Embed Size (px)
ANÁLISIS DE INDICADORES FISICOQUÍMICOS DE CONTAMINACIÓN POR
METALES PESADOS EN EL AGUA DE ESCORRENTÍA VIAL A PARTIR
DE EXPERIENCIAS INTERNACIONALES
TRABAJO DE GRADO EN LA MODALIDAD DE INVESTIGACIÓN –
INNOVACIÓN
ELABORADO POR:
MANUEL ELKIN PATARROYO GONZÁLEZ
COD. 20112180027
DIRECTOR:
CARLOS ALFONSO ZAFRA MEJÍA, Ph.D. INGENIERÍA AMBIENTAL
CO-DIRECTOR:
JOAQUÍN SUÁREZ LÓPEZ, Ph.D. INGENIERÍA CIVIL
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE MEDIO AMBIENTE Y RECURSOS NATURALES
PROYECTO CURRICULAR INGENIERÍA AMBIENTAL
BOGOTÁ D.C.
2019
2
“A mi familia, por su apoyo incondicional, su confianza y su paciencia”
Manuel Patarroyo González
3
AGRADECIMIENTOS
En primer lugar, a la Universidad Distrital Francisco José de Caldas por
darme la oportunidad de formarme como un profesional íntegro y con los
conocimientos para poder realizar la investigación presentada. Lo anterior
incluye, por supuesto, a cada uno de los docentes que aportaron a mi
proceso formativo.
Al ingeniero Carlos Alfonso Zafra Mejía, mi director de proyecto, por darme
la oportunidad de trabajar con él mediante el desarrollo de este trabajo. Su
apoyo moral, buena disposición y asesoría técnica y académica fueron
indispensables para el correcto desarrollo de la investigación.
A la Universidad de la Coruña, por suministrar los datos de contaminación
que sirvieron como base para el desarrollo de la investigación, en especial al
Ing. Joaquín Suárez López.
En general agradezco a todas las personas que de una u otra forma
estuvieron involucradas e hicieron posible el desarrollo de mi trabajo de
grado.
4
TABLA DE CONTENIDO
AGRADECIMIENTOS ............................................................................................. 3
RESUMEN ............................................................................................................ 10
INTRODUCCIÓN .................................................................................................. 14
1. PLANTEAMIENTO DEL PROBLEMA ............................................................ 16
2. JUSTIFICACIÓN ............................................................................................ 21
3. OBJETIVOS ................................................................................................... 23
3.1. OBJETIVO GENERAL ............................................................................. 23
3.2. OBJETIVOS ESPECÍFICOS .................................................................... 23
4. MARCO TEÓRICO ........................................................................................ 24
4.1. ELEMENTOS CONCEPTUALES ASOCIADOS A LA CALIDAD DEL
AGUA................................................................................................................. 24
4.1.1. Escorrentía superficial ....................................................................... 24
4.1.2. Calidad del agua ................................................................................ 25
4.1.3. Parámetros de calidad del agua ........................................................ 26
4.2. ELEMENTOS CONCEPTUALES ASOCIADOS A METALES PESADOS 26
4.2.1. Salud pública con respecto a los metales pesados ........................... 26
4.2.2. Contaminación por metales pesados en la escorrentía vial ............... 27
4.2.3. Relación entre tráfico promedio diario y metales pesados ................ 30
4.3. TÉCNICAS Y MÉTODOS PARA ESTUDIAR LA CORRELACIÓN DE
PARÁMETROS BÁSICOS Y METALES PESADOS EN LA ESCORRENTÍA
VÍAL 31
4.3.1. Control de la calidad del agua en escorrentía vial ............................. 31
4.3.2. Recolección de muestras para estudiar la escorrentía y su
concentración de contaminantes .................................................................... 34
4.3.3. Tratamiento estadístico para estudiar la correlación entre parámetros
básicos y metales pesados en la escorrentía y en el sedimento vial ............. 37
4.4. EXPERIENCIAS NACIONALES E INTERNACIONALES EN LA
EVALUACIÓN DE METALES PESADOS EN LA ESCORRENTÍA VIAL ........... 42
4.5. LEGISLACIÓN DE REFERENCIA ........................................................... 43
5. MATERIALES Y MÉTODOS .......................................................................... 45
5
5.1. DESCRIPCIÓN DE LOS LUGARES DE INVESTIGACIÓN ..................... 45
5.1.1. Autopista AG-55, A Coruña – Carballo .............................................. 45
5.1.2. N-651, Betanzos – Fene .................................................................... 46
5.1.3. Vía en Torrelavega (España) ............................................................. 48
5.1.4. Adaptación internacional a la ciudad de Bogotá, Colombia ............... 49
5.2. SISTEMA DE RECOLECCIÓN DE LA INFORMACIÓN ........................... 50
5.2.1. Recolección de Información secundaria de escorrentía vial obtenida
en La Coruña (España) .................................................................................. 51
5.2.2. Información secundaria de escorrentía vial de Torrelavega (España)52
5.2.3. Sistema de recolección de la información de corredores viales en
Bogotá (Colombia) ......................................................................................... 52
5.2.4. Sistema de recolección de la información referente a Legislación
Nacional e Internacional sobre Escorrentía Vial ............................................. 52
5.3. DESCRIPCIÓN GENERAL DE LA METODOLOGÍA ............................... 53
5.3.1. FASE 1: Recolección de datos y revisión bibliográfica ...................... 55
5.3.2. FASE 2: Planteamiento de la hipótesis .............................................. 55
5.3.3. FASE 3: Tratamiento estadístico de los datos ................................... 57
5.3.4. FASE 4: Determinación de parámetros indicadores .......................... 59
5.3.5. FASE 5: Adaptación de resultados a la ciudad de Bogotá D.C. ........ 60
5.3.6. FASE 6: Análisis de resultados.......................................................... 60
6. RESULTADOS Y DISCUSIÓN ....................................................................... 62
6.1. RELACIÓN ENTRE PARÁMETROS FISICOQUÍMICOS DE CALIDAD
DEL AGUA Y METALES PESADOS EN ESCORRENTÍA VIAL. ....................... 62
6.1.1. CASO DE ESTUDIO EN LA CORUÑA (ESPAÑA) ............................ 62
6.2. RELACIÓN ENTRE DQO Y METALES PESADOS EN SEDIMENTOS
VIALES .............................................................................................................. 77
6.2.1. CASO DE ESTUDIO EN TORRELAVEGA (ESPAÑA) ...................... 77
6.3. ADAPTACIONES EN LA CIUDAD DE BOGOTÁ (COLOMBIA) ............... 81
6.3.1. Escorrentía vial .................................................................................. 81
6.3.2. Sedimento vial ................................................................................... 87
6.3.3. Pronósticos para Bogotá (Colombia) ................................................. 91
6.4. COMPARACIÓN CON LEGISLACIÓN DE REFERENCIA ...................... 98
6
6.4.1. Comparación con legislación nacional ............................................. 102
6.4.2. Comparación con legislación internacional ...................................... 105
6.4.3. Sedimento vial ................................................................................. 109
7. CONCLUSIONES ........................................................................................ 118
8. RECOMENDACIONES ................................................................................ 121
ANEXOS ............................................................................................................. 123
BIBLIOGRAFÍA .................................................................................................. 124
7
LISTA DE FIGURAS
Figura 1. Emplazamiento de la cuenca estudiada en la Autopista AG-55.
Modificado de Jiménez, 2015. ............................................................................... 47
Figura 2. Emplazamiento carretera nacional N-651. Modificado de Jiménez, 2015.
.............................................................................................................................. 47
Figura 3. Ubicación de Torrelavega en España (Google maps, 2018). ................. 48
Figura 4. Fotografía de las superficies viarias en estudio (Torrelavega, España). a)
Zona 1 y b) Zona 2. (Zafra et al, 2009) .................................................................. 49
Figura 5. Diagrama de flujo para las fases de la investigación. Fuente: Elaboración
propia. ................................................................................................................... 54
Figura 6. Proporción de fracción disuelta y particulada de los MP analizados en las
muestras de la sección vial de Fene ..................................................................... 70
Figura 7. Mejores modelos de regresión lineal entre las CMS de SS y MP en la
sección vial de Fene. ............................................................................................. 77
Figura 8. Modelos de regresión lineal entre TPD y concentraciones de MP en
escorrentía vial para estudios internacionales. ...................................................... 87
Figura 9. Modelo de regresión lineal ente tráfico promedio diario TPD y Cu en el
sedimento vial. ...................................................................................................... 91
Figura 10. Mapa de riesgo de Fe en escorrentía vial para legislación de
vertimientos. ........................................................................................................ 111
Figura 11. Mapa de riesgo de Pb en escorrentía vial para legislación de
vertimientos. ........................................................................................................ 112
Figura 12.Mapa de riesgo de Pb en escorrentía vial para legislación de vida
acuática ............................................................................................................... 113
Figura 13. Mapa de riesgo de Cd y Fe en escorrentía vial para legislación del
medio natural y la vida acuática. ......................................................................... 114
Figura 14. Mapa de riesgo de Cd en escorrentía vial para legislación del medio
natural y la vida acuática. .................................................................................... 115
Figura 15. Mapa de riesgo de Cu en escorrentía vial para legislación del medio
natural. ................................................................................................................ 116
Figura 16. Mapa de riesgo de Cu en sedimento vial para legislación de la
protección de la salud humana en suelo urbano. ................................................ 117
8
LISTA DE TABLAS
Tabla 1. Parámetros convencionales de calidad del agua. ................................... 26
Tabla 2. Fuentes antropogénicas de contaminantes en escorrentías de pavimentos
urbanos. ................................................................................................................ 28
Tabla 3. Tratamiento de escorrentías de aguas pluviales como TDSEA. ............. 33
Tabla 4. Legislación Nacional e internacional de referencia. ................................ 44
Tabla 5. Características de las superficies viarias en estudio de Torrelavega,
España. ................................................................................................................. 49
Tabla 6. Rangos de valoración, coeficientes de correlación de Pearson y por
rangos de Spearman (Rho de Spearman). ........................................................... 58
Tabla 7. Resumen de estadísticos descriptivos para los parámetros en estudio. . 63
Tabla 8. Matriz de correlación Spearman para las CMAX en la vía de Fene ........ 67
Tabla 9. Matriz de correlación Spearman para la totalidad de muestras en la vía de
Fene. ..................................................................................................................... 68
Tabla 10. Matriz de correlación Spearman para las CMS total en la vía de Fene. 72
Tabla 11. Matriz de correlación Spearman para la CMS particulada en la vía de
Fene. ..................................................................................................................... 73
Tabla 12. Matriz de correlación Spearman para la CMS disuelta en la vía de Fene.
.............................................................................................................................. 74
Tabla 13. Coeficientes de correlación Spearman entre factores climatológicos y
PFCA. .................................................................................................................... 75
Tabla 14. Resumen de estadísticos descriptivos para los parámetros en sedimento
vial. ........................................................................................................................ 77
Tabla 15. Matriz de correlación Pearson para zona 1 de Torrelavega. ................. 79
Tabla 16. Matriz de correlación Pearson para zona 2 de Torrelavega. ................. 80
Tabla 17. Revisión internacional de concentraciones de MP en la escorrentía vial a
partir de diferentes intensidades de tráfico. ........................................................... 82
Tabla 18. Matriz de correlación Spearman entre TPD y la CMS de MP en
escorrentía vial para la revisión bibliográfica internacional. Fuente: Elaboración
propia. ................................................................................................................... 85
Tabla 19. Revisión internacional de la concentración media de MP en el sedimento
vial a partir de diferentes intensidades de tráfico (TPD). ....................................... 88
Tabla 20. Matriz de correlación de Pearson entre TPD y concentración de MP en
sedimento vial para la revisión bibliográfica internacional. .................................... 89
Tabla 21. Pronóstico para la concentración de MP en Bogotá a partir de intensidad
de tráfico TPD. ...................................................................................................... 94
Tabla 22. Legislación Nacional e Internacional de referencia para escorrentía vial.
Fuente: Elaboración propia. ................................................................................ 100
9
Tabla 23. Legislación Internacional de referencia para sedimento vial. (Zafra-Mejía
et al.,2019) .......................................................................................................... 102
Tabla 24. TPD que incumple valores permisibles de Res. 631 de 2015 ............. 104
Tabla 25. TPD que incumple valores permisibles de legislación de referencia ... 105
Tabla 26. Comparación de CMS de MP en vías de Bogotá con legislación
internacional. ....................................................................................................... 107
10
RESUMEN
La elevada densidad de tráfico en áreas urbanas asociada con fenómenos de
escorrentía y depósitos de sedimento vial, constituyen un gran problema de
contaminación y salud pública debido a la presencia de metales pesados.
Actualmente, dicha problemática no se tiene en cuenta en Colombia.
Esta investigación presenta el estudio de la relación entre parámetros fisicoquímicos
de calidad del agua (DQO, DQO soluble, DBO5, pH, turbidez, conductividad, N total,
P total, ST, STV, SST, SDT, SSV y SDV) y la fracción sólida y disuelta de los metales
pesados (Al, As, B, Ba, Cd, Co, Cr, Cu, Fe, Hg, Mn, Ni, Pb, V y Zn) presentes en la
escorrentía de dos vías en la ciudad de La Coruña (España) y la relación entre la
DQO con los metales pesados (Pb, Zn, Mn, Cu, Cr, Co, Ni, Cd, Fe) en un sedimento
viario de Torrelavega (España). Se pretende también detectar un parámetro
fisicoquímico que sea indicador de los metales pesados presentes en la escorrentía
vial. Adicionalmente, teniendo en cuenta la influencia directa del tráfico en la
concentración de metales pesados, se adapta el estudio, pronosticando
concentraciones de contaminantes para la ciudad de Bogotá (Colombia).
El análisis del total de las muestras recolectadas y de la parametrización de los
datos obtenidos para la vía de Fene ponen en evidencia que la concentración media
de los Sólidos Suspendidos tiene las mejores relaciones con la concentración media
de la fracción total de los metales pesados mencionados anteriormente y puede
servir como parámetro indicador de los mismos; excluyendo el Boro, el Cadmio y el
Mercurio, que muestran una independencia de los demás parámetros. Así mismo,
la concentración media de la fracción total del Hierro es un buen indicador de los
metales pesados Cu, Cr, Pb y Zn tanto en la vía de Fene como a nivel internacional.
Por otro lado, la ausencia considerable en la toma de datos que presentó la vía de
Arteixo la descartan como base para la búsqueda de parámetros indicadores, pues
arrojó coeficientes de correlación débiles, y no se pudieron generar modelos de
regresión lineal satisfactorios. Por su parte, el estudio del sedimento vial en la Zona
2 de Torrelavega muestra una relación media de la DQO con el Fe y una relación
11
baja o débil de la DQO con Pb, Zn y Cu. En la Zona 1 de la vía de Torrelavega hay
relaciones débiles entre DQO y Fe, y Pb, Zn, y Cu.
Partiendo de los estudios que sugieren la existencia de una relación entre el Tráfico
Promedio Diario (TPD) y la concentración de metales pesados en el sedimento y la
escorrentía vial, y con una adaptación a partir de una revisión bibliográfica
internacional, se pronosticaron las concentraciones de Cr, Fe, Pb, Cu y Cd en la
escorrentía vial y la concentración de Cu en el sedimento para diecinueve
superficies viales de Bogotá. Estos pronósticos fueron comparados con valores
límite establecidos por legislación nacional e internacional, encontrando que, en
cuanto a escorrentía vial, hay vías de Bogotá pueden superar los valores
permisibles de Fe y Pb de legislaciones asociadas a vertimientos y a la afectación
del medio natural y de la vida acuática, y que muchas de esas vías pueden superar
los valores permisibles de Cd, Cu y Cr de legislaciones internacionales asociadas a
la afectación del medio natural y de la vida acuática. En cuanto a sedimento vial, se
encontró que vías con TPD > 70000 veh./día pueden superar los valores permisibles
de Cu de las legislaciones internacionales asociadas a la protección de la salud
humana en suelo urbano y residencial. Por lo tanto, se sugiere que la escorrentía y
el sedimento vial sean considerados como factores de contaminación importantes
en centros urbanos.
Palabras clave: Contaminación, Escorrentía vial, Metales pesados, Tráfico
vehicular, Sedimento vial.
E-mail: [email protected]
ABSTRACT:
High traffic density in urban areas associated to runoffs and road deposited sediment
are a big pollution and public health issue due to the presence of heavy metals.
Nowadays, such problem hasn’t been addressed in Colombia properly.
This research shows the study of the relationship between physicochemical
parameters (COD, soluble COD, BOD5, pH, turbidity, conductivity, total N, total P,
12
TS, TVS, TSS, TDS, VSS and VDS) and solid and dissolved fraction of heavy metals
(Al, As, B, Ba, Cd, Co, Cr, Cu, Fe, Hg, Mn, Ni, Pb, V and Zn) in runoffs of two roads
placed on La Coruña (Spain) and the relationship between COD with heavy metals
(Pb, Zn, Mn, Cu, Cr, Co, Ni, Cd, Fe) on a road sediment in Torrelavega (Spain). It is
also intended to detect a physicochemical parameter that is an indicator of heavy
metals in road runoffs. In addition, taking into account the direct influence of traffic
in the concentration of heavy metals, the study has been adapted, to predict
concentration of pollutants in Bogotá (Colombia).
Total analysis of collected samples and parameterization of obtained data for Fene
road shows that the average concentration of Suspended Solids has a better linkage
with the average concentration of the total fraction of the aforementioned heavy
metals, plus it might be useful as an indicator parameter of them; excepting Boron,
Cadmium and Mercury which show an independency from the others. Average
concentration of the total fraction of Iron is a good indicator of Cu, Cr, Ob y Zn as
well, both in Fene road as at International level. Moreover, serious lack on data
collection in Arteixo road dismiss it as a basis on the research of indicator parameters
since its correlation coefficients were weak and satisfactory linear regression models
could not be generated. Meanwhile, road sediment research in Zone 2 of
Torrelavega reveal an average relationship of COD with Fe and a weak bearing of
COD with Pb, Zn and Cu. In Zone 1 of Torrelavega road there are weak associations
between COD and Fe, and Pb, Zn and Cu.
Based on the reviews which suggest the existence of a relation between Average
Daily Traffic (ADT) and the concentration of heavy metals on road sediments and
runoff, and using an adaptation on the basis of International bibliographic overview,
concentrations of Cr, Fe, Pb, Cu y Cd on road runoff and concentration of Cu on
sediments for nineteen (19) road surfaces in Bogotá were forecasted. Those
predictions were compared to limit values established by National and International
law, finding that related to road runoff, some roads in Bogotá might be exceeding
permissible values pf Fe and Pb of laws associated to dumping and damage over
natural environment and aquatic life; and that many of those roads might also exceed
13
allowable values of Cd, Cu and Cr of international legislation associated to negative
effects on natural environment and aquatic life. Regarding road sediment, it was
found that roads with ADT>70000 veh./day can overcome permissible values of Cu
of international law related to human health protection on urban and residential land
use. Therefore, it is suggested that both, road runoff and sediment, to be considered
as significant drivers of pollution in urban centers.
Keywords: Pollution, road runoff, heavy metals, vehicular traffic, road sediment.
14
INTRODUCCIÓN
La exposición a los metales pesados a través de la contaminación del aire, los
alimentos, el agua, las bebidas, o el suelo, puede suponer una amenaza para la
salud y el desarrollo humano. Aunque desde hace siglos se tiene conocimiento de
algunos de los más graves peligros para la salud que conllevan ciertos metales
como el mercurio, el plomo y el cadmio, existe un creciente acervo de pruebas que
vinculan a éstos (y otros metales) a toda una serie de efectos nocivos para la salud,
como también problemas de desarrollo y procesos de envejecimiento (Pronczuk &
OMS, 2006). Así mismo, aunque todos estos elementos se encuentran de forma
natural en el planeta, las diferentes actividades del hombre han incrementado su
concentración en el ambiente hasta niveles peligrosos para la salud de los
ecosistemas.
La construcción, explotación y conservación de autopistas, trae consigo una serie
presiones sobre el medio natural; pues el tráfico, las labores de mantenimiento y el
desgaste de la vía misma hacen que se depositen en el pavimento una serie de
contaminantes entre los que se encuentran los metales pesados; y que debido a la
naturaleza impermeable de la superficie se van concentrando hasta que van a parar
con las escorrentías de aguas pluviales en un medio acuático receptor (Jiménez,
2015).
Debido a la carga contaminante que esto puede significar, existe legislación
internacional que ya lo está teniendo en cuenta. Sin embargo, si se compara con la
legislación internacional, la legislación en Colombia en cuanto a la incidencia de
estos metales pesados en la salud pública, en la contaminación del medio ambiente,
y en el cumplimiento de las normativas existentes, parecen ser deficientes. Esta
deficiencia favorece la acumulación de estos metales en el ambiente y la
contaminación de los recursos hídricos y el suelo, y el deterioro de la salud pública
principalmente en áreas urbanas.
15
A partir de esto, esta investigación tiene como objetivo principal analizar a nivel
internacional el contenido de metales pesados en la escorrentía de vías y
proporcionar una adaptación a la ciudad de Bogotá (Colombia).
La presentación del proyecto se encuentra estructurada por capítulos. Los primeros
cuatro capítulos están constituidos por la base de la investigación y corresponden
al planteamiento del problema, justificación y los objetivos planteados (general y
específicos). El capítulo 5 está constituido por los fundamentos teóricos necesarios
a tratar durante la investigación. En el Capítulo 6 se establece la descripción
detallada de la metodología que se seguirá para el correcto desarrollo de la
investigación. Finalmente, en los capítulos 7 y 8 se detallan los recursos y tiempos
que se requieren para desarrollar adecuadamente la investigación.
16
1. PLANTEAMIENTO DEL PROBLEMA
Los proyectos viales han sido considerados como obras que representan un
beneficio social y económico para las regiones y mejoran la calidad de vida de los
habitantes, por tanto, se constituyen en un elemento importante de desarrollo. Sin
embargo, la apertura y operación de carreteras, al igual que todas las obras de
infraestructura y actividades humanas causa efectos negativos sobre el ambiente;
cuya identificación y evaluación es importante con el fin de diseñar estrategias que
eviten, mitiguen y compensen estos impactos ambientales y sociales (Arroyave et
al., 2006).
En las vías se acumula de forma aleatoria y no uniforme gran cantidad de polvo y
suciedad. Dicha acumulación depende del tiempo transcurrido desde la última
limpieza natural (lluvia) o artificial (barrido o lavado). Los sedimentos acumulados
sobre las superficies impermeables en períodos de tiempo seco llevan consigo
nutrientes, metales y otras sustancias que pueden afectar la calidad del aire del
entorno, y los recursos hídricos cuando son transportados por el agua de
escorrentía (Temprano & Tejero, 2002; Berhanu et al., 2007). También se pueden
encontrar metales pesados originados por la corrosión de los materiales cromados
o galvanizados, y por las emisiones atmosféricas de vehículos, mobiliario urbano e
industrias (Zafra et al., 2007). Además, Freud & Johnson (1980), McKenzie & Irwin
(1983), Peterson et al. (1992) y Bannerman et al. (1993) citados por Zafra et al.
(2013c) reportaron que existe relación entre la concentración de metales pesados
en los sedimentos viales de áreas urbanas y la densidad de tráfico, razón por la que
en vías de alto tráfico la concentración de metales pesados tiende a ser mayor que
en vías con menos tráfico; aunque hay casos particulares en que no es así por
emisiones industriales locales, según Barret et al. (1995) citado por Zafra et al.
(2013c).
Cuando los contenidos de metales pesados en el suelo alcanzan niveles que
sobrepasan los límites máximos permitidos causan efectos inmediatos como
inhibición del crecimiento normal y el desarrollo de las plantas, y un disturbio
17
funcional en otros componentes del ambiente; así como la disminución de las
poblaciones microbianas del suelo (Martin, 2000).
Con la fauna también se presentan inconvenientes que desencadenan en un
problema social. Los peces tienen la capacidad de almacenar en su organismo una
concentración mayor de estos compuestos en comparación con la concentración
presente en el medio, por lo que son un indicador importante de contaminación,
pero también esto implica que su consumo se puede convertir en un problema de
salud pública para las poblaciones que se alimentan de este recurso (Mancera &
Álvarez, 2006). Por ejemplo, Olivero (2014) citado por el Grupo de Salud Ambiental
del Instituto Nacional de Salud (2014) afirmó que el mercurio filtrado en fuentes
hídricas es transformado por las bacterias a metilmercurio, una forma muy tóxica de
este elemento. Éste se bio-magnifica a través de la cadena trófica, alcanzando a los
peces, y eventualmente a sus consumidores, entre ellos el hombre.
En términos económicos Volesky (1990) y Zinkus et al. (1998) citados por Cañizares
(2000) enfatizaron en que las tecnologías convencionales para el tratamiento de
aguas residuales con metales que incluyen: precipitación química, oxidación,
reducción, intercambio iónico, filtración, tratamiento electroquímico, tecnologías de
membrana y recuperación por evaporación; resultan costosos e ineficientes,
especialmente cuando la concentración de los metales es muy baja. De la misma
manera, Atkinson et al. (1998) citado por Cañizares (2000) comentaron que los
métodos químicos resultan costosos debido a que el agente activo no puede ser
recuperado para su posterior reutilización. Adicionalmente, el producto final es un
lodo con alta concentración de metales lo que dificulta su eliminación.
En cuanto al costo de los análisis de calidad del agua, cuando no es posible
implementar laboratorios con amplia capacidad analítica, se opta por laboratorios
modestos en los que se realiza un número relativamente pequeño de
determinaciones sencillas. Normalmente, el número de determinaciones por año de
metales pesados y compuestos orgánicos es limitado y su ejecución demanda
equipos sofisticados y personal altamente capacitado; lo que es muy difícil de
disponer en pequeños laboratorios, debido a la alta inversión (OMS, 2002).
18
Por otro lado, muchos de estos metales pesados tienen una afectación severa sobre
la salud humana. Las investigaciones demuestran que los efectos de la exposición
crónica a los metales pesados pueden generar problemas tales como alteraciones
a nivel del sistema nervioso central, alteraciones dérmicas, cardiovasculares,
respiratorias, gastrointestinales y renales, así como alteraciones citogenéticas e
inmunológicas y en el sistema reproductor (INSP, CENSOPAS, CNSP, 2013). Por
ejemplo, Zheng et al. (2010) y Acosta et al. (2014), citados por Trujillo & Torres
(2015), reportaron que el sedimento urbano (polvo) acumulado en las vías fue un
sumidero de contaminantes como metales pesados, que pudieron traer graves
problemas para la salud humana al contacto o ingestión de partículas provenientes
de éstos metales, ya que pueden acumularse en los tejidos grasos del cuerpo y
afectar el sistema nervioso central; se pueden depositar en el sistema circulatorio e
interrumpir el normal funcionamiento de los órganos internos, o incluso pueden
actuar como cofactores en otras enfermedades (p.ej., cáncer). Zheng et al. (2010)
reportó además que este riesgo para la salud fue especialmente alto para los niños,
debido a su baja tolerancia a las toxinas.
Según Ferré-Huguet et al. (2007), los metales pesados pueden ser ingeridos,
inhalados o absorbidos dérmicamente a partir de las partículas de polvo re-
suspendidas que provienen de los suelos de áreas contaminadas (p.ej., superficies
viales); y pueden actuar como potentes tóxicos tanto para los seres humanos
(cancerígenos) como para los ecosistemas, según cuáles sean sus vías y tiempo
de exposición, la dosis absorbida y la naturaleza química del metal pesado. Así, una
alta densidad de tráfico hace que la población urbana que viva o labore cerca de
vías con estas características se encuentre en riesgo en términos de salud pública,
por la presencia de elementos metálicos (Amato et al., 2009).
Aunque el número de estudios internacionales sobre contaminación de las
escorrentías de vías y las estrategias de control es amplio, en España y Colombia
se han tocado poco (Jiménez, 2015; Zafra et al., 2007). Jiménez (2015) reportó que
la Agencia de Protección Ambiental de los Estados Unidos de América (U.S.EPA)
consideró estas escorrentías como fuente potencial de un buen número de
19
contaminantes para superficies adyacentes y subterráneas. Adicionalmente, reporta
que en la actualidad hay legislación internacional que especifica que hay cuencas
en donde la escorrentía superficial de vías puede aportar cargas de contaminación
significativas a los medios acuáticos receptores. Un ejemplo es la Directiva Marco
del Agua (DMA) de la Unión Europea, la cual considera que las aguas de escorrentía
de calles, carreteras y autopistas deben ser consideradas como “presiones” a
valorar, por lo que es preciso su estudio con el fin de dilucidar si generan impactos
relevantes sobre las masas de agua.
A partir de lo anterior, se han elaborado gran cantidad de mediciones y han surgido
diversos estudios relacionados con la afectación del recurso y sobre la relación entre
algunos metales pesados y parámetros convencionales de calidad del agua,
especialmente en Estados Unidos y Europa (Jiménez, 2015). Sin embargo, para
Colombia hay un panorama distinto. Es decir, no se evidencia normativa que exija
o recomiende la medición de la contaminación que genera las aguas de escorrentía
de las vías para catalogarla como una presión significativa. La Política Nacional para
la Gestión Integral del Recurso Hídrico (2010) no menciona la escorrentía en
autopistas para suponer que se vaya a tener en cuenta en un futuro próximo, y los
estudios sobre el mismo tema son aún más escasos, pues sólo unos pocos autores
han trabajado la temática en el país.
Finalmente, en Colombia es escasa o nula la normativa que indique límites nocivos
para la salud: la norma de emisión de fuentes móviles (Resolución 910 de 2008) y
el índice de calidad del aire ICA se basan en concentración de gases y en el tamaño
de partículas, pero no hay nada acerca de límites de inhalación de metales pesados.
En cuanto al consumo, la Resolución 2115 de 2007 sí tiene criterios químicos de
calidad del agua potable en donde hay valores establecidos de concentración de
metales pesados, que si son sobrepasados tienen reconocido un efecto adverso
sobre la salud humana; sin embargo, respecto a la absorción dérmica no se conoce
una norma que establezca límites nocivos.
A partir de la problemática expuesta surgieron las siguientes preguntas de
investigación:
20
- ¿Cuáles son los parámetros convencionales de calidad del agua que puedan
servir como indicadores de la presencia de metales pesados en la escorrentía
vial?
- ¿Cómo variará la relación de estos parámetros convencionales de calidad
del agua con la fracción sólida y disuelta de los metales pesados en la
escorrentía vial?
21
2. JUSTIFICACIÓN
La contaminación por metales pesados es un inconveniente que tiene relevancia en
las condiciones ambientales de cualquier región, pues se ha demostrado que su
afectación es severa y está relacionada con varios elementos del medio ambiente.
La elaboración de estudios acerca de la presencia de estos metales pesados en los
sedimentos y en la escorrentía de vías brinda herramientas para poder tomar las
medidas necesarias y ejecutar las acciones respectivas para conseguir mejorar la
calidad del medio ambiente, y que la actividad humana, que en este caso es el
transporte, se pueda enmarcar dentro del concepto de desarrollo sostenible.
La elaboración de un análisis de metales pesados en aguas de escorrentía de vías
en España y Colombia podrá contribuir a hallar modelos de relación que permitan
conocer tendencias de comportamiento de la concentración de estos elementos a
partir de la concentración de parámetros convencionales de calidad del agua. La
utilidad de tales modelos de relación podrá verse reflejada en los costos de análisis,
pues en aquellos laboratorios modestos que no cuentan con alta capacidad analítica
y en donde el número de determinaciones de metales pesados al año es limitado,
podrán hallarse con más frecuencia las concentraciones de algunos metales
pesados teniendo la concentración de parámetros convencionales de calidad del
agua, aplicando la relación que surgirá del estudio; pues los análisis de parámetros
convencionales demandan equipos menos sofisticados para tal fin.
Adicionalmente, este estudio representará una ventaja a la hora de hacer
estimaciones en laboratorios de tipo académico, donde no se tienen los recursos
económicos y técnicos para el análisis de metales pesados. Asimismo, el desarrollo
de estudios sobre metales pesados en vías en Colombia puede permitir, a posteriori,
un mejor control de las fuentes que afectan al recurso hídrico y, por lo tanto, una
disminución en los costos de tratamiento de aguas residuales.
Estos metales pesados han ido adquiriendo cada vez más importancia en el
contexto internacional debido a su incidencia sobre el medio ambiente y la salud
pública. Los diversos y severos efectos sobre la salud de las personas, la presencia
22
de estos en los alimentos, productos electrónicos, rellenos de basura y minas
abandonadas, la afectación de estos sobre poblaciones vulnerables, principalmente
niños, y los elevados costos de tratamiento en materia de salud pública, los hacen
un tema de trascendencia. Por todo lo anterior, también es importante que se
elaboren estudios al respecto sobre análisis de metales pesados en aguas de
escorrentía vial y que dichos análisis tengan un acercamiento a un país en vías de
desarrollo como Colombia, puesto que en algunas normas internacionales
(principalmente en Europa, Estados Unidos) ya se ha catalogado este suceso como
una presión ambiental y de salud pública a considerar, y en otros países como China
ya se está empezando a tener en cuenta según Zheng et al. (2010).
Una adaptación del estudio a vías de características similares en Bogotá
(Colombia), dará un primer acercamiento a un país en vía de desarrollo sobre la
relevancia del aporte de metales pesados que tienen las aguas de escorrentía de
vías en el país, y podrá incentivar a una posterior realización de proyectos y estudios
más completos.
Adicionalmente, como la legislación colombiana al respecto es escasa, el desarrollo
del análisis y la adaptación del estudio en Bogotá sugerirán la importancia de la
creación o adaptación de legislación que considere el tema, así como también el
fortalecimiento de la legislación al momento de compararla con otras normativas al
respecto.
Finalmente, es relevante destacar la importancia del papel que cumple la ingeniería
ambiental en la solución de problemáticas de carácter ambiental, de bienestar social
y salud pública. Así, esta investigación sobre el análisis de metales pesados en
aguas de escorrentía en vías contribuye con la línea de investigación de Evaluación
de Impacto Ambiental del proyecto curricular, como con el fortalecimiento del grupo
de investigación GIIAUD de Ingeniería Ambiental de la Universidad Distrital
Francisco José de Caldas (Colombia). De la misma manera, con el estudio realizado
se fortalecerán las alianzas con el grupo de investigación GEAMA de la Universidad
de la Coruña (España), lo que representa un gran beneficio para el proyecto
curricular en materia de internacionalización.
23
3. OBJETIVOS
3.1. OBJETIVO GENERAL
Analizar los posibles parámetros fisicoquímicos indicadores de contaminación por
metales pesados en el agua de escorrentía vial a partir de experiencias
internacionales: estudios de caso en la Coruña y Cantabria (España).
3.2. OBJETIVOS ESPECÍFICOS
• Analizar la relación entre parámetros fisicoquímicos comunes en la calidad del
agua (DQO, DQO soluble, DBO5, pH, turbidez, conductividad, N total, P total,
ST, STV, SST, SDT, SSV y SDV) y la fracción sólida y disuelta de los metales
pesados (Al, As, B, Ba, Cd, Co, Cr, Cu, Fe, Hg, Mn, Ni, Pb, V y Zn) presentes
en la escorrentía de una vía en la ciudad de La Coruña (España).
• Estudiar la relación entre el parámetro fisicoquímico DQO y la concentración
de metales pesados (Pb, Cu, Zn, Cd, Co, Ni, Mn y Fe) en el sedimento
acumulado en tiempo seco sobre una vía de la ciudad de Torrelavega
(Cantabria, España).
• Identificar vías en la ciudad de Bogotá (Colombia) para adaptar localmente los
resultados obtenidos a nivel internacional bajo criterios de tráfico promedio
diario.
24
4. MARCO TEÓRICO
4.1. ELEMENTOS CONCEPTUALES ASOCIADOS A LA CALIDAD DEL
AGUA
4.1.1. Escorrentía superficial
Es la cantidad de lluvia que no se infiltra en el subsuelo, que no se evapora y que
no se almacena temporalmente sobre el terreno. La tasa a la cual ocurre la
escorrentía depende de unos factores que son: la naturaleza de la superficie, el
grado de saturación de la superficie y la pendiente de la superficie (Morales, 2006).
En áreas no desarrolladas, la precipitación normalmente es absorbida por el suelo.
Cuando los edificios, estacionamientos, carreteras y otras superficies duras se
agregan al paisaje, el suelo no puede absorber el agua. El agua de lluvia o nieve,
conocidas como aguas pluviales, fluye sobre calles, estacionamientos y techos y
van a parar a cuerpos de agua o a colectores de aguas pluviales (U.S. EPAa, s.f.).
La escorrentía a menudo se ve agravada por las actividades humanas, y puede
contener contaminantes como nitrógeno y fósforo de los fertilizantes, desecho de
mascotas y basura. Debido a que las aguas pluviales fluyen sobre superficies duras
directamente hacia un cuerpo de agua o un colector de aguas pluviales, no hay
oportunidad para el suelo y las plantas o de una instalación de tratamiento de agua
para filtrar los contaminantes. Las zonas urbanas y suburbanas producen mucha
más escorrentía de aguas pluviales debido a la gran cantidad de superficies duras
y pavimentadas (U.S. EPAa, s.f.). Entre las afectaciones de la escorrentía de aguas
pluviales a las corrientes de agua se encuentra la alteración a la hidrología natural,
alteración la morfología del cauce, alteración in-stream del sistema hidráulico, se
rompe el equilibrio entre oferta y transporte de sedimentos, incremento de
temperaturas de corriente y aumento de la entrega de contaminantes - incluyendo
metales pesados - a las corrientes de agua (U.S. EPAb, s.f.).
25
4.1.2. Calidad del agua
La calidad del agua es una medida de la condición del agua en relación con los
requisitos de una o más especies y/o a cualquier necesidad o propósito humano.
(Johnson et al., 1997). Esta condición se mide generalmente con las características
químicas, físicas y biológicas del agua y se evalúa de acuerdo a su propósito
(Diersing, 2009).
La U.S. EPA (1994) citado por (Johnson et al., 1997), no define el concepto calidad
del agua, pero sí define el criterio de calidad del agua como los niveles de calidad
del agua esperados para hacer un cuerpo de agua adecuado para el uso que tenga
designado. Los criterios se basan en niveles específicos de contaminantes que
harían dañina el agua si se usa para beber, la natación, la agricultura, producción
de pescado o para usos industriales, etc. Asimismo, define los estándares de
calidad del agua como los estándares ambientales para los cuerpos de agua
adoptados por el estado y aprobados por la EPA.
Los requerimientos de la calidad del agua varían de acuerdo con el uso que se le
vaya a dar, por ejemplo, para agricultura, pesca, propagación de vida silvestre, usos
recreativos o industriales específicos o generación de energía. Algunas
características del agua adecuadas para un fin pueden no serlo para otro. Es
importante mencionar que no se deben confundir los requerimientos de la calidad
del agua con los estándares de la calidad del agua. Los primeros están basados en
la experiencia de uso y los segundos son cantidades establecidas por instituciones
gubernamentales que regulan al respecto (Arellano, 2002).
La contaminación antropogénica del recurso hídrico puede ser por contaminación
industrial, contaminación por descargas urbanas, contaminación por navegación y
contaminación derivada de agricultura y ganadería. En los sistemas de
alcantarillado (que hace parte de las descargas urbanas) se arrastra todo tipo de
sustancias, algunas de las cuales están relacionadas con el tema tratado en el
presente documento: emisiones de los automóviles (hidrocarburos, plomo, otros
metales), sales, ácidos, etc. (Peña et al., 2005).
26
4.1.3. Parámetros de calidad del agua
La calidad del agua se determina en función de una serie de parámetros
convencionales físicos, químicos y biológicos que nos permiten caracterizar el agua
cuando se encuentra en un estado adecuado para determinado uso; y así, nos
resulta fácil de comparar cuando necesitamos determinar la calidad de cierto cuerpo
de agua (Campos, 2000). Para el desarrollo del presente trabajo, se eligieron
parámetros físicos y químicos que son usados frecuentemente en muchos análisis
de calidad del agua y que se caracterizan porque su análisis no es costoso o
complicado como el de otros parámetros. En la Tabla 1 se puede ver su importancia.
Tabla 1. Parámetros convencionales de calidad del agua. Parámetros Importancia de medición
Demanda bioquímica de Oxígeno (DBO)
Medida del oxígeno disuelto consumido por los microorganismos mientras asimilan y oxidan la materia orgánica en una muestra. Pretende medir la concentración de contaminantes orgánicos.
Demanda química de Oxígeno (DQO)
Medida del oxígeno necesario para oxidar la materia orgánica e inorgánica en una muestra. Representa una ventaja a la hora de medir la materia oxidable en aguas residuales residuos industriales y municipales que contienen compuestos que son tóxicos para la vida biológica.
pH El pH del agua puede determinar los efectos tóxicos, si los hubiere, de diferentes sustancias. Su valor condiciona la vida acuática
Turbidez Elevados niveles afectan la vida acuática animal y vegetal. No es conveniente para actividades recreativas. Usada como parámetro para consumo humano.
Sólidos disueltos Exceso produce efectos fisiológicos (laxantes), sabor desagradable, costos por corrosión.
Sólidos suspendidos
Efectos similares a la turbiedad, debido a su relación.
Sólidos volátiles Útil para medición de calidad del agua para consumo.
Sólidos totales Útil para medición de calidad del agua para consumo. Importantes en el control de procesos de tratamiento biológico y físico de aguas residuales y para evaluar el cumplimiento de las limitaciones que regulan su vertimiento.
Conductividad Útil para calidad del agua, indicador de vertimientos, descargas u otra fuente de perturbación, indicador de sólidos disueltos.
Nitrógeno Su exceso da lugar a niveles bajos de OD, altera vida vegetal y varios organismos. Su presencia puede venir de PTAR, tierras fertilizadas, descargas industriales y escurrimiento de estiércol animal.
Fósforo Su exceso está asociado con fenómenos de eutrofización que causan daño a cuerpos de agua.
Fuente: Elaboración propia
4.2. ELEMENTOS CONCEPTUALES ASOCIADOS A METALES PESADOS
4.2.1. Salud pública con respecto a los metales pesados
Las investigaciones demuestran que los efectos de la exposición crónica a los
metales pesados pueden generar problemas tales como alteraciones a nivel del
sistema nervioso central, alteraciones dérmicas, cardiovasculares, respiratorias,
27
gastrointestinales y renales, así como alteraciones citogenéticas e inmunológicas y
en el sistema reproductor (INSP, CENSOPAS, CNSP, 2013). Adicionalmente, se ha
encontrado que, debido a su baja resistencia a las toxinas, este riesgo para la salud
es más alto para los niños (Zheng et al., 2010).
En relación con las vías, Zheng et al. (2010) y Acosta et al. (2014) citados por Trujillo
& Torres (2015), reportan que el sedimento urbano (polvo) acumulado en las vías
es un sumidero de contaminantes como metales pesados, que pueden traer graves
problemas para la salud humana al contacto o ingestión de partículas provenientes
de éstos, ya que pueden acumularse en los tejidos grasos del cuerpo y afectar el
sistema nervioso central; se pueden depositar en el sistema circulatorio e interrumpir
el normal funcionamiento de los órganos internos, o incluso pueden actuar como
cofactores en otras enfermedades.
4.2.2. Contaminación por metales pesados en la escorrentía vial
En las vías se generan cantidades importantes de metales pesados debido a
actividades de tráfico (por ejemplo, desgaste de neumáticos, fugas de aceite y
lubricantes), operaciones de mantenimiento de caminos (por ejemplo, aplicación de
compuestos descongelantes, pesticidas y herbicidas) y deposiciones atmosféricas
(Davis et al., 2001; Herngren et al., 2006; Lau & Stenstrom, 2005; Sansalone &
Buchberger, 1997). Una vez movilizados por los flujos de tormentas (escorrentía),
estos constituyentes de metales pesados son típicamente dinámicos pues pueden
estar ya sea disueltos en agua o mezclados con sedimentos finos y materia orgánica
particulada (Harrison y Wilson, 1985; Pitt et al., 1995). Los metales pesados unidos
a otras partículas generalmente están asociados con la fracción no filtrable (fracción
sólida) de aguas pluviales y dependen del flujo capaz de movilizar partículas desde
la superficie de la carretera y el sistema de drenaje (Characklis & Wiesner, 1997;
Sansalone et al., 1996).
Estos metales pesados tienen un potencial de toxicidad aguda y a largo plazo para
la vida acuática y un mayor potencial de afectar las aguas subterráneas (Hatje et
al., 2003; Marsalek et al., 1999; Pitt et al., 1995). Actualmente, debido a las altas
28
concentraciones y a las cargas de contaminantes halladas, la U.S. EPA considera
estas escorrentías como fuente potencial de un buen número de contaminantes
para las superficies adyacentes y las aguas subterráneas (Jiménez, 2015).
Diversos autores han buscado los factores físicos que influyen en la presencia de
metales pesados en las vías. Si bien es cierto que hay muchos factores que pueden
influir, y que dichos factores pueden ser de tipo climático, antropogénico o
morfométrico, revisiones bibliográficas extensas como la de Zafra et al. 2017,
sugieren que los factores físicos que posiblemente tengan mayor relación con la
presencia de metales pesados en vías son el uso del suelo, la lluvia, el tamaño de
partículas y los vehículos.
De esta manera, se ha relacionado la presencia de metales pesados con las
diferentes partes de los vehículos y con los elementos de las autopistas y carreteras.
Un ejemplo es el mostrado en la Tabla 2. Las diferencias entre los distintos tipos de
vehículos, los combustibles empleados, e incluso la tipología de los firmes de
pavimentos, pueden determinar variaciones significativas en las sustancias
contaminantes presentes en autopistas y carreteras de distintos países.
Tabla 2. Fuentes antropogénicas de contaminantes en escorrentías de pavimentos urbanos.
Frenos Ruedas Carrocería Carburantes y aceites
Pavimentos de hormigón
Pavimentos Asfálticos
Sales deshielo
Basura
Cadmio
Cromo
Cobre
Hierro
Plomo
Níquel
Vanadio
Zinc
Cloruros
Sólidos orgánicos
Sólidos inorgánicos
PHAs
Fenoles
Fuente: (Sansalone & Buchberger, 1997).
29
4.2.2.1. Vehículos
A continuación se muestran las partes o acciones dentro del funcionamiento de un
vehículo que aportan carga contaminante:
Combustibles y aceites de motores: Entre los elementos contenidos en los
combustibles y en los gases de escape, se encuentran en concentraciones
apreciables Cd, Cr, Cu, Ni, Pb, Zn, habitualmente estudiados, así como Al, Br, Ca,
Co, Fe, K, Li, Mg, Mn, Na, Pt, Sb, Sr, Ti, y V, Breault & Granato (2000) citado por
Jiménez (2015). Cabe señalar que ahora se usa combustión sin plomo, por lo que
su concentración ha de ser mucho menor.
Gases de escape: La adición de compuestos oxigenados como alternativa al plomo
ha facilitado, con el uso de los catalizadores, la reducción de las emisiones de
monóxido de carbono CO, HC y benceno, pero como contrapartida, ha supuesto un
incremento de las de aldehídos, principalmente las de formaldehído (conocido
carcinógeno) y las de óxidos de Nitrógeno NOx, Zvirin et al. (1998).
Los catalizadores liberan sus componentes activos (Pd, Pt y Rh) con el
funcionamiento de los vehículos. Estos metales de transición de la Tabla Periódica,
emitidos en forma de finas partículas, se encuentran muy dispersos en el medio
ambiente y representan un riesgo significativo para la salud (Rauch et al., 2005;
Wiseman & Zereini, 2009).
Desgaste de neumáticos: Las gomas de los neumáticos contienen grandes
cantidades de Zinc y menores cantidades de otros metales pesados, y las pastillas
de los frenos, importantes cantidades de cobre. En conjunto su contribución a la
carga sobre el pavimento de las vías es del 47% y hasta un 10% para otros metales
(Davis et al., 2001). Su desgaste hace que las partículas de metal se dispersen
sobre la superficie de la carretera. Este desgaste se estima (Legret & Pagotto, 1999)
en 68 mg/Km para los vehículos ligeros y el doble para los pesados en el caso de
los neumáticos.
30
Desgaste de frenos: Al igual que ocurre con los neumáticos, el desgaste de los
frenos también es una fuente de partículas de metal. En el caso de los frenos el
desgaste se estima (Legret & Pagotto, 1999) en 20, 29 o 47 mg/Km según se trate
de vehículos privados, industriales ligeros o industriales pesados para las pastillas
de frenos.
La composición de las pastillas de los frenos suele estar formada por unos 10
compuestos diferentes dentro de una misma marca o modelo, pudiéndose encontrar
más de 3000 sustancias distintas si se analiza el conjunto de marcas comerciales
(Roubicek et al., 2008).
4.2.2.2. Las deposiciones atmosféricas
Se ha comprobado que las deposiciones atmosféricas son una fuente muy relevante
de la carga de cadmio y, en menor medida, de las de cobre y plomo (Davis et al.,
2001). También son en buena medida la causa de las concentraciones de mercurio
presentes en las escorrentías (Fulkerson et al., 2007).
Las investigaciones permiten observar que los contaminantes más comunes en la
escorrentía vial son los metales pesados; y es que, como características relevantes
de los metales pesados, además de su toxicidad, destacan: su persistencia en el
medio, la bio-magnificación que experimentan en su concentración conforme se
ascienden niveles en la cadena trófica; todos ellos provocan daños
medioambientales a determinadas concentraciones, suelen presentar efectos
sinérgicos. Es decir, su actividad es menor cuando se presentan solos que cuando
aparecen junto a otros metales (Ramos, 2002). Los metales pueden acumularse en
los sedimentos, fitoplancton, organismos bentónicos y peces. La toxicidad de los
metales puede reducir la diversidad y abundancia de la biota acuática sensible y
favorecer su sustitución por especies tolerantes a la contaminación.
4.2.3. Relación entre tráfico promedio diario y metales pesados
Hay evidencia de estudios que muestran que existe una correlación significativa
entre la cantidad de tráfico vehicular y algunos metales pesados, tanto en la ciudad
de Bogotá como a nivel internacional. Específicamente, se encontró que “Chen et
31
al., 2010 y McKenzie e Irwin, 1983, reportaron que la deposición de metales
pesados sobre las superficies viales era proporcional a la intensidad de tráfico
(vehículos/día). Al respecto, Bannerman et al. (1993) y Zafra et al. (2017)
evidenciaron que la cantidad de Pb, Zn y Cu presente en la escorrentía y sedimento
vial podían relacionarse con la intensidad de tráfico. Sin embargo, Barrett et al.
(1995) sugirieron que la intensidad de tráfico era importante únicamente a escala
local (i.e., de vecindario vial); a gran escala (i.e., regional) la variación en la
concentración de metales fue atribuible a otros factores, como por ejemplo a
emisiones desde fuentes industriales.” (Zafra-Mejía et al., 2019). Por su parte,
Kayhanian et al. (2007) encontraron que uno de los factores que influye en la
concentración media de suceso de metales pesados es el tráfico promedio diario.
4.3. TÉCNICAS Y MÉTODOS PARA ESTUDIAR LA CORRELACIÓN DE
PARÁMETROS BÁSICOS Y METALES PESADOS EN LA
ESCORRENTÍA VÍAL
4.3.1. Control de la calidad del agua en escorrentía vial
Si bien en Colombia no hay medidas normativas para controlar la calidad del agua
en escorrentía vial, existe documentos internacionales como uno de Estados Unidos
que recomiendas Técnicas de Drenaje Sostenible de Escorrentías de Autopistas
(TDSEA) para aplicar en estos casos. Dicho documento se conoce como el Highway
Runoff Manual (HRM) (WSDOT, 2007), o Manual de Escorrentías en Carreteras y
hace parte del Departamento de Transporte del Estado de Washington. Las TDSEA
son las prácticas físicas, estructurales, y de gestión que, cuando se utilizan solas o
en combinación, previenen o reducen los efectos perjudiciales de la lluvia, tales
como la contaminación del agua, la degradación de los canales, los daños de
estructuras o las inundaciones. Estas TDSEA se pueden clasificar según se utilicen
para alguna de las tres finalidades siguientes:
32
Control en origen de las fuentes de contaminación: Evita o reduce la introducción
de contaminantes a las aguas pluviales mediante la eliminación de los focos de
contaminación o previniendo el contacto de los contaminantes con la lluvia y las
escorrentías.
Control de caudales: Compensa y atenúa el aumento de las descargas causados
por las superficies impermeables de las autopistas. El aumento de los caudales
puede ocasionar daños por inundaciones, erosión y socavación, así como la
degradación de la calidad del agua y del hábitat fluvial debido a la erosión de canales
y las riberas.
Tratamiento de las escorrentías: Intercepta y reduce las cargas contaminantes
físicas, químicas y biológicas, generadas principalmente por el uso de autopistas.
Las TDSEA diseñadas para el tratamiento de las escorrentías utilizan diversos
mecanismos, entre ellos la sedimentación, la filtración, fitoextracción (absorción en
plantas), intercambio iónico, adsorción, precipitación y la descomposición
bacteriana.
En la Comunidad Autónoma de Galicia se desarrolló una “Instrucción Técnica de
Obras Hidráulicas de Galicia”, llamada ITOHG-SAN-1/4 “Técnicas de Drenaje
Urbano Sostenible” destinada a orientar y establecer directrices sobre las Técnicas
de Drenaje Urbano Sostenible TDUS a utilizar para el control de la contaminación
de las aguas de escorrentías, como se muestra en la Tabla 3 (Jiménez, 2015).
Una vez se estudia la cuenca asociada con la vía y se tiene información sobre la
red de saneamiento y drenaje de la misma cuenca, se establece una sección de
control en la que se registran valores de caudal (con caudalímetro) y de
precipitaciones (con pluviómetro), y de forma discreta, de contaminación a través
de los sucesos (eventos) de precipitación (toma muestras) (Jiménez, 2015).
33
Tabla 3. Tratamiento de escorrentías de aguas pluviales como TDSEA.
Tratamiento de escorrentías de aguas
pluviales -
Stormwater Runoff Treatment
1. - Infiltración (Infiltration) - Áreas de biorretención (Bioinfiltration Pond) - Estanques de infiltración (Infiltration Pond) - Zanjas de infiltración (Infiltration Trench)
- Cámaras de infiltración (Infiltration Vault) 2. - Dispersión (Dispersion)
- Dispersión natural (Natural Dispersion)
- Dispersión técnica (Engineered Dispersion) 3. -Biofiltración (Biofiltration)
- Bandas filtrantes vegetadas (Vegetated Filter Strip) - Canales de césped (Biofiltration Swale)
- Canales de césped mojados (Wet Biofiltration Swale) - Canales de césped de afluencia continua (Continuous Inflow Biofiltration
Swale)
- Terraplenes ecológicos (Ecology Embankment) 4. -Retención (Wet Pool)
- Estanques de retención (Wet Pond) - Estanques combinados de retención/detención (Combined Wet/
Detention Pond) - Humedales artificiales (Constructed Stormwater Treatment Wetland) - Sistema combinado de humedal/estanque de detención (Combined
Stormwater Treatment Wetland/Detention Pond) 5. - Control de hidrocarburos (Oil Control)
- Barrera de contención de hidrocarburos (Oil Containment Boom) - Áreas de biorretención (Bioinfiltration Pond)
Fuente: (WSDOT, 2014 citado por Jiménez, 2015)
A partir de la recolección de muestras y datos iniciales, se realizan determinaciones
analíticas y ensayos de gran cantidad de parámetros de contaminación generada
en la cuenca en los eventos de lluvia muestreados con el fin de obtener para cada
uno de ellos sus polutogramas correspondientes, además del hidrograma y el
hietograma asociado. Estas analíticas se llevan a cabo en laboratorios de confianza.
Una vez obtenidos los resultados se pueden analizar los caudales, los flujos de
contaminación generados en los eventos mediante la medición de los polutogramas,
analizar el tipo y característica de la contaminación movilizada. Así mismo, se
pueden parametrizar los eventos de lluvia, hacer análisis estadístico de los datos
para reconocer y analizar los niveles de error asociados al programa de muestreo,
así como considerar las incertidumbres a la hora de analizar los datos o establecer
relaciones entre los parámetros y tendencias de comportamiento (Jiménez, 2015).
Otros estudios -que no incluyen técnicas de drenaje sostenible- enfocados
específicamente en evaluar la calidad del agua (p.ej. Kayhanian et al. (2007);
Maniquiz-Redillas & Kim, 2014; Kumar et al. (2013); Tromp et al. 2012 y otros tantos
34
como los citados en Zafra et al. (2017)) determinan -de acuerdo con el alcance de
su investigación- los tipos y la cantidad de parámetros a evaluar y relacionar con la
calidad del agua. Así mismo, y aunque el criterio técnico entre las investigaciones
puede variar, es una constante la recolección de datos de contaminación mediante
muestreo de los eventos de lluvia durante períodos no menores a un año. Es común
también que dichos muestreos se tomen en las unidades de descarga provenientes
de las cunetas o mediante barridos (en tiempo seco) del sedimento vial.
4.3.2. Recolección de muestras para estudiar la escorrentía y su
concentración de contaminantes
Para que se ejecuten medidas de control de calidad del agua de escorrentía vial –
o de sedimento vial acumulado en tiempo seco, se hace necesario estudiar los
contaminantes asociados a dichos fenómenos. Estos estudios se ejecutan mediante
la recolección de muestras que se analizan en laboratorios capacitados para ello.
Una revisión exhausta de los diversos estudios internacionales asociados a
escorrentías o sedimentos en vías; de los nacionales, principalmente de Zafra
(2007, 2009, 2011, 2012, 2013a, 2013b, 2013c, 2017); y de los estudios de los
cuales se tomaron los datos para el desarrollo de la presente investigación (Zafra et
al, 2011) (Jiménez, 2015), deja al descubierto que no existe un único estándar o
norma de muestreo asociados a este tipo de estudios, y dichas muestras se
recolectan y estudian generalmente bajo estándares del país en que se lleve a cabo
la investigación. Se encontró por ejemplo que Maniquiz-Redillas & Kim, 2014;
Stenstrom & Kayhanian, 2005; Kayhanian et al. (2007); Maniquiz et al. (2010) entre
otros, se basaron en el “Manual de Orientación: Protocolos de Monitoreo de Aguas
Pluviales” del Departamento de Transporte de California, USA (CALTRANS, 2000).
Davis & Birch, 2010 y Tuccillo, 2006 se basaron en el material de referencia
internacional SRM-1648a. Hilliges et al. (2013); Stagge et al. (2012) y Helmrich et
al. (2010) se basaron en los métodos estándar para examinar el agua y aguas
residuales (APHA, 1995). La recolección de muestras para el desarrollo del presente
estudio se ejecutó de la siguiente manera:
35
4.3.2.1. Muestreo de escorrentía vial obtenida en las dos secciones de La
Coruña (España)
Los datos de precipitaciones, necesarios para conocer los hietogramas, la duración
de los eventos y del tiempo seco precedente, se obtuvieron mediante la instalación
de pluviómetros a los que se les han conectado memorias para registrar los eventos.
Con estos datos se puede establecer la relación entre la lluvia recogida y los
caudales observados y también se utilizan para alimentar un modelo numérico de
simulación del comportamiento hidrológico-hidráulico de la cuenca (Jiménez, 2015).
Para el registro de caudales se utilizaron caudalímetros del tipo área-velocidad, con
memoria interna para almacenar lecturas continuamente, a partir de las cuales se
pueden reconstruir posteriormente los hidrogramas. Para la determinación de los
contaminantes se instalaron toma muestras programables, con una capacidad de
24 botellas de 1 L y memoria del histórico de muestreo, accionados por consignas
programadas sobre su propio software y el de los caudalímetros. Las
concentraciones de contaminantes en las escorrentías, asociadas a las lecturas de
caudales, proporcionaron información del tránsito de dichas sustancias por la
sección de control a lo largo del evento de lluvia (polutogramas), y posibilitaron la
realización de los cálculos de CMS, CME, y cargas másicas (Jiménez, 2015). Los
equipos se instalaron alojados en casetas de control, alimentados con baterías y,
durante algún tiempo con el apoyo de un panel solar.
4.3.2.1.1. Metodología en tiempos de lluvia
Debido a su naturaleza aleatoria y basada en evento, a sus características en
origen, y a su variabilidad, la caracterización de los contaminantes tratados en el
drenaje de autopistas requirió un enfoque diferente del que se utiliza en la
caracterización de flujos continuos de contaminantes.
Para esto, se usaron herramientas como: curvas de gasto; balance de masas;
parametrización de los eventos, para calcular parámetros representativos como
concentraciones medias (CMS, CME), concentraciones máximas, masa movilizada,
36
flujos másicos instantáneos máximos y carga específica movilizada; identificación y
análisis del fenómeno de primer lavado; y fichas de suceso (Jiménez, 2015).
4.3.2.1.2. Tiempo de recolección y toma de muestras
Las mediciones se realizaron, de forma discontinua, entre junio de 2009 y abril de
2011, buscando cubrir períodos de tiempo en los que era previsible la ocurrencia de
los eventos que se pretendían registrar.
Los pluviómetros y caudalímetros registraron datos cada 5 minutos durante los
eventos de lluvia, mientras que el toma-muestras -con 24 botellas de 1 litro
dispuestas para medir los contaminantes-, estaba programado para tomar
automáticamente varias muestras durante los eventos de precipitación, por lo que
el número de muestras por evento dependía de la duración del mismo. (Jiménez,
2015).
4.3.2.2. Muestreo de sedimento vial obtenido en Torrelavega (España)
Las muestras se tomaron en días de tiempo seco, a un costado de la cuneta, a la
misma hora y durante un período de 65 días. La superficie de muestreo tuvo un área
de 0,49 m2 (0,70 m x 0,70 m). Las dimensiones del área de muestreo se garantizaron
colocando sobre la superficie un marco de acrílico de idénticas dimensiones que las
del área de muestreo. En la recolección del sedimento se utilizó un aspirador de 1,5
kW de potencia capacitado para retener partículas de tamaño > 1 µm. Se controló
el lugar de muestreo para evitar repetir y estar cerca de anteriores puntos de
recolección.
Dos tipos de muestras fueron recolectadas. La primera muestra correspondió a la
aspirada directamente sobre la superficie de muestreo, la cual se llamó “carga libre”
(CL). Seguidamente, la misma superficie fue barrida con un cepillo de fibras para
que los sedimentos adheridos a la misma estuvieran disponibles para ser aspirados.
Al sedimento recolectado después del barrido se le llamó “carga fija” (CF). La
superficie de muestreo fue barrida ligeramente para evitar el desprendimiento de
37
partículas pertenecientes al pavimento e intentando aplicar el mismo esfuerzo sobre
el cepillo durante todo el período de muestreo. La “carga total” (CT) depositada
sobre la superficie estuvo constituida por la suma de la “carga libre” y la “carga fija.”
La cantidad total de muestras recolectadas fue de 112; 56 por cada zona (28
muestras de CL y 28 muestras de CF) (Zafra et al., 2011).
4.3.3. Tratamiento estadístico para estudiar la correlación entre
parámetros básicos y metales pesados en la escorrentía y en el
sedimento vial
Existen guías (p. ej. Guidance Manual: Stormwater Monitoring Protocols,
CALTRANS, 2000) que sugieren un tratamiento estadístico extenso para aplicar a
los estudios relacionados con contaminantes en escorrentía vial y en sedimentos
viales y son seguidos por algunos estudios. El presente estudio, al igual que otros
estudios nacionales e internacionales citados en este documento, se apoyan en la
utilización de análisis de correlación mediante matrices de correlación y modelos de
regresión principalmente lineales, como en la parametrización de los datos
muestreados.
4.3.3.1. Parametrización de los eventos de precipitación y escorrentía
La parametrización consiste en calcular una serie de parámetros representativos
del evento, como los que se detallan a continuación:
4.3.3.1.1. Concentración media de suceso CMS
La Concentración Media de Suceso (Event mean concentration, EMC) es una
concentración que caracteriza un evento en función del valor medio ponderado del
caudal y se define como la concentración de un determinado componente en un
caudal medio durante un evento de escorrentía con independencia de que se trata
de una red de saneamiento unitaria o separativa. Por lo tanto, la CMS se define
como la masa total transportada en un suceso dividida entre el volumen total de
escorrentías:
38
𝐶𝑀𝑆 =𝑀𝑡𝑜𝑡
𝑉𝑡𝑜𝑡 (4.1)
Donde,
𝑀𝑡𝑜𝑡 = 𝑚𝑎𝑠𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑢𝑛𝑎 𝑠𝑢𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑎 𝑙𝑜 𝑙𝑎𝑟𝑔𝑜 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 (𝑔)
𝑉𝑡𝑜𝑡 = 𝑣𝑜𝑙𝑢𝑚𝑒𝑛 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑠𝑐𝑜𝑟𝑟𝑒𝑛𝑡í𝑎𝑠 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 (𝑚3)
El valor de la CMS hace referencia a todo el evento sin tener en cuenta los
fenómenos ocurridos durante su desarrollo, tales como el primer lavado.
4.3.3.1.2. Concentraciones máximas CMAX
Es la concentración máxima de un determinado contaminante y se obtiene a partir
de su polutograma.
4.3.3.1.3. Concentración media de emplazamiento CME
La concentración media de emplazamiento CME (Site Mean Concentration, SMC)
es una concentración característica del grado de contaminación, en tiempo húmedo,
en un determinado sitio. Por ello, para su determinación se necesita determinar un
cierto número de CMS en una misma ubicación. Se pueden utilizar varios métodos
para su determinación, pero el más adecuado es el método de la media ponderada:
𝐶𝑀𝐸 = ∑ 𝐶𝑀𝑆𝑗
𝑛𝑗=1 𝑉𝑗
∑ 𝑉𝑗𝑛𝑗=1
(4.2)
Donde 𝑉𝑗 = 𝑣𝑜𝑙𝑢𝑚𝑒𝑛 𝑑𝑒 𝑒𝑠𝑐𝑜𝑟𝑟𝑒𝑛𝑡í𝑎𝑠 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝑗 (𝑚3)
El tener eventos parametrizados permite realizar una integración de resultados a
nivel de la vía estudiada y una comparación de estos con los datos obtenidos en
otras vías y en otros estudios similares.
4.3.3.2. Pruebas de bondad de ajuste
Los contrastes o pruebas de bondad del ajuste tienen como objeto decidir si puede
aceptarse la hipótesis de que una muestra dada procede de una población con una
39
distribución de probabilidad totalmente especificada en la hipótesis nula. Estos
contrastes se basan en la comparación de las frecuencias observadas en la muestra
con aquella que cabría esperar si la hipótesis nula fuera cierta. La hipótesis nula se
rechaza si existe una diferencia significativa entre las frecuencias observadas y las
esperadas. En este tipo de contrastes la distribución de probabilidad del estadístico
de prueba es independiente de la postulada en la hipótesis nula y depende sólo del
tamaño de la muestra o del número de clases en que se agrupa la variable (Alea
Riera et al., 2000).
4.3.3.2.1. Prueba de bondad de ajuste de Kolmogorov-Smirnov (K-S)
La prueba de bondad de ajuste de Kolmogorov es una alternativa para mostrar que
una muestra “proviene” de una distribución continua (Normal). Esta prueba se basa
en la comparación entre la función de distribución acumulada de una distribución
teórica Ft(X) con la función distribución acumulada de la muestra Fm(X).
Si las funciones de distribución acumulada teórica y muestral no son
significativamente diferentes, entonces decimos que la muestra proviene de la
distribución cuya función distribución acumulada es Ft(X). Sin embargo, si las
diferencias entre las funciones distribución acumuladas son muy grandes como para
que no sean debidas solamente al azar, rechazamos la hipótesis nula H (Marques
Dos Santos, 2001).
4.3.3.2.2. Test de Lilliefors (prueba de corrección para Kolmogorov-Smirnov)
La prueba K-S para una muestra no es muy útil en la práctica, ya que en la gran
mayoría de las veces desconocemos cuál es la media y desviación estándar de la
población, y por tanto, se deben estimar para la distribución teórica de comparación.
Esto genera que la prueba K-S sea muy conservadora, aceptando la hipótesis nula
en la mayoría de las ocasiones.
Para solventar este problema Lilliefors tabuló el estadístico de Kolmogorov-Smirnov
para el caso más habitual en el que desconocemos la media y la varianza
poblacional y se estiman a través de los datos muestrales (Romero-Saldaña, 2016).
40
4.3.3.2.3. Prueba de Shapiro-Wilk
Según lo citado en Pedrosa et al., 2015, es una de las más consolidadas y con
mayor potencia estadística entre las existentes actualmente (Arcones & Wang,
2006). Su fundamento estadístico está basado en una gráfica de probabilidad en la
que se considera la regresión de las observaciones sobre los valores esperados de
la distribución hipotetizada, en donde su estadístico W representa el cociente de
dos estimaciones de la varianza de una distribución normal. Esta prueba ha
demostrado de manera general, resultados adecuados en comparación a las
pruebas clásicas (Arcones & Wang, 2006), pero especialmente cuando se trabaja
con distribuciones de colas cortas (Thadewald & Buning, 2007) y con un tamaño
muestral inferior a 30 o 50, ya que muestra una alta variabilidad cuando se modifican
tanto la simetría como el tamaño muestral de la distribución, especialmente entre
20 y 50 participantes (Yazici & Yolacan, 2007).
4.3.3.3. Análisis de correlación
El análisis de correlación se realiza para medir el grado de asociación entre dos
variables dependientes una de otra. La correlación es un indicador estadístico
definido por el coeficiente de correlación y es medido en una escala que varía entre
-1 y +1. El valor de +1, indica una correlación perfecta y directa; en cambio, el valor
de -1, significa que existe una correlación perfecta e inversa. El valor de 0 significa
ausencia de correlación entre las variables, lo cual es un indicador de que las
variables son independientes entre sí. El análisis de correlación puede aplicarse
cuando se disponen de variables continuas o discretas de muchos valores donde
se quieres saber si estas están asociadas o no. Dichas correlaciones generalmente
son calculadas por el método del coeficiente de correlación de Pearson o la
correlación por rangos de Spearman. (Pedroza & Dicovskyi, 2007).
El método de correlación de Spearman -al igual que el de Pearson- es una técnica
bivariada que se emplea en situaciones donde el investigador quiere observar
representaciones de la información, que permitan establecer similaridades o
41
disimilaridades entre las variables e individuos, para hacer evidente la variabilidad
conjunta y por tanto tipificar lo que sucede con los datos. Es recomendable utilizar
el coeficiente de correlación de Spearman cuando los datos presentan valores
extremos, ya que dichos valores afectan mucho el coeficiente de correlación de
Pearson, o ante distribuciones no normales (Tomás-Sábado, 2009).
4.3.3.4. Modelo de regresión lineal
El término regresión fue utilizado por primera vez como un concepto estadístico en
1877 por sir Francis Galton. Designó la palabra regresión como el nombre del
proceso general de predecir una variable a partir de otra (Devore, 2005 citado por
Cardona et al, 2013). El procedimiento estadístico que se utiliza para este fin se
conoce como análisis de regresión que permite establecer la relación funcional o
ecuación matemática que relaciona las variables, así como la fuerza de esa relación
(Cardona et al, 2013).
Según el modelo de regresión lineal simple, las puntuaciones de los sujetos en 2
variables -una de ellas considerada como variable predictora (X) y la otra como
variable de respuesta (Y)- vienen representadas (modeladas) por la ecuación de
una línea recta:
𝑌 = 𝛽0 + 𝛽1 ∙ 𝑋1 (4.3)
Los dos parámetros de la ecuación de regresión lineal simple, 𝛽0 y 𝛽1, son conocidos
como el origen (también, constante) y la pendiente del modelo, respectivamente. En
conjunto reciben el nombre de coeficientes de la ecuación de regresión. Si la
ecuación de la recta de regresión es obtenida a partir de una muestra, y no de una
población (esto es, los coeficientes de la ecuación de regresión son estadísticos, y
no parámetros), la ecuación se expresa como:
𝑌 = 𝑏0 + 𝑏1 ∙ 𝑋1 (4.4)
Una vez que sean conocidos los valores de 𝑏0 y 𝑏1 del modelo de regresión lineal
simple, éste puede ser utilizado como modelo predictivo, esto es, para realizar
42
predicciones de los valores que tomará la variable de respuesta para determinados
valores de la variable explicativa (Losilla et al., 2005).
4.4. EXPERIENCIAS NACIONALES E INTERNACIONALES EN LA
EVALUACIÓN DE METALES PESADOS EN LA ESCORRENTÍA VIAL
El primer intento serio de identificar las fuentes de contaminación de escorrentía
urbana fue en el trabajo de la American Public Works Association realizado en
Chicago en 1969 (APWA, 1969). Otra de las primeras y mejor reconocidas
investigaciones sobre la acumulación de contaminantes en las superficies de las
carreteras fue realizada por Sartor & Boyd en el estudio de la EPA “Water Pollution
Aspects of Street Contaminants” (Sartor & Boyd, 1972) y serviría como marco de
referencia para muchos estudios posteriores relacionados con el mismo tema.
Varios estudios (p. ej. Ball et al. (1998), Memon & Butler (2005), Kayhanian et al.
(2012), Aksoy et al. (2012), Egodawatta et al. (2013), Zhang et al. (2014))
identificaron los principales factores físicos que aportan o se relacionan con la carga
contaminante a las vías y que pueden ser agrupados en climáticos antropogénicos
y morfométricos. Así mismo, Zafra et al. (2017) sugirió que los factores físicos más
importantes relacionados con la carga contaminante en las vías son la lluvia, el uso
del suelo, el tamaño de partícula y los vehículos.
Bian & Zhu (2009), Stagge et al. (2012), Egodawatta et al. (2013) sugieren que
factores climáticos como la precipitación y los períodos de tiempo seco previos al
evento de precipitación son los factores principales mejor relacionados con la
presencia de contaminantes. Por su parte, Zhu & Bian (2008), Duong & Lee (2011)
y Gunawardana et al. (2012) reportaron que el uso del suelo es uno de los factores
principales que contribuyen a la variación de la concentración asociada con
escorrentía vial.
Por otro lado, Viklander (1998), Ball et al. (1998), Kayhanian et al. (2012), Adachi &
Tainosho (2005), Deletic & Orr (2005), Zafra et al. (2008) y Yuen et al. (2012)
43
reportaron que los tamaños de partículas se ajustaron a distribuciones Log-normal
positivamente sesgadas y, en promedio, con tamaños dominantes entre 250-100
μm.
En cuanto a la relación de la concentración de metales pesados con vehículos, se
ha estudiado la relación con el tráfico vehicular y el aporte de carga contaminante
de las partes de vehículos como muestran los estudios de Shaheen (1975), Kobriger
& Geinopolos (1984), Ball et al. (1998), Duncan (1999), Drapper et al. (2000), Davis
et al. (2001), Kennedy & Gadd 2003, Adachi & Tainosho (2004), Councell et al.
(2004), Zanders (2005), Apeagyei et al. (2011), Amato et al. (2013), Meza et al.
(2014), GEAMA adaptado por Jiménez (2015), y Sansalone y Buchberger (1997)
(ver Tabla 2), y estudios detallados como el de Dorman et al. (1996) en el cual se
muestra la clasificación y variación de los contaminantes generalmente encontrados
en la escorrentía vial, con sus respectivas fuentes de contaminación.
Después de la revisión bibliográfica no se encontraron estudios en los cuales se
busque correlación entre parámetros básicos de contaminación y metales pesados
en sedimento vial (tiempo seco) y en escorrentía vial. Los estudios de Zafra et al.
(2011) y Jiménez (2015) sugieren el desarrollo de análisis de este tipo.
Para Colombia, los análisis de metales pesados para sedimentos viales y
escorrentía vial aún son escasos y se destacan los realizados por Zafra, en el
municipio de Soacha (Cundinamarca), en donde analiza los procesos de
contaminación con la influencia del tráfico, la asociación de los metales en polvo
atmosférico con los presentes en sedimentos viales y la contaminación por procesos
de escorrentía urbana (Zafra et al., 2013a; Zafra et al., 2013b; Zafra et al., 2013c;
Zafra et al., 2009 citados por Trujillo & Torres, 2015).
4.5. LEGISLACIÓN DE REFERENCIA
En la Tabla 4 se muestra información recolectada sobre la legislación nacional e
internacional referente a la contaminación por escorrentía vial.
44
Tabla 4. Legislación Nacional e internacional de referencia.
Región Normativa o programa Discusión
Estados Unidos
Programa Nacional de Eliminación de Descarga de
Contaminación (NPDES) de la EPA
Dentro de sus áreas contempla los vertidos de aguas pluviales provenientes del transporte, de actividades de
construcción, actividades industriales y fuentes municipales. Allí se encuentran organizadas los
reglamentos, permisos y programas necesarios para reducir la descarga de contaminantes en la medida de
lo posible (U.S EPA); Local Limits Development Guidance, 2004 (U.S. EPA).
Europa
Directiva 2000/60/CE Directiva del
Marco del Agua (DMA) a nivel
europeo
España
Normativa generada a nivel nacional para adaptar DMA: Ley 62/2003 (Jiménez, 2015); Ley 1 de 2005,
Prevención de la contaminación del suelo del País Vasco. Bilbao, como referencia para sedimento vial.
(PV, 2005); Ley 9/2010, de 4 de noviembre, de aguas de Galicia. Anexo III. Límites de emisión de vertidos de
aguas residuales a las rías de Galicia; Directiva del consejo de 21 de mayo de 1991 sobre el tratamiento de
las aguas residuales urbanas (91/271/CEE); Real Decreto 817/2015, de 12 de septiembre, por el que se
establecen los criterios de seguimiento y evaluación del estado de las aguas superficiales y las normas de
calidad ambiental; Tabla I del Real Decreto 849/1986, de 11 de abril, por el que se aprueba el Reglamento del
Dominio Público Hidráulico.
Inglaterra Construction Industry Research and Information
Association (CIRIA): entidad no gubernamental que entrega recomendaciones y métodos
Alemania
German Association for Water, Wastewater and Waste (DWA): entidad no gubernamental que entrega
recomendaciones y métodos; Federal Ministry for the Environment, Nature Conservation and Nuclear Safety,
Germany, Ordinance on Requirements for the Discharge of Waste Water into Waters [Waste Water
Ordinance - AbwV], 17 June 2004.
Francia
Servicio de estudios de carreteras y autopistas francés (Sétra): entidad no gubernamental que entrega
recomendaciones y métodos; Ministère de l'aménagement du territoire et de l'environnement,
Arrêté relatif aux prélèvements et à la consommation d'eau ainsi qu'aux émissions de toute nature des
installations classées pour la protection de l'environnement soumises à autorisation, 2 février 1998
Colombia y Latinoamérica
No se encuentra legislación
No se encuentra legislación que tenga en cuenta la escorrentía vial. La Resolución 631/2015 habla de permisos de vertimientos, pero no tiene en cuenta
específicamente a la escorrentía vial.
Fuente: Elaboración propia.
Con lo anterior, se evidencia que varios países desarrollados ya están teniendo en
cuenta la influencia de la escorrentía vial en la contaminación del recurso hídrico.
Así mismo, se evidencia la necesidad de que los países en vías de desarrollo -como
Colombia- comiencen a contemplar estos eventos en su legislación.
45
5. MATERIALES Y MÉTODOS
5.1. DESCRIPCIÓN DE LOS LUGARES DE INVESTIGACIÓN
Los datos de contaminación que se recogieron en estudios anteriores y que se
usaron para el desarrollo de este proyecto de investigación, corresponden a dos
cuencas que están situadas en Galicia, al noroeste de la Península Ibérica, en la
provincia de A Coruña (España). Se eligió una cuenca en la autopista AG-55, A
Coruña – Carballo y otra en la carretera nacional N-651, Betanzos – Fene. Cabe
destacar que estos datos se recolectaron para la implantación de técnicas de
drenaje sostenible de escorrentía de autopistas (TDSEA) en esta comunidad. Una
tercera cuenca -con datos que se usaron para el análisis de la fracción sólida-, se
encuentra ubicada en la ciudad de Torrelavega, comunidad de Cantabria, al norte
de España. Finalmente, se seleccionaron vías de características similares en la
ciudad de Bogotá para adaptar resultados obtenidos a nivel internacional.
5.1.1. Autopista AG-55, A Coruña – Carballo
La cuenca seleccionada en la autopista AG-55 se encuentra en el kilómetro 12+000,
próxima al viaducto de Loureda. Este vial, con una plataforma de cuatro carriles, es
el principal eje de comunicaciones entre algunas de las ciudades más industriales
de la provincia (Jiménez, 2015).
La sección de control (medición de contaminantes) se instaló en un emplazamiento
próximo al primero, a la salida de un caño del drenaje que recoge las escorrentías
de un tramo de 130 m, con una superficie de 1526 m2. La ubicación se puede ver
en la Figura 1. La intensidad media diaria de tráfico (IMD) de la autopista AG-55 en
el tramo de la cuenca estudiada es de 12.297 vehículos/día con un porcentaje de
vehículos pesados del 7,9%, lo que supone 971 vehículos pesados (Jiménez, 2015).
En cuanto al uso del suelo, el emplazamiento de la sección se encuentra muy
próximo al polígono industrial de Pocomaco (Arteixo).
46
5.1.2. N-651, Betanzos – Fene
La cuenca seleccionada en la carretera nacional N-651 se encuentra próxima a los
astilleros de Astano en San Valentín, Ayuntamiento de Fene. El vial está formado
por un eje principal de dos carriles por sentido de circulación, de aglomerado
asfáltico, con una pequeña mediana, aceras y alguna zona de aparcamiento
(Jiménez, 2015).
Esta vía ha sido hasta el año 2003 la principal vía del complejo de astilleros Bazán
– Astano (actual Navantia), de los polígonos y zona industrial de la comarca de
Ferrolterra y del propio puerto de Ferrol. Actualmente la IMD es de 17.749
vehículos/día, con un porcentaje de pesados del 1,98%, lo que equivale a 351
vehículos pesados/día.
El tamaño de la cuenca estudiada es de 48.532 m2, y está constituida
fundamentalmente por el vial y los accesos al mismo desde los astilleros hasta el
polideportivo de A Xunqueira, junto con una pequeña parte del entramado urbano.
El área de aportación que corresponde estrictamente al vial es de 17.060 m2, un
35,15% del total de la cuenca estudiada, y se encuentra delimitado por la elipse,
como se ve en la Figura 2.
47
Figura 1. Emplazamiento de la cuenca estudiada en la Autopista AG-55.
Modificado de Jiménez, 2015.
Figura 2. Emplazamiento carretera nacional N-651. Modificado de Jiménez,
2015.
48
5.1.3. Vía en Torrelavega (España)
El lugar de investigación para sedimento en tiempo seco se localizó sobre la
superficie viaria del Bulevar Ronda Rufino Peón, en la ciudad de Torrelavega
(Cantabria, al norte de España (43°20ˈ17 N, 4°02ˈ57 O). En la Figura 3 se puede
ver la ubicación.
Como se puede observar en las figuras 4 a) y 4 b), esta superficie viaria de estudio
se localizó en el interior de una cuenca de uso residencial, rodeada por áreas
abiertas y poco edificadas (impermeabilización del 60%). El bulevar tenía en cada
uno de sus dos sentidos un carril para el tráfico, uno para aparcamiento y otro para
el tránsito de bicicletas. El carril para las bicicletas estuvo separado de la calzada
por un bordillo de concreto y una línea de vegetación. El bulevar da acceso a áreas
residenciales, pero fue usado frecuentemente por vehículos de tipo comercial.
Figura 3. Ubicación de Torrelavega en España (Google maps, 2018).
49
a) b)
Figura 4. Fotografía de las superficies viarias en estudio (Torrelavega, España). a) Zona 1 y b) Zona 2. (Zafra et al, 2009)
El área de estudio se dividió en dos zonas cuyas características principales se
presentan en la Tabla 5, pero cuya diferencia principal es que la zona 1 no tiene
edificaciones, mientras que la zona 2 sí las tiene.
Tabla 5. Características de las superficies viarias en estudio de Torrelavega, España.
Característica Zona 1 Zona 2
Densidad residencial (habitantes/ha) Baja (150) Media (300)
Líneas de tráfico 2a 2a
Líneas de aparcamiento 2ª;b 2ª
Longitud (m) 300 310
Pendiente longitudinal (%) 0.2 4
Pendiente transversal (%) 4 4
Capa de rodadura/textura Asfalto/rugoso Asfalto/rugoso
Densidad media de tráfico (Vehículos/d) 3800 3800
Densidad máxima de tráfico (Vehículos/h)
600 600
Velocidad promedio (km/h) 55-60 55-60
Composición (%) Coches: 92; camionetas: 5; camiones sin remolque 2,5; camiones con remolque: 0,25;
autobuses: 0,25
a: una en cada sentido; b: subutilizadas por la baja densidad residencial
Fuente: (Zafra et al, 2011)
5.1.4. Adaptación internacional a la ciudad de Bogotá, Colombia
Partiendo de la base de estudios que sugieren que existe una correlación
significativa entre la cantidad de tráfico vehicular y algunos metales pesados, tanto
50
en la ciudad de Bogotá como a nivel internacional (Zafra-Mejía et. al, 2019) - pues
Chen et al. (2010) y McKenzie e Irwin (1983), reportaron que la deposición de
metales pesados sobre las superficies viales era proporcional a la intensidad de
tráfico (vehículos/día). Mientras, Bannerman et al., 1993 y Zafra et al., 2017
evidenciaron que la cantidad de Pb, Zn y Cu presente en la escorrentía y sedimento
vial podían relacionarse con la intensidad de tráfico- se hizo una adaptación a 19
vías de la ciudad de Bogotá para pronosticar o estimar la carga de metales pesados
que puedan presentarse en vías bajo diferentes condiciones de tráfico a partir de
modelos de regresión.
5.2. SISTEMA DE RECOLECCIÓN DE LA INFORMACIÓN
El sistema de recolección de la información se divide en tres partes:
1. La descripción del proceso o de las actividades que se ejecutaron en estudios
previos en España y que permitieron la obtención de los datos que sirven como
base para el desarrollo de este proyecto. Esto se traduce en el sistema de
recolección de información secundaria de las vías de España. A su vez, la
información secundaria de estas vías se divide en el sistema de recolección de la
información en la ciudad de La Coruña y en el sistema de recolección de la
información en la ciudad de Torrelavega.
2. La recolección de la información de vías de Bogotá (Colombia), que permita la
adaptación de los datos recolectados en España.
3. La recolección de la información sobre Legislación nacional e internacional
referente a escorrentía vial.
De esta manera, las actividades que se realizaron para el estudio de las cuencas y
posterior análisis de los datos tomados en España son las siguientes:
51
5.2.1. Recolección de Información secundaria de escorrentía vial obtenida
en La Coruña (España)
- Allí se realizó el estudio y conocimiento en profundidad de las cuencas
mediante la obtención de cartografía, topografía, e información secundaria
(informes de investigación).
- Recopilación de información sobre la red de saneamiento y drenaje de las
cuencas: inventario de pozos de registro, datos de conductos, obras
auxiliares, etc.
- Estudio de la sección de control en cada una de las dos cuencas estudiadas,
en las que se registran valores en continuo de caudal y de precipitaciones, y,
de forma discreta, de contaminación a través de los muestreos durante los
eventos de precipitación.
- Se organizaron las analíticas y ensayos de gran cantidad de parámetros de
contaminación generada en las cuencas en los eventos de precipitación
muestreados (como son DQO, DQO soluble, DBO5, pH, turbidez,
conductividad, N total, P total, ST, STV, SST, SDT, SSV, SDV en cuanto a
parámetros convencionales, y Al, As, B, Ba, Cd, Co, Cr, Cu, Fe, Hg, Mn, Ni,
Pb, V, Zn, en cuanto a metales pesados), con el fin de obtener para cada uno
de ellos sus polutogramas correspondientes, además del hidrograma e
hietograma asociado.
- Información sobre el montaje e instrumentación de las secciones de control,
descritas en el apartado 4.3.2 del presente trabajo de investigación.
- Metodología en tiempos de lluvia descrita en el apartado 4.3.2 del presente
trabajo de investigación.
- Tiempo de recolección y toma de muestras, descritas en el apartado 4.3.2
del presente trabajo de investigación.
52
5.2.2. Información secundaria de escorrentía vial de Torrelavega (España)
- Se recopiló información general del lugar de estudio
- Se conoció el sistema de muestreo usado
- Se recolectaron los datos base para la elaboración de la presente
investigación.
5.2.3. Sistema de recolección de la información de corredores viales en
Bogotá (Colombia)
Se solicitó información a la Secretaría Distrital de Movilidad sobre los datos de
Tránsito Promedio Diario (TPD) de las principales vías de Bogotá, obteniendo datos
de TPD aproximado para 10 tramos viales. Los datos de TPD para los otros 9 tramos
viales fueron obtenidos de estudios anteriores, que también se basaron en
información proporcionada por la Secretaría de Movilidad.
Dado que no hay un Plan de Ordenamiento Territorial POT actualizado y vigente en
la ciudad de Bogotá, se recurrió a la oficina de Catastro del Super CADE, la
Secretaría de Planeación y Secretaría de Ambiente para obtener información del
uso del suelo de todos los sectores de la ciudad de Bogotá y, por lo tanto, de las
vías que recorren dichos sectores. Finalmente, el uso actual del suelo para el año
2018 se encontró en la plataforma digital “Bogotá Evoluciona” de la Alcaldía de
Bogotá (Alcaldía de Bogotá, 2018). De esta manera, sumando el uso del suelo al
TPD, se tuvieron dos criterios para para hacer la respectiva adaptación de los
resultados a las vías de Bogotá.
5.2.4. Sistema de recolección de la información referente a Legislación
Nacional e Internacional sobre Escorrentía Vial
Para la recolección de la información correspondiente a la legislación internacional,
se hizo una revisión bibliográfica que permitiera conocer estudios que mencionaran
normativas relacionadas con contaminación de metales pesados en escorrentía y
53
sedimento vial. Se encontraron principalmente normativas de Estados Unidos,
Canadá, España, Inglaterra, Francia, Alemania y Japón.
5.3. DESCRIPCIÓN GENERAL DE LA METODOLOGÍA
El desarrollo metodológico del presente proyecto estuvo conformado por 6 fases
que fueron orientadas a cumplir con los objetivos que se plantearon y a resolver las
preguntas de investigación propuestas, como se muestra en la Figura 5. La primera
fase consistió en la recolección y organización de datos, junto con una amplia
revisión bibliográfica, con el fin de contar con la información base requerida para el
correcto desarrollo de la investigación. Para la fase 2 se establecieron tres hipótesis
para el desarrollo de la investigación fundamentadas en: i) las correlaciones directas
o inversas entre los parámetros fisicoquímicos de calidad del agua y los metales
pesados en escorrentía vial y entre la DQO y los metales pesados en el sedimento
vial, ii) los modelos de regresión simple y la efectividad de los mismos para
pronosticar de manera confiable la concentración de metales pesados en
escorrentía vial y en sedimento vial, bajo determinadas condiciones de tráfico. iii)
adaptación de resultados a la ciudad de Bogotá.
54
Figura 5. Diagrama de flujo para las fases de la investigación. Fuente:
Elaboración propia.
La fase 3 consistió en el tratamiento estadístico de la información obtenida, cuyos
resultados abren paso a la fase 4, en la cual se determinaron los parámetros
fisicoquímicos indicadores de concentración de metales pesados y la respectiva
diferenciación entre indicadores de concentración de fracción sólida, disuelta o total
de metales pesados en escorrentía y de concentración de metales pesados en
sedimentos viales.
55
En la fase 5 se desarrolló la adaptación de los resultados a la ciudad de Bogotá D.C.
mediante revisión bibliográfica y nuevos modelos de regresión. Finalmente, en la
fase 6 se realizaron los respectivos análisis de resultados del proyecto realizado. La
descripción general de cada una de las fases de la metodología se presenta en la
figura 5.
5.3.1. FASE 1: Recolección de datos y revisión bibliográfica
En esta primera etapa se realizó una amplia revisión bibliográfica en bases de datos
electrónicas, principalmente Science Direct, Scopus, ASCE Library, JSTOR,
Redalyc, SciELO y Google Académico (Scholar Google). Dicha revisión permitió
conocer experiencias previas relacionadas con la investigación; reforzar conceptos
asociados a la temática; planificar el desarrollo del documento; y verificar el uso de
métodos estadísticos de correlación y predicción como herramienta de análisis de
contaminación en la escorrentía vial y en el sedimento vial. Adicionalmente, se
organizaron todos los datos que sirvieron como insumo para el estudio en los
programas Excel y SPSS, de manera que se pudiera realizar el tratamiento
estadístico satisfactoriamente.
5.3.2. FASE 2: Planteamiento de la hipótesis
Se establecieron tres hipótesis para el desarrollo de la presente investigación que
son generadas por los resultados del tratamiento estadístico y la información
recolectada: (i) Existe correlación -directa o inversa- significativa entre uno o más
parámetros fisicoquímicos de calidad del agua y uno o más metales pesados en
escorrentía vial; y existe correlación significativa entre la DQO y uno o más metales
pesados presentes en el sedimento vial. (ii) Los modelos de regresión pueden
pronosticar apropiadamente concentraciones de metales pesados en escorrentía
vial, a partir de concentración de parámetros fisicoquímicos de calidad del agua que
funcionan como indicadores, o pronosticar concentraciones de metales pesados en
el sedimento vial a partir de la concentración de la DQO. (iii) Hay vías en la ciudad
56
de Bogotá, a las cuales se pueden adaptar estudios internacionales, teniendo en
cuenta modelos de regresión generados a partir de una revisión bibliográfica.
5.3.2.1. Hipótesis No. 1
La primera hipótesis, existe correlación directa y/o inversa significativa entre uno o
más parámetros fisicoquímicos de calidad del agua y uno o más metales pesados
en escorrentía vial; y existe correlación significativa entre la DQO y uno o más
metales pesados presentes en el sedimento vial; surge a partir de las metodologías
usadas por el Departamento de Transporte de California (CalTrans, 2003) y la
Normativa del Servicio de Estudios Técnicos de Carreteras y Autopistas Francés
(SÉTRA, 2006) en las cuales se busca el cálculo y la predicción de los
contaminantes en las escorrentías de carretera en California, E.U. y Francia,
respectivamente; y de Zafra-Mejía et al. (2019), que busca predicción de
contaminantes en sedimento vial en carreteras de Bogotá; como de otros estudios,
citados en la presente investigación, que intentaron buscar relaciones similares.
5.3.2.2. Hipótesis No. 2
La segunda hipótesis, los modelos de regresión pueden pronosticar
apropiadamente concentraciones de metales pesados en escorrentía vial, a partir
de datos de concentración de parámetros fisicoquímicos de calidad del agua que
funcionan como indicadores, o pronosticar concentraciones de metales pesados en
el sedimento vial a partir de la concentración de la DQO; surgió a partir de la
efectividad de los modelos de regresión a la hora de generar pronósticos. En
particular, para modelos de predicción de contaminantes en escorrentía vial, hay
evidencias destacadas mostradas por Kayhanian et al. (2007) y por Zafra et al.
(2017).
5.3.2.3. Hipótesis No. 3
La tercera hipótesis, Hay vías en la ciudad de Bogotá, a las cuales se pueden
adaptar estudios internacionales, teniendo en cuenta modelos de regresión
57
generados a partir de una revisión bibliográfica, surgió a partir de Chen et al. (2010),
McKenzie e Irwin (1983), Zafra-Mejía et al. (2019) y Zafra et al. (2017), que
reportaron que la deposición de algunos metales pesados sobre las superficies
viales era proporcional a la intensidad de tráfico diaria (vehículos/día).
5.3.3. FASE 3: Tratamiento estadístico de los datos
Durante el desarrollo de la Fase 1 se seleccionó la información con más del 60%
para cada parámetro en estudio, permitiendo de esta manera que se trabajara con
información estadísticamente significativa. Posteriormente, se procesaron y
analizaron los datos teniendo en cuenta los siguientes tratamientos estadísticos:
parametrización de los eventos de precipitación y escorrentía, pruebas de bondad
de ajuste; matrices de correlación entre los parámetros fisicoquímicos de calidad
del agua y metales pesados mediante la estimación de los coeficientes de
correlación Rho de Spearman; y desarrollo de modelos de regresión.
Con el fin de determinar si los datos (muestras) tomados como fuente de estudio se
ajustan a una distribución normal, se utilizó el software SPSS y se realizaron
pruebas de bondad de ajuste mediante el método de la prueba (test) de Lillliefors
cuando el número de muestras de determinado parámetro eran mayores o iguales
a 50 datos (n>=50) o mediante la prueba de Shapiro-Wilk cuando el número de
muestras de un parámetro no superaba los 50 datos (n<50).
Una vez se realizaron las pruebas de normalidad, se generaron las matrices de
correlación Rho de Spearman para los datos de las vías de Fene y Arteixo, mediante
el uso del software SPSS, las cuales no dependen de una distribución específica.
Para cada vía (Fene y Arteixo), las matrices que se generaron fueron: Una matriz
de correlación de concentraciones entre todos los datos de las muestras de los
contaminantes y cuatro matrices de correlación de parámetros característicos de los
sucesos (Concentración media de suceso CMS, Concentración máxima de suceso
CMAX, Carga movilizada CMOV y Concentración media de suceso CMS para la
fracción particulada de metales). De esta manera, se obtuvieron un total de 10
matrices generadas para el análisis de escorrentía vial en La Coruña (España). La
58
interpretación de los parámetros que presentan mayor correlación entre sí se hizo
teniendo en cuenta los rangos de valoración presentados en la Tabla 6, puesto que
es una de las más utilizadas (Hernández & Collado, 1998).
Tabla 6. Rangos de valoración, coeficientes de correlación de Pearson y por rangos de Spearman (Rho de Spearman).
Rango de correlación Interpretación
-1,00 Correlación negativa perfecta
-0,90 a -0,99 Correlación negativa muy fuerte
-0,75 a -0,89 Correlación negativa considerable
-0,50 a -0,74 Correlación negativa media
-0,25 a -0,49 Correlación negativa débil
-0,10 a -0,24 Correlación negativa muy débil
-0,09 a 0,09 No existe correlación entre las variables
+0,10 a +0,24 Correlación negativa muy débil
+0,24 a +0,49 Correlación positiva débil
+0,50 a +0,74 Correlación positiva media
+0,51 a +0,89 Correlación positiva considerable
+0,90 a +0,99 Correlación positiva muy fuerte
+1,00 Correlación positiva perfecta
Fuente: Hernández & Collado, 1998.
Para cada una de las matrices Rho de Spearman generadas, se seleccionaron los
datos cuya correlación estuviera clasificada entre los rangos de correlación
considerable a correlación perfecta (0,5 ≤ Rho Spearman ≤ 1), siguiendo la
clasificación propuesta en la Tabla 8, ya que estas clasificaciones seleccionadas
son las que pueden tener un grado de asociación significativo y arrojar mejores
tendencias mediante los modelos de regresión.
A partir de las pruebas de normalidad generadas para los datos de sedimento vial
en las vías de Torrelavega, se generaron las matrices de Pearson mediante el uso
del software SPSS. Para cada vía (Zona 1 y Zona 2), las matrices que se generaron
fueron: una matriz de correlación de concentraciones medias entre todos los datos
de las muestras (DQO y metales pesados) de los contaminantes, para cada zona.
De esta manera, se obtuvieron un total de 2 matrices generadas (una en la zona 1
y una en la zona 2) para el análisis de sedimento vial en Torrelavega, España. Para
cada una de las matrices Pearson generadas, se seleccionaron los datos cuya
correlación estuviera clasificada entre los rangos de correlación considerable a
correlación perfecta (tanto correlaciones positivas como negativas), siguiendo la
clasificación propuesta en la Tabla 8.
59
Por último, haciendo uso del software Microsoft Excel se desarrollaron diferentes
modelos de regresión, con el fin de identificar la expresión matemática que mejor
representara el comportamiento de dichos parámetros. En otras palabras, los
modelos de regresión permitieron buscar los parámetros de calidad del agua que
muestran de la mejor manera la tendencia de la concentración de metales pesados
en escorrentía vial o buscar qué metales pesados podrían indicarse mediante la
DQO en el sedimento vial en La Coruña y Torrelavega, respectivamente.
5.3.4. FASE 4: Determinación de parámetros indicadores
Se organizaron las matrices y modelos de regresión por vía (Torrelavega, Fene,
Arteixo); por parámetro convencional de contaminación (p. ej. DQO, SS, Turbidez)
y finalmente por tipo de matriz (Zona 1, Zona 2, CMS, CMAX, Totales). Así, los
parámetros convencionales indicadores se identificaron de la siguiente manera:
- Para cada una de las variables de concentración (Muestras totales, CMS,
CMAX, CMOV) se seleccionaron los parámetros convencionales que tuvieran
8 o más correlaciones con metales pesados cuyos coeficientes de correlación
clasificaran según el criterio de Hernández & Collado (Tabla 8), como
correlaciones considerables, muy fuertes o perfectas, es decir, coeficientes
de correlación mayores a 0.5.
- Parámetros convencionales que cumplieran el requisito anterior para todas
las variables de concentración (CMAX, CMOV, CMS). En otras palabras, los
parámetros que se correlacionan muy bien en cada una de las matrices que
le corresponde.
- Tras aplicar los dos filtros anteriores, se seleccionaron los parámetros que
arrojaron los mejores modelos de regresión, entendiendo como buenos
modelos regresión aquellos cuyo coeficiente de determinación R2 es superior
a 0.6.
- En el sedimento vial de las vías de Torrelavega sólo se tuvo en cuenta el
parámetro de contaminación DQO, por lo que se escogieron directamente los
60
mejores modelos de regresión, partiendo de la clasificación previa de las
matrices de Pearson.
5.3.5. FASE 5: Adaptación de resultados a la ciudad de Bogotá D.C.
Para adaptar los resultados a vías de la ciudad de Bogotá D.C., se partió del orden
de importancia de los factores físicos que afectan la escorrentía vial, planteados por
Zafra et al. (2017), en donde se sugiere que el uso del suelo, la precipitación, el
tamaño de partículas y el tráfico vehicular son aquellos factores que más influyen
en la presencia de contaminantes en las vías. Con base en lo anterior, se hizo una
extensa revisión bibliográfica para recopilar estudios internacionales que
relacionaron concentración de contaminantes -tanto en escorrentía vial como en
sedimento vial- con el tráfico promedio diario TPD. Mediante modelos de regresión
se obtuvo una estimación de la concentración de contaminantes en función de la
intensidad de tráfico diario. Con estos modelos de regresión obtenidos se pronosticó
la concentración de los metales (Cr, Fe, Pb, Zn, Cu y Cd para fracción total de
escorrentía vial y Cu para sedimento vial) sobre diecinueve superficies viales de
Bogotá, con TPD entre 4200 y 187600 vehículos día. Como adición se consideró el
uso actual del suelo en el cual se encuentran dichas superficies viales a partir de
información del uso actual proporcionada por el Distrito (Alcaldía de Bogotá, 2018),
lo anterior teniendo en cuenta que las vías que se encuentran en áreas con usos de
suelo de carácter industrial posiblemente tengan concentraciones más elevadas.
Por último, se tuvo en cuenta la influencia del tamaño de partícula de los estudios
realizados en Torrelavega, adaptando así los resultados con tres de los cuatro
factores físicos más importantes. No se tuvo en cuenta el comportamiento del viento
en la ciudad, pero se reconoce como un factor adicional que puede contribuir a
elevar las cargas de ciertas superficies viales.
5.3.6. FASE 6: Análisis de resultados
En esta última fase se realizó un análisis que permite entender las posibles causas
por las que ciertos parámetros pueden ser indicadores y otros no y la respectiva
61
comparación con bibliografía relacionada; así mismo, las posibles razones por las
que ciertos metales son más propensos a tener buenas correlaciones con
parámetros básicos y con otros metales pesados, teniendo en cuenta la influencia
del uso del suelo, de la composición vehicular y de la intensidad de tráfico.
Por otro lado, se realizó una comparación entre los resultados obtenidos en la
adaptación a Bogotá, y la legislación de carácter nacional e internacional
relacionada con contaminación por metales pesados. Dicha comparación permitió
comprender qué tan significativa puede ser la carga contaminante que aportan la
escorrentía y el sedimento vial en factores como el tratamiento del vertimiento por
parte de las PTAR, los criterios de calidad de la vida acuática, el medio natural, la
vida humana, o su afectación en actividades de tipo agrícola y pecuario.
62
6. RESULTADOS Y DISCUSIÓN
6.1. RELACIÓN ENTRE PARÁMETROS FISICOQUÍMICOS DE CALIDAD
DEL AGUA Y METALES PESADOS EN ESCORRENTÍA VIAL.
Los resultados mostraron que salvo pocas excepciones (Aluminio disuelto, Boro
disuelto y sólidos disueltos volátiles) las series de datos de parámetros de calidad
del agua no se ajustaron a una distribución normal. Los resultados de las pruebas
de normalidad aplicadas pueden verse en el Anexo 1.
6.1.1. CASO DE ESTUDIO EN LA CORUÑA (ESPAÑA)
Los parámetros estudiados en la sección vial de Arteixo asociaron gran cantidad de
datos faltantes (> 60%) debido a dificultades técnicas en las jornadas de muestreo.
Esto dificultó los análisis para esta vía, razón por la que se determinó que los datos
de Arteixo no eran confiables para hacer un análisis estadístico (ver Anexo 3).
La sección vial de Fene fue confiable para estudio puesto que asoció una cantidad
de datos faltantes menor que en Arteixo (< 30%). Para esta sección vial se realizó
la evaluación descriptiva de la información mediante la aplicación de las medidas
estadísticas propuestas por Hernández y Collado (1998). En la Tabla 7 se presentan
los resultados para los parámetros estudiados, allí se obtuvo que los parámetros
fisicoquímicos de calidad del agua (PFCA) con la concentración media más alta
fueron Sólidos Totales (227,9 mg/L) y Sólidos Suspendidos Totales (130,6 mg/L),
mientras que los de menor concentración fueron el Nitrógeno Total (3,33 mg/L) y
Fósforo Total (0,54 mg/L). La totalidad de los datos parametrizados pueden verse
en el Anexo 3.
63
Tabla 7. Resumen de estadísticos descriptivos para los parámetros en
estudio.
Parámetro Media Mediana Moda Varianza Desviación
estándar Mínimo Máximo Asimetría
Fisicoquímicos
DQO (mg/L) 111,14 57,60 143,00 24202,23 155,57 14,80 1047,00 4,11
DQO Soluble(mg/L) 27,67 25,75 33,40 229,51 15,15 8,12 80,40 1,23
DBO5 (mg/L) 26,73 12,00 5,00 2391,59 48,90 3,00 370,00 5,75
N Total (mg/L) 3,33 2,33 2,11 6,24 2,50 0,94 16,40 2,77
P Total (mg/L) 0,53 0,32 0,13 0,32 0,57 0,10 3,24 2,42
ST (mg/L) 227,88 147,00 138,00 57442,83 239,67 64,00 1516,00 3,62
STV (mg/L) 85,71 62,00 48,00 5377,46 73,33 28,00 516,00 3,74
SS (mg/L) 130,55 47,50 28,00 52418,31 228,95 6,00 1392,00 3,78
SSV (mg/L) 42,75 21,50 5,00 4652,24 68,21 4,00 458,00 4,12
SD (mg/L) 88,16 80,00 56,00 1707,15 41,32 16,00 284,00 1,91
SDV (mg/L) 39,99 36,00 36,00 230,07 15,17 14,00 84,00 0,56
Turbidez (NTU) 71,97 36,90 20,90 8567,09 92,56 7,02 561,00 3,00
Conductividad (μS/cm) 114,41 99,95 142,00 3890,07 62,37 53,60 547,00 4,64
pH 7,06 7,06 7,12 0,09 0,30 6,44 7,84 0,46
Metales pesados
Aluminio (Al) (mg/L) 2,60 1,51 - 11,59 3,40 0,15 18,86 3,19
Arsénico (As) (μg/L) 5,05 3,18 3,05 21,85 4,67 1,00 26,70 2,61
Bario (Ba) (μg/L) 131,93 87,90 71,20 20321,79 142,55 22,00 874,00 3,49
Boro (B) (μg/L) 25,01 24,40 24,50 153,72 12,40 2,60 70,90 1,55
Cadmio (Cd) (μg/L) 0,18 0,10 0,10 0,10 0,31 0,001 2,17 4,70
Cobalto (Co) (μg/L) 2,32 1,48 0,31 6,85 2,62 0,10 14,30 2,81
Cobre (Cu) (μg/L) 47,58 37,30 49,00 1265,11 35,57 1,20 229,00 3,11
Cromo (Cr) (μg/L) 7,11 4,55 15,00 58,75 7,66 0,50 42,80 2,47
Hierro (Fe) (mg/L) 4,21 2,34 0,79 33,58 5,80 0,001 33,76 3,31
Manganeso (Mn) (μg/L) 99,62 59,65 38,30 16957,65 130,22 1,00 780,00 3,16
Mercurio (Hg) (μg/L) 0,09 0,05 0,00 0,03 0,19 0,00 1,22 4,73
Níquel (Ni) (μg/L) 5,98 4,39 5,10 41,49 6,44 0,50 43,60 3,94
Plomo (Pb) (μg/L) 12,64 7,78 8,60 251,98 15,87 1,00 85,00 3,02
Vanadio (V) (μg/L) 12,81 9,58 16,30 136,35 11,68 2,80 73,40 3,36
Zinc (Zn) (μg/L) 150,71 110,52 106,00 27503,15 165,84 10,50 1195,00 4,44
Fuente: Elaboración propia.
64
Por su parte, los MP cuya fracción total tuvieron las concentraciones medias más
altas fueron Al (2,60 mg/L) y Fe (4,21 mg/L), mientras que los que tuvieron las
concentraciones más bajas fueron Cd (0,18 μg/L) y Hg (0,09 μg/L). Por ejemplo, la
concentración media de Al (2,60 mg/L) se asemejó a las concentraciones obtenidas
por Dannecker et al. (1990), mientras que las concentraciones medias de Fe (4,21
mg/L), Cd (0,18 μg/L) y Hg (0,09 μg/L) se encuentran dentro del rango de valores
de los diversos estudios hechos en vías a nivel internacional (p. ej. Dannecker et al.
1990, Driscoll et al. 1990, Nadler & Meißner 2007; ver Tabla 20).
Los resultados de la desviación estándar y la comparación entre las medidas de
tendencia central mostraron que existieron variaciones entre los valores mínimos y
máximos de concentración en los PFCA y los MP. Esta variación podía deberse a
la influencia de factores climatológicos en cada evento de lluvia (mm de
precipitación y tiempo seco precedente), según lo sugerido por Bian & Zhu 2009,
Stagge et al. 2012 y Egodawatta et al. 2013, y para corroborarlo se realizaron
análisis de correlación entre las concentraciones de los parámetros estudiados y los
factores climatológicos.
6.1.1.1. Correlaciones entre PFCA y MP
Se realizaron análisis de correlación teniendo en cuenta las distintas
concentraciones utilizadas en este estudio (Concentraciones medias CMS,
concentraciones máximas CMAX, concentraciones totales, y CMS de fracción
disuelta y particulada). Estas correlaciones se muestran en las Tablas 8, 9, 10, 11 y
12.
En relación a la CMAX, se obtuvo que los PFCA DQO, DBO5, P total, SS, SSV, ST
y Turbidez se correlacionaron bien con el 80% de MP (Rho Spearman rs ≥ 0,5);
siendo Hg, B y Ni el 20% de los MP que tuvieron bajas correlaciones con dichos
PFCA. Por otro lado, DQO soluble, N total, SD, SDV, STV, Conductividad y pH no
se correlacionaron bien (rs < 0,5) con MP. Así mismo, se evidenció que las mejores
65
correlaciones fueron las obtenidas por SS, seguidas de DQO, DBO5, P Total, SSV,
ST y Turbidez (ver Tabla 8).
Para la CMAX se obtuvo que los SS tuvieron correlaciones muy fuertes (0,9 < rs <
1) con 8 de los 15 metales pesados (53,3%), correlaciones considerables (0,75 < rs
< 0,9) con 4 metales pesados (26,7%), y correlaciones medias (0,5 < rs < 0,75) con
1 metal pesado (6,7%); para un 87% de buenas correlaciones. La DQO tuvo
correlaciones considerables (0,75 < rs < 0,9) con 8 de los 15 metales pesados
(53,3%) y correlaciones medias (0,5 < rs < 0,75) con 4 de los metales pesados
(26,7%), para un 80% de buenas correlaciones. La anterior clasificación de realizó
siguiendo el estándar de clasificación de correlaciones de Hernández y Collado
(1998). La alta correlación de SS con MP coincide parcialmente con lo planteado
por Sansalone et al. (1995), que afirmaron que para eventos de precipitación existió
una correlación consistente y significativa entre la CMS (en inglés Event Mean
Concentration EMC) de SS y la CMS de algunos MP (particularmente Cu, Pb, Zn,
Cl, y Fe), y una baja correlación entre los SS y Cd, en eventos de precipitación;
aunque no plantearon una correlación que tuviera en cuenta datos extremos como
la CMAX.
Ahora bien, exceptuando B y Hg, los MP tuvieron una correlación media o alta (rs ≥
0,5) entre ellos, pero sobresalieron principalmente Fe, seguido de Al, Pb, Zn, Ni y
V. Estos resultados coincidieron con los obtenidos por Kayhanian et al. (2007), que
indicaron que la concentración de Fe estaba altamente correlacionada con las
concentraciones de Cr, Cu, Ni, Pb y Zn, lo cual puede sugerir afinidad en el origen
(p. ej., la fuente de la emisión).
Para el total de las 76 muestras tomadas en los 10 sucesos de precipitación y en
los cuales se evaluaron hasta 64 pares de valores, se obtuvo que los PFCA DQO,
DBO5, N total, P total, SS, SSV, ST, STV y Turbidez se correlacionaron bien con el
87% de MP (rs ≥ 0,5), siendo Hg y B el 13% de los MP que tuvieron correlaciones
bajas con dichos PFCA. Por otro lado, los PFCA DQO soluble, SD, SDV, STV,
Conductividad y pH no se correlacionaron bien con MP (rs < 0,5). Las mejores
66
correlaciones con MP fueron las obtenidas por SS, seguidas de ST, SSV, Turbidez,
DQO y STV (ver Tabla 9).
Para el total de las muestras analizadas los SS tuvieron correlaciones muy fuertes
(0,9 < rs < 1) con 6 de los 15 metales pesados (40%), correlaciones considerables
(0,75 < rs < 0,9) con 4 metales pesados (26,7%), y correlaciones medias (0,5 < rs <
0,75) con 3 metales pesados (20%); para un 87% de buenas correlaciones. Por su
parte la DQO tuvo correlaciones considerables (0,75 < rs < 0,9) con 8 de los 15
metales pesados (53,3%) y correlaciones medias (0,5 < rs < 0,75) con 5 de los
metales pesados (33,3%) para un 87% de buenas correlaciones. Los SS y la
turbidez tuvieron una correlación muy fuerte (rs = 0,908), coincidiendo con
resultados de estudios previos como por ejemplo el de Kayhanian et al. (2007), los
cuales sugirieron una dependencia entre estos dos parámetros.
Tabla 8. Matriz de correlación Spearman para las CMAX en la vía de Fene DQO DQO Sol. DBO5 N Total P Total SS SSV SD SDV ST STV Turb. Conduct. pH Al As Ba B Cd Co Cu Cr Fe Mn Hg Ni Pb V Zn
DQO 1,00
DQO Sol. 0,66 1,00
DBO5 0,90 0,70 1,00
N Total 0,82 0,42 0,65 1,00
P Total 0,98 0,50 0,90 0,83 1,00
SS 0,96 0,59 0,82 0,82 0,93 1,00
SSV 0,99 0,60 0,88 0,82 0,98 0,98 1,00
SD 0,01 0,23 -0,91 0,18 -0,21 0,06 0,08 1,00
SDV 0,15 0,50 0,39 0,08 -0,09 -0,01 0,07 0,40 1,00
ST 0,91 0,63 0,80 0,85 0,85 0,95 0,89 0,11 0,12 1,00
STV 0,83 0,76 0,81 0,87 0,75 0,82 0,82 0,15 0,46 0,88 1,00
Turbidez 0,98 0,59 0,86 0,85 0,97 0,95 0,99 -0,04 0,14 0,86 0,83 1,00
Conduct. -0,22 -0,21 -0,39 0,15 -0,13 -0,24 -0,26 0,79 -0,03 -0,18 -0,27 -0,21 1,00
pH 0,22 0,30 -0,07 0,10 0,02 0,33 0,21 0,13 -0,21 0,29 0,12 0,22 0,13 1,00
Aluminio 0,95 0,19 0,81 0,76 0,95 0,98 0,95 -0,29 -0,24 0,91 0,64 0,91 -0,21 -0,12 1,00
Arsénico 0,86 0,52 0,98 0,50 0,86 0,81 0,86 -0,55 0,12 0,73 0,67 0,81 -0,57 -0,50 0,83 1,00
Bario 0,94 0,60 1,00 0,77 0,94 0,94 0,94 0,37 -0,06 1,00 0,71 0,83 0,26 -0,60 0,89 0,94 1,00
Boro -0,14 0,20 -0,31 0,09 -0,14 -0,14 -0,14 0,31 -0,06 -0,31 -0,14 -0,03 0,31 0,26 -0,20 -0,37 -0,31 1,00
Cadmio 0,89 0,54 0,89 0,60 0,89 0,89 0,89 0,66 -0,12 0,71 0,66 0,89 -0,54 -0,20 0,89 0,89 0,80 0,80 1,00
Cobalto 0,89 0,37 0,94 0,71 0,89 0,89 0,89 0,09 -0,23 0,94 0,60 0,77 0,03 -0,66 0,94 1,00 0,94 -0,37 0,80 1,00
Cobre 0,95 0,36 0,93 0,64 0,95 0,91 0,95 -0,50 -0,02 0,78 0,67 0,93 -0,45 -0,26 0,93 0,95 0,89 -0,20 0,94 0,94 1,00
Cromo 0,91 0,26 0,83 0,74 0,91 0,95 0,91 -0,31 -0,17 0,95 0,71 0,83 -0,31 -0,21 0,98 0,86 0,94 -0,37 0,89 1,00 0,91 1,00
Hierro 0,95 0,19 0,81 0,76 0,95 0,98 0,95 -0,29 -0,24 0,91 0,64 0,91 -0,21 -0,12 1,00 0,83 0,89 -0,20 0,89 0,94 0,93 0,98 1,00
Mangan. 0,98 0,48 0,95 0,69 0,98 0,93 0,98 -0,38 0,07 0,80 0,71 0,95 -0,36 -0,24 0,91 0,93 0,94 -0,14 0,94 0,89 0,98 0,88 0,91 1,00
Mercurio 0,49 0,83 0,54 0,77 0,49 0,49 0,49 0,83 0,70 0,54 0,94 0,60 0,37 -0,60 0,31 0,37 0,54 0,14 0,40 0,37 0,31 0,37 0,31 0,49 1,00
Níquel 0,69 0,43 0,81 0,31 0,69 0,71 0,69 -0,38 -0,17 0,71 0,41 0,57 -0,38 -0,60 0,76 0,86 0,83 -0,26 0,83 0,94 0,76 0,81 0,76 0,71 0,14 1,00
Plomo 0,93 0,17 0,81 0,60 0,93 0,91 0,93 -0,48 -0,32 0,76 0,50 0,88 -0,36 -0,12 0,95 0,86 0,77 -0,09 0,94 0,89 0,95 0,91 0,95 0,91 0,09 0,76 1,00
Vanadio 0,81 0,43 0,88 0,60 0,81 0,86 0,81 -0,36 -0,02 0,90 0,71 0,71 -0,43 -0,45 0,88 0,91 0,94 -0,37 0,94 1,00 0,86 0,95 0,88 0,83 0,37 0,91 0,81 1,00
Zinc 0,91 0,26 0,83 0,74 0,91 0,95 0,91 -0,31 -0,17 0,95 0,71 0,83 -0,31 -0,21 0,98 0,86 0,94 -0,37 0,89 1,00 0,91 1,00 0,98 0,88 0,37 0,81 0,91 0,95 1,00
Fuente: Elaboración propia. Notas: DQO Sol: DQO soluble, Turb.: Turbidez. En negrilla las correlaciones con rs ≥ 0,5 y p-valor < 0,05
68
Tabla 9. Matriz de correlación Spearman para la totalidad de muestras en la vía de Fene. DQO DQO Sol. DBO5 N P SS SSV SD SDV ST STV Turb. Conduct. pH Al As Ba B Cd Co Cu Cr Fe Mn Hg Ni Pb V Zn
DQO 1,00
DQO Sol. 0,60 1,00
DBO5 0,76 0,56 1,00
N Total 0,81 0,39 0,75 1,00
P Total 0,76 0,14 0,75 0,83 1,00
SS 0,84 0,26 0,77 0,82 0,88 1,00
SSV 0,81 0,26 0,76 0,78 0,90 0,96 1,00
SD 0,39 0,67 0,41 0,39 0,07 0,13 0,10 1,00
SDV 0,51 0,62 0,61 0,46 0,27 0,36 0,34 0,56 1,00
ST 0,91 0,61 0,75 0,82 0,67 0,78 0,73 0,56 0,56 1,00
STV 0,85 0,58 0,79 0,79 0,70 0,78 0,76 0,47 0,72 0,90 1,00
Turbidez 0,83 0,29 0,76 0,83 0,96 0,91 0,92 0,19 0,41 0,72 0,75 1,00
Conduct. 0,05 0,45 -0,01 0,22 -0,07 -0,17 -0,18 0,74 0,26 0,21 0,10 -0,09 1,00
pH -0,26 -0,39 -0,26 -0,31 -0,21 -0,09 -0,08 0,27 -0,13 0,34 -0,27 -0,03 -0,05 1,00
Aluminio 0,81 0,10 0,68 0,78 0,91 0,95 0,97 0,01 0,24 0,72 0,71 0,94 -0,18 -0,22 1,00
Arsénico 0,71 0,26 0,81 0,69 0,73 0,76 0,76 0,13 0,41 0,70 0,73 0,70 -0,15 -0,44 0,77 1,00
Bario 0,73 0,37 0,28 0,49 0,45 0,70 0,66 0,11 0,24 0,67 0,57 0,57 -0,08 -0,35 0,66 0,43 1,00
Boro -0,03 0,44 -0,19 0,05 -0,13 -0,14 -0,06 0,55 0,38 0,02 0,12 -0,04 0,72 -0,12 -0,12 -0,10 0,12 1,00
Cadmio 0,54 0,18 0,77 0,57 0,58 0,64 0,61 0,07 0,29 0,59 0,60 0,56 -0,23 -0,40 0,55 0,69 0,18 -0,32 1,00
Cobalto 0,90 0,28 0,69 0,77 0,85 0,97 0,96 0,29 0,23 0,91 0,79 0,89 -0,03 -0,49 0,97 0,79 0,69 -0,10 0,53 1,00
Cobre 0,72 0,29 0,42 0,66 0,75 0,74 0,76 0,09 0,29 0,60 0,61 0,78 0,05 -0,19 0,80 0,51 0,75 0,20 0,22 0,73 1,00
Cromo 0,75 0,09 0,67 0,69 0,83 0,91 0,89 0,04 0,31 0,71 0,74 0,86 -0,18 -0,19 0,90 0,74 0,60 -0,10 0,58 0,90 0,70 1,00
Hierro 0,80 0,06 0,68 0,77 0,92 0,96 0,96 -0,02 0,25 0,71 0,72 0,94 -0,19 -0,19 0,99 0,78 0,67 -0,13 0,56 0,98 0,80 0,92 1,00
Manganeso 0,81 0,10 0,70 0,75 0,88 0,95 0,95 0,00 0,26 0,73 0,73 0,90 -0,17 -0,22 0,96 0,81 0,72 -0,07 0,54 0,98 0,79 0,91 0,97 1,00
Mercurio 0,39 0,39 0,43 0,59 0,56 0,39 0,37 0,46 0,36 0,44 0,44 0,51 0,34 -0,11 0,39 0,31 0,23 0,10 0,27 0,36 0,34 0,38 0,39 0,36 1,00
Níquel 0,84 0,22 0,58 0,71 0,75 0,88 0,87 0,06 0,25 0,77 0,72 0,79 -0,16 -0,32 0,88 0,75 0,79 -0,07 0,48 0,95 0,79 0,85 0,89 0,91 0,24 1,00
Plomo 0,78 0,08 0,60 0,69 0,83 0,91 0,92 -0,06 0,16 0,67 0,65 0,85 -0,23 -0,21 0,96 0,74 0,71 -0,14 0,47 0,93 0,80 0,87 0,96 0,95 0,34 0,91 1,00
Vanadio 0,89 0,46 0,58 0,61 0,55 0,76 0,72 0,18 0,35 0,83 0,76 0,65 -0,10 -0,51 0,72 0,61 0,81 -0,05 0,46 0,84 0,69 0,70 0,71 0,73 0,25 0,79 0,74 1,00
Zinc 0,78 0,23 0,54 0,63 0,65 0,85 0,83 0,08 0,25 0,73 0,71 0,73 -0,12 -0,33 0,81 0,62 0,84 0,04 0,44 0,87 0,77 0,81 0,82 0,86 0,22 0,88 0,86 0,81 1,00
Fuente: Elaboración propia. Notas: DQO Sol: DQO soluble, Turb.: Turbidez. En negrilla las correlaciones con rs ≥ 0,5 y p-valor < 0,05
Para las CMS (ver Tabla 10) se obtuvo que los PFCA DQO, P total, SS, SSV, ST y
Turbidez se correlacionaron bien con el 73% de MP (rs ≥ 0,5); siendo Ba, Hg, B y
Cd el 27% de los MP que no se correlacionaron bien con dichos PFCA. Los PFCA
DQO soluble, DBO5, N total, SD, SDV, STV, Conductividad y pH no se
correlacionaron bien con MP (rs < 0,5). Las mejores correlaciones fueron las
obtenidas por SS, seguidas de DQO, P Total, SSV, ST y Turbidez.
Para la CMS los SS tuvieron correlaciones muy fuertes (0,9 < rs < 1) con 7 de los
15 metales pesados (47%) y correlaciones considerables (0,75 < rs < 0,9) con 3
metales pesados (26,7%); para un 74% de buenas correlaciones. La DQO tuvo
correlaciones muy fuertes (0,9 < rs < 1) con 5 metales pesados (33,3 %),
correlaciones considerables (0,75 < rs < 0,9) con 5 de los metales pesados (33,3%)
y correlaciones medias (0,5 < rs < 0,75) con 1 metal pesado (6,67%); para un 73%
de buenas correlaciones.
En cuanto a correlación entre MP (ver Tabla 10), exceptuando Ba, B, Cd y Hg, los
MP tuvieron una buena correlación (rs > 0,5) entre ellos; siendo Fe el de mejores
correlaciones, seguido de Al, Pb, Zn, Ni y V. Al igual que con la CMAX, los resultados
coincidieron con los obtenidos por Kayhanian et al. (2007), que indicó que la
concentración de Hierro estuvo altamente correlacionada con las concentraciones
de Cr, Cu, Pb, Ni y Zn.
Por lo tanto, los resultados sugieren que los PFCA SS, DQO y Turbidez podrían ser
considerados como indicadores de contaminación por MP debido a que presentaron
las mejores correlaciones; exceptuando B, Cd, y Hg, los cuales mostraron una
aparente independencia. La alta correlación de SS con MP coincide parcialmente
con lo planteado por Sansalone et al. (1995), los cuales afirmaron que para eventos
de precipitación existe una correlación consistente y significativa entre la CMS de
SS y la CMS de algunos MP (particularmente Cu, Pb, Zn, Cl, y Fe), y una baja
correlación entre los SS y Cd. Por último, no se lograron detectar investigaciones
que analizaron específicamente la correlación entre la DQO y los MP en escorrentía
vial.
70
Adicionalmente, el Fe podría ser considerado como un parámetro indicador de las
concentraciones de los demás metales pesados, debido a que tuvo correlaciones
altas con los demás MP estudiados; exceptuando B y Hg que parecieron ser
independientes. Estos resultados coincidieron con los resultados de Kayhanian et
al. (2007). Estos investigadores reportaron correlaciones altas entre Fe y Cr, Cu,
Pb, Ni y Zn. Otros PFCA como los SSV, ST, P total, DBO5 o STV, tuvieron
coeficientes Rho Spearman más bajos que los de SS, DQO y Fe, y por lo tanto no
tuvieron sustento bibliográfico que soporten el presente estudio para considerarlos
como parámetros indicadores. Así mismo, parámetros como DQO soluble, SD,
SDV, Conductividad y pH tuvieron correlaciones muy bajas y no fueron
considerados como parámetros indicadores.
En cuanto a la relación entre la fracción total y disuelta de MP (Figura 6), se obtuvo
que 11 de los 15 metales (73%) estuvieron presentes en la escorrentía vial con una
proporción de fracción particulada (sólida) superior al 60%; únicamente Ba y B
tuvieron una proporción de fracción disuelta superior al 60%. As, Co, V y Zn tuvieron
una proporción equilibrada entre fracción disuelta y particulada.
Figura 6. Proporción de fracción disuelta y particulada de los MP analizados
en las muestras de la sección vial de Fene
15
% 23
%
49
% 55
% 61
%
61
%
65
% 74
%
77
% 84
%
85
%
89
% 98
%
98
%
99
%
85
% 77
%
51
% 45
% 39
%
39
%
35
% 26
%
23
% 16
%
15
%
11
% 2%
2% 1%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
B Ba As Cu V Zn Hg Ni Mn Co Cd Cr Al Pb Fe
% D
E FR
AC
CIÓ
N D
E M
P
METAL PESADO
Fracción particulada Fracción disuelta
71
Para las CMS de la fracción particulada de MP (ver Tabla 11) se obtuvo que los
PFCA DQO, SS, SSV y ST se correlacionaron bien con el 80% de MP (rs ≥ 0,5),
siendo Ba, Hg, y Cd el 20% de los MP que tuvieron correlaciones bajas con dichos
PFCA. Los PFCA DQO soluble, DBO5, N total, P total, SD, SDV, STV, Turbidez,
Conductividad y pH no tuvieron buenas correlaciones con MP (rs < 0,5). Las mejores
correlaciones fueron las obtenidas por SS, seguidas de DQO, P Total, SSV, ST y
Turbidez.
Según la Tabla 12, para las concentraciones medias de la fracción disuelta de MP
se obtuvieron correlaciones buenas únicamente con algunos MP (p. ej. DQO tuvo
correlación buena con 1 MP y SS tuvo correlación buena con 5 MP distintos). No se
presentaron correlaciones medias o altas entre la fracción sólida y disuelta del
mismo metal.
Por lo tanto, los resultados sugirieron una mayor relevancia de la fracción
particulada de MP en los análisis de contaminación en escorrentía vial en Fene, y
coincidieron con los estudios realizados por Kayhanian et al. (2007), en los cuales
se evidenciaron bajas correlaciones con la fracción disuelta de MP.
Tabla 10. Matriz de correlación Spearman para las CMS total en la vía de Fene. DQO DQO Sol. DBO5 N P SS SSV SD SDV ST STV Turb. Conduct. pH Al As Ba B Cd Co Cu Cr Fe Mn Hg Ni Pb V Zn
DQO 1,00
DQO Sol. 0,64 1,00
DBO5 0,87 0,47 1,00
N Total 0,83 0,50 0,92 1,00
P Total 0,90 0,41 0,88 0,95 1,00
SS 0,88 0,35 0,77 0,82 0,90 1,00
SSV 0,92 0,38 0,84 0,87 0,96 0,98 1,00
SD 0,30 0,82 0,18 0,27 0,18 0,09 0,14 1,00
SDV 0,54 0,81 0,56 0,48 0,30 0,22 0,30 0,75 1,00
ST 0,95 0,70 0,72 0,70 0,79 0,83 0,83 0,38 0,49 1,00
STV 0,94 0,70 0,82 0,78 0,78 0,81 0,81 0,38 0,67 0,93 1,00
Turbidez 0,88 0,43 0,87 0,93 1,00 0,94 0,98 0,25 0,38 0,78 0,78 1,00
Conduct. -0,43 0,22 -0,42 -0,15 -0,26 -0,43 -0,46 0,52 0,01 -0,27 -0,39 -0,32 1,00
pH -0,21 -0,33 -0,07 -0,10 -0,23 -0,02 -0,08 -0,14 -0,07 -0,29 -0,21 0,01 0,15 1,00
Aluminio 0,88 0,02 0,81 0,81 0,95 0,98 1,00 -0,19 0,12 0,79 0,69 0,95 -0,60 -0,26 1,00
Arsénico 1,00 0,33 0,88 0,76 0,85 0,83 0,88 -0,10 0,38 0,93 0,88 0,81 -0,62 -0,52 0,88 1,00
Bario 0,66 0,09 0,26 0,20 0,26 0,60 0,60 -0,03 0,09 0,66 0,37 0,26 -0,77 -0,89 0,60 0,66 1,00
Boro -0,37 0,31 -0,20 -0,09 -0,14 -0,26 -0,26 0,54 0,31 -0,37 -0,37 -0,14 0,14 0,03 -0,26 -0,37 0,20 1,00
Cadmio 0,26 0,09 0,26 0,20 0,41 0,43 0,43 -0,31 0,03 0,20 0,14 0,43 -0,83 -0,43 0,43 0,26 1,00 0,80 1,00
Cobalto 0,94 0,14 0,71 0,77 0,89 1,00 1,00 0,26 0,14 0,94 0,77 0,89 -0,43 -0,60 1,00 0,94 0,60 -0,26 0,40 1,00
Cobre 0,76 0,12 0,69 0,67 0,74 0,69 0,79 -0,14 0,17 0,57 0,43 0,71 -0,62 -0,31 0,79 0,76 0,83 0,49 0,71 0,60 1,00
Cromo 0,81 -0,12 0,67 0,64 0,81 0,98 0,95 -0,36 -0,05 0,74 0,64 0,83 -0,76 -0,31 0,95 0,81 0,77 -0,14 0,66 0,94 0,74 1,00
Hierro 0,88 0,02 0,81 0,81 0,95 0,98 1,00 -0,19 0,12 0,79 0,69 0,95 -0,60 -0,26 1,00 0,88 0,60 -0,26 0,43 1,00 0,79 0,95 1,00
Mangan. 0,93 0,07 0,79 0,71 0,87 0,91 0,95 -0,26 0,12 0,81 0,69 0,86 -0,74 -0,41 0,95 0,93 0,77 -0,14 0,60 0,94 0,88 0,93 0,95 1,00
Mercurio 0,17 0,99 0,64 0,55 0,32 0,09 0,09 0,81 0,99 0,17 0,49 0,32 0,23 -0,06 0,09 0,17 0,12 0,46 0,40 0,09 0,17 -0,06 0,09 -0,06 1,00
Níquel 0,93 0,07 0,79 0,71 0,87 0,91 0,95 -0,26 0,12 0,81 0,69 0,86 -0,74 -0,41 0,95 0,93 0,77 -0,14 0,60 0,94 0,88 0,93 0,95 1,00 -0,06 1,00
Plomo 0,86 -0,05 0,71 0,69 0,87 0,95 0,98 -0,29 0,00 0,76 0,62 0,88 -0,71 -0,33 0,98 0,86 0,77 -0,14 0,66 0,94 0,83 0,98 0,98 0,98 -0,06 0,98 1,00
Vanadio 0,91 0,26 0,67 0,50 0,62 0,79 0,76 -0,21 0,24 0,93 0,88 0,60 -0,76 -0,69 0,76 0,91 0,83 -0,26 0,49 0,89 0,60 0,81 0,76 0,83 0,03 0,83 0,79 1,00
Zinc 0,74 -0,02 0,60 0,48 0,54 0,76 0,71 -0,45 0,07 0,62 0,64 0,52 -0,93 -0,41 0,71 0,74 0,94 -0,09 0,89 0,71 0,74 0,83 0,71 0,81 0,12 0,81 0,79 0,83 1,00
Fuente: Elaboración propia. Notas: DQO Sol: DQO soluble, Turb.: Turbidez. En negrilla las correlaciones con rs ≥ 0,5 y p-valor < 0,05
73
Tabla 11. Matriz de correlación Spearman para la CMS particulada en la vía de Fene.
DQO DQO Sol. DBO5 N P SS SSV SD SDV ST STV Turb. Conduct. pH Al As Ba B Cd Co Cu Cr Fe Mn Hg Ni Pb V Zn
DQO 1,00 DQO Sol. 0,64 1,00
DBO5 0,87 0,47 1,00
N Total 0,83 0,50 0,92 1,00
P Total 0,90 0,41 0,88 0,95 1,00
SS 0,88 0,35 0,77 0,82 0,90 1,00
SSV 0,92 0,38 0,84 0,87 0,96 0,98 1,00
SD 0,30 0,82 0,18 0,27 0,18 0,09 0,14 1,00
SDV 0,54 0,81 0,56 0,48 0,30 0,22 0,30 0,75 1,00
ST 0,95 0,70 0,72 0,70 0,79 0,83 0,83 0,38 0,49 1,00
STV 0,94 0,70 0,82 0,78 0,78 0,81 0,81 0,38 0,67 0,93 1,00
Turbidez 0,88 0,43 0,87 0,93 1,00 0,94 0,98 0,25 0,38 0,78 0,78 1,00
Conduct. -0,43 0,22 -0,42 -0,15 -0,26 -0,43 -0,46 0,52 0,01 -0,27 -0,39 -0,32 1,00
pH -0,21 -0,33 -0,07 -0,10 -0,23 -0,02 -0,08 -0,14 -0,07 -0,29 -0,21 0,01 0,15 1,00
Al part. 0,88 0,02 0,81 0,81 0,95 0,98 1,00 -0,19 0,12 0,79 0,69 0,95 -0,60 -0,26 1,00
As part. 0,86 -0,10 0,76 0,76 0,90 0,95 0,98 -0,31 0,00 0,76 0,64 0,91 -0,57 -0,19 0,98 1,00
Ba part. 0,83 -0,26 0,37 0,43 0,60 0,89 0,89 -0,14 -0,26 0,83 0,49 0,60 -0,60 -0,66 0,89 0,94 1,00
B part. 0,14 0,09 -0,03 0,14 0,26 0,31 0,31 0,43 0,09 0,14 -0,09 0,26 -0,31 -0,43 0,31 0,14 0,31 1,00
Cd part. 0,15 0,11 0,05 -0,04 0,09 0,30 0,18 -0,25 0,09 0,21 0,31 0,11 -0,54 -0,41 0,18 0,03 0,15 0,29 1,00
Co part. 0,83 -0,26 0,37 0,43 0,60 0,89 0,89 -0,14 -0,26 0,83 0,49 0,60 -0,60 -0,66 0,89 0,94 1,00 0,31 0,15 1,00
Cu part. 0,86 -0,05 0,71 0,69 0,87 0,95 0,98 -0,29 0,00 0,76 0,62 0,88 -0,71 -0,33 0,98 0,95 0,94 0,49 0,26 0,94 1,00
Cr part. 0,86 -0,05 0,71 0,69 0,87 0,95 0,98 -0,29 0,00 0,76 0,62 0,88 -0,71 -0,33 0,98 0,95 0,94 0,49 0,26 0,94 1,00 1,00
Fe part. 0,88 0,02 0,81 0,81 0,95 0,98 1,00 -0,19 0,12 0,79 0,69 0,95 -0,60 -0,26 1,00 0,98 0,89 0,31 0,18 0,89 0,98 0,98 1,00
Mn part. 0,83 -0,17 0,67 0,64 0,83 0,93 0,95 -0,41 -0,12 0,74 0,57 0,83 -0,69 -0,26 0,95 0,98 1,00 0,31 0,10 1,00 0,98 0,98 0,95 1,00
Hg part. 0,26 0,54 0,49 0,60 0,49 0,37 0,37 0,77 0,54 0,26 0,26 0,49 0,20 -0,09 0,37 0,26 0,20 0,66 -0,09 0,20 0,31 0,31 0,37 0,20 1,00
Ni part. 0,85 -0,11 0,70 0,67 0,86 0,95 0,97 0,35 -0,06 0,76 0,60 0,86 -0,71 -0,30 0,97 0,97 0,99 0,41 0,18 0,99 0,99 0,99 0,97 0,99 0,26 1,00
Pb part. 0,86 -0,05 0,71 0,69 0,87 0,95 0,98 -0,29 0,00 0,76 0,62 0,88 -0,71 -0,36 0,98 0,95 0,94 0,49 0,26 0,94 1,00 1,00 0,98 0,98 0,31 0,99 1,00
V part. 0,81 -0,12 0,67 0,64 0,81 0,98 0,95 -0,36 -0,05 0,74 0,64 0,83 -0,76 -0,31 0,95 0,93 0,94 0,49 0,37 0,94 0,98 0,98 0,95 0,95 0,31 0,97 0,98 1,00
Zn part. 0,76 -0,10 0,57 0,57 0,78 0,95 0,93 -0,26 -0,10 0,76 0,60 0,81 -0,67 -0,38 0,93 0,91 0,94 0,49 0,37 0,94 0,95 0,95 0,93 0,93 0,31 0,95 0,95 0,98 1,00
Fuente: Elaboración propia. Notas: DQO Sol: DQO soluble, Turb.: Turbidez. En negrilla las correlaciones con rs ≥ 0,5 y p-valor < 0,05
74
Tabla 12. Matriz de correlación Spearman para la CMS disuelta en la vía de Fene. DQO DQO Sol. DBO5 N P SS SSV SD SDV ST STV Turb. Conduct. pH Al As Ba B Cd Co Cu Cr Fe Mn Hg Ni Pb V Zn
DQO 1,00
DQO Sol. 0,64 1,00
DBO5 0,87 0,47 1,00
N Total 0,83 0,50 0,92 1,00
P Total 0,90 0,41 0,88 0,95 1,00
SS 0,88 0,35 0,77 0,82 0,90 1,00
SSV 0,92 0,38 0,84 0,87 0,96 0,98 1,00
SD 0,30 0,82 0,18 0,27 0,18 0,09 0,14 1,00
SDV 0,54 0,81 0,56 0,48 0,30 0,22 0,30 0,75 1,00
ST 0,95 0,70 0,72 0,70 0,79 0,83 0,83 0,38 0,49 1,00
STV 0,94 0,70 0,82 0,78 0,78 0,81 0,81 0,38 0,67 0,93 1,00
Turbidez 0,88 0,43 0,87 0,93 1,00 0,94 0,98 0,25 0,38 0,78 0,78 1,00
Conduct. -0,43 0,22 -0,42 -0,15 -0,26 -0,43 -0,46 0,52 0,01 -0,27 -0,39 -0,32 1,00
pH -0,21 -0,33 -0,07 -0,10 -0,23 -0,02 -0,08 -0,14 -0,07 -0,29 -0,21 0,01 0,15 1,00
Al dis. -0,27 -0,48 -0,43 -0,31 -0,22 -0,15 -0,09 -0,24 -0,64 -0,27 -0,62 -0,19 0,10 0,16 1,00
As dis. 0,55 0,80 0,55 0,36 0,28 0,20 0,20 0,37 0,81 0,59 0,78 0,22 -0,26 -0,64 -0,80 1,00
Ba dis. -0,43 0,71 0,14 0,09 -0,20 -0,49 -0,49 0,60 0,71 -0,43 -0,09 -0,20 0,60 0,43 -0,18 0,26 1,00
B dis. -0,60 0,54 -0,09 -0,03 -0,20 -0,54 -0,54 0,66 0,54 -0,60 -0,31 -0,20 0,60 0,49 -0,09 0,09 0,89 1,00
Cd dis. -0,34 0,48 -0,31 -0,45 -0,67 -0,73 -0,73 0,31 0,41 -0,27 -0,09 -0,73 0,31 -0,20 -0,24 0,41 0,66 0,39 1,00
Co dis. 0,60 0,89 0,94 0,83 0,66 0,49 0,49 0,66 0,89 0,60 0,89 0,66 0,09 -0,20 -0,71 0,77 0,37 0,14 0,13 1,00
Cu dis. -0,57 -0,07 -0,48 -0,43 -0,59 -0,76 -0,67 0,10 -0,12 -0,64 -0,69 -0,62 0,52 0,36 0,56 -0,43 0,43 0,43 0,51 -0,60 1,00
Cr dis. -0,69 0,05 -0,75 -0,84 -0,93 -0,79 -0,88 0,08 -0,09 -0,52 -0,41 -0,94 0,25 -0,23 -0,09 0,06 0,17 0,10 0,78 -0,30 0,36 1,00
Fe dis. 0,68 0,36 0,74 0,73 0,77 0,52 0,66 0,17 0,43 0,46 0,40 0,73 -0,37 0,23 -0,07 0,32 0,37 0,54 -0,35 0,34 -0,17 -0,74 1,00
Mn dis. 0,74 0,67 0,76 0,62 0,53 0,50 0,48 0,24 0,76 0,76 0,95 0,48 -0,31 -0,52 -0,74 0,90 0,14 -0,09 0,16 0,94 -0,57 -0,22 0,32 1,00
Hg dis. 0,46 0,98 0,62 0,36 0,36 0,21 0,21 0,46 0,98 0,46 0,62 0,36 -0,56 -0,56 -0,65 0,98 0,36 0,10 0,36 0,87 -0,62 0,36 0,34 0,87 1,00
Ni dis. -0,46 0,22 -0,61 -0,76 -0,79 -0,63 -0,71 0,12 0,02 -0,29 -0,22 -0,81 0,02 -0,37 -0,19 0,28 0,21 0,15 0,75 -0,03 0,17 0,94 -0,52 -0,05 0,80 1,00
Pb dis. -0,52 -0,43 -0,54 -0,44 -0,31 -0,18 -0,23 -0,13 -0,49 -0,54 -0,61 -0,25 -0,13 0,19 0,27 -0,45 -0,06 0,32 -0,27 -0,55 -0,01 0,23 -0,09 -0,65 0,13 0,27 1,00
V dis. -0,38 0,50 -0,38 -0,50 -0,70 -0,76 -0,76 0,38 0,38 -0,25 -0,13 -0,76 0,38 -0,25 -0,20 0,38 0,66 0,39 0,99 0,13 0,50 0,81 -0,41 0,13 0,36 0,78 -0,25 1,00
Zn dis. -0,60 0,36 -0,31 -0,26 -0,52 -0,76 -0,71 0,52 0,41 -0,67 -0,48 -0,55 0,55 0,26 -0,10 0,07 0,94 0,94 0,66 0,26 0,64 0,50 -0,04 -0,21 0,36 0,42 0,19 0,63 1,00
Fuente: Elaboración propia. Notas: DQO Sol: DQO soluble, Turb.: Turbidez. En negrilla las correlaciones con rs ≥ 0,5 y p-valor < 0,05
6.1.1.2. Correlaciones entre factores climatológicos y PFCA
Se realizó un análisis de correlación de Spearman entre parámetros climatológicos
(altura de precipitación y tiempo seco precedente) y la concentración de los
respectivos parámetros y contaminantes (PFCA), como se muestra en la Tabla 13.
Los resultados mostraron que la altura de precipitación estuvo correlacionada con
los PFCA y MP, con excepción de B, DQO soluble y SD. Por ejemplo, esto pudo
explicar por qué en el evento con mayor cantidad de precipitación (evento
muestreado 10, 22,20 mm) la CMS de los PFCA y MP fue mayor que en los demás
eventos. Por el contrario, los días de tiempo seco precedente al evento de
precipitación no mostraron correlaciones significativas con los contaminantes
estudiados y la única correlación se dio con Hg (rs = 0,986).
Tabla 13. Coeficientes de correlación Spearman entre factores
climatológicos y PFCA.
Precipitación (mm)
DQO DQO sol. DBO5 N P SS SSV SD SDV ST STV Turb. Conduc. pH
0,76 0,32 0,76 0,57 0,70 0,64 0,70 -0,04 0,30 0,71 0,77 0,65 -0,58 -0,50
Al As Ba B Cd Co Cu Cr Fe Mn Hg Ni Pb V Zn
0,74 0,91 0,37 -
0,37 0,26 0,77 0,50 0,69 0,74 0,79 0,20 0,79 0,71 0,88 0,60
Días de tiempo seco precedente
DQO DQO sol. DBO5 N P SS SSV SD SDV ST STV Turb. Conduc. pH
0,07 0,20 0,44 0,47 0,28 -0,14 -0,006 0,20 0,53 -0,12 0,13 0,08 -0,09 -0,21
Al As Ba B Cd Co Cu Cr Fe Mn Hg Ni Pb V Zn
0,33 0,52 0,09 0,31 0,03 0,14 0,43 0,14 0,33 0,33 0,99 0,33 0,21 0,29 0,24
Fuente: Elaboración propia.
Los resultados obtenidos en la Tabla 13 sugirieron que la altura de la precipitación
posiblemente influyó en la concentración de contaminantes, puesto que, con
excepción de SD, DQO sol, SDV, Ba, B, Cd y Hg, los otros 22 parámetros tuvieron
desde correlaciones medias hasta correlaciones muy fuertes con la precipitación (rs
> 0,5). Lo anterior coincidió con lo reportado por Kayhanian et al. (2007), Bian y Zhu
(2009), Stagge et al. (2012), Egodawatta et al. (2013), en que la altura de lluvia
influyó sobre el lavado de MP; pero fue contrario con ellos mismos y con Helmreich
76
et al. (2010), Zhao y Li (2013), Berndtsson (2014), en que el tiempo seco precedente
a los eventos de precipitación fueron determinantes en la acumulación de MP.
6.1.1.3. Modelos de regresión
A partir de los resultados obtenidos en la evaluación descriptiva de la información,
en los análisis de correlación, y en la comparación con estudios bibliográficos con
tendencias similares, se observó que los parámetros SS y Fe presentaron
correlaciones significativas con los MP antes descritos. Esto indicó que dichos
parámetros se constituyeron en indicadores de la concentración de MP en la
escorrentía vial. Se realizaron análisis de regresión entre los parámetros que
presentaron correlaciones significativas, con el fin de identificar la tendencia que
mejor representó el comportamiento entre estos. Dichos modelos se realizaron para
los datos de CMS de PFCA y CMS de la fracción total de MP, puesto que la mayoría
de los estudios internacionales relacionados con la presente investigación se
centran en las concentraciones medias del evento de precipitación y en la fracción
total de MP. Se consideraron modelos de tipo logarítmico, lineal, potencial y
exponencial, encontrando que los modelos lineales representaron mejor dicha
relación. Cabe destacar que estos modelos de regresión lineal mostraron la
tendencia únicamente para la sección vial de Fene, y que para encontrar una
tendencia internacional se necesitó el diseño de un modelo de regresión con datos
de diversas secciones viales. En la Figura 7 se muestran las gráficas de los mejores
modelos de regresión lineal, mientras que en el Anexo 4 se encuentran las
ecuaciones de regresión lineal con sus respectivos coeficientes de determinación,
para cada uno de los parámetros indicadores SS y Fe.
77
Figura 7. Mejores modelos de regresión lineal entre las CMS de SS y MP en
la sección vial de Fene.
6.2. RELACIÓN ENTRE DQO Y METALES PESADOS EN SEDIMENTOS
VIALES
6.2.1. CASO DE ESTUDIO EN TORRELAVEGA (ESPAÑA)
Se realizó la evaluación descriptiva de la información mediante la aplicación de las
medidas estadísticas propuestas por Hernández y Collado (1998). En la Tabla 14
se presenta la estadística descriptiva de los resultados de los contaminantes
estudiados en las dos zonas que fueron muestreadas en Torrelavega, España, y
que se diferencian en el uso del suelo y en la intensidad de tráfico diario.
Tabla 14. Resumen de estadísticos descriptivos para los parámetros en
sedimento vial.
Parámetro Media Mediana Moda Varianza Desviación estándar Mínimo Máximo Asimetría
Zona 1
y = 0,0176x + 0,5546R² = 0,974
0
5
10
15
20
0 200 400 600 800 1000
Al (
mg/
L)
SS (mg/L)
y = 0,0281x + 0,9947R² = 0,9644
0
5
10
15
20
25
30
35
0 200 400 600 800 1000
Fe (
mg/
L)
SS (mg/L)
y = 0,1529x + 29,696R² = 0,8533
0
50
100
150
200
0 200 400 600 800 1000
Cu
(μ
g/L)
SS (mg/L)
y = 0,0798x + 4,2084R² = 0,8759
0
20
40
60
80
100
0 200 400 600 800 1000
Pb
(μ
g/L)
SS (mg/L)
78
Pb 203,06 179,79 - 8954,86 90,15 63,99 368,65 0,24
Zn 260,47 260,49 - 2839,99 50,69 157,82 392,71 0,32
Cu 83,24 75,01 - 1156,12 32,31 39,81 167,49 0,96
Cr 25,94 27,95 - 246,92 14,91 2,35 69,50 0,88
Ni 16,74 16,40 - 52,01 6,84 0,00 28,73 -0,64
Cd 15,32 14,72 - 64,93 7,65 0,89 35,78 0,64
Fe 2042,11 2107,27 - 117085,91 324,93 1570,09 2702,30 0,61
Mn 209,16 207,56 - 1537,80 37,20 120,09 268,89 -0,56
Co 22,29 20,79 - 103,80 9,67 5,88 47,25 0,52
DQO 78123,01 77870,23 - 103968863,05 9698,97 56242,06 96910,20 -0,23
Zona 2
Pb 249,44 204,46 - 13073,08 108,91 106,43 472,39 0,69
Zn 267,44 246,14 - 5197,37 68,55 156,26 388,06 0,22
Cu 100,41 98,22 - 1171,00 32,47 40,73 187,92 0,48
Cr 25,27 23,29 - 290,67 16,18 3,40 65,79 0,92
Ni 17,41 19,38 - 122,76 10,52 0,00 36,92 0,00
Cd 12,48 10,61 - 99,82 9,49 0,29 49,02 2,85
Fe 2222,17 2188,57 - 245609,59 470,22 1296,12 3456,71 0,53
Mn 227,64 223,21 - 4742,11 65,34 112,22 418,89 0,87
Co 20,54 20,18 - 171,76 12,43 1,68 55,52 0,80
DQO 68816,30 68736,98 - 256008032,22 15219,28 44535,77 92590,38 -0,16
Nota: Las concentraciones están en mg/kg. Fuente: Elaboración propia
Para la zona 1 de Torrelavega se obtuvo que el MP cuya concentración media fue
superior a la de los demás MP fue el Hierro (2042,11 mg/kg), mientras que los MP
de menor concentración fueron el Níquel (16,74 mg/kg) y Cadmio (15,32 mg/kg).
Adicionalmente, los valores de desviación estándar y la similitud entre las medidas
de tendencia central sugirieron que no hubo gran cantidad de datos extremos
influyendo en los resultados. Los valores de la DQO variaron entre 56242 - 96910
mg/kg.
Para la zona 2 de Torrelavega se obtuvo que el MP con mayor concentración media
fue el Hierro (2222,17 mg/kg), mientras que los MP de menor concentración fueron
el Níquel (17,41 mg/kg) y Cadmio (12,48 mg/kg). Para esta zona tampoco se
reflejaron diferencias considerables entre la media y la mediana de los datos
muestreados. Los valores de la DQO variaron entre 53063 - 92590 mg/kg. Los datos
79
de las concentraciones de MP de las zonas 1 y 2 en Torrelavega pueden verse en
el Anexo 3.
Lo anterior mostró que la tendencia de las concentraciones de MP en las dos zonas
fue similar (las mayores concentraciones fueron para Fe y las menores para Ni y
Cd), y que las pequeñas diferencias en las medidas de tendencia central de la
concentración de los MP pudieron estar asociadas principalmente al uso del suelo,
según lo sugerido por Zhu et al. (2008) y Gunawardana et al. (2012).
6.2.1.1. Correlaciones entre DQO y MP
Con base en la escala de valoración de Hernández y Collado (1998), la matriz de
correlación de Pearson de la Tabla 15 muestra que en la Zona 1 no hubo
correlaciones medias, considerables o muy fuertes (r ≥ 0,5) entre ningún par de
valores DQO-metal pesado; por lo que no es posible evaluar las mejores
correlaciones ni definir a la DQO como parámetro indicador. Aun así, se presentaron
correlaciones débiles de la DQO con Pb (r = 0,361), con Cu (r = 0,321), con Ni (r =
0,405), y con Fe (r = 0,363). Por otro lado, hubo correlaciones medias entre los
metales Cadmio y Cobalto y entre los metales Manganeso y Níquel; correlaciones
que según Zafra-Mejía et al. (2019) podrían indicar afinidad en el origen (i.e. la
fuente de contaminación).
La matriz de correlación de Pearson de la Tabla 16 mostró que en la Zona 2 hubo
una correlación media (r ≥ 0,5) entre la DQO y el Pb y entre la DQO y el Fe, mientras
que las correlaciones DQO-Cu, DQO-Zn y DQO-Mn fueron correlaciones débiles.
Por otro lado, existieron correlaciones medias entre varios pares de metales como
Pb-Cu, Pb-Cr, Pb-Mn, Cr-Co, Fe-Mn.
Tabla 15. Matriz de correlación Pearson para zona 1 de Torrelavega.
Pb Zn Cu Cr Ni Cd Fe Mn Co DQO
Pb 1
Zn 0,332 1
Cu 0,264 0,132 1
Cr -0,152 0,345 0,037 1
Ni 0,149 -0,071 0,131 0,353 1
80
Cd 0,330 0,351 -0,068 0,135 -0,001 1
Fe 0,469 0,285 0,106 0,008 -0,05 0,124 1
Mn -0,206 0,051 -0,071 0,356 0,621 0,168 0,082 1
Co 0,223 0,098 -0,32 -0,17 -0,255 0,672 -0,024 -0,078 1
DQO 0,361 -0,115 0,321 0,1 0,405 -0,104 0,363 0,03 -0,018 1
Nota: En negrilla las correlaciones con rs ≥ 0,5 y p-valor < 0,05
Fuente: Elaboración propia.
Tabla 16. Matriz de correlación Pearson para zona 2 de Torrelavega.
Pb Zn Cu Cr Ni Cd Fe Mn Co DQO
Pb 1
Zn 0,328 1
Cu 0,552 0,192 1
Cr 0,593 0,103 0,445 1
Ni 0,436 0,058 0,298 0,421 1
Cd -0,004 -0,073 0,1 -0,176 0,051 1
Fe 0,344 0,37 0,175 -0,138 -0,016 0,01 1
Mn 0,603 0,302 0,313 0,248 0,372 -0,042 0,782 1
Co 0,351 -0,143 0,231 0,594 0,085 -0,191 -0,35 -0,121 1
DQO 0,547 0,373 0,404 -0,248 0,202 -0,094 0,624 0,472 -0,05 1
Nota: En negrilla las correlaciones con rs ≥ 0,5 y p-valor < 0,05
Fuente: Elaboración propia.
Las tablas de correlación sobre las concentraciones medias para la zona 1 de la vía
en Torrelavega mostraron que las correlaciones entre la DQO y los metales pesados
Pu, Cu, Zn, Ni y Fe fueron débiles (0,11 < r < 0,50), mientras que no existió
correlación de DQO con los demás MP (r ≤ 0,10). La existencia de relaciones débiles
entre la DQO y los metales mencionados pudo obedecer a que el estudio analizó
fracciones de metales < 2000 μm, pero las mejores correlaciones estarían dadas
para fracciones de metales menores a la estudiada (p. ej. fracciones < 250 μm), que
son los tamaños de partícula que emiten las fuentes asociadas con la presencia de
MP en vías según lo encontrado por Ball et al. (1998). De esta manera, los
resultados de la Zona 1 indicaron una baja dependencia entre la DQO y los MP
estudiados para fracciones < 2000 μm, pero sugirieron la ejecución de ejercicios de
investigación que consideren diferentes tamaños de partícula en MP.
81
Las tablas de correlación sobre las concentraciones medias en la Zona 2 mostraron
que las correlaciones y las regresiones entre la DQO y los metales Pb y Fe fueron
medias (r ≥ 0,5) y mayores que las correlaciones de la DQO con demás metales
(débiles o inexistentes). Las razones de los resultados de la Zona 2 se asemejan a
los planteados para la Zona 1. Las correlaciones obtenidas en la Zona 2 son
levemente mejores que las obtenidas en la Zona 1 y pueden obedecer a que la Zona
2 tuvo mayor densidad residencial. Este comportamiento coincidió con lo
encontrado por Zhu et al. (2008) y Duong & Lee (2011) quienes sugirieron que las
concentraciones de MP en áreas residenciales podrían ser más altas.
6.2.1.2. Modelos de regresión
Los modelos de regresión lineal de la Zona 1 y Zona 2 (ver Anexo 4) mostraron la
dificultad de la DQO para establecer tendencias de comportamiento de los MP cuya
fracción de tamaño sea < 2000 μm y, por lo tanto, la inconveniencia de considerarlo
un parámetro indicador en el sedimento de la vía estudiada en Torrelavega, España.
No obstante, hubo correlaciones débiles Pb-DQO (R² = 0,2987), Pb-Cu (R² =
0,3044), Pb-Cr (R² = 0,3517) y Pb-Mn (R² = 0,3637) que sugirieron que para
fracciones de tamaño más pequeñas el Pb podría convertirse en un parámetro
indicador de los demás metales.
6.3. ADAPTACIONES EN LA CIUDAD DE BOGOTÁ (COLOMBIA)
6.3.1. Escorrentía vial
La Tabla 17 presenta una extensa revisión bibliográfica internacional que permitió
obtener diversos estudios, los cuales mostraron concentraciones totales de metales
pesados (fracción disuelta + fracción particulada) asociadas con la concentración
media de la escorrentía vial para diferentes intensidades de tráfico.
Tabla 17. Revisión internacional de concentraciones de MP en la escorrentía vial a partir de diferentes intensidades de tráfico.
Ubicación. a
TPD (Vehículos/
día) c
Período de muestreo
Uso del suelo Concentración (µg/L) d Investigador,
año
Al As Ba Co Cr Fe Hg Mn Ni V Pb Zn Cu Cd
Múnich, Alemania 57000 2008-2010 Residencial 55 56 847 191 Helmreich et al.,
2010
Guangzhou, China 31000 2005-2006 Rural 26,8 13,4 92,3 700 90 1,5 Gan et al., 2008
Hamburgo, Alemania 500 1987 Residencial 4900 3,3 66,2 3,1 9,6 6100 215,7 13,9 8,5 122 165,6 75,9 1,4 Dannecker et al.,
1990
Hamburgo, Alemania 16200 1987 Comercial 1700 2,7 86,6 1,3 11 3500 111,5 10,6 7,2 200,3 236,2 143,5 1,9 Dannecker et al.,
1990
Rezé, Francia 2000 1991-1994 Residencial 26 165 11 1,48 Legret et al.,
1996
Marquette, Míchigan, EE. UU. 10600 1993-1994 Residencial/Abierto 37 256 28 0,9 Steuer et al.,
1997
Marquette, Míchigan, EE. UU. 5100 1993-1994 Residencial/Abierto 29 166 30 0,9 Steuer et al.,
1997
Marquette, Míchigan, EE. UU. 3100 1993-1994 Residencial/Abierto 21 75 14 0,5 Steuer et al.,
1997
Madison, Wisconsin, EE. UU. 20000 1991 Residencial 16 50 508 46 1,8 Bannerman et
al., 1993
Madison, Wisconsin, EE. UU. 7300 1991 Residencial 12 55 339 56 1,4 Bannerman et
al., 1993
Madison, Wisconsin, EE. UU. 400 1991 Residencial 5 33 220 24 0,8 Bannerman et
al., 1993
Madison, Wisconsin, EE. UU. 18600 1994-1995 Comercial 25 202 26 0,8 Waschbusch,
1996
Madison, Wisconsin, EE. UU. 6157 1994-1995 Comercial 46 118 24 0,4 Waschbusch,
1996
Madison, Wisconsin, EE. UU. 378 1994-1995 Residencial 10 66 9 0,3 Waschbusch,
1996
Little Rock, Arkansas, EE. UU. b 42000 1970-1980 Residencial 2900 108 167 19
Driscoll et al., 1990
Los Ángeles, California, EE. UU. b 200000 1970-1980 Comercial/Residencial 987 666 6
Driscoll et al., 1990
Sacramento, California, EE. UU. b 86000 1970-1980 Suburbano 12 3230 0,001 278 269 68 12
Driscoll et al., 1990
Walnut Creek, California, EE. UU. b 70000 1970-1980 Residencial 900 341 1
Driscoll et al., 1990
Denver, Colorado, EE. UU. b 149000 1970-1980 Suburbano 24 14320 0,886 705 644 104 19 Driscoll et al.,
1990
Broward Co, Florida, EE. UU. b 20000 1970-1980 Comercial/Residencial 236 71 5 1 Driscoll et al.,
1990
Miami, Florida, EE. UU. b 140000 1970-1980 Indefinido 14 623 303 43 2 Driscoll et al.,
1990
83
Ubicación. a
TPD (Vehículos/
día) c
Período de muestreo
Uso del suelo Concentración (µg/L) d Investigador,
año
Al As Ba Co Cr Fe Hg Mn Ni V Pb Zn Cu Cd
Minneapolis, Minnesota, EE. UU. b 80000 1970-1980 Comercial/Residencial 116 20
Driscoll et al., 1990
St. Paul, Minnesota, EE. UU. b 65000 1970-1980 Comercial/Residencial 407 30 Driscoll et al.,
1990
Efland, Carolina del Norte, EE. UU. b 26000 1970-1980 Rural 2 2420 11 50 38 1
Driscoll et al., 1990
Harrisburg, Pensilvania, EE. UU. b 24000 1970-1980 Suburbano 16 990 0,831 91 51 29 22
Driscoll et al., 1990
Harrisburg, Pensilvania, EE. UU. b 56000 1970-1980 Suburbano 19 7580 0,281 26 167 87 7
Driscoll et al., 1990
Nashville, Tennessee, EE. UU. b 88000 1970-1980 Indefinido 19 4890 1,33 411 259 56 24
Driscoll et al., 1990
Montesano, Washington, EE. UU. b 7300 1970-1980 Rural/Agricultura 175 100 36
Driscoll et al., 1990
Pasco, Washington, EE. UU. b 4000 1970-1980 Rural/Desértico 101 325 25 Driscoll et al.,
1990
Pullman, Washington, EE. UU. b 5000 1970-1980 Rural/Agricultura 130 99 26
Driscoll et al., 1990
Seattle, Washington, EE. UU. b 106000 1970-1980 Residencial 451 382 37
Driscoll et al., 1990
Seattle, Washington, EE. UU. b 84000 1970-1980 Indefinido 1065 280 72
Driscoll et al., 1990
Snoqualmie Pass, Washington, EE. UU. b 15000 1970-1980 Rural/forestal 65 71 25
Driscoll et al., 1990
Vancouver, Washington, EE. UU. b 17000 1970-1980 Suburbano 46 40 17
Driscoll et al., 1990
Milwaukee, Wisconsin, EE. UU. b 85000 1970-1980 Residencial 36 11720 1,551 738 371 75 29
Driscoll et al., 1990
Milwaukee, Wisconsin, EE. UU. b 116000 1970-1980 Residencial 18 6030 0,002 817 465 155 11
Driscoll et al., 1990
Austin, Texas, EE. UU. b 43000 2004-2005 Comercial 10 163 28 Li & Barret, 2008
Austin, Texas, EE. UU. b 35000 2004-2006 Comercial 8 125 19 Li & Barret, 2008
Austin, Texas, EE. UU. b 35000 2004-2007 Comercial 12 162 29 Li & Barret, 2008
Austin, Texas, EE. UU. b 58150 1993-1995 Comercial/Residencial 2824 53 222 37 Barret et al.,
1998
Austin, Texas, EE. UU. b 8780 1993-1995 Rural/Residencial 1401 15 44 7 Barret et al.,
1998
Austin, Texas, EE. UU. b 47240 1993-1995 Comercial/Residencial 249 3 24 12 Barret et al.,
1998
Charlotte, Carolina del Norte, EE. UU. b 25000 1995-1996 Forestal/Residencial 6,5 9 15 15 2,5 Wu et al., 1998
Charlotte, Carolina del Norte, EE. UU. b 21500 1995-1996 Forestal/Residencial 2,5 2,5 13 12 2,5 Wu et al., 1998
84
Ubicación. a
TPD (Vehículos/
día) c
Período de muestreo
Uso del suelo Concentración (µg/L) d Investigador,
año
Al As Ba Co Cr Fe Hg Mn Ni V Pb Zn Cu Cd
Charlotte, Carolina del Norte, EE. UU. b 5500 1995-1996 Forestal/Residencial 2,5 2,5 6 2,5 2,5 Wu et al., 1998
Londres, Reino Unido. 140000 1997-1998 Suburbano 6,7 105 329 93 29 81 208 274 14,1 Hares & Ward,
1999
Londres, Reino Unido. 120000 1997-1998 Suburbano 5,6 86 279 76 26 70 188 248 11,9 Hares & Ward,
1999
Augsburgo, Alemania 6800 1996-2005 Indefinido 6 2090 5 13 381 35 0,2 Nadler &
Meißner, 2007
Vila Real, Portugal. 6000 Semirrural 12,5 308 24,1
Barbosa & Hvitved-
Jacobsen, 1999
Neckarsulm, Alemania 34675 1990-1991 Suburbano 14 2200 96 596 70 1,7 Stotz & Krauth,
1994
Nantes, Francia b 12000 1995-1996 Suburbano 43 254 33 0,74 Legret &
Pagotto, 1999
Pleidelsheim, Alemania 41000 1978 Rural/Agricultura 9,6 3420 202 360 97 5,9 Stotz, 1987
Obereisesheim, Alemania 47000 1979 Rural/Agricultura 20,4 5160 245 620 117 5,9 Stotz, 1987
Ulm, Alemania 40600 1981 Rural/Agricultura 5,2 2180 163 320 58 2,8 Stotz, 1987
Curitiba, Brasil 9000 2002-2004 Residencial 15 8,3 0,32 Prestes et al.,
2006
Múnich, Alemania b 57000 2006-2007 Residencial 18 549 150 Hilliges et al.,
2013
Macao, China 30000 2005-2006 Comercial 56 240 41 Huang et al.,
2007
Nantes, Francia 12000 1995-1998 Suburbano 40 228 30 0,88 Pagotto et al.,
2000
Kildare, Irlanda 30000 2005 Suburbano 67 181 46 4,5 Gill et al., 2017
Sídney, Australia b 84500 2007-2008 Residencial 46,9 275,85 80,05 Davis & Birch,
2010
Sídney, Australia b 2000 2007-2008 Residencial 181,1 178,55 45,35 Davis & Birch,
2010
a. Estudios que realizaron la investigación con media aritmética.
b. Estudios que realizaron la investigación con mediana.
c. TPD sin motocicletas.
d. Los valores de concentración corresponden a la fracción total de metales pesados (fracción disuelta + particulada)
Fuente: Elaboración propia.
Se realizaron pruebas de normalidad (ver Anexo 1) y posteriormente un análisis de
correlación de Spearman con el fin de evaluar la relación entre la intensidad de
tráfico (TPD) y la concentración de MP. En la Tabla 18 se presenta la respectiva
matriz de correlación de Spearman.
Tabla 18. Matriz de correlación Spearman entre TPD y la CMS de MP en escorrentía vial para la revisión bibliográfica internacional. Fuente:
Elaboración propia.
TPD Al As B Ba Co Cr Fe Hg Mn Ni V Pb Zn Cu Cd
TPD 1.000
Al -1.000 1.000
As -1.000 1.000 1.000
B - - - -
Ba 1.000 -1.000 -1.000 - 1.000
Co 0,919 1.000 1.000 - -1.000 1.000
Cr 0,615 -1.000 -1.000 - 1.000 0,949 1.000
Fe 0,684 1.000 1.000 - -1.000 1.000 0,758 1.000
Hg -0,029 - - - - - 0,717 0,362 1.000
Mn 0,839 1.000 1.000 - -1.000 0,985 0,882 1.000 - 1.000
Ni 0,963 1.000 1.000 - -1.000 0,962 0,992 0,950 - 0,902 1.000
V 0,991 1.000 1.000 - -1.000 0,963 0,997 1.000 - 0,903 0,998 1.000
Pb 0,683 -1.000 -1.000 - 1.000 -0,963 0,059 0,751 0,218 -0,953 0,132 -0,849 1.000
Zn 0,433 -1.000 -1.000 - 1.000 -0,292 -0,08 0,516 0,039 -0,425 -0,128 -0,071 0,371 1.000
Cu 0,590 -1.000 -1.000 - 1.000 0,817 0,867 0,504 -0,459 0,708 0,935 0,939 0,222 0,477 1.000
Cd 0,551 -1.000 -1.000 - 1.000 0,942 0,410 0,514 0,927 0,871 0,977 0,997 0,442 0,115 0,402 1.000
Nota: En gris, correlaciones con rs ≥ 0,50 y p-valor >0,05
Los resultados a nivel internacional mostraron una correlación positiva considerable
entre la intensidad de tráfico (tráfico promedio diario, TPD) y las CMS de los
siguientes metales pesados: Cr (rs Spearman = 0,615), Fe (rs = 0,684), Pb (rs =
0,683), Cu (rs = 0,590) y Cd (rs = 0,551). Existió también una correlación media
entre TPD-Zn (rs = 0,433). Lo anterior, coincidió con lo planteado por Chen et al.
(2010) y McKenzie e Irwin (1983), quienes reportaron que la deposición de MP sobre
las superficies viales era proporcional a la intensidad de tráfico; y con Bannerman
et al. (1993) y Zafra et al. (2017), quienes evidenciaron que la cantidad de Pb, Zn, y
Cu presente en la escorrentía vial podía relacionarse con la intensidad de tráfico.
86
Adicionalmente, los resultados a nivel internacional mostraron una correlación
positiva considerable o muy fuerte entre los siguientes pares de MP: Cr-Fe (rs =
0,758), Cr-Cu (rs = 0,867), Fe-Pb (rs = 0,751), Fe-Zn (rs = 0,516), Fe-Cu (rs = 0,504),
Fe-Cd (rs = 0,514). En la vía de Fene la correlación entre metales para CMS fueron
Cr-Cu (rs = 0,738), Cr-Fe (rs = 0,952), Fe-Pb (rs = 0,976), Fe-Zn (rs = 0,714), Fe-
Cu (rs = 0,786). Lo anterior, mostró que el Fe se correlacionó muy bien en la vía de
Fene con los siguientes MP: Cr, Cu, Pb y Zn. Kayhanian et al. (2007) reportaron
resultados similares, por lo que esta tendencia sugirió al Fe como un posible
parámetro indicador de estos cuatro MP.
Los MP que aparecen resaltados en gris en la Tabla 18 (Al, As, B, Ba, y Co), y los
siguientes MP: Hg, Ni y V, han sido poco estudiados y comparados con TPD a nivel
internacional; de manera que el número de datos obtenidos para estos metales (n
< 15) derivó en que el coeficiente de Spearman no fuera significativo (p valor > 0,05).
Con lo anterior, no se pudo inferir si los estudios internacionales sugerían que dichos
metales en escorrentía vial tuvieran un tipo de asociación con el TPD, ni hacer
adaptación de concentraciones de estos metales a la ciudad de Bogotá, pues faltó
información para estudiarlos.
A partir de la información reportada a nivel internacional, se desarrollaron modelos
de regresión lineal para los siguientes MP: Cr (rs = 0,615; Cr = 0,0003*TPD +
3,3474; R2 = 0,3784); Fe (rs = 0,684; Fe = 0,0635*TPD + 1129; R2 = 0,468); Pb (rs
= 0,683; Pb = 0,0041*TPD + 2,6407; R2 = 0,4666); Zn (rs = 0,433; Zn = 0,0018*TPD
+ 191,91; R2 = 0,1871); Cu (rs = 0,590; Cu = 0,0008*TPD + 21,808; R2 = 0,348); Cd
(rs = 0,551; Cd = 0,00008*TPD + 1,7275; R2 = 0,3036). Dichos modelos se
presentan de manera gráfica en la Figura 8. También se probaron modelos de tipo
logarítmico, exponencial y potencial, pero el modelo lineal presentó el mejor ajuste.
87
Figura 8. Modelos de regresión lineal entre TPD y concentraciones de MP en escorrentía vial para estudios internacionales.
6.3.2. Sedimento vial
La Tabla 19 presenta la revisión bibliográfica internacional que permitió obtener
estudios que mostraron concentraciones medias de MP asociadas con el sedimento
vial para diferentes intensidades de tráfico.
y = 0,0003x + 3,3474R² = 0,3784
0
20
40
60
80
100
120
0 50000 100000 150000 200000
Co
nce
ntr
ació
n C
r (µ
g/L)
TPD (Vehículos/día)
y = 0,0635x + 1129R² = 0,468
0
5000
10000
15000
20000
0 50000 100000 150000 200000
Co
nce
ntr
ació
n F
e (
µg/
L)
TPD (Vehículos/día)
y = 0,0041x + 2,6407R² = 0,4666
0
200
400
600
800
1000
1200
0 50000 100000 150000 200000
Co
nce
ntr
ació
n P
b (
µg/
L)
TPD (Vehículos/día)
y = 0,0018x + 191,91R² = 0,1871
0
200
400
600
800
1000
0 50000 100000 150000 200000
Co
nce
ntr
ació
n Z
n (
µg/
L)
TPD (Vehículos/día)
y = 0,0008x + 21,808R² = 0,348
0
50
100
150
200
250
300
0 50000 100000 150000 200000Co
nce
ntr
ació
n C
u (
µg/
L)
TPD (Vehículos/día)
y = 8E-05x + 1,7275R² = 0,3036
0
5
10
15
20
25
30
35
0 50000 100000 150000 200000
Co
nce
ntr
ació
n C
d (
µg/
L)
TPD (Vehículos/día)
Tabla 19. Revisión internacional de la concentración media de MP en el sedimento vial a partir de diferentes intensidades de tráfico (TPD).
Ubicación TPD (Vehículos/día) Período de muestreo
Uso del suelo Fracción de
tamaño (μm) Concentración (mg/kg)
Investigador, año Cr Ni Cd Fe Mn Co Pb Zn Cu
Davis, EE. UU. 130000 2007-2008 Agricultura/Urbano < 1000 110 414 236 Kayhanian et al., 2012
Barcelona, España 120000 2007 Urbano <10 130 53 3 617 10 229 1252 771 Amato et al., 2009
Massachusetts, EE. UU. 106000 2008 Comercial/Residencial < 2000 142 30720 79 381 172 Apeagyei et al., 2011
Londres, Inglaterra 96000 1979 Suburbano < 250 6,3 22700 766 2296 1212 386 Ellis & Revitt, 1982
Londres, Inglaterra 80000 Comercial < 2000 175 31 12 27322 375 227 1145 337 Crosby et al., 2014
Baltimore, EE. UU. 45575 2005-2006 Residencial < 63 343 196 Camponelli et al., 2010
Londres, Inglaterra 42000 1979 Suburbano < 250 5,3 15130 792 1826 695 280 Ellis & Revitt, 1982
Zhenjiang, China 34512 2006 Comercial/Residencial < 2000 589 687 158 Bian & Zhu, 2009.
Tokio, Japón 28250 2004 Residencial < 2000 1500 340 Murakami et al., 2009
Tokio, Japón 28250 2004 Residencial < 2000 1525 708 Murakami et al., 2009
Hamilton, Nueva Zelanda 25000 2001 Reserva 125-250 251 1073 181 Zanders, 2005
Christchurch, Nueva Zelanda 24000 2008 Comercial < 1000 290 370 73 Rijkenberg & Depree, 2010
Hildesheim, Alemania 22000 1984-1985 Residencial < 2000 255 120 84 Grottker, 1987
Ulsan, Corea del Sur 20118 2008 Suburbano < 2000 33 3,44 153 325 182 Duong & Lee, 2011
Lulea, Suecia 20000 1996 Residencial 75-125 68 150 89 Viklander, 1998
Tokio, Japón 19600 2004 Comercial < 2000 130 2 540 200 1300 510 Murakami et al., 2008
Barcelona, España 15000 Suburbano < 100 88 36 4,46 283 542 216 Pérez et al., 2008
Jönköping, Suecia 11200 < 2000 23 125 119 German & Svensson, 2002
Beijing, China 8900 2009 Urbano/Residencial 150-250 58,1 21,1 0,3 68 268 77,2 Zhao et al., 2010
Sídney, Australia 8800 1994 Residencial < 200 511 249 124 Ball et al., 1998
Aberdeen, Escocia 6900 1999 Residencial 63-250 0,58 305 345 325 Deletic & Orr, 2005
Lulea, Suecia 5000 1996 Residencial 75-125 15 80 53 Viklander, 1998
Lulea, Suecia 4500 1996 Residencial 75-125 14 100 91 Viklander, 1998
Bilbao, España 1800 Rural < 2000 630 200 45 Carrero et al., 2013
Londres, Inglaterra 2400 1979 Suburbano < 250 6 15280 816 978 2133 91 Ellis & Revitt, 1982
Dresde, Alemania 12600 2015 Comercial/Residencial < 1000 35 0,4 514 249 Zhang et al., 2019
Singapur, Malasia 726 2011 Residencial < 63 312 59 10 297 1585 465 Yuen et al., 2012
Fuente: Adaptado de Zafra et al., 2017.
Se realizaron las respectivas pruebas de normalidad y posteriormente un análisis
de correlación de Pearson con el fin de evaluar la relación entre TPD y la
concentración de MP. También se evaluó la afinidad en el origen de los metales
(i.e., la posible fuente de contaminación). En la Tabla 20 se presenta la matriz de
correlación de Pearson.
Tabla 20. Matriz de correlación de Pearson entre TPD y concentración de MP en sedimento vial para la revisión bibliográfica internacional.
TPD Pb Zn Cu
TPD 1,000
Pb 0,175 1,000
Zn 0,129 0,380 1,000
Cu 0,402 0,161 0,623 1,000
Fuente: Elaboración propia.
Los resultados a nivel internacional mostraron que para la fracción de tamaño <
2000 μm no existieron buenas correlaciones (r ≥ 0,50) entre TPD y las
concentraciones medias de los siguientes MP: Pb y Zn; pero sí mostraron
correlaciones débiles con la concentración de Cu (r = 0,402). Esto fue diferente a lo
planteado por Bannerman et al. (1993) y Zafra et al. (2017), los cuales evidenciaron
que la cantidad de Pb y Zn en sedimento vial pudo relacionarse con la intensidad
de tráfico, aunque coincidió con ellos mismos en la relación entre Cu y TPD. Lo
anterior pudo indicar dos cosas: 1) Que la intensidad de tráfico se correlacionó
levemente con la concentración de MP en sedimento vial, debido a otros factores
que pudieron tener mayor influencia en dicha concentración (p. ej. material
particulado proveniente de la industria); 2) Que la relación entre intensidad de tráfico
y la concentración de MP en sedimento vial se pudo dar para tamaños de fracción
específicos, es decir, que los residuos de metales que aportan los vehículos se
encontraron en un rango diferente al analizado (p. ej. tamaño < 250 μm), y por eso
las correlaciones fueron bajas. La segunda hipótesis concuerda con lo planteado
por Ball et al (1998) y Zafra-Mejía et al. (2019), quienes reportaron este tipo de
comportamiento en fracciones finas de sedimento vial.
90
La revisión bibliográfica permitió evidenciar que Cr, Ni, Cd, Fe, Mn, y Co, han sido
poco comparados con TPD a nivel internacional (n < 15), de manera que se optó
por no realizar el análisis estadístico para ellos. Con lo anterior, no se puede inferir
si los estudios internacionales sugieren que dichos metales en sedimento vial tienen
un tipo de asociación con el TPD, ni hacer adaptación de concentraciones de estos
metales a la ciudad de Bogotá.
En cuanto a la afinidad en el origen entre MP, los resultados a nivel internacional
mostraron que existió correlación media entre las concentraciones medias de Cu y
Zn (r = 0,623) y correlaciones débiles entre las concentraciones medias de Pb y Zn
(r = 0,38). En la Zona 1 de la vía de Torrelavega no hubo buenas correlaciones (r ≥
0,5) entre Pb, Zn y Cu, mientras que en la Zona 2 hubo una correlación media entre
Cu y Pb (r = 0,552). Lo anterior evidencia que para el sedimento vial no existieron
resultados que permitan sugerir a algún MP como parámetro indicador de los
demás, pues no coinciden las correlaciones del nivel local (Torrelavega) con las de
nivel internacional.
A partir de la información reportada a nivel internacional se desarrolló un modelo de
regresión lineal para Cu (r = 0,402; Cu = 0,002*TPD + 171,62; R2 = 0,1616). El
coeficiente de determinación R2 mostró que el modelo no fue útil para predecir la
concentración de Cu a partir del TPD. Dicho modelo se presenta de manera gráfica
en la Figura 9. El comportamiento de este modelo puede estar dado por la
heterogeneidad en el intervalo de tamaños de fracción estudiados a nivel
internacional y tomado como base para el análisis, puesto que las buenas relaciones
pueden estar dadas para fracciones finas, según lo reportado por Ball et al. (1998).
91
Figura 9. Modelo de regresión lineal ente tráfico promedio diario TPD y Cu en
el sedimento vial.
6.3.3. Pronósticos para Bogotá (Colombia)
Los pronósticos para las superficies viales de Bogotá se muestran en la Tabla 21.
Estos pronósticos se hicieron teniendo en cuenta lo planteado por Barrett et al.
(1995) y Zafra et al. (2017) quienes reportaron al uso del suelo como un factor físico
que influyó en la concentración de MP. Por esta razón, los pronósticos realizados
pudieron estar por debajo del promedio real en vías que se localizaron dentro o
cerca de zonas industriales o comerciales.
6.3.3.1. Concentración en la escorrentía vial
Los resultados mostraron que las concentraciones de Cr, Fe, Pb, Cu y Cd en la
escorrentía vial de la vía de máximo TPD (Av. Boyacá entre Av. 1° de Mayo y Calle
13,187600 vehículos/día) podrían alcanzar magnitudes de hasta 60, 13042, 772,
172 y 17 µg/L, respectivamente. Las concentraciones máximas reportadas a nivel
internacional fueron de 105, 14320, 1065, 274 y 29 µg/L para Cr, Fe, Pb, Cu y Cd
(TPD entre 84000-149000 vehículos/día), lo que indicó que las concentraciones de
la Av. Boyacá entre Av. 1° de Mayo y Calle 13 podría alcanzar hasta un 91% de la
concentración máxima de Fe reportada a nivel internacional, en Denver, E.U.
y = 0,002x + 171,62R² = 0,1616
0
100
200
300
400
500
600
700
800
900
0 20000 40000 60000 80000 100000 120000 140000
Cu
(m
g/kg
)
TPD (Vehículos/día)
92
(Driscoll et al, 1990; TPD 149000 veh./día). Las concentraciones de los otros MP en
esta vía de Bogotá podrían alcanzar entre 57%-72% de las concentraciones
máximas reportadas a nivel internacional (Discroll et al., 1990) y (Hares & Ward,
1999). El pronóstico sobre la vía con menor TPD (Cra. Séptima con Calle 183)
sugirió que podrían alcanzarse magnitudes de Cr, Fe, Pb, Cu y Cd de hasta 5, 1396,
20, 25 y 2 µg/L, respectivamente.
Siguiendo el modelo internacional, la vía de Fene cuyo TPD es 17749 vehículos/día,
podría alcanzar CMS de Cr, Fe, Pb, Cu y Cd de hasta 9, 2256, 75, 36 y 3 µg/L,
respectivamente. Estos valores pronosticados para la vía de Fene, comparados con
la mediana de los valores tomados en campo, que son 5, 3860, 8, 37 y 0,1 µg/L para
Cr, Fe, Pb, Cu y Cd, no difieren mucho, salvo para el Pb. Los valores de Pb pueden
ser siempre más elevados en los pronósticos debido a que en el modelo lineal están
inmersos estudios anteriores a la década de los 90, en los cuales posiblemente aún
se permitía gasolina con plomo en varias partes del mundo, según lo sugerido por
Kayhanian et al. (2007).
6.3.3.2. Concentración en sedimento vial
Para el sedimento vial los resultados mostraron que las concentraciones de Cu en
la vía de máximo TPD (Av. Boyacá entre Av. 1° de Mayo y Calle 13) podrían alcanzar
magnitudes de hasta 547 mg/Kg. Las concentraciones máximas reportadas a nivel
internacional fueron de 771 mg/Kg para Cu (Amato et al., 2019; TPD = 120.000
vehículos/día), lo que indicó que las concentraciones de la Av. Boyacá entre Av. 1°
de Mayo y Calle 13 podrían alcanzar hasta un 71% de esta concentración máxima
reportada a nivel internacional. El pronóstico sobre la vía con menor TPD (Cra.
Séptima con Calle 183) sugiere que se podrían alcanzar concentraciones con
magnitudes de Cu de hasta 180 mg/Kg.
Siguiendo el modelo internacional, la vía de Torrelavega, cuyo TPD es de 3800
vehículos/día, podría alcanzar magnitudes de Cu de hasta 179 mg/Kg. Estos valores
pronosticados para la vía de Torrelavega, comparados con la media de los valores
de campo de la Zona 2 cuyo valor es 100 mg/kg, tienen diferencias significativas.
93
Esta diferencia puede ser causada por el bajo coeficiente de determinación del
modelo de regresión, ocasionado a la vez por la heterogeneidad de los tamaños de
fracción estudiados en los artículos usados como base para la elaboración del
modelo.
Es importante destacar que la mayoría de las vías que se encuentran al occidente
de la ciudad de Bogotá (después de la Av. 68) están rodeadas o tienen una
influencia considerable de predios de carácter industrial que están asociados con
emisiones, razón por lo que es posible que las concentraciones de MP allí realmente
sean mayores que lo pronosticado. Lo mismo ocurre con vías cerca de la zona
industrial (Av. de las Américas con Cra. 40) y de Toberín (Autopista Norte con Calle
170).
Adicionalmente, se realizaron mapas de riesgo en los que se visualizan las vías de
estudio con su grado de contaminación, tanto para concentraciones de MP en
escorrentía como para sedimento vial. Estos mapas serán presentados en el
siguiente apartado.
Tabla 21. Pronóstico para la concentración de MP en Bogotá a partir de intensidad de tráfico TPD.
Vías para pronóstico a TPD
(Vehículos/día) Uso actual del suelo e
Concentraciones (µg/L) Modelo de regresión lineal en escorrentía vial Concentraciones (mg/Kg)
Modelo de regresión lineal en Sedimento vial
Cr Fe Pb Cu Cd Cu
Av. Boyacá entre Av. 1° de Mayo y Calle 13
187600b Residencial/Industrial 59,6 13041,6 771,8 171,9 16,7 546,8
Av. Suba con Calle 100 157300b Residencial/Comercial 50,5 11117,6 647,6 147,6 14,3 486,2
Av. Boyacá con Av. Jorge Gaitán Cortés.
55200b Residencial/Industrial 19,9 4634,2 229,0 66,0 6,1 282,0
Autopista Norte con Calle 200
49000b Comercial/Universidades/Otros 18,0 4240,5 203,5 61,0 5,6 269,6
Av. Jorge Gaitán Cortés con Av. Boyacá
26900b Residencial/Industrial 11,4 2837,2 112,9 43,3 3,9 225,4
Cra. 24 con Calle 80 14200b Residencial 7,6 2030,7 60,9 33,2 2,9 200,0
Cra 13. con Calle 59 12500b Residencial/Comercial 7,1 1922,8 53,9 31,8 2,7 196,6
Calle 45 entre Cra. 13 y Av. Caracas
6900b Residencial/Comercial 5,4 1567,2 30,9 27,3 2,3 185,4
Cra. Séptima con Calle 183
4200b Residencial 4,6 1395,7 19,9 25,2 2,1 180,0
Av. Ciudad de Cali con Calle 17 sentido Norte
(N) -Sur (S) 39400c
Residencial/Industrial 15,2 3630,9 164,2 53,3 4,9 250,4
Av. Ciudad de Cali con Calle 17 sentido S-N
44600c Residencial/Industrial 16,7 3961,1 185,5 57,5 5,3 260,8
Calle 17 con Av. Ciudad de Cali Sentido
Occidente (W) - Oriente (E)
44100c
Residencial/Industrial 16,6 3929,4 183,5 57,1 5,3 259,8
Calle 17 con Av. Ciudad de Cali Sentido
E-W 46200c
Residencial/Industrial 17,2 4062,7 192,1 58,8 5,4 264,0
Cra. 14 con Calle 84 sur sentido N-S
7200c Residencial/Comercial 5,5 1586,2 32,2 27,6 2,3 186,0
95
Vías para pronóstico a TPD
(Vehículos/día) Uso actual del suelo e
Concentraciones (µg/L) Modelo de regresión lineal en escorrentía vial Concentraciones (mg/Kg)
Modelo de regresión lineal en Sedimento vial
Cr Fe Pb Cu Cd Cu
Cra. 14 con Calle 84 sur sentido S-N
7000c Residencial/Comercial 5,4 1573,5 31,3 27,4 2,3 185,6
Calle 84 sur con Cra. 14 sentido W-E
8800c Residencial/Comercial 6,0 1687,8 38,7 28,8 2,4 189,2
Calle 84 sur con Cra. 14 sentido E-W
9500c Residencial/Comercial 6,2 1732,3 41,6 29,4 2,5 190,6
Av. Cra. 68 con Autopista sur sentido
N-S 22200c
Residencial/Industrial 10,0 2538,7 93,7 39,6 3,5 216,0
Av. Cra. 68 con Autopista sur sentido
S-N 14600c
Residencial/Industrial 7,7 2056,1 62,5 33,5 2,9 200,8
Autopista sur con Av. Cra. 68 sentido W-E
35600c Residencial/Industrial 14,0 3389,6 148,6 50,3 4,6 242,8
Autopista sur con Av. Cra. 68 sentido E-W
45000c Residencial/Industrial 16,8 3986,5 187,1 57,8 5,3 261,6
Carrera 40 con Av. De las Américas sentido
N-S 15000c
Industrial 7,8 2081,5 64,1 33,8 2,9 201,6
Transversal 39 Bis A con Av. De las
Américas sentido S-N 18100c
Industrial 8,8 2278,4 76,9 36,3 3,2 207,8
Av. De las Américas con Transversal 39 Bis
A sentido W-E 33800c
Industrial 13,5 3275,3 141,2 48,8 4,4 239,2
Av. De las Américas con Carrera 40 sentido
E-W 27900c
Industrial 11,7 2900,7 117,0 44,1 4,0 227,4
Av. Caracas con Calle 53 sentido N-S
21700c Residencial/Comercial 9,9 2507,0 91,6 39,2 3,5 215,0
Av. Caracas con Calle 53 sentido S-N
16100c Residencial/Comercial 8,2 2151,4 68,7 34,7 3,0 203,8
96
Vías para pronóstico a TPD
(Vehículos/día) Uso actual del suelo e
Concentraciones (µg/L) Modelo de regresión lineal en escorrentía vial Concentraciones (mg/Kg)
Modelo de regresión lineal en Sedimento vial
Cr Fe Pb Cu Cd Cu
Calle 53 con Av. Caracas sentido W-E
10000c Residencial/Comercial 6,3 1764,0 43,6 29,8 2,5 191,6
Calle 53 con Av. Caracas sentido E-W
9700c Residencial/Comercial 6,3 1745,0 42,4 29,6 2,5 191,0
Av. Boyacá con Av. Chile sentido N-S
56000c Residencial 20,1 4685,0 232,2 66,6 6,2 283,6
Av. Boyacá con Av. Chile sentido S-N
60900c Residencial 21,6 4996,2 252,3 70,5 6,6 293,4
Av. Chile con Av. Boyacá sentido W-E
23700c Residencial 10,5 2634,0 99,8 40,8 3,6 219,0
Av. Chile con Av. Boyacá sentido E-W
27800c Residencial 11,7 2894,3 116,6 44,0 4,0 227,2
Autopista Norte con Av. Calle 127 sentido
N-S 97100c
Residencial/Comercial 32,5 7294,9 400,8 99,5 9,5 365,8
Autopista Norte con Av. Calle 127 sentido
S-N 104400c
Residencial/Comercial 34,7 7758,4 430,7 105,3 10,1 380,4
Av. Calle 127 con Autopista Norte
sentido W-E 33400c
Residencial/Comercial 13,4 3249,9 139,6 48,5 4,4 238,4
Av. Calle 127 con Autopista Norte
sentido E-W 29300c
Residencial/Comercial 12,1 2989,6 122,8 45,2 4,1 230,2
Autopista Norte con Av. Calle 170 sentido
Norte-Sur 86700c
Residencial/Industrial 29,4 6634,5 358,1 91,2 8,7 345,0
Autopista Norte con Av. Calle 170 sentido
S-N 76500c
Residencial/Industrial 26,3 5986,8 316,3 83,0 7,8 324,6
Av. Calle 170 con Autopista Norte
sentido W-E 32900c
Residencial/Industrial 13,2 3218,2 137,5 48,1 4,4 237,4
97
Vías para pronóstico a TPD
(Vehículos/día) Uso actual del suelo e
Concentraciones (µg/L) Modelo de regresión lineal en escorrentía vial Concentraciones (mg/Kg)
Modelo de regresión lineal en Sedimento vial
Cr Fe Pb Cu Cd Cu
Av. Calle 170 con Autopista Norte
sentido E-W 32600c
Residencial/Industrial 13,1 3199,1 136,3 47,9 4,3 236,8
Av. Carrera 68 con Av. Calle 26 sentido N-S
50600c Residencial/Industrial 18,5 4342,1 210,1 62,3 5,8 272,8
Av. Carrera 68 con Av. Calle 26 sentido S-N
55500c Residencial/Industrial 20,0 4653,3 230,2 66,2 6,2 282,6
Av. Calle 26 con Av. Carrera 68 sentido W-E
82500c Residencial/Industrial 28,1 6367,8 340,9 87,8 8,3 336,6
Av. Calle 26 con Av. Carrera 68 sentido E-W
72200c Residencial/Industrial 25,0 5713,7 298,7 79,6 7,5 316,0
Carrera 10 con Av. Calle 19 sentido N-S
9200d Comercial 6,1 1713,2 40,4 29,2 2,5 190,0
Carrera 10 con Av. Calle 19 sentido S-N
11400d Comercial 6,8 1852,9 49,4 30,9 2,6 194,4
Av. Calle 19 con Carrera 10 sentido W-E
20100d Comercial 9,4 2405,4 85,1 37,9 3,3 211,8
Av. Calle 19 con Carrera 10 sentido E-
W 14000d
Comercial 7,5 2018,0 60,0 33,0 2,8 199,6
Fuente: Elaboración propia.
a Información suministrada por la Secretaría Distrital de Movilidad de Bogotá (SDM). b TPD: tráfico promedio diario por sentido de circulación, sin incluir motocicletas (SDM, 2015-2016) citado por Zafra-Mejía et al, 2019. c TPD aprox. (conteos entre 18 y 24 horas): tráfico promedio diario aproximado, sin incluir motocicletas (SDM, 2018). d TPD aprox. (conteos durante 18 horas): tráfico promedio diario aproximado, sin incluir motocicletas (SDM, 2017). e Uso actual del suelo proporcionado por la plataforma digital “Bogotá Evoluciona” de la Alcaldía de Bogotá (Alcaldía de Bogotá, 2018).
6.4. COMPARACIÓN CON LEGISLACIÓN DE REFERENCIA
Se compararon los datos de la vía de Fene (España) y las vías de Bogotá
(Colombia) con los límites máximos permisibles de vertimientos de alcantarillados o
PTAR’S (normas de Colombia, España, Alemania, Francia, Canadá y Japón), para
evaluar si los niveles de contaminación que pueden generar la escorrentía y el
sedimento vial en dichas superficies viales superaron los exigidos, y, por lo tanto,
podrían depender del funcionamiento de las PTAR para bajar los niveles hasta
límites permisibles.
En la Tabla 22 se pueden apreciar los límites permisibles de la legislación nacional
e internacional. Con el fin de analizar el aporte o la importancia de la escorrentía
vial en diversos factores relacionados con el medio ambiente, se compararon los
datos de la vía de Fene y de los pronósticos para las vías en Bogotá con
normatividad relacionada con los límites permisibles de vertimientos de
alcantarillados o PTAR’s (normas de Colombia, España, Alemania, Francia, Canadá
y Japón); para evaluar si los niveles de contaminación que puede generar la
escorrentía en dichas superficies viales superan los exigidos, y por lo tanto
requieren del funcionamiento de las PTAR para bajar los niveles hasta límites
permisibles. Adicionalmente, se compararon los resultados con normativas
relacionadas con el medio natural (España) y los criterios de vida acuática (Estados
Unidos) que incluyen flora y fauna, para evaluar si los niveles de contaminación de
la escorrentía vial obtenidos pueden afectar el componente biótico; y se compararon
con normativas (Decreto 1076/2015 de Colombia) para evaluar la posible influencia
de los niveles de contaminación de la escorrentía vial en actividades económicas
como las pecuarias y agrícolas.
Así mismo, en la Tabla 23 se pueden apreciar los límites permisibles o
recomendables de la legislación nacional e internacional de referencia. Se realizó
un análisis comparativo de los datos de concentración media de Cu de la vía de
Torrelavega y de los pronósticos para las vías en Bogotá con legislación de
referencia para inhalación, ingestión y contacto dérmico con suelo contaminado. El
99
análisis anterior se realizó únicamente para Cu, puesto que fue el único que
presentó modelos aceptables para ser pronosticado y posteriormente comparado.
100
Tabla 22. Legislación Nacional e Internacional de referencia para escorrentía vial. Fuente: Elaboración propia.
Parámetros Colombia Estados Unidos España Alemania Francia Canadá Japón
Resolución 631/2015 (11) Decreto 1076/2015 (12) (U.S. EPA) Vertidos Medio. Nat.
PARÁMETROS BÁSICOS Vertimiento Uso agrícola Uso Pecuario Criterios vida acuática (5) (6) (1) y (2) (3) y (4) (7) (8) (9) (10)
DQO (mg/L) 180 500 160 125 150 300
DQO Soluble (mg/L) - -
DBO5 (mg/L) 90 300 40 25 40 100 300
N total (mg/L) Reportar - - 15 18 30 70
P total (mg/L) Reportar - - 2 2 10 12
SS (mg/L) 90 300 80 60 1,3 100 300
SSV (mg/L) - -
SD (mg/L) - -
SDV (mg/L) - -
ST (mg/L) - -
STV (mg/L) - -
Turbidez (NTU) - -
Conductividad (µS/cm) - -
pH 6 a 9 4,5 a 9 6,5 a 9 - 5,5 a 8,5 6 a 11,5 5,8 a 8,6
METALES PESADOS (TOTAL)
Aluminio (mg/L) Reportar 5 5 0,75 - 50
Arsénico (µg/L) - 100 200 340 1000 500 5000 25 100
Bario (µg/L) - -
Boro (µg/L) - 500 750 - 25000 100
Cadmio (µg/L) 100 10 50 0,75 500 100 400 1,5 200
Cobalto (µg/L) - 50 - - 5000
Cobre (µg/L) 1000 200 500 Variable con dureza 10000 200 3000 25 500 1000
Cromo (µg/L) 500 100 10000 11 (VII) - 74 (III) 500 200 4000 5 500 370 500
101
Parámetros Colombia Estados Unidos España Alemania Francia Canadá Japón
Resolución 631/2015 (11) Decreto 1076/2015 (12) (U.S. EPA) Vertidos Medio. Nat.
Hierro (mg/L) Reportar 5 1 - - 10
Manganeso (µg/L) 200 - - 1000 5000 10000
Mercurio (µg/L) 20 10 1,4 100 50 100 0,07 100 5
Níquel (µg/L) 500 200 52 10000 2000 10000 500 550
Plomo (µg/L) 500 5000 100 65 500 200 2000 500
Vanadio (µg/L) - 100 - - 5000
Zinc (µg/L) 300 2000 2500 120 20000 3000 10000 60 2000 30 5000
(1) Ley 9/2010, de 4 de noviembre, de aguas de Galicia. Anexo III. Límites de emisión de vertidos de aguas residuales a las rías de Galicia. Citado por Jiménez,
2015.
(2) Directiva del consejo de 21 de mayo de 1991 sobre el tratamiento de las aguas residuales urbanas (91/271/CEE). Citado por Jiménez, 2015.
(3) Ley 9/2010, de 4 de noviembre, de aguas de Galicia. Anexo II. Objetivos de calidad de las aguas de las rías de Galicia. Citado por Jiménez, 2015.
(4) Real Decreto 817/2015, de 12 de septiembre, por el que se establecen los criterios de seguimiento y evaluación del estado de las aguas superficiales y las
normas de calidad ambiental. Citado por Jiménez, 2015.
(5) Tabla I del Real Decreto 849/1986, de 11 de abril, por el que se aprueba el Reglamento del Dominio Público Hidráulico. Citado por Jiménez, 2015.
(6) Tabla III del Real Decreto 849/1986, de 11 de abril, por el que se aprueba el Reglamento del Dominio Público Hidráulico. Citado por Jiménez, 2015.
(7) Federal Ministry for the Environment, Nature Conservation and Nuclear Safety, Germany, Ordinance on Requirements for the Discharge of Waste Water
into Waters [Waste Water Ordinance - AbwV], 17 June 2004. Citado por SDA & Universidad de Los Andes, 2009.
(8) Ministère de l'aménagement du territoire et de l'environnement, Arrêté relatif aux prélèvements et à la consommation d'eau ainsi qu'aux émissions de toute
nature des installations classées pour la protection de l'environnement soumises à autorisation, 2 février 1998. Citado por SDA & Universidad de Los Andes,
2009.
(9) The Canadian Council of Ministers of the Environment [CCME]. Options for a Canada-wide Strategy for the Management of Municipal Wastewater Effluent,
Consultation Document, 20 de octubre de 2006. Citado por SDA & Universidad de Los Andes, 2009.
(10) Ministry of The Environment Government of Japan, Water Pollution Control, Latest Amendment by Law No. 75 of 1995. Citado por SDA & Universidad de
Los Andes, 2009.
(11) Ministerio de Ambiente y Desarrollo Sostenible. Resolución 631 de 2015. Por la cual se establecen los parámetros y los valores límites máximos permisibles
en los vertimientos puntuales a cuerpos de aguas superficiales y a los sistemas de alcantarillado público y se dictan otras disposiciones.
(12) Decreto Único Reglamentario 1076 de 2015. Por medio del cual se expide el Decreto Único Reglamentario del Sector Ambiente y Desarrollo Sostenible.
102
Tabla 23. Legislación Internacional de referencia para sedimento vial. (Zafra-Mejía et al.,2019)
Legislación de referencia
Metal pesado España a Canadá b
Cu (mg/Kg) 310 63
a Niveles de referencia para la protección de la salud humana: suelo urbano (Generalitat de Catalunya, 2006). b Valores para la protección de la salud humana: suelo residencial y parques. (Canadian Council of Ministers of the Environment, 1997).
6.4.1. Comparación con legislación nacional
6.4.1.1. Escorrentía vial
La Resolución colombiana 631 de 2015 del Ministerio de Ambiente y Desarrollo
sostenible (MADS) estableció parámetros y valores máximos permisibles en los
vertimientos puntuales a cuerpos de agua superficiales y sistemas de alcantarillado
para diferentes actividades económicas; y aunque no se nombran los vertimientos
por escorrentía superficial de vías, ésta misma se puede encasillar dentro de los
valores permisibles de los prestadores del servicio de alcantarillado, pues se espera
que el sedimento vial y la escorrentía de vías lleguen a estos sistemas antes de caer
sobre cuerpos superficiales de agua.
El Decreto único reglamentario 1076 de 2015 expedido por el presidente de la
república de Colombia, de la mano de modificaciones como el Decreto 050 de 2018
expedido por el presidente de la república de Colombia, recoge consideraciones
importantes plasmadas en normativas previas sobre vertimientos; como el Decreto
3930 de 2010 expedido por el presidente de la república de Colombia, o el Decreto
1594 de 1984 expedido por el presidente de la república de Colombia. Si bien este
decreto no establece límites para vertimientos por escorrentía, sí la considera un
“vertimiento no puntual”. El mismo decreto considera los metales As, Ba, Cd, Cu,
Cr, Hg, Ni, Pb como sustancias de interés sanitario, basado en las sustancias de
interés de la Local Limits Development Guidance de la EPA y establece criterios de
calidad para preservación de fauna y flora.
103
Se realizó la comparación de los niveles de MP proyectados en la vía de Bogotá
con la resolución 631 de 2015 del MADS. Específicamente se comparó con el
artículo 8, que establece valores límites máximos permisibles en los vertimientos
puntuales de aguas residuales domésticas y no domésticas (ARD y ARND) de los
prestadores del servicio público de alcantarillado a cuerpos de aguas superficiales;
y con el artículo 15, que establece valores límites máximos permisibles en los
vertimientos puntuales de aguas residuales no domésticas (ARND) para actividades
diferentes con vertimientos puntuales a cuerpos de aguas superficiales.
La Tabla 24 muestra el TPD requerido para superar los valores límites máximos
permisibles de Cd, Cu, Cr, Fe y Pb, de los artículos 8 y 15 de la Resolución
colombiana 631 d 2015. Para el artículo 8 se pudo apreciar que el TPD requerido
para superar los máximos permisibles de Cd, Cu y Cr estuvo por encima del millón
de vehículos diarios, por lo que ninguna vía de la ciudad de Bogotá los superó; por
su parte, los TPD > 121300 veh./día podrían superar el valor permisible de Pb,
siendo la Av. Boyacá entre Av. 1° de Mayo y Calle 13, y la Av. Suba con Calle 100
las vías estudiadas que posiblemente incumplan dicha norma. Por último, establece
que el Fe es objeto de análisis y reporte por las autoridades competentes.
Para el artículo 15 se pudo apreciar que TPD > 103000 veh./día podrían superar el
máximo permisible de Cd, siendo la Av. Boyacá entre Av. 1° de Mayo y Calle 13, la
Av. Suba con Calle 100 y la Autopista Norte con Calle 127 las vías estudiadas que
posiblemente incumplan dicha norma; por su parte, TPD > 322000 veh./día y TPD
> 1220000 veh./día podrían superar el máximo permisible de Cr y Cu,
respectivamente, por lo que ninguna vía estudiada superó dicho límite; en cuanto al
Pb, TPD > 23800 veh./día podrían superar el valor permisible, encontrando que
muchas de las vías de la ciudad de Bogotá podrían superar dicho límite (ver Tabla
21); por último, se obtuvo que todas las vías de la ciudad de Bogotá estudiadas en
la Tabla 21 superan el máximo permitido de Fe.
104
Tabla 24. TPD que incumple valores permisibles de Res. 631 de 2015
Vías que no cumplen Resolución 631 de 2015 (Vehículos/día)
Art. 8° Art. 15°
Cd (mg/L) > 1230000 > 103000
Cu (mg/L) > 1220000 > 1220000
Cr (mg/L) > 3300000 > 322000
Fe (mg/L) Análisis y Reporte Todas incumplen
Pb (mg/L) > 121300 > 23800
Fuente: Elaboración propia.
La Tabla 25 muestra el TPD requerido para superar los valores máximos permisibles
de Cd, Cu, Cr, Fe y Pb en agua para uso agrícola (Art. 2.2.3.3.9.5. Decreto 1076 de
2015; Art. 40 Decreto 1594 de 1984) y uso pecuario (Art. 2.2.3.3.9.6. Decreto 1076
de 2015; Art. 41 Decreto 1594 de 1984) a nivel nacional, especificados en el Decreto
Único Reglamentario 1076 de 2015 y en el Decreto 1594 de 1984. Para uso agrícola
se pudo apreciar que con TPD > 22000 veh./día se podría para superar el valor
permisible de Cd, mientras que con TPD > 60000 veh./día se podría superar el valor
permisible de Fe, obteniendo de esta manera que varías vías de Bogotá estudiadas
en la Tabla 21 superaron estos TPD.
Por otro lado, con TPD > 220000 veh./día se podría superar el valor permisible de
Cu, y con TPD > 1230000 veh./día se podría superar el valor permisible de Pb y Cr,
encontrando que ninguna de las vías estudiadas en Bogotá superó estos valores.
Para uso pecuario se pudo apreciar que con TPD > 24000 veh./día se podría para
superar el valor permisible de Pb, por lo que muchas vías estudiadas en la Tabla 21
superan dicho valor; por otro lado, vías con TPD > 155000 veh./día podrían superar
el valor permisible de Cd, encontrando que la Av. Boyacá entre Av. 1 de mayo y
Calle 13, supera este valor; por último, se encontró que para uso pecuario no se
establecieron valores permisibles para Fe, mientras que el valor permisible para Cr
requeriría tráficos muy difíciles de alcanzar (12 millones veh./día). En conclusión, se
encontró que, con excepción de Pb, los valores permisibles para uso pecuario son
más altos que para uso agrícola, y que existieron vías en Bogotá que superaron los
valores permisibles. Así mismo, si bien es cierto que por el uso del suelo urbano
105
que caracteriza las vías de Bogotá no hay incidencia sobre los valores permisibles
de uso agrícola y pecuario, el análisis puede servir como punto de partida para vías
rurales o de transición, que puedan tener contacto con terrenos de uso agrícola o
pecuario
Tabla 25. TPD que incumple valores permisibles de legislación de referencia
TPD QUE INCUMPLE LEGISLACIÓN DE REFERENCIA (VEHÍCULOS/DÍA)
Uso Cd Cu Cr Fe Pb
Agrícola > 22000 > 220000 > 1230000 > 60000 > 1220000
Pecuario > 155000 > 600000 - - > 24000
Fuente: Elaboración propia.
6.4.1.2. Sedimento vial
No se encontró legislación colombiana que indicara límites permisibles de
concentraciones de MP en sedimento vial o valores de referencia para la salud
humana en suelo urbano. Lo anterior pone en evidencia la necesidad de establecer
normas que consideren estos factores, pues a nivel internacional ya se están
teniendo en cuenta.
6.4.2. Comparación con legislación internacional
6.4.2.1. Escorrentía vial
A nivel internacional la U.S. EPA puede considerar a la escorrentía vial como una
fuente puntual cuando está canalizada o como una fuente no puntual cuando no
está canalizada (es difusa). De cualquier manera, y a través de la “Ley de agua
limpia” (Clean Water Act CWA, 1972) de la EPA y de dependencias de la misma
agencia EPA como la NPS (Nonpoint Source Pollution) y la NPDES (National
Pollutant Discharge Elimination System) se tiene muy en cuenta esta fuente de
contaminación para tomar medidas al respecto; y tienen criterios de calidad del agua
WQC (Water Quality Criteria) del “Libro de oro” para la vida acuática y para la salud
humana, que permiten comparar los resultados obtenidos para la ciudad de Bogotá.
(U.S. EPA, 1972). Por otro lado, España -origen de los datos de la vía de Fene-,
106
también tiene en cuenta esta fuente de contaminación a través de normativas como
la Ley 9/2010 de la presidencia de la comunidad autónoma de La Rioja o el Real
Decreto Español 849/1986. Legislaciones de Alemania, Francia, Canadá y Japón
asociadas con vertimientos también fueron consideradas, como se mostró en la
Tabla 22.
Las comparaciones de los PFCA muestran que para la vía de Fene la CMS de la
DQO (361,38 mg/L) superó incluso en más de 100% los valores permitidos por la
legislación española y alemana, y en un 20% a la legislación francesa. La CMAX de
la DQO (1047 mg/L) superó hasta por 7 veces los límites máximos permisibles de
Alemania y España, y más de 3 veces la legislación de Francia. En cuanto a la
DBO5, la CMS (78,69 mg/L) superó en un 100% los límites permisibles por las
normas de España y Alemania, mientras la CMÁX (370 mg/L) superó los límites
permisibles de todas las normas comparadas. Tanto la CMAX (1392 mg/L) como la
CMS (408 mg/L) de los SS superaron los límites permisibles de todas las normas
comparadas; específicamente, la CMAX de SS superó hasta 23 veces los máximos
permisibles de la legislación española, 14 veces la legislación francesa y 4 veces la
legislación canadiense. Por último, la CMAX (3,24 y 16,40 mg/L) de los parámetros
P y N totales superaron los valores permisibles de la normativa de España y de la
legislación de Alemania. Lo anterior puso en evidencia que las CMAX de los PFCA
en escorrentía vial antes mencionados pueden representar riesgo, puesto que
superaron los límites permisibles de diferentes legislaciones de referencia.
Basada en los modelos de regresión generados para escorrentía vial, la Tabla 26
muestra el TPD requerido para superar los valores límites permisibles de Cd, Cu,
Cr, Fe y Pb de las distintas legislaciones internacionales estudiadas, tanto para
vertimientos como para afectación al medio biótico.
107
Tabla 26. Comparación de CMS de MP en vías de Bogotá con legislación internacional.
VÍAS QUE INCUMPLEN LEGISLACIÓN DE REFERENCIA (VEHÍCULOS/DÍA)
Tipo País Legislación Cd Cu Cr Fe Pb
Vertimientos
España
Ley 9 de 2010 > 5000000 > 3720000 > 6600000 - > 487000
Tabla I del Real Decreto 849/1986 > 6200000 - > 1650000 - > 121300
Tabla II del Real Decreto 849/1986 > 1230000 > 223000 > 656000 - > 48100
Alemania Waste Water Ordinance - AbwV - - - - -
Francia Arrêté du 2 février 1998 - > 598000 > 1650000 - > 121300
Canadá Canada-wide Strategy for the
Management of Municipal Wastewater Effluent
> 2500000 > 1220000 > 1240000 - -
Japón Ley No. 75 de1995 - - > 1650000 TODAS -
Medio Natural España Real Decreto 817/2015 TODAS > 4000 > 5500 - -
Vida acuática E.U. U.S. EPA TODAS - > 25500 TODAS > 15200
Fuente: Elaboración propia.
En cuanto a vertimientos, la Tabla 26 muestra que vías con TPD > 1230000 podrían
superar los valores máximos permisibles de Cd, por lo que ninguna de las vías
estudiadas en Bogotá incumplió dichas normas; por otro lado, vías con TPD >
598000 y 1220000 veh./día podrían superar el valor permisible de Cu de las
legislaciones francesa y canadiense, respectivamente, por lo que las vías
estudiadas en Bogotá no excedieron dichos límite. No obstante, si bien las vías con
TPD > 3720000 veh./día podrían superar el valor permisible de Cu de la Ley 9 de
2010 española, vías con TPD > 223000 veh./día podrían superar el valor permisible
de Cu de la Tabla II del Real decreto español 849 de 1986, este último valor de TPD
calculado estuvo apenas un 19% por encima del mayor TPD encontrado en las vías
estudiadas en Bogotá (Av. Boyacá entre Av. 1° de Mayo y Calle 13,187600 veh/día).
Por su parte, se encontró que la legislación alemana no consideró límites máximos
de Cr, mientras que vías con TPD > 656000 veh./día podrían superar el valor
permisible de Cr de la Tabla II del Real decreto español 849/1986 y vías con TPD >
1000000 veh./día podrían superar el valor permisible de las demás legislaciones,
por lo que ninguna de las vías estudiadas en Bogotá incumplió dichas normas. Un
caso particular fue el Fe, que a pesar de que sólo fue considerado por la legislación
japonesa, mostró que las concentraciones de Fe de todas las vías,
108
independientemente del TPD, podrían superar los máximos permisibles de dicha
norma; coincidiendo con lo encontrado en la comparación con la legislación
nacional. Se elaboró un mapa de riesgo para Fe que puede verse en la Figura 10.
Se encontró que las legislaciones alemana y canadiense estudiadas no
establecieron valores límite para Pb, pero vías con TPD > 487000 veh./día podrían
superar el valor permisible de Pb de la Ley 9 de 2010 de España, vías con TPD >
121300 veh./día (Av. Boyacá entre Av. 1° de Mayo y Calle 13, Av. Suba con Calle
100) podrían superar los valores permisibles de la Tabla I del Real Decreto español
849 de 1986 y de la legislación francesa, y vías con TPD > 48100 veh./día (ver Tabla
21) podrían superar los valores permisibles de la Tabla II del Real Decreto español
849 de 1986. Con lo anterior, se obtuvo que los TPD para superar los valores
permisibles de vertimientos de las normas internacionales fueron mucho más bajos
para el Pb que para los demás MP. El mapa de riesgo para Pb que tiene en cuenta
legislación nacional e internacional sobre vertimientos puede verse en la Figura 11.
Analizando los valores permisibles de afectación sobre el medio natural del Real
Decreto español 817 de 2015 y los valores de afectación de la vida acuática de la
U.S. EPA, presentes en la tabla 26, se encontró un panorama más crítico, puesto
que los valores permisibles son más estrictos. Comparando los modelos generados
con los valores permisibles adoptados por estas legislaciones, para Cd se evidenció
que en vías desde de valores de TPD muy bajos (> 100 veh./día) podría existir
afectación sobre la vida acuática y sobre el medio natural (ver Figura 14), es decir
que la vía de Fene (España) y todas las vías estudiadas en Bogotá incumplen estas
normas (ver mapa de riesgo en la Figura 13); para el Cu, se encontró que vías con
TPD > 4000 veh./día podrían superar el valor permisible del Real Decreto español
817/2015; en cuanto a Cr, se encontró que vías con TPD > 5500 veh./día podrían
superar el valor permisible del Real Decreto español 817/2015 y vías con TPD >
25500 veh./día podrían superar el valor permisible de la U.S. EPA.
Por otro lado, para el Fe se encontró que todas las vías pueden afectar el medio
acuático, de acuerdo con la U.S. EPA (ver Figura 13), mientras que la legislación
española no tuvo en cuenta este MP; por último, se encontró que vías con TPD >
109
15200 veh./día podrían superar el valor permisible de Pb de la U.S. EPA (ver Figura
12). En conclusión, se obtuvo que las vías de Bogotá cuyo TPD > 5500 veh./día
(Tabla 21) podrían superar los valores permisibles de Cd, Cu y Cr del Real Decreto
español 817/2015, mientras que las vías de Bogotá cuyo TPD > 25500 veh./día
(Tabla 21) podrían superar los valores permisibles de Cd, Cr, Fe y Pb de la U.S.
EPA.
Con todo lo anterior, sale a flote la importancia de la escorrentía vial como agente
que proporciona cargas contaminantes considerablemente importantes a los
sistemas de alcantarillado.
6.4.3. Sedimento vial
Se buscó legislaciones a nivel internacional para comparar con las vías de
Torrelavega (España) y con los pronósticos hechos en las vías de Bogotá
(Colombia). Por ejemplo, España estableció niveles de referencia para la protección
de la salud humana en suelo urbano (Generalitat de Catalunya, 2006) y valores
indicativos de evaluación para la protección de la salud humana en suelo urbano y
áreas de juego infantil (Eusko-Legebiltzarra, 2005). Así mismo, Canadá puso en
consideración valores para la protección de la salud humana en suelo residencial y
en parques (Canadian Council of Ministers of the Environment, 1997).
Las comparaciones del metal pesado Cu para la vía de Torrelavega permiten inferir
que la concentración media de la zona 1 (Cu = 83,24 mg/Kg) y la concentración
media de la zona 2 (Cu = 100,41 mg/Kg) superaron los criterios establecidos por la
legislación de Canadá (Cu = 63 mg/Kg), pero no superaron los criterios establecidos
por la legislación de España (Cu = 310 mg/Kg). Así mismo, en los estudios
internacionales usados para elaborar los modelos de regresión, 8 superficies viales
de las 26 que midieron la concentración de Cu (ver Tabla 21) superaron el límite
más flexible para Cu (Cataluña, España; Cu = 310 mg/kg). Por otro lado, todas las
110
superficies viales de la revisión internacional y todas las superficies viales de la
adaptación a Bogotá superaron el límite más exigente (Canadá; Cu = 63 mg/kg).
En conclusión, los modelos de regresión desarrollados para Cu mostraron que los
TPD asociados con los límites legislativos más exigente (Canadá = 63 mg/Kg) y
más flexible Cataluña, España = 310 mg/Kg) para sedimento vial, fueron 1000 y
69200 veh./día, respectivamente. Es decir, los pronósticos con el modelo de
regresión desarrollado para las concentraciones de Cu en el sedimento vial sugieren
que cualquier superficie vial de Bogotá podría superar los límites establecidos por
la legislación canadiense, y que vías con TPD > 70000 veh./día podrían superar los
límites establecidos por la legislación española (ver mapa de riesgo en Figura 15).
Ante esto, es importante que el sedimento vial sea considerado como una presión
significativa sobre el medio ambiente y la salud pública, de manera que se pueda
estudiar a profundidad el impacto que pueden tener otros metales pesados
diferentes al Cobre.
A partir de los modelos se desarrollaron los siguientes mapas de riesgo en la ciudad
de Bogotá, que resumen lo planteado anteriormente: Fe como el MP crítico, puesto
que todas las vías estudiadas superan los valores permisibles de las legislaciones
a nivel internacional relacionados con vertimientos y con la vida acuática; Pb como
otro MP a tener en cuenta, puesto que las vías con TPD > 23800 veh./día superaron
los valores permisibles de la legislación nacional, y vías con TPD > 48100 y 121300
veh./día superaron los valores permisibles de la legislación internacional
relacionada con vertimientos, mientras que vías con TPD > 15200 veh./día
superaron la legislación internacional relacionada con la vida acuática; Cd, Cu y Cr
como MP de interés puesto que con TPD muy bajos (0, 4000 y 5500 veh/día) se
podrían superar los valores permisibles de legislación internacional relacionada con
afectación al medio natural y a la vida acuática. Estos mapas también muestran que
vías como la Av. Boyacá entre Av. 1 de Mayo y Calle 13, y la Av. Suba con Calle
100, son aquellas que por su TPD pueden representar mayor riesgo.
111
Figura 10. Mapa de riesgo de Fe en escorrentía vial para legislación de
vertimientos.
112
Figura 11. Mapa de riesgo de Pb en escorrentía vial para legislación de
vertimientos.
113
Figura 12.Mapa de riesgo de Pb en escorrentía vial para legislación de vida
acuática
114
Figura 13. Mapa de riesgo de Cd y Fe en escorrentía vial para legislación del
medio natural y la vida acuática.
115
Figura 14. Mapa de riesgo de Cd en escorrentía vial para legislación del
medio natural y la vida acuática.
116
Figura 15. Mapa de riesgo de Cu en escorrentía vial para legislación del
medio natural.
117
Figura 16. Mapa de riesgo de Cu en sedimento vial para legislación de la
protección de la salud humana en suelo urbano.
118
7. CONCLUSIONES
Los resultados en la vía de Fene muestran que las mejores correlaciones entre MP
y PFCA son las obtenidas por la fracción total (sólida + disuelta) de SS y Fe. Estos
presentan correlaciones entre considerables y muy fuertes (rs ≥ 0,75) con los
siguientes MP: Al, As, Co, Cu, Cr, Fe, Mn, Ni y Pb (60 % de MP estudiados). Se
observan también correlaciones medias (0,50 ≤ rs ≤ 0,75) con V, Zn y Cd; y
correlaciones débiles (0,10 ≤ rs ≤ 0,50) con Hg, Ba y B. Es decir, en este estudio los
resultados sugieren como parámetros indicadores de contaminación por MP en la
escorrentía vial en primer lugar a SS y en segundo lugar a Fe. La medición de estos
parámetros como indicadores de MP, podrían reducir los costos de monitoreo,
teniendo en cuenta que la medición de algunos MP es costosa.
Los parámetros indicadores (SS y Fe) se asociaron bien con la fracción sólida de
los MP, mientras que no existieron buenas correlaciones con la fracción disuelta de
los MP. Este comportamiento puede estar asociado con las fuentes de
contaminación, pues el material particulado de MP proviene principalmente de las
emisiones y del desgaste de los vehículos, el cual se acumula en el sedimento vial
y no se alcanza a disolver en el lavado que hace la escorrentía durante los eventos
de precipitación; ocasionando así una mejor relación entre la fracción sólida de los
MP y los parámetros indicadores. Por esta misma razón, es posible que los SS y Fe
sean los parámetros indicadores, puesto que los SS están relacionados
directamente con el sedimento vial, mientras que el Fe puede estar asociado con
emisiones o desgaste desde los vehículos, las cuales también contienen MP.
Los PFCA tales como DQO soluble, SD, SDV, STV, conductividad y pH tienen
correlaciones entre débiles y medias (Rho Spearman < 0,50) con los MP estudiados
en la sección vial de Fene (España). Por otro lado, Ba, B y Hg (20% de MP
estudiados) no tienen buenas correlaciones con ningún PFCA estudiado en la
sección vial de Fene, incluyendo los parámetros indicadores (SS y Fe); lo que se
traduce en la independencia de dichos MP ante la concentración de PFCA. Lo
anterior puede estar dado porque la DQO soluble y SD hacen referencia a
parámetros disueltos que no fueron representativos en la escorrentía vial.
119
Adicionalmente, los SDV y STV están asociados a parámetros volátiles poco
comunes en la escorrentía vial; y pH no tuvo variaciones significativas con la
presencia de MP.
En las secciones viales de Torrelavega (España) existen correlaciones débiles y
medias (0,3 < r < 0,6) entre DQO y la fracción < 2000 μm de Pb, Fe y Cu. No
obstante, no existen estudios internacionales de referencia que permitan realizar un
análisis estadístico para determinar si la DQO es o no un parámetro indicador de
los MP en sedimento vial. Este comportamiento se debe a que el sedimento vial
puede tener cargas importantes de material biodegradable (detectable por DBO5)
que no está relacionado con los MP y, por lo tanto, afecta la correlación entre la
DQO y MP.
El tráfico promedio diario (TPD) es un factor físico clave para el pronóstico de MP
en la escorrentía vial, pues los resultados a nivel internacional muestran
correlaciones positivas medias o considerables (0,50 ≤ rs ≤ 0,90) entre TPD y CMS
de la fracción total de los siguientes MP: Fe (rs = 0,684), Pb (rs = 0,683), Cr (rs =
0,615), Cu (rs = 0,590), Cd (rs = 0,551). Es decir, con el 33 % de los MP estudiados.
Lo anterior indica que el Fe también puede comportarse como parámetro indicador
entre TPD y CMS de MP. En cuanto al sedimento vial, no hay buenas correlaciones
(r > 0,50) entre el TPD y la fracción < 2000 μm de MP.
Para la escorrentía vial hay vías en la ciudad de Bogotá cuyos TPD están por encima
de los calculados para superar los valores permisibles de vertimientos (TPD > 1000
veh./día para Fe, y TPD > 12000 veh./día para Pb). En cuanto a la afectación de la
escorrentía vial sobre el medio natural y la vida acuática, vías con TPD > 25000
veh/día superan todos los valores permisibles a nivel internacional de los siguientes
MP: Cd, Cu, Cr, Fe y Pb. Por último, las vías con TPD > 70000 superan los valores
de normatividad internacional de Cu en sedimento vial, relacionadas con la
protección de la salud humana en suelo urbano, residencial y parques.
Estableciendo un orden de importancia desde el punto de vista de la salud pública,
y a partir de la comparación con la legislación, se tiene que los MP más críticos en
120
escorrentía vial son Fe, Pb, Cu y Cd, respectivamente. Lo anterior requiere la
implementación de normatividad nacional que tenga en cuenta este factor y que
apoye la implementación de sistemas de drenaje urbano sostenible (SUDS).
121
8. RECOMENDACIONES
Los principales problemas asociados a la presente investigación estuvieron
relacionados con la asociación de TPD y MP en la revisión bibliográfica
internacional, pues si bien es cierto que a nivel mundial se ha estudiado
ampliamente la problemática de MP en escorrentía y sedimento vial, son muy pocos
los estudios que brindan información del TPD de las vías que fueron estudiadas;
dificultando de esta manera el insumo de datos para el procesamiento estadístico.
Otro problema asociado exclusivamente al estudio sobre sedimento vial, fue la
heterogeneidad en la fracción del tamaño de partícula que brindaron los estudios
encontrados en la revisión bibliográfica internacional y que impide relacionar los
análisis con tamaños de partícula específicos. Por último, el no poder desarrollar un
trabajo de campo en el que se recolecten y analicen datos de MP en las vías de
Bogotá, representa una debilidad del estudio, pues con la recolección y análisis se
podrían verificar y ajustar los pronósticos realizados.
Para hacer análisis de correlación y construir modelos de regresión lineal que
permitan evaluar la calidad del agua de la escorrentía vial, se recomienda contar
preferiblemente con más del 75% de información y analizar tanto el total de
muestras como las variables parametrizadas (CMS y CMAX) y las fracciones
particuladas y disueltas, con el fin de garantizar la representatividad de los análisis.
Se recomienda que los resultados y hallazgos de esta investigación constituyan un
punto de partida para la elaboración de estudios más profundos que permitan
evaluar a fondo el aporte de contaminación de la escorrentía y el sedimento vial. De
esta manera, se podría tener un control más estricto del aporte de contaminantes
de la escorrentía vial tanto a los cuerpos de agua superficial como al suelo, y
desarrollar e implementar estrategias para el control de la contaminación urbana por
MP (i.e., Técnicas de Drenaje Sostenible de Escorrentía de Autopistas); teniendo
como indicadores principales de salud pública la intensidad de tráfico y el sedimento
acumulado sobre corredores viales.
122
El desarrollo de la presente investigación brinda las bases metodológicas para la
realización de pronósticos de interés ambiental similares. Se recomienda la
aplicación de metodologías aquí expuestas en futuros proyectos de investigación
relacionados, tales como la correlación entre parámetros Hidrológicos-Hidráulicos y
la concentración de MP en escorrentía vial; correlaciones entre intensidad de tráfico
y metales pesados en escorrentía vial, correlaciones entre sedimento vial y metales
pesados, correlaciones entre PM10 y MP en sedimento vial, entre otros; de manera
que si se encuentran patrones de comportamiento puedan integrarse mediante una
modelación que sirva como instrumento para la toma de decisiones y la aplicación
de acciones correctivas y preventivas.
Adicionalmente, se sugiere sumar variables al TPD, que contribuyan a perfeccionar
los pronósticos de MP en escorrentía vial a partir de regresiones múltiples. Para
perfeccionar los pronósticos de sedimento vial se recomienda el desarrollo de
estudios que permitan obtener modelos a partir del sedimento vial diferenciado por
fracción de tamaño de partícula, de manera que se pueda deducir qué fracción de
tamaño se asocia más con el TPD. Por último, se recomienda la creación de normas
y políticas públicas en Colombia en las cuales se considere que la escorrentía y el
sedimento vial puede tener un impacto significativo sobre el medio ambiente, y se
tomen medidas correctivas.
123
ANEXOS
Los anexos se encuentran en formato digital anexo al presente documento:
1. Pruebas de Normalidad
1.1. Pruebas de normalidad para escorrentía vial
1.2. Pruebas de normalidad para sedimento vial
2. Matrices de correlación con resultados seleccionados para análisis
2.1. Matrices para la vía de Fene (España)
2.2. Matrices para la vía de Arteixo (España)
2.3. Matrices para las vías de Torrelavega (España)
3. Datos usados para análisis estadístico.
3.1. Datos usados para escorrentía de la sección vial de Fene
3.2. Datos usados para escorrentía de la sección vial de Arteixo.
4. Modelos de regresión
4.1. Modelos de regresión en escorrentía vial
4.2. Modelos de regresión en sedimento vial
124
BIBLIOGRAFÍA
Acevedo, G. E., Martinez, G. A., & Estario, J. C. (2007). Manual de Salud Pública
.7. Córdoba: Editorial Encuentro.
Acosta, J. A., Faz, A., Kalbitz, K., Jansen, B., & Martínez-Martínez, S. (2014).
Partitioning of heavy metals over different chemical fraction in street dust of
Murcia (Spain) as a basis for risk assessment. Journal of Geochemical
Exploration(144 (Part B)), 298-305. Retrieved from
http://dx.doi.org/10.1016/j.gexplo.2014.02.004
Adachi, K., & Tainosho, Y. (2004). Characterization of heavy metal particles
embedded in tire dust. Environment International, 30 (8), 1009-1017.
doi:10.1016/j.envint.2004.04.004
Adachi, K., & Tainosho, Y. (2005). Single particle characterization of size-
fractionated road sediments. Applied Geochemistry, 20 (5), 849-859.
doi:10.1016/j.apgeochem.2005.01.005
Aksoy, H., Unal, N. E., Cokgor, S., Gedikli, A., Yoon, J., Koca, K., . . . Eris, E.
(2012). A rainfall simulator for laboratory-scale assessment of rainfall-runoff-
sediment transport processes over a two-dimensional flume. CATENA, 98,
63-72.
Albert, P. L. (1997). Contaminación ambiental. Origen, clases, fuentes y efectos.
En P. L. Albert, O. P. Salud, C. P. Salud, & OMS, Introducción a la
toxicología ambiental (págs. 37-52). Metepec, Estado de México, Gobierno
del estado de México: ECO. Obtenido de http://www.bvsde.ops-
oms.org/bvstox/fulltext/toxico/toxico-01a4.pdf
Alcaldía de Bogotá. (2018). Bogotá evoluciona. Obtenido de Mapas Bogotá: Usos
del suelo.:
https://mapas.bogota.gov.co/bogotaevoluciona/DinamicaUsos.html
Alcántara de Soto, A. (1999). Ingeniería Sanitaria I: manual de prácticas. Santo
Domingo: Editora BÚHO.
Alea Riera, M. V., Guillén, M., Muñoz, C., Torrelles, E., & Viladomiu, N. (2000).
Estadística con SPSS v.10.0. Barcelona: Edicions Universitat de Barcelona.
Amato, F., Pandolfi, M., Viana, M., Querol, X., Alastuey, A., & Moreno, T. (2009,
March). Spatial and chemical patterns of PM10 in road dust deposited in
urban environment. Atmospheric Environment(43 (9)), 1650-1659.
doi:10.1016/j.atmosenv.2008.12.009
125
Amato, F., Schaap, M., Denier Van der Goon, H. A., Pandolfi, M., Alastuey, A.,
Keuken, M., & Querol, X. (2013). Short-term variability of mineral dust,
metals and carbon emission from road dust resuspension. Atmospheric
Environment, 74, 134-140. doi:10.1016/j.atmosenv.2013.03.037
Apeagyei, E., Bank, M. S., & Spengler, J. D. (2011). Distribution of heavy metals in
road dust along an urban-rural gradient in Massachusetts. Atmospheric
Environment, 45 (13), 2310-2323. doi:10.1016/j.atmosenv.2010.11.015
APHA, A. P. (1995). Standard Methods for the Examination of Water and
Wastewater (18th ed. ed.). Washington, D.C.
APWA, AMERICAN PUBLIC WORKS ASSOCIATION. (1969). Water Pollution
Aspects of Urban Runoff. Washington, D.C.
Arellano, D. J. (2002). Introducción a la Ingeniería Ambiental. México: Alfaomega.
Arroyave, M. d., Gómez, C., Gutiérrez, M. E., Múnera, D. P., Zapata, P. A.,
Vergara, I. C., . . . Ramos, K. C. (2006). IMPACTOS DE LAS
CARRETERAS SOBRE LA FAUNA SILVESTRE Y SUS PRINCIPALES
MEDIDAS DE MANEJO. EIA n° 5, 45-57. Obtenido de
http://www.scielo.org.co/pdf/eia/n5/n5a04.pdf
Atkinson, B. W., Bux, F., & Kassan, H. C. (1998). Considerations for application of
biosorption technology to remediate metal-contaminated industrial effluents.
Water SA, 24: 129-135.
Ball, J., Jenks, R., & Aubourg, D. (1998). An assessment of the availability of
pollutant constituents on road surfaces. Science of The Total Environment,
209 (2-3), 243-254.
Bannerman, R., Owens, D. W., Dodds, R. B., & Hornewer, N. J. (1993). Sources of
pollutants in Wisconsin stormwater. Water Science & Technology., 28, 241-
259.
Barbosa, A. E., & Hvitved-Jacobsen, T. (1999). Highway runoff and potential for
removal of heavy metals in an infiltration pond in Portugal. Science of The
Total Environment, 235 (1-3), 151-159.
Barceló, J., & Poschenrieder, C. (1989). Estrés vegetal inducido por metales
pesados. Investigación y Ciencia(154), 54-63.
126
Barceló, J., & Poschenrieder, C. (1990). Plant Water Relations as Affected by
Heavy Metal Stress: A Review. Journal of Plant Nutrition(13(1)), 1-37.
doi:10.1080/01904169009364057
Barceló, J., & Poschenrieder, C. (1992). Respuesta de las plantas a la
contaminación por metales pesados. Suelo y Planta(2), 345-361.
Barret, M. E., Malina Jr., J. F., & Charbeneau, R. J. (1998). Characterization of
Highway Runoff in Austin, Texas, Area. Journal of Environmental
Engineering(124 (2)), 131-137. Retrieved from
https://doi.org/10.1061/(ASCE)0733-9372(1998)124:2(131)
Barrett, M. E., Zuber, R. D., Collins, E. R., Malina, J. F., Charbeneau, R. J., &
Ward, G. H. (1995). A review and evaluation of literature pertaining to the
quantity and control of pollution from highway runoff and construction.
CRWR Online Report 95-5, University of Texas, CENTER FOR RESEARCH
IN WATER RESOURCES, Bureau of Engineering Research . Retrieved
from http://www.caee.utexas.edu/centers/crwr/reports/online.html
Bernahu, D. M., Bruen, M., Higgins, N., & Jhonston, P. (2007). Highway runoff
quality in Ireland. Envorinment Monitoring. Vol. 9, 366-371.
doi:10.1039/b702327h
Berndtsson, J. (2014). Storm water quality of first flush urban runoff in relationto
different traffic characteristics. Urban Water Journal, 11 (4), 284-296.
Retrieved from https://doi.org/10.1080/1573062X.2013.795236
Bian, B., & Zhu, W. (2009). Particle size distribution and pollutants in road-
deposited sediments in different areas of Zhenjiang, China. Environmental
Geochemistry and Health, 31 (4), 511-520.
Bohn, H. L., McNeal, B. L., & O'Connor, G. A. (1985). Soil Chemistry (Secod ed.).
New York: John Wiley & Sons.
Breault, R. F., & Granato, G. E. (2000). A Synopsis of Technical Issues of Concern
for Monitoring Trace Elements in Highway and Urban Runoff. Northborough,
Massachusetts: Geological Survey (U.S.).
Breckle, C. W. (1991). Growth under stress: heavy metals. In Y. Waisel, A. Eshel,
& U. Kafkaki (Eds.), Plant Roots: the Hidden Half (pp. 351-373). New York:
Marcel Dekker, Inc.
127
Bryan, E. J., & Revitt, D. M. (1982). Incidence of heavy metals in street surface
sediments: Solubility and grain size studies. Water, Air, & Soil Pollution, 17,
87-100. Retrieved from https://doi.org/10.1007/BF00164094
Butterfield, C. T. (1948). Bactericidal Properties of Free and Combined Available
Chlorine. Journal (American Water Works Association), 40(12), 1305 - 1312.
Retrieved from http://www.jstor.org/stable/41234876.
CALTRANS. (2000). Guidance Manual: Stormwater Monitoring Protocols. Report
No. CTSW-RT-00-005.
CalTrans. (2003). Site Best Management Practice (BMP). Field Manual and
Troubleshooting Guide. State of California Department of Transportation.
Camponelli, K. M., Lev, S. M., Snodgrass, J. W., Landa, E. R., & Casey, R. E.
(2010). Chemical fractionation of Cu and Zn in stormwater, roadway dust
and stormwater pond sediments. Environmental Pollution, 158(6), 2143-
2149. Retrieved from https://doi.org/10.1016/j.envpol.2010.02.024
Campos, G. I. (2000). Saneamiento Ambiental (Primera ed.). San José, Costa
Rica: Universidad Estatal a Distancia.
Canadian Council of Ministers of the Environment. (1997). Recommended
Canadian Soil quality guidelines (1st Edition ed.). Winnipeg, Canada: CCME
Press.
Cañizares, V. R. (2000). Biosorción de metales pesados mediante el uso de
biomasa. Revista Latinoamericana de Microbiología, 42: 131-143.
Cárdenas, L. J. (2005). Calidad de aguas para estudiantes de ciencias
ambientales. Notas de clase. Facultad del medio ambiente y recursos
naturales. Bogotá, D.C.: Universidad Distrital Francisco José de Caldas -
Facultad del Medio Ambiente y Recursos Naturales.
Cardona Madariaga, D. F., González Rodríguez, J. L., Rivera Lozano, M., &
Cárdenas Vallejo, E. H. (2013). Aplicación de la regresión lineal en un
problema de pobreza. Revista Interacción, 12, 73-84.
Carrero, J. A., Arrizabalaga, I., Bustamante, J., Goienaga, N., Arana, G., &
Madariaga, J. M. (2013). Diagnosing the traffic impact on roadside soils
through a multianalytical data analysis of the concentration profiles of traffic-
related elements. Science of the Total Environment, 458-460, 427-434.
doi:10.1016/j.scitotenv.2013.04.047
128
CEPIS, OPS, OMS. (2002). GUÍA PARA LA VIGILANCIA Y CONTROL. Lima:
Centro Panamericano de Ingeniería Sanitaria y Ciencias del Ambiente.
Chapman, D., & Kimtsach, V. (1992). Selection of water quality variables. In U. N.
UNESCO, W. H. WHO, & U. N. UNEP, Water quality assessments (pp. 59-
126). London: E & FN Spon.
Characklis, G. W., & Wiesner, M. R. (1997). Particles, Metals, and Water Quality in
Runoff from Large Urban Watershed. Journal of Environmental Engineering,
123 (8), 753-759.
Chen, X., Xia, X., Zhao, Y., Zhang, & Ping. (2010). Heavy metal concentrations in
roadside soils and correlation with urban traffic in Beijing, China. Journal of
Hazardous Materials, 186(1-3), 640-646.
doi:https://doi.org/10.1016/j.jhazmat.2010.05.060
Councell, T. B., Duckenfield, K. U., Landa, E. R., & Callender, E. (2004). Tire-Wear
Particles as a Source of Zinc to the Environment. Environmental Science
and Technology, 38 (15), 4206-4214.
Crosby, C. J., Fullen, M. A., Booth, C. A., & Searle, D. E. (2014). A dynamic
approach to urban road deposited sediment pollution monitoring
(Marylebone Road, London, UK). Journal of Applied Geophysics, 105, 10-
20. Retrieved from https://doi.org/10.1016/j.jappgeo.2014.03.006
Dannecker, W., Au, M., & Stechmann, H. (1990). Substance load in rainwater
runoff from different streets in Hamburg. The Science of the Total
Environment,(93), 385-392.
Davis, A. P., Shokouhian, M., & Ni, S. (2001). Loading estimates of lead, copper,
cadmium, and zinc in urban runoff from specific sources.
Chemosphere(44(5)), 997-1009. doi:10.1016/S0045-6535(00)00561-0
Davis, B., & Birch, G. (2010). Comparison of heavy metal loads in stormwater
runoff from major and minor urban roads using pollutant yield rating curves.
Environmental Pollution, 158 (8), 2541-2545.
Deletic, A., & Orr, D. W. (2005). Pollution Buildup on Road Surfaces. Journal of
Environmental Engineering, 131 (1), 49-59.
Deletic, A., & Orr, D. W. (2005). Pollution Buildup on Road Surfaces. Journal of
Environmental Engineering, 131 (1), 49-59. Retrieved from
https://doi.org/10.1061/(ASCE)0733-9372(2005)131:1(49)
129
Delfino, J. J., & Lee, G. F. (1971). Variation of manganese, dissolved oxygen and
related chemical parameters in the bottom waters of Lake Mendota,
Wisconsin. Water Research(5), 1207 - 1217. Retrieved from
http://www.gfredlee.com/SurfaceWQ/DelfinoVariationMendota.pdf
Devore, J. L. (2005). Probabilidad y estadística para ingeniería y ciencias (Sexta
ed.). México: Thomson Learning.
Diersing, N. (2009). Water Quality: Frequented Asked Questions. Florida Brooks
National Marine Sanctuary.
Dorman, M. E., George, T. S., Hartigan, J. P., & Quasebarth, T. F. (1996).
Retention, Detention, and Overland Flow for Pollutant Removal From
Highway Stormwater Runoff (Vol. II). McLean, Virginia: Federal Highway
Administration.
Drapper, D., Tomlinson, R., & Williams, P. (2000). Pollutant Concentrations in
Road Runoff: Southeast Queensland Case Study. Journal of Environmental
Engineering, 126 (4), 313-320.
Driscoll, E. D., Shelley, P. E., & Strecker, E. W. (1990). Pollutant loadings and
impacts from highway stormwater runoff. U.S. Department of
Transportation, McLean, Virginia.
Duncan, H. (1999). Urban storm water quality: A statistical overview. Melbourne,
Australia: Research Centre for Catchment Hydrology.
Duong, T. T., & Lee, B.-K. (2011). Determining contamination level of heavy metals
in road dust from busy traffic areas with different characteristics. Journal of
Environmental Management, 92 (3), 554-562.
doi:10.1016/j.jenvman.2010.09.010
Egodawatta, P., Ziyath, A. M., & Goonetilleke, A. (2013). Characterising metal
build-up on urban road surfaces. Environmental Pollution, 176, 87-91.
Ek, K. H., Rauch, S., Morrison, G. M., & Lindberg, P. (2004). Platinum group
elements in raptor eggs, faeces, blood, liver and kidney. Science of The
Total Environment(334-335(0)), 149-159.
doi:10.1016/j.scitotenv.2004.04.067
EPA, U. E. (n.d.). EPA. Retrieved from https://www.epa.gov/npdes/npdes-
stormwater-program
130
EPA, U. (s.f.). U.S. Environmental Protection Agency. Recuperado el 2016 de
Octubre de 21, de U.S. EPA: https://www.epa.gov/national-aquatic-
resource-surveys/indicators-conductivity
Eusko-Legebiltzarra. (2005). Ley 1 de 2005: Prevención de la contaminación del
suelo del País Vasco. (1era Edición ed.). Bilbao, España: Boletín oficial del
País Vasco.
Ferré-Huguet, N., Schuhmacher, M., & Llobet, J. D. (2007). Metales pesados y
salud. Mapfre Seguridad(108 (4)), 50-58.
Fournier, O. L. (2003). Recursos Naturales (Segunda ed.). San José: Editorial
Universidad Estatal a Distancia.
Freud, A., & Johnson, C. (1980). Comparison and relationships of stormwater
quality and basin characteristics: Madison, Wisconsin. En ASCE, M. E.
Meadows, & R. W. De Vore (Edits.), USW 1980: Proceeding of the
International Symposium on Urban Storm Runoff (1 ed., págs. 143-156).
Washington D.C.
Fulkerson, M., Nnadi, F. N., & Chasar, L. S. (2007). Characterizing Dry Deposition
of Mercury in Urban Runoff. Water Air Soil Pollut(185(1- 4)), 21-32.
doi:10.1007/s11270-007-9396-y
Gan, H., Zhuo, M., Li, D., & Zhou, Y. (2008). Quality characterization and impact
assessment of highway runoff in urban and rural area of Guangzhou, China.
Environ Monit Assess, 140 (1-3), 147-159. doi:10.1007/s10661-007-9856-2
Generalitat de Catalunya. (2006). Niveles genéricos de referenca (NGR), valores
de los NGR para metales y metaloides y protección de la salud humana
aplicables a Cataluña. (1era edición ed.). Barcelona, España: Agencia de
Residuos de Cataluña.
German, J., & Svensson, G. (2002). Metal content and particle size distribution of
street sediments and street sweeping waste. Water Science & Technology,
46 (6-7), 191-198.
Gill, L. W., Ring, P., Casey, B., Higgins, N. M., & Johnston, P. M. (2017). Long
term heavy metal removal by a constructed wetland treating rainfall runoff
from a motorway. Science of the Total Environment, 32-44.
Grottker, M. (1987). Runoff quality from a street with medium traffic loading.
Science of The Total Environment, 59, 457-466. Retrieved from
https://doi.org/10.1016/0048-9697(87)90469-4
131
Gunawardana, C., Goonetilleke, A., Egodawatta, P., Dawes, L., & Kokot, S. (2012).
Source characterisation of road dust based on chemical and mineralogical
composition. Chemosphere, 87 (2), 163-170.
doi:10.1016/j.chemosphere.2011.12.012
Hamilton, R. S., & Harrison, R. M. (1991). Highway pollution. Amsterdam: Elsevier.
Hares, R. J., & Ward, N. I. (1999). Comparison of the heavy metal content of
motorway stormwater following discharge into wet biofiltration and dry
detention ponds along the London Orbital (M25) motorway. Science of The
Total Environment, 235 (1-3), 169-178. Retrieved from
https://doi.org/10.1016/S0048-9697(99)00210-7
Harrison, R. M., & Wilson, S. J. (1985). The chemical composition of highway
drainage waters I. Major ions and selected trace metals. Science of The
Total Environment, 43 (1-2), 63-77.
Hatje, V., Apte, S., Hales, L., & Birch, G. (2003). Dissolved trace metal distributions
in Port Jackson estuary (Sydney Harbour), Australia. Marine Pollution
Bulletin, 46 (6), 719-730.
Helmreich, B., Hilliges, R., Schriewer, A., & Horn, H. (2010). Runoff pollutants of a
highly trafficked urban road – Correlation analysis and seasonal influences.
Chemosphere, 80 (9), 991-997.
Hernández Sampieri, R., & Fernández Collado, C. (1998). Metodología de la
investigacion. México: McGraw-Hill.
Herngren, L., Goonetilleke, A., & Ayoko, G. A. (2006). Analysis of heavy metals in
road-deposited sediments. Analytica Chimica Acta, 571 (2), 270-278.
Hilliges, R., Schriewer, A., & Helmreich, B. (2013). A three-stage treatment system
for highly polluted urban road runoff. Journal of Environmental Management,
128 (15), 306-312.
Huang, J., Du, P., Ao, C., Ho, M., Lei, M., Zhao, D., & Wang, Z. (2007). Multivariate
analysis for stormwater quality characteristics identification from different
urban surface types in Macau. Bulletin of Environmental Contamination and
Toxicology, 79 (6), 650-654. doi:10.1007/s00128-007-9297-1
IDEAM, Instituto de Hidrología Meteorología y Estudios Ambientales. (2007).
Sólidos totales secados a 103 - 105 °C. Subdirección de Hidrología - Grupo
de laboratorio de calidad ambiental. IDEAM. Obtenido de
http://www.ideam.gov.co/documents/14691/38155/S%C3%B3lidos+Totales
132
+secados+a+103+-+105%C2%BAC..pdf/d4faab4a-34e4-4159-bf4c-
50353b101935
INE, I. N., & SEMARNAT, S. d. (2007). Perspectivas sobre conservación de
ecosistemas acuáticos en México (Primera ed.). (O. Sánchez, M. Herzig, E.
Peters, R. Márquez-Huitzil, & L. Zambrano, Edits.) México, D.F.: Instituto
Nacional de Ecología.
INSP, CENSOPAS, CNSP. (2013). Efectos de la exposición crónica a metales
pesados y su manejo clínico: Revisión Rápida. Lima.
Instituto Nacional de Salud. Grupo de salud Ambiental. (2014). “Informe encuesta:
Capacidad técnica de los Laboratorios de Salud Pública para realizar
análisis de metales pesados en matrices biológicas y agua, 2014. Bogotá,
D.C.
IWA, T. I. (2006). Municipal Wastewater Management in Developing Countries.
Principles and Engineering. (Z. Ujang, & M. Henze, Edits.) London: IWA
Publishing.
Jiménez, F. V. (2015). Implantación de técnicas de drenaje sostenible de
escorrentías de autopistas (TDSEA) en la comunidad autónoma de Galicia.
La Coruña.
Johnson, D. L., Ambrose, S. H., Bassett, T. J., Bowen, M. L., Crummey, D. E.,
Isaacson, J. S., . . . Winter-Nelson, A. E. (1997, May). Meanings of
Environmental Terms. Journal of Environmental Quality, 26, 581-589.
doi:10.2134/jeq1997.00472425002600030002x
Jones, J. R. (1964). Fish and river pollution. London: Butterworth and Co., Ltd.
Kayhanian, M., Mckenzie, E., Leatherbarrow, J., & Young, T. (2012).
Characteristics of road sediment fractionated particles captured from paved
surfaces, surface run-off and detention basins. Science of The Total
Environment, 439 , 172-186.
Kayhanian, M., Suverkropp, C., Ruby, A., & Tsay, K. (2007). Characterization and
prediction of highway runoff constituent event mean concentration. Journal
of Environmental Management(85 (2)), 279-295.
doi:10.1016/j.jenvman.2006.09.024
Kennedy, P., & Gadd, J. (2003). Preliminary examination of trace elements in
tyres, brake pads, and road bitumen in New Zealand. Wellington, New
Zealand: Ministry of Transport of New Zealand.
133
Kobriger, N., & Geinopolos, A. (1984). Sources and migration of runoff. Washngton
D.C.: U.S. FHWA.
Kumar, M., Furumai, H., Kurisu, F., & Kasuga, I. (2013). Potential mobility of heavy
metals through coupled application of sequential extraction and isotopic
exchange: Comparison of leaching tests applied to soil and soakaway
sediment. Chemosphere, 39(17), 796-804.
Lammers, J. G. (1984). Pollution of International Watercourses. A search for
substantive rules and principles of law. The Hague: Martinus Nijhoff
Publishers.
Langelier, W. F. (1936). The analytical control of anti-corrision water treatment.
Journal (American Water Works Association)(28 ), 1500 - 1521.
Lau, S.-L., & Stenstrom, M. K. (2005). Metals and PAHs adsorbed to street
particles. Water Research, 39 (17), 4083-4092.
Legret, M., & Pagotto, C. (1999). Evaluation of pollutant loadings in the runoff
waters from a major rural highway. Science of The Total
Environment(235(1-3)), 143-150. doi:10.1016/S0048-9697(99)00207-7
Legret, M., Colandini, V., & Le Marc, C. (1996). Effects of a porous pavement with
reservoir structure on the quality of runoff water and soil. Science of The
Total Environment, 189-190, 335-340. doi:https://doi.org/10.1016/0048-
9697(96)05228-X
Li, M.-H., & Barret, M. E. (2008). Relationship between antecedent dry period and
highway pollutant: conceptual models of buildup and removal processes.
Water Environment Research, 80(8), 740-747.
Losilla, J. M., Navarro, B., Palmer, A., Rodrigo, M. F., & Ato, M. (2005). Del
contraste de hipótesis al modelado estadístico.
Mancera, R. N., & Álvarez, L. R. (2006). Estado del conocimiento de las
concentraciones de mercurio y otros metales pesados en peces
dulceacuícolas de Colombia. Acta Biológica Colombiana, 3-23.
Maniquiz, M. C., Soyoung, L., & Kim, L.-H. (2010). Multiple linear regression
models of urban runoff pollutant load and event mean concentration
considering rainfall variables. Journal of Environmental Sciences, 22 (6),
946-952.
134
Maniquiz-Redillas, M., & Kim, L. (2014). Fractionation of heavy metals in runoff and
discharge of a stormwater management system and its implications for
treatment. Journal of Environmental Sciences, 26(6), 1214-1222.
Marques Dos Santos, M. J. (2001). Estadística Básica: un enfoque no paramétrico.
Universidad Nacional Autónoma de México. Facultad de Estudios
Superiores Zaragoza.
Marsalek, J., Rochfort, Q., Brownlee, B., Mayer, T., & Servos, M. (1999). An
exploratory study of urban runoff toxicity. Water Science and Technology,
39 (12), 33-39.
Martin, C. W. (2000). Heavy metal trends in floodplain sediments and valley fill,
River Lahn, Germany. Catena, 53-68. doi:10.1016/S0341-8162(99)00080-6
Massadeh, A. M., & Snook, R. D. (2002). Determination of Pb and Cd in road dusts
over the period in which Pb was removed from petrol in the U.K. Journal of
Environmental Monitoring(4(4)), 567-572. doi:10.1039/B203905M
McKenzie, D. J., & Irwin, G. A. (1983). Water-quality assessment of stormwater
runoff from a heavily used urban highway bridge in Miami, Florida.
Tallahasseee, Florida: Geological Survey. U.S.
McKenzie, D., & Irwin, G. (1983). Water-quality assessment of stormwater runoff
from a heavily used urban highway bridge in Miami, Florida. U.S. Geological
Survey. Florida: 1st. Retrieved from
https://pubs.usgs.gov/wri/1983/4153/report.pdf
McKenzie, E. R., Money, J. E., Green, P. G., & Young, T. M. (2009). Metals
associated with stormwater-relevant brake and tire samples. Science of The
Total Environment(407(22)), 5855-5860.
doi:10.1016/j.scitotenv.2009.07.018
Memon, F. A., & Butler, D. (2005). Characterisation of pollutants washed off from
road surfaces during wet weather. Urban Water Journal, 2 (3), 171-182.
Meza, L. M., Quintero, M., & Valdez, B. (2014). Heavy metals in urban road
sediments of the city of Mexicali, Mexico. Revista Internacional de
Contaminación Ambiental, 30 (1), 15-26.
Ministerio de ambiente y desarrollo sostenible. (2015). Resolución 631 de 2015.
Colombia.
135
Ministerio de obras públicas y urbanismo de España. (1986). Real Decreto 849 de
1986. España.
Moores, J., Pattinson, P., & Hyde, C. (2010). Investigation of Contaminants in
Industrial Stormwater Catchpits. National Institute of Water and Atmospheric
Research Ltd., Auckland. Retrieved from
http://www.aucklandcouncil.govt.nz/SiteCollectionDocuments/aboutcouncil/p
lanspoliciespublications/technicalpublications/tr2010002contaminantsindustr
ialstormwatercatchpits.pdf
Morales, S. H. (2006). Ingeniería Vial I. Santo Domingo: Búho.
Murakami, M., Makoto, F., Furumai, H., Kasuga, I., & Kurisu, F. (2009). Sorption
behavior of heavy metal species by soakaway sediment receiving urban
road runoff from residential and heavily trafficked areas. Journal of
Hazardous Materials, 164, 707-712. Retrieved from
https://doi.org/10.1016/j.jhazmat.2008.08.052
Murakami, M., Nakajima, F., & Furumai, H. (2008). The sorption of heavy metal
species by sediments in soakaways receiving urban road runoff.
Chemosphere, 70, 2099-2109. Retrieved from
https://doi.org/10.1016/j.chemosphere.2007.08.073
Nadler, A., & Meißner, E. (2007). Versickerung des Niederschlagswassers von
befestigten Verkehrsflächen, Abschlussbericht Entwicklungsvorhaben
Oktober 1996 – Oktober 2005. Bayerisches Landesamt für Umwelt, 1-72.
NAS, National Academy of Sciences. (1974). Water quality criteria,1972. National
Academy of Engineering. Washington, D.C.: U.S. Government Printing
office.
Nriagu, J. O. (1990). The rise and fall of leaded gasoline. Science of The Total
Environment(92 (0)), 13-28. doi:10.1016/0048-9697(90)90318-O
Olivero, V. J. (2014). Efectos de la minería en Colombia sobre la salud humana.
En J. (. Benavides, C. Universidad de los Andes, & UPME, Insumos para el
desarrollo del Plan Nacional de Ordenamiento Minero (págs. 493-524).
Bogotá: Ediciones Uniandes.
Opher, T., & Friedler, E. (2010). Factors affecting highway runoff quality. Urban
Water Journal(7 (3)), 155-172. doi:10.1080/15730621003782339
136
Orozco, J. Á. (2005). Bioingeniería de Aguas Residuales. Teoría y diseño.
(Primera ed.). Bogotá: ACODAL, Asociación Colombiana de Ingeniería
Sanitaria y Ambiental.
Pagotto, C., Legret, M., & Le Cloirec, P. (2000). Comparison of the hydraulic
behaviour and the quality of highway runoff water according to the type of
pavement. Water Research, 34(18), 4446-4454. Retrieved from
https://doi.org/10.1016/S0043-1354(00)00221-9
Paul, M. J., & Meyer, J. L. (2001). The ecology of urban streams. Annual Review of
Ecology & Systematics, 32, 333-365.
Pedrosa, I., Juarros-Basterretxea, J., Robles-Fernández, A., Basteiro, J., & García-
Cueto, E. (2015). Pruebas de bondad de ajuste en distribuciones simétricas,
¿qué estadístico utilizar? Universitas Psychologica, 14(1), 245-254.
doi:10.11144/Javeriana.upsy13-5.pbad
Pedroza, H., & Dicovskyi, L. (2007). Sistema de Análisis Estadístico con SPSS.
Managua: IICA, INTA.
Peña, S. E., Palacios, P. M., & Ospina-Álvarez, N. (2005). Algas como indicadoras
de contaminación. Cali: Programa Editorial Universidad del Valle.
Pérez, G., López-Mesas, M., & Valiente, M. (2008). Assessment of heavy metals
remobilization by fractionation: comparison of leaching tests applied to
roadside sediments. Environmental Science & Technology, 42 (7), 2309-
2315. doi:10.1021/es0712975
Peterson, S. M., Batley, G. E., NSW, R. a., & CSIRO. (1992). Road runoff and its
impact on the aquatic environment : a review. Menia, New South Wales:
CSIRO Centre for Advanced Analytical Chemistry.
Pitt, R., Field, R., Lalor, M., & Brown, M. (1995). Urban Stormwater Toxic
Pollutants: Assessment, Sources, and Treatability. Water Environment
Research, 67 (3), 260-275.
Presidencia de la comunidad autónoma de La Rioja. (2010). Ley 9 de 2010.
España.
Presidente de la república de Colombia. (1984). Decreto 1594 de 1984. Colombia.
Presidente de la república de Colombia. (2010). Decreto 3930 de 2010. Colombia.
Presidente de la república de Colombia. (2015). Decreto único reglamentario 1076
de 2015. Colombia.
137
Presidente de la república de Colombia. (2018). Decreto 050 de 2018 . Colombia.
Prestes, E. C., Dos Anjos, V. E., Sodré, F. F., & Grassi, M. T. (2006). Copper, lead
and cadmium loads and behavior in urban stormwater runoff in Curitiba,
Brazil. Journal of the Brazilian Chemical Society, 17(1), 53-60. Retrieved
from http://dx.doi.org/10.1590/S0103-50532006000100008
Pronczuk, J., & OMS. (2006). Programas y actividades de la OMS en lo que atañe
al mercurio, al plomo y al cadmio. En O. Seguridad química para el
desarrollo sostenible (IFCS-9, ABSTRACTOS. Preocupaciones en materia
de salud y medio ambiente asociadas con los metales pesados ¿Necesidad
de una acción mundial ulterior?. Acto paralelo sobre metales pesados.
Suiza.
PSEP. (1996). Recommended Guidelines for measuring selected environmental
variables in Puget Sound. Prepared for U.S. Environmental Protection
Agency Region 10, Office of Puget Sound, Seattle, WA and Puget Sound
Water Quality Authority, Olympia, WA. . Water Quality Authority, Olympia,
WA.
PV. (2005). Ley 1/ 2005. Prevención de la contaminación del suelo del País Vasco.
. Bilbao: Boletín oficial del País Vasco, Eusko Legebiltzarra.
Ramos, M. J. (2002). Estudio de la contaminación por metales pesados y otros
procesos de degradación química en los suelos de invernadero del poniente
Almeriense. Tesis Doctoral, Universidad de Almería.
Ramos, O. R., Sepúlveda, M. R., & Villalobos, M. F. (2002). El agua en el medio
ambiente: muestreo y análisis. México, D.F.: Plaza y Valdés Editores.
Rauch, S., Hemond, H. F., Barbante, C., Owari, M., Morrison, G. M., Peucker-
Ehrenbrink, B., & Wass, U. (2005). Importance of Automobile Exhaust
Catalyst Emissions for the Deposition of Platinum, Palladium, and Rhodium
in the Northern Hemisphere. Environmental Science & Technology(39 (21)),
8156-8162. doi:10.1021/es050784m
Rawson, D., & Moore, J. (1944). The saline lakes of Saskatchewan. Canadian
Journal of Research(22), 141.
Reid, L. C., & Carlson, D. A. (1974). Chlorine disinfection of low temperature
waters. Journal of Environmental Engineering Division, 100(EE2 : 339).
Rigola, L. M. (1990). Tratamiento de aguas industriales: aguas de proceso y
residuales. Barcelona: Marcombo Boixareu Editores.
138
Rijkenberg, M. J., & Depree, C. V. (2010). Heavy metal stabilization in
contaminated road-derived sediments. Science of the Total Environment,
408, 1212-1220. Retrieved from
https://doi.org/10.1016/j.scitotenv.2009.11.053
Romero-Saldaña, M. (2016). Pruebas de bondad de ajuste a una distribución
normal. Revista Enfermería del Trabajo(6:3), 105-114.
Roubicek, V., Raclavska, H., Juchelkova, D., & Filip, P. (2008). Wear and
environmental aspects of composite materials for automotive braking
industry. Wear(265(1-2)), 167-175. doi:10.1016/j.wear.2007.09.006
Sansalone, J. J., & Buchberger, S. G. (1997). Partitioning and first flush of metals
in urban roadway storm water. Journal of Environmental Engineering(123
(2)), 134-143. Retrieved from http://dx.doi.org/10.1061/(ASCE)0733-
9372(1997)123:2(134)
Sansalone, J. J., Buchberger, S. G., & Al-Abed, S. R. (1996). Fractionation of
heavy metals in pavement runoff. Science of The Total Environment, 189-
180, 371-378.
Sansalone, J. J., Buchberger, S., & Koechling, M. T. (1995). Correlations between
heavy metals and suspended solids in highway runoff: Implications for
control strategies. TRANSPORTATION RESEARCH RECORD 1483, 112-
119. Retrieved from
http://onlinepubs.trb.org/Onlinepubs/trr/1995/1483/1483-014.pdf
Sartor, J. D., & Boyd, G. B. (1972). Water Pollution Aspects of Streets Surface
Contaminants. U. S. Environmental Protection Agency, Office of Research
and Monitoring, Washington, D.C. Obtenido de
http://unix.eng.ua.edu/~rpitt/Publications/StormwaterTreatability/Water_Pollu
tion_Aspects_Of_Street_Surface_Contaminants.pdf
Sawyer, C. (1960). Chemistry for sanitary engineers. New York: McGraw Hill Book
Co.
SDM, Secretaría Distrital de Movilidad. (2017). Toma de información de campo
como insumo del programa de monitoreo, seguimiento y planeación del
tránsito y el transporte de Bogotá D.C.
SDM, Secretaría Distrital de Movilidad. (2018). Diagnóstico, toma y análisis de la
información de campo como insumo del programa de monitoreo,
seguimiento y planeación del tránsito y el transporte de Bogotá D.C. Bogotá
D.C.
139
Secretaría Distrital de Ambiente Bogotá; Centro de investigaciones en Ingeniería
Ambiental - CIIA Departamento de Ingeniería Civil y Ambiental Universidad
de los Andes. (2009). Concentraciones de referencia para los vertimientos
industriales realizados a la red de alcantarillado y de los vertimientos
industriales y domésticos efectuados a cuerpos de agua de la ciudad de
Bogotá. Primer informe. Bogotá. Obtenido de
http://oab.ambientebogota.gov.co/es/con-la-
comunidad/ES/concentraciones-de-referencia-para-los-vertimientos-
industriales-realizados-a-la-red-de-alcantarillado-y-de-los-3
SÉTRA, S. D. (2006). Calculation of the loads of chronic pollution from roadways
runoffs. Obtenido de
http://www.setra.equipement.gouv.fr/IMG/pdf/US_NI_EEC_75_GB.pdf
Shaheen, D. G. (1975). Contributions of Urban Roadway Usage to Water Pollution.
Washington D.C.: U.S. EPA.
Sigel, H., & Sigel, A. (1988). Metal Ions in Bilogical Systems (Vol. 24. Aluminum
and Its Role in Biology). New York: Marcel Dekker Inc.
Srinivas, T. (2008). Environmental Biotechnology. New Delhi: New Age
International (P) Ltd., Publishers.
Stagge, J. H., Davis, A. P., Jamil, E., & Kim, H. (2012). Performance of grass
swales for improving water quality from highway runoff. Water Research, 46
(20), 6731-6742.
Stenstrom, M. K., & Kayhanian, M. (2005). First Flush Phenomenon
Characterization . Research Report for Department of California
Transportation, CA, USA.
Steuer, J., Selbig, W., Hornewer, N., & Prey, J. (1997). Sources of contamination in
an urban basin in Marquette, Michigan and an analysis of concentrations,
loads, and data quality. U.S. Geological Survey. Water-Resources
Investigations Report 97-4242. Prepared in cooperation with the Wisconsin
Department of Natural Resources and the U.S. Environmental Protection
Agency.
Storhaug, R. (1996). Miljøgifter i overvann (Rapport 96). Norge: Udført af
Aquateam.
Stotz, G. (1987). Investigations of the properties of the surface water run-off from
federal highways in the FRG. Science of The Total Environment, 59, 329-
337. Retrieved from https://doi.org/10.1016/0048-9697(87)90456-6
140
Stotz, G., & Krauth, K. (1994). The pollution of effluents from pervious pavements
of an experimental highway section: first results. Science of The Total
Environment, 146-147, 465-470.
Stumm, W., & Morgan, J. J. (1970). Aquatic Chemistry. New York: John Wiley and
Sons, Inc.
Temprano, J., & Tejero, I. (2002). Detention Storage Volume for Combined Sewer
Overflow into a River. Environmental Technology, Vol. 23, 663-675.
doi:10.1080/09593332308618381
Tiller, K. G. (1989). Heavy metals in soils and their environmental significance. (B.
A. Steward, Ed.) Advances in Soil Science, 9, 113-142.
Tomás-Sábado, J. (2009). Fundamentos de bioestadística y análisis de datos para
enfermería. Barcelona: Universitat Autònoma de Barcelona.
Torres, C. (2010). Characterization and Pollutant Loading Estimation for Highway
Runoff in Omaha, Nebraska. Master of Science, University of Nebraska-
Lincoln, Lincoln, Nebraska.
Tromp, K., Lima, A., Barendregt, A., & Verhoeven, J. (2012). Retention of heavy
metals and poly-aromatic hydrocarbons from road water in a constructed
wetland and the effect of de-icing. Journal of Hazardous Materials, 203-204,
290-298.
Trujillo, G. J., & Torres, M. M. (Junio de 2015). Niveles de contaminación en tres
sectores de Villavicencio, a través del índice de geo-acumulación(I-geo).
ORINOQUIA(19 (1)), 109-117. Recuperado el 1 de 10 de 2016, de
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-
37092015000100010
Tuccillo, M. E. (2006). Size fractionation of metals in runoff from residential and
highway storm sewers. Science of The Total Environment, 355 (1-3), 288-
300.
U. S. EPA, E. P. (n.d.). U. S. EPA. Retrieved 10 14, 2016, from
https://www.epa.gov/nutrientpollution/sources-and-solutions-stormwater
U. S. EPA, E. P. (n.d.). U.S. EPA. Retrieved 10 14, 2016, from
https://www3.epa.gov/caddis/ssr_urb_is1.html
U.S. EPA. (1972). Clean Water Act CWA. United States.
141
U.S. EPA. (1972). United States Environmental Protection Agency U.S. EPA.
Obtenido de Introducción a la Ley de Agua Limpia:
https://cfpub.epa.gov/watertrain/pdf/modules/Introduccion_a_la_Ley_de_Aq
ua_Limpia.pdf
U.S. EPA. (2013). U.S. Environmental Protection Agency. Obtenido de U.S. EPA:
https://www.epa.gov/sites/production/files/2015-
09/documents/totalnitrogen.pdf
U.S. EPA. (s.f.). U.S. Environmental Protection Agency. Recuperado el 16 de 10
de 21, de U.S. EPA: https://www.epa.gov/nutrientpollution/problem
U.S. EPA, E. P. (1986). Quality Criteria for Water. United States Environmental
Protection Agency, Office of Water. Regulations and Standards,
Washington, D.C. Retrieved from http://nptwaterresources.org/wp-
content/uploads/2014/01/1986-goldbook.pdf
U.S. EPA, E. P. (1994). Terms of environment: Glossary, abbreviations, and
acronyms. USEPA, Communications, Education, and Public Affairs (1704).
Washington D.C.: U.S. Gov. Print Office.
U.S. EPA, E. P. (October 2001). Methods for Collection, Storage and Manipulation
of Sediments for Chemical and Toxicological Analyses: Technical Manual.
U.S. Environmental Protection Agency, Office of Water. Washington D.C.:
EPA 823-B-01-002. Retrieved from
https://www.epa.gov/sites/production/files/2015-
09/documents/collectionmanual.pdf
U.S. EPA, E. P. (s.f.). U.S. Environmental Protection Agency. Recuperado el 21 de
Octubre de 2016, de
https://archive.epa.gov/water/archive/web/html/vms59.html
U.S. EPA, E. P. (n.d.). U.S. EPA. Retrieved 10 16, 14, from
https://www.epa.gov/nutrientpollution/sources-and-solutions-stormwater
Vatten, S. (2001). Klassificering av dagvatten och recipienter samt riktlinjer för
reningskrav. Del 2, Dagvattenklassificering. S.L.
Viklander, M. (1998). Particle Size Distribution and Metal Content in Street
Sediments. Journal of Environmental Engineering, 124 (8), 761-766.
Retrieved from https://doi.org/10.1061/(ASCE)0733-9372(1998)124:8(761)
Volesky, B. (1990). Removal and recovery of heavy metals. Biosorption of Heavy
Metals. B. CRC Press. Boca Raton, 7-44.
142
Waschbusch, R. J. (1996). U.S. Geological Survey written comun.
Washington State Department of Transportation, WSDOT. (2007). Washington
State Department of Transportation. Retrieved from Highway Runoff Manual
(HRM):
http://www.wsdot.wa.gov/Environment/WaterQuality/Runoff/HighwayRunoff
Manual.htm
Weber, B., Shalhav, U., Cohen, R., Rottel, M., Friedler, E., & Environment, I. M.
(2001). Pollutants mass-balance in the wastewater entering the greater Tel-
Aviv wastewater treatment plant: Heavy metals and minerl oils.
Weiner, R. F., & Matthews, R. A. (2003). Environmental Engineering (Fourth ed.).
Burlington, Massachusetts: Elsevier Science.
Winslow, C.-E. A. (1920). The Untilled Field of Public Health. Modern Medicine(2),
183-191.
Wiseman, C. L., & Zereini, F. (2009). Airborne particulate matter, platinum group
elements and human health: a review of recent evidence. Science of The
Total Environment(407(8)), 2493-2500. doi:10.1016/j.scitotenv.2008.12.057
Wu, J., Allan, C. J., Saunders, W. L., & Evett, J. B. (1998). Characterization and
pollutant loading estimation for highway. Journal of Environmental
Engineering(127 (4)), 584.
Yousef, Y. A., Wanielista, M. P., Hvitved-Jacobsen, T., & Harper, H. H. (1984).
Fate of heavy metals in stormwater runoff from highway bridges. Science of
The Total Environment(33(1-4)), 233-244. doi:10.1016/0048-
9697(84)90397-8
Yuen, J., Olin, P., Lim, H., Benner, S., Sutherland, R., & Ziegler, A. (2012).
Accumulation of potentially toxic elements in road deposited sediments in
residential and light industrial neighborhoods of Singapore. Journal of
Environmental Management, 101, 151-163.
doi:10.1016/j.jenvman.2011.11.017
Zafra Mejía, C. A., Peña Valbuena, N. Á., & Álvarez Prieto, S. (2013a).
Contaminación por metales pesados en los sedimentos acumulados sobre
el corredor vial Bogotá - Soacha. Tecnura [online], Vol. 17,, 99-108.
Zafra Mejía, C. A., Rodríguez Chitiva, L. G., & Torres Cabrera, Y. A. (Julio-
Diciembre de 2013b). Metales pesados asociados con las partículas
143
atmosféricas y sedimentadas de superficies viales: Soacha (Colombia).
Revista Científica(17), 113-124.
Zafra Mejía, C. A., Temprano González, J., & Tejero Monzón, I. (Marzo de 2011).
Concentración y distribución de metales pesados (Pb, Zn, Cu, Cd y Cr) en
sedimentos viarios urbanos. Revista Facultad de Ingeniería, Universidad de
Antioquia(58), 53-62.
Zafra Mejía, C. A., Temprano González, J., & Tejero Monzón, J. I. (2007).
Contaminación por escorrentía superficial urbana: metales pesados
acumulados sobre la superficie de una vía. Ingeniería e Investigación,
27(1), 4-10.
Zafra, C., Temprano, J., & Tejero, I. (2008). Particle size distribution of
accumulated sediments on an urban road in rainy weather. Environmental
Technology, 29 (5), 571-582.
Zafra, C., Temprano, J., & Tejero, I. (2017). The physical factors affecting heavy
metals accumulated in the sediment deposited on road surfaces in dry
weather: a review. Urban Water Journal, 14(6), 639-649.
doi:https://doi.org/10.1080/1573062X.2016.1223320
Zafra, M. C. (2012). Estimación de la distribución de los metales pesados
asociados con el sedimento viario a partir del material en suspensión del
aire. Tesis doctoral, Universidad de Cantabria, Torrelavega.
Zafra, M. C., Luengas, P. E., & Temprano, G. J. (Junio de 2013c). Influencia del
tráfico en la acumulación de metales pesados sobre vías urbanas:
Torrelavega (España)-Soacha (Colombia). Revista Facultad de Ingeniería
Universidad de Antioquia(67), 146-160.
Zafra, M. C., Temprano, G. J., & Tejero, M. I. (2009). Evaluación de la
contaminación por escorrentía urbana: sedimentos depositados sobre la
superficie de una vía. Ingeniería e Investigación(29 (1)), 101-108.
Zafra-Mejía, C., Gutiérrez-Malaxechebarria, Á., & Hernández-Peña, Y. (2019).
Relación entre tráfico vehicular y concentraciones de metales pesados en
sedimentos viales de Bogotá, Colombia: indicadores de salud pública.
Revista de la Facultad de Medicina, Universidad Nacional de Colombia,
193-199. doi: http://dx.doi.org/10.15446/revfacmed.v67n2.68269
Zanders, J. M. (2005). Road sediment: characterization and implications for the
performance of vegetated strips for treating road run-off. Science of The
Total Environment, 339 (1-3), 41-47. doi:10.1016/j.scitotenv.2004.07.023
144
Zhang, C., Yu, Z.-g., Zeng, G.-m., Jiang, M., Yang, Z.-z., Cui, F., . . . Hu, L. (2014).
Effects of sediment geochemical properties on heavy metal bioavailability.
Environment International, 73, 270-281.
Zhang, J., Wang, X., Zhu, Y., Huang, Z., Yu, Z., Bai, Y., . . . Hua, P. (2019). The
influence of heavy metals in road dust on the surface runoff quality: Kinetic,
isotherm, and sequential extraction investigations. Ecotoxicology and
Environmental Safety, 270-278.
Zhao, H., & Li, X. (2013). Understanding the relationship between heavy metals in
road-deposited sediments and washoff particles in urbanstormwater using
simulated rainfall. Journal of Hazardous Materials, 246-247, 267-276.
doi:10.1016/j.jhazmat.2012.12.035
Zhao, H., Li, X., Wang, X., & Di, T. (2010). Grain size distribution of road-deposited
sediment and its contribution to heavy metal pollution in urban runoff in
Beijing, China. Journal of Hazardous Materials, 183, 203-210. Retrieved
from https://doi.org/10.1016/j.jhazmat.2010.07.012
Zheng, N., Liu, J., Wang, Q., & Liang, Z. (2010). Health risk assessment of heavy
metal exposure to street dust in the zinc smelting district, Northeast of
China. Science of the total environment(408), 726-733.
doi:10.1016/j.scitotenv.2009.10.075
Zhu, W., & Bian, B. (2008). Heavy metal contamination of road-deposited
sediments in a medium size city of China. Environmental Monitoring and
Assessment, 147 (1-3), 171-181.
Zinkus, G. A., Byers, W. D., & Doerr, W. W. (1998). Identify appropiate water
reclamation technologies. Chemical Engineering Progress, Mayo 19-31.
Zvirin, Y., Gutman, M., & Tartakovsky, L. (1998). Fuel Effects on Emissions. In E.
Sher (Ed.), Handbook of Air Pollution from Internal Combustion Engines.
Pollutant Formation and Control (pp. 547-651). San Diego, California:
Academic Press.
