realizados por procesos naturales como la fijación biológica y la deposición atmosférica. Su principal ventaja es que permiten realizar predicciones temporales y evaluar el efecto de distintas medidas de gestión agrícola (De Paz y Ramos, 2004). Sin embargo, los modelos cuantitativos precisan de datos con una gran robustez para poder llevar a cabo las simulaciones de los procesos (Lilly et al., 2001). A ello se debe añadir la dificultad de considerar la variación temporal en las funciones de degradación que se llevan a cabo en el sistema suelo-planta (De Willigen, 1991). ii) Los métodos estadísticos van desde sencillas operaciones basadas en una descripción estadística de los datos de calidad de las aguas, donde se establecen relaciones de causalidad con las variables explicativas (fuentes de nitrógeno) (Tesoriero y Voss, 1997, Nolan et al., 2002, Eckhardt y Stackelberg, 2005, Gardner y Vogel, 2005, Nas y Berktay, 2006), hasta evaluaciones más complejas que involucran análisis multivariante en plataformas SIG y modelos de predicción espacial. En este último tipo de procedimientos se encuentra la técnica Weight of evidence(WofE) (Masetti et al., 2007) que analiza la relación entre los niveles de NO3observados y una serie de variables ambientales (p. ej. precipitaciones, permeabilidad, densidad de población o carga de fertilizantes), y determina cuáles de ellas pueden ser empleadas como variables predictivas en las que apoyarse para definir una zonificación de áreas vulnerables. La principal limitación de los métodos estadísticos es la necesidad de contar con una red de muestreo de gran densidad, que muchas veces no está disponible (Lilly et al., 2001). En el caso particular de WofE se debe contar con información sobre un gran número de variables ambientales, para poder establecer relaciones de causalidad sin sesgos. Algunos de los países donde se han aplicado métodos estadísticos son Irlanda del Norte (Jordan y Smith, 2005) , Inglaterra y Gales (Lake et al., 2003). iii) Los Índices de vulnerabilidad son métodos cualitativos, que se basan en la superposición de capas temáticas que intentan combinar los efectos de los factores ambientales, topográficos e hidrogeológicos, determinantes en los procesos de transporte de contaminantes y atenuación del suelo. Estos métodos realizan una jerarquización de la vulnerabilidad incorporando las características de los acuíferos (que condicionan la tasa de 36 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario renovación del agua subterránea), las condiciones climáticas (que determinan las entradas de agua al sistema), y las propiedades del suelo y zona vadosa (que determinan la capacidad de atenuación). Los más utilizados son los «índices de vulnerabilidad intrínseca», clasificación que se refiere a los métodos que consideran únicamente las características geológicas, hidrológicas e hidrogeológicas de un área definida, con el fin de establecer su grado de vulnerabilidad ante una actividad humana potencialmente contaminante (Gogu y Dassargues, 2000), entre ellos: DRASTIC (Aller et al., 1987), SINTACS (Civita y De Regibus, 1995) y GOD (Foster, 1987). Por otra parte, los «índices de vulnerabilidad específica» incorporan factores relativos al uso de suelo y el efecto de algunas prácticas agrarias; entre ellos destacan IPNOA (Padovani y Trevisan, 2002) y SI (Ribeiro, 2000). Algunos autores han señalado la existencia de ciertas limitaciones en el uso de los índices de vulnerabilidad, tales como: la subjetividad en la asignación de los pesos de los factores y los rangos de las distintas clases de riesgo (Al-Adamat et al., 2003, Gogu et al., 2003), además de la dificultad para considerar procesos importantes como la desnitrificación o la interacción río-acuífero (Stigter et al., 2006). No obstante, de los tres tipos de métodos aquí descritos, los índices de vulnerabilidad pueden considerarse las más sencillos (Lilly et al., 2001) y han adquirido una cierta relevancia en las planificaciones a escala regional y en la ordenación de los usos de suelo durante las últimas décadas (Cendrero et al., 1990, Dai et al., 2001, Lamelas et al., 2007). De hecho, la Comisión Europea estableció el proyecto «COST Action 620» (Zwahlen, 2003) para la cartografía de la vulnerabilidad de contaminación de acuíferos carbonatados (kársticos). En tanto en Italia se han realizado una serie zonificaciones de vulnerabilidad ante nitratos de origen agrario mediante la aplicación combinada de los índices SINTACS e IPNOA (Capri et al., 2009, Ghiglieri et al., 2009), reconociendo la importancia de ambos enfoques (vulnerabilidad intrínseca y específica). El modelo IVNA-LSP desarrollado en esta tesis se encuentra dentro de los Índices de vulnerabilidad, donde a través de la propuesta metodológica se intenta abordar de manera conjunta los conceptos de vulnerabilidad intrínseca y específica, con un nivel de profundidad adecuado y utilizando información de fácil acceso, disponible en plataformas oficiales de la Unión Europea u otras entidades gubernamentales. En la siguiente sección se realiza una breve descripción de los principales índices de vulnerabilidad existentes y una comparación entre ellos. 37 II.4 DESCRIPCIÓN DE LOS PRINCIPALES INDICES DE VULNERABILIDAD A continuación se presentan los índices de vulnerabilidad más utilizados en la designación de zonas vulnerables a la contaminación por nitratos de origen agrario. II.4.1 DRASTIC El método DRASTIC fue propuesto por Aller et al. (1987) para la Agencia de Protección del Medioambiente (EPA) de EE.UU. con la finalidad de proporcionar una metodología para la evaluación sistemática de la contaminación de las aguas subterráneas en función de distintas configuraciones hidrogeológicas. El modelo está compuesto de 7 factores hidrogeológicos que conforman el acrónimo DRASTIC: profundidad de la tabla de agua; recarga neta del acuífero; composición del acuífero; composición del suelo; topografía; características de la zona no saturada (vadosa) y conductividad hidráulica. Cada uno de estos factores se divide en rangos a los cuales se les otorgan distintas ponderaciones (de 1 a 10) en relación con su potencial de impacto en fenómenos de contaminación de las aguas subterráneas. A su vez cada uno de los factores tiene un determinado nivel de importancia en el modelo general, siendo aquellos de mayor peso (con un valor de 5), la profundidad de la tabla de agua y las características de la zona vadosa (ambas con la ponderación máxima= 5). Los supuestos del modelo DRASTIC son: • El contaminante es incorporado a través de la superficie del suelo. • El contaminante se infiltra por acción de las precipitaciones. • La escala de aplicación debe ser mayor a 100 acres (40 ha). II.4.2 SINTACS R5 El método SINTACS R5 ha sido desarrollado por Civita y De Maio (2000). Este índice considera un total de 7 factores: profundidad de la tabla de agua, recarga, zona no saturada, propiedades del suelo, características del acuífero, conductividad hidráulica y pendiente del terreno. SINTACS, al igual que DRASTIC, pondera cada uno de los factores con pesos entre 1 y 5 según distintas configuraciones hidrogeológicas. El valor de SINTACS R5 en una celda en particular se encuentra dado por [II-4]. 38 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario 𝑆𝐼𝑁𝑇𝐴𝐶𝑆 (𝑥,𝑦)= �𝑊𝑗 7 1𝑃𝑗 [ II-4] Donde: P j es el valor del factor j Wj es el peso para un determinado escenario hidrogeológico Las escalas de puntuación de SINTACS R5 determinan que para una celda en particular, es posible obtener valores que oscilan entre 26 (mínimo) y 260 (máximo). Estos valores posteriormente son normalizados al intervalo [0-100], y dentro de este rango es que se establecen un total de 5 categorías de vulnerabilidad, desde vulnerabilidad muy baja hasta vulnerabilidad extrema. II.4.3 IPNOA El índice IPNOA desarrollado en Italia (Padovani y Trevisan, 2002), intenta establecer el peligro potencial que sufren las aguas subterráneas en relación a distintas actividades agrarias. IPNOA considera la carga de nitrógeno de diferentes actividades agrícolas, lo cual de manera indirecta permite cuantificar el nitrógeno disponible en el sustrato edáfico. La configuración de IPNOA establece dos categorías de parámetros: i) Factores de Riesgo (FR), que representan todas las actividades potencialmente contaminantes, y ii) Factores de Control (FC), los cuales afectan o potencian a los FR de acuerdo a las características físicas y las prácticas agrícolas de un lugar en particular. Los FR considerados por este método son las cargas de nitrógeno tanto de origen orgánico (purines, estiércol y lodos residuales), como inorgánico (fertilización mineral). La dinámica de estas cargas de nitrógeno estará influenciada por las características climáticas, pedológicas y agronómicas (FC). En resumen, el índice de riesgo (IR) se obtiene a partir de la suma de los factores de riesgo (FR) y la multiplicación de los factores de control (FC) como se muestra en [II-5]. IR= (FRf + FRp + FRl ) x FCn x FCc x FCpa x FCi [ II-5] Donde los subíndices representan: f= fertilizantes minerales, p= purines, l= lodos, n= nitrógeno, c= clima, pa= prácticas agrícolas, i= irrigación 39 Cada uno de los FR puede adquirir valores entre [1-5] en relación a la cantidad de nitrógeno adicionado por unidad de superficie (kg/ha). Se aplica una diferenciación entre las cantidades aportadas por los tres tipos de fuentes consideradas (minerales, lodos y fertilización mineral), asignando un mayor riesgo al N de origen mineral en comparación con los otros dos componentes a igual tasa de dosificación. Respecto a los FC, estos fluctúan entre [0,94 – 1,10], los cuales bajo la configuración más pesimista (suelo con alto contenido de nitrógeno, altas precipitaciones y fertirrigación), otorgaría un FC global de 1,26. Finalmente, se establecen 6 clases de riesgo, desde riesgo improbable hasta riesgo muy alto. II.4.4 GOD El índice GOD (Foster, 1987, Foster y Hirata, 1988) es un método con una estructura mucho más simple. A diferencia de los métodos previamente descritos, únicamente considera tres factores fundamentales: la presencia de acuíferos, la litología (suelo) y la profundidad de las aguas subterráneas. El índice GOD es el resultado de la multiplicación de los valores asignados a cada uno de estos 3 parámetros, siguiendo un diagrama de flujo de 3 pasos que comienza con la asignación del valor relativo a la presencia de acuíferos, siendo “1” el valor asignado a un acuífero no confinado, y “0” para los sitios en los cuales no existan masas de aguas subterráneas consolidadas. En el segundo paso, se procede a multiplicar el valor del paso 1 por aquel asignado al tipo de suelo que se encuentra sobre el acuífero; a los suelos arcillosos se les otorga un valor menor que a los suelos consolidados (roca porosa), este parámetro oscila entre 0,4 y 1. En el tercer paso se procede a multiplicar por el valor asignado a la profundidad del acuífero, donde un valor igual a “1” se asigna a las masas de agua que se encuentren a profundidades menores a 2 metros, y “0,4” a aquellos acuíferos que se encuentren a más de 100 metros de profundidad. Un valor del índice GOD igual a “0” implicará una vulnerabilidad despreciable, en tanto un valor entre [0,7-1] calificará a la zona con una vulnerabilidad extrema. II.4.5 Otros métodos El método AVI (Van Stempvoort et al., 1993) intenta determinar la vulnerabilidad del acuífero usando únicamente dos parámetros: el espesor (d) de las capas sedimentarias que se encuentran sobre el acuífero y la conductividad hidráulica (k) de cada una de ellas. El resultado 40 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario II.6 LA GEOESTADÍSTICA Y SU APLICACIÓN AL ESTUDIO DE LA PROBLEMÁTICA DE LOS NITRATOS La geoestadística se define como un subconjunto de la estadística tradicional que se enfoca en el análisis e interpretación de datos geográficamente representados (Nielsen y Wendroth, 2002). A partir de esta técnica es posible representar y analizar el comportamiento de una variable ambiental en el espacio geográfico. Imaginemos que existieran los recursos (humanos, económicos y tecnológicos) como para registrar el valor de una variable ambiental «S» (p.ej., temperatura, humedad ambiental, precipitaciones) en cada nodo (celda) de nuestra zona de estudio. En tal caso, estaríamos en condiciones de reproducir la expresión espacial de la variable, tal y como se aprecia en la Figura II-7 a continuación, donde el valor de cada celda representa un valor real (observado). Sin embargo, en la mayoría de los estudios de variables ambientales, el registro de una red de observaciones bien distribuida y con distintas densidades espaciales, es inviable desde el punto de vista económico. De tal forma, la geoestadística nos ayuda a comprender tendencias de heterogeneidad de la variable y justificaciones respecto a las causas de variación. Además nos provee de un conjunto de herramientas para analizar la variabilidad espacial e interpolar nuestra variable de estudio, mediante un modelo de predicción ajustado a nuestras observaciones. Figura II-7 Representación ráster de una variable ambiental (S) y área de zoom 47 Existen una gran cantidad de estudios que han utilizado técnicas geoestadísticas para evaluar el comportamiento espacial y temporal de los nitratos en las aguas subterráneas, y establecer la relación que existe con las fuentes potencialmente contaminantes (D'Agostino et al., 1998, Babiker et al., 2004, Nas y Berktay, 2006, Flipo et al., 2007, Chen et al., 2008, Huang et al., 2012), obteniendo la gran mayoría de ellos, superficies de interpolación que permiten conocer la concentración de nitratos en toda la extensión del territorio de estudio. Por lo tanto, se considera pertinente llevar a cabo un breve análisis geoestadístico como primera aproximación en el estudio de la problemática de la concentración de nitratos en Aragón. II.6.1 Análisis temporal de la concentración de nitratos en Aragón Los programas de seguimiento y control de la calidad de las aguas (subterráneas y superficiales) son llevados a cabo por los organismos responsables de la demarcación hidrográfica correspondiente, que en el caso de Aragón, dicha responsabilidad recae en la Confederación Hidrográfica del Ebro (CHE) y en la Confederación Hidrográfica del Júcar (CHJ). Por motivos de calidad y actualización de los datos de concentración de nitratos de las aguas subterráneas, en este estudio únicamente consideramos los datos provenientes de la CHE, los cuales aseguran un alto grado de representatividad del territorio. Inicialmente, la primera red de control de calidad de las aguas subterráneas de la cuenca del Ebro estaba conformada por un total de 135 puntos de muestreo, posteriormente con la instauración de la Directiva Marco del Agua, fue necesario extender la red de monitoreo. Actualmente la red de control se encuentra conformada por 3 redes: red básica (RBAS), red de control operativo (RNIT, RCON) y la red de control de zonas protegidas (R500), con un total de 870 estaciones de control. La Figura II-8 mostrada a continuación presenta la distribución de las observaciones de concentración de nitratos en los puntos de control de la CHE (2006-2010). En la elaboración de la cartografía se han seguido los criterios establecidos en el manual de interpretación y elaboración del Ministerio Agricultura, Alimentación y Medio Ambiente, respecto al cumplimiento de Directiva de Nitratos. 48 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario Figura II-8 Concentración de nitratos en Aragón años 2006 - 2010 El registro de las concentraciones de nitratos del año 2006 se encuentra compuesto por un total de 208 observaciones. La concentración promedio para dicho año alcanzó un valor de 29,99 mg/l. Respecto al umbral de 50 mg/l, concentración sobre la cual se presentarían riesgos para la salud humana, en el año 2006 un total de 38 puntos de muestra (18% del total), sobrepasaron este límite. Los 3 valores más altos de concentración: 196, 193 y 177 (mg/l) se presentaron en la masa de agua Gallocanta, en la provincia de Teruel. Si bien es cierto esta masa de agua se encuentra dispuesta en una zona de permeabilidad baja, dicha zona se caracteriza por un regadío intensivo, siendo la actividad agrícola la responsable de las altas cantidades de NO3en las aguas. El registro de las concentraciones del año 2010 se encuentra compuesto por un total de 380 observaciones. La concentración promedio de nitratos para el año 2010 alcanzó el valor de 35,7 mg/l. Respecto a los puntos de control que presentan valores por sobre el umbral de 50 mg/l, en este año un total 78 puntos (20,5% del total) sobrepasaron este valor, lo que mantiene prácticamente constante la proporción respecto al año 2006. Los valores de concentraciones máximas: 538, 310 y 292 (mg/l) se presentaron en la masa de agua Puertos de Beceite, principalmente en el término municipal de Peñarroya de Tastavins, situación que se explicaría por la alta concentración de instalaciones ganaderas porcinas en la zona. 49 La Tabla II-2 a continuación, resume la evolución estadística de la concentración de nitratos entre los años 2006-2010 en la Comunidad de Aragón. En síntesis, podemos decir que 47 puntos presentaron concentraciones de nitratos menor a 3 mg/l para el año 2006, en tanto para el año 2010 se registraron 79 puntos dentro de este rango, lo que implica una disminución del 2%; es decir, en términos porcentuales disminuyeron los puntos de control en los cuales las aguas subterráneas estaban completamente libres de contaminación por NO3-. Situación similar se presenta en el rango entre 3 a 10 mg/l, donde la proporción de observaciones disminuyó de un 15% a un 13% entre los años de análisis. Concentración de nitratos (mg/l) 2006 2010 n (%) n (%) Menor a 3 47 23 79 21 3 a 10 31 15 51 13 10 a 25 43 21 85 22 25 a 40 30 14 60 16 40 a 50 19 9 27 7 mayor a 50 38 18 78 21 Número de estaciones 208 100 380 100 Mínimo 1 1 Máximo 196 538 Mediana 19 19 Promedio 30,0 35,7 Desviación estándar 35,5 52,3 En general, desde el punto de vista estadístico, las concentraciones de nitratos se han incrementado entre los años de análisis. Sin embargo, la búsqueda de las causas que originan estos incrementos es una tarea compleja, debido a la gran cantidad de fuentes de nitrógeno que existen: fertilizantes minerales, residuos ganaderos, vertederos, fracción orgánica de residuos sólidos urbanos (FORSU), lodos de EDAR, fosas sépticas, cementerios, etc. La principal preocupación en relación a la concentración de nitratos en las aguas de consumo humano se basa en su influencia en la aparición del síndrome del recién nacido cianótico o metahemoglobinemia (WHO, 2008). Por esta razón, la Unión Europea estableció como límite máximo de concentración permisible a aquel recomendado por la Organización Mundial de la Salud (OMS), esto es un valor máximo de 50 mg/l (11,3 mg/l NO3--N). De manera Tabla II-2 Evolución estadística de la concentración de nitratos 2006-2010 50 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario similar, otras naciones y organismos internacionales han adoptado límites un tanto más restrictivos, como es el caso de la Agencia de Protección del Medioambiente de Estados Unidos (EPA), que ha establecido un límite de 45 mg/l (10 mg/l NO3--N) para el agua de consumo humano (EPA, 2010). Como se ha mencionado en el párrafo precedente, el criterio para establecer los límites máximos de nitratos en las aguas de consumo humano se basa en la protección de la salud. No obstante, desde el punto de vista ecológico también es de importancia determinar la influencia de las actividades humanas sobre el estado natural de las aguas. En tal sentido, se puede inferir con cierto grado de certeza, que aquellas aguas subterráneas que presenten concentraciones mayores o iguales a 15 mg/l NO3-, estarán sometidas a actividades contaminantes de origen antrópico (Burkart y Kolpin, 1993, Greene et al., 2004, Panno et al., 2006). La Figura II-9 a continuación, presenta el umbral de contaminación de nitratos relativo a actividades humanas, y deja en evidencia que del total de observaciones registradas en el año 2010 (380), el 57% (216) presenta concentraciones iguales o superiores a 15 mg/l NO3-. Figura II-9 Puntos con concentraciones de nitratos mayores y menores a 15 mg/l, año 2010 51 II.6.2 Relación entre la concentración de nitratos y el uso de suelo agrícola Debido a la gran cantidad de fuentes difusas, predecir con exactitud el lugar donde se presentarán efectos negativos sobre la calidad de las aguas subterráneas es una tarea prácticamente imposible, especialmente en áreas extensas donde se presenta un uso de suelo mixto y la superposición de innumerables actividades potencialmente contaminantes. Un enfoque ampliamente extendido en la predicción y localización de acuíferos contaminados, es correlacionar el uso de suelo de un área específica con las observaciones de concentraciones de NO3en el acuífero subyacente (McLay et al., 2001, Eckhardt y Stackelberg, 2005, Barringer et al., 2007). En este estudio, para llevar a cabo esta labor se han utilizado las observaciones de los 380 puntos de control de la CHE (año 2010) y la información de la imagen CORINE Land Cover 2006 (CLC2006) disponible en el Instituto Geográfico Nacional (IGN). Mediante la intersección espacial de ambas coberturas se ha obtenido el diagrama de caja que se presenta a continuación en la Figura II-10. Figura II-10 Diagrama de caja de la distribución de las concentraciones de nitratos según el uso suelo 52 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario El diagrama de caja muestra que las mayores concentraciones de nitratos se presentan en las tierras de labor en secano, que en el caso de Aragón incluyen principalmente cereales (trigo, cebada, avena y centeno); le siguen las tierras de regadío en donde también se cultivan estos cereales y aquellos que son más exigentes en lo que disponibilidad de agua respecta como lo son el maíz y el sorgo. En términos generales, se esperaría que las concentraciones de nitratos presentes en aguas subterráneas subyacentes a las tierras de regadío, fuesen mayores a aquellas en tierras de secano, ya que las aportaciones de N son 2,5 veces mayores, 174 kg N/ha y 68 kg N/ha, respectivamente (IDAE, 2007). No obstante, ambas superficies (regadío y secano) tienen medianas similares en torno a los 40 mg/l, presentando los cultivos de secano una mayor dispersión y amplitud de intervalo de las observaciones. Con carácter secundario se presentan los cultivos de frutales (no cítricos), olivares y viñedos, con medianas entre 20-30 mg/l. En estas superficies de cultivos, es difícil establecer un comportamiento esperado en los valores de las observaciones, debido a la gran diferencia que existe entre las aportaciones de N para cultivos de secano y regadío, p.ej. 22 kg de N/ha y 82 kg N/ha en el caso de los viñedos. Además, si bien es cierto que los frutales en secano requieren una mínima cantidad de aportaciones de N, 13 kg N/ha en promedio (IDAE, 2007); en el caso de Aragón, el principal de estos cultivos es la almendra (50% de la superficie de frutales aproximadamente) el cual se caracteriza por ser uno de los cultivos frutales que requiere una mayor cantidad de aportación de N, 73 kg N/ha (DGA, 2005). Esta situación explicaría porque las concentraciones observadas presentan una distribución similar a aquellas que caracterizan a los viñedos y olivares. Otro antecedente a considerar es la existencia de un importante número de valores atípicos (outliers), alejándose de gran manera de las medidas centrales en las superficies con cultivos de cereales (regadío y secano). Estas anomalías en la distribución de los valores puede ser un indicio de la existencia de cargas orgánicas de fertilizantes u otras fuentes de N no consideradas en los planes de fertilización registrados por la autoridad. II.6.3 Análisis de heterogeneidad y dependencia espacial Existe una amplia gama de modelos de predicción espacial (más de 30) que permiten obtener el valor de una variable ambiental en función del comportamiento espacial de una muestra recopilada (Dubois y Galmarini, 2005), siendo los más comunes e implementados en plataformas SIG: inverso a la distancia, kriging, regresión polinómica y funciones de base radial. 53 En esta sección se utilizan pruebas y técnicas de interpolación espacial con la finalidad de discernir sobre la utilidad de estos modelos de predicción, y evaluar su aplicación en el estudio de las concentraciones de nitratos en las masas de aguas subterráneas de Aragón. La mayoría de los modelos de interpolación espacial permitirán una adecuada estimación siempre y cuando los datos presenten una distribución normal. Para comprobar esta condición se han aplicado dos pruebas de normalidad estadística a los datos hidroquímicos de la CHE (año 2010): histograma y gráfico de probabilidad normal (P-P). En la elaboración de ambas pruebas se ha extendido la red de datos a un total de 530 estaciones con la finalidad de que la superficie de interpolación abarque la totalidad del territorio de la Comunidad Autónoma. La Figura II-11 a continuación, presenta el histograma sin transformación y otro aplicando una transformación logarítmica. Figura II-11 Red observación e histogramas de la concentración de nitratos –Aragón 2010 Del análisis de los histogramas de Figura II-11, se desprende que los datos sin transformación presentan una sesgo positivo (4,4087), al contrario de lo que sucede con los datos transformados, que presentan un sesgo negativo de -0,28904. Si los valores del sesgo o asimetría son próximos a cero, esto indica que la distribución de los datos se ajusta a una distribución normal. En nuestro caso, aunque la transformación log de los datos nos permite obtener un valor de sesgo más cercano a “0”, es evidente que la curva no se ajusta a la 54 Capítulo II: Vulnerabilidad del territorio a la contaminación por nitratos de origen agrario normalidad. Además, ambas distribuciones son leptocúrticas (curtosis > 0), presentando en el caso de los datos no transformados una muy alta concentración de observaciones en torno a los valores más bajos de la concentración de nitratos. En segundo lugar, en la Figura II-12 a continuación se presenta el gráfico de probabilidad normal (P-P). El gráfico P-P compara la distribución empírica acumulada de la variable en estudio (concentración de nitratos) con la distribución teórica normal de esta variable. De tal forma, si los datos se ajustan a su distribución normal teórica, representado por la línea recta, se apreciará que los puntos se concentran en torno a ella. Figura II-12 Grafico P-P de concentración de nitratos en acuíferos sin transformación (a) y transformación logarítmica (b) En la Figura II-12 se observa que en ambas gráficas (a) y (b), existe una clara desviación sobre las líneas que representan las distribuciones normales teóricas. Aun cuando las diferencias en los extremos pueden considerarse aceptables, en las zonas centrales se presentan importantes desviaciones a la recta normal. Mediante estas dos pruebas estadísticas (histograma y gráfico P-P) es posible concluir que las concentraciones de nitratos encontradas en las aguas subterráneas de Aragón no siguen una distribución normal ni log-normal. Como se ha mencionado anteriormente, la mayoría de los métodos de interpolación espacial se basan en el supuesto de normalidad de las observaciones. Sin embargo, este requisito no es excluyente para el método de kriging12, debido a que es considerado uno de los mejores predictores lineales insesgados (ESRI, 2001). Esta sería una de las razones que han fomentado su utilización en la obtención de mapas de predicción de concentración de nitratos 12 El método kriging asume que al menos una parte de la variación espacial observada en el fenómeno natural se puede modelar por procesos aleatorios con autocorrelación espacial. Mayores detalles pueden ser consultados en ESRI 2001. Using ArcGIS Geostatistical Analyst. ESRI, USA. 40. 55 en países como Francia, Italia, Japón y China (D'Agostino et al., 1998, Babiker et al., 2004, Flipo et al., 2007, Chen et al., 2008). Por tal razón y a pesar que las concentraciones de nitratos de las aguas subterráneas de Aragón no siguen una distribución normal, a continuación se desarrollan las tareas para la obtención de un mapa de predicción de la concentración de nitratos, utilizando el método de kriging. El primer paso para determinar la superficie de interpolación es analizar el semivariograma de las concentraciones de nitratos de los acuíferos de Aragón para el año 2010 (Figura II-13). El variograma o semi-variograma permite estudiar el comportamiento de la variable espacial estudiada y evaluar la heterogeneidad que tendrá en una dirección determinada. El fundamento básico del variograma es que observaciones más cercanas (distancia) poseerán valores más similares que aquellas observaciones que se encuentren más alejadas unas de otras. Figura II-13 Semi-variagrama (transformación log) concentración nitratos Aragon 2010 La Figura II-13 representa el semi-variograma de la concentración de nitratos (transformación logarítmica) considerando un intervalo de análisis de 400 m (lag) y un modelo de ajuste esférico. Previamente fueron evaluados otros 5 modelos (Circular, Gausiano, Exponencial, K-Bessel y J-Bessel) los cuales también evidenciaron un pobre nivel de ajuste a las observaciones. El semi-variograma de la concentración de nitratos de Aragón no presenta un patrón de dependencia espacial, es decir, no existe ninguna evidencia que permita asegurar que las observaciones más próximas (unas de otras) poseen una mayor similitud, lo cual se demuestra 56 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP como son: i) diseño de la relación y dependencia entre factores, a través de técnicas de puntuación lógica de las preferencias (LSP); ii) ponderación de los datasets (factores), mediante el proceso de análisis jerárquico (Analytic Hierarchy Process, AHP), el cual permite establecer y comparar la importancia o peso de cada una de los factores aquí considerados y modelar su influencia en una función objetivo global; iii) algebra de mapas, mediante el sistema de información geográfica ArcGis 10.1 se construye un modelo geográfico en donde se realizan las operaciones de manipulación de los datasets (ráster calculator); y iv) análisis de sensibilidad, a través del cual se evalúa la incertidumbre del resultado final (mapa de vulnerabilidad) en relación con los factores de entrada al modelo. El último paso de la metodología lo representa el análisis de los resultados obtenidos (mapa de vulnerabilidad). Debido a la extensión de los dos últimos pasos de la metodología (construcción del modelo y análisis de resultados), su desarrollo será abordado de manera separada en el capítulo IV de la presente tesis. III.1.2 Ámbito de aplicación del modelo IVNA-LSP En el marco del desarrollo de esta tesis, el modelo IVNA-LSP surge como una herramienta necesaria para el estudio de la vulnerabilidad del territorio ante procesos de contaminación por nitratos. Una vez analizados los datos de concentraciones de NO3de las distintas estaciones de monitoreo, se verificó que su distribución en el espacio geográfico no puede ser modelada a través de técnicas de interpolación. Además, debido a la ausencia de una metodología española para la designación de zonas con distintos grados de vulnerabilidad a escala regional, se planteó la necesidad de crear un modelo paramétrico utilizando técnicas de evaluación multicriterio (EMC) que dé respuesta a la problemática establecida. Sin embargo, como el modelo IVNA LSP tiene su génesis en una necesidad específica y aplicada a la Comunidad Autónoma de Aragón, es que su aplicación en otros territorios estará restringida a ciertas condiciones particulares que se detallan a continuación: a) Relativas a la escala de aplicación: IVNA-LSP ha sido diseñado para estudios regionales en los cuales se carezca de suficiente información de medidas directas de la concentración de nitratos en las aguas subterráneas, o en aquellas que debido a la alta heterogeneidad del territorio no se presente un claro patrón de comportamiento. Si se desea realizar un análisis a escala local se recomienda enfocar el estudio en técnicas geoestadísticas tradicionales y su posterior comparación con métodos paramétricos 63 tales como DRASTIC o SINTACS R5, procedimiento que ha sido aplicado satisfactoriamente por Assaf y Saadeh (2009) o Jiménez-Espinosa et al. (1997). b) Relativas a las características del territorio: IVNA-LSP puede ser aplicado principalmente en regiones con un clima mediterráneo continental. En caso contrario, debido a condiciones climáticas extremas, se alteraría la ponderación o importancia relativa de los FM. Por otra parte, las zonas costeras se encuentran excluidas de su ámbito de aplicación, ya que la intrusión de agua marina hacia los acuíferos es un fenómeno común que afecta a la calidad de las aguas (Huyakorn et al., 1987) y que no se encuentra considerado en IVNA LSP. c) Relativas a las configuraciones acuíferas: se ha intentado dar la máxima versatilidad al modelo mediante una adecuada variación en las puntuaciones de vulnerabilidad para las distintas configuraciones acuíferas. Sin embargo, en el caso de que el área de estudio se encuentre dominada por la presencia de cuencas kársticas, se recomienda utilizar métodos específicamente creados para este tipo de acuíferos, como el método EPIK (Doerfliger et al., 1999). d) Relativas a la disponibilidad de información: la mayoría de los factores seleccionados por el método IVNA son de fácil adquisición para el territorio europeo. Quizás la mayor dificultad lo pueden representar los referentes a las características hidrogeológicas (permeabilidad de la zona vadosa y superficie piezométrica). No obstante, dichas carencias pueden ser subsanadas mediante el análisis de mapas geológicos y el apoyo del criterio experto. 64 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP III.1.3 Selección de factores y reglas de normalización En el presente apartado se enumeran los factores que son considerados por IVNA-LSP y se describen las reglas de normalización. Respecto al proceso de normalización es necesario mencionar que éste permite por una parte llevar los factores a un intervalo continuo de comparación entre [0-1], y adicionalmente, en el caso de los factores medioambientales, intenta establecer la forma o magnitud en la que un factor puede afectar a los procesos de desnitrificación, como proceso atenuante, y a la infiltración, como proceso facilitador. III.1.3.1 Factores Hidrogeológicos (FH) El modelo IVNA-LSP propuesto, considera 3 FH que de manera conjunta determinarán la vulnerabilidad intrínseca de los acuíferos, estos son: tipo de acuífero (FHAC), profundidad de la tabla de agua (FHDG) y permeabilidad del terreno (FHPV). Aunque, considerando una mayor cantidad de factores hidrogeológicos, p.ej., conductividad hidráulica o permeabilidad de la zona saturada, se obtendría una mejor caracterización del sistema, es también cierto que esta información es de difícil adquisición a escalas regionales y por ello no han sido consideradas en el modelo. La mayoría de los factores considerados por IVNA LSP pueden ser normalizados mediante funciones fuzzy continuas, sin embargo, en el caso de los factores hidrogeológicos no se ha aplicado ninguna función de reclasificación, debido a que estos factores representan la vulnerabilidad específica de las masas de agua subterránea y las categorías consideradas requieren ser puntuadas en base al conocimiento experto. Por lo tanto, tal como se aprecia en la Tabla III-1 a continuación, solo se aportan las directrices para evaluar estos tres factores. En el caso de la existencia de acuíferos kársticos, como una manera de considerar las singularidades que les diferencian del resto de acuíferos en lo que respecta a su estructura de drenaje, en la puntuación de FHDG se propone asignar una mínima distancia virtual entre la superficie terrestre y la tabla de agua; ya que si bien pueden encontrarse a mayores profundidades, su red de conductos transmite rápidamente un contaminante sin apenas modificación. Mayores detalles respecto a las puntuaciones específicas que se otorgan a las distintas clases de vulnerabilidad para los FH se presentan en la aplicación del modelo IVNA LSP a la Comunidad Autónoma de Aragón (sección III.2.2.). Como hemos mencionado anteriormente, la normalización de los FH intenta calificar la vulnerabilidad en el intervalo de comparación de [0-1]. A pesar de la subjetividad en la que se incurre al asignar valores discretos, a través de esta propuesta se puede establecer un amplio 65 grado de diferenciación (80 valores) que permiten jerarquizar el grado de vulnerabilidad intrínseca de las aguas subterráneas de la región de estudio. FHAC FHDG FHPV Nº Clases 4 5 4 Vulnerabilidad Clases Sin presencia Confinado Semi confinado Libre > 35m 15-35 m 5-15 m < 5m Karst Muy baja Baja Alta Muy alta Rango puntuación [0-1] [0-1] [0-1] Descripción Se basa en las características hidráulicas de las capas confinantes Se basa en el trayecto que debe recorrer el nitrato hasta llegar a la superficie de la tabla de agua. Se basa en la capacidad de nitrificación de la zona vadosa III.1.3.2 Factores Medioambientales (FM) Un exceso de nitrógeno en el suelo, ya sea por aportaciones de fertilizantes minerales u orgánicos, puede conducir a procesos de volatilización, pérdidas por desnitrificación o lixiviación de nitratos, situación que se encuentra caracterizada por la complejidad de las interacciones entre ellos. Los factores que inciden en mayor medida en el lavado de nitrógeno son el clima (precipitaciones, evapotranspiración); el relieve (pendientes y superficies de acumulación) y las cargas de nitrógeno por fertilización. Por otra parte, las características del sustrato edáfico (pH, contenido de materia orgánica y contenido de humedad) determinarán el potencial de desnitrificación como proceso moderador. Las precipitaciones son el principal medio de transporte de sustancias potencialmente contaminantes, en tanto el tipo de cultivo es de especial importancia, ya que aquellos que demandan una mayor cantidad de nitrógeno para su desarrollo (p.ej., maíz o cítricos) presentarán en términos absolutos un mayor riesgo de lixiviación. De tal forma, si existe un Tabla III-1 Descripción y clases de vulnerabilidad de los factores hidrogeológicos 66 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP superávit de nitratos en la zona radicular y agua suficiente para transportarlos a capas más profundas del suelo, la capilaridad del suelo no será suficiente para impedir su lixiviación. Respecto a las características del suelo, la materia orgánica representa la principal fuente de energía para los microorganismos que intervienen en el ciclo del nitrógeno. Microorganismos que a su vez presentan diferentes condiciones de desarrollo en función del pH del suelo y del contenido de humedad. Por ejemplo, las bacterias que interactúan en los procesos de inmovilización-mineralización alcanzan un equilibrio para ratios C:N de 25:1 (MacDonald et al., 2002), para valores menores predominará la mineralización con el consiguiente aumento en el riesgo de lixiviación. A continuación la Tabla III-2 enumera los 8 FM seleccionados y los criterios generales de puntuación. Por motivos metodológicos de orden en el documento, la base teórica de la formalización de cada uno de los factores y la selección de las funciones de pertenencia fuzzy se detalla en la sección III-2 a continuación. Factor medioambiental Criterio Función Fuzzy Descripción Uso de Suelo (FMLC) Carga de nitrógeno Lineal La reclasificación del uso de suelo se realiza en función de los aportes de nitrógeno mineral. Suelos con mayor carga de nitrógeno, adquieren un valor máximo de la función de pertenencia. Textura del Topsoil (FMTT) Potencial de desnitrificación Small Se relaciona el contenido de arcilla del topsoil con el proceso de desnitrificación. Suelos con menores contenidos de arcilla, tendrán menor capacidad de retención de humedad y con ello un menor potencial de desnitrificación. Carbono Orgánico (FMOC) Potencial de desnitrificación Lineal Se realiza una reclasificación en función del contenido de carbono orgánico del suelo. Un mayor contenido aumenta la eficiencia de las bacterias desnitrificantes. pH (FMpH) Potencial de desnitrificación Near El pH regula el proceso de desnitrificación. Por lo tanto la reclasificación se realiza en función de un pH óptimo cercano a la neutralidad. Precipitaciones (FMRR) Infiltración Large La reclasificación se realiza en función de la precipitación anual acumulada. Aquellas zonas con un mayor registro histórico , presentan un mayor riesgo de infiltración. Evapotranspiración (FMET) Infiltración Small La reclasificación se realiza en función de la evapotranspiración potencial (ETP). Aquellas zonas con una mayor ETP presentarán un menor riesgo de infiltración. Pendientes (FMSR) Infiltración Small Aquellas zonas con menor pendiente (entre 0-20%) presentan un mayor riesgo de infiltración por aumento del espesor de la lámina de agua. Acumulación (FMFA) Infiltración Lineal Aquellas zonas con mayor acumulación de flujo adquieren un valor máximo de pertenencia (mayor riesgo). Tabla III-2 Descripción y clases de vulnerabilidad de los factores medioambientales 67 III.2 APLICACIÓN DE IVNA-LSP PARA LA DETERMINACIÓN DE LA VULNERABILIDAD DE LA COMUNIDAD AUTÓNOMA DE ARAGÓN III.2.1 Definición del problema El año 2010 un 21% de las estaciones de monitoreo de la calidad de las aguas subterráneas de la CHE, en Aragón, evidenciaban contenidos de nitratos superiores al máximo permitido por la normativa ambiental vigente (50 mg/l). Además, un 57% de las estaciones registraron concentraciones mayores o iguales a 15 mg/l, lo que implicaría que esas masas de agua subterránea se encontrarían sometidas a algún tipo de presión contaminante de origen antrópico. Debido a la alta heterogeneidad del territorio de Aragón, las técnicas de geoestadística clásica no pueden ser utilizadas para determinar patrones de comportamiento en el proceso de contaminación de los acuíferos, por ende es necesario estudiar la vulnerabilidad del territorio en su conjunto, evaluando las interacciones que se desarrollan entre los factores que influyen en el proceso. Por otra parte, desde el punto de vista metodológico es fundamental establecer zonas con distintos grados de vulnerabilidad. Actualmente los instrumentos de planificación que se aplican en España, si bien cumplen con los requerimientos de la Unión Europea, no permiten establecer zonas con grados intermedios de riesgo. El concepto de vulnerabilidad no debe ser usado como sinónimo de «zonas afectadas», y en aquellas zonas designadas como «vulnerables» es claro que el grado de fragilidad no es bajo ningún concepto una constante. Por tales razones, es fundamental proporcionar una herramienta que oriente la acción tanto de agricultores, ganaderos y autoridades ambientales en pos de un desarrollo sostenible. III.2.2 Formalización de Factores Hidrogeológicos (FH) III.2.2.1 Factor FHAC: Tipología de la masa de agua subterránea Este primer factor intenta evaluar el riesgo básico de lixiviación de nitratos hacia el acuífero y se basa en las características hidráulicas de las capas confinantes. Es así como los acuíferos pueden ser clasificados como: libres, semi-confinados y confinados (Fetter y Fetter, 1994). Los acuíferos libres son aquellos en los cuales su límite superior (superficie freática) se encuentra a presión atmosférica y no se encuentra cubierto por ninguna capa confinante 68 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP (impermeable). Su posición no es fija sino que varía en función de las épocas secas o lluviosas. En cambio los acuíferos confinados son aquellos cubiertos por una capa impermeable, la cual actúa como una cobertura de protección a fuentes de contaminación desde capas superiores. La capa de confinamiento está compuesta generalmente por materiales arcillosos y limo, que impiden la lixiviación de nitratos u otros contaminantes hacia las aguas subterráneas. Como consecuencia, los acuíferos confinados son menos vulnerables que los acuíferos libres a procesos de contaminación. La existencia de acuíferos estrictamente confinados es un fenómeno poco ocurrente, debido a que en la práctica la mayoría de las capas confinantes no son completamente impermeables. La existencia de acuitardos en la capa superior, permite la infiltración de agua y con ello la alimentación de acuíferos subyacentes (acuíferos semi confinados). Los acuíferos dentro de esta última categoría presentarán un riesgo de vulnerabilidad intermedio. Si bien es cierto, la clasificación aquí mencionada tiene un carácter general, se presenta como una primera diferenciación de las masas de aguas subterráneas. Mediante la consideración de este factor se incorpora el efecto que tiene el grado de confinamiento sobre la vulnerabilidad intrínseca del acuífero. La cobertura geográfica en formato shapefile13 (shp) utilizada para la representación de este factor ha sido elaborada a partir de la información disponible en las Confederaciones Hidrográficas del Ebro y del Júcar. A continuación se presenta el cuadro de clasificación (Tabla III-3) del factor hidrogeológico según tipo de acuífero (FHAC). Tipo de acuífero Valor FH AC Descripción Sin presencia 0,1 No existe una formación acuífera definida Confinado 0,2 Cubierto por capa impermeable Semi-confinado 0,5 Cubierto por un acuitardo No confinado (libre) 1 No existe una capa confinante Es necesario mencionar que la clasificación «sin presencia» se refiere a aquellas zonas en las cuales debido a la configuración geológica no existen masas de aguas subterráneas claramente definidas. No obstante, en dichas zonas existen procesos de infiltración menores 13 Un shapefile es un formato que se utiliza para almacenar la ubicación geométrica y la información de atributos de las entidades geográficas (puntos, líneas o polígonos). Tabla III-3 Clasificación y puntuación del factor FH Ac – IVNA LSP 69 que es factible puedan llegar a las masas subterráneas cercanas como aportaciones laterales. Por esta razón se han calificado con el valor mínimo de vulnerabilidad de este factor (0,1). En la Figura III-2 a continuación se presenta la representación gráfica del factor FHAC. - III.2.2.2 Factor FHDG: Profundidad de la tabla de agua La profundidad de la tabla de agua se refiere al nivel freático en los acuíferos libres y al techo del acuífero en los acuíferos confinados. En Aragón, a partir de los datos proporcionados por la red piezométrica de la CHE y la base de datos del Inventario de Puntos de Agua (IPA), se seleccionaron un total de 5.087 puntos que permitieron mediante métodos de interpolación kriging, generar una cobertura shapefile que representa una aproximación muy general al espesor de la zona no saturada (ZNS), asumiendo que el espesor de la ZNS coincide con la profundidad a la que se encuentra el nivel freático. En términos generales, la vulnerabilidad a la contaminación por nitratos será menor en aquellos acuíferos que tengan un nivel freático a mayor profundidad. En estos casos, el Figura III-2 Factor hidrogeológico tipo de acuífero (FH AC ) - Aragón 70 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP espesor de la zona no saturada será mayor y, por lo tanto, el tiempo de tránsito para que el contaminante pueda alcanzar el agua subterránea será mayor también, lo que proporcionaría una mayor probabilidad de atenuación por degradación o retención natural, siempre y cuando las características del sustrato edáfico favorezcan el proceso de desnitrificación. Un caso particular y que debe ser considerado en la puntuación de FHDG es la existencia de acuíferos kársticos, debido a que muestran singularidades que les diferencian del resto de acuíferos en lo que respecta a su estructura de drenaje. Si bien pueden encontrarse a mayores profundidades, su red de conductos transmite rápidamente un contaminante, sin apenas modificación. Razón por la cual este efecto debe ser considerado en la clasificación de vulnerabilidad de FHDG y se le otorga un valor de 1 al igual que aquellos acuíferos que se encuentran más cerca de la superficie. La Tabla III-4 a continuación presenta las puntuaciones de las 5 clases de vulnerabilidad FHDG. Profundidad acuífero Valor FHDG < 5 m 1 5 – 15m 0,7 15 – 35m 0,6 >35m 0,5 karst 1 En Aragón, la superficie piezométrica obtenida mediante métodos de interpolación espacial presenta un buen nivel de ajuste, principalmente en las zonas en que la red de datos IPA presenta una mayor densidad de observaciones. Respecto a los intervalos considerados para el factor FHDG estos han sido establecidos en base al criterio de expertos del área de geodinámica de la Universidad de Zaragoza (Galve et al., 2005). Después de aplicar la reclasificación de la Tabla III-4, el 30% de la superficie de Aragón ha sido calificada con el valor máximo de FHDG=1, que corresponde a la superficie territorial en la cual la tabla de agua se encuentra a menos de 5 m de profundidad o existen formaciones kársticas. Es importante mencionar que en la puntuación de cada uno de los intervalos se ha adoptado un criterio proteccionista. Aquellas áreas en las cuales la tabla de agua se encuentra a profundidades mayores a 35 m se calificaron con un FHDG= 0,5, aun cuando se presenten a profundidades considerables, su riesgo será la mitad de aquellos acuíferos que se encuentren a Tabla III-4 Clasificación del factor FH DG – IVNA LSP 71 menos de 5 m. En la Figura III-3 a continuación se presenta la representación gráfica de FHDG para la Comunidad Autónoma de Aragón. III.2.2.3 Factor FHPV: Permeabilidad zona vadosa Como se ha mencionado anteriormente, la zona vadosa o no saturada es el espesor comprendido entre la superficie y el nivel freático. En términos generales, en esta zona la porosidad es mayor que el contenido de agua, es decir, el agua no ocupa todos los poros. Por tal razón existe la condición básica de aireación para el proceso de nitrificación. En zonas vadosas con una menor permeabilidad, la forma de nitrógeno inorgánico disponible será principalmente amonio inmovilizado ya que la nitrificación estará limitada (menor aireación). Además el nitrato existente tendrá una mayor posibilidad de sufrir procesos de desnitrificación siempre y cuando las condiciones del sustrato sean favorables (disponibilidad de carbono orgánico) (Strebel et al., 1989). Por otra parte, zonas vadosas con permeabilidades altas (mayor aireación) serán más susceptibles a procesos de lixiviación y presentarán condiciones Figura III-3 Factor hidrogeológico profundidad de la tabla de agua (FHDG) - Aragón 72 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP geográfica de la base de datos Europea del suelo ESDB v.2.0 (EC, 2004), en ella se realiza la clasificación de la textura del topsoil en función del contenido de arena y arcillas, incluyendo 7 categorías según el detalle que se muestra en la Tabla III-7 a continuación. id clasificación Descripción 1 Gruesa Arena (>65 %) - arcilla (<18%) 2 Media Arena (15-65%) - arcilla (18-35%) 3 Media fina Arena (<15%) - arcilla (>35%) 4 Fina Arcilla (35-60%) 5 Muy fina Arcilla (> 60%) 0 Sin información 9 Suelos de turba El proceso de desnitrificación depende de una serie de variables ambientales que afectan a los microorganismos presentes en el suelo, entre ellas el pH, contenido de carbono orgánico y contenido de humedad. Varios estudios han demostrado que el contenido de humedad del suelo, que puede ser representado por el porcentaje del espacio de poros saturados en una muestra (water filled pore space, WFPS), es uno de los principales factores que determinan la producción de N2 y N2O. Doran et al. (1990) observaron que el proceso de desnitrificación es prácticamente insignificante en condiciones de humedad (WFPS) menores a 63%, por otra parte valores entre 70-75% incrementarían de gran forma la reducción del NO3-. Es evidente que al existir mejores condiciones anaeróbicas, el proceso de desnitrificación estará positivamente correlacionado con WFPS (Torbert y Wood, 1992, Weier et al., 1993). Debido a la alta superficie específica que tienen las partículas de arcilla y la presencia de carga eléctrica, pueden adsorber agua y otros líquidos polares. En tal sentido el contenido de arcilla de un suelo también estará directamente relacionado con el proceso de desnitrificación (Bremner y Shaw, 1958, Parton et al., 1996, Franzluebbers, 1999), siendo factible estimar el contenido de agua del suelo o WFSP a partir de la composición granulométrica de una muestra (Franzluebbers, 1999, Vinther, 2005) Para la formalización del factor FMTT se realizó una reclasificación de las categorías proporcionadas por la ESDB v.2.0, utilizando las ecuaciones de Michaelis-Menten de Vinther (2005) las cuales relacionan el contenido de arcilla de una muestra con el potencial de desnitrificación. Para calcular el potencial de desnitrificación de cada uno de los intervalos de Tabla III-7 Clasificación de la textura del topsoil (ESDB v.2.0) 79 contenidos de arcilla que proporciona la base de datos ESDB v.2.0, se consideró el valor medio de ellos, estimándose así el potencial de desnitrificación de las distintas clases como se muestra en la Tabla III-8 a continuación. Clasificación Potencial de desnitrificación (kg N/ha·año)* Gruesa 6,01 Media 15,13 Media fina 17,54 Fina 19,96 Muy fina 21,61 Suelos de turba 21,61 (*) Estimados a partir de ecuaciones de Vinther (2005) Respecto a los suelos de turba, caracterizados por su alto contenido de agua y material orgánico, estos no pueden ser clasificados en función del contenido de arcilla. Sin embargo, debido a su alto potencial de desnitrificación que los sitúa por sobre los suelos arcillosos (Koops et al., 1996, Pihlatie et al., 2004), se les asigna el máximo potencial de desnitrificación al igual que los suelos de textura muy fina. Los suelos arenosos (bajo contenido de arcilla) son inertes desde el punto de vista químico, carecen de propiedades coloidales14 y de reservas de nutrientes. En cuanto a las propiedades físicas, presentan buena aireación y alta permeabilidad lo que en su conjunto no fomentaría procesos de atenuación (desnitrificación), es decir un alto riesgo a procesos de lixiviación o expresado en términos de una función de pertenencia a la vulnerabilidad (función fuzzy), presentaría un valor máximo. Por el contrario, los suelos arcillosos son muy activos desde el punto de vista químico, adsorben iones y moléculas, ricos en nutrientes y con una alta capacidad de retener agua, generando condiciones anaerobias para la desnitrificación. Por lo tanto, suelos con texturas más finas presentarían un grado de pertenencia baja a la lixiviación de nitratos. 14 Son las propiedades que involucran a las arcillas y sustancias húmicas del suelo que desempeñan retención de agua, gases, intercambio iónico y molecular, contracción-expansión, y estabilidad de agregados del suelo. Tabla III-8 Potencial de desnitrificación de distintas texturas del topsoil 80 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP Para la fuzzificación del factor FMTT se utilizó la función fuzzy Small del software ArcGis 10.1 que aparece representada en la Figura III-7 a continuación. La función fuzzy Small se encuentra definida por [III-1] a continuación. 𝜇 (𝑥)= 1 1 + �𝑥 𝑓2�𝑓 1 [ III-1] Donde: f 1 es el valor es el valor de propagación f2 es el punto medio de pertenencia Los valores de los parámetros f1 y f2 fueron seleccionados a partir de una secuencia de pruebas con el software Origin 6.1, obteniendo que los valores de f1=5 y f2=16 son los que mejor se ajustan a la curva del potencial de desnitrificación presentada en la Tabla III-8. A partir de la ejecución del modulo Spatial analyst y la selección de la función fuzzy Small se obtiene la siguiente imagen ráster (Figura III-8) que representa la vulnerabilidad de los distintos territorios de Aragón considerando únicamente el factor FMTT fuzzificado. Figura III-7 Función Fuzzy Small – ArcGis 10.1 81 III.2.3.3 Factor FMOC: Contenido de carbono orgánico El suelo desempeña un importante rol en la atenuación de procesos contaminantes, principalmente cuando existen materiales arcillosos, asociados a una alta actividad biológica, contenidos de humedad y condiciones anóxicas adecuadas para el desarrollo de microorganismos desnitrificantes. No obstante, debido a que la desnitrificación es llevada a cabo por bacterias heterótrofas, estas requieren de una fuente de energía (carbono orgánico) para la síntesis de nuevas células (Burford y Bremner, 1975, Weier et al., 1993) y por ende la eficiencia de este proceso de reducción estará íntimamente ligada a la disponibilidad de materia orgánica en el suelo. Si existen condiciones anóxicas adecuadas en el suelo (FMTT descrito previamente), el siguiente requisito que debe ser verficado es la presencia de fuentes de alimentación para las bacterias. El proceso de desnitrificación se llevará a cabo de manera natural, siempre y cuando existan: i) bacterias desnitrificantes y ii) suficiente carbono orgánico. En relación a la existencia de bacterias desnitrificantes, éstas se encuentran presentes en la mayoría de los suelos, Figura III-8 Factor medioambiental FMTT - Aragón 82 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP inclusive en las zonas más profundas del subsuelo y acuiferos (Starr y Gillham, 2005). Por lo tanto, si el potencial de desnitrificación es bajo, se deberá a la escasez de materia orgánica más que a la ausencia de bacterias desnitrificantes en el suelo (McCarty y Bremner, 1992). Es por ello, que el modelo IVNA-LSP otorga a la disponibilidad de carbono orgánico un rol fundamental en la evaluación de la vulnerabilidad. Varios estudios han demostrado que existe un alto grado de correlación positiva entre el contenido de carbono orgánico del suelo y su potencial de desnitrificación. Burford y Bremner (1975) demostraron que la capacidad de desnitrificación de los suelos analizados en sus investigaciones se correlacionó significativamente (r=0,77) con el contenido de carbono orgánico. De manera similar, Ryden y Whitchead (1988) después de analizar un total de 32 muestras de suelo obtuvieron un coeficiente de correlación de 0,9. Para la formalización de FMOC en Aragón se seleccionó como fuente de información el mapa europeo del contenido de carbono orgánico del topsoil (Jones et al., 2004). Debido a que la relación que existe entre el potencial de desnitrificación y el contenido de carbono orgánico ha demostrado ser lineal, se ha decidido fuzzificar directamente mediante una función Fuzzy lineal (Figura III-5), donde el valor máximo de pertenencia (valor=1) se asignó al menor contenido de carbono orgánico. En tanto el valor “0” (menor riesgo) se asignó a aquellos suelos que presentan contenidos mayores a 6,73%, valor que corresponde al máximo registrado por Ryden y Whitchead (1988). Por lo tanto, todos aquellos terrenos con contenidos de carbono orgánico mayores a este umbral, presentarán un valor «0» de pertenencia, situación latente en el 5% de la superficie de Aragón. Es necesario mencionar que en la formalización de FMOC se consideran únicamente las condiciones naturales de contenido de carbono orgánico en el suelo, dejando de lado las aportaciones externas de materia orgánica. El aporte de residuos orgánicos afectarán la dinámica de los procesos de nitrificación y desnitrificación, efectos que no podrían representarse mediante un factor único y sobrepasan los alcances del modelo IVNA LSP. Por ejemplo, la adición de fuentes externas de carbono orgánico fomentarían el crecimiento de las bacterias desnitrificantes (Burford y Bremner, 1975). En el caso de aportes de residuos con un ratio C:N elevado, se aumentaría la inmovilización (déficit temporal de NO3-), en cambio ratios C:N más bajos (p.ej., purines porcinos) fomentarían la mineralización, lo que implicaría un aumento de la concentración de nitratos y amonio en el suelo. Por otra parte, la acumulación de NO3podría ocasionar la inhibición de la enzima nitrato reductasa (Firestone et al., 1979) y con ello una desnitrificación incompleta. Debido a la complejidad de todas estas interacciones, se ha decidido utilizar únicamente el contenido natural de carbono orgánico en la formalización del factor FMOC de Aragón, representado a continuación (Figura III-9). 83 III.2.3.4 Factor FMpH: pH suelo Como se ha descrito anteriormente, el proceso de desnitrificación estará determinado por la cantidad de sustratos orgánicos que servirán como fuente de energía para las bacterias desnitrificantes, en tanto la proporción de N mineralizado e inmovilizado dependerá de la relación entre carbono y nitrógeno disponible en el suelo para su metabolismo. No obstante, también existen una serie de factores secundarios que potenciarán o disminuirán la actividad bacteriana, entre ellos la presión parcial de O2, la temperatura del suelo y el pH (Šimek y Hopkins, 1999). Dentro de estos factores secundarios, el pH se presenta como el principal factor regulador, ya que influye en la mayoría de las propiedades físicas, químicas y principalmente en los procesos biológicos del suelo (Brady y Weil, 1996). En este contexto, desde los años 50 varios estudios se han enmarcado en el análisis de la influencia del pH en los procesos de nitrificación y desnitrificación, es así como Wijler y Delwiche (1954) demostraron que pH neutros-alcalinos son óptimos para el proceso de desnitrificación. Bremner y Shaw (1958) por su parte, determinaron que la tasa de desnitrificación se incrementa considerablemente para un pH en el rango de 8 a 8,6. En tanto Figura III-9 Factor medioambiental FMOC - Aragón 84 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP Thomas et al. (1994) al estudiar el efecto que tiene el pH sobre la actividad de tres especies de bacterias pseudomonas desnitrificantes, concluyeron que su pH óptimo de desarrollo se encontraba entre 7 y 7,5. A la luz de estos antecedentes, con la finalidad de considerar el efecto que tiene el pH del suelo en el proceso desnitrificación y por ende de atenuación en procesos de lixiviación de nitratos; parecería razonable asignar el mayor potencial de mitigación a aquellos suelos neutros o ligeramente alcalinos, y asignar un mayor riesgo a todos aquellos suelos que presenten un pH fuera de este rango. No obstante, el efecto del pH en la actividad bacteriana no es lineal, ni tampoco existen umbrales exactos sobre o bajo los cuales la desnitrificación es inhibida completamente. Parkin et al. (1985) demostraron que incluso en suelos con pH ácido (pH=4), se presenta una actividad desnitrificante relativamente alta. Adicionalmente, Šimek et al. (2002) al estudiar varias muestras de suelo con pH modificados artificialmente en el rango [4 – 11], demostraron que los máximos potenciales de desnitrificación se presentaron en torno al pH natural de cada muestra. En la formalización del factor FMpH de Aragón se utilizó como fuente de información el mapa Europeo del pH del suelo (Böhner et al., 2008), el cual nos proporciona valores de pH que oscilan entre 4,7 y 8,3 con una resolución espacial de 5-5 km. Para establecer la vulnerabilidad del territorio en función del pH del suelo, se seleccionó en primera instancia la función fuzzy Near, la cual asigna el máximo valor de pertenencia al punto central (vulnerabilidad máxima), con un efecto de propagación decreciente hacia ambos extremos, tal como se aprecia en el ejemplo de la Figura III-10 a continuación. Figura III-10 Función Fuzzy Near – ArcGis 10.1 85 Mediante la función fuzzy Near [III-2] se asignó el valor central, es decir, un valor igual a 1 a todas aquellas celdas que presenten un pH igual a 7,5 (f2), disminuyendo la probabilidad de pertenencia hacia ambos extremos con un valor de propagación f1 de 0,05. 𝜇(𝑥)=1 1 + 𝑓1∗(𝑥−𝑓2)2 [ III-2] Donde: f 1 es el valor es el valor de propagación f2 es el punto medio de pertenencia Después de fuzzificar la variable de entrada (pH suelo), se obtuvieron valores que oscilaban entre 0,77 y 1, donde los valores iguales o cercanos a 1 corresponden a aquellos suelos que presentan valores de pH próximos a 7,5, es decir, aquellos que tienen un mayor potencial de desnitrificación. Sin embargo, los factores del modelo IVNA LSP asignan el valor igual a 1 (máxima pertenencia) al mayor riesgo. Por lo tanto, acto seguido se realizó una transformación lineal para invertir la puntuación. La Figura III-11 a continuación representa la expresión cartográfica del factor FMpH en Aragón. Figura III-11 Factor medioambiental FMpH - Aragón 86 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP Finalmente, otro antecedente que debe ser considerado es la particularidad del efecto regulador que tiene el pH en el proceso de desnitrificación. Tal como señala Šimek et al. (2002), el suelo y en particular las bacterias desnitrificantes tienen la capacidad para adaptarse a distintos valores de pH. Si bien exhiben un mayor potencial de desnitrificación en torno al pH natural del suelo, esto no implica un potencial nulo hacia los extremos. Por esta razón, en la estructura de IVNA LSP, el factor FMpH se utilizará como un regulador de los distintos factores relativos al proceso de desnitrificación, es decir, valores de FMpH igual a 1 mantendrán constante el riesgo acumulativo de FMOC y FMTT, y valores menores a 1 tendrán un efecto amortiguador. Los factores ambientales formalizados en los párrafos previos (FMTT, FMOC y FMpH) responden a la necesidad de valorar el efecto de atenuación que tienen las características del sustrato edáfico. No obstante, existen otros factores ambientales relativos al clima y relieve, que facilitarán en mayor o menor medida el transporte de nitratos hacia las aguas subterráneas mediante el proceso de infiltración. La infiltración es el proceso físico mediante el cual el agua por acción de la gravedad y capilaridad se desplaza desde la superficie terrestre hacia capas más profundas del subsuelo. En primera instancia, una parte de esta agua infiltrada será utilizada para satisfacer la deficiencia de humedad del suelo y posteriormente superado un cierto nivel de humedad, alimentará las masas de aguas subterráneas, arrastrando consigo partículas de materiales orgánicos disueltos y contaminantes de fácil movilidad, como es el caso de los nitratos. La cantidad de agua que se infiltra hacia capas más profundas del suelo, dependerá de la magnitud de las precipitaciones, evapotranspiración y escorrentía superficial; y estas magnitudes a su vez se encuentran subordinadas al tipo de cubierta vegetal, características hidráulicas y humedad del suelo, intensidad de las precipitaciones, pendientes y formación de costras superficiales (sellados), entre otras. Antecedentes que proporcionan una idea de la compleja tarea de cuantificar el riesgo por infiltración en una región en particular. Por lo tanto, utilizando una simplificación de los distintos procesos responsables de la infiltración (entrada de agua, capacidad de retención y desplazamiento), se asume que la vulnerabilidad del territorio debida al transporte del nitrato hacia las aguas subterráneas dependerá directamente de los factores medioambientales relativos al clima: precipitación (FMRR), evapotranspiración (FMET) y al relieve: pendientes (FMSR) y acumulación de escorrentía (FMFA). El factor FMRR representará la entrada de agua al sistema y los factores FMET, FMSR y FMFA intentarán de manera conjunta modelar el efecto de la evapotranspiración y escorrentía superficial. 87 III.2.3.5 Factor FMRR: Precipitaciones Entendiendo a las precipitaciones como cualquier producto de la condensación atmosférica que cae sobre la superficie terrestre, ya sea en forma de agua líquida, nieve o hielo; es evidente que su distribución sobre el espacio geográfico tendrá directa relación con la cantidad de agua que potencialmente puede infiltrarse hacia capas más profundas del subsuelo. En el caso de la existencia hipotética de dos superficies con igual cobertura vegetal, idénticas características orográficas, similar contenido de humedad del suelo y prácticas agrícolas idénticas; es altamente probable que aquél terreno con un mayor registro pluviométrico presente un mayor volumen de infiltración y con ello un riesgo superior al transporte de nitratos hacia las aguas subterráneas. De tal forma, el modelo IVNA-LSP, en lo que se refiere al riesgo por infiltración, establece que el factor FMRR será el principal componente y su efecto global sobre el valor de vulnerabilidad estará influenciado por los factores FMET, FMSR y FMFA. Las precipitaciones no se presentan de manera homogénea en el espacio geográfico, mostrando notables diferencias incluso a cortas distancias. Por ello es fundamental que la red de estaciones meteorológicas presente una adecuada densidad y distribución en el área de estudio. Además, debido a la importancia de FMRR es fundamental la utilización de fuentes oficiales de información que aseguren una rigurosidad en el registro de los datos pluviométricos. Para la formalización de FMRR en Aragón, se utilizó la información cartográfica digital del Sistema Básico de Información Climática de Aragón (SiClima) (DGA, 2012d). Los datos utilizados para la construcción de la imagen ráster que representa la distribución de las precipitaciones en Aragón, provienen en su mayor parte de la Agencia Estatal de Meteorología (AEMET), aunque en casos concretos y allí donde la cobertura espacial del banco nacional de datos meteorológicos era escasa, se utilizaron fuentes adicionales como las estaciones meteorológicas de la Confederación Hidrográfica del Ebro. El desarrollo de la cartografía de precipitaciones llevada a cabo por SiClima se basó en la aplicación de una combinación de métodos de interpolación espacial (locales, globales y geoestadísticos), con la finalidad de representar las tendencias generales de la distribución de las precipitaciones y el efecto que tienen las variables locales que alteran el comportamiento normal de distribución, como pueden ser fenómenos de inversión térmica u obstáculos orográficos. Estos métodos mixtos son considerados como los más adecuados para la modelización de variables climáticas en regiones con topografía y características climáticas complejas (Ninyerola et al., 2007), como es el caso de Aragón. 88 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP sugieren que el incremento de la infiltración en pendientes más suaves responde al aumento del espesor de la lámina de agua sobre el suelo. En la evaluación del efecto que tienen las pendientes en el proceso de infiltración existen resultados contradictorios. Los estudios desarrollados por Bryan y Poesen (1989), Chaplot y Le Bissonnais (2000), sugieren que la tasa de infiltración sería menor en terrenos con pendientes más suaves, lo que se explicaría por la presencia de superficies de sellado. El sellado de la superficie es un proceso físico-químico, donde producto del impacto de las gotas de agua sobre suelos con una estructura inestable, se origina un reordenamiento de las partículas y posterior compactación, disminuyendo de esta forma la capacidad de infiltración y aumentando la escorrentía superficial. Este fenómeno se presentaría con mayor intensidad en superficies con una pendiente más suave, debido a que las gotas de agua impactarían el suelo con un ángulo cercano a 90°, generándose una mayor energía cinética por unidad de superficie (Bradford et al., 1987). La influencia que tienen las superficies de sellado sobre el proceso de infiltración es indiscutible, y más aún ante la existencia de costras que actuarían como una superficie impermeable (Römkens et al., 1990, Singer y Le Bissonnais, 1998). No obstante, tal como señalan Janeau et al. (2003) quienes estudiaron el comportamiento de los procesos de infiltración en pendientes fuertes (16-63%), la formación de sellos debe ser necesariamente evaluada a través de estudios locales que caractericen la naturaleza de los suelos. En tal sentido, debido al alcance regional que tiene el modelo IVNA LSP, la incorporación del efecto que tienen las superficies de sellado en el proceso de infiltración, se torna inviable, sobre todo cuando existen otros rasgos locales que también deberían ser considerados, como es el caso de la existencia de arcillas expansivas (Ng et al., 2003), fenómenos que se encuentran fuera del alcance de esta tesis. Por las razones anteriormente expuestas, para la formalización del FMSR se decidió utilizar la información proporcionada por Fox et al. (1997) quienes estudiaron el efecto que tiene la pendiente (2,6% a 40%) sobre la tasa de infiltración. Sus resultados demostraron que existe una relación lineal negativa para pendientes menores a 20%. En tanto para pendientes mayores a 20% la tasa de infiltración se mantuvo prácticamente constante, lo que se explicaría por la existencia de procesos de erosión en surcos y cárcavas, que tendrían un efecto de remoción sobre las superficies de sellado, alterando el comportamiento normal que debería seguir la curva de reducción de la infiltración. En la formalización del FMSR de Aragón, la cartografía base utilizada proviene del modelo digital de terreno (MDT) con paso de malla de 25 m elaborado por el Instituto Geográfico Nacional (IGN), que a su vez se obtuvo por interpolación de modelos digitales de 95 terreno con una resolución de 5 m del Plan Nacional de Ortofotografía (PNOA). En la elaboración del mapa de pendientes se utilizaron más de 400 ficheros en formato ASCII Matriz ESRI que cubren la totalidad de la superficie de Aragón. Acto seguido, mediante el módulo Spatial Analyst de ArcGis 10.1 se procedió a calcular el mapa de pendientes correspondiente. Para la fuzzificación de las pendientes y la formalización del FMSR se seleccionó la función fuzzy Small, donde la máxima pertenencia (valor=1) se asignó a las pendientes más cercanas a 0% y el menor grado de pertenencia (menor riesgo) se asignó a todas aquellas celdas con mayor pendiente. Con la finalidad de hacer coincidir el efecto de la pendiente en la disminución de la infiltración observada por Fox et al. (1997), se seleccionó un valor de propagación (f1) igual a 1 y para el punto medio de pertenencia (f2) se seleccionó el valor de 47%, resultando un valor de pertenencia igual a 0,7 para las pendientes de 20%. A continuación en la Figura III-17 se presenta de manera gráfica el FMSR de Aragón. Figura III-17 Factor medioambiental FM SR - Aragón 96 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP III.2.3.8 Factor FMFA: Acumulación de escorrentía Una vez que se ha considerado el efecto que tienen las pendientes sobre el proceso de infiltración, también es necesario ponderar el efecto que tiene la escorrentía en la generación de superficies de acumulación con distintas magnitudes. Para la justificación de la inclusión del FMFA en el modelo IVNA-LSP se utiliza la Figura III-18 a continuación, la cual representa las condiciones de flujo superficial de agua de escorrentía a través de terrenos con distintas pendientes. Para explicar el efecto que tienen las distintas superficies de acumulación debemos establecer el supuesto de que las precipitaciones se presentan de manera homogénea en las distintas pendientes de la Figura III-18, y con una intensidad constante de 20 mm/h. En tal sentido, es razonable esperar que la escorrentía superficial se incremente en la dirección del flujo de agua por la acumulación sucesiva de las distintas pendientes (A, B, C y D) hasta llegar al cauce de evacuación (E). Producto de ello, el espesor de la lámina de agua también se incrementará en la misma dirección. Las pendientes B y D, a pesar de tener la misma inclinación, presentarán distintas magnitudes de infiltración debido a las diferencias del espesor del flujo superficial. En resumen, el FMFA intenta establecer una diferenciación entre territorios con igual inclinación pero distinta escorrentía superficial. Aquellos terrenos con mayores valores de acumulación de escorrentía presentarán una infiltración potencial mayor. Figura III-18 Efecto de las superficies de acumulación de escorrentía 97 Para el cálculo de los flujos de acumulación en todo el territorio de Aragón se ha utilizado el método secuencial de ArcGis 10.1. A partir de un modelo digital de terreno (MDT), en nuestro caso el mismo utilizado para la elaboración del mapa de pendientes, se calcula la dirección de los flujos por celda o pixel y finalmente se obtiene el mapa de flujo acumulado por sumatoria de las celdas. En la Figura III-19 a continuación se aprecia la representación gráfica del procedimiento. Figura III-19 Procedimiento para el cálculo del flujo de acumulación En ArcGis 10.1 este procedimiento se implementa con la finalidad de obtener las distintas redes de drenaje que configuran una cuenca hidrológica. Los mayores valores representarán la red primaria (ríos), y los valores cercanos a «0» representarán las celdas de delimitación de la cuenca o en las cuales por la configuración geográfica, no confluye ninguna escorrentía superficial. En nuestro caso, la aplicación de este procedimiento no responde a la necesidad de delimitar cuencas hidrológicas ni redes de drenaje, sino más bien establecer una diferenciación entre la cantidad de agua que escurre por pendientes similares y ponderar de esta manera el riesgo de infiltración en estas superficies. En la formalización del FMFA de Aragón se decidió excluir los valores extremos de flujo de acumulación. La razón para ello se basa en que tanto las líneas divisorias de agua (celdas con valores cercanos a 0), como las redes de drenaje principal que confluyen a cauces o ríos (valores más altos), presentan dinámicas de infiltración distintas que no pueden ser tratadas mediante este criterio de diferenciación. Respecto al resto de la superficie, se procedió a realizar un suavizado de la imagen ráster a través de un redimensionamiento de las celdas, mediante el algoritmo de convolución cúbica de ArcGis 10.1 que utiliza un total de 16 vecinos cercanos para el cálculo del valor final de cada celda. 98 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP Una vez que se ha realizado el suavizado de la imagen ráster, se obtienen valores de flujo de acumulación muy altos que van desde “0” hasta más de 40 millones. Debido a la amplitud del rango, se genera un efecto de dilución gráfica de los valores más bajos, ya que el programa ArcGis 10.1 tiene una paleta de colores limitada e intenta ajustar el despliegue para diferenciar los valores máximos. Por tal razón, para su incorporación en IVNA LSP se decidió realizar de manera previa, una transformación logarítmica de la imagen, obteniendo valores que van desde 0 hasta 7,63, lo cual asegura una adecuada diferenciación gráfica de la información. Finalmente, respecto a la fuzzificación del FMFA de Aragón, se decidió utilizar una función Fuzzy lineal (Figura III-5), asignando el valor de pertenencia igual a 1 para aquellas celdas que poseen valores de 7,63 y el menor valor de pertenencia a aquellas celdas con valor igual a 0, es decir, el menor riesgo de infiltración por efecto del flujo de acumulación. La Figura III-20 a continuación representa el FMFA de Aragón. Figura III-20 Factor medioambiental FMFA - Aragón 99 III.3 CONCLUSIONES Desde el punto de vista metodológico es fundamental establecer zonas con distintos grados de vulnerabilidad. Actualmente los instrumentos de planificación que se aplican en España, si bien cumplen con los requerimientos de la Unión Europea, no permiten establecer zonas con grados intermedios de riesgo. Por otra parte, el concepto de vulnerabilidad no debe ser usado como sinónimo de «zonas afectadas»; y en aquellas designadas como «vulnerables» es claro que el grado de fragilidad en toda su extensión territorial no es bajo ningún concepto una constante. Por tales razones, el modelo IVNA-LSP intenta sistematizar el concepto de vulnerabilidad del territorio, estableciendo una jerarquización mediante la conjunción de un grupo de factores hidrogeológicos y medioambientales, los cuales a su vez son ponderados mediante criterios objetivos. Debido a que el modelo IVNA-LSP tiene su génesis en una necesidad específica y aplicada a la Comunidad Autónoma de Aragón, es que su aplicación en otros territorios estará restringida a ciertas condiciones particulares: i) estudios a escala regional con déficit de información de concentración de nitratos, ii) regiones caracterizadas por un clima mediterráneo continental, y iii) regiones donde las cuencas kársticas no sean las configuraciones hidrogeológicas predominantes. El modelo IVNA LSP propuesto considera 3 grupos de factores que de manera conjunta determinarán la vulnerabilidad del territorio ante la contaminación por nitratos. El primer grupo lo conforman aquellos relativos a la vulnerabilidad intrínseca de los acuíferos, estos son: tipo de acuífero (FHAC), profundidad de la tabla de agua (FHDG) y permeabilidad del terreno (FHPV). Dada la alta movilidad de los nitratos, la capacidad de atenuación del suelo estará basada en las condiciones que favorecen la nitrificación y posterior desnitrificación, más que a una barrera únicamente física que impide su lixiviación hacia capas más profundas. De tal forma, el segundo grupo de factores está compuesto por: textura del topsoil (FMTT), contenido de carbono orgánico (FMOC) y el pH (FMpH). De manera ideal, la vulnerabilidad del territorio por acción de la infiltración debería estimarse en función de la cantidad de agua efectiva que atraviesa las capas superficiales del suelo y la ZNS. Sin embargo, las balances hídricos a partir de las magnitudes de agua que se infiltran, que son evapotranspiradas y que escurren por la superficie, o la utilización de métodos directos, p. ej., simuladores de lluvia o infiltrómetros, no son abordables a nuestra escala de trabajo. 100 Capítulo III: Modelización paramétrica de vulnerabilidad ambiental: bases del modelo IVNA-LSP La cantidad de agua infiltrada depende de la cobertura vegetal, contenido de humedad y textura del suelo, intensidad de las precipitaciones, relieve, e inclusive de fenómenos locales como puede ser la salinización de los suelos, fenómeno que en Aragón tendría una importante presencia en la zona central del valle del Ebro (Isern, 2008) y que podría originar alteraciones en la tasa de infiltración normal. Debido a la compleja interacción de estos factores, IVNA-LSP realiza una simplificación de los distintos procesos responsables de la infiltración, es decir, entrada de agua, capacidad de retención y desplazamiento; y asume que la vulnerabilidad del territorio por infiltración potencial depende de un tercer grupo de factores medioambientales relativos al clima: precipitación (FMRR), evapotranspiración (FMET) y al relieve: pendientes (FMSR) y acumulación de escorrentía (FMFA); donde el factor FMRR representa la entrada de agua al sistema y los factores FMET, FMSR y FMFA intentan de manera conjunta modelar el efecto de la evapotranspiración y escorrentía superficial. A parte de sistematizar un método para determinar la vulnerabilidad del territorio a escala regional, otro de los principales aportes del modelo IVNA-LSP es que la evaluación se realiza a través de criterios objetivos y claramente fundamentados. Además, la utilización de las funciones fuzzy permite reproducir de mejor manera el efecto que tienen cambios en las magnitudes de los factores. Por ejemplo, el pH y su efecto en el potencial de desnitrificación no puede ser modelado a través funciones lineales, ya que el pH óptimo se encuentra cercano a la neutralidad y el grado de vulnerabilidad se incrementaría hacia ambos extremos (alcalinos o ácidos), situación en la cual la fuzzificación es una herramienta fundamental. La mayoría de los efectos que tienen los factores considerados por IVNA-LSP podrían de igual forma ser reproducidos a través de escalas discretas de puntuación. Sin embargo, a juicio del autor de esta tesis, el principal problema de los modelos paramétricos de EMC es la subjetividad a la cual están sometidos, desde sus escalas de puntuación hasta el carácter compensatorio que tienen sus estructuras de agregación. Por tal razón, la forma más coherente de disminuir estas deficiencias, es sentar las bases y las escalas de puntuación de la manera más objetiva que sea posible. 101 IV. DESARROLLO DE UN MODELO PARAMETRICO PARA LA DETERMINACION DE LA VULNERABILIDAD DEL TERRITORIO A LA CONTAMINACION POR NITRATOS DE ORIGEN AGRARIO: IVNA-LSP IV.1 INTRODUCCIÓN En el presente capítulo se desarrollan las actividades que permiten construir un modelo paramétrico coherente con las necesidades planteadas en el capítulo anterior. A partir de los 11 factores formalizados en las secciones III.2.2 y III.2.3, se crea una estructura lógica de agregación y ponderación que permite establecer una jerarquización de la vulnerabilidad del territorio de Aragón ante procesos de contaminación por nitratos de origen agrario. En el desarrollo de este capítulo se utilizan técnicas de evaluación multicriterio (EMC) las cuales se combinan con procedimientos de puntuación lógica de preferencias (LSP) y análisis jerárquico (AHP) para conseguir la estructura final de agregación de todos los factores considerados. Las secciones se encuentran dispuestas de manera secuencial. En la sección IV.2 se presenta el marco teórico relativo a las técnicas de evaluación multicriterio (EMC) y su aplicación en modelos de vulnerabilidad ambiental. En la sección IV.3 se define la estructura del modelo IVNA LSP y se presenta el mapa de vulnerabilidad de Aragón. Debido a la importancia del enfoque lógico de LSP y que es una 102 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP técnica nueva en lo que respecta a mapas de idoneidad, en esta sección se describen sus pasos metodológicos para la confección de cartografía y una breve reseña a los agregadores LSP. Adicionalmente, se presentan los resultados de las encuestas AHP realizadas al panel de expertos, que permiten obtener los pesos de cada uno de los factores considerados en el modelo. En las secciones IV.4 y IV.5 se llevan a cabo las tareas relativas a la verificación de los resultados y evaluación de la coherencia del modelo IVNA-LSP propuesto. IV.2 EVALUACIÓN MULTICRITERIO Y SU APLICACIÓN A MODELOS DE VULNERABILIDAD AMBIENTAL La evaluación multicriterio (EMC) se puede definir como el conjunto de técnicas, procedimientos o modelos de evaluación utilizados en la decisión multidimensional (Barredo, 1996). La EMC tiene sus orígenes en los años 70, cuando algunos expertos e investigadores, principalmente del área de planificación económica y toma de decisiones (Cochrane y Zeleny, 1973, Keeney y Raiffa, 1976) observaron las deficiencias de las técnicas tradicionales al abordar problemas multidimensionales. La evaluación multicriterio ha sido utilizada con éxito en una gran cantidad de estudios medioambientales, desde análisis de la gestión óptima del uso del suelo (Joerin et al., 2001, Beinat y Nijkamp, 2007); selección de medidas correctivas ante fenómenos de contaminación (Linkov et al., 2005); evaluaciones de impacto ambiental (Janssen, 2001, Brouwer y Van Ek, 2004); administración y gestión de recursos naturales (Tran et al., 2002, Mendoza y Prabhu, 2003); hasta la evaluación de fuentes de energías renovables (Georgopoulou et al., 1997, Pohekar y Ramachandran, 2004). Una revisión exhaustiva de sus aplicaciones en el ámbito de las ciencias ambientales puede ser vista en Kiker et al. (2005) o Huang et al. (2011). El objetivo de la EMC es ayudar en la selección de la «mejor alternativa», pero en un contexto donde existen criterios en competencia y muchas veces en conflicto (Voogd, 1982). La EMC surge como alternativa a problemas en los cuales se descarta la posibilidad de alcanzar una solución óptima, y se intenta buscar la «mejor» alternativa que satisfaga los criterios o preferencias del decisor. 103 IV.2.1 Definiciones básicas Para la mejor comprensión del desarrollo del modelo IVNA-LSP, a continuación se presenta un resumen de algunos elementos básicos de la EMC: Decisión La decisión es una elección entre alternativas. Las alternativas pueden representar diferentes caminos de acción o clasificaciones (Eastman et al., 1995). Una decisión en el campo de la gestión de residuos orgánicos puede ser la elección de la zona más adecuada para su utilización como fertilizantes, o en el ámbito de la protección del medio ambiente, puede ser la jerarquización de distintos grados de vulnerabilidad ambiental. Criterios Los criterios son los parámetros, directrices y puntos de referencia que permiten evaluar las opciones y alternativas del proceso de decisión. Los criterios son la base para que una decisión pueda evaluarse o medirse, y pueden ser clasificados en: factores y restricciones. Factores Un factor es un criterio que mejora o disminuye la valoración de una alternativa específica como solución a un problema (Eastman et al., 1995). Por ejemplo, la pendiente del suelo puede ser un factor que afecte la aptitud de un terreno para la siembra de un cultivo específico. Restricciones Una restricción limita las alternativas, es decir, sirve para determinar las alternativas que son válidas o aceptables y cuáles no. Generalmente las restricciones son de tipo binario. Por ejemplo, se pueden establecer áreas de protección de 500 m en torno a los pozos de consumo humano, donde cualquier alternativa que se encuentre a menor distancia, tendrá un valor de 0 y cualquier alternativa fuera de ese radio adquirirá un valor igual a 1. Pesos de los criterios Los pesos o nivel de prioridad de los criterios permiten establecer la importancia relativa de cada factor que es considerado en la evaluación, teniendo en cuenta la multidimensionalidad del problema. 104 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP IV.2.3.3 Teoría de Utilidad Multiatributo (MAUT) La base del método de utilidad multiatributo (Multi-attribute utility theory, MAUT) es que las preferencias del decisor son consideradas mediante una función de utilidad. El objetivo de MAUT es encontrar una expresión simple que cuantifique los beneficios netos de una decisión, utilizando para ello la racionalidad del decisor. MAUT es considerado como un método de EMC compensatorio (Guitouni y Martel, 1998). El avance de esta técnica se debe al trabajo de Keeney y Raiffa (1976), quienes desarrollaron un conjunto de procedimientos que permiten al decisor construir la función de utilidad global, a partir de la unión de funciones de utilidad simple para cada criterio. Los pasos metodológicos se pueden dividir en 3 fases: i) construcción de una matriz de rendimientos, ii) pruebas de independencia de los criterios y iii) construcción de la función de utilidad. El método MAUT ha sido aplicado con éxito en un gran número de estudios del área medioambiental (Kiker et al., 2005). Dentro de sus debilidades se encuentra el hecho de que la condición de independencia preferencial entre los atributos se acepta casi axiomáticamente. Además, la obtención de los pesos (funciones de utilidad simple) no se sustentan en un procedimiento claramente definido (Linkov et al., 2007). IV.2.3.4 Relaciones de superación Los llamados «métodos de superación» (outranking methods) se basan en la «comparación» entre alternativas. Estos métodos utilizan los conceptos de «concordancia» y «discordancia» definidos por Aubert (1986) y crean una estructura cuantitativa que establece la «dominancia» entre alternativas. Las principales ventajas de los métodos de superación son que la transitividad de las preferencias (independencia preferencial) no es limitante, caso de los modelos MAUT; y además, presentan un carácter no compensatorio (De Boer et al., 1998). Los métodos de superación más utilizados son: el método ELECTREE (Elimination Et Choix Traduisant la Realité) (Roy, 1968) y el método PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluations) (Brans et al., 1984). Aunque ELECTREE sentó sus bases dos décadas antes que PROMETHEE, es este último el que ha tenido mayor notoriedad, siendo ampliamente difundido a través de publicaciones científicas y en el ámbito académico (Behzadian et al., 2010). El punto de partida de PROMETHEE es la construcción de la tabla de evaluación de las distintas alternativas y criterios, también se debe establecer la importancia de cada uno de los 111 criterios y aportar información sobre la función de preferencia que utiliza el decisor. PROMETHEE no proporciona directrices específicas para la determinación de los pesos, ya que asume que el decisor es capaz de sopesar adecuadamente los criterios (factores). Una de las fortalezas de PROMETHEE es que cuenta con un importante soporte informático y desarrollo de software como lo es PROMETHEE-GAIA (Brans y Mareschal, 2005). Una de las limitaciones de PROMETHEE y en general de los métodos outranking, es que al analizar muchos criterios (más de siete), se dificulta la evaluación de sus resultados (Macharis et al., 2004). Por lo tanto, cuando la evaluación posee un mayor número de factores, resulta más razonable utilizar metodologías como AHP, ya que su configuración jerárquica le permite dividir el problema global en partes más pequeñas, facilitando la comprensión de los resultados y su posterior análisis. IV.2.3.5 El Proceso Analítico Jerárquico (AHP) El proceso analítico jerárquico (Analytic Hierarchy Process, AHP) fue desarrollado por Saaty (1980) y se basa en la construcción de una estructura jerárquica o «árbol de jerarquías», que permite al decisor abordar un problema multicriterio en forma sencilla. El método AHP se compone de cuatro pasos metodológicos: i) construcción de la estructura jerárquica; ii) establecimiento de prioridades (matriz de comparaciones); iii) evaluación de consistencia lógica y iv) determinación del vector de pesos. En primera instancia, el objetivo general se divide en tantas partes constituyentes como sea necesario. La finalidad es fraccionar el problema para facilitar la comprensión del decisor, y que mediante soluciones parciales se pueda conseguir una solución global. En segundo lugar, se requiere que el decisor evalúe de manera objetiva la importancia de los factores. La valoración se realiza mediante la comparación pareada de alternativas, ya que como fundamenta Saaty (1988): «La mente del ser humano no es capaz de considerar al mismo tiempo todos los factores de un problema y sus efectos ». Por lo tanto, se realiza una comparación de a pares y se otorgan puntuaciones de 1 a 9, valores que determinan la importancia relativa de un factor «A» en relación a un factor «B». Finalmente, como el decisor efectúa una gran cantidad de valoraciones, es factible que su criterio o puntuaciones se tornen inconsistentes, por lo cual el vector final de pesos o «eigenvector» podría no representar de manera objetiva sus prioridades de decisión. Para esta situación, el método AHP cuenta con las herramientas necesarias para evaluar la consistencia de los resultados, este es el índice de consistencia (consistency index, CI). Saaty (1985) 112 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP propone que la inconsistencia no debe ser superior al 10%. Un valor mayor invalidaría el proceso de comparación pareada. El éxito de AHP puede ser corroborado en las exhaustivas revisiones bibliográficas realizadas a sus aplicaciones (Pohekar y Ramachandran, 2004, Kiker et al., 2005, Ho, 2008). Sin embargo, esta técnica no ha estado exenta de críticas. Belton y Gear (1983) señalan que ante la modificación de una o más alternativas, es posible alterar el orden preestablecido del eigenvector, lo que se denomina «inversión de la jerarquización» (rank reversal). Otra de las observaciones que se ha realizado al método AHP es su escala de puntuación, es decir de 1 a 9. En problemas reales de toma de decisiones es complejo diferenciar si una alternativa «A» es 5 o 7 veces más importante que «B» (Dyer, 1990). Finalmente, si bien su agregación de tipo aditivo lo presenta como un método sencillo, también trae consigo el problema de la compensación «trade-offs» (Macharis et al., 2004). IV.2.3.6 Puntuación lógica de las preferencias (LSP) La puntuación lógica de las preferencias (Logic Scoring of Preferences, LSP) es un método propuesto de manera original por Dujmović y Nagashima (2006). LSP surge como un método de agregación no lineal y con una lógica flexible, utilizado inicialmente para la evaluación de software. Recientemente se han sentado las bases para su utilización en la elaboración de mapas de idoneidad «S-maps» (Dujmović y Tré, 2011). Debido a que LSP es el método seleccionado para la agregación de los factores de IVNA-LSP, en la sección IV.3.1 se ofrece una descripción detallada de la técnica y se fundamenta la elección. IV.2.4 Análisis de sensibilidad en modelos de EMC En los modelos de evaluación multicriterio, el análisis de sensibilidad «AS» y el análisis de incertidumbre «AI» son enfoques complementarios para evaluar su calidad y robustez, y de manera conjunta permiten comprender la influencia que tienen los supuestos (estructura) y parámetros seleccionados (inputs) sobre los resultados del modelo (output) (Saltelli et al., 2000). El AS evalúa la forma en que las variaciones de los resultados pueden ser explicadas por variaciones de los distintos componentes, es decir, determina la dependencia del modelo a 113 sus entradas. Por otra parte, el AI evalúa la incertidumbre de los resultados, debido a la propagación de errores en los datos de entrada e incertidumbres del modelo en sí. En la Figura IV-2 a continuación se representa el carácter complementario de AI y AS. Mediante la unión de ambos es posible conocer la importancia de los factores y el efecto de propagación de sus errores. Figura IV-2 Análisis de sensibilidad e incertidumbre en un proceso de modelización Ambos análisis responden a la búsqueda de aquellos factores más «importantes», es decir, aquellos que producto de su incertidumbre contribuyen a la incertidumbre en los resultados del modelo; y también a encontrar aquellos factores más «sensibles», los cuales tienen un impacto considerable en los outputs. Un parámetro importante (AI) siempre será «sensible», ya que de otra forma su variación no se reflejaría en los resultados. Por otra parte, un parámetro «sensible» (AS) puede no ser «importante». Las técnicas complementarias AS/AI que se aplican a los modelos de EMC pueden clasificarse en locales y globales. Las «técnicas locales» se centran en evaluar el impacto directo que tiene la modificación de un parámetro sobre el resultado del modelo (output) (Saltelli et al., 1999). Para ello se mantienen constantes todos los factores, excepto el que se pretende analizar (XA). Si pequeñas modificaciones del factor generan grandes variaciones en el output, se dice que el modelo es muy sensible a XA. Las «técnicas globales» también analizan el efecto que tiene la variación de un parámetro en la respuesta del modelo, pero utilizando para ello una muestra aleatoria de los valores que éste puede adquirir. La muestra aleatoria se obtiene a partir del modelo teórico de distribución de probabilidades del factor en cuestión (FDP). Este tipo de análisis entrega una medida de la incertidumbre del modelo, ya que estima las variaciones del output debido a las variaciones características de las entradas (Tiscareno-Lopez et al., 1993). 114 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP A continuación se realiza una breve descripción de los principales métodos locales y globales. Para mayores detalles se recomienda consultar las publicaciones de Frey y Patil (2002) y Saltelli et al. (2004). IV.2.4.1 One-at-a-time (OAT) Es el más sencillo de los métodos locales y consiste en realizar variaciones a un parámetro de entrada, manteniendo constantes el resto de los factores. La práctica común es realizar pequeños cambios porcentuales a un factor y cuantificar el efecto en la salida del modelo (output). IV.2.4.2 Errores múltiples e interacciones En el ámbito de la EMC, es razonable que dos o más factores de un modelo puedan presentar errores al mismo tiempo. En consecuencia, otro enfoque necesario es aquel destinado a determinar el impacto de variaciones múltiples. A través de la sencilla modificación de más de un parámetro o grupo de factores, es posible evaluar el efecto conjunto y las posibles interacciones que se puedan generar. IV.2.4.3 Índice de sensibilidad (Sensitivity Index, SI) El Índice de sensibilidad (SI) es otro de los métodos locales de sencilla aplicación. El procedimiento consiste en calcular la diferencia en las salidas del modelo, producto de la variación de un factor entre su valor máximo y mínimo (Hamby, 1995). El cálculo de SI está dado por [IV-4]. 𝑆𝐼= 𝐷𝑚𝑎𝑥− 𝐷𝑚𝑖𝑛 𝐷𝑚𝑎𝑥 [ IV-4] Donde: Dmin es el output mínimo D max es el output máximo 115 IV.2.4.4 Método de desviación relativa Los métodos precedentes se basan en el estudio de la variabilidad local del modelo, en tanto, el método de desviación relativa y los presentados a continuación se consideran técnicas globales. El método de desviación relativa se desarrolla bajo la misma lógica de OAT, donde se estudia el efecto que tiene la variación de un parámetro a la vez. El indicador de sensibilidad de esta técnica se define como «desviación relativa» (relative deviation, RD) y corresponde al ratio de la desviación estándar y la media aritmética de la FDP del output del modelo. IV.2.4.5 Método de coeficientes de regresión estandarizados (SRC) El método de los coeficientes de regresión estandarizados o «coeficientes Beta, β» permite valorar la importancia relativa de cada variable independiente o «factor» dentro de la ecuación lineal. La forma general de una regresión simple puede expresarse mediante [IV-5]. 𝑌= 𝐵 0 + �𝐵 𝑘 𝑋 𝑘 𝑘 [ IV-5] Donde: X k es la k-ésimo factor o variable independiente B k son los coeficientes de regresión Los coeficientes Beta se obtienen tras estandarizar las variables originales, es decir, tras convertir las puntuaciones originales en típicas. Por consiguiente, son directamente comparables entre sí. Indican la variación, en puntuaciones típicas, que se producirá en la variable dependiente (output del modelo) por cada cambio de una unidad en la correspondiente variable independiente (factores). Los coeficientes β se obtienen mediante [IV-6]. 𝛽𝑘= 𝐵𝑘· 𝑆𝑥 𝑆𝑦 [ IV-6] Donde: B k es el k-ésimo coeficiente de regresión S x y S y son las desviaciones típicas o estándar 116 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP Los métodos de regresión lineal son sensibles a todas las distribuciones (FDP) de los inputs, y proporcionan una medida de la varianza del output debida a cada factor de entrada (Hamby, 1994); sin embargo, para su aplicación en modelos de EMC es fundamental que presenten un comportamiento lineal y monótono (Saltelli et al., 1999). Adicionalmente, se debe verificar que el coeficiente de determinación (R2), asociado al ajuste sea cercano a 1. En otras palabras, si R2 presenta un valor de 0,6 esto implicaría que existe una importante porción de la varianza del output (40%), que no se explicaría por variaciones de los factores del modelo. De acuerdo con Campolongo et al. (2000), valores de R2 > 0,7, asegurarían que los coeficientes de regresión son buenos indicadores de la proporción de incertidumbre debida a cada variable de entrada. IV.2.4.6 Coeficiente de regresión estandarizado por rango (SRRC) En el caso de que la linealidad no sea evidente, existen métodos basados en la transformación del rango16 (Rank-based methods) que modifican los valores de las variables (factores) y las llevan a una relación lineal (Saltelli et al., 1999), entre ellos SRRC. SRRC es simplemente una extensión de SRC, donde los conjuntos de entrada Xk y los output Yk, se transforman en una jerarquía de datos, de manera previa al cálculo de los coeficientes Beta. Los valores de SRRC son indicativos de la influencia, en unidades de desviación estándar, que tiene un factor sobre el resultado final del modelo de EMC. IV.2.4.7 Test de análisis de sensibilidad de Fourier (FAST) El test de sensibilidad de Fourier (Fourier Amplitude Sensitivity Test, FAST) es uno de los métodos globales basados en la varianza (“Variance-Based Methods”). Las técnicas de AS basadas en la varianza son la mejor opción para modelos de EMC en los que no existe un comportamiento lineal, ni monótono (Saltelli et al., 1999). Utilizan muestras aleatorias obtenidas a partir de simulaciones de Monte Carlo (MC) o Latin Hypercube Sampling (LHS), considerando un total de k factores de entrada (inputs) y N muestras. Este tipo de técnicas calcula el «índice de sensibilidad» (sensitivity index, Si), donde para un factor de entrada Xi, el Si representa la proporción de la varianza total del modelo que es debida a la influencia de Xi. 16 transformación de rango: al valor más pequeño que presenta una variable se le asigna el valor=1, al siguiente valor =2; finalmente al mayor valor que adquiere la variable se le asigna un valor igual al tamaño de la muestra. 117 Los «Variance-Based Methods» realizan la descomposición de la varianza total del modelo en tantas partes como relaciones existan entre los distintos factores, acción que puede expresarse mediante [IV-7]. 𝑉(𝑌) = � 𝑉𝑖 + �𝑉𝑖𝑗 𝑖<𝑗 + � 𝑉𝑖𝑗𝑚 𝑖<𝑗<𝑚 + … + � 𝑉12..𝑘 𝑖<⋯𝑘 𝑖 [ IV-7] Donde: V(Y) es la varianza total V i es la varianza debida al factor i V ij , V ijm son las varianzas por interacciones entre factores i, j y m Entonces el índice de sensibilidad de primer orden Si, estaría dado por [IV-8]. 𝑆𝑖=𝑉[ 𝐸 (𝑌|𝑋𝑖)] 𝑉(𝑌) [ IV-8] Donde: 𝑉[𝐸 (𝑌|Xi)] es la varianza de primer orden El índice Si es la cantidad de varianza esperada de primer orden, es decir, representa la parte de variación de Y que se explicaría únicamente por el factor Xi. A pesar de la ventaja que tiene el método FAST sobre las técnicas locales y de regresión, no es eficiente en la estimación de índices de sensibilidad de orden superior (Saltelli y Bolado, 1998). En respuesta a esta limitación, el método Extended FAST (E-FAST) propuesto por Saltelli et al. (1999), permite calcular índices de sensibilidad de orden superior, es decir, permite cuantificar la interacción «entre factores» y su efecto sobre la varianza total del modelo. E-FAST calcula el llamado “índice de sensibilidad total” (total sensitivity index, STi), que se define como la suma de todos los efectos (de primer orden y superiores) asociados a cada factor Xi. De tal forma si consideramos un modelo de EMC de 3 factores, los STi estarían dados por las expresiones de [IV-9]. ST1 = S1 + S12+ S13 + S123 ST2 = S2 + S12+ S23 + S123 ST3 = S3 + S13+ S23 + S123 [ IV-9] 118 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP IV.3 DISEÑO DE LA ESTRUCTURA DEL MODELO PARAMÉTRICO IVNA-LSP El objetivo de esta sección es formalizar la estructura de agregación (árbol de jerarquías, pesos y operadores LSP) del modelo paramétrico IVNA-LSP. Una vez que se han normalizado los 11 factores considerados (secciones III.2.2 y III.2.3), es necesario construir una estructura lógica de agregación que combine la información de los factores en la proporción y forma adecuada. En la sección IV.2.3 del presente capítulo se han presentado las principales técnicas de EMC, desde las más sencillas (p.ej., ponderación lineal) a otras de mayor complejidad, como es el caso de LSP, que es la técnica seleccionada para la agregación de los factores del modelo IVNA. Los motivos de su elección se exponen en los siguientes puntos: • La mayoría de las técnicas de EMC presentan restricciones respecto al número de criterios o factores. Por consiguiente, limitan la capacidad de análisis del decisor y la necesidad de diferenciar distintas configuraciones. • A diferencia de la mayoría de las técnicas de EMC, LSP permite al decisor construir una estructura de agregación que refleja las características del razonamiento humano (Dujmovic, 2012). A través de operadores lógicos que se basan en la «Función de Conjunción-Disyunción Generalizada» (Generalized Conjunction/Disjunction, GCD), permite modelar condiciones de: simultaneidad, neutralidad y reemplazabilidad. De tal forma, LSP puede comportarse como una técnica compensatoria (trade-off) o no compensatoria, permitiendo al decisor elegir los criterios que pueden ser compensados y cuales presentan restricciones al respecto. • LSP entrega un total de 17 operadores de agregación, que van desde un grado máximo de reemplazabilidad (8 niveles), pasando por la neutralidad (1 nivel), hasta llegar a la máxima simultaneidad (8 niveles) (Dujmović y Nagashima, 2006). En consecuencia, nos otorga la base para evaluar una preferencia con distintos grados de intensidad. Por ejemplo, en el caso de IVNA, nos permite establecer la condición de «simultaneidad» entre los factores profundidad del acuífero (FHDG) y permeabilidad de ZNS (FHPV), donde un valor de vulnerabilidad «alto» se obtendrá siempre y cuando ambos factores presenten un valor de pertenencia elevado y con intensidad similar. 119 • En el contexto de la toma de decisiones, no todas las evaluaciones se definen por el grado de conjunción «operador booleano “y”» o por el grado de disyunción «operador booleano “o”». En otras palabras, la preferencia entre factores, en algunos casos, no puede establecerse como “perfectamente” reemplazable o simultánea. Esta es la situación de aquellos factores que pueden definirse como «opcionales» o «deseables». En el caso de IVNA, el factor pH (FMpH) tiene un carácter de «deseable», ya que un valor de pertenencia alto (vulnerabilidad) no afectará al potencial de desnitrificación; sin embargo, un valor de pertenencia bajo (cercano a la neutralidad), tendrá un efecto que favorecerá dicho proceso. En este sentido, LSP proporciona las bases para construir operadores complejos que responden a esta necesidad, caso del operador: «Conjunctive Partial Absorption» (CPA), que puede ser utilizado para la agregación de factores «obligatorios» y «deseables». La aplicación de LSP en el desarrollo de mapas de idoneidad ha sido formalizada de manera reciente (Dujmović et al., 2008, Dujmović et al., 2010, Dujmović y Tré, 2011), además no se han encontrado más publicaciones que la propuesta por Passuello et al. (2012). Por lo tanto, se considera oportuno realizar una breve descripción de esta técnica y su procedimiento de aplicación. IV.3.1 Descripción del método Logic Scoring of Preferences Inicialmente, LSP fue concebido como un enfoque general de EMC para el análisis de entornos de programación (IDE), navegadores web o interfaces de usuario (Dujmović y Nagashima, 2006). Recientemente su aplicación se ha extendido al estudio del espacio geográfico, donde sus autores proponen el concepto de «LSP-maps» y lo definen como: “La distribución espacial del grado global de idoneidad para un determinado fin o uso”. IV.3.1.1 Etapas para la creación de LSP-maps A través del enfoque LSP, los mapas de idoneidad pueden ser creados a partir de 4 pasos fundamentales: i) creación del árbol de atributos; ii) definición de los criterios elementales; iii) creación de la estructura de agregación y iv) cálculo del grado de idoneidad global. 120 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP encuesta AHP, donde cada una de las capas fue sometida a una comparación pareada con los elementos de su nivel correspondiente. Nivel A id Nivel B id Nivel C FHAC A1 Vulnerabilidad intrínseca B1 Vulnerabilidad global FHDG A2 FHPV A3 FMTT A4 Potencial de desnitrificación B2 FMOC A5 FMpH A6 FMRR A7 Potencial de infiltración B3 FMET A8 FMSR A9 FMFA A10 FMLC A11 Carga de nitrógeno B4 IV.3.2.2 Matrices de comparaciones Una vez establecida la estructura jerárquica, se deben realizar comparaciones pareadas entre los factores de un determinado sistema (elementos del nivel A), y posteriormente se realiza la comparación pareada entre las capas de sistemas (elementos del nivel B). La técnica AHP estipula que quien toma las decisiones, en nuestro caso al panel de 10 expertos (Anexo A), debe evaluar la importancia entre pares de alternativas. Para ello se atribuyen valores numéricos a sus preferencias, entregando finalmente una síntesis de las mismas mediante la agregación de sus juicios parciales. Para estas comparaciones se utiliza la escala numérica propuesta por Saaty (1980), que va desde 1 hasta 9. La Tabla IV-3 a continuación presenta la definición de los valores que adquiere dicha escala. Tabla IV-2 Estructura AHP del modelo paramétrico IVNA LSP 127 Valor Definición Comentarios 1 Igual importancia El factor X es igual de importante que el factor Y 3 Importancia moderada Su experiencia y juicio favorecen ligeramente al factor X sobre Y 5 Importancia grande Su experiencia y juicio favorecen fuertemente al factor X sobre Y 7 Importancia muy grande El factor X es mucho más importante que el factor Y 9 Importancia extrema La mayor importancia del factor A por sobre el B está fuera de toda duda. A partir de la escala fundamental de comparaciones de AHP se construyen las distintas matrices de comparación. Una matriz de comparación «D» puede expresarse como [IV-12]. 𝐶1 𝐶2 𝐶3… 𝐶𝑛 𝐷= 𝐶 1 𝐶2 𝐶3 ⋮ 𝐶𝑛 ⎣ ⎢ ⎢ ⎢ ⎡ 𝑎 11 𝑎 12 𝑎 13 …𝑎 1𝑛 𝑎21 𝑎22 𝑎23 𝑎2𝑛 𝑎31 𝑎32 𝑎33 𝑎3𝑛 ⋮ ⋮ 𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 …𝑎𝑛𝑛 ⎦ ⎥ ⎥ ⎥ ⎤ [ IV-12] Donde: a ij representa el grado de preferencia del iésimo criterio sobre el jésimo criterio Para todo a ij, a ij = 1 / a ji IV.3.2.3 Determinación del vector de prioridades Existen dos métodos básicos para establecer el vector de prioridades derivado de las matrices de comparación o juicios individuales, estos son: i) El método del valor propio (Eigenvalue method, EVM) (Saaty, 1980, Saaty, 2003) y ii) El método de la media geométrica por filas (Row geometric mean method, RGMM), también conocido como método de mínimos cuadrados logarítmicos. Ambos métodos de priorización permiten obtener el vector de prioridades (𝑤) que cumple las condiciones expresadas en [IV-13] a continuación. Tabla IV-3 Escala fundamental de comparaciones AHP 128 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP 𝑤= (𝑤1, … , 𝑤𝑛)𝑇,𝑤𝑖≥0 , �𝑤𝑖 𝑛 𝑖=1 = 1 [ IV-13] Donde: 𝑤 es el vector de prioridades Método del valor propio (EVM) Saaty (1980) propone que el eigenvector principal de la matriz de juicios «D» representa el vector de prioridades 𝑤, y que puede ser obtenido mediante la solución de [IV-14] a continuación. 𝐷 𝑤= 𝜆𝑚𝑎𝑥 𝑤 [ IV-14] Donde: 𝜆𝑚𝑎𝑥 es el valor propio principal (eigenvalue) de la matriz D Método de la media geométrica por fila (RGMM) Crawford y Williams (1985) proponen que el vector de prioridades 𝑤 puede ser obtenido mediante la solución de [IV-15]. 𝑤 𝑖 = �∏𝑎𝑖𝑗 𝑛 𝑗=1 𝑛 ∑�∏𝑎𝑖𝑗 𝑛 𝑗=1 𝑛 𝑛 𝑖=1 [ IV-15] Donde: a ij representa el grado de preferencia del i-ésimo criterio sobre el j-ésimo criterio Respecto a las ventajas y debilidades de ambos métodos, existen numerosas publicaciones, que por una parte respaldan a EVM como método de priorización (Saaty y Vargas, 1984, Saaty, 1990, Saaty y Hu, 1998); y otras que señalan la superioridad de RGMM, sobre todo en la priorización de matrices de decisión grupal (Aguaron y Moreno-Jiménez, 2003, Escobar et al., 2004, Dong et al., 2010). Este punto no será discutido en esta tesis. La elección del método de priorización de IVNA-LSP se basará en los resultados de las pruebas de consistencia y su utilidad en la tarea de obtener los vectores de prioridad. 129 IV.3.2.4 Evaluación de la consistencia Las matrices de comparación son el resultado de las decisiones del panel de expertos, los cuales se han seleccionado para que evalúen la importancia de los factores de IVNA-LSP en el contexto general de la contaminación de nitratos. No obstante, sus juicios o decisiones no están exentos de faltas o inconsistencias, ya sea por errores en la cumplimentación de la encuesta o por intereses personales relativos a un determinado campo de estudio. Toda matriz de comparación debe ser consistente, de tal forma que su clasificación sea, por una parte transitiva y que la valoración numérica sea coherente. Por ejemplo, supongamos una matriz «D» compuesta por la valoración de 3 factores (X1, X2, X3) [IV-16]. 𝐷= �1 3 5 1 3 ⁄1 3 1 5 ⁄1 3 ⁄ 1� [ IV-16] Al interpretar esta matriz de comparaciones se puede decir que el factor X1 es 3 y 5 veces más importante que X2 y X3 respectivamente, cumpliéndose de esta forma la condición de transitividad entre los factores; sin embargo, la valoración numérica representada en «D» no es consistente, ya que se sabe que X1 = 3X2 y X1 = 5X3, entonces X2 = (5/3)·X3, pero el valor presentado en «D» para dicha comparación es X2 = 3X3. En la práctica, al tratar con múltiples comparaciones, esta situación de «consistencia perfecta» rara vez puede verse representada en la matriz de comparaciones. En consecuencia, un paso obligatorio en la determinación de los vectores de prioridad (individual o grupal) es evaluar su consistencia, y obtener así un vector de pesos coherente con las prioridades manifestadas por el decisor. Para dicha labor, tanto EVM como RGMM disponen de distintos procedimientos para obtener su índice de consistencia (IC). Índice de consistencia del método EVM Para determinar la consistencia de la matriz de valoraciones original D, se calcula en primer lugar el índice de consistencia (IC) definido en [IV-17] a continuación. 𝐼𝐶= 𝜆𝑚𝑎𝑥− 𝑛 𝑛−1 [ IV-17] Donde: 𝜆𝑚𝑎𝑥 es el valor propio principal (eigenvalue) de la matriz D 𝑛 es el número de factores 130 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP Acto seguido, se calcula el Ratio de Consistencia (RC) mediante [IV-18] presentada a continuación. 𝑅𝐶= 𝐼𝐶 𝑅𝐼 [ IV-18] Donde: RI (random index) es el índice de consistencia de una matriz de comparaciones pareadas generadas de manera aleatoria RI depende del orden de la matriz original de evaluación y sus valores se presentan en la Tabla IV-4 a continuación (Saaty, 1980). N 2 3 4 5 6 7 8 9 10 RI 0 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 Finalmente, el valor de RC debe ser menor que 0,10 (Saaty, 1980). En el caso de que se obtengan valores superiores, es probable que los juicios del decisor sean inconsistentes. En tal situación, una de las alternativas es proceder a una reevaluación de la matriz pareada, o en su defecto, modificar la estructura jerárquica para lograr un mejor nivel de comprensión. Índice de consistencia método RGMM El índice de consistencia geométrico (GCI) se encuentra dado por [IV-19] a continuación (Crawford y Williams, 1985). 𝐺𝐶𝐼 (𝐷)= 2 (𝑛−1)(𝑛−2) ��𝑙𝑛𝑎𝑖𝑗 –𝑙𝑛𝑤𝑖+𝑙𝑛𝑤𝑗�2 𝑖<𝑗 [ IV-19] Donde: 𝑤= (𝑤1, … , 𝑤𝑛) es el vector de prioridades de D 𝐷= �𝑎𝑖𝑗� Respecto a los límites de consistencia, Aguaron y Moreno-Jiménez (2003) entregan dichos umbrales: 0,3147; 0,3526 y 0,370, para n=3, n=4 y n>4, respectivamente. Tabla IV-4 Índice aleatorio de consistencia (RI) 131 IV.3.3 Resultados encuesta IVNA y determinación de los pesos del modelo El problema que se plantea en este apartado es lograr obtener un único vector de pesos (𝑤𝐺), que represente el juicio «grupal» de todos los encuestados. El primer paso para obtener una solución a este problema relativo a decisiones grupales, es dar respuesta a las cuestiones que plantean Forman y Peniwati (1998) en relación a: i) la estructura del grupo; ii) el procedimiento matemático a utilizar en la agregación; y iii) la importancia de cada juicio individual. • Respecto a la primera cuestión, el panel de expertos que ha cumplimentado la encuesta IVNA proviene de distintas instituciones y campos científicos; donde sus decisiones son personales e independientes del contexto grupal. Por consiguiente, el enfoque seleccionado para su agrupación es la agregación individual de sus prioridades «AIP», para lo cual se lleva a cabo la agregación de los vectores de prioridad individuales y posteriormente se obtiene el vector de prioridad grupal. En el caso de que los encuestados fueran parte de un grupo homogéneo, donde las individualidades se diluyen; el enfoque de estudio sería la agregación individual de sus juicios «AIJ». Para ello se construiría una matriz de juicios del grupo, de la cual posteriormente se derivaría el vector grupal de prioridades. • Respecto al procedimiento seleccionado, es decir EVM o RGMM, Forman y Peniwati (1998) señalan que en el caso de que los encuestados actúen de manera individual «AIP», ambos procedimientos de priorización pueden ser utilizados. Por lo tanto, nuestra selección para IVNA-LSP se basará en los índices de consistencia. • El último punto a definir antes de obtener el vector de priorización, tiene que ver con la importancia de cada uno de los expertos en la valoración global. Debido a los distintos campos profesionales de los encuestados, resulta imposible establecer el grado de importancia de sus juicios. De tal manera, se ha asumido que todos los criterios expertos tienen la misma ponderación. 132 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP IV.3.3.1 Resultados vectores de priorización – EVM Las siguientes tablas presentan los vectores de priorización individuales obtenidos mediante EVM. Al analizar los resultados de los factores hidrogeológicos (Tabla IV-5), se aprecia que la totalidad de los encuestados presentan RC < 0,1, por lo cual en la obtención del vector grupal 𝑤𝐺1 se han utilizado todos los vectores individuales. Respecto a la importancia relativa de los factores, el grado de confinamiento del acuífero (A1) y la permeabilidad del terreno (A3) adquieren niveles de ponderación similares, en tanto la profundidad del acuífero (A2) aparece con un carácter secundario. Factor Experto 1 2 3 4 5 6 7 8 9 10 A 1 0,193 0,429 0,714 0,746 0,724 0,633 0,074 0,074 0,106 0,106 A 2 0,083 0,143 0,143 0,134 0,083 0,260 0,643 0,283 0,260 0,260 A 3 0,724 0,429 0,143 0,120 0,193 0,106 0,283 0,643 0,633 0,633 RC 6% 0% 0% 1% 6% 3% 6% 6% 3% 3% 𝑤𝐺1= (0,380 0,229 0,391)𝑇 Al analizar los factores edáficos y su importancia en el contexto del potencial de desnitrificación, la Tabla IV-6 a continuación presenta los vectores individuales de los 10 encuestados, de donde se desprende que existe un claro consenso respecto a la mayor relevancia del factor A5 (carbono orgánico) y el rol secundario de A6 (pH). Para el cálculo del vector grupal 𝑤𝐺2 se utilizaron aquellos vectores individuales con un RC < 0,1. Factor Experto 1 2 3 4 5 6 7 8 9 10 A 4 0,260 0,429 0,200 0,260 0,061 0,405 0,193 0,429 0,633 0,748 A 5 0,633 0,429 0,600 0,633 0,723 0,480 0,724 0,429 0,260 0,180 A 6 0,106 0,143 0,200 0,106 0,216 0,115 0,083 0,143 0,106 0,071 RC 3% 0% 0% 3% 10% 3% 6% 0% 3% 3% 𝑤𝐺2= (0,395 0,486 0,119)𝑇 Tabla IV-5 Vectores de priorización individuales Factores Hidrogeológicos - EVM Tabla IV-6 Vectores de priorización individuales Factores edáficos - EVM 133 Para la valoración de la importancia grupal de los factores relativos al clima y relieve, se utilizaron aquellos 8 vectores de prioridad individual que cumplen con las condiciones de consistencia ya mencionadas. En términos generales, la Tabla IV-7 a continuación muestra que existe un consenso en que el factor A7 (precipitaciones) es aquel con mayor importancia en el ámbito del potencial de infiltración, en tanto A8 (FMET) y A10 (FMFA) tendrían una importancia similar y de carácter secundario. Factor Experto 1 2 3 4 5 6 7 8 9 10 A 7 0,608 0,555 0,628 0,564 0,590 0,251 0,505 0,473 0,555 0,628 A 8 0,062 0,252 0,064 0,063 0,154 0,068 0,275 0,122 0,097 0,064 A 9 0,204 0,097 0,154 0,223 0,189 0,614 0,169 0,122 0,097 0,154 A 10 0,125 0,097 0,154 0,150 0,067 0,068 0,052 0,283 0,252 0,154 RC 9% 2% 3% 11% 10% 8% 9% 6% 2% 3% 𝑤𝐺3= (0,525 0,126 0,201 0,148)𝑇 Uno de los principales desafíos en el diseño de la encuesta era disminuir los sesgos relativos a la subjetividad de los participantes. A través de la selección de expertos de distintas áreas científicas se pretendía evitar los sesgos por «representatividad» de la muestra. No obstante, es un hecho que sus respuestas estarán influenciadas en mayor o menor medida por su campo de acción profesional. Otro sesgo en las encuestas es originado por la forma en que se realizan las preguntas (Fowler, 1995). Al someter a juicio la importancia de las capas del sistema (B1, B2, B3 y B4), los expertos estaban expuestos por una parte a la subjetividad de evaluar un concepto como «vulnerabilidad», y además podrían haber basado sus respuestas en una situación «optimista», donde la fertilización nitrogenada se realiza de manera responsable; o bien en otra completamente opuesta, visión «pesimista», en la cual el territorio está sometido a grandes presiones ambientales. Esta dicotomía entre optimismo y pesimismo generaría un importante sesgo en sus valoraciones. Como el fin de IVNA-LSP es obtener el grado de vulnerabilidad de un territorio heterogéneo, la evaluación de las capas de sistema debía responder a una visión no polarizada. Por esta razón, la encuesta IVNA consideró dos situaciones hipotéticas (optimista y pesimista), Tabla IV-7 Vectores individuales de priorización Factores clima y relieve - EVM 134 Capítulo IV: Desarrollo del modelo paramétrico IVNA-LSP cuyas puntuaciones han sido promediadas. La importancia relativa de B1, B2, B3 y B4 se muestra en la Tabla IV-8 a continuación. Factor Experto 1 2 3 4 5 6 7 8 9 10 B 1 0,411 0,201 0,465 0,465 0,369 0,385 0,232 0,358 0,382 0,363 B 2 0,057 0,079 0,111 0,102 0,066 0,102 0,085 0,053 0,139 0,085 B 3 0,122 0,201 0,188 0,135 0,081 0,058 0,115 0,367 0,168 0,082 B 4 0,411 0,519 0,236 0,299 0,483 0,454 0,568 0,222 0,311 0,470 RC 4% 2% 1% 8% 17% 9% 8% 3% 5% 7% 𝑤𝐺4= (0,362 0,090 0,160 0,388)𝑇 El vector grupal 𝑤𝐺4 representa la importancia que otorga el grupo de expertos, a través del método de priorización EVM a cada una de las capas del sistema. Las capas B1 (vulnerabilidad intrínseca) y B4 (fuentes de nitrógeno) son aquellas que presentan un mayor nivel de importancia en el contexto general de la vulnerabilidad del territorio, con una ponderación de 0,362 y 0,388 respectivamente. Con un papel secundario o diferenciador se presentan las capas relativas al potencial de desnitrificación (B2) e infiltración (B3) que adquieren valores de 0,090 y 0,160, respectivamente. IV.3.3.2 Resultados vectores de priorización – RGMM Las siguientes tablas presentan los vectores de priorización individuales y grupales obtenidos mediante RGMM. Al analizar los resultados de los factores hidrogeológicos (Tabla IV-9) se aprecia que la totalidad de los encuestados presentan GCI < 0,3147 (n=3), por lo cual en la obtención del vector grupal 𝑤𝐺1 se han utilizado todos los vectores individuales. Respecto a la importancia relativa de los factores, se observa un patrón equivalente al obtenido mediante EVM, donde el grado de confinamiento del acuífero (A1) y la permeabilidad del terreno (A3) adquieren niveles similares de ponderación, en tanto la profundidad del acuífero (A2) aparece con un carácter secundario. Tabla IV-8 Vectores de priorización individuales de las capas del sistema - EVM 135 Factor Experto 1 2 3 4 5 6 7 8 9 10 A 1 0,188 0,429 0,714 0,747 0,731 0,637 0,072 0,072 0,105 0,105 A 2 0,081 0,143 0,143 0,134 0,081 0,258 0,649 0,279 0,258 0,258 A 3 0,731 0,429 0,143 0,119 0,188 0,105 0,279 0,649 0,637 0,637 GCI 0,194 0,000 0,000 0,038 0,194 0,115 0,194 0,194 0,115 0,115 𝑤𝐺1= (0,339 0,251 0,410)𝑇; 𝐺𝐶𝐼= 0,00285 Respecto a los factores edáficos y su importancia en el contexto del potencial de desnitrificación, la Tabla IV-10 a continuación presenta los vectores individuales de los 10 encuestados. Para el cálculo del vector grupal 𝑤𝐺2 se utilizaron aquellos vectores individuales que son derivados de matrices que cumplen con la condición GCI < 0,3147. El factor A5 (materia orgánica) se presenta como aquel de mayor importancia relativa (49%), en tanto los factores A4 y A6 presentan ponderaciones de 39% y 12%, respectivamente. El patrón del vector grupal obtenido mediante RGMM exhibe una distribución similar al conseguido por EVM. Factor Experto 1 2 3 4 5 6 7 8 9 10 A 4 0,258 0,429 0,200 0,258 0,058 0,405 0,188 0,429 0,637 0,751 A 5 0,637 0,429 0,600 0,637 0,735 0,481 0,731 0,429 0,258 0,178 A 6 0,105 0,143 0,200 0,105 0,207 0,114 0,081 0,143 0,105 0,070 GCI 0,115 0,000 0,000 0,115 0,348 0,087 0,194 0,000 0,115 0,087 𝑤𝐺2= (0,388 0,489 0,123)𝑇 ; 𝐺𝐶𝐼= 0,00044 En la Tabla IV-11 a continuación se presentan los vectores individuales de priorización para los factores relativos al clima y relieve, los cuales han sido obtenidos mediante RGMM. La principal diferencia que se aprecia con respecto a los conseguidos por EVM, es que mediante RGMM se obtienen 9 matrices de juicio individuales con consistencia geométrica aceptable (GCI < 0,3526, n=4), a diferencia de las 8 por EVM. Respecto al resultado final del vector de prioridad grupal 𝑤𝐺3 y en comparación con el obtenido por EVM, se observa que el factor A7 (precipitaciones) incrementa su ponderación Tabla IV-9 Vectores de priorización individuales Factores Hidrogeológicos - RGMM Tabla IV-10 Vectores de priorización individuales Factores edáficos - RGMM 136 PARTE 2 Para que exista el riesgo de contaminación debe existir una fuente. Por tanto, hemos agregado un componente a la evaluación que, responde a la carga de fertilizante que se puede presentar en un área específica. Para finalizar, le planteamos dos situaciones en las cuales deberá realizar la evaluación en el ámbito global de la contaminación por nitratos. Situación I. En la región de estudio existe un adecuado control de fertilización nitrogenada y tanto agricultores como ganaderos respetan las directrices de los códigos de buenas prácticas agrarias. Comparación Valoración Vulnerabilidad del acuífero / Carga de fertilizantes / Vulnerabilidad del acuífero / Potencial de desnitrificación / Vulnerabilidad del acuífero / Potencial de infiltración / Carga de fertilizante / Potencial de desnitrificación / Carga de fertilizante / Potencial de infiltración / Potencial de desnitrificación / Potencial de infiltración / Situación II. Existen indicios de que la fertilización nitrogenada se realiza de manera incorrecta, ya sea por sobredosis o por aporte de fertilizantes orgánicos en zonas restringidas. Comparación Valoración Vulnerabilidad del acuífero / Carga de fertilizantes / Vulnerabilidad del acuífero / Potencial de desnitrificación / Vulnerabilidad del acuífero / Potencial de infiltración / Carga de fertilizante / Potencial de desnitrificación / Carga de fertilizante / Potencial de infiltración / Potencial de desnitrificación / Potencial de infiltración / Nombre Institución Cargo 239 Anexo C. Artículo: A spatial ammonia emission inventory for pig farming 240 241 242 243 244 245 246 247