UNIVERSIDAD AUTNOMADE ----------------PORTADA--------------ZACATECAS

FRANCISCO GARCA SALINAS UNIDAD ACADMICA DE INGENIERA RED DE MONITOREO PTIMA DE LA CARGA HIDRULICA DEL ACUFERO SOMERO DE SAN LUIS POTOS

TESIS

COMOREQUISITOPARAOBTENERELGRADODE:

MAESTROENPLANEACINDE RECURSOSHIDRULICOS
PRESENTA: CLAUDIAIRENEESPINOCHVEZ

DIRECTORADETESIS: DRA.GRACIELAHERRERAZAMARRN

CODIRECTORDETESIS: M.enI.HUGOENRIQUEJNEZFERREIRA

ZACATECASZAC.,DICIEMBREDE2007

ii

RESUMEN
El objetivo general de este trabajo fue disear la red ptima de monitoreo de la carga hidrulica del acufero somero San Luis Potos. Para esto se defini que el objetivo del monitoreo es conocer la carga hidrulica en todo el acufero con una incertidumbre pequea. El criterio matemtico que se utiliz para medir la incertidumbre fue la varianza del error de la estimacin. Los objetivos especficos consistieron en: 1) estimar el nivel esttico del agua subterrnea en el acufero somero con una incertidumbre baja, 2) seleccionar las posiciones de los pozos de la red de monitoreo en forma ptima y 3) proponer sitios para la instalacin de piezmetros que complementen a la red de pozos propuesta para muestreo futuro en el rea de estudio. Una vez definidos los objetivos de la red de monitoreo se procedi a seleccionar los pozos y posiciones para piezmetros a conformar la misma, este proceso se dividi en dos etapas, la primera para incluir pozos existentes de forma ptima en la red de monitoreo y la segunda para proponer sitios para la instalacin de piezmetros. En la primera etapa se requirieron cuatro pasos, estos son: 1) clculo de la matriz de covarianza inicial, 2) aplicacin del programa que disea la red de monitoreo, 3) anlisis del nmero total de pozos a incluir en la red de monitoreo y 4) validacin de la red de monitoreo. En la segunda etapa se requiri de un solo paso: 1) propuesta de sitios para instalar piezmetros y anlisis de su importancia. Los posibles pozos de monitoreo existentes se eligieron previamente de una base de datos tomada en campo proporcionada por el rea de Ciencias de la Tierra de la Facultad de Ingeniera de la Universidad Autnoma de San Luis Potos. Estos pozos son de fcil acceso y es posible medir la piezometra en ellos. El diseo ptimo de redes de monitoreo piezomtrico consiste en seleccionar de forma ptima las posiciones de los pozos y/o las frecuencias de monitoreo para satisfacer sus objetivos. Para ello, en este trabajo se utiliza una combinacin de un

iii

mtodo geoestadstico aplicado a datos histricos, un filtro de Kalman y un mtodo de optimizacin heurstico. El mtodo propuesto es una modificacin del mtodo propuesto por Herrera (1998), introducido por Herrera y Jnez en Gonzlez Hita et al. (2005); cabe mencionar que dicha metodologa es reciente y que ya ha tenido diversas aplicaciones en el pas. Mediante un anlisis geoestadstico la funcin que se utiliz para describir la correlacin espacial de las variables fue el semivariograma. Para llevar a cabo el ajuste del modelo se busc una funcin analtica que representara

adecuadamente los valores estimados del semivariograma muestral; el modelo terico para el semivariograma utilizado fue el exponencial. La validacin cruzada se utiliz para verificar la pertinencia del modelo. Para la inclusin de pozos existentes en la red de monitoreo de la carga hidrulica, se compararon opciones con un nmero de 19, 23 y 29 pozos, y se seleccion la red ptima a travs de una validacin estadstica de los errores de estimacin. Se concluy que la red ptima de monitoreo con 23 pozos existentes reduce el costo del monitoreo conservando el nivel de informacin proporcionado por los 52 pozos considerados en el anlisis. La validacin de la red de monitoreo con pozos existentes dio un error cuadrtico medio de 276.7 m2 lo que representa un error de aproximadamente 16.6 m, lo que es un error significativo con respecto a la profundidad del acufero. Es importante mencionar que en la parte norte del acufero y en la zona urbana existen reas grandes sin pozos con informacin, por lo que la red de monitoreo no cuenta con pozos en las mismas y esta falta de informacin incrementa los errores de validacin de la red de monitoreo. Con la finalidad de reducir los errores de estimacin se propuso la inclusin de 11 piezmetros en las zonas sin pozos existentes, sin embargo, en la zona urbana no se incluyeron porque no es posible su instalacin.

iv

Se propone una frecuencia de monitoreo de dos veces al ao, en poca de lluvias y estiaje, basada en criterios hidrogeolgicos. Es recomendable, si existen pozos en la zona urbana con las condiciones apropiadas, gestionar que se incluyan en la red de monitoreo. Es importante hacer notar que el mtodo utilizado para proponer la localizacin de piezmetros en nuevas posiciones es una aportacin de esta tesis y nunca se haba utilizado antes.

ABSTRACT

The main mission of this work was to hydraulic load design the water-bearing monitoring optimal network of brief. It was define that the objective of the monitoring it is to know the hydraulic load in all the water-bearing with a small uncertainty. The mathematical criterion used to measure the smallest possible uncertainty was the variance of the error of the estimation. The specific objectives consisted on: 1) valuing the static level of the water-bearing underground water in the brief one with the smallest possible uncertainty, 2) selecting the wells positions of the monitoring network in optimal form and 3) proposing the best locations for piezometers installation as they complement to the propose well network for future sampling in the study area. Once the monitoring network objectives were defined it were selected the wells and positions for piezometers to conform the network, this process consisted in to two stages. the first one included existing wells into on optimal form in the monitoring network and the second one proposed the best locations for the installation of piezometers. In the first stage four steps were required, these are: 1) calculation of the matrix of initial covariance, 2) application of the program that the monitoring network designs, 3) analysis of the total number of wells to include in the monitoring network and 4) validation of the monitoring network. In the second stage it was required only one step: 1) proposal wich contains the best location to install piezometers and analysis of its importance. The possible existing the wells for the of monitoring system were chosen previously from a data base provided by the area from earth sciences of Faculty of Engineering of the University of San Luis Potos. These wells are readily accessible and is possible to measure the piezometry inside them.

vi

The optimal design of piezometric monitoring network consists of selecting of optimal form the positions of wells and/or the frequencies of monitoring to satisfy its objectives. For it, in this work it is used a combination of a geoestatistic method applied to historical data, a filter of Kalman and a heuristic method of optimization. I is very important to mention that, the proposed method is a modification of the method proposed by Herrera (1998), introduced by Herrera and Jnez on Gonzlez Hita et al. (2005); it is possible to mention that this methodology is recent and that already has had diverse applications in the country Mxico. Through a geoestatistic analysis the function used to describe the space correlation of the variables was semivariogram. In order to carry out the model it was necessary to find an analytical function that represented the values considered in the semivariogram; the theoretical model used in the semivariogram was the exponential one. The crossed validation was used to verify the pertinence of the model. For the existing wells in the monitoring network of the hydraulic load, options with a number were compared 19, 23 and 29 wells, and the optimal network through a statistical validation of the estimation errors was selected. It was concluded that the optimal network of monitoring with 23 existing wells reduced the cost of the monitoring conserving the level of information provided by 52 wells. The network validation of monitoring with existing wells gave an average of the quadratic error of 276 m2 which represents an error of approximately 16.6 m, which is a significant error with respect to the depth of the water-bearing. It is important to mention that in the North part of the water-bearing and in the urban zone great areas without wells with information exist, this is the reason why the monitoring network does not count those wells and this lack of information increases the errors of validation of the monitoring network. With the purpose of reducing the estimation errors a set of 11 wells were included in the zones without existing wells. Nevertheless, in the urban zone they were not included because its installation was not possible.

vii

A frequency of monitoring of twice a year was recommended, one during the raining season and the other in the dry season, based on hidrogeological criteria. It is recommendable, if wells in the urban zone with the appropriate conditions exist, they should be included in the monitoring network. It is very important to notice that the used method to propose the location of piezometers in new positions is a contribution of this thesis and it had never been used before.

viii

AGRADECIMIENTOS
Dios, gracia por darme la oportunidad de llegar a este punto y acogerme en el mejor ncleo, mi familia, que a travs de los consejos de mi Madre quien forj mi formacin junto con el cario y la unin de mis hermanos Alfonso y Alfredo, as con el amor de mi pequea y gran inspiracin Alfonsito y Abril Valeria mis sobrinos, a Luz, Mirna y a mi Padre, a cada uno los amo. Y que al momento de elegir por cul camino continuar me brindaste buenos guas que cabe mencionar, M. en I. Natividad Barrios Domnguez por su orientacin al igual que el Dr. Julin Gonzlez Trinidad; y fue as que en el arduo trabajo de este medio me respaldaron tanto maestros, compaeros, amigos, Eduardo gracias, Gus Zamora, as como las excelentes personas de la DEPFI UNAM campus Morelos durante mi estancia en el Instituto Mexicano de Tecnologa del Agua, a cada uno por darme su amistad, gracias. En el instante por definir el tema de investigacin agradezco al M. en I. Hugo Enrique Jnez Ferreira mi asesor por su voto de confianza y conocimientos; as mismo y en particular a la directora de la tesis, la Dra. Graciela Herrera Zamarrn por su dedicacin apoyo y brindarme la oportunidad de desarrollar dicho tema e iniciar este gran sueo y aterrizarlo en el presente trabajo del cual estoy completamente agradecida. Al Dr. Sergio Ordoez por su profesionalismo, mil gracias.

Dios me haz hecho pasar un gran pasaje a travs de esta maestra y nunca abandonaste mi mano.

ix

DEDICADO A:

Mi madre Irene Chvez Silva.

Mi padre J. Dolores Espino Lpez.

Mi hermana Mara Goretti .

Irmin Gonzlez Martnez .

CONTENIDO

RESUMEN ............................................................................................................ iii

H H

AGRADECIMIENTOS ........................................................................................ ix
H H

1
H

INTRODUCCIN .......................................................................................... 1
H

2
H H

ANTECEDENTES ......................................................................................... 4
H

2.1
H

Localizacin de la zona de estudio............................................................. 4

H

2.1.1 2.1.2
H

Poblacin ............................................................................................. 7
H

Uso del agua subterrnea ................................................................... 7

H

2.1.3
H H

Clima ................................................................................................... 8
H

2.1.3.1
H

Precipitacin pluvial .................................................................... 10

H H

2.1.3.2 Temperatura ................................................................................... 12 2.1.4

H H

Vegetacin......................................................................................... 13
H H

2.1.5 Agricultura ............................................................................................. 13 2.1.6

H H

Uso potencial de la tierra ................................................................... 14

H

2.1.6.1 2.1.6.2
H

Posibilidades de uso agrcola de la tierra .................................... 14

H

Posibilidades de uso forestal de la tierra..................................... 14

H H

2.1.7
H H

Hidrologa .......................................................................................... 15 Situacin administrativa del acufero........................................... 16

H

2.1.7.1 2.1.7.2
H

Zonas de veda ............................................................................ 17

H

2.1.7.3
H

Zonas de disponibilidad .............................................................. 17

H

2.1.7.4
H

Organizacin de usuarios ........................................................... 18

H H

2.1.8
H H

Topografa ......................................................................................... 18 Fisiografa ................................................................................... 18

H

2.1.8.1

xi

2.1.8.2
H

Geomorfologa ............................................................................ 19
H H

2.1.9
H

Geologa ............................................................................................ 19 Estratigrafa .................................................................................... 20

H

2.1.10
H

2.1.11
H

Geofsica ........................................................................................ 20
H

2.1.12
H

Hidrogeologa ................................................................................. 23
H

2.1.13
H

Unidades hidrogeolgicas .............................................................. 24

H

2.1.14
H

Definicin del modelo conceptual ................................................... 25

H

2.1.15
H

Modelo conceptual de funcionamiento ........................................... 26

H

2.1.16
H

Censo de aprovechamientos.......................................................... 28
H

2.1.17
H

Balance de aguas subterrneas para el acufero de SLP .............. 29

H

2.1.18
H

Disponibilidad ................................................................................. 29
H

2.1.19
H

Recarga total media anual.............................................................. 30

H

2.1.20
H

Descarga natural comprometida .................................................... 31

H

2.1.21
H H

Disponibilidad de agua subterrnea ............................................... 31

H

2.2 Revisin del estado del arte en el diseo de redes de monitoreo de la carga hidrulica en acuferos ............................................................................. 32
H

2.2.1
H H

Investigaciones realizadas................................................................ 32
H

2.2.1.1 Punto de vista basado en reglas para identificar planes de monitoreo a largo plazo .............................................................................. 34
H

2.2.1.2
H

Mtodos estadsticos .................................................................. 34

H

2.2.1.3
H

Mtodos probabilsticos .............................................................. 42

H

2.2.1.4
H

Mtodos de optimizacin matemtica ......................................... 46

H

2.2.1.5
H

Programacin entera................................................................... 47
H

2.2.1.6
H

Recocido simulado...................................................................... 47
H

2.2.1.7
H

Algoritmo gentico ...................................................................... 49

H

xii

2.2.1.8
H H

Mtodo utilizado en este trabajo ................................................. 51

H H

3 MATERIALES Y MTODO ......................................................................... 52 3.1 Materiales .................................................................................................... 52

H H

3.1.1 Equipo .................................................................................................. 52

H H

3.2 Mtodo ......................................................................................................... 53

H H

3.3 Actividades ................................................................................................ 53

H H

3.3.1 Anlisis geoestadstico de la carga hidrulica ....................................... 54

H H

3.3.1.1 Anlisis exploratorio de los datos ................................................... 55

H H

3.3.1.2 Anlisis estructural ......................................................................... 56

H H

3.3.1.3 Validacin cruzada ......................................................................... 58

H H

3.3.1.4 Estimaciones .................................................................................. 59

H H

3.4 Diseo de la red de monitoreo ptima ......................................................... 60

H H

3.4.1 Definicin de los objetivos de la red de monitoreo ................................ 60

H H

3.4.2 Red de monitoreo de pozos existentes ................................................. 62

H H

3.4.3 Clculo de la matriz de covarianza inicial .............................................. 63

H H

3.4.4 Definicin de los puntos de estimacin y de muestreo.......................... 63

H H

3.4.5 Aplicacin del programa que disea la red de monitoreo...................... 63

H H

3.4.6 Anlisis del nmero total de pozos a incluir en la red de

H H

monitoreo ... 64
H H

3.4.7 Validacin de la red de monitoreo ......................................................... 65 3.4.8 Posiciones adicionales para instalar piezmetros ................................. 65
H H

3.4.8.1 Propuesta de sitios para instalar piezmetros y anlisis de su importancia ................................................................................................. 65

H H

4 ANLISIS Y RESULTADOS ....................................................................... 67

H H

4.1 Anlisis geoestadstico ................................................................................ 77

H H

4.1.1 Anlisis exploratorio de los datos .......................................................... 77

H H

xiii

4.1.1.1 Anlisis espacial ............................................................................. 77

H H

4.1.2 Anlisis Estructural ................................................................................ 80

H H

4.1.3 Validacin cruzada ............................................................................... 83

H H

4.1.4 Estimaciones ....................................................................................... 95

H H

4.2 Diseo ptimo de la red de pozos existentes .............................................. 95

H H

4.2.1 Obtencin de la matriz de covarianza ................................................... 96

H H

4.3 Optimizacin ................................................................................................ 96

H H

4.3.1 Red ptima de monitoreo .................................................................... 101

H H

4.4 Propuesta de localizacin de piezmetros................................................. 101

H H

5 CONCLUSIONES Y RECOMENDACIONES .......................................... 107

H H

REFERENCIA ............................................................................................ 109

H H

ANEXO I ............................................................................................................. 114

H H

ANEXO II ............................................................................................................ 133

H H

xiv

NDICE DE CUADROS Cuadro 2.1 Cuadro 2.2 Cuadro 2.3 Coordenadas geogrficas del acufero de San Lus Potos Usos del agua en los acuferos Clasificacin del clima para la zona de SLP, Kppen modificado por E. Garca.. Precipitacin media mensual en la regin de San Luis Potos Temperatura media mensual en C para la regin de San Luis Potos Aprovechamientos superficiales .. Determinacin de la disponibilidad de agua en el acufero. Estudio Geofsico.... Medios y unidades hidrogeolgicas. Caractersticas generales del acufero somero del valle de SLP ... Usos del agua en los acuferos.... Mtodos de optimizacin del monitoreo a largo plazo.. Base de datos del ao 2004.. Base de datos del ao 2004.. Ajuste de un modelo esfrico al semivariograma muestral de la carga hidrulica 2004 con ajuste polinmico de primer grado. Cuadro 4.4 Parmetros del semivariograma terico para residuos de la carga hidrulica de un ajuste con un polinomio de primer grado Cuadro 4.5 Resumen de resultados de los errores de la validacin cruzada para el modelo exponencial del ao 2004.. 83 83 82 4 8 9

Cuadro 2.4 Cuadro 2.5 Cuadro 2.6 Cuadro 2.7 Cuadro 2.8 Cuadro 2.9 Cuadro 2.10 Cuadro 2.11 Cuadro 2.12 Cuadro 4.1 Cuadro 4.2 Cuadro 4.3

11 13 16 17 21 25 28 30 33 69 72

xv

Cuadro 4.6

Resumen de resultados de los errores de la validacin cruzada para el modelo exponencial del ao 2006... 85

Cuadro 4.7

Resumen de resultados de los errores de la validacin cruzada para el modelo exponencial de 2004 y 2006.. 87

Cuadro 4.8

Resumen de resultados de los errores de la validacin cruzada para el modelo esfrico del ao 2004.. 89

Cuadro 4.9

Resumen de resultados de los errores de la validacin cruzada para el modelo esfrico del ao 2006.. 91

Cuadro 4.10

Resumen de resultados de los errores de la validacin cruzada para el modelo esfrico para 2004 y 2006.. 93 98 100 100

Cuadro 4.11 Cuadro 4.12 Cuadro 4.13 Cuadro 4.14

Orden de importancia de 29 pozos.. Validacin cruzada para 29, 23 y 19 datos, ao 2004 Validacin cruzada para 29, 23 y 19 datos, ao 2006 Diseo de red de monitoreo para 11 piezmetros en el rea de estudio

102

xvi

NDICE DE FIGURAS Figura 2.1 Figura 2.2 Figura 2.3 Localizacin del acufero de San Luis Potos (2411)... rea que abarca el acufero somero Distribucin de los diferentes tipos de climas dentro de la zona de estudio.. Figura 2.4 Distribucin de la precipitacin media mensual en la regin de SLP.. Figura 2.5 Temperatura media mensual para SLP, basada en un registro de 20 aos. Figura 2.6 Localizacin del rea de inters dentro de las regiones hidrolgicas.. Figura 2.7 Figura 4.1 Figura 4.2 Figura 4.3 Figura 4.4 Figura 4.5 Figura 4.6 Sistema de flujo intermedio, local y regional.. Distribucin de pozos con informacin de carga hidrulica Elevacin de brocal Profundidad del nivel esttico (ao 2004).. Distribucin espacial de la carga hidrulica del ao 2004 Histograma, carga hidrulica 2004.. Histograma, transformacin logartmica a los datos de la carga hidrulica 2004. Figura 4.7 Histograma de los residuos de un ajuste de un polinomio de primer grado a los datos de 2004.. Figura 4.8 Figura 4.9 Histograma muestral del ao 2004.. Ajuste de un modelo esfrico al semivariograma muestral de la caga hidrulica 2004 con ajuste polinmico de primer grado 81 80 81 79 15 28 68 75 76 78 79 12 11 10 5 6

xvii

Figura 4.10

Ajuste de un modelo exponencial al semivariograma muestral de la carga hidrulica 2004 con ajuste polinmico de primer grado 82

Figura 4.11

Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo exponencial del 2004. 84

Figura 4.12

Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo exponencial del 2006. 86

Figura 4.13

Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo exponencial 20042006.. 88

Figura 4.14

Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo esfrico 2004 90

Figura 4.15

Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo esfrico de 2006. 92

Figura 4.16

Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo esfrico de los aos 2004 y 2006. 94 95 97

Figura 4.17 Figura 4.18 Figura 4.19

Malla del rea de estudio.. Varianza total vs. nmero de pozos.. Reduccin relativa de la varianza total vs. nmero de pozos

98

Figura 4.20

Pozos que conforman la red de monitoreo ptima Mostrando el orden de importancia 101

Figura 4.21

Sitios propuestos para piezmetros y su orden de importancia.. 103 104

Figura 4.22 Figura 4.23

Varianza total vs. nmero de pozos Reduccin relativa de la varianza total vs. nmero de

xviii

Piezmetros propuestos Figura 4.24 Red de monitoreo ptima..

105 106

xix

INTRODUCCIN
La importancia del agua es ampliamente reconocida. Las herramientas para su estudio son la base en el establecimiento de polticas para crear y preservar un equilibrio entre el medio ambiente y la humanidad. En la actualidad, con el desarrollo y crecimiento de la poblacin a escala mundial, se ha estado realizando una explotacin irracional de los recursos naturales, incrementndose da a da las reas desordenadas, sin control y de manera alarmante en zonas agrcolas, urbanas e industriales, manifestndose en cambios de fisonoma de planicies, valles, montaas y todo lo que constituyen las cuencas hidrogrficas. La informacin existente sobre la disponibilidad del agua y el funcionamiento de las subcuencas hidrolgicas en general es insuficiente e imprecisa para garantizar un manejo sustentable del recurso. Es menester impulsar, fomentar y coordinar un programa de investigaciones de las subcuencas hidrolgicas y en particular lo referente al agua subterrnea que es la principal fuente de agua (Huisar y Carrillo, 1998). Los acuferos constituyen uno de los sistemas ms complejos sobre los que el hombre tiene que actuar sistemticamente con el objetivo de obtener el principal recurso natural para la vida, que es el agua. La complejidad de este sistema ha obligado a desarrollar tcnicas que permitan su monitoreo y predicciones del comportamiento del mismo, constituyendo la modelacin en la actualidad, la tcnica capaz de lograrlo de una forma eficiente (Hernndez et al. 2001). San Luis Potos -capital estatal- es el ncleo urbano ms importante de la entidad. En l se concentra la mayor parte de la industria del estado, como es la qumica, minera, de fibras duras, alimenticia, lechuguilla y palma ixtlera, entre otras. Por ende, el rea de explotacin del agua subterrnea ms importante en la zona centro es el Valle de San Lus Potos. Las fuentes de agua subterrnea tienen potencialidad reducida, sobre todo en el rea urbana y sus inmediaciones. Lo anterior origina

problemas para el suministro de agua a la capital y su zona industrial, e impide ampliar las reas agrcolas.

El Comit Tcnico de Aguas Subterrneas del acufero del Valle de San Luis Potos (COTASVSLP), requiere del establecimiento de una red de monitoreo piezomtrica y de calidad del agua para analizar los datos estadsticamente representativos y significativos sobre la cantidad y calidad de las aguas subterrneas como lnea base para reconocer el estado de los acuferos; as como las tendencias a nivel de pronstico debidas a procesos naturales e impacto por actividad antropognica en tiempo y espacio, para de esta manera establecer un plan de manejo del acufero.

El monitoreo de las aguas subterrneas es una de las actividades ms importantes para soportar las estrategias y polticas de proteccin y conservacin del recurso hdrico subterrneo (Vargas, 2004). Por otro lado las redes de monitoreo ayudan a la planeacin, desarrollo, prevencin y manejo de las aguas subterrneas, proporcionan informacin para evaluar la sobreexplotacin y contaminacin del agua y, son auxiliares en el saneamiento. El monitoreo es la observacin continua con mtodos estandarizados del medio ambiente (Vargas, 2004). Este autor, define el monitoreo del agua subterrnea como un programa diseado cientficamente de continua supervisin que incluye observaciones, mediciones, muestreo y anlisis estandarizado metodolgicamente y tcnicamente de variables fsicas, qumicas y biolgicas. La integracin y coordinacin de las actividades de monitoreo de aguas subterrneas con las correspondientes al agua superficial, precipitacin, evaporacin y suelos se recomienda con base en el reconocimiento de que es el ciclo hidrolgico la base conceptual para la estrategia de manejo integrado del recurso hdrico.

Es por ello que el objetivo general de este trabajo es disear la red ptima de monitoreo de la carga hidrulica del acufero somero San Luis Potos.

Los objetivos especficos son:

1) Estimar el nivel esttico del agua subterrnea en el acufero somero con una incertidumbre baja.

2) Seleccionar las posiciones de los pozos de la red de monitoreo en forma ptima.

3) Proponer sitios para la instalacin de piezmetros que complementen a la red de pozos propuesta para muestreo futuro en el rea de estudio.

1 ANTECEDENTES
En este captulo se incluyen las caractersticas generales del medio fsico que constituye la regin analizada y una revisin del estado del arte de mtodos de monitoreo de la carga hidrulica en acuferos. 1.1 Localizacin de la zona de estudio

La cuenca hidrolgica que delimita a la zona geohidrolgica de San Luis Potos, ocupa la porcin centro-occidental del estado de SLP (figura 2.1), tiene una extensin del orden de los 1980 km2. Los vrtices de la poligonal que delimita al acufero de San Luis Potos, publicados en el Diario Oficial de la Federacin se presentan en el cuadro 2.1, CONAGUA (2002). Cuadro 1.1 Coordenadas geogrficas del acufero de San Luis Potos (tomado de CONAGUA, 2002). Longitud Oeste Latitud Norte Vrtice Grados Minutos Segundos Grados Minutos Segundos
1 2 3 4 5 6 7 8 9 10 11 12 100 100 100 100 100 101 101 101 101 101 100 100 42 44 46 54 58 0 4 13 2 1 45 44 3.6 52.8 44.4 18.0 19.2 21.6 55.2 44.4 27.6 37.2 46.8 42.0 21 22 22 21 21 21 21 22 22 22 22 22 56 0 0 58 54 55 58 4 17 28 27 24 49.2 7.2 39.6 1.2 54.0 1.2 8.4 51.6 16.8 15.6 0.0 50.4

Vrtice
1 13 14 15 1 100 100 100 100 100

Longitud Oeste Grados Minutos

42 43 40 37 42

Latitud Norte Grados

21 22 22 21 21

Segundos
3.6 19.2 30.0 8.4 3.6

Minutos
56 12 2 58 56

Segundos
49.2 36.0 31.2 33.6 49.2

(Elaborado con informacin de la CONAGUA e imagen tomada de googleearth.com)

Figura 2.1 Localizacin del acufero de San Luis Potos (2411).

En la zona de SLP se han definido dos acuferos separados (en sentido vertical) por un horizonte de arena fina y limo. El acufero superior o somero y el acufero inferior, estos se describen en la seccin 2.1.15 del presente captulo. Este trabajo se centra en el acufero somero.

La poligonal del cuadro 2.1 se refiere a la totalidad del sistema acufero de San Luis Potos, sin embargo no existe una delimitacin oficial del acufero somero como tal, es por ello que para delimitar la zona que abarca dicho acufero en este trabajo se utiliz el criterio definido por el rea que incluye norias perforadas en los estratos someros, que se muestra en la figura 2.2.

Figura 2.2 rea que abarca el acufero somero.

La zona de estudio abarca la totalidad del municipio de Soledad de Graciano Snchez, la mayor parte de los municipios de San Luis Potos y Cerro de San Pedro, as como una pequea fraccin de los de Mexquitic de Carmona, Ahualulco y Villa de Zaragoza. 1.1.1 Poblacin

De acuerdo a varios anlisis realizados en el Plan Maestro para el Mejoramiento de los Servicios de Agua Potable, Alcantarillado y Saneamiento de San Luis Potos, Soledad de Graciano Snchez y Cerro de San Pedro, la poblacin para 2005 es de 730,950 habitantes, INEGI (2005). 1.1.2 Uso del agua subterrnea

En 1998 la cuantificacin de los volmenes extrados de aguas subterrneas se hizo con base en varios procedimientos y su posterior cotejo para determinar la congruencia de resultados. El uso pblico-urbano se estim con base en aforos pitomtricos y volumtricos realizados en los pozos por la empresa DEMM, el uso agrcola fue calculado aplicando lminas de riego de acuerdo al mtodo de Blanney-Criddle para la superficie y tipos de cultivo declarados por los usuarios y comparando con los gastos que aporta cada aprovechamiento, la extraccin por los sectores industrial y de servicios se calcularon comparando las declaraciones de pago de derechos contra el rgimen de operacin consignado en el censo de aprovechamientos; finalmente, el consumo correspondiente a los usos domsticoabrevadero y pecuario, se calcul considerando las personas, cantidad y especies de animales servidos. Basados en estas operaciones se estima que la extraccin del acufero asciende a los 125.6 Mm3 anuales, aproximadamente, y se encuentra distribuida como se muestra en el cuadro 2.2.

Cuadro 1.2 Usos del agua en los acuferos (tomado de CONAGUA, 2002). Acufero superior Acufero inferior Totales Usos No. Vol. Ext No. Vol. Ext No. Vol. Ext. %
67.22 19.18 7.76 0.10 4.49 0.1 0.1 0.3 0 100

Aprov. (mm3/ao) Aprov. (mm3/ao) Aprov. (mm3/ao)

Pblico-urbano Agrcola Industrial Agroindustrial Servicios Pecuario Domabrevadero Mltiples No especificado Subtotales 4 158 5 3 30 22 51 7 2 282 0.03 3.64 0.096 0.157 0.452 0.25 0.164 0.174 0.006 4.969 153 122 49 1 30 12 0 3 0 370 84.389 20.449 9.650 0.027 5.198 0.661 0 0.235 0 120.609 157 280 54 4 60 34 51 10 0 650 84.419 24.089 9.746 0.184 5.650 0.164 0.164 0.409 0.006 125.578

Como puede apreciarse, el 67% del agua extrada se destina al abasto poblacional, seguido en orden de importancia el uso agrcola (19%), el industrial (casi 8%) y servicios (4.5%). 1.1.3 Clima El clima predominante de la zona de SLP pertenece al grupo de climas secos, con tipos: i) semi-seco, ii) seco y iii) muy seco (figura 2.3). En general, los tipos secos y muy secos predominan en la planicie de la zona de inters, mientras que los semisecos se correlacionan con las partes elevadas, INEGI (1985). Las condiciones de cancula se presentan en cada uno de ellos, que se manifiesta en una pequea temporada menos lluviosa, dentro de la estacin de lluvias, llamada tambin

sequa de medio verano, Cardona (2007). En el cuadro 2.3 se presenta la clasificacin del clima determinada para la zona de inters. Cuadro 1.3 Clasificacin del clima para la zona de SLP, Kppen modificado por E. Garca (tomado de Cardona, 2007).
Grupo Tipo Semiseco (BS1) Subtipo Semiseco Templado (BS1 Kw.) Seco Semiclido Climas Secos (BS) Seco (BSo) (BSo hw) Seco Templado (BSo Kw.) Muy seco (BW) Muy seco Templado (BW Kw.) . Descripcin Con lluvias en verano. % de precipitacin invernal entre 5 y 10.2 y con verano clido. Con lluvias en verano. % de precipitacin invernal entre 5 y 10.2 y con invierno fresco. Con lluvias en verano. % de precipitacin invernal entre 5 y 10.2 y con verano clido. Zona donde predomina Predomina en la porcin occidental, abarca las partes altas con ms de 1950 msnm (sierra San Miguelito) Predomina en una pequea porcin al S-SE de la cuenca de San Luis Potos.

Abarca gran parte del rea de estudio, predominando en la porcin plana sur y al oriente (sierra San Pedro), de la cuenca de San Luis Potos.

Con lluvias en verano. % de precipitacin invernal entre 5 y 10.2 y con verano clido.

Predomina en la porcin norte (Peasco)

Figura 2.3 Distribucin de los diferentes tipos de climas dentro de la zona de estudio, (tomado de INEGI, 2002). La evaporacin potencial media anual para la cuenca de SLP es del orden de 1925 mm, Cardona (2007). Datos histricos de la evaporacin potencial que permitieran la identificacin de su variacin a lo largo del ao en la zona de inters no estuvieron disponibles. Precipitacin media anual: Temperatura media anual: 386.2 17.5 C

1.1.3.1 Precipitacin pluvial De acuerdo con INEGI (2000) la precipitacin media anual para la regin de SLP es del orden de los 386 mm, mientras que, en base a la distribucin de la

10

precipitacin pluvial definida a partir de las cartas hidrolgicas (F14-4, F14-7) sealan valores para el valle de SLP del orden de los 366.5 mm y hacia las sierras valores de 400-450 mm. En la regin de SLP, el perodo de lluvias comprende los meses de mayo a octubre, figura 2.4, registrndose una precipitacin media mensual para este perodo de aproximadamente 52.9 mm, que representa un acumulado del 82.3% de la precipitacin media anual, con base en un perodo de 20 aos de observacin, cuadro 2.4. Cuadro 1.4 Precipitacin media mensual en la regin de San Luis Potos (tomado de INEGI, 2000).
ESTACIN FEBRERO PERIDO AGOSTO MARZO ENERO JUNIO MAYO

ABRIL

JULIO

NOVI

OCT

SEP

S.L.P.

19791999

11.7

6.5

3.3

24.9

41.3

63.4

62.7

45.9

53.2

51.4

9.1

Figura 2.4 Distribucin de la precipitacin media mensual en la regin de San Luis Potos, (tomado de INEGI, 2002).

11

DIC 12.8

2.1.3.2 Temperatura La temperatura media anual para la regin de SLP, segn datos de INEGI (2000) es de 17.5C, con una temperatura media en verano de 21C, teniendo adems, el registro de las temperaturas extremas del orden de los 37.3C y de 2.7C, alcanzando estos valores en los meses de mayo y diciembre respectivamente. En lo que respecta a la temperatura media mensual, la regin de SLP, con base en un perodo estadstico de 20 aos de observacin, cuadro 2.5, se determina un aumento gradual de este parmetro de febrero a mayo, siendo este ltimo el mes en el que se alcanza la mxima temperatura media mensual con un valor registrado de 21.4C, adems es a partir de este mes donde empieza a descender tambin en forma gradual hasta una temperatura de 13.1C registrada en el mes de enero, figura 2.5.

Figura 2.5 Temperatura media mensual para San Luis Potos, basada en un registro de 20 aos, (tomado de INEGI, 2002).

12

Cuadro 1.5 Temperatura media mensual en C para la regin de San Luis Potos (tomado de INEGI, 2000).
ESTACIN FEBRERO PERIDO AGOSTO MARZO ENERO JUNIO MAYO

ABRIL

JULIO

NOVI

OCT

SEP

S.L.P.

19791999

13.1

15.2

17.4

19.4

21.4

20.8

19.4

19.2

18.1

17.3

15.8

1.1.4 Vegetacin El matorral crasicaule es el ms importante por el rea que cubre. Se encuentra en los sistemas de sierras y lomeros de pie de monte, sobre suelos poco profundos, limitados por fase ltica y drica. Este tipo de vegetacin se caracteriza por presentar gran variedad de cactceas, principalmente garambullo que le dan una fisonoma de cardonal; aunque tambin hay nopales. Los frutos de ciertas especies como nopal cardn y garambullo son comestibles y se les explota comercialmente. Otros grupos vegetativos presentes, en menor proporcin, son: el matorral rosetfilo, el chaparral y los bosques de pino-encino y encino-pino. Estos ltimos se localizan en las partes ms altas y laderas norte de las sierras, donde hay mayor humedad. 2.1.5 Agricultura

En los terrenos de la subprovincia dedicados a la agricultura se identifican los dos tipos bsicos: de temporal y de riego. La agricultura de riego se practica principalmente en la llanura aluvial, en los alrededores de Villa de Reyes, Las Palomas y Saucillo, sobre suelos profundos, sin pedregosidad superficial, poca pendiente y con fertilidad media y alta. Principales cultivos: maz, frjol, chile, avena forrajera, alfalfa, sorgo forrajero.

13

DIC 13.8

La agricultura de temporal es la que domina en esta regin. Se realiza en partes de todos los sistemas de topoformas (las mayores en los llanuras), donde no se tienen perspectivas favorables para el riego. Los suelos son en algunas porciones someros y en otros profundos. Los principales cultivos son el maz y el frjol. 1.1.6 Uso potencial de la tierra Las llanuras (localizadas al norte de la ciudad de San Luis Potos y las que van desde Villa de Pozos y Zaragoza hasta el sur del estado por el rumbo de Villa de Reyes), son las zonas donde el uso agrcola cuenta con mejores posibilidades de desarrollo. 2.1.6.1 Posibilidades de uso agrcola de la tierra

Las llanuras aluviales son los lugares en que la probabilidad de practicar la agricultura mecanizada continua es mayor, las limitaciones para la labranza y el riego son moderadas y los suelos son medianamente profundos (60-70 cm). 1.1.6.2 Posibilidades de uso forestal de la tierra La vegetacin presente en las sierras y en los lomeros de pie de monte es de matorral crasicaule y nopalera, con algunos manchones de encino-pino, los cuales son de condicin y cobertura baja. principalmente de carcter domstico. La explotacin de este recurso es Algunas reas, como la sierra San

Miguelito, poseen buena cobertura vegetal de encino y encino-pino que posibilitan la explotacin comercial maderable con rendimientos bajos, ya que la condicin de los elementos es regular. Una pequea zona localizada al sur de Santa Mara del Ro, con vegetacin de pino-encino de cobertura regular, ofrece condiciones para una explotacin forestal comercial maderable y no maderable (madera y resina principalmente) con limitaciones medias para su extraccin.

14

1.1.7 Hidrologa

Se encuentra ubicada en su mayor parte dentro de la regin hidrolgica RH-37, denominada El Salado y una pequea porcin al sur comprendida en la regin RH-26 El Panuco, estas regiones se componen por numerosas cuencas, correspondiendo para la zona, principalmente la cuenca de la presa San Jos-Los Pilares y otras, en la regin RH-37 (figura 2.6), INEGI (2002).

Figura 2.6 Localizacin del rea de inters dentro de las regiones hidrolgicas, (tomado de INEGI, 2002). La zona geohidrolgica comprende la cuenca del ro Santiago, su principal colector y se forma a partir de los escurrimientos que proceden de una serie de pequeas sierras situadas al W y SW de la ciudad de San Luis Potos. Sobre l se han construido dos presas para control de avenidas denominadas San Jos y El

15

Peaje. En el cuadro 2.6 se presentan los aprovechamientos superficiales de la zona. Cuadro 1.6 Aprovechamientos superficiales (tomado de CONAGUA, 2002).
Coordenadas rea Nombre de obra Geogrficas LW LN A. Grande o Azul Ro Santiago Ro El Potosino Corriente drenada Superficial (Km2) Construc Inicial Actual cin P. El Peaje P. San Jos P. El Potosino P. A. Obregn 1010652 (Mexquitic de C.) P. Caada del Lobo P. San Antonio P. San Carlos Tanque Tenorio (A. Residuales) 1005759 1005552 220544 220544 221601 1010555 1010315 1010440 220530 220900 220557 81 265 57 8.0 8.2 0.76 6.65 4.56 0.76 1949-1950 1905 1985-1988 (Mm3) de Almacenamiento Perodo

Ro Mexquitic

66

4.0

3.58

1935-1939

Ro Espaita Arroyo S. Antonio Arroyo los

13 14.5

0.8 0.57

0.8 0.4

1986-1987 1875

1005552

220331 Palillos

17.4

0.55

0.50

1952

1005521

220205

_____

_____

_____

_____

_____

1.1.7.1 Situacin administrativa del acufero

Mediante decreto presidencial publicado en el Diario Oficial de la Federacin, de fecha 30 de junio de 1961, se declar Zona de Veda para parte del valle de San Luis Potos.

16

1.1.7.2 Zonas de veda

Posteriormente, el 18 de octubre de 1962, se ved la porcin complementaria de los valles de San Luis Potos y Villa de Reyes, con este decreto se cubri prcticamente toda el rea de explotacin de ambos valles. Finalmente, el 3 de diciembre de 1985, se ved, tambin mediante publicacin en el Diario Oficial de la Federacin, las porciones faltantes de los municipios de San Luis Potos y Villa de Reyes, con lo que qued cubierta, incluso, la zona de recarga de estos acuferos. Dichas vedas, restringieron el alumbramiento de aguas del subsuelo para cualquier uso, excepto para fines domstico y abrevadero. 1.1.7.3 Zonas de disponibilidad

Por las condiciones de sobreexplotacin de este acufero y con fundamento en los decretos de veda solo se han permitido reposiciones y relocalizaciones de pozos, as como la transmisin de derechos de volmenes de aguas subterrneas tendientes a desconcentrar la extraccin. No se han permitido extracciones adicionales, excepto para el uso pblico-urbano en zonas rurales, donde no se contaba con el servicio. Por otra parte, de acuerdo a la Ley Federal de Derechos, los municipios que comprenden esta zona geohidrolgica se han clasificado como se muestra en la cuadro 2.7. Cuadro 1.7 Determinacin de la disponibilidad de agua en el acufero San Luis Potos (tomado de CONAGUA, 2002). Zona de No. Municipio Disponibilidad 1 2 3 San Luis Potos Soledad de Graciano Snchez Villa de Zaragoza 1 1 2

17

Zona de No. 1 4 5 Municipio Disponibilidad San Luis Potos Cerro de San Pedro Mexquitic de Carmona 1 1 2

1.1.7.4 Organizacin de usuarios

Los representantes de los usos pblico-urbano, industrial, agrcola y de servicios constituyeron el da 16 de junio de 1999 el Comit de usuarios, el cual forma parte del Consejo de Cuenca del Altiplano. Este ltimo constituido oficialmente el 5 de noviembre de 1999. 1.1.8 Topografa

La topografa del lugar como conjunto de procedimientos para determinar las posiciones de puntos, sobre la superficie de la tierra, a travs de los elementos del espacio que son el largo, alto y ancho. A continuacin se describe la zona en estudio. 1.1.8.1 Fisiografa La regin analizada forma parte de la provincia fisiogrfica de la mesa central y corresponde a una cuenca endorreica con elevacin promedio en la zona del valle de 1840 msnm, la cual queda limitada en su porcin occidental, meridional y septentrional por sierras de topografa escarpada de hasta 2700 msnm, y al oriente, con elevaciones de 2200 msnm.

18

1.1.8.2 Geomorfologa

El relieve del rea es muy contrastante ya que por un lado se encuentran sierras de grandes altitudes y pendientes abruptas y por otro valles con pendientes muy suaves delimitados por estas sierras, estos elementos son los que definen los principales rasgos geomorfolgicos en la zona. Estos parmetros morfolgicos pueden ser agrupados y descritos de la siguiente manera. Sierras: Uno de estos elementos orogrficos es la llamada Sierra de San Miguelito la cual forma parte de un sistema montaoso denominado Sistema Montaoso de San Luis Potos, se encuentra ubicada en la parte SW del rea y se caracteriza por presentar cerros de forma dmica cuyas elevaciones alcanzan los 2800 msnm, orientados en direccin NW-SE, con pendientes muy pronunciadas que en ocasiones rebasan los 45. Valles: Los ms importantes dentro del rea son: El valle de la ciudad de SLP, se presenta de forma irregular limitado por dos grandes sierras en sus flancos NE y SW, presenta una pendiente muy suave y tiene una elevacin promedio de entre los 1850 y los 1900 msnm, el valle de Villa de Reyes presenta una forma alargada orientado NE-SW, con una pendiente suave y una elevacin mxima de 1900 msnm, y de aproximadamente 15 km de ancho. 1.1.9 Geologa

El valle de San Luis fue originado por una fosa tectnica limitada por fallas escalonadas de gran ngulo, con rumbo preferencial N-S, la cual fue rellenada por sedimentos luviales, lacustres y material piroclstico; la emisin de esta ltima no modific las caractersticas principales del relieve, persistiendo las cuencas hidrogrficas formadas a principios del Terciario. El zcalo rocoso es formado por derrames lvicos y/o ignimbritas de edad terciaria (Latita Portezuelo, y/o Ignimbrita Cantera).

19

Las rocas que conforman las sierras que bordean al valle, son predominantemente de tipo efusivo de edad terciaria y material piroclstico que incluye ignimbritas, tobas y brechas de composicin rioltica. Alcanzan su mxima expresin en la porcin central y suroeste de la Sierra de San Miguelito que constituye el lmite occidental de la cuenca. Esta secuencia cubre a rocas sedimentarias marinas del Cretcico superior (formaciones caracol, soyatal y crdenas), las cuales se hallan expuestas nicamente en la frontera oriental (cerro de San Pedro) y en algunos pequeos afloramientos, en forma de lomeros al noreste del valle, que a su vez sobreyacen a calizas del Cretcico inferior (formaciones cuesta del cura y la pea), tambin expuestas en la margen oriental del valle. La tectnica cortante se manifiesta por fallas longitudinales que constituyen un sistema con orientacin preferencial N40W as como uno normal al anterior que originaron pilares y fosas tectnicas. Basados en cortes litolgicos de pozos y exploraciones geofsicas se asigna un espesor a los materiales granulares que rellenan el graben de 50 a 300 m, con la mayor potencia en el centro del valle, en tanto que el espesor del material volcnico flucta entre 400 y 500m. 1.1.10 Estratigrafa Las unidades estratigrficas que afloran en el rea de estudio estn representadas principalmente por rocas volcnicas del terciario y sedimentos no consolidados del cuaternario (aluvin) compuesto por arcillas, limos, arenas y gravas de diferentes orgenes, este ltimo, abarca la mayor parte de la zona ocupando todo el valle del rea de inters. 1.1.11 Geofsica En el siguiente cuadro 2.8 se presentan los principales estudios geofsicos realizados en la zona de inters, los cuales han sido extrados de un estudio realizado por la UASLP en 1986.

20

Cuadro 1.8 Estudio geofsico (tomado de CONAGUA, 2002).

Institucin/a o Mtodo empleado Zona estudiada Unidades geoelctricas Comentarios sobre los resultados

Seis perfiles con 48 SEV en total: 1.- Cd. de San Luis Potos (N-S). 2.-Ojo Zarco (NWSE). 3.-Cndido Navarro (E-W). 4.-Palma de la Cruz (NESW). 5.-La Libertad (E-W). 6.-El Jaralito (NWSE). Se determinan cinco unidades geoelctricas, las 3 ms superficiales se correlacionaron con el relleno, con espesores conjuntos de 100 a 470 m; y las dos inferiores con rocas gneas a las que se les confiri por sus propiedades acuferas. Se infiere un espesor de los materiales de relleno de 400 m.

Se definen 3 unidades resistivas: Capa superficial de

*Interpretacin de tipo cualitativa por el mtodo empleado *La UASLP, menciona que los cortes de los

Cnsultores, .A. (1977)

Arreglo Wenner

aluvin. pozos que sirvieron de Secuencia de r. volcnicas. apoyo no concuerdan con los hechos por la Rocas volcnicas y sedimentarias fracturadas. SARH.

Dos secciones en la porcin Tecnolo -ga y Sistemas (1984) con el de Villa de Reyes meridional del valle de San Luis, cerca de los lmites

Tetraelectrdico tipo

5 prfiles orientados 4 de ellos E-W, cortando transversalmente el valle, y otro orientado N-S, con 26 SEVs en total

Se definen 4 unidades geoelctricas descritas enseguida: U1: Aluvin y relleno granular reciente, con valores resistivos de 40 a 450 Wm, con predominio de valores altos, por la ausencia de un electrolito conductor; a profundidad muestra una reduccin en el rango de las resistividades (15-50 Wm), probablemente

UASLP (1986)

Schlumberge r, con potencia suficiente para

21

Institucin/a o

Mtodo empleado
investigar hasta los 1500 a 2000 m de profundidad

Zona estudiada

Unidades geoelctricas

Comentarios sobre los resultados

(separados estos ltimos 2 km entre s)

por efecto de la saturacin. El espesor de estos materiales es de 200 m en promedio, 600 m mximo. U2: presenta resistividades bajas a medias (15-50 y se correlaciona con rocas neas muy alteradas y fracturadas, en ocasiones no diferenciable del Aluvin U3: Propiedades resistivas similares a U2, de acuerdo al apoyo de cortes litolgicos se asocia a depsitos piroclsticos de poca cohesin. U4: Resistividad comparativamente mayor, si bien es muy heterognea (75-500 Wm). Se asocia a rocas riolticas muy heterogneas y fracturadas. Los valores altos son poco frecuentes, atribuible al intenso fracturamiento y, en menor grado, a la alteracin que persiste a profundidad.

Las conclusiones ms importantes del estudio mencionado anteriormente se describen a continuacin: Las rocas gneas se distribuyen en la mayor parte del subsuelo del valle de San Luis Potos. Las rocas gneas no actan generalmente como confinantes, presentando en sus exposiciones un sistema de fracturamiento vertical bien

desarrollado, caracterstica que debe mantener en el subsuelo, adems de un sistema de fracturas horizontales, normal al primero, que le permite actuar como acufero. Esta apreciacin se hace al correlacionar los valores resistivos de los SEV (sondeos elctricos verticales) con los cortes de las perforaciones de los pozos que han atravesado estas rocas. Las discordancias entre las diferentes unidades litolgicas del paquete gneo favorecen frecuentemente el flujo horizontal del agua subterrnea.

22

Los valores resistivos en materiales aluviales y rocas gneas alteradas son muy semejantes, no pudiendo establecerse con precisin la diferencia entre estos.

No se detectaron fronteras naturales en el subsuelo que comprueben la independencia geohidrolgica de los acuferos de los valles de San Luis y Villa de Reyes, por el contrario, parece existir un canal de flujo en el subsuelo, constituido por un fallamiento longitudinal.

En el valle de San Luis Potos, el espesor del material aluvial es muy variado, coincidente con las irregularidades del relieve sepultado, alcanza espesores mximos en su porcin centro oriental (420 m). Existe un solo acufero que funciona como libre (en la parte norte) y semiconfinado (ciudad y parte sur). Las unidades estratigrficas que afloran en el rea de estudio estn representadas principalmente por rocas volcnicas del terciario y

sedimentos no consolidados del cuaternario (aluvin) compuesto por arcillas, limos, arenas y gravas de diferentes orgenes, este ltimo, abarca la mayor parte de la zona ocupando todo el valle del rea de inters. 1.1.12 Hidrogeologa

El medio geolgico por donde se desplaza el agua subterrnea es posible definirlo a partir de la disposicin espacial de las unidades litolgicas del subsuelo. Sus caractersticas litolgicas condicionan el tipo de medio que trasmite y almacena el agua subterrnea.

23

1.1.13 Unidades hidrogeolgicas

En la zona de SLP se han definido dos acuferos separados (en sentido vertical) por un horizonte de arena fina y limo. El acufero superior o somero, es de tipo libre constituido por material clstico y cargas hidrulicas entre 1800 y 1975 msnm. La profundidad al nivel fretico oscila entre 3-40 metros bajo la superficie del terreno natural, que tiene en la regin donde se identifica el acufero somero una elevacin entre 1985 y 1840 msnm. Est colgado sobre el horizonte de arena fina y limo, con recarga por lluvia y retornos de riego. Aguas negras de tipo domstico derivadas de la ciudad de SLP, se utilizan en la irrigacin de cultivos en algunas porciones de la zona centro-oriental de la planicie de SLP,

especficamente en las inmediaciones de la poblacin de Soledad Daz Gutirrez, por lo que el agua subterrnea somera adems de que tiene una temperatura de
-1

21 1C, es comn que presente valores de NO3 (promedio 50 mg L , mximo 180

-1

mg L ) por arriba de los estndares de calidad del agua para uso potable; adicionalmente, son altas las concentraciones de otros constituyentes como Cl y SO4, por lo que generalmente es tipo Ca-Mixta, Cardona A. y Carrillo-Rivera J. (2005). El medio geolgico por donde se desplaza el agua subterrnea es posible definirlo a partir de la disposicin espacial de las unidades litolgicas del subsuelo. Sus caractersticas litolgicas condicionan el tipo de medio que trasmite y almacena el agua subterrnea. En base a las unidades geolgicas del subsuelo presentes en la zona de estudio, es posible identificar bsicamente dos tipos de medios por donde se mueve el agua subterrnea: uno granular y otro fracturado como se muestra en el cuadro 2.9. De acuerdo a las caractersticas geolgicas y a su comportamiento hidrogeolgico, las unidades geolgicas se pueden agrupar en cada uno de estos medios.

24

Cuadro 1.9 Medios y unidades hidrogeolgicas (tomado de Martnez, 2005). Unidades Medio Caractersticas Hidrogeolgicas Aluvin del cuaternario Granular Depsitos de relleno clasto-continentales Riolita panalillo (10-260 m de espesor) Ignimbrita cantera (100-500 m de espesor) Fracturado Riolita San Miguelito (82-500 m de espesor) Latita portezuelo (180-500 m de espesor) 1.1.14 Definicin del modelo conceptual Este medio est constituido por lavas riolticas e ignimbritas del oligoceno y de acuerdo al grado de fracturamiento (secundario) que poseen es la permeabilidad que presentan. El paquete volcnico del terciario presenta un espesor aproximado de 2000 m. Conglomerados, suelos residuales y material aluvial constituido de gravas, arenas, limos y arcilla. Material de relleno mal clasificado de granulometra gruesa a fina constituido por gravas, arenas, limos y arcillas.

La definicin del modelo conceptual del flujo de agua subterrnea en la zona de estudio, se realiza por medio de la integracin de la informacin existente. El anlisis esttico del acufero que se plantea en los estudios realizados previamente en la regin, se transformar en la investigacin del elemento dinmico (agua subterrnea, cuyo desplazamiento ocurre en un medio geolgicamente heterogneo) marcando regiones donde la interaccin

subterrnea entre cuencas superficiales es evidente. Este anlisis incluir la participacin de conceptos geolgicos, geofsicos, hidrogeoqumicos, isotpicos e

25

hidrolgicos, dentro del marco terico que sostiene la existencia de sistemas de flujo locales, intermedios y regionales, Jnez (2005). 1.1.15 Modelo conceptual de funcionamiento

En el valle de San Luis Potos, desde los comienzos de la explotacin geohidrolgica, se registran dos niveles piezomtricos claramente diferenciados, infirindose la existencia de dos unidades geohidrolgicas cuyas caractersticas ha sido posible conocer con el desarrollo de la explotacin. La ms somera se relaciona con un complejo sistema de acuferos de reducidas dimensiones, interconectados entre s, caracterizados por una gran

heterogeneidad y anisotropa, que da lugar a variaciones locales en su forma de funcionamiento (frecuentemente casi en forma puntual), comportndose como libres, semiconfinados y espordicamente, como confinados. Sin embargo, la interdependencia que muestra el conjunto, en el que se establece una direccin de flujo nica y bien definida, as como otras caractersticas comunes hacen posible considerarlo como un nico acufero, constituido por sedimentos granulares de origen aluvial, con un espesor variable entre 3 y 60 m; los niveles piezomtricos se establecen a profundidades menores a los 50 m, hallndose los ms superficiales 3 m en la zona urbana y al suroeste de la delegacin de pozos, incrementndose hacia el este, hasta alcanzar la profundidad mxima de 40 m, en la porcin noreste, la base del acufero consiste de un estrato continuo de sedimentos con alto contenido arcilloso (acuitardo). Este sistema recibe una recarga natural por infiltracin de los escurrimientos que descienden de la sierra de San Miguelito, al oeste y suroeste, as como una fraccin de la precipitacin en toda su superficie. El flujo subterrneo, que se conserva hasta la actualidad sin variaciones significativas, ocurre desde las porciones oeste y suroeste, con direccin al este, identificndose una descarga subterrnea en la porcin oriental donde la capa de material arcilloso lo limita a profundidad; esta descarga se confirma por las observaciones piezomtricas en

26

esta rea, que solo registran un nivel profundo, correspondiente al acufero inferior. En forma natural ocurre tambin un drenado del sistema superior, por percolacin continua del agua que contiene, a travs del estrato arcilloso. Con el desarrollo de la explotacin geohidrolgica, la recarga al sistema se ha incrementado por los aportes de retornos de riego y prdidas en las redes de agua potable y alcantarillado. Las descargas tambin han aumentado por la comunicacin de los dos sistemas acuferos, a travs del ademe y filtro de grava de un considerable nmero de pozos cuya terminacin no incluye la cementacin del tramo correspondiente al espesor del acufero superior. El sistema profundo consiste en un acufero de composicin mixta, cuya parte superior es formada por material aluvial con un espesor medio de 200 m; su porcin ms profunda es constituida por rocas gneas (tobas arenosas riolticas y latitas) que presentan una topografa sepultada muy compleja; la base de este acufero es formada tambin por rocas gneas impermeables. El espesor medio saturado de este acufero se calcula, con base en cortes litolgicos, de unos 300 a 350 m; funciona como acufero libre y en algunas zonas como semiconfinado. La recarga de este acufero ocurre por infiltracin del agua de lluvia en las rocas gneas que conforman su frontera occidental, as como la infiltracin ya descrita del agua del sistema superior. En condiciones de flujo estable el movimiento del agua subterrnea era hacia el sur, prosiguiendo ms all del rea que se considera como lmite de su cuenca geohidrolgica (a la altura del poblado La Pila) hasta la zona en la que emplaza su cauce el ro Santa Mara (graben de enramadas) donde el flujo subterrneo adquiere una direccin hacia el este, figura 2.7. Esta zona de descarga tambin lo era para el acufero de Villa de Reyes en la poca en la que no se haba desarrollado su explotacin geohidrolgica. En la actualidad las salidas naturales se han invalidado, constituyendo el bombeo su nica descarga. En el cuadro 2.10 se presentan las caractersticas generales del acufero (superior) del Valle de San Luis Potos.

27

Cuadro 1.10 Caractersticas generales del acufero somero del valle de San Luis Potos (tomado de CONAGUA, 2002). Rango Espesor Caudal Extensin Acufero Prof. NE Medio en el valle (lps) (m) (m) 1-9 2.67-40.7 100 m (Promedio 4)

Superior

165 km2

Figura 2.7 Sistema de flujo intermedio, local y regional. 1.1.16 Censo de aprovechamientos

Durante el perodo 1995-1996 se efectu la actualizacin del censo de aprovechamientos de aguas subterrneas, en el que se tuvo particular empeo en precisar la informacin respecto a las obras de captacin del acufero inferior, por

28

lo que numerosas norias de uso domstico no fueron registradas, debido a que su extraccin es poco significativa dentro del total. En total, se registraron 866 aprovechamientos subterrneos, de los cuales 453 fueron pozos y 413 norias; 370 pozos se encuentran activos y 83 inactivos; de las norias 282 fueron activas y 131 inactivas. Las norias proporcionan gastos entre 1 y 14, con 4 lps en promedio, no sosteniendo su caudal, generalmente, por ms de 6 horas; el rea de mayor potencial de produccin con este tipo de obras, es la zona de Soledad de Graciano Snchez, donde se ubican la mayora de uso agrcola y pecuario. El caudal de los pozos flucta entre menos de 4 lps y 85 lps, y 25 lps en promedio, con variaciones notables de produccin entre pozos localizados en una misma rea, tanto por factores de ndole geohidrolgica, como de profundidad de penetracin y caractersticas constructivas. 1.1.17 Balance de aguas subterrneas para el acufero de SLP

El balance de aguas subterrneas para el acufero de San Luis Potos desprende un dficit de 71.246 hm3/ao al contar con una recarga total de 78.1 hm3 contra una descarga total de 149.347 hm3, CONAGUA (2002). Por ese motivo, para hacer un uso eficiente del recurso es indispensable conocer la distribucin espacial de la carga hidrulica y su evolucin. 1.1.18 Disponibilidad

Para el clculo de la disponibilidad del agua subterrnea, se aplica el procedimiento indicado en la Norma Oficial Mexicana NOM-011-CNA-2000, que establece las especificaciones y el mtodo para determinar la disponibilidad media anual de las aguas nacionales, que en la fraccin relativa a las aguas subterrneas establece la expresin siguiente:

29

Disponibilidad media anual de agua subterrnea en una unidad hidrogeolgica

Recarga total media anual

Descarga natural comprometida

Volumen anual de agua subterrnea concesionado e inscrito en el REPDA

En el cuadro 2.11 se presenta la disponibilidad media anual del acufero de San Luis Potos. Cuadro 1.11 Disponibilidad media anual: acuferos del estado de San Luis Potos (tomado de CONAGUA, 2002). Unidad Clave Hidrogeolgica (Acufero) VCAS3 VECET4 DMAAS5 Dficit

RMA

DNC

(Mm3) 2402 2411

1 2 3 4 5

El Barril San Luis Potos

31.60 78.10

0.000 0.000

89.627 149.34 7

53.0 113.0

0.000 0.000

-58.022 -71.247

. Recarga Media Anual. . Descarga Natural Comprometida. . VCAS. Volumen concesionado del agua subterrnea. . VECET. Volumen de extraccin consignado en estudios tcnicos. . DMAAS. Disponibilidad media anual de agua subterrnea.

1.1.19 Recarga total media anual

La recarga total media anual, corresponde con la suma de todos volmenes que ingresan al acufero, en forma de recarga natural ms la recarga inducida, que para el acufero San Luis Potos es de 78.1 millones de metros cbicos por ao.

30

1.1.20 Descarga natural comprometida

La descarga natural comprometida, se cuantifica mediante medicin de los volmenes de agua procedentes de manantiales o de caudal base de los ros alimentados por el acufero, que son aprovechados y concesionados como agua superficial, as como las salidas subterrneas que deben de ser sostenidas para no afectar a las unidades hidrogeolgicas adyacentes. Para el acufero San Luis Potos la descarga natural comprometida se considera prcticamente nula. 1.1.21 Disponibilidad de agua subterrnea

La disponibilidad de aguas subterrneas conforme a la metodologa indicada en la norma referida, se obtiene de restar al volumen de recarga total media anual, el valor de la descarga natural comprometida y el volumen de aguas subterrneas concesionado e inscrito en el REPDA:

- 71,246,618

78,100,000

0.0

149,346,618

La cifra - 71,246,618 indica que no existe volumen disponible para nuevas concesiones en la unidad hidrogeolgica denominada acufero San Luis Potos, en el Estado de San Luis Potos.

31

1.2

Revisin del estado del arte en el diseo de redes de monitoreo de la carga hidrulica en acuferos

Las redes monitoreo del agua subterrnea son una herramienta para analizar la evolucin del nivel piezomtrico, detectar problemas de contaminacin, dar seguientos de saneamiento de acuferos, entre otros. En este sentido, estas redes de monitoreo son sistemas de prevencin contra la sobreexplotacin y contaminacin del agua subterrnea. Existen redes de monitoreo de la carga hidrulica as como redes de monitoreo de la calidad del agua. El diseo ptimo de redes de monitoreo piezomtrico consiste en seleccionar de forma ptima las posiciones de los pozos y/o las

frecuencias de monitoreo para satisfacer los objetivos del monitoreo. Dado el objetivo de esta tesis, aqu se presenta un resumen nicamente del estado del arte en el diseo de redes de monitoreo de la carga hidrulica. 1.2.1 Investigaciones realizadas

Este apartado proporciona una descripcin de investigaciones realizadas sobre el diseo ptimo de redes de monitoreo a largo plazo. Una consideracin primaria para seleccionar el mtodo apropiado para optimizar un diseo de monitoreo a largo plazo es la calidad y cantidad de los datos pertinentes. La informacin que se presenta a continuacin se tom de un reporte de la Asociacin Americana de Ingenieros Civiles, (ASCE 2003), cabe mencionar que la informacin que se presenta en ese reporte se centra en el monitoreo de calidad del agua, ya que en este tema se han realizado un mayor nmero de estudios, y en el resumen que se presenta aqu se retom la informacin que a nuestro juicio es vlida para el diseo de redes de monitoreo de la carga hidrulica. Una consideracin fundamental para seleccionar el mtodo apropiado para optimizar un diseo de monitoreo a largo plazo es la calidad y cantidad de los

32

datos con que se cuente y otra consideracin importante es el objetivo del monitoreo. Los mtodos estn organizados de acuerdo con el tipo de herramientas, el nivel de complejidad y el objetivo del monitoreo, cuadro 2.12. Cuadro 1.12 Mtodos de optimizacin del monitoreo a largo plazo por el nivel de complejidad (tomado de ASCE, 2003). Cantidad de datos e informacin Mtodo Pocos Intermedios Muchos 2.2.1.1 Mtodos basados en reglas Mtodo hidrogeolgico Mtodos de tendencia basados en reglas 2.2.1.2 Mtodos estadsticos Comparaciones estadsticas Deteccin de la tendencia Mtodos geoestadsticos Mtodo hbrido hidrogeolgico-geoestadstico 2.2.1.3 Mtodos probabilsticos Mtodos del filtro de Kalman Mtodos de simulacin probabilstica Mtodo jerrquico 2.2.1.4 Mtodos de optimizacin matemtica X X X X X X X X X X X X X X X X X X

33

1.2.1.1 Punto de vista basado en reglas para identificar planes de monitoreo a largo plazo

Una clase de mtodos de monitoreo se basa en la combinacin del criterio profesional y la experiencia, con mtodos estadsticos, de aqu parten los mtodos de tendencia basados en reglas. Mtodo hidrogeolgico Este punto de vista se usa comnmente para programas de monitoreo de agua subterrnea a largo plazo. Se basa en informacin hidrogeolgica cuantitativa y cualitativa. En este punto de vista el programa de monitoreo se determina con base en los clculos y juicio del hidrogelogo sin el uso de tcnicas estadsticas y/o probabilsticas avanzadas. Especficamente, los sitios y tiempos de monitoreo son determinados por las condiciones hidrogeolgicas del acufero. Mtodos de tendencia basados en reglas Este mtodo sigue una serie de etapas de decisiones lgicas que guan las decisiones de cmo, dnde y cundo monitorear el agua subterrnea. Un rbol de decisiones es una forma conveniente de organizar un sistema secuencial de decisiones de problemas que involucran incertidumbre, un nmero de puntos de decisin y escenarios alternativos (ASCE, 2003). 1.2.1.2 Mtodos estadsticos

Existen varios mtodos para elegir la ubicacin de los pozos de monitoreo basados en mediciones geoestadsticas o probabilsticas.

34

Mtodos geoestadsticos Identifican el siguiente sitio a elegir para un nuevo pozo de monitoreo o cundo tomar la prxima muestra de un pozo existente. La geoestadstica puede ser definida a travs de un grupo de tcnicas para solucionar problemas de estimacin que involucra la geo-referencia espacial de variables. Mtodos geoestadsticos basados en la varianza

Existen varios mtodos para elegir la ubicacin de los pozos de monitoreo basados en mediciones geoestadsticas o probabilsticas que identifican el siguiente sitio a elegir para un nuevo pozo de monitoreo o cundo tomar la

prxima muestra de un pozo existente. Rohuani (1985) implement uno de estos mtodos de reduccin de la varianza que utiliza aproximaciones geoestadsticas, el cual busca el nmero y la ubicacin de los sitios de muestreo que minimizan la varianza del error de la estimacin de la concentracin de un contaminante en uno o ms sitios. La bsqueda de una red de sitios para el muestreo de agua subterrnea inicia con un nmero de pozos de muestreo existentes al cual se le van agregando, uno a la vez, pozos que se encuentren en sitios potenciales. Cada sitio de muestreo adicionado a la red es aqul que produzca la mayor reduccin en la variancia del error de estimacin dados los pozos de muestreo existentes. Se siguen agregando sitios de muestreo hasta que ya no se tengan reducciones significativas en la varianza o cuando las ganancias marginales en la precisin estadstica sean excedidas por algn criterio de competencia, como pueden ser razones presupuestarias. Si originalmente no existen pozos, se debe elegir un conjunto de sitios de muestreo potenciales basndose en consideraciones hidrogeolgicas o algo apropiado (ASCE, 2003). Muchos investigadores minimizan una funcin global de la varianza de los errores de la estimacin para tomarla como base para seleccionar sitios de monitoreo (ASCE, 1990a, b). Especficamente, ellos han buscado el mejor patrn (cuadrado

35

o triangular) y la mejor densidad (nmero de sitios de muestreo por unidad de rea del acufero) que minimice un criterio de representacin global, como el promedio o la varianza mxima de la estimacin de un contaminate sub-superficial en una regin (Olea, 1984). Este mtodo global se ajusta mejor en la seleccin de los sitios preliminares para pozos de monitoreo de agua subterrnea. Una variante de la bsqueda geoestadstica para el diseo de redes fue introducida por Rohuani y Hall (1988). Fue usada para identificar los sitios de monitoreo con alta incertidumbre y altas concentraciones de contaminante. Los sitios de muestreo se eligen secuencialmente en esta variante: el sitio adicional que se elige debe representar un rea con alta incertidumbre y alta concentracin. Este mtodo tambin puede usarse con redes de pozos existentes. Conwell, Silliman y Zheng (1997) disearon una red de piezometra para la estimacin del semivariograma muestral del gradiente hidrulico. Utilizaron el proceso del diseo para ilustrar una estrategia para el diseo de una red de monitoreo la cual es apropiada para la estimacin de estadsticos espaciales y eficiente en trminos de instrumentos de medicin (en Bravo-Jcome, 2005). Mtodos geoestadsticos basados en la concentracin

Los mtodos geoestadsticos basados en la varianza consideran solamente la estructura de covarianza espacial de la red de monitoreo pero no consideran concentraciones de constituyentes que estn siendo medidos. Cameron y Hunter (2000) desarrollaron varios mtodos basados en geoestadstica para reducir la redundancia temporal y espacial. El algoritmo temporal consiste en construir un variograma compuesto temporal que combina datos de series de tiempo de muchos pozos y usa el variograma para identificar frecuencias de muestreo apropiadas. El intervalo de tiempo ms pequeo es identificado en donde aproximadamente se alcanza la cima del variograma, lo que representa el intervalo mnimo de muestreo que provee en esencia datos temporales no correlacionados. Las frecuencias de muestreo se ajustan entonces para asegurar

36

que los lags de tiempo entre los eventos de muestreo no caigan dentro del intervalo mnimo. El algoritmo espacial usa el kriging para identificar pozos redundantes que no necesitan ser muestreados. Usando kriging se genera un mapa inicial con todas las posibles ubicaciones de pozos. Se asignan pesos numricos a cada ubicacin de pozo para medir su importancia relativa en el mapa inicial; los pesos se obtienen del kriging y son llamados pesos globales de kriging. Se eliminan los pozos con los menores pesos y se vuelve a generar el mapa. Se calcula la varianza del nuevo mapa y se compara con la varianza inicial para ver si se ha incrementado sustancialmente la incertidumbre espacial. Si no, entonces se quitan ms pozos y as sucesivamente. Mtodo geoestadstico basado en evaluacin del semivariograma

La variacin de la estimacin cokriging es una herramienta de optimizacin til para determinar la influencia de la configuracin espacial de redes de monitoreo en estimaciones del parmetro. Ha sido usada en orden para derivar la configuracin reducida de la concentracin de un nitrato en el monitoreo de redes de pozos. La idea en este problema de optimizacin podra ser un beneficio de el uso de geoestadstica, particularmente de utilizar la variacin de la estimacin de cokriging ya que ste permite que reduzca la incertidumbre en la evaluacin del comportamiento espacial de un parmetro usando los valores del parmetro muestreado en otro tiempo (D'Agostino et al., 1998), o de otro parmetro muestreado en el mismo tiempo (Istok et al., 1993). Esta metodologa se ha basado en la suposicin de que el comportamiento espacial de la variable considerada en tiempo pasado el ao anterior es conocida y se puede considerar persistente en tiempo. Esta consideracin permite que utilice el modelo del semivariograma de la misma estacin del ao anterior que el

37

representante de la variable considerada en la estacin actual (D'Agostino et al., 1997). La incertidumbre implicada tiene que ser agregada con las prcticas de la interpolacin variogrfica para la seleccin de un modelo terico robusto del semivariograma, que describe correctamente el comportamiento espacial de la variable regionalizada. La evaluacin de estas incertidumbres depende

fuertemente de la calidad y de la cantidad de la informacin disponible. Una metodologa basada en cokriging se ha presentado capaz de reducir el nmero de pozos en el agua subterrnea que supervisaba la red, para la evaluacin de la concentracin del nitrato en un nmero de sitios crticos dentro de un rea dada. Fue basada en el uso de la variacin de la valoracin de cokriging en los sitios crticos para determinar la prdida de informacin producida por la eliminacin de pozos seleccionados. La metodologa cokriging es sensible a varios apremios que produzcan niveles que varan de la incertidumbre La validacin cruzada de geoestadstica permite una comparacin en el impacto de diversos modelos en el resultado interpolado pero no proporciona ninguna informacin til sobre la comparabilidad de la funcin modelada de la covariacin (semivariograma) verdadera (Solow, 1990). Por lo tanto no es posible eliminar la incertidumbre en la opcin del modelo del semivariograma con este mtodo, Passarella et al. (2002). Mtodo geoestadstico con enfoque a la redundancia espacial y temporal Cameron et al. (1999). La optimizacin de las redes de monitoreo a largo plazo han desarrollado un algoritmo espacial y temporal de la optimizacin basado en mtodos estadsticos; el algoritmo de la optimizacin consiste en tres pasos bsicos: 1) identificacin de redundancias temporales en pozos actualmente supervisados; 2) identificacin de pozos espacial redundantes; y 3) proyeccin de los ahorros de costo ganado eliminando pozos y/o reduciendo frecuencias de muestreo.

38

El algoritmo temporal de la optimizacin permite que los datos de la serie de tiempo de varios pozos sean combinados juntos en una sola medida de autocorrelacin temporal conocida como semivariograma. En comparacin con la autocorrelacin espacial, que considera la distancia entre los puntos en el espacio. Este algoritmo se refiere a la eliminacin temporal de los puntos de referencia al azar-seleccionados de la serie de tiempo de medidas en un pozo dado. El algoritmo consiste en 1) estimando una tendencia usando la serie de tiempo entera, 2) reduciendo las series de tiempo a travs de una fraccin de medidas, y entonces 3) re-estimando la tendencia para determinar si la pendiente de estimacin todava est cerca de la pendiente original En el acercamiento temporal del semivariograma primeramente se requiere preprocesar los datos en las cuales las concentraciones no necesitan ser conocidas; un clculo del semivariograma temporal compuesto es haciendo un promedio de los semivariogramas del pozo, sin embargo en los expedientes histricos en muchos pozos sern absolutamente limitados. Al ajusta la frecuencia de muestreo global el semivariograma compuesto se disea para determinar una frecuencia de muestreo global tpica o "media" que se pueda aplicar ms o menos a todos los pozos uniformemente. Cualquier intervalo ms corto se asocia a una cierta redundancia temporal, desde la correlacin por tal caso el intervalo de

tiempo es positivo. El semivariograma temporal compuesto ofrece un panorama de la autocorrelacin temporal en sitio, frecuencias de muestreo ptimas basadas en la reduccin al mnimo grado de autocorrelacin temporal. Al ajustar la frecuencia de muestreo se realizar a travs de un algoritmo espacial de la optimizacin, mediante los pasos siguientes: 1) generar un mapa inicial de la concentracin a travs de un mtodo geoestadstico de la interpolacin conocido como kriging; 2) asignar los pesos numricos (pesos kriging globales denotados) a las localizaciones bien en la red de supervisin para calibrar su contribucin relativa al mapa de la concentracin; 3) quitar el subconjunto de pozos con los pesos kriging globales ms bajos y re-estimar temporalmente el mapa de la

39

concentracin; y 4) determinar si el mapa de la concentracin ha cambiado de cualquier manera y si la incertidumbre espacial ha aumentado substancialmente; (de lo contrario) que se eliminen algunos pozos adicionales y que se repita el proceso. Los pasos dominantes son el de covarianza espacial. La interpolacin se calcula lo ms frecuentemente posible como combinacin lineal cargada de los datos de la muestra de una serie (n) localizaciones fijadas sobre un rea espacial de la geoestadstica como kriging. Las ventajas de la optimizacin y de cualquier ahorro de costo observado dependen en la calidad y de los datos de entrada. Mtodo geoestadstico basada en la teora de variables regionalizadas preprocesar los datos y el de modelar la

Ofrece las herramientas eficientes para el diseo del nivel de redes de monitoreo de aguas subterrneas. Usa kriging universal y especifica las posiciones ptimas para la reduccin posible o la adicin de los pozos de la observacin para un nivel dado de exactitud. Los objetivos para evaluar la suficiencia de una red existente de pozos de observacin, el establecer la localizacin ptima para una reduccin posible en la observacin sin afectar el nivel actual de la exactitud y tambin la determinacin de la configuracin de red para la exactitud ms satisfactoria. Para alcanzar la meta antes dicha, una tcnica geoestadstica basada en la teora de variables regionalizadas es utilizada. En un sentido estadstico, los niveles del agua son espacialmente correlacionados (se correlacionan), esto dependen de la distancia que separa dos puntos y del parmetro particular considerado.

40

Los progresos recientes en teora estadstica permiten las relaciones espaciales entre valores observados, ser cuantificados y ser utilizados para la interpolacin de valores en las localizaciones desconocidas. Estos progresos se basan en la teora de las variables regionalizadas (Matheron, 1963). La teora de variables regionalizadas por medio de un semivariograma y de kriging (Delhomme, 1978) debido a que proporciona las herramientas cuantitativas para la descripcin y la valoracin ptima, imparcial de variables espacial distribuidas. La herramienta bsica de la teora de variables regionalizadas es el semivariograma. Para comprobar el tipo de variacin en datos, los semivariogramas pueden ser trazados en diversas direcciones. En la prctica, los datos pueden exhibir la presencia de la deriva o tendencia. La teora de variables regionalizadas predice que en un mapa de contorno generado por kriging universal, la variacin de la valoracin es una funcin lineal de la distancia entre los pozos, Kumar et al. (2005). Mtodo hbrido hidrogeolgico-geoestadstico

Zaidi (2007). El mtodo de fluctuacin doble del nivel piezomtrico, es un mtodo fiable para el clculo del balance hdrico en reas semiridas de rocas cristalinas. Se han llevado a cabo medidas extensivas de niveles de agua procedentes de una densa red de control antes y despus de las lluvias monznicas en una cuenca al sur de India y se han calculado varios componentes del balance de agua. Posteriormente, se llevaron a cabo anlisis geoestadsticos con los datos de nivel de agua para determinar la prioridad y/o redundancia de cada punto de medida usando el mtodo de validacin cruzada. A partir de estos anlisis se obtuvo una red de control ptima. Se ha establecido que una red de control optimizada da lugar a muchos menos puntos de medida sin cambiar considerablemente las conclusiones que tienen que ver con el balance hdrico; ayuda a reducir el tiempo y el costo de campaas piezomtricas exhaustivas.

41

El nivel del agua, que es el nico parmetro medible, no es problemtico. El objetivo es desarrollar una metodologa para la optimizacin de la red piezomtrica usando geostadstica de modo que represente adecuadamente condiciones hidrolgicas en un rea dada y no afecte la sensibilidad de los clculos del balance de agua. Esta metodologa ayudar grandemente en la reduccin de costo y de tiempo, ambos asociados a los exmenes piezomtricos exhaustivos ya que el clculo del balance se requiere por muchos perodos, uniformes en un solo ao hidrolgico. La recarga y la produccin especfica, se basan en la diferencia entre los niveles piezomtricos, el desarrollo de una red representativa y ptima de los pozos para la medida del nivel del agua necesaria. 1.2.1.3 Mtodos probabilsticos

Los mtodos descritos en las secciones previas utilizan nicamente los datos histricos y el juicio profesional para optimizar las redes de monitoreo. En algunos casos, sera deseable predecir las condiciones en el sitio para identificar las redes de monitoreo que probablemente servirn para alcanzar objetivos futuros. Debido a la incertidumbre sustancial al estimar condiciones futuras, estos mtodos tpicamente usan aproximaciones probabilsticas para identificar los diseos con la mxima confianza en la prediccin. Andricevic (1990) present un mtodo de tiempo real para el manejo y monitoreo de la carga hidrulica del agua subterrnea. El modelo de manejo, estructurado como un problema de control de tiempo ptimo, identifica los gastos de extraccin ptimos que satisfacen una funcin de costo de tipo sancin de dos objetivos conflictivos: satisfacer las demandas de extraccin y mantener los niveles de carga hidrulica deseadas. Una accin de control obtenida en la forma de retroalimentacin se muestra en este trabajo que depende de la incertidumbre futura en la prediccin de la carga hidrulica debido a la variabilidad en la

42

conductividad hidrulica. Cuando se obtienen nuevas observaciones de campo la conductividad hidrulica se actualiza en tiempo real. Mtodos del filtro de Kalman

Van Geer, et al. (1991) utilizaron el filtro de Kalman para mejorar y cuantificar la incertidumbre de simulacin numrica de agua subterrnea, para posteriormente disear una red de monitoreo. Esto con ayuda de un modelo numrico de flujo para obtener la matriz de covarianza y posteriormente su calibracin. Usaron el cdigo de modelacin MODFLOW con la combinacin del filtro de Kalman. Trabajaron en el diseo de muestreo para monitorear cambios espacio-temporales de cargas de agua subterrneas, causadas por la extraccin. El nico trmino incierto considerado en la ecuacin de flujo es el error del modelo. Los autores proponen usar un filtro de Kalman para estimar los parmetros de la ecuacin de flujo (llamados parmetros determinsticos) y algunos parmetros asociados con la matriz de covarianza del error del modelo (llamados parmetros estocsticos). La calibracin es ejecutada para un periodo en el cual las condiciones estacionarias estticas se satisfacen y en el cual todas las matrices requeridas del algoritmo de filtro de Kalman se suponen fijas (no cambian con el tiempo). El mtodo estima los parmetros secuencialmente: primero una estimacin de la covarianza del error del modelo es propuesta y la primera calibracin de parmetros determinsticos es realizada, entonces estos parmetros se mantienen constantes y los primeros parmetros estocsticos son obtenidos. Estas dos etapas se repiten varias veces bajo un criterio de error preestablecido para ambos sistemas de parmetros que los satisfagan. Yangxiao et al. (1991) analizaron dos ejemplos de campo. En ambos la frecuencia de muestreo se mantuvo fija y las densidades de la red fueron minimizadas bajo la restriccin de un valor lmite dado de la desviacin estndar del error de estimacin. Varias alternativas fueron analizadas y la mejor fue elegida por inspeccin. Los autores analizaron la relativa importancia de la densidad de la red

43

espacial y frecuencias de muestreo relacionndolo con el tiempo de respuesta del sistema. Encontraron que si el sistema reacciona rpido, la optimizacin espacial de la red es importante. Si el sistema reacciona lento, la optimizacin temporal y espacial es importante. Una clase de mtodos probabilsticos usa filtros de Kalman para identificar pozos de monitoreo o sitios de muestreo. Herrera (1998) ha desarrollado un mtodo geoestadstico que combina un modelo estocstico de flujo y de transporte con un filtro de Kalman esttico. El filtro de Kalman puede calcular la varianza del error de estimacin con base en la posicin de los sitios de muestreo, sin necesidad de conocer el dato medido en campo. De esta manera este filtro se puede utilizar para determinar, dados n sitios de muestreo, cmo afecta aadir un sitio de muestreo adicional a la varianza del error de la estimacin resultante. Como se explica tambin en el anexo I el filtro de Kalman requiere de una matriz de covarianza para iniciar el proceso secuencial de estimacin. En el trabajo de Herrera, el modelo de flujo y transporte se usa para calcular una estimacin de la concentracin del contaminante en el tiempo y en el espacio, y su matriz de covarianza a travs de una simulacin estocstica. Despus, se usa un filtro de Kalman para predecir la incertidumbre que la estimacin de la concentracin tendra si los datos de concentracin de las muestras tomadas en un conjunto de sitios en diferentes tiempos fueran usados para actualizar la estimacin precedente. Esto es similar a usar un mtodo de kriging espacio-temporal para predecir la incertidumbre de un estimado, pero en este caso, en lugar de usar un semivariograma espacio-temporal obtenido de un anlisis de los datos de concentracin, el semivariograma es remplazado por una matriz de covarianza espacio-tiempo, calculada de un modelo de transporte estocstico. Se usa una funcin de la incertidumbre de la estimacin predecida como criterio para elegir posiciones de muestreo y tiempos para el muestreo de la red. Una aplicacin de este mtodo se puede consultar en Herrera et al. (2000).

44

Para construir la red de monitoreo se examinan uno por uno todos los pozos que se pueden incluir en la red y se escoge el que reduce al mximo la suma de la varianza del error de la estimacin en todos los puntos de estimacin (a lo que llamamos varianza total), esto es, cada nuevo pozo que se aade a la red es aquel que resulta en una varianza total menor al aplicar el filtro de Kalman. Este procedimiento se repite nuevamente para escoger de entre los pozos que an no se han seleccionado, el que reduce al mximo la varianza total, y as sucesivamente. A este mtodo es al que nos referimos aqu como un mtodo de optimizacin heurstico. En cuanto a la seleccin de las posiciones y tiempos de muestreo utiliza un mtodo de optimizacin iterativo en el que en cada paso se escoge una posicin en espacio y tiempo. La posicin que se escoge es aquella que minimiza la variancia total de la estimacin, definida como la suma de la varianza sobre todas las posiciones en que se va a estimar la concentracin. En otras palabras, si las posiciones {x1 , x2 ,...,xn } se han seleccionado ya, la posicin xn+1 se selecciona usando el filtro de Kalman, el cual calcula la variancia de la estimacin que se obtendra al agregar cada una de las posibles posiciones de muestreo, y se escoge la posicin que da la variancia total mnima. Ntese que para elegir la posicin xn+1 , el filtro de Kalman se aplica con la matriz del error de la estimacin

Pnn obtenida usando las n posiciones seleccionadas anteriormente.

Se prob inicialmente para el diseo de una red de monitoreo en el Acufero de Toms River, Nueva Jersey, en Estados Unidos (Herrera, 1998); as mismo diversas versiones del mtodo se han aplicado. En el acufero de Irapuato-Valle en una red de monitoreo de calidad del agua subterrnea Jnez (2005) para su utilizacin en el diseo de una red de monitoreo ptima para varios parmetros por Herrera y Jnez (Gonzlez Hita et al., 2005 y Jnez, 2005) substituyendo la

matriz de covarianza obtenida por medio del modelo estocstico con matriz de covarianza calculada a travs de un anlisis geoestadstico de datos de calidad del agua y por otro lado utilizaron el mtodo de optimizacin heurstico para

45

minimizar la varianza normalizada de todos los parmetros de forma conjunta, as mismo en el acufero de Quertaro para el diseo de red de monitoreo para estimar el abatimiento de los niveles si se construa la presa Extraz y se reduca la extraccin del acufero (Bravo, 2005) y en el acufero de Ptzcuaro para la evaluacin de red piezomtrica. Simulacin probabilstica Otros mtodos probabilsticos usan simulaciones numricas para identificar la localizacin de los pozos de monitoreo que ms probablemente detectarn las plumas contaminantes conforme se mueven gradiente abajo con el tiempo. Massman y Freeze (1987) presentaron una gua para el diseo de redes de monitoreo que usa simulacin condicional para calcular la probabilidad de la deteccin de contaminantes. En la simulacin condicional, las propiedades inciertas del acufero, como la conductividad hidrulica, sintticamente. Mtodo jerrquico El monitoreo jerrquico provee otra opcin entre los mtodos probabilsticos para el monitoreo de la calidad del agua subterrnea a largo plazo. El mtodo, por su estructura secuencial, es una mezcla del anlisis y la optimizacin probabilstica. Scheibe y Lettenmaier (1989) consideraron tres niveles en el problema de decisin del monitoreo: (1) reconocimiento geogrfico e hidrogeolgico, y del contaminante; (2) estimacin de la probabilidad de la contaminacin de pozos abastecedores de agua y (3) seleccin de los sitios de muestreo. Su objetivo fue minimizar el riesgo de exposicin agregada en centros de poblacin con consumo de agua subterrnea. 1.2.1.4 Mtodos de optimizacin matemtica son generadas

Los mtodos de optimizacin matemtica son algoritmos numricos de bsqueda que pueden usarse para obtener automticamente diseos de monitoreo ptimo

46

que satisfagan los objetivos y las limitaciones del monitoreo especificadas por el usuario. Estos mtodos son ms apropiados para usarse cuando el nmero de diseos posibles hace que la bsqueda manual sea un trabajo engorroso, como en los sitios con las siguientes caractersticas: (1) numerosos pozos de monitoreo existentes o potenciales, (2) numerosos constituyentes que necesitan ser considerados en el diseo del muestreo (3) diferentes tipos de muestras con niveles variables de precisin y costo. 1.2.1.5 Programacin entera La programacin entera ha sido el mtodo ms extensamente usado para resolver problemas en el diseo de monitoreo con optimizacin matemtica (Meyer y Brill, 1988; Loiciga, 1989; Hudak y Loiciga, 1993; Wagner, 1995; Storck et al., 1997; Mahar y Datta, 1997). 1.2.1.6 Recocido simulado Varios algoritmos de optimizacin matemtica, heursticos o probabilsticos pueden ser usados para buscar diseos de monitoreo ptimos, de los cuales recocido simulado y algoritmos genticos son ejemplos tpicos. Las ventajas de este algoritmo son: 1) pueden ser aplicados a cualquier tipo de problema de optimizacin; 2) pueden fcilmente ser combinados con simulacin existente o rutinas de interpolacin de la pluma sin mayor recodificacin; 3) son particularmente efectivos para encontrar soluciones buenas, pero no

necesariamente ptimas, 4) pueden ser aplicados por personas sin excepcin de expertos, aunque los usuarios experimentados pueden obtener mejoras significativas en funcionamiento y resultados, (en Bravo-Jcome, 2005). El proceso iterativo de substituir las estaciones y de analizar el cumplimiento del criterio de la metrpoli se conoce como recocido simulado. Estos trabajos se concentraron en la optimizacin de una nueva red o en la extensin existente.

47

Pardo-Igzquiza

(1998)

solucion

este

problema

con

un

planteamiento

metahehurstico (recocido simulado), limitado por la necesidad de suponer una distribucin de la probabilidad para las variables, que pueden ser desconocidas o difciles de determinarse. Por otra parte el mtodo ha sido particularmente bien adaptado a las variables con distribuciones probabilsticamente iguales

(usualmente normales o logartmicamente-normales). Tres modelos de la optimizacin se proponen para seleccionar el mejor subconjunto de estaciones del agua subterrnea que supervisa la red: 1) que maximiza exactitud espacial; 2) que reduzca al mnimo la redundancia temporal; y 3) un modelo que maximiza con exactitud espacial y reduzca al mnimo la redundancia temporal. Los modelos propuestos de la optimizacin se solucionan con el recocido simulado, junto con un parametrizador del algoritmo usando entropa estadstica. El primer modelo tiende a distribuir las estaciones uniformemente en espacio; las segundas estaciones de anlisis del modelo en reas de una variabilidad temporal ms alta; y los resultados del tercer modelo proporcionan un compromiso entre los primeros dos, es decir, las distribuciones espaciales que son menos regulares en espacio, pero tambin menos analizadas. La inclusin de la informacin temporal y espacial en el modelo de la optimizacin, segn lo incorporado al tercer modelo, contribuye a la seleccin de las estaciones ms relevantes. El recocido simulado es uno de los algoritmos del lmite incluido en la clase de los algoritmos locales de la bsqueda. Nunes, et al. (2004) proponen un mtodo para la optimizacin de una red de monitoreo de nitrato de agua subterrnea con ausencia de datos. El mtodo fue desarrollado para reducir redes existentes donde los registros de series de tiempo son escasos. Un algoritmo de optimizacin recocido simulado es usado para minimizar la varianza del error de estimacin obtenida por kriging en problemas de combinatoria, creado seleccionando un subconjunto ptimo de estaciones del sistema original. La optimizacin es realizada para varios tiempos de muestreo,

48

obteniendo un nmero igual de redes de dimensiones pequeas optimizadas; las estaciones que se repiten ms frecuentemente en estas redes son seleccionadas para formar parte de la red final. 1.2.1.7 Algoritmo gentico Zhang et al. (2005). Otro mtodo de optimizacin que ha sido implementado para el diseo de monitoreo es el algoritmo gentico (Wegner, 1995; Reed et al., 2000, 2001a, b). ste fue desarrollado por Holland (1975) y simula el mecanismo de la seleccin natural en busca de una solucin ptima. Sobre el uso de algoritmo gentico, series son formadas que son representaciones digitales (binario o decimal) de decisiones diferentes. Para el diseo de monitoreo, cada serie (llamada un cromosoma) puede representar un plan de muestreo. En una representacin binaria, una serie puede ser 01110, el cual puede representar un no muestreo del primer pozo, muestreo del segundo a travs de cuatro pozos, y un no muestreo del quinto pozo. El algoritmo gentico comienza con una poblacin inicial aleatoria de series y evoluciona usando tres bsicas operaciones: 1) seleccin, 2) sobre mezcla (unin), y 3) mutacin Goldberg (1989) citado por Bravo (2005). Un algoritmo gentico combinado con un filtro de Kalman esttico y un modelo estocstico del flujo contaminante de transporte de agua subterrnea pueden ser usados para determinar cundo y dnde tomar muestras para reducir la incertidumbre asociada con la distribucin estadstica describiendo un campo de la contaminacin de la concentracin de agua subterrnea a bajo costo. El uso de un filtro de Kalman requiere de una estimacin inicial del campo de la concentracin as como su matriz de covarianza del error que se generan como la salida del modelo de la simulacin. Un algoritmo gentico combinado con un fitro de Kalman se utiliza al solucionar el problema de la optimizacin. Despus del trabajo de Herrera y de Pinder (Herrera y Pinder, 2003), un filtro de Kalman se utiliza para poner al da las estimaciones

49

del medio y de la

variacin de la concentracin del espacio-tiempo, que son

necesarias calcular el coeficiente de variacin en las localizaciones requeridas en diversos perodos de muestreo. La estimacin inicial del campo de la concentracin se alcanza con la simulacin usando un modelo estocstico del flujo y del transporte del agua subterrnea. Empleando la estrategia ptima propuesta del diseo, se observa un diseo de red rentable del muestreo del agua subterrnea. La metodologa propuesta se aplica a un problema del campo. 1) Genere las realizaciones del campo hidrulico de la conductividad usando una tcnica del lado izquierdo, conductividad hidrulica asumida es un proceso. 2) Simule el flujo y el transporte del agua subterrnea para generar realizaciones de la contaminante-concentracin usando las realizaciones hidrulicas de la conductividad generadas del paso anterior como la entrada. 3) Calcula una matriz de la covarianza del espacio-tiempo de las concentraciones del contaminante 4) Utiliza un algoritmo gentico para seleccionar localizaciones de la blanco y los tiempos que reducen el coeficiente de variacin en las localizaciones del sensor y el sensor miden el tiempo del la mayora. Un filtro de Kalman se utiliza en este paso para poner al da la matriz de la covariacin del espacio-tiempo despus de que se tome una muestra, 5) Contine el proceso de seleccin hasta que los valores del coeficiente de variacin se alcanzan y se selecciona un panorama ptimo. La reduccin total de la incertidumbre es una adicin cargada de la reduccin de la incertidumbre en el perodo actual y de la reduccin de la incertidumbre en perodos ltimos. Esta reduccin es obtenida por el uso de un filtro de Kalman, que pone al da la incertidumbre asociada a las muestras de cada localizacin que se toma despus cada vez. De esta manera, se considera la correlacin espacial y la correlacin temporal.

50

1.2.1.8 Mtodo utilizado en este trabajo

El presente trabajo se realiz mediante la aplicacin de distintas metodologas mencionadas en el cuadro 2.13. Especficamente, se utiliz una combinacin de un mtodo geoestadstico aplicado a datos histricos, un filtro de Kalman y un mtodo de optimizacin heurstico. El mtodo es una modificacin al mtodo propuesto por Herrera (1998), explicado en la seccin 2.2.1.3. El mtodo que se aplica para elegir la red de monitoreo ptima es una modificacin al mtodo propuesto por Herrera en 1998; en el cul se eligen las posiciones de los pozos de monitoreo pero no sus frecuencias de muestreo y al igual que en Jnez (2005), la matriz de covarianza inicial que se utiliza en el filtro de Kalman se obtiene de un anlisis geoestadstico de los datos piezomtricos. El criterio que se emplea para optimizar la red de monitoreo es minimizar el nmero de pozos necesarios para obtener un valor dado de una funcin de la varianza del error de la estimacin, que en el caso de redes de monitoreo en las que los pozos ya estn construidos de antemano es equivalente a minimizar el costo. El mtodo consta de dos componentes: se utiliza un filtro de Kalman esttico para predecir la incertidumbre de la estimacin de los parmetros que se obtendra al utilizar diferentes grupos de pozos en la red de monitoreo y un mtodo de optimizacin heurstico. El detalle del mtodo se explica en el captulo 3.

51

3 MATERIALES Y MTODO

En este trabajo se utiliz una combinacin de mtodos hidrogeolgicos, geoestadsticos, probabilsticos y de optimizacin con la finalidad de disear la red ptima de monitoreo de la carga hidrulica. 3.1 Materiales

Para el desarrollo del presente trabajo se requiri de un equipo de cmputo con un software especfico para procesar los datos y disear la red de monitoreo de la carga hidrulica. 3.1.1 Equipo

1. Equipo de cmputo: Laptop Procesador Intel Core TM 2 Duo Disco duro 160 GB Memoria RAM 1024 MB

2. Software: Microsoft Office: Word y Excel Surfer v8 GSLIB GWQMonitor (programa desarrollado en Fortran) por la Dra. Graciela Herrera y sus colaboradores y que fue proporcionado por el IMTA.

52

3.2 Mtodo

Como se mencion en la seccin 2.2.1.8, en el diseo de la red de monitoreo se utiliz una variante del mtodo propuesto por Herrera (1998) y modificado por Herrera y Jnez (Gonzlez Hita et al., 2005 y Jnez, 2005). El criterio que se emplea para optimizar la red de monitoreo es minimizar el nmero de pozos necesarios para obtener un valor dado de una funcin de la varianza del error de la estimacin de la carga hidrulica. En la forma en la que se aplic el mtodo en este trabajo, se escogen las posiciones de los pozos de monitoreo que minimizan la varianza del error de la estimacin de la carga hidrulica. El mtodo consta de dos componentes: 1) Se utiliza un filtro de Kalman esttico para predecir la incertidumbre de la estimacin de la carga hidrulica que se obtendra al utilizar diferentes grupos de pozos en la red de monitoreo y 2) optimizacin heurstica. El mtodo se aplica con el apoyo de un programa de cmputo desarrollado con anterioridad por la Dra. Herrera y sus colaboradores. Por otro lado, la frecuencia de monitoreo se elige utilizando criterios geohidrolgicos. 3.3 Actividades

Para disear la red de monitoreo de la carga hidrulica se requiere primero de la compilacin, anlisis de la informacin histrica sobre el acufero, depuracin de la informacin y un anlisis geoestadstico.

Una vez realizado esto, se procede a disear la red de monitoreo de la carga hidrulica.

El primer paso en el diseo de una red de monitoreo es la definicin de los objetivos de la misma y su traduccin a una frmula matemtica. Una vez definidos los objetivos de la red de monitoreo se procede a seleccionar los pozos y

53

posiciones para piezmetros a conformar la misma, este proceso se dividi en dos etapas, la primera para integrar pozos existentes de forma ptima en la red de monitoreo y la segunda para proponer sitios para la instalacin de piezmetros. En la primera etapa se requirieron cuatro pasos, estos son: 1) clculo de la matriz de covarianza inicial, 2) aplicacin del programa que disea la red de monitoreo, 3) anlisis del nmero total de pozos a incluir en la red de monitoreo y 4) validacin de la red de monitoreo. En la segunda etapa se requiri de un solo paso: 1) propuesta de sitios para instalar piezmetros y anlisis de su importancia. Es importante mencionar que este es el primer trabajo en el que se utiliza el mtodo de Herrera (1998) en el diseo de una red de monitoreo con pozos existentes y por construirse. 3.3.1 Anlisis geoestadstico de la carga hidrulica

En los aos 60, Matheron estableci el trmino geoestadstica; formaliz y generaliz matemticamente un conjunto de tcnicas desarrolladas por D. G. Krige en 1941 quien exploraba la correlacin espacial para hacer predicciones en la evaluacin de reservas de minas de oro en Sudfrica. l defini a la Geoestadstica como la aplicacin del formalismo de las funciones aleatorias al reconocimiento y estimacin de fenmenos naturales (Samper y Carrera 1989). Matheron define a la geoestadstica como una rama de la estadstica aplicada que se especializa en el anlisis y la modelacin de la variabilidad espacial de las ciencias de la tierra. Su objeto de estudio es el anlisis y la prediccin de fenmenos en espacio y tiempo, tales como: ley de metales, porosidad, concentraciones de un contaminante, Daz (2002). Actualmente, la geoestadstica es un conjunto de tcnicas usadas para analizar y predecir valores de una propiedad distribuida en espacio o tiempo, tales valores no se consideran independientes por lo que se consideran correlacionados unos con otros, Daz (2002).

54

La geoestadstica es el rea de la estadstica que estudia variables con correlacin espacial y se basa en la caracterizacin de la estructura espacial de la variable a travs de una funcin (con frecuencia el semivariograma). En el Anexo I se presentan las definiciones y resultados bsicos de la geoestadstica. El mtodo geoestadstico ms comn para hacer interpolacin espacial lineal es el kriging. La metodologa que se seguir en este trabajo para el anlisis geoestadstico de la carga hidrulica consiste de cuatro pasos que son: anlisis exploratorio de los datos, anlisis estructural, estimaciones (kriging o simulaciones) y validacin. 3.3.1.1 Anlisis exploratorio de los datos

El objetivo del anlisis exploratorio de los datos es caracterizar a la muestra tratando de obtener la mayor informacin posible a partir de los datos de los que se dispone. Dicho anlisis se basa en tcnicas estadsticas convencionales que permiten obtener informacin, desconocida a priori sobre la muestra bajo estudio, que es imprescindible para realizar correctamente cualquier anlisis estadstico y en particular un anlisis geoestadstico. Para validar el anlisis geoestadstico, ste debe cumplir los siguientes requisitos: que la muestra no se vea afectada por valores atpicos (outliers), tanto distribucionales como espaciales, que su distribucin de probabilidad sea normal o al menos simtrica, que no exista tendencia y que la poblacin tenga una distribucin espacial homognea, Daz (2002). o Anlisis espacial

El anlisis espacial consiste en una revisin de la distribucin espacial de la muestra, es decir, de la forma como se encuentra distribuida en el rea de estudio.

55

o Deteccin de outliers

En este paso se deben detectar y posiblemente eliminar los outliers o valores atpicos de cualquiera de las siguientes dos clases: los distribucionales que son los que tienen valores que se alejan significativamente del valor medio de la muestra; y los espaciales que son los que tienen un valor muy diferente al de sus vecinos ms cercanos. o Prueba de simetra

Esta prueba consiste en una revisin de la distribucin de la probabilidad o gaussiana procurando que sea simtrica respecto a la media; de no ser as, se puede proceder eliminando los outliers detectados o bien, haciendo una transformacin de los datos hasta que se tenga una distribucin simtrica. Lo ms comn es hacer una transformacin logartmica de los datos o bien, un ajuste de un polinomio a la deriva detectada para posteriormente realizar el anlisis geoestadstico con los residuos (a esto se le llama kriging residual). o Estadgrafos En este paso se debe realizar un anlisis de la informacin estadstica que arrojan los estadgrafos. Los valores de importancia son el valor medio, varianza, desviacin estndar, coeficiente de variacin, valor mnimo, valor mximo, mediana, etc. 3.3.1.2 Anlisis estructural

El proceso de estimacin y modelacin de la funcin que describe la correlacin espacial es conocido como anlisis estructural. El objetivo del anlisis estructural es caracterizar la estructura espacial de una variable regionalizada. En este trabajo la funcin que se utiliz para describir la correlacin espacial de las variables fue el semivariograma, por este motivo el anlisis estructural consisti en ajustar un modelo al semivariograma muestral.

56

o Ajuste del modelo

Para llevar a cabo el ajuste del modelo se debe buscar una funcin analtica que represente adecuadamente los valores estimados del semivariograma muestral. Los modelos tericos que pueden ser usados son: esfrico, gaussiano, exponencial, de potencia, lineal con meseta y sin meseta, etc. (Samper y Carrera, 1990). El modelo terico que se utiliza en este trabajo es el exponencial: El modelo exponencial est dado por:
a (h ) = S 1 e

h>0

(3.1)

Sus caractersticas, son el alcance h y la meseta S . Por lo tanto alcanza su meseta de forma asinttica.
Meseta =
h lim a S 1 e =S h

(3.2)

Como alcance efectivo a suele tomarse, a efectos prcticos, la distancia a la cual

(h) = 0.95 S , que es aproximadamente igual a:

a '= 3a

(3.3)

La pendiente en el origen es S . a Se realiza un ajuste a prueba y error para cada uno de los modelos y se selecciona el que muestre un mejor ajuste segn el criterio de informacin de Akaike, el cual es un compromiso entre la complejidad del modelo (nmero de parmetros) y su bondad de ajuste (valor medio cuadrtico del error). El criterio de informacin de Akaike, se define como:

57

AIC = -2 ln (mx. verosimilitud) + 2 (nm. de parmetros)

(3.4)

En principio el criterio de seleccin ser escoger modelos con valores ms bajos de AIC. Y se puede estimar usando,

2 (AIC)* = n ln + n + 2 + n ln(R ) + 2 p n

(3.5)

La cantidad que se encuentra entre llaves es constante, independientemente del tipo de modelo, entonces se calcula:

~ = n ln(R ) + 2 p A

(3.6)

ste es un estimador simplificado del criterio de Akaike, donde n es el nmero de valores estimados { (hi ), i = 1,..., n} del semivariograma muestral, R es la suma residual de los cuadrados de las diferencias entre los valores experimentales (hi ) y los del modelo ajustado (hi ) , es decir:

R = ( (hi ) (hi ))
i =1

(3.7)

y p es el nmero de parmetros del modelo de semivariograma ajustado (h) (Daz, 2002). 3.3.1.3 Validacin cruzada

En este caso se sigue el procedimiento de validacin cruzada mediante el mtodo de leave one out que permite establecer si el modelo de semivariograma obtenido es representativo de la variabilidad espacial de los datos usados en la estimacin

58

del mismo. El mtodo consiste en sacar un elemento de la muestra y estimar el valor en ese punto con kriging ordinario empleando el modelo de semivariograma obtenido. Como resultado se tiene un mapa de las diferencias entre el valor real y el estimado. Se realiza un anlisis integral de los estadgrafos de las diferencias y se aplican de manera combinada algunos de los siguientes criterios: 1. El valor medio de las diferencias debe ser cercano a cero. 2. La varianza de las diferencias debe ser pequea. 3. Error cuadrtico medio debe ser lo ms pequeo posible. 4. Error cuadrtico medio estndar debe ser lo ms cercano a uno. Segn Delhomme (1978), para ciencias del agua el valor del ECME debe estar dentro del rango dado por la siguiente expresin:

1 2 2
donde:

(3.8)

= Nmero de datos.

5. Al graficar los errores de la validacin cruzada la distribucin de los errores positivos y negativos debe ser casi homognea. 3.3.1.4 Estimaciones Una vez realizado el anlisis estructural, la estimacin de valores en puntos no muestrales se puede hacer aplicando la tcnica de interpolacin kriging. Para la prediccin de valores en puntos no muestrales, se eligi la tcnica de kriging ordinario mediante la cual se estiman los valores del parmetro y la varianza para una malla que cubre el rea de estudio.

59

o Kriging ordinario

El kriging empleado en el presente trabajo es el ordinario ya que es el mtodo usado ms comnmente por su robustez. (Samper y Carrera,1990). o Kriging residual

El mtodo consiste: en suponer la forma de la deriva en base a razonamientos fsicos, ajustar por mnimos cuadrados ordinarios la deriva de los datos medidos, calcular los residuales, calcular el semivariograma experimental de los residuos y proceder a ajustar el semivariograma terico, realizar el krigeado ordinario de los residuos utilizando el semivariograma muestral de los residuales y obtener el valor krigeado de la variable en el punto no muestreado, Z *(X0), como la suma de los valores de la deriva, m(x), calculada por el mtodo de mnimos cuadrados ordinarios ms el valor de krigeado residual; como lo sugieren Samper y Carrera (1990). 3.4 Diseo de la red de monitoreo ptima

El diseo de la red de monitoreo requiere de varios pasos, estos son la definicin de los objetivos de la red de monitoreo, definicin de los puntos de estimacin y pozos de muestreo, clculo de la matriz de covarianza inicial, aplicacin del

programa que disea la red de monitoreo, anlisis del nmero total de pozos a incluir en la red de monitoreo y validacin de la red de monitoreo. 3.4.1 Definicin de los objetivos de la red de monitoreo

Como se indic en el captulo 1, el objetivo principal de este trabajo es disear la red ptima de monitoreo de la carga hidrulica, y como objetivos especficos se tienen 1) seleccionar las posiciones de pozos existentes para conformar la red de monitoreo en forma ptima y 2) proponer sitios para la instalacin de piezmetros

60

que complementen a la red de pozos propuesta para muestreo futuro en el rea de estudio. El objetivo del monitoreo es conocer la carga hidrulica en todo el acufero, en trminos probabilsticos esto se puede traducir como estimar la carga hidrulica en todo el acufero con una incertidumbre pequea. Tambin se requiere que el costo del monitoreo sea bajo. En este trabajo el criterio matemtico que se utiliz para medir la incertidumbre fue la varianza del error de la estimacin. La varianza en teora de probabilidad y estadstica es una medida de la dispersin de una variable aleatoria Z con respecto a su media Z = E{Z } ,

2 = E Z Z

{(

)}
2

(3.9)

Se seleccionan posibles pozos de muestreo que por sus condiciones pueden formar parte de la red y que pueden ser accesibles para el monitoreo. Tambin se definen los puntos de estimacin que son los sitios donde se pretende minimizar la varianza del error de la estimacin de la carga hidrulica a partir de los datos muestreados, y que deben ser coherentes con los objetivos del monitoreo. La varianza total se calcula mediante:
2 2 (n) = E (n) T E

(3.10)

donde:
2 (n) = E

Varianza en cada posicin E de puntos de la estimacin. Es el nmero de posiciones ya incluidas en la red de monitoreo.

La funcin que se minimiza en cada paso es la suma de los elementos de la diagonal de la matriz de covarianza que corresponden con los puntos de

61

estimacin. A esta funcin se le denomina la varianza total del error de la estimacin. El algoritmo elige en cada paso la posicin de monitoreo que al aadirse minimiza la varianza total del error de la estimacin.

Ubicacin espacial de posiciones de monitoreo y puntos de estimacin.

Matriz de covarianza a priori P

Simbologa

Posibles puntos de monitoreo

Puntos de estimacin

Tomado de Modernizacin de las redes de monitoreo piezomtrico y de calidad del agua de los acuferos de la zona metropolitana de la ciudad de Mxico, Texcoco, Chalco-Amecameca y Cuautitln-Pachuca. Herrera et al. 2007)

3.4.2 Red de monitoreo de pozos existentes

Este diseo de red de monitoreo se construye con los pozos existentes en la zona de estudio. Esta etapa tiene la funcin de determinar cules pozos existentes proporcionan la mxima informacin y cules no aportan informacin adicional por lo que no es necesario incluirlos en la red de monitoreo.

62

3.4.3 Clculo de la matriz de covarianza inicial

Como se explic antes, el filtro de Kalman y un mtodo de optimizacin heurstico se utilizan para hacer el diseo de la red de monitoreo. En el Anexo I se presenta la teora bsica del Filtro de Kalman y las ecuaciones que se utilizan en esta tesis, junto con la explicacin del mtodo de optimizacin heurstica que se aplica en el Anexo I. El filtro de Kalman requiere de una matriz de covarianza inicial para aplicarse, en este caso sta se obtuvo a partir del semivariograma ajustado, la frmula que se utiliza para hacer dicho clculo es:
C (h) = C (0) (h)

(3.11)

donde C (0) es la varianza del parmetro analizado, tomado igual a la meseta del semivariograma, y (h) es el modelo de semivariograma obtenido en el anlisis geoestadstico para la carga hidrulica. 3.4.4 Definicin de los puntos de estimacin y de muestreo

Los puntos de muestreo son los sitios seleccionados como probables a formar parte de la red y que pueden ser accesibles para el monitoreo, en cambio los puntos de estimacin son los sitios donde se pretende estimar la carga hidrulica a partir de los datos muestreados.

3.4.5 Aplicacin del programa que disea la red de monitoreo

El programa se puede emplear para disear una red en la que se tomen en cuenta varios parmetros o bien solamente uno, este programa necesita como dato de entrada una matriz de covarianza por cada parmetro analizado, que bien puede obtenerse de un modelo numrico o de un anlisis geoestadstico de los

63

datos. El mtodo se aplica secuencialmente; aquella posicin que aporte la mayor reduccin en la varianza en la estimacin sobre el rea de estudio ser la primera en ser elegida; este proceso se contina, eligiendo una posicin de muestreo a la vez, hasta llegar al nmero de posiciones de monitoreo deseadas. El orden en que se seleccionan estas posiciones corresponde con el orden de importancia que tienen las mismas para reducir la varianza total. Es importante sealar que el programa actualiza la matriz de covarianza cada vez que se selecciona un sitio de muestreo. 3.4.6 Anlisis del nmero total de pozos a incluir en la red de monitoreo

Para determinar el nmero de puntos que se incluirn en la red de monitoreo preliminar se analiza la varianza total del error de la estimacin del parmetro, esta va reducindose conforme se van aadiendo los pozos seleccionados para formar parte de la red. Se grafica la varianza total del error en la estimacin contra el nmero de pozos elegidos para la red de monitoreo. Cabe mencionar que los primeros pozos elegidos proporcionan mucha informacin y la varianza total se reduce significativamente, y conforme se van aadiendo pozos a la red de monitoreo, la informacin obtenida por cada pozo va disminuyendo. Para medir la contribucin relativa de cada pozo se calcula la diferencia de la varianza total producida con n-1 pozos y la varianza total producida por n pozos, dividida entre la primera, a lo que llamamos reduccin relativa de la varianza total:
2 2 2 ( Tot (n 1) Tot (n)) / Tot (n 1)

(3.12)

Grficamente se seleccionaron las posibilidades de conjuntos de pozos a conformar la red de monitoreo de acuerdo a donde se aprecian los mayores saltos en la reduccin relativa de la varianza.

64

3.4.7 Validacin de la red de monitoreo

Una vez que se eligen las opciones posibles de conjuntos de pozos a formar la red de monitoreo se analizan los errores obtenidos de la validacin cruzada para cada una de ellas, por el mtodo de Leave one out (que se explic en el apartado 3.3.1.3 de este captulo). El nmero de pozos a formar parte la red de monitoreo se determina de la revisin de los estadgrafos de los errores de cada una de las opciones. En esta validacin para hacer las estimaciones con kriging se usan los datos que corresponden a todos los pozos incluidos en el conjunto de la opcin de red de monitoreo a analizar y las estimaciones se realizan en todos los pozos con datos. En este trabajo no se contaba con datos en todos los pozos de lo conjuntos analizados por lo que cuando fue necesario se estimaron datos en estos pozos, como se explica el captulo 4. 3.4.8 Posiciones adicionales para instalar piezmetros

En esta etapa se proponen posiciones adicionales para la instalacin de piezmetros en el acufero somero de San Luis Potos, con la finalidad de reducir la incertidumbre en las zonas en donde los pozos existentes no consiguen este fin. 3.4.8.1 Propuesta de sitios para instalar piezmetros y anlisis de su importancia

Para la ubicacin de los piezmetros se propusieron sitios de entre los nodos de la malla de estimacin empleada para el diseo de la red; se consider que estos sitios son de fcil acceso adems de que no existen norias en esas posiciones. Para determinar el orden de importancia de los sitios propuestos, se utiliz como dato de entrada la matriz de covarianza actualizada mediante la aplicacin del Filtro de Kalman despus de haber sido seleccionadas las posiciones para formar

65

la red preliminar de monitoreo. Lo anterior se realiz con la finalidad de considerar la informacin aportada por el monitoreo de la red pozos existentes. Para esta etapa, en el anlisis del orden de importancia de los sitios propuestos se utiliz el mismo criterio de optimizacin que en la etapa anterior.

66

4 ANLISIS Y RESULTADOS
El objetivo de este trabajo es disear una red de monitoreo para el acufero somero de San Luis Potos. En este captulo se presentan los resultados obtenidos siguiendo la metodologa anteriormente. Los posibles pozos de monitoreo se eligieron previamente de una base de datos tomada en campo proporcionada por el rea de Ciencias de la Tierra de la Facultad de Ingeniera de la Universidad Autnoma de San Luis Potos. Estos pozos son de fcil acceso por lo que es posible medir la piezometra en ellos, cabe mencionar que stos proporcionaron la informacin necesaria para el estudio. En el cuadro 4.1 y cuadro 4.2 se muestra los datos del acufero somero de San Luis Potos de la poligonal 2411 de los aos 2004 (Martnez, 2005) respectivamente. Se cuenta con datos de la carga hidrulica obtenidos en dos campaas de muestreos llevados a cabo del 19 de mayo al 15 de junio de 2004 y la medicin del segundo muestreo se realiz en el perodo de las ltimas dos semanas del mes junio, lo que comprende los das del 19 al 30 de junio del ao 2006. En la figura 4.1 se presentan datos de la carga hidrulica que nicamente tienen dato para el ao 2004 en color azul, en rojo los que nicamente tienen dato del ao 2006 y en verde se representan los puntos que tiene informacin para ambos aos. as como del ao 2006,

67

Figura 4.1 Distribucin de pozos con informacin de carga hidrulica.

68

Cuadro 4.1 Base de datos del ao 2004 (tomado de Martnez, 2005).

No. MUESTRA CLAVE CNA PROF. TIPO TOTAL APROV. (m) 2004 Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria 4.6 5.5 7.0 10.0 17.65 3.85 12.0 6.8 18.85 9.9 10.85 3.5 4.75 4.0 8.26 8.82 N.E. (m) 2004 Elev del Brocal (msnm) 1904 1887 1900 1940 1903 1873 1887 1867 1852 1900 1866 1925 1925 1910 1908 1858 Carga hidrulica (2004) 1902.08 1882.5 1894.77 1932.13 1894.3 1869.24 1880.9 1861.35 1842.11 1891.45 1861.66 1922 1923.21 1908.5 1903.1 1849.93

LOCALIDAD

299981 2444316 300372 2444643 296738 2446539 288918 2453840 291326 2454237 293930 2452465 293359 2455029 295695 2455033 298691 2457191 296574 2446312 295298 2452210 297954 2445069 295487 2446041 296125 2445941 303046 2441441 305970 2444148

1-SLP 2-SLP 3-SLP 6-SLP 8-SLP 9-SLP 10-SLP 11-SLP 12-SLP 14-SLP 15-SLP 16-SLP 17-SLP 18-SLP 20-SLP 21-SLP

CNA-II-809 CNA-II-810 CNA-II-621 CNA-II-713 CNA-II-654 CNA-II-833 CNA -II-430 CNA -II-618 CNA -II-756 CNA -II-430 -

El Aguaje El Aguaje Vivero Municipal Capulines Mezquital Residencial El Cortijo Los Medina (Col. Santa Rosa) Ofelia Lara (Col. La Tuna) Esc. San Jos del Barro Victor Rosales Concepcin Mtz. (Barrio Santiago) General I. Martnez Tierra Blanca Tierra Blanca Comunidad La Cantera Candido Vargas

1.92 4.5 5.23 7.87 8.7 3.76 6.1 5.65 9.89 8.55 4.34 3.0 1.79 1.5 4.9 8.07

69

No. MUESTRA

CLAVE CNA

LOCALIDAD

PROF. TIPO TOTAL APROV. (m) 2004 Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria 7.8 9.5 2.67 3.3 4.0 9.9 35.72 33.3 8.5 5.0 22.42 15.22 24.1 27.0 31.65 14.65

N.E. (m) 2004

Elev del Brocal (msnm) 1853 1859 1935 1886 1890 1863 1842 1842 1864 1850 1856 1861 1841 1841 1840 1854 1848

Carga hidrulica (2004) 1847.23 1850.2 1934.7 1884 1886.9 1854.3 1817.22 1819.42 1856.33 1846.5 1835.3 1853.78 1827.18 1819.3 1811.55 1847.81 1839.6

305659 2445037 305989 2443609 302789 2438270 303913 2432031 304118 2433880 307333 2438056 306011 2451917 305661 2451621 305778 2444838 306366 2446022 305669 2444416 305998 2443460

23-SLP 25-SLP 26-SLP 27-SLP 28-SLP 29-SLP 31-SLP 32-SLP 33-SLP 34-SLP 35-SLP 36-SLP

CNA-II-690 CNA-II-680 CNA-II-311 CNA-II-341 CNA-II-286 CNA-II-894 CNA-II-848 CNA-II-277 CNA-II-629 CNA-II-148 CNA-II-691 CNA-II-582

Lazaro Nuez Estrella de Dimas Los Terreros El Gato Cerritos La Pila Metalcon - Los Gomez Leos pea - Los Gomez Pozos - Chiqueros Leobardo Romero Rosendo Fraga A. J. Fernando Rdz. (Gas Vip) Rancho El Sacrificio Juan Castillo Martnez Rancho El Diamante Bodega de Pozos - Suacero Rancho San Isidro

5.77 8.8 0.3 2.0 3.1 8.7 24.78 22.58 7.67 3.5 20.7 7.22 13.82 21.7 28.45 6.19 8.4

306479 2453727 40-SLP 305987 2453584 42-SLP 305540 2455847 44-SLP 305450 2444826 47-SLP 301193 2452784 49-SLP

70

No. MUESTRA

CLAVE CNA

LOCALIDAD

PROF. TIPO TOTAL APROV. (m) 2004 Noria Noria Noria Noria Noria Noria Noria Noria 12.08 29.0 15.4 14.45 9.6 13.6 15.72 11.2

N.E. (m) 2004

Elev del Brocal (msnm) 1849 1842 1851 1848 1861 1853 1844 1847

Carga hidrulica (2004) 1842.24 1817.5 1844.76 1838.63 1857.16 1844.07 1830.94 1837.77

300621 2452484 50-SLP 305962 2451356 51-SLP 299541 2452740 53-SLP 300948 2452560 54-SLP 296635 2453349 55-SLP 298605 2454648 56-SLP 301824 2456820 59-SLP 301091 2456257 60-SLP

CNA-II-283 CNA-II-568 CNA-II-627 -

El Morro Yesera - Los Gmez Establo La Providencia Quinta Consuelo Don Valente Acapulco 306 Col. Morelos Sabas Ramrez. Col El Zapote Carretera 57 a Matehuala

6.76 24.5 6.24 9.37 3.84 8.93 13.06 9.23

71

Cuadro 4.2 Base de datos del ao 2006.

No. MUESTRA CLAVE CNA PROF. TIPO TOTAL APROV. (m) 2006 Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria 5.5 8 18 15 15.4 10 11 5.6 8 8.75 8 9 2.5 3.5 N. E. (m) 2006 Elev del Brocal (msnm) 1904 1887 1903 1867 1852 1848 1900 1866 1925 1925 1908 1858 1853 1859 1935 1886 Carga hidrulica (2006) 1902.96 1880.96 1892.84 1860.35 1840.43 1837.08 1891.26 1861.35 1922.39 1922.67 1902.16 1850.95 1847 1850.49 1927.93 1884.4

LOCALIDAD

299981 2444316 300372 2444643 291326 2454237 295695 2455033 298691 2457191 300071 2457619 296574 2446312 295298 2452210 297954 2445069 295487 2446041 303046 2441441 305970 2444148 305659 2445037 305989 2443609 302789 2438270 303913 2432031

1-SLP 2-SLP 8-SLP 11-SLP 12-SLP 13-SLP 14-SLP 15-SLP 16-SLP 17-SLP 20-SLP 21-SLP 23-SLP 25-SLP 26-SLP 27-SLP

CNA-II-809 CNA-II-810 CNA-II-654 CNA -II-430 CNA -II-421 CNA -II-618 CNA -II-756 CNA -II-430 CNA-II-690 CNA-II-680 CNA-II-311

El Aguaje El Aguaje Mezquital Ofelia Lara (Col. La Tuna) Esc. San Jos del Barro Ex - Hacienda El Jaralito Victor Rosales Concepcin Mtz. (Barrio Santiago) General I. Martnez Tierra Blanca Comunidad La Cantera Candido Vargas Lazaro Nuez Estrella de Dimas Los Terreros El Gato

1.04 6.04 10.16 6.65 11.57 10.92 8.74 4.65 2.61 2.33 5.84 7.05 6 8.51 7.07 1.6

72

No. MUESTRA

CLAVE CNA

LOCALIDAD

PROF. TIPO TOTAL APROV. (m) 2006 Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria Noria 24 23.5 9 23 8.5 15.22 10 12 10.52 18 27 33 32 18 -

N. E. (m) 2006

Elev del Brocal (msnm) 1890 1842 1842 1864 1850 1861 1848 1849 1851 1861 1844 1847 1835 1840 1837 1845 1835 1835

Carga hidrulica (2006) 1887.4 1817.81 1820.1 1856.51 1846 1855.51 1833.03 1842.95 1845.39 1856.85 1832.25 1838.92 1820.34 1818.34 1811.05 1821.92 1820.19 1820.11

304118 2433880 306011 2451917 305661 2451621 305778 2444838 306366 2446022 305998 2443460 301193 2452784 300621 2452484 299541 2452740 296635 2453349 301824 2456820 301091 2456257 303045 2456651 304441 2457486 305688 2457939 307476 2458023 304507 2461685 304425 2461523

28-SLP 31-SLP 32-SLP 33-SLP 34-SLP 36-SLP 49-SLP 50-SLP 53-SLP 55-SLP 59-SLP 60-SLP 1 3 4 5 6 7

CNA-II-286 CNA-II-894 CNA-II-582 CNA-II-568 CNA-II-627 -

Cerritos Metalcon - Los Gomez Leos pea - Los Gomez Pozos - Chiqueros Leobardo Romero J. Fernando Rdz. (Gas Vip) Rancho San Isidro El Morro Establo La Providencia Don Valente Sabas Ramrez. Col El Zapote Carretera 57 a Matehuala Soledad- ejido el Zapote Soledad-Palma de la Cruz Soledad-R. Las Delicias Soledad Enrique Estrada Enrique Estrada

2.6 24.19 21.9 7.49 4 5.49 14.97 6.05 5.61 4.15 11.75 8.08 14.66 21.66 25.95 23.08 14.81 14.89

73

No. MUESTRA

CLAVE CNA

LOCALIDAD

PROF. TIPO TOTAL APROV. (m) 2006 Noria Noria Noria Noria 27 29 11 9.5

N. E. (m) 2006

Elev del Brocal (msnm) 1837 1835 1950 1930

Carga hidrulica (2006) 1817.04 1811.88 1940.48 1921.81

303199 2460718 302797 2460057 290141 2456938 288918 2453878

9 10 13 14

Soledad-R. Los Arias Soledad-R. La Esperanza Paisanos-calle Ro Bravo El Charquillo

19.96 23.12 9.52 8.19

74

A la poblacin de datos a trabajar se le realizaron un par de pruebas con la finalidad de obtener una base de datos la cual fuera conveniente. Inicialmente se grafic la elevacin del brocal y as se pudieron detectar errores en el muestreo; posteriormente se grafic la profundidad del nivel esttico con la finalidad de obtener una poblacin congruente. Al hacer el anlisis espacial de la elevacin de brocal, figura 4.2, se observa que la muestra est distribuida espacialmente de manera ms densa del centro al noreste del acufero en estudio; en el suroeste de la zona no hay pozos.

Figura 4.2 Elevacin de brocal.

75

Al realizar el anlisis espacial del nivel esttico para el ao 2004, figura 4.3, se observa que los pozos se concentran en la parte centro, sureste, noroeste y noreste de la zona; as mismo la profundidad del nivel esttico se incrementa en direccin sureste-noreste, la profundidad del nivel esttico vara entre 0.3 a 28.45 m.

Figura 4.3 Profundidad del nivel esttico (ao 2004).

76

4.1 Anlisis geoestadstico

La primera actividad realizada fue el anlisis geoestadstico de los datos de piezometra para los aos 2004 y 2006, los resultados para el 2004 se muestran a continuacin y el anlisis para el 2006 en el Anexo II. 4.1.1 Anlisis exploratorio de los datos

Se caracteriz a la muestra, con la cual se obtuvo informacin de los datos para desarrollar adecuadamente el anlisis geoestadstico. 4.1.1.1 Anlisis espacial

Se puede observar que se tiene informacin de 41 pozos que en su mayora se concentran en la parte centro, sureste, noroeste y noreste de la zona.

o Deteccin de outliers

Se puede apreciar en la figura 4.4 que no se presentan valores espaciales atpicos.

77

Figura 4.4 Distribucin espacial de la carga hidrulica del ao 2004.

o Prueba de simetra

Por otro lado, el histograma de los datos de la elevacin de la carga hidrulica para el ao 2004 se muestra en la figura 4.5, se puede observar que no se tienen valores distribucionales atpicos (outliers). El comportamiento de estos datos tiende a no ser simtrico ya que la media y la mediana difieren significativamente y el histograma no muestra una forma simtrica.

78

Figura 4.5 Histograma, carga hidrulica 2004. A los datos se les aplic una transformacin logartmica, lo cual tampoco mejor la simetra de los datos (figura 4.6).

Figura 4.6 Histograma, transformacin logartmica a los datos de la carga hidrulica 2004.

79

Al trazar el semivariograma muestral de los datos se observ la presencia de tendencia por lo que se procedi a remover la tendencia de los datos mediante el ajuste de un polinomio de primer orden para trabajar con los residuos (ver seccin 4.1.1.2). Los residuos mejoraron de manera significativa la distribucin como se aprecia en la figura 4.7.

Figura 4.7 Histograma de los residuos de un ajuste de un polinomio de primer de grado a los datos de 2004. 4.1.2 Anlisis Estructural

Con los residuos resultantes del ajuste del polinomio de primer grado se calcul el semivariograma muestral que se observa con lnea continua en la figura 4.8. A ste se le ajustaron modelos tericos autorizados de tipo esfrico (figura 4.9) y exponencial, obtenindose un mejor ajuste con un modelo del segundo tipo, que se muestra con lnea discontinua en la figura 4.10. Los parmetros del modelo esfrico y exponencial presentan en los cuadro 4.3 y 4.4 respectivamente.

80

Figura 4.8 Histograma muestral del ao 2004.

Figura 4.9 Ajuste de un modelo esfrico al semivariograma muestral de la caga hidrulica 2004 con ajuste polinmico de primer grado.

81

Cuadro 4.3 Parmetros del semivariograma terico para los residuos de la carga hidrulica 2004 de un ajuste polinmico de primer grado. Variable Carga Hidrulica 2004 Modelo Nugget Cc Alcance Criterio de Akaike Esfrico 20 231 16700 346.0712673

Figura 4.10 Ajuste de un modelo exponencial al semivariograma muestral de la caga hidrulica 2004 con ajuste polinmico de primer grado.

82

Cuadro 4.4 Parmetros del semivariograma terico para los residuos de la carga hidrulica de un ajuste con un polinomio de primer grado. Variable Residuos de ajuste de un polinomio de primer grado Modelo Nugget Cc Alcance Criterio de Akaike

Exponencial

14

236

17600

340.6

4.1.3 Validacin cruzada

La validacin cruzada es un mtodo para verificar la pertinencia del modelo seleccionado como se explic en el apartado 3.3.1.3. En este caso la validacin cruzada se realiz mediante el mtodo leave one out. En el cuadro 4.5 y cuadro 4.6 se presentan el resumen de resultados de la validacin cruzada para el ao 2004 y para el ao 2006, respectivamente. Mientras que los resultados de la validacin para ambos aos se presentan en el cuadro 4.7. Cuadro 4.5 Resumen de resultados de los errores de la validacin cruzada para el modelo exponencial del ao 2004. Carga Hidrulica 2004 Validacin Cruzada (polinomio 1er orden) Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico medio Error cuadrtico medio estndar -33.739 20.302 -0.715342 75.534317 117.16944 1.354025

83

Los resultados de la validacin cruzada muestran que el modelo ms adecuado es el del ao 2004 ya que el error medio de los errores en la estimacin muestra tan slo una sobreestimacin media de 72 cm, el error cuadrtico medio nos indica un error del orden de 10.82 m y el error cuadrtico medio estndar es de 1.35. Siguiendo el criterio de Delhomme (1978) introducido en el captulo 3, el error cuadrtico medio estndar debe de estar entre el 0.56 y 1.45, lo que se satisface. Cabe mencionar que los dems resultados de la validacin muestran que el modelo es adecuado. En la figura 4.11 se observa los errores positivos en color azul y en color rojo los errores negativos. Se observa una adecuada distribucin de los errores positivos y negativos resultado de la validacin para el modelo seleccionado.

Figura 4.11 Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo exponencial del 2004.

84

Cuadro 4.6 Resumen de resultados de los errores de la validacin cruzada para el modelo exponencial del ao 2006. Carga Hidrulica 2006 Validacin Cruzada (polinomio 1er orden) Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico medio Error cuadrtico medio estndar -44.493 23.736 -1.173263 69.509421 167.15564 1.874216

El resumen de los resultados de la validacin cruzada muestran modelo exponencial del ao 2006 que el error medio de los errores en la estimacin es tan slo una sobreestimacin media de 117 cm, el error cuadrtico medio nos indica un error del orden de 12.93 m y el error cuadrtico medio estndar es de 1.87. Utilizando nuevamente el intervalo establecido por Delhomme (1978), el error cuadrtico medio estndar debe de estar entre el 0.55 y 1.46, sin embargo en este caso el valor obtenido queda fuera del rango. A pesar de que el modelo representa de mejor forma la estructura de correlacin para los datos del ao 2004, se considera que las diferencias nos son muy grandes. En la figura 4.12 se observa los errores positivos en color azul y en color rojo los errores negativos con una distribucin adecuada.

85

Figura 4.12 Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo exponencial del 2006.

86

Cuadro 4.7 Resumen de resultados de los errores de la validacin cruzada para el modelo exponencial de los aos 2004 y 2006. Carga Hidrulica 2004 y 2006 Validacin Cruzada (polinomio 1er orden) Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico medio Error cuadrtico medio estndar -44.493 23.739 -0.935608 72.636266 141.213437 1.604244

Como el propsito es estimar los datos para los aos 2004 y 2006 se obtuvieron los estadgrafos de la validacin cruzada del modelo exponencial para ambos aos en conjunto. La cuadro 4.8 muestra que el error medio de los errores en la estimacin es de 93 cm, en el error cuadrtico medio observamos un error del orden de 11.88 m y el error cuadrtico medio estndar es de 1.60. Lo cual se considera aceptable. En la figura 4.13 se observa los errores positivos en color azul y en color rojo los errores negativos. Se observa una adecuada distribucin de los errores positivos y negativos resultado de la validacin para el modelo seleccionado.

87

Figura 4.13 Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo exponencial de los aos 2004 y 2006.

88

La validacin cruzada tambin se utiliz para verificar el modelo esfrico. En este caso la tambin se realiz la validacin cruzada mediante el mtodo leave one out. En el cuadro 4.8 y cuadro 4.9 se presentan el resumen de resultados de la validacin cruzada para el ao 2004 y para el ao 2006, respectivamente. Mientras que los resultados de la validacin para ambos aos se presentan en el cuadro 4.10. Cuadro 4.8 Resumen de resultados de los errores de la validacin cruzada para el modelo esfrico del ao 2004. Carga Hidrulica 2004 Validacin Cruzada (polinomio 1er orden) Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico medio Error cuadrtico medio estndar -37.024 18.286 -0.5856098 59.8580732 110.6590198 1.5912246

Los resultados de la validacin cruzada del modelo esfrico del ao 2004 ya que el error medio de los errores en la estimacin muestra tan slo una sobreestimacin media de 58 cm, el error cuadrtico medio nos indica un error del orden de 10.52 m y el error cuadrtico medio estndar es de 1.59. Asimismo, utilizando el criterio de Delhomme (1978), el error cuadrtico medio estndar debe de estar entre el 0.56 y 1.45 por lo que estamos fuera de este rango. En la figura 4.14 se observa los errores positivos en color azul y en color rojo los errores negativos con una adecuada distribucin tanto de los errores positivos como de los negativos resultado de la validacin para el modelo seleccionado.

89

Figura 4.14 Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo esfrico del 2004.

90

Cuadro 4.9 Resumen de resultados de los errores de la validacin cruzada para el modelo esfrico ao 2006. Carga Hidrulica 2006 Validacin Cruzada (polinomio 1er orden) Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico medio Error cuadrtico medio estndar -44.115 23.458 -1.0555264 46.7713947 154.6694121 2.5438973

Los resultados de la validacin cruzada del modelo esfrico para el ao 2006 representa un error medio de los errores en la estimacin de una sobreestimacin media de 105.cm, el error cuadrtico medio nos muestra un error del orden de 12.44 m y el error cuadrtico medio estndar es de 2.54. Segn el autor Delhomme (1978), el error cuadrtico medio estndar debe de estar entre el 0.55 y 1.46 por lo que salimos del rango mencionado. En la figura 4.15 se muestran los errores positivos en color azul y en color rojo los errores negativos, con ello una adecuada distribucin de los errores positivos y negativos resultado de la validacin para el modelo seleccionado.

91

Figura 4.15 Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo esfrico del ao 2006.

92

Cuadro 4.10 Resumen de resultados de los errores de la validacin cruzada del modelo esfrico para los aos 2004 y 2006. Carga Hidrulica 2004 y 2006 Validacin Cruzada (polinomio 1er orden) Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico medio Error cuadrtico medio estndar -44.115 23.458 -0.81164557 53.5632152 131.828288 2.0494722

Los resultados de la validacin cruzada del modelo esfrico para los aos 2004 y 2006, representa que el error medio de los errores en la estimacin es una sobreestimacin media de 811 cm, el error cuadrtico medio da un error del orden de 11.48 m y el error cuadrtico medio estndar es de 2.04. Debido a que en el diseo de la red de monitoreo se utiliza la varianza del error de la estimacin como el criterio fundamental para optimizar la red, es de mucha importancia que la medida del error que sta representa est cercano a la misma, lo que se da de mejor manera para el estadgrafo de ambos aos en conjunto en el modelo exponencial, como lo muestra el valor del error cuadrtico medio estndar que para el modelo exponencial es de 1.6 y para el esfrico de 2.0. Por este motivo se decidi utilizar en el diseo de la red de monitoreo el modelo exponencial. En la figura 4.16 se muestran los errores positivos en color azul y en color rojo los errores negativos con una adecuada distribucin de los errores resultado de la validacin para el modelo seleccionado.

93

Figura 4.16 Errores positivos en azul, errores negativos en color rojo de la validacin cruzada del modelo esfrico de los aos 2004 y 2006.

94

4.1.4 Estimaciones En este trabajo las estimaciones se utilizaron nicamente para realizar la validacin cruzada, misma que se hizo con kriging residual.

4.2 Diseo ptimo de la red de pozos existentes Una vez concluida la etapa del anlisis geoestadstico de los datos de los aos 2004 y 2006, se decidi trabajar en el diseo de la red de monitoreo ptima con la matriz de covarianza resultante del semivariograma terico ajustado a los del 2004. Ya que el objetivo del monitoreo es conocer la carga hidrulica en todo el acufero, se proponen los puntos de estimacin sobre los nodos de una malla regular que cubre a todo el acufero somero, con celdas de 500 x 500 m, misma que se muestra en la figura 4.17. Esto hace que al minimizar la varianza sobre estos puntos se le de igual peso a la incertidumbre en todas las zonas del acufero somero.

Figura 4.17 Malla del rea de estudio.

95

4.2.1 Obtencin de la matriz de covarianza

Con el semivariograma se obtuvo la matriz de covarianza inicial o a priori que utiliza el filtro de Kalman como dato de entrada para determinar el orden de importancia de las posiciones de muestreo. 4.3 Optimizacin Utilizando la matriz de covarianza se obtuvo el orden de importancia de muestreo de los pozos 2004 y 2006 mediante el programa GWQMonitor escrito por Herrera en 1998 y modificado por Herrera y Jnez en 2005 (Jnez, 2005, y Gonzlez et al., 2005). La reduccin de la varianza que ofrece el programa se presenta en la figura 4.18. Es necesario determinar el nmero de puntos que se incluirn en la red de monitoreo preliminar. Para hacer esto se analiz la varianza total del error de la estimacin del parmetro de la carga hidrulica que se obtiene conforme se van aadiendo los pozos seleccionados para formar parte de la red.

96

Figura 4.18 Varianza total vs. nmero de pozos.

En la figura 4.19 se muestra la varianza total de la estimacin contra el nmero de pozos elegidos para la red de monitoreo. Los primeros pozos elegidos proporcionan mucha informacin y la varianza total se reduce significativamente, la informacin obtenida por cada pozo va disminuyendo. En esta figura se determin en qu punto la reduccin relativa prcticamente se volva constante lo que indica que la cantidad de informacin proporcionada se mantiene constante, y se eligieron como posibles nmeros de pozos que se podan incluir en la red de monitoreo. Como se aprecia en la figura pueden ser 19, 23 29 pozos los que conformen la red de monitoreo.

97

Figura 4.19 Reduccin relativa de la varianza total vs. nmero de pozos.

Cuadro 4.13 Orden de importancia de 29 pozos.

Coordenadas Orden De importancia Clave UTM (NAD 27) Del pozo Longitud E Latitud N (P.E.) Pozo Existente

1 2 3 4 5 6 7 8 9 10

P-18 P-24 P-47 P-2 P-26 P-33 P-11 P-14 P-52 P-39

300621 303046 303199 291326 304118 305962 296738 298691 307476 306366

2452484 2441441 2460718 2454237 2433880 2451356 2446539 2457191 2458023 2446022

P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E.

98

Coordenadas Orden De importancia Clave UTM (NAD 27) Del pozo Longitud E Latitud N (P.E.) Pozo Existente

1 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

P-18 P-41 P-43 P-5 P-17 P-1 P-50 P-23 P-46 P-25 P-7 P-37 P-40 P-6 P-3 P-44 P-13 P-12 P-4 P-28

300621 307333 290141 295298 300372 288918 304507 302789 303045 303913 295695 305998 306479 295487 293359 300071 298605 297954 293930 305540

2452484 2438056 2456938 2452210 2444643 2453840 2461685 2438270 2456651 2432031 2455033 2443460 2453727 2446041 2455029 2457619 2454648 2445069 2452465 2455847

P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E. P.E.

Para decidir cul sera el nmero de pozos que conformara la red de monitoreo se calcularon los errores en los pozos entre la estimacin obtenida a travs de un anlisis de validacin cruzada explicado en el captulo 3, apartado 3.3.1.3 con datos del 2004, cuadro 4.14 y 2006 respectivamente, representado en el cuadro 4.15.

99

Cuadro 4.14 Validacin cruzada para 29, 23 y 19 datos, ao 2004.

Carga Hidrulica 2004 Validacin Cruzada Live one out Para 19 datos Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico Error estndar -49.169 37 -0.11185366 124.42839 307.320493 2.24095245 Para 23 datos -48.365 33.544 0.14307317 114.405098 264.74874 2.02447775 Para 29 datos -47.319 33.512 -0.19670732 106.122585 236.561231 1.82886915

Cuadro 4.15 Validacin cruzada para 29, 23 y 19 datos, de la poblacin del ao 2006.

Carga Hidrulica 2006 Validacin Cruzada Live one out Para 19 datos Error mnimo Error mximo Valor medio del error Varianza media Error cuadrtico Error estndar -49.493 35.63 -0.28068421 127.338816 322.712521 2.39458886 Para 23 datos -48.927 32.762 0.03710526 118.311789 276.70447 2.14901516 Para 29 datos -45.267 32.728 -0.20239474 109.657079 246.483645 1.94139283

De acuerdo a los estadgrafos de la validacin cruzada se observa que la opcin viable para el diseo final que es de 23 pozos.

100

4.3.1 Red ptima de monitoreo

De los resultados obtenidos en el paso anterior se decidi que la red de monitoreo estuviera compuesta por 23 pozos, los cuales se muestran sealados en color rojo de acuerdo al orden de importancia y su distribucin espacial se presenta en la figura 4.20.

Figura 4.20 Pozos que conforman la red de monitoreo ptima mostrando el orden de importancia. 4.4 Propuesta de localizacin de piezmetros En esta seccin se proponen sitios para la instalacin de piezmetros que complementen a la red de pozos existentes ya propuesta. Con este fin se analizaron

101

las regiones en donde no se contaba con pozos y que fueran accesibles para realizar el muestreo, dando como resultado la propuesta de 11 posiciones cuyas coordenadas se muestran en el cuadro 4.16 y su ubicacin en la figura 4.21.

Cuadro 4.14 Diseo de red de monitoreo para 11 piezmetros propuestos en el rea de estudio.
Coordenadas Orden De importancia Clave UTM (NAD 27) Del pozo Longitud E Latitud N (P.P.) Pozo Existente

1 2 3 4 5 6 7 8 9 10 11

P-60 P-61 P-63 P-53 P-55 P-62 P-58 P-56 P-57 P-54 P-59

293918 297918 306918 306918 306918 300918 294918 302918 291918 304918 299918

2461031 2461031 2461031 2435031 2449031 2461031 2458031 2454031 2458031 2439031 2459031

P.P. P.P. P.P. P.P. P.P. P.P. P.P. P.P. P.P. P.P. P.P.

102

Figura 4.21 Sitios propuestos para piezmetros y su orden de importancia.

103

Los puntos de estimacin fueron los nodos de la malla de estimacin utilizada en la primera etapa. Posteriormente se aplic el mtodo Herrera et al. iniciando con la matriz de covarianza resultante de aplicar el filtro de Kalman a los 23 pozos de la red de monitoreo propuesta en la seccin anterior. En este paso se obtuvo el orden de importancia de la ubicacin de los piezmetros para reducir la varianza del error de la estimacin. En la figura 4.22 se muestra la varianza total contra el nmero de pozos para dicho diseo.

Figura 4.22 Varianza total vs. nmero de pozos.

Tambin se determin en qu punto la reduccin relativa prcticamente se volva constante, figura 4.23.

104

Figura 4.23 Reduccin relativa de la varianza total vs. nmero de piezmetros propuestos.

En la Figura 4.24 obsrvese la red de monitoreo propuesta. Se aprecian en rojo los 23 pozos existentes y en azul los 11 sitios propuestos de localizacin para piezmetros, que conforman la red de monitoreo ptima de carga hidrulica del acufero somero de San Luis Potos. En la parte superior de cada pozo se indica el orden de importancia del mismo.

105

Figura 4.24 Red de monitoreo ptima.

106

5 CONCLUSIONES Y RECOMENDACIONES

El objetivo general de este trabajo fue disear la red ptima de monitoreo de la carga hidrulica del acufero somero San Luis Potos. Para esto se defini que el del objetivo del monitoreo es conocer la carga hidrulica en todo el acufero con una incertidumbre pequea. El criterio matemtico que se utiliz para medir la incertidumbre fue la varianza del error de la estimacin. Los objetivos especficos consistieron en: 1) estimar el nivel esttico del agua subterrnea en el acufero somero con una incertidumbre baja, 2) seleccionar las posiciones de los pozos de la red de monitoreo en forma ptima y 3) proponer sitios para la instalacin de piezmetros que complementen a la red de pozos propuesta para muestreo futuro en el rea de estudio. La raz cuadrada de la varianza total (RCVT) inicial es de aproximadamente 389 m. La red ptima de monitoreo con 23 pozos existentes da una RCVT de aproximadamente 276 m lo que representa una reduccin en la RCVT del 29%. La RCVT que da despus de incluir los 52 pozos considerados en el anlisis es de aproximadamente 268 m, lo que representa una reduccin del 3% respecto de la red ptima. Esto hace ver que la informacin que aportan los pozos que no se incluyeron en la red ptima es pequea en comparacin del costo que tendra obtenerla, ya que el incremento en costo de monitorear 51 pozos con respecto al de monitorear 23 es de 126%. Por lo que la red ptima propuesta reduce el costo del monitoreo conservando el nivel de informacin del total de pozos considerados. La validacin de la red de monitoreo con pozos existentes dio un error cuadrtico medio de 276.7 m2 lo que representa un error de aproximadamente 16.6 m, lo que es un error significativo con respecto a la profundidad del acufero. Es importante mencionar que en la parte norte del acufero y en la zona urbana existen reas grandes sin pozos con informacin, por lo que la red de monitoreo no cuenta con pozos en las mismas y esta falta de informacin incrementa los errores de validacin

107

de la red de monitoreo. Con la finalidad de reducir los errores de estimacin se propuso la inclusin de 11 piezmetros en las zonas sin pozos existentes, sin embargo, en la zona urbana no se incluyeron porque no es posible su instalacin. La reduccin de los errores de validacin de la red de monitoreo debida a la informacin proporcionada por los piezmetros no se puede mostrar porque en las posiciones propuestas para los mismos no se cuenta con datos. Sin embargo, se puede hacer una estimacin de estos errores con las varianzas obtenidas del Filtro de Kalman, como se realiz en el caso de la red de pozos existentes. Como se mencion antes, la red ptima de monitoreo con 23 pozos existentes da una RCVT de aproximadamente 276 m y la inclusin de los 11 piezmetros da una RCVT de 257 m, lo que representa una reduccin del 7%. Es recomendable, si existen pozos en la zona urbana con las condiciones apropiadas, gestionar que se incluyan en la red de monitoreo.

108

REFERENCIA

Andricevic, R. 1990. A Real-Time Approach to Management and monitoring of Groundwater Hydraulics. Water Resources Research. 26(11):2747-2755. ASCE (American Society of Civil Engineers). 2003. Long-Term Groundwater Monitoring: The State of the Art, Task Committee on the State of the Art in Long-term Groundwater Monitoring Design. USA. Bosch, A. P. 1998. Problemtica de la sobreexplotacin de acuferos en el Sudeste Espaol. Memorias del Simposio Internacional de Aguas Subterrneas. Len, Guanajuato. Mxico. 48-60. Bravo, J. A. 2005. Diseo de una red de monitoreo para evaluar el comportamiento del acufero del Valle de Quertaro durante la operacin de la presa Extoraz. Tesis de maestra. UNAM. Divisin de Estudios de Posgrado Facultad de Ingeniera, Campus Cuernavaca, Morelos. Mxico. Delhomme, J. 1978. Kriging in the Hidrosciences. Advances in Water Resources. 1(5):-251265. Cameron, K., Hunter, P. 2000. Optimization of LTM Networks Using GTS: Statistical approaches to spatial and temporal redundancy. Air Force Center for Environmental Excellence (AFCEE). Brooks AFB, Texas. USA. Cardona, A. 2007. Hidrogeoqumica de sistemas de flujo, regional, intermedio y local resultado del marco geolgico en la mesa central: reacciones, procesos y contaminacin. Tesis doctoral. UNAM. Mxico. Cardona, A., Carrillo-Rivera, J. J., Castro-Larragoitia, G. J. y Graniel-Castro, E. 2008. Combined use of indicators to evaluate waste water contamination to local flow systems in semi-arid regions: San Luis Potosi. Mxico. Selected Papers Series of the International Association of Hydrogeologists (SPS-IAH) on the theme: "Groundwater flow understanding from local to regional scales". (3):85-104. Cardona, A. y Carrillo-Rivera J. 2006. Hidrogeoqumica de sistemas de flujo intermedio que circulan por sedimentos continentales derivados de

109

rocas riolticas. Ingeniera Hidrulica en Mxico San Luis Potos, Mxico. 21(3):69-86. CNA (Comisin Nacional del Agua), 2002. Determinacin de la Disponibilidad de Agua en el acufero de San Luis Potos, Estado de San Luis Potos. Mxico. CNA (Comisin Nacional del Agua), 2002. Determinacin de la disponibilidad de agua en el acufero Villa de Arista, Estado de San Lus Potos. Mxico. CNA (Comisin Nacional del Agua) IMTA (Instituto Mexicano de Tecnologa del Agua). 2005. Gonzlez, L., Herrera, G., Cardona, A., Mora, J., Jnez H., Becerra, L. y Gutirrez, C. Contaminacin Difusa en el Agua Subterrnea en el Acufero Irapuato-Valle, Guanajuato. Mxico. Daz, M. 2002. Geoestadstica Aplicada. Instituto de Geofsica UNAM, Mxico. Instituto de Geofsica y Astronoma, CITMA, Cuba. Day, R. 1996. Cmo escribir y publicar trabajos cientficos. Organizacin Panamericana de la Salud, Washington, DC. Freeze, R. A. y Cherry J. A. 1979. Groundwater. PrenticeHall. Englewood Cliffs, N.J. 604-605. Herrera, G., Martnez, M., Ortiz, G., Simuta, R. y Bravo, A. 2004. Evaluacin del impacto regional de la recuperacin del acufero del valle de Quertaro debido a la puesta en marcha de la presa Extraz. Comisin Estatal de Aguas del Estado de Quertaro. Mxico. IMTA (Instituto Mexicano de Tecnologa del Agua), Herrera, G., Canizal, J., Cardona, A., Gutirrez, C., Jnez, H., Mata, I., Snchez, L., Cervantes, C., Tllez, V., Briseo, J. 2007. Modernizacin de las redes de monitoreo piezomtrico y de calidad del agua de los acuferos de la zona metropolitana de la ciudad de Mxico, Texcoco, Chalco-Amecameca y Cuautitln-Pachuca. Organismo de Cuenca Aguas del Valle de Mxico. IMTA (Instituto Mexicano de Tecnologa del Agua). 2005. Gonzlez, L., Mora, J., Herrera, G., Jnez, H., Padilla L. y Rodrguez, L. Actualizacin geohidrolgica de los acuferos subyacentes al lago de Ptzcuaro. Primera etapa. Fundacin Gonzalo Ro Arronte Comit del Agua.

110

Hernndez A.O., Martnez J.B., Llanusa H. y Dilla F. 2001. Modelos de Acuferos. Texto de la Maestra de Ingeniera Hidrulica. CIH. Facultad de Ingeniera Civil. ISPJAE. La Habana, Cuba.

Herrera, G. 1998. Cost Effective Groundwater Quality Sampling Network Design, Ph. D. Dissertation. Tesis Doctoral. University of Vermont, Burlington, Vermont, USA. Herrera, G., Champo S. y Bravo J. 2007. Modelo de Flujo del Agua Subterrnea y Diseo de Red de Monitoreo para el Acufero del Valle de Quertaro. 4to Congreso Internacional, 2do Congreso Nacional de Mtodos Numricos en Ingeniera y Ciencias Aplicadas. UMSNH aSMMNI CIMNE, Mxico. Huisar, A. R. y Carrillo R. 1998. Panorama General del agua Subterrnea en la Ciudad de Mxico. Memorias del Simposio Internacional de Aguas Subterrneas. Len, Guanajuato. Mxico. 61-68. Jnez, H. 2005. Diseo de una red de monitoreo de la calidad del agua para el acufero Irapuato-Valle, Guanajuato. Tesis de maestra. UNAM. Divisin de Estudios de Posgrado de la Facultad de Ingeniera. Campus Cuernavaca, Morelos. Mxico. Kumari, S., Sondhi, S. Phogat V. 2005. Network desing for groundwater level monitoring in upper bari boad canal tract, Punjab, India. Irrigation and drain. Published online in Wile InterSince www.intersince.wiley.com Ludhiana, India. 54: 431-442. Nunes, L., Cunha, M., Ribeiro, L. 2004. Groundwater Monitoring Network Optimization with Redundancy Reduction. Journal of water resourses planning and magnagement. USA. Martnez, L. 2005. Identificacin de la contaminacin difusa en el acufero somero de la ciudad de San Luis Potos. Tesis de Licenciatura. UASLP. Facultad de Ingeniera. San Luis Potos. Mxico. Molerio L. y Torres J. 2002. Mtodos geomatemticos de diseo y optimizacin de redes de monitoreo de aguas subterrneas. Ingeniera Hidrulica y Ambiental. La Habana, Cuba. XXIII(2): 38-45. Passarella, G., Vurro, M., DAgostino, V. Barcelona, M. 2003. Cokriging Optimization of Monitoring Network Configuration Based on Fuzzy and NonFuzzy Variogram Evaluation. Environmental Monitoring. 82:1-21.

111

 Samper F. y Carrera J. 1989. Geoestadstica. Aplicaciones a la hidrogeologa subterrnea. Barcelona, Espaa. Vargas, N. O. 2004. Monitoreo de Aguas Subterrneas. Zhang, Pinder, Herrera, G. 2005. Least cost design of groundwater quality monitoring networks. Reseach Center for Groundwater Remediation Desing, Water Resources Research. University of Vermont, Burlington, Vermont, USA. 41. Zaidi, F., Ahmed, S., Dewandel B. Optimizing a piezometric network in the estimation of the groundwater budget: a case study from a crystalline-rock watershed in southern India. Hydrogeology Journal. En Internet: http://www.cna.gob.mx/eCNA/Espaniol/Directorio/MapaDelSitio.aspx (2006).
H

http://www.inegi.gob.mx/inegi/default.asp?t=&e=24 (2006).

http://www.inegi.gob.mx (2008).
H

http://www.slp.gob.mx (2006). http://cictd.uaslp.mx/geo/geohidrologia/lecturauxiliar/lecturauxiliar1.htm. (12 de septiembre de 2006).

H

Googleeaerth.com (2006)

112

ANEXO I

Teora geoestadstica y del filtro de Kalman

113

ANEXO I
I. Teora geoestadstica y del filtro de Kalman La geoestadstica es una rama de la estadstica aplicada que se especializa en el anlisis y la modelacin de la variabilidad espacial en ciencias de la tierra. Su objeto de estudio es el anlisis y la prediccin de fenmenos en espacio y/o tiempo (Daz, 2002). I.1 Conceptos bsicos En esta seccin se introducen los conceptos bsicos estadsticos que se utilizarn en esta tesis, los cuales han sido tomados de Daz (2002), y Samper y Carrera (1990), a menos de que se especifique lo contrario en el texto. Funciones de densidad y de distribucin La funcin de distribucin F ( x) de una variable aleatoria X se define como:
F ( x ) = Prob( X x ) .

Se dice que X es una variable aleatoria discreta si existe un nmero finito de valores x1 , x 2 ,..., x n tales que Prob( X = xi ) = ai 0 i ,

a
i =1

= 1.

Si Prob( X = x ) = 0 para toda x , la variable aleatoria se dice que es continua. Si existe una funcin f (t ) no negativa definida entre < t < tal que la funcin de distribucin de X se puede expresar como

114

F ( x) = f (t )dt ,
x

se dice que f (t ) es la funcin de densidad de X.

Dadas n variables X 1 , X 2 ,..., X n , la funcin de distribucin n-dimensional se define como:

F ( x1 , x 2 ,..., x n ) = Prob( X 1 x1 , X 2 x 2 ,..., X n x n ) .

Esperanza matemtica y momentos de orden n La esperanza matemtica E ( X ) o valor esperado m de una variable aleatoria X se define como:

m = E ( X ) = i xi Prob( X = xi ) si X es discreta,
m = E ( X ) = tf (t )dt si X es continua.

La esperanza matemtica o media es una medida de la tendencia central de una variable aleatoria. Otras medidas de tendencia central son la mediana y la moda. Para una variable aleatoria continua la moda x0 es aquel valor de x para el que
f (x ) es mxima (valor ms probable) mientras que la mediana xe es aquel valor

para el que F ( xe ) = 0.5 .

El momento de orden n de una variable aleatoria X continua con respecto al origen se define como:
E X n = t n f (t )dt .

( )

115

Para variables discretas la definicin es idntica salvo que f (t ) se sustituye por

Prob( X = t ) y la integral por la sumatoria. De forma similar, se definen los

momentos de orden n con respecto a la media m como:

n = E ( X m )n =

(t m )n f (t )dt .

El momento de orden uno con respecto a la media es 0, mientras que el momento de orden dos es la varianza 2 , es decir,

2 = E ( X m )2 =

(t m )2 f (t )dt .

La desviacin estndar se define como la raz cuadrada de la varianza. La varianza de una variable aleatoria es una medida de dispersin de su funcin de distribucin. El coeficiente de variacin se define como

Otras caractersticas de la distribucin de una variable aleatoria son el coeficiente de asimetra 1 y el coeficiente de curtosis 2 . El primero de ellos mide la simetra de la distribucin y se define como:

1 =

3 , 3

donde 3 es el momento de orden tres con respecto a la media. El coeficiente de curtosis mide el grado de apuntamiento y se define como:

2 =

4 3. 4

Funciones de densidad y de distribucin condicional La funcin de distribucin condicional de X dado Y = y se define como:

116

Fx| y ( x | y ) =

Prob( X x, Y = y ) , Prob(Y = y )

si Prob(Y = y ) > 0 .

La funcin de densidad condicionada de X dado que Y = y se define como:

f x| y ( x | y ) =

f xy ( x, y ) f y (y)

Si g ( X ) es una funcin de X, entonces el valor esperado condicionado de g ( X ) dado que Y = y se denota como E [g ( X ) | Y = y ] y se calcula por medio de
E [g ( X ) | Y = y ] = g ( x ) f ( x | y )dx .

Proceso Gaussiano Siguiendo a Gelb et al. (1996), un proceso gaussiano es un proceso aleatorio continuo caracterizado por la propiedad de que sus funciones de distribucin de probabilidad conjunta de todos los ordenes son distribuciones normales multidimensionales. Para un proceso gaussiano, la distribucin de la variable aleatoria X es la distribucin normal, para la cual la funcin de densidad se expresa por:

f ( x) =

( x m )2 1 exp . 2 2 2

(I.1.1)

La distribucin conjunta de dos variables aleatorias X 1 y X 2 se llama distribucin normal bivariada; las distribuciones conjuntas de orden ms alto se encuentran dadas por la distribucin normal multivariada. Si X es un vector gaussiano n-

117

dimensional entonces la distribucin de X es la distribucin normal expresada por:

f (x ) = 1 1 T exp ( x m ) P 1 ( x m ) , 2

(2 )

n/2

1/ 2

(I.1.2)

donde:
x = vector n-dimensional (x1 , x 2 ,..., x n ) . m = vector n-dimensional de las medias, mi = E ( X i ) .

P = Matriz n n de covarianza de las n variables aleatorias, definida como

Pij = Cov (X i , Y j ) . P 1 = Matriz inversa de P, y P 1 su determinante.
El superndice T quiere decir transpuesta.

Todas las propiedades de los procesos aleatorios gaussianos quedan definidas por los momentos de distribucin de primer y segundo orden.

Por

su

conveniencia

analtica,

los

procesos

gaussianos

son

los

ms

frecuentemente encontrados en el anlisis de sistemas. Por ello, es apropiado introducir la notacin que debe tener la informacin de la ecuacin I.1.2. La notacin usada en la secuela es
x N (m, P ) ,

lo que indica que x es un vector aleatorio gaussiano (normal) con media m y covarianza P. A manera de ejemplo, un proceso aleatorio x de una dimensin con media m y desviacin estndar , se debe escribir as:

118

x N (m, 2 ).
Ruido blanco gaussiano Un proceso de ruido blanco gaussiano es un proceso gaussiano de variables aleatorias no correlacionadas en el tiempo, con media cero y covarianza finita (la cual se denota como P).

Formalmente,

{en }

es un proceso de ruido blanco si E (en ) = 0 para toda n,

E (eiT ei ) = P y E (ei e T j ) = 0 para i diferente de j.

Variable regionalizada Se nombra como variable regionalizada z ( x) a la variable distribuida en el espacio de manera tal que presenta una estructura espacial de correlacin. Funcin aleatoria Si a cada punto x que pertenece a un dominio en el espacio le hacemos corresponder una variable aleatoria z ( x) , entonces el conjunto de variables aleatorias espacialmente distribuidas {z ( x ), x } ser una funcin aleatoria Z ( x ) .

Funcin de distribucin y momentos de una funcin aleatoria Sea Z(x) una funcin aleatoria definida en Rn, entonces el vector aleatorio

{Z (x1 ), Z (x2 ),..., Z (xk )}

k-variada:

se caracteriza por su funcin de distribucin de probabilidad

FZ ( x1 ), Z ( x2 ),..., Z ( xk ) (z1 , z 2 ,..., z k ) = Prob[Z ( x1 ) z1 , Z ( x 2 ) z 2 ,..., Z (x k ) z k ].

119

El conjunto de todas las distribuciones para todo valor de k y para cualquier seleccin de puntos en Rn constituye la ley espacial de probabilidad de la funcin aleatoria Z(x). En geoestadstica lineal son suficientes los dos primeros momentos de la distribucin de Z(x). De hecho, en la mayora de las aplicaciones prcticas la informacin disponible no permite inferir momentos de mayor orden. El momento de primer orden es la esperanza matemtica definida como
E [Z ( x )] = m( x) ,

en donde la funcin m( x ) se conoce con los nombres de deriva y tendencia. Para ilustrar la dependencia espacial de la esperanza matemtica se da la expresin de sta para Z ( x) cuando es una funcin de variables continuas,
E [Z ( x )] = z ( x) f ( z ( x))dz .
+

Los tres momentos de segundo orden de Z(x) considerados en geoestadstica son: a) La varianza o momento de segundo orden de Z ( x ) respecto a m(x ) :

2 ( x) = Var[Z ( x )] = E [Z ( x ) m( x )]2 .
b) La covarianza de dos variables aleatorias Z ( xi ) y Z (x j ) , C (xi , x j ) , definida como:

C (xi , x j ) = E { [Z (xi ) m(xi )] Z (x j ) m(x j ) },

y es en general una funcin de xi y x j . Esta funcin se llama a veces funcin de autocovarianza y es una medida estadstica de la correlacin entre dos variables.

c) El semivariograma (xi , x j ) que se define como:

120

 (xi , x j ) =

1 2 E Z (xi ) Z (x j ) , 2

{[

]}

es tambin conocido como funcin de semivarianza o variograma.

El semivariograma es la herramienta central de la geoestadstica. Al igual que la covarianza, el semivariograma es una funcin que describe el grado de correlacin espacial de la propiedad que se estudia.

Los valores de covarianza, as como los valores del semivariograma, se utilizan en las ecuaciones de la matriz de kriging para una mayor eficiencia de clculo. Funciones aleatorias estacionarias

Se dice que una funcin aleatoria es estrictamente estacionaria si su funcin de distribucin es invariante respecto a cualquier traslacin de vector h, o lo que es lo mismo, la funcin de distribucin del vector aleatorio [Z (x1 ), Z ( x 2 ),..., Z ( x k )] idntica a la del vector es

[Z (x1 + h ), Z (x2 + h ),..., Z (xk + h )]

para cualquier h. Sin

embargo, puesto que la geoestadstica lineal se basa en los dos primeros momentos de la funcin aleatoria, es suficiente imponer que estos dos momentos existen y limitar la hiptesis de estacionariedad a los dos primeros momentos. Funciones aleatorias estacionarias de segundo orden

Se dice que una funcin aleatoria Z(x) es estacionaria de segundo orden si: a) E [Z ( x )] existe y no depende de x, es decir,
E [Z ( x )] = m para todo x.

121

b) Para toda pareja de variables aleatorias {Z ( x + h ), Z ( x )} su covarianza existe y slo depende del vector separacin h, es decir,

C (h ) = C ( x + h, x ) = E [Z ( x + h )Z ( x )] m 2 .

La estacionariedad de la varianza implica que la varianza existe, es finita y no depende de x, es decir

2 = C (0) = Var [Z ( x )] .
Asmismo, bajo esta hiptesis el semivariograma tambin es estacionario y se cumple que:

(h ) = ( x + h, x ) =

1 1 2 E [Z ( x + h ) Z (x )] = Var [Z ( x + h ) Z ( x )] . 2 2

Adems existe una relacin directa entre el semivariograma y la funcin de covarianza,

(h ) = C (0) C (h ) .
Funciones aleatorias intrnsecas Para las funciones aleatorias Z(x) que representan fenmenos fsicos que tienen una capacidad casi ilimitada de variacin, no estn definidas la varianza ni la covarianza. Sin embargo, existen casos en que sus incrementos o diferencias
Z ( x + h ) Z ( x ) tienen una varianza finita. Esta es la motivacin para definir el

concepto de funciones aleatorias intrnsecas como aqullas cuyos incrementos

Z ( x + h ) Z ( x ) tienen esperanza matemtica y varianza definidas e independientes

de x para todo vector h, es decir:

E [Z ( x + h ) Z ( x )] = m(h ) , Var [Z ( x + h ) Z ( x )] = g (h ) .

122

La funcin m(h ) es la funcin deriva que es necesariamente lineal en h ya que

Z ( x + h1 + h2 ) Z ( x ) = [Z ( x + h1 + h2 ) Z ( x + h1 )] + [Z ( x + h1 ) Z ( x )]

y tomando la esperanza matemtica se tiene:

m(h1 + h2 ) = m(h2 ) + m(h1 ) .

Aunque no es indispensable, es habitual suponer m(h ) = 0 . Si no fuese as, la funcin aleatoria se definira como [Z ( x ) m( x )] .

Cuando m(h ) = 0 , el valor esperado de las diferencias es

E [Z ( x + h ) Z ( x )] = 0

y la varianza de las diferencias es

Var [Z ( x + h ) Z ( x )] = 2 (h ) .

Este conjunto de condiciones se conoce como Hiptesis Intrnseca.

Una funcin aleatoria estacionaria de segundo orden es siempre intrnseca. Sin embargo, el recproco no siempre es cierto.

Estimacin del semivariograma para variables intrnsecas La estimacin ms comn del semivariograma, a la que llamaremos

semivariograma muestral, es la siguiente:

1 N (h ) (h ) = [Z (xi + h) Z (xi )] , 2 N (h ) i =1
2

123

donde N(h) es el nmero de pares Z(xi) y Z(xi+h) que estn separados por una distancia h=|h|, conocida como lag, Debido a que (h ) es esencialmente una media muestral, tiene todas las desventajas comnmente asociadas con este tipo de estimador como es por ejemplo la no robustez.

Si el semivariograma es acotado, el valor del intervalo a partir del cual el semivariograma no se incrementa es conocido como alcance o rango (radio de correlacin) y marca el lmite de la dependencia espacial de la propiedad. La varianza mxima es conocida como sill o meseta del semivariograma y tericamente debe coincidir con la varianza a priori 2 de la muestra de la funcin aleatoria Z(x).

Un aspecto del semivariograma que es importante sealar es que por definicin

(0 ) = 0 pero en la prctica el semivariograma muestral * (h ) cuando |h| tiende a

cero no necesariamente se anula. Esto es conocido como efecto pepita (nugget en ingls) o microvarianza. En principio esto puede ocurrir solamente si existen discontinuidades en la funcin aleatoria. En la prctica su existencia se debe a la variacin espacial que no puede explicar el semivariograma debido a la escala del muestreo. I.2 Kriging

El kriging es un trmino que ha sido acuado para designar al mejor estimador lineal insesgado de un punto y al mejor promedio lineal mvil ponderado de un bloque. Este nombre apareci alrededor de 1960 para nombrar una tcnica creada en Francia por Matheron a partir de los trabajos de D.G. Krige, quin fue probablemente el primero que hizo uso de la correlacin espacial y del mejor

124

estimador lineal insesgado en el campo de la evaluacin de yacimientos minerales. El kriging es una tcnica de estimacin local que ofrece el mejor estimador lineal insesgado de una caracterstica desconocida que se estudia. La limitacin a la clase de estimadores lineales es bastante natural ya que esto significa que solamente se requiere el conocimiento del momento de segundo orden de la funcin aleatoria (la covarianza o el semivariograma) y que en general en la

prctica es posible inferir a partir de una realizacin de la misma. El objetivo del krigeado es obtener una estimacin Z*(x), de Z(x), como una combinacin lineal de los valores medidos Zi en los puntos de observacin xi. Tambin es importante obtener la varianza del error de estimacin. Por ser lineal, el estimador tiene la siguiente forma:

Z * = i Z i .
i =1

Los parmetros i se denominan coeficientes de ponderacin o coeficientes de krigeado. Z* no debe tener sesgo, es decir E Z * Z = 0 , por lo que suponiendo que Z es estacionaria la varianza del error de la estimacin es:

Var Z * Z = E Z * Z

[(

)]
2

2 = E i Z i j Z j 2 E i Z i Z + E Z i j i
= i j E (Z i Z j ) 2 i E (Z i Z ) + E Z 2 .
i j i

[ ]

( )

Si se conocen E (Z i Z j ) , E (Z i Z ) y E Z 2 , lo cual es posible si se conoce el semivariograma o bien la funcin de covarianza, entonces basta obtener i (i=1...n, nmero de puntos de observacin), para que Z i* y su varianza queden

( )

125

perfectamente determinados. Los coeficientes i se obtienen imponiendo que la varianza de estimacin sea mnima. Esto da lugar a un sistema lineal de ecuaciones que se conoce con el nombre de ecuaciones de krigeado. Kriging ordinario Para el desarrollo de las ecuaciones de krigeado ordinario, se debe imponer que la estimacin sea lineal, no tenga sesgo y tenga varianza mnima:

1. Linealidad

Z * = i Z i .
i =1

2. Sesgo nulo

E Z * = E (Z ) , equivalente a
3. Varianza mnima

( )

= 1.

E Z* Z

[(

) ] es mnimo.
2

Desarrollando esta ltima expresin se obtiene:

E Z* Z

[(

) ] = E [( Z
2 i

Z ) = E ( i Z i i Z )
2

] [

2 = E ( i (Z i Z )) = E i (Z i Z ) j (Z j Z ) j i

= i j E (Z i Z )(Z j Z ) .
i j

(I.2.1)

Este ltimo trmino se puede obtener a partir de la definicin del semivariograma:

126

 (xi x j ) =
=

1 1 2 2 E (Z i Z j ) = E (Z i Z ) (Z j Z ) 2 2

{[

]} ]
(I.2.2)

1 1 2 2 E (Z i Z ) + E (Z j Z ) E (Z i Z )(Z j Z ) 2 2

] [

= ( xi x ) + (x j x ) E (Z i Z )(Z j Z ) .

A partir de la ecuacin I.2.2 se obtiene el valor esperado que aparece en la ltima lnea de la ecuacin I.2.1. Sustituyndolo se obtiene:

E Z* Z

[(

) ] = (x
2 i j i j

x j ) + i j ( xi x ) + i j (x j x ) . (I.2.3)
i j i j

Sacando factor comn a

, que valen uno, en los dos ltimos

sumandos de la ecuacin I.2.3, y teniendo en cuenta que:

(x
i i

x ) = j (x j x ) ,
j

ya que i y j son ndices mudos, resulta la siguiente expresin de la varianza de estimacin:

E (Z * Z ) = i j (xi x j ) + 2 i ( xi x ) .
2 i j i

(I.2.4)

Para la minimizacin de la varianza se emplea el mtodo de los multiplicadores de Lagrange, que conduce a la siguiente funcin objetivo:

L=

2 1 E (Z * Z ) i 1 2 i

(I.2.5)

que hay que minimizar con respecto a i y a . Para ello se igualan a cero las derivadas parciales de la ecuacin I.2.5 con respecto a los i y a , lo que conduce al siguiente sistema lineal de (n+1) ecuaciones:

127

 (x
j j

x j ) + = ( xi x ) ,

i = 1,..., n ,

= 1.

(I.2.6)

En forma matricial, este sistema tiene la siguiente expresin:

donde ij = (x i x j ) y i = (x i x ) . Si (h ) es condicionalmente positiva definida (el producto de la matriz cuadrtica (h ) por un vector columna diferente de cero y por su vector transpuesto es mayor a cero), la matriz del sistema es siempre regular y siempre existe solucin.

La varianza del error de estimacin, tambin llamada varianza del krigeado, se obtiene teniendo en cuenta que, al ser E Z * Z = 0 ,

k2 = Var (Z * Z ) = E (Z * Z ) ,
2

de donde se deduce, tras sustituir la primera lnea de la ecuacin I.2.6 en la ecuacin I.2.4,

Var Z * Z = i ( xi x ) + .
i

128

El kriging ordinario es la formulacin ms comn del mtodo de krigeado. (Samper y Carrera, 1990). I.3 Filtro de Kalman El filtrado se refiere a la estimacin de un vector estado en un tiempo actual, basndose en mediciones pasadas. Los filtros recursivos son aqullos que no necesitan almacenar mediciones pasadas con el propsito de calcular estimados presentes. El filtro de Kalman es un filtro recursivo que obtiene estimaciones lineales no sesgadas y con varianza mnima para el estado de un sistema utilizando datos con ruido. Est dado por un conjunto de ecuaciones matemticas que proveen una solucin recursiva eficiente del mtodo de mnimos cuadrados.

En el filtrado de Kalman se definen tres modelos, al conjunto de los cuales se le suele llamar modelo del proceso, y dos fases que constituyen el filtrado de Kalman propiamente dicho:

Modelo del sistema. Describe la evolucin en el tiempo de la cantidad que se desea estimar, expresada mediante un vector de estado C n . La transicin entre estados C n C n +1 se caracteriza por la matriz de transicin n y la adicin de un ruido blanco gaussiano wn con matriz de covarianza Qn.

C n +1 = n C n + wn ,

wn N (0, Qn ) .

Modelo del sensor o de medicin. Relaciona el vector de medida z n con el estado del sistema C n a travs de la matriz de medicin H n y la adicin de un ruido blanco gaussiano v n con matriz de covarianza Rn.

z n = H n C n + vn ,

v n N (0, Rn ) .

129

Modelo a priori. Describe el conocimiento previo sobre el vector de estado en el instante inicial C 0 en cuanto a valor esperado y matriz de covarianza P 0 . Se suponen no correlacionados los ruidos correspondientes al proceso y al sensor.

0 , P0 = E C 0 C 0 C0 C 0 E C0 = C

[ ]

{(

)(

) },
T

E wk v j

] = 0 para todo j, k.

Fase de propagacin. En esta fase, se predice cul va a ser el nuevo valor de la cantidad que se desea estimar utilizando el modelo del sistema. Para ello, la
n n estimacin del estado anterior C y su matriz de covarianza Pnn son extrapoladas
n n n para formar el vector de estado predicho C +1 y su matriz de covarianza Pn +1 .

Donde:
k n C = E{C n z1 ,..., z k }

k k n n Pnk = E C n C Cn C

{(

)(

) },
T

n n n C +1 = n C n ,

Pnn+1 = n Pnn n + Qn .
T n +1 n Fase de actualizacin. En esta fase se calcula el nuevo vector de estado C +1 y su

1 matriz de covarianza Pnn++ 1 . Para ello se utiliza la covarianza predicha para calcular

la ganancia de Kalman K n +1 , escalando sta por el valor del residuo de medicin

n n z n +1 H n +1C +1 , o sea por la estimacin del error cometido en la prediccin, y n n sumndose al vector de estado predicho C +1 se calcula el nuevo vector de

n +1 n estado C +1 .

n +1 n n n C +1 = C n +1 + K n +1 z n +1 H n +1C n +1 , 1 n Pnn++ 1 = (I K n +1 H n +1 )P n +1 ,

130

T n T K n +1 = Pnn+1 H n +1 H n +1 Pn +1 H n +1 + Rn +1

En este trabajo se utilizan nicamente el modelo de medicin y el modelo a priori del filtro de Kalman. Esto se debe a que no se utilizar un modelo para describir la dinmica de los parmetros que se estimarn.

131

ANEXO II

Anlisis geoestadstico de la carga hidrulica 2006

132

ANEXO II
II.1 ANLISIS GEOESTADSTICO DE LA INFORMACIN Siguiendo la metodologa del anlisis geoestadstico, los resultados para el 2006 se muestran a continuacin. II.1.1 Anlisis geoestadstico de la Carga Hidrulica 2006 En el anlisis espacial del nivel esttico para el ao 2006, figura II.1, se aprecia que los pozos se localizan principalmente en la parte noreste y en forma escasa en la parte noroeste y sureste de la zona, la profundidad del nivel esttico se incrementa en direccin sureste-noreste y este nivel vara entre 1.4 a 25.95 m.

Figura II.1 Nivel Esttico (ao 2006).

133

A continuacin de acuerdo a la base de datos se analizan 38 pozos los cuales contemplan informacin sobre carga hidrulica del ao 2006. El histograma de los datos de la elevacin de la carga hidrulica para el ao 2006, como se puede observar ste no es simtrico y no tiene valores distribucionales atpicos (outliers), figura II.2.

Figura II.2 Histograma, carga hidrulica 2006

o Anlisis Espacial

Al hacer el anlisis espacial de la carga hidrulica para el ao 2006 del acufero somero de la Poligonal 2411 de San Luis Potos, figura II.3, se observa que la muestra est distribuida espacialmente de manera ms densa en el centro y noreste del acufero en estudio, tanto en el sureste como en el noroeste es escasa la muestra y en el suroeste de la zona no hay pozos.

134

La carga hidrulica es mayor en el noroeste y va disminuyendo hacia el noreste lo que indica que el flujo se presenta en esa direccin; sin considerar la topografa y la geologa del subsuelo.

Figura II.3 Distribucin espacial de la carga hidrulica del ao 2006 Por ltimo, como se analiz y coment anteriormente, desde el punto de vista geoestadstico (mediante el anlisis exploratorio de los datos) la muestra no tiene valores espaciales atpicos.

135

o Estadgrafos

En esta seccin se debe realizar un anlisis de la informacin estadstica, cuadro II.1. Los valores de importancia son el valor medio, varianza, desviacin estndar, coeficiente de variacin, valor mnimo, valor mximo, mediana, etc.

Cuadro II.1 Estadgrafos de los datos de la carga hidrulica del ao 2006

Estadgrafos Coeficiente de asimetra Desviacin estndar Media Coeficiente de variacin Curtosis

Valor 0.684252585 36.94621419 1858.186842 0.019882938 -0.653481008

A continuacin se realiza una transformacin logartmica de los datos para tratar de obtener una distribucin simtrica. Existe una tendencia o bien, un sesgo hacia la izquierda y no presenta valores atpicos, figura II.4.

136

Figura II.4 Histograma, transformacin logartmica a los datos de la carga hidrulica 2006. Se ajustar un polinomio a la deriva detectada (se le quitar la tendencia a los datos) y posteriormente se realizar el anlisis geoestadstico con los residuos. El ajuste de la deriva se realiza en dos fases. El objeto de la primera fase es identificar el grado del polinomio figura II.5. Para ello se ajustan polinomios de grado creciente hasta conseguir que el semivariograma de los correspondientes residuos sea istropo y estacionario analizando los estadgrafos que nos arroja ste, cuadro II.2.

137

Figura II.5 Histograma de los datos de 2006, el ajuste de la deriva donde se eligi el polinomio de primer grado.

Cuadro II.2 Resumen de lso resultados de los estadgrafos considerando una distancia mxima de 2966 con un nmero total de 38 datos. CARGA HIDRULICA ESTADGRAFOS 2006 Polinomio 1er orden Error medio Error cuadrtico Error estndar -1.17334211 167.154876 1.87420867

138

II.1.2 Anlisis Estructural

Figura II.6 Ajuste de un modelo esfrico al semivariograma muestral de la carga hidrulica 2004 con ajuste polinmico de primer orden.

Cuadro II.2 Modelacin de la funcin de correlacin espacial

Variable Carga Hidrulica 2006 Modelo Nugget Cc Alcance Criterio de Akaike Esfrico 8 261 19000 335.1004106

En este caso para el trazo del semivariograma muestral, se trabaj con 9 lags de 1000 m cada uno, lo cual facilit el ajuste del mismo mediante un modelo terico autorizado, figura II.7. Los resultados del modelo se presentan en el cuadro II.2.

139

Figura II.7 Ajuste de un modelo exponencial al semivariograma muestral de la carga hidrulica 2004 con ajuste polinmico de primer orden.

Cuadro II.3 Modelacin de la funcin de correlacin espacial

Variable Carga Hidrulica 2006 Modelo Nugget Cc Alcance Criterio de Akaike Exponencial 7 258 20400 321.6925062

140

II.1.1.3 Predicciones o Validacin cruzada Validacin cruzada del modelo es un mtodo para verificar la pertinencia del modelo como se explic en el Captulo 3; en el cuadro III.4 se presenta el resumen de resultados de la validacin cruzada. Cuadro II.4 Resumen de resultados de la validacin cruzada Carga Hidrulica 2006 Validacin Cruzada Polinomio 1er orden Error mnimo Error mximo Valor medio del error Varianza media -192.535 147.951 -1.17326316 69.5094211

141