Índice
GuiaMetodologicaQuimica
GuiaMetodologicaQuimica
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Un modelo conceptual corresponde a un relato escrito<br />
y/o representación gráfica del sistema ambiental<br />
y de los procesos físicos, químicos y biológicos que<br />
determinan el transporte de contaminantes desde la<br />
fuente, a través de los medios que componen el sistema,<br />
hasta los potenciales receptores que forman<br />
parte de él 16 . El modelo debe ser representativo de los<br />
procesos y reacciones más importantes que ocurrirán<br />
en el sitio, y puede cambiar en el tiempo a medida que<br />
se cuente con información más completa del lugar.<br />
Generalmente, habrá más de un modelo conceptual<br />
que pueda ajustarse a los datos del sitio y, por ende,<br />
es importante que los distintos modelos conceptuales<br />
sean testeados (Neuman and Wierenga, 2003).<br />
La información requerida para un modelo conceptual<br />
del sitio de interés es variada y dependerá de la utilización<br />
que se le da al modelo. En términos generales,<br />
en relación al estudio del DM, incluye información<br />
relativa a las fuentes identificadas como potencialmente<br />
generadoras de DM (geología, mineralogía,<br />
características físicas, hidráulicas y geoquímicas,<br />
ente otras); a las vías de transporte y migración de los<br />
potenciales contaminantes (aire, infiltración, escorrentía,<br />
zona no saturada, agua subterránea, agua<br />
superficial, sedimentos); y a los potenciales receptores<br />
(vida acuática, terrestre, vegetal y humana).<br />
La selección del código o modelo matemático se<br />
debe basar en su capacidad para simular los procesos<br />
relevantes en el sitio de estudio que han sido identificados<br />
en el modelo conceptual. Antes de comenzar<br />
con un proyecto de modelación, se debe realizar una<br />
revisión de los códigos disponibles, teniendo en cuenta<br />
que la poca disponibilidad de datos limita la aplicación<br />
de un código, si esto sucede se recomienda la<br />
utilización de un código más simple.<br />
Algunos de los puntos importantes a considerar a la<br />
hora de elegir un código incluyen:<br />
• Establecer los objetivos y alcances del modelamiento.<br />
• Identificar aquellos procesos específicos en la faena<br />
que determinarán la generación de DM y los códigos<br />
capaces de simular esos procesos. Por ejemplo,<br />
la capacidad del código de simular procesos que controlan<br />
la calidad de las aguas.<br />
• Identificar los códigos que existan, su disponibilidad<br />
(acceso libre o bajo licencia) y la información disponible.<br />
• Evaluar la potencialidad del código para simular la<br />
distribución espacial y temporal de los parámetros<br />
claves de entrada.<br />
• Determinar si las reacciones estarán mejor representadas<br />
por códigos cinéticos o de equilibrio (o ambos).<br />
• Evaluar la conveniencia de utilizar códigos para<br />
análisis cuantitativo y códigos para análisis cualitativo<br />
acoplado o por separado.<br />
• Estudiar el tipo y calidad de los datos disponibles (o<br />
que puedan ser recolectados) versus el tipo de datos<br />
requeridos por el código.<br />
• Identificar la presencia de interfaces gráficas en<br />
los códigos y su facilidad de uso.<br />
• Disponer de datos de apoyo.<br />
La verificación del programa de modelación se refiere<br />
a que el código seleccionado resuelve con precisión<br />
las ecuaciones matemáticas que describen los procesos<br />
simulados para condiciones similares a las dominantes<br />
en el sitio en estudio. El software de modelación<br />
también puede contener “errores” que serán<br />
identificados y corregidos a medida que el código sea<br />
utilizado por más usuarios para distintas situaciones.<br />
Es por esto que los códigos más utilizados y disponibles<br />
son generalmente los más confiables.<br />
La calibración del modelo considera la comparación<br />
de los datos de terreno (p. ej. de las pruebas de predicción<br />
de campo de pequeña, mediana y gran escala)<br />
con las simulaciones obtenidas a través del modelo.<br />
La calibración incluye el ajuste de los parámetros del<br />
modelo, como por ejemplo la porosidad, de manera<br />
de que los resultados de la simulación sean representativos<br />
de la realidad observada.<br />
Tanto la verificación como la calibración del modelo<br />
son etapas claves de la modelación. En sitios donde<br />
se han recolectado datos durante varios años,<br />
se podrá realizar una mejor calibración del modelo,<br />
incorporando de mejor manera la variabilidad temporal<br />
y, por ende, se obtendrán predicciones más<br />
confiables.<br />
Hoy la capacidad computacional de los códigos y<br />
computadores es muy superior a la capacidad de los<br />
hidrogeólogos y geoquímicos para representar las<br />
propiedades físicas, químicas y biológicas de un sitio<br />
o para entender y verificar los resultados de un modelo<br />
(Nordstrom, 2004; Oreskes, 2000). En este sentido,<br />
es fundamental evaluar la exactitud y precisión de la<br />
modelación y, en consecuencia, se debe realizar un<br />
análisis cuantitativo de la incertidumbre.<br />
La incertidumbre es un factor inherente a la determinación<br />
de muchos de los parámetros requeridos para<br />
el modelamiento del DM, especialmente en paráme-<br />
50<br />
16. Ministerio de Medio Ambiente y Fundación Chile, 2012.