Marcelo Fabian Ortega Romero
Marcelo Fabian Ortega Romero
Marcelo Fabian Ortega Romero
TESIS DOCTORAL
2012
Índice
INTRODUCCIÓN Y OBJETIVOS ...................................................................................................... IV
RESUMEN ..................................................................................................................................... VI
ABSTRACT ..................................................................................................................................... VI
1 Estado del arte ...................................................................................................................... 1
1.1 Composición del crudo del petróleo ............................................................................. 1
1.1.1 Hidrocarburos Alifáticos o Saturados .................................................................... 2
1.1.2 Hidrocarburos Aromáticos .................................................................................... 3
1.1.3 Resinas................................................................................................................... 4
1.1.4 Asfaltenos .............................................................................................................. 4
1.1.5 Productos derivados del petróleo ......................................................................... 5
1.2 El suelo .......................................................................................................................... 6
1.2.1 Estructura y componentes del suelo ..................................................................... 6
1.2.2 Reparto en fases de los contaminantes orgánicos en el suelo ............................. 9
1.2.3 Legislación ambiental de suelos contaminados .................................................. 12
1.3 Biorremediación de Hidrocarburos en suelos ............................................................. 14
1.3.1 Cantidad y Estado del Hidrocarburo ................................................................... 16
1.3.2 Temperatura........................................................................................................ 18
1.3.3 Oxígeno ............................................................................................................... 19
1.3.4 Humedad ............................................................................................................. 20
1.3.5 Poblaciones Microbianas .................................................................................... 20
1.3.6 Nutrientes............................................................................................................ 22
1.3.7 Utilización de surfactantes .................................................................................. 22
1.3.8 Estructura y tipo de suelo ................................................................................... 25
1.4 Modelos Estadísticos ................................................................................................... 26
1.4.1 Importancia de un modelo estadístico................................................................ 27
1.4.2 Construcción de modelos estadísticos ................................................................ 27
1.4.3 Clasificación de los modelos estadísticos ............................................................ 28
1.4.4 Tipos de datos de los modelos estadísticos ........................................................ 29
1.4.5 Modelo Lineal ...................................................................................................... 29
1.4.6 Contrastes de hipótesis ....................................................................................... 31
2 Materiales y Métodos ......................................................................................................... 33
2.1 Tipos de suelos ............................................................................................................ 33
I
2.2 Caracterización del Gasóleo ........................................................................................ 35
2.3 Caracterización de Nutrientes y Surfactantes ............................................................. 36
2.4 Diseño de experimentos ............................................................................................. 40
2.5 Diseño de muestreo .................................................................................................... 42
2.6 Preparación del experimento...................................................................................... 49
2.6.1 Preparación del terreno ...................................................................................... 49
2.6.2 Dosificación de nutrientes y frecuencia de actividades ...................................... 51
2.6.3 Balance de masa del Carbono y del Nitrógeno ................................................... 53
2.7 Preparación de muestras ............................................................................................ 54
2.8 Extracción del Gasóleo del suelo................................................................................. 56
2.9 Análisis químico mediante GC-MS .............................................................................. 58
2.9.1 Cuantificación de los Hidrocarburos Totales del petróleo (TPH) ........................ 58
2.9.2 Selección de indicadores de la biodegradación .................................................. 58
2.10 Variables utilizadas en los modelos de predicción de TPH ......................................... 58
2.11 Datos utilizados en los modelos .................................................................................. 61
3 Análisis de Resultados ......................................................................................................... 64
3.1 Modelo matemático del TPH en función del tiempo (forzado) .................................. 64
3.1.1 Variables utilizadas en el modelo ........................................................................ 64
3.1.2 Expresión matemática y valores de los coeficientes ........................................... 64
3.1.3 Observaciones ..................................................................................................... 66
3.1.4 Conclusiones........................................................................................................ 70
3.2 Modelo matemático del TPH en función del tiempo (no forzado) ............................. 71
3.2.1 Variables utilizadas en el modelo ........................................................................ 72
3.2.2 Expresión matemática y valores de los coeficientes ........................................... 72
3.2.3 Observaciones ..................................................................................................... 73
3.2.4 Conclusiones........................................................................................................ 79
3.3 Comparación entre los modelos en función del tiempo ............................................. 80
3.4 Modelo matemático del TPH en función del tiempo y las variables de tipo biológico
(no forzado) ............................................................................................................................. 81
3.4.1 Variables utilizadas en el modelo ........................................................................ 81
3.4.2 Expresión matemática y valores de los coeficientes ........................................... 81
3.4.3 Observaciones ..................................................................................................... 82
3.4.4 Conclusiones........................................................................................................ 88
3.5 Modelo matemático del TPH en función del tiempo y las variables de tipo biológico
(forzado) .................................................................................................................................. 88
3.5.1 Variables utilizadas en el modelo ........................................................................ 89
II
3.5.2 Expresión matemática y valores de los coeficientes........................................... 89
3.5.3 Observaciones ..................................................................................................... 89
3.6 Comparación entre los modelos en función del tiempo y las variables de tipo
biológico .................................................................................................................................. 95
3.7 Modelo matemático del TPH en función del tiempo y las variables de tipo químico
(forzado) .................................................................................................................................. 96
3.7.1 Variables utilizadas en el modelo ........................................................................ 96
3.7.2 Expresión matemática y valores de los coeficientes........................................... 98
3.7.3 Observaciones ................................................................................................... 100
3.8 Efectos de los suelos y los nutrientes en la degradación de algunos compuestos ... 103
3.8.1 Comparación de la degradación de compuestos en el suelo 1 ......................... 106
3.8.2 Comparación de la degradación de compuestos en el suelo 2 ......................... 109
3.8.3 Comparación de la degradación entre suelos ................................................... 112
4 Conclusiones...................................................................................................................... 115
5 Bibliografía ........................................................................................................................ 118
III
INTRODUCCIO N Y OBJETIVOS
En el año 2005, se empezó a realizar ensayos para determinar los tipos de combustibles que se
utilizarían en el proyecto de investigación “Estudio de la viabilidad de un proyecto de
biorremediación” financiado por la empresa Repsol. El objetivo del proyecto de investigación
es el estudio del proceso de biorremediación encaminado a la obtención de una Guía o
Protocolo, que facilite la toma de decisiones en las operaciones de remediación de suelos de
Repsol. El proyecto pretende generar una base de conocimientos que permita evaluar los
factores físico-químicos, biológicos y periféricos, a través del desarrollo de un Protocolo o Guía
de Aplicación, que permita decidir si dado un emplazamiento, dicha tecnología de
biorremediación es adecuada, es decir, si el emplazamiento es susceptible de ser
biorremediado en un plazo razonable hasta alcanzar los límites objetivo.
Para la consecución de estos objetivos se han llevado a cabo una serie de ensayos, a lo largo de
un año de experiencia, en campo (en parcelas de tierra situadas en la refinería de Puertollano),
al mismo tiempo que se replicaban dichos ensayos en laboratorio, a través de microcosmos.
Previamente a estas fases de experimentación, en campo y laboratorio, se han llevado a cabo
una caracterización físico-química de los suelos y productos contaminantes a utilizar en las
parcelas, caracterización biológica de los suelos y una caracterización de los nutrientes y
surfactantes que se van a utilizar en el proceso de biorremediación. Con este estudio se
decide utilizar los siguientes factores a ser tomados en cuenta en el diseño de experimentos:
Con los experimentos definidos se intenta ajustar un modelo matemático que prediga la
evolución temporal de las concentraciones de hidrocarburo en función de los factores antes
descritos con el principal objetivo de encontrar la mejor combinación de factores que hacen
IV
que las tasas de biodegradación de hidrocarburos sea la más efectiva y llegar a resultados
concluyentes de los efectos predominantes en un proceso de biorremediación.
V
RESUMEN
Para cumplir este objetivo se realizó un diseño de experimentos que tomaba en cuenta dos
tipos de suelos, dos niveles de concentración de hidrocarburo y seis tratamientos. Se
realizaron en total 1824 ensayos en laboratorio repartidos en 8 campañas de campo durante
un año de experiencia tanto en parcelas de 4 x 4 m como en microcosmos.
ABSTRACT
The purpose of this thesis is using statistical tools find a mathematical model to predict the
time evolution of the total petroleum hydrocarbons (TPH) concentrations in the
bioremediation process of diesel contaminated soil. Retrieved mathematical model make
relevant comparisons to determine the efficiency of different treatments and the influence of
both soil and concentration levels.
To achieve this goal a design of experiments was developed, it took into account two types of
soil, two concentration levels of hydrocarbon and six treatments. There were a total of 1824
laboratory tests spread over 8 field campaigns during a year of experience in both plots of 4 x 4
m in microcosm.
The results obtained show that the bioremediation process can be adjusted to an exponential
model, it is an equation of kinetic of first order and that the comparisons have shown
satisfactory results of the efficiency of some treatments.
VI
1. Estado del Arte 2012
Generalmente, el crudo de petróleo se caracteriza por ser un líquido negro, viscoso y con una
composición química sumamente compleja (Atlas, 1981), pudiendo contener miles de
compuestos, básicamente de la familia de los hidrocarburos los cuales son acumulados
naturalmente bajo condiciones geológicas muy específicas (Fernández-Varela, et al., 2006;
Nadim, et al., 2000). Los hidrocarburos componen la familia predominante de compuestos (un
50-98% de la composición) (Speight, 2001), constituyendo uno de los grupos de contaminantes
ambientales más importantes, tanto por su abundancia, como por su persistencia en distintos
compartimentos ambientales. Mayoritariamente son alcanos de cadena lineal (n-alcanos o n-
parafinas), alcanos ramificados (en menor cantidad), cicloalcanos (o naftenos) y cantidades
variables de hidrocarburos aromáticos (Viñas Canals, 2005; Atlas, 1981). La composición
elemental de un crudo está condicionada por la predominancia de los compuestos tipo
hidrocarburo: 83-87% C, 10-14% H, de 0.05-6% S, de 0.05-1.5% O y de 0.1-2% N y metales
como el níquel y el vanadio (Speight, 2001).
El petróleo contiene miles de compuestos individuales, los cuales son generalmente agrupados
en cuatro fracciones: saturados, aromáticos, resinas y asfaltenos; de acuerdo a su diferente
solubilidad en disolventes orgánicos (Mana Capelli, et al., 2001; Leahy, et al., 1990; Pollard, et
al., 1994) ordenados de menor a mayor polaridad. La composición del petróleo medio es del
57 % de hidrocarburos alifáticos o saturados, el 29 % de hidrocarburos aromáticos y el 14 % de
resinas y asfaltenos; mientras que el azufre, presente en los compuestos tiofénicos, representa
el 2- % en peso de la fracción de hidrocarburos aromáticos (García Martínez, 2005). La mayor
parte del nitrógeno, del oxígeno y del azufre está asociado con las resinas y los asfaltenos, de
ahí que a menudo se les denomine compuestos NSO polares. No obstante, puede haber una
cantidad significativa de azufre en compuestos de peso molecular medio de las fracciones de
hidrocarburos, normalmente en forma de compuestos aromáticos tiofénicos. Otros elementos
presentes en los petróleos incluyen varios metales, especialmente el níquel y el vanadio, que
suelen estar presentes en cantidades traza y asociados principalmente a los compuestos NSO
polares. En la Figura 1.1 se puede observar los principales tipos de hidrocarburos presentes en
un crudo de petróleo (García Martínez, 2005).
ALCANOS
MONOCÍCLICOS 10% NORMALES 10%
ISOPRENOIDES 3%
BICÍCLICOS 7%
TRICÍCLICOS 4%
SATURADOS ALCANOS
57% RAMIFICADOS 15%
COMPUESTOS DE
AZUFRE 7%
TETRACICLICOS Y
MAS GRANDES 2%
ALCANOS
TETRACÍCLICOS Y ALCANOS
MAS GRANDES 7% TRICÍCLICOS 6%
El crudo de petróleo contiene una mezcla muy compleja de hidrocarburos aromáticos. Esta
fracción la componen moléculas que contienen uno o varios anillos bencénicos en su
estructura. Así encontramos hidrocarburos monoaromáticos (un anillo bencénico),
diaromáticos (2 anillos bencénicos) y poliaromáticos (HAPs, con más de dos anillos
bencénicos).
Hidrocarburos monoaromáticos:
Hidrocarburos poliaromáticos
Entre los hidrocarburos diaromáticos, encontramos el naftaleno y sus alquilados (mono, di, tri
y tetrametilnaftalenos). Constituyen la familia mayoritaria de hidrocarburos aromáticos
presentes en un crudo (Figura 1.2). Entre los hidrocarburos poliaromáticos de tres anillos,
encontramos el fenantreno, antraceno, fluoreno, y sus derivados alquilados. El fenantreno y
los metilfenantrenos, representan los componentes mayoritarios de los triaromáticos (Figura
1.2). Entre los hidrocarburos poliaromáticos de más de tres anillos, encontramos el
fluoranteno (3 anillos bencénicos y uno no bencenico), pireno y criseno (4 anillos aromáticos),
benzo(a)pireno (5 anillos aromáticos) y coroneno (un HAP pericondensado con 6 anillos)
(Figura 1.2). También se pueden incluir compuestos muy relacionados con los hidrocaburos
aromáticos que contienen anillos aromáticos heterocíclicos con azufre (tiofenos,
dibenzotiofenos) o nitrógeno (carbazoles).
1.1.3 Resinas
Las resinas son compuestos con valores de polaridad y pesos moleculares más altos que los
saturados y aromáticos. Están compuestos de grupos polares finales (con heteroátomos de
oxígeno, nitrógeno y azufre) y de grupos parafínicos no polares (Boukir, et al., 2001). Las
moléculas de las resinas son estructuralmente similares a la de los asfaltenos pero tienen
menor peso molecular, mayor ratio hidrógeno/carbón y menor contenido de heteroátomos
(Gafonova, et al., 2001).
1.1.4 Asfaltenos
En términos generales, los asfaltenos son considerados compuestos orgánicos que pueden o
no estar asociados con el petróleo. J. Boussingault, originalmente definió el término
“asfalteno” en 1837, como el residuo de la destilación del crudo (Pineda-Flores, et al., 2001).
Los asfaltenos pueden ser descritos desde dos puntos de vista: operacional (basado en la
solubilidad) y molecular (basado en su estructura química). En relación a la solubilidad los
asfaltenos se definen como macromoléculas solubles en tolueno e insolubles en n-heptano (o
n-pentano) (Silva, et al., 2008; Gafonova, et al., 2001). En relación a su estructura química
todavía no hay una acertada conformación de los asfaltenos, sin embargo, muchos coinciden
en representarlos como los hidrocarburos del petróleo con mayor peso molecular, con valores
que oscilan desde 600 a 3x105 uma y desde 1000 a 2x106 uma (Pineda-Flores, et al., 2001;
Pineda-Flores, et al., 2004). Actualmente, el peso molecular y el tamaño de las
macromoléculas de los asfaltenos no está clara, pero en general, poseen: anillos aromáticos
cristalizados, pequeñas cadenas alifáticas laterales y grupos polares funcionales que contienen
heteroátomos (ej.: ácido carboxílico, carbonilos, fenoles, pirroles y piridinas) (Silva, et al., 2008;
Gafonova, et al., 2001).
El petróleo y sus productos refinados (gasolina, gasóleo, queroseno, aceites lubricantes, etc.)
son el mayor recurso utilizado en el sector industrial y de transporte a nivel mundial (Sing, et
al., 2006), siendo el suelo uno de los medios en donde accidentalmente se pueden verter
grandes cantidades de estos productos (Chaîneau, et al., 2003).
Para comprender la naturaleza química de los diferentes derivados del petróleo que
potencialmente pueden ser contaminantes en el medio ambiente, hay que entender el
proceso de refinado del crudo utilizado para la obtención de estos productos petrolíferos. Se
destila a temperaturas crecientes obteniendo 4 fracciones principales: gasolina, queroseno,
destilados medios (querosenos, gasoil, aceites lubricantes) y un residuo. Este residuo se destila
al vacío obteniéndose otros aceites lubricantes (más pesados), ceras y parafinas y betumes
asfálticos (alquitranes) (Tabla 1.1).
Tª Ebullición Composición
Fracción Usos
(ºC) aproximada
Gasolina ligera 20-100 C5H12-C7H16 Disolvente
Bencina 70-90 C6-C7 Limpieza en seco
Ligroína 80-120 C6-C8 Disolvente
Gasolina 20-180 C6-C11 Carburante de motores
Queroseno, Jet fuel 200-300 C12-C16 Alumbrado y carburante
Gasoleo - Diesel 200-350 C13-C18 Carburante de motores
Aceite lubricante 200-350 C16-C20 Lubricantes
Grasas, vaselinas 250-400 C18-C22 Farmacéutica
Cera de parafina 245-540 C20-C45 Velas
Alquitrán asfáltico coque de
Betum asfáltico (35% peso) > 540 C30-C45
petróleo
La composición química de la gasolina es diferente a la del gasoil debido a que se han obtenido
como productos de destilación del petróleo a partir de diferentes intérvalos de temperatura
(Tabla 1.1). La obtención de gasolina es menos directa que la de los fueles y gasóleos, ya que
en una primera fase se obtiene por destilación del crudo entre 20-180ºC. Esto implica una
composición de n-alcanos más ligera (C6-C11) que los fueles y gasóleos (C10-C25.
1.2 El suelo
El suelo se define como una colección de cuerpos naturales sintetizados de una mezcla
variable de minerales, erosionados y deshechos, y de materia orgánica en descomposición que
recubre la corteza terrestre (Chiou, 2002). Se trata de un sistema abierto, dinámico,
constituido por tres fases. La fase sólida formado por los componentes inorgánicos y los
orgánicos, que dejan unos huecos (poros, cámaras, galerías, grietas y otros) en cuyo interior se
hayan las fases líquida y gaseosa. El volumen de huecos, está ocupado parcialmente por agua,
como componente principal de la fase líquida, que puede llevar iones y sustancias en solución
o en suspensión; por aire, que constituye la fase gaseosa o atmósfera del suelo y por los
organismos y raíces que viven en el suelo. El suelo constituye la interfaz entre la tierra, el aire y
el agua, lo que le confiere la capacidad de desempeñar tanto funciones naturales como de uso
antropogénico Figura 1.3.
La estructura del suelo describe la forma en que se agregan las partículas individuales de suelo
en unidades de mayor tamaño (agregados) y el volumen de huecos asociado a ellas. La
estructura de cada horizonte se describe atendiendo al grado, forma y tamaño de los
agregados. (Porta, et al., 2003; Bronick, et al., 2005).
Existen diversos estudios sobre los efectos de la textura y estructura del suelo en la
disponibilidad de los contaminantes orgánicos, particularmente los hidrocarburos (Amellal, et
al., 2001; Breus, et al., 2006; De Jonge, et al., 1997). Amellal en su estudio encontró que los
suelos con mayor porcentaje de partículas finas son suelos que presentan menores tasas de
biodegradación de hidrocarburos.
Suelo (Carbono
Suelo Aire
Orgánico)
kd
Suelo (Mineral)
A continuación se enumerará, las medidas más importantes de los fenómenos de reparto que
pueden influir en un suelo cuando se vierte un contaminante orgánico. El esquema se puede
observar en la Figura 1.5:
La existencia de tres fases en el suelo (sólida con materia orgánica y mineral, líquida y gaseosa)
(ver Figura 1.3), así como la gran diversidad de materiales que pueden constituirlo, lo convierte
en un compartimento ambiental muy complejo (Viñas Canals, 2005). La distribución de los
contaminantes orgánicos se encuentra condicionada por la coexistencia de las tres fases en el
suelo, por lo que podríamos encontrar el contaminante adsorbido en la parte mineral o en la
materia orgánica (mayoritariamente aquellos compuestos lipofílicos, con baja solubilidad en
agua, apolares o de peso molecular alto, como algunos compuestos aromáticos, resinas,
asfaltenos, etc.) (Chin, et al., 1988), en disolución, o en fase de vapor (Breus, et al., 2006;
Mackay, et al., 1991). Al igual que en los medios acuáticos, los contaminantes orgánicos que se
encuentran en la parte mas superficial del suelo pueden sufrir evaporación o fotooxidación
(García-Martínez, et al., 2006). De este modo en el conjunto del suelo, los contaminantes
orgánicos pueden ser transformados fisicoquímicamente o sufrir biodegradación (Harms, et
al., 1997; Margesin, et al., 2001). El proceso de transformación más importante, en el suelo, es
la biodegradación. Los microorganismos suelen estar distribuidos en el suelo formando
microcolonias que se encuentran separadas unos 100 μm, y situadas en poros pequeños entre
0,8 y 3 μm (Harms, et al., 1997).
La legislación actual mas que regular los sistemas de tratamiento de suelos contaminados,
regula los parámetros que debe cumplir un suelo para ser declarado como contaminado, la
responsabilidad de la descontaminación de ese suelo y las actividades potencialmente
contaminantes del mismo.
Debido a esta circunstancia, por el momento, la normativa por la que se debe regir la
biorremediación a nivel estatal será por la Ley 22/2011, de 28 de julio, de residuos y suelos
contaminados por el que se establece la relación de actividades potencialmente
contaminantes del suelo y los criterios y estándares para la declaración de suelos
contaminados.
La ley arriba indicada sigue las bases de la Ley 10/98 de Residuos y por el Real Decreto 9/2005
de 14 de enero para determinar cómo detectar que un suelo está contaminado y a quién
corresponde su descontaminación pero en lo referente a cómo hacerlo, el artículo 34 de la ley
22 de residuos establece que corresponde a la comunidades autónomas la declaración de un
suelo como contaminado, recogidos en el apartado 1 del anexo XI, la elaboración de criterios y
estándares para esta declaración, la realización de un inventario de suelos contaminados,
evaluando sus riesgos para la salud y el medio ambiente y establecer una lista de prioridades
de actuación en función de los riesgos planteados por estos. Cabe entender por tanto que el
planteamiento de tratamientos y su futura regulación podría ser competencia también de las
comunidades autónomas.
El Real Decreto 9/2005 en su anexo I establece una lista de las actividades potencialmente
contaminantes del suelo, entre las que se encuentran actividades relacionadas con los
hidrocarburos, como la extracción de crudo de petróleo, actividades relacionadas con las
explotaciones petrolíferas (excepto actividades de prospección) y el refino de petróleo. Todas
ellas, según el artículo 3, están obligadas a remitir al órgano competente de la comunidad
autónoma un informe preliminar, y posteriormente informes periódicos, de la situación del
suelo en el que se desarrolle la actividad, en un plazo no superior a dos años (para el informe
preliminar). El contenido mínimo del informe preliminar se presenta en el anexo II del Real
Decreto.
El anexo III del Real Decreto establece los criterios para la consideración de un suelo como
contaminado y expone textualmente:
“Un suelo será declarado como contaminado cuando se determinen riesgos inaceptables para
la protección de la salud humana o, en su caso de los ecosistemas, debido a la presencia en
este de alguna de las sustancias contaminantes recogidas en los anexos V y VI o de cualquier
otro contaminante químico.
El Real Decreto 9/2005 también establece en su artículo 7 que las actuaciones de recuperación
de un suelo contaminado deberán garantizar que la contaminación remanente, si la hubiera,
se traduzca en niveles de riesgo aceptables de acuerdo con el uso del suelo. Además indica que
esta recuperación deberá llevarse a cabo aplicando las mejores técnicas disponibles en función
de las características de cada caso, priorizando las técnicas de tratamiento in situ.
como, el benceno, tolueno y xileno (estos compuestos tienen toxicidades muy elevadas).
Estructuras más complejas (como los alcanos ramificados) suelen ser más resistentes a la
biodegradación, significando que menos organismos pueden degradar estas estructura y las
tasas de biodegradación son menores que las de las estructuras más simples (Atlas, 1995).
Al ser el petróleo una mezcla extremadamente compleja de hidrocarburos existe gran cantidad
de estudios de biodegradación de las familias y compuestos que lo componen (Atlas, 1995; De
Jonge, et al., 1997; Chaîneau, et al., 2003; Gafonova, et al., 2001; Martienssen, et al., 2007).
El estado físico en el que se encuentran los hidrocarburos del petróleo tiene un efecto
marcado en su biodegradación. Concentraciones muy bajas de hidrocarburos son solubles en
agua, pero la mayoría de derrames de hidrocarburos del petróleo se producen en
concentraciones que sobrepasan en gran medida el límite de solubilidad (Atlas, 1981).
Según Atlas (Atlas, 1995), cuyo estudio está basado principalmente en derrames marinos, la
tasa de biodegradación y la cantidad eliminada de hidrocarburo, depende más del tipo de
hidrocarburo que de la cantidad de hidrocarburo presente en un emplazamiento contaminado,
ya que, es más importante la limitación de nutrientes y oxígeno que en sí la cantidad. Aunque
puede suceder que si la cantidad de hidrocarburo es excesiva se produzcan efectos tóxicos
sobre las bacterias degradadoras, sobre este tema en la bibliografía, debido a la gran cantidad
de factores influyentes en la biodegradación, no se dan concentraciones a partir de las cuales
las bacterias queden totalmente inhibidas. En otros estudios (Rahman, et al., 2002; Del'Arco, et
al., 2001; Hui, et al., 2007) en los que se han realizado ensayos, en laboratorio, a diferentes
niveles de concentración de hidrocarburo se observa que la tasa de biodegradación es
inversamente proporcional a la concentración. El estudio de Rahman (Rahman, et al., 2002) va
un poco más allá y muestra que al hacer ensayos con el mismo crudo con diferentes niveles de
concentración son menores las tasas de biodegradación cuanto mayor es tanto el nivel de
concentración como el peso molecular y más compleja la estructura molecular. Por ejemplo,
no existe gran diferencia, en cuanto a las tasas de biodegradación, entre niveles de
concentración en los hidrocarburos de cadena lineal corta pero si existe más diferencia cuando
los hidrocarburos son ramificados o de cadena lineal más larga. Esto se puede deber a que los
microorganismos lo primero que metabolizan son las cadenas lineales más cortas llegando un
momento en el cual ya no tienen capacidad para seguir metabolizando ni compuestos de
cadenas cortas ni ningún otro compuesto lo que produce un estancamiento de la
biodegradación.
Con respecto a los productos refinados, particularmente con el gasóleo, existen varios estudios
de la biodegradación en suelos contaminados con este producto (Amellal, et al., 2001; Bento,
et al., 2005; Bundy, et al., 2001; Margesin, et al., 2001; Margesin, et al., 2007; Riffaldi, et al.,
2005; Song, et al., 1990) en los que certifican que es posible la biorremediación de parte de
este producto, principalmente, las cadenas lineales más cortas, en periodos razonables de
tiempo.
1.3.2 Temperatura
La temperatura tiene influencia en: la biodegradación del petróleo debido por un lado a su
efecto en la naturaleza física y la composición química de los hidrocarburos y por otro lado a
su efecto en los microorganismos y la composición de las comunidades microbianas (Atlas,
1981; Dibble, et al., 1979; Leahy, et al., 1990; Rahman, et al., 2002; Tremier, et al., 2005; Atlas,
1975; Pollard, et al., 1994).
Atlas (Atlas, 1975; Atlas, 1981) encontró que los efectos de la temperatura difieren,
dependiendo de la composición de la mezcla de hidrocarburos. Bajas temperaturas, retardan
los ratios de volatilización de los hidrocarburos de bajo peso molecular, algunos de los cuales
son tóxicos para los microorganismos. La presencia de estos compuestos tóxicos ralentiza el
comienzo de la biodegradación a bajas temperaturas.
En el estudio realizado por Dibble (Dibble, et al., 1979) muestra que la influencia de la
temperatura en los procesos biológicos puede llegar a tener efectos significativos ya que,
conforme aumenta la temperatura, las tasas de biodegradación también lo hacen, mostrando
mejores resultados a 20ºC que a 5ªc, pero sin casi haber mejorías cuando la temperatura
aumenta de 28 a 37 ºC. Leahy (Leahy, et al., 1990) en su estudio también manifiesta que el
aumento de la temperatura refleja un aumenta de la eficiencia de biodegradación pero
también sugiere la importancia de utilizar comunidades bacterianas adaptadas a los cambios
de temperatura del medio donde se va a realizar un proceso de biorremediación, ya que,
1.3.3 Oxígeno
1.3.4 Humedad
La red de poros formada como resultado de la asociación de las partículas minerales (arenas,
limos y arcillas) y la materia orgánica, muestra una gran variedad de tamaños y espacios, lo
que condiciona el tipo y la diversidad de las poblaciones microbianas existentes (Sessitsch, et
al., 2001). En términos generales se encuentran del orden de 106-109 bacterias cultivables por
gramo de suelo, mientras que los hongos se encuentran en dos órdenes de magnitud menos
como unidades formadoras de colonias, pero representan una parte importante de la biomasa
del suelo (Viñas Canals, 2005). La organización estructural de las partículas del suelo, confiere
una heterogeneidad espacial para los microorganismos, que se caracteriza por la presencia de
diferentes sustratos, nutrientes, concentraciones de oxígeno, contenido de agua líquida, así
como de un pH variable (Sessitsch, et al., 2001). Este hecho implica que en un suelo se puedan
encontrar una gran variedad de poblaciones microbianas con capacidades metabólicas
distintas, condicionadas también por la biodisponibilidad de las distintas fuentes de carbono y
energía, que a su vez está condicionada por las características fisicoquímicas propias de cada
suelo.
que se debe verificar es que la microbiota existente, que suele ser muy compleja, tenga las
capacidades enzimáticas necesarias para degradar los hidrocarburos contaminantes.
1.3.6 Nutrientes
Los surfactantes son sustancias que presentan actividad en la superficie, reduciendo la tensión
superficial del líquido en el que esta disuelto o bien la tensión superficial de la intercara si
hubiera otra fase presente (Vreysen, et al., 2005). Para que una sustancia sea tenso activa o
surfactante se requiere que contenga dos grupos: uno polar o hidrófilo y otro no polar o
hidrófobo, siendo esto lo que mas caracteriza a los surfactantes. A fin de disolver
contaminantes hidrófobos (como los hidrocarburos), se utiliza un surfactante, que tiene una
estructura anfifílica, una estructura anfifílica es aquella sustancia que tiene los dos grupos: el
polar y el no polar que hacen que se disminuya la tensión superficial (Martienssen, et al.,
2007).
hidrocarburos en la celda puede llegar a ser inhibido o nulo. Además, las cargas en la
superficie de las micelas de muchos surfactantes convencionales resultan en una repulsión de
bacterias igualmente cargadas. Un problema, que también hay que tomar en cuenta, con
muchos surfactantes convencionales es su alto potencial bacteriotóxico,
Como sabemos, un modelo matemático es una abstracción simplificada de una realidad más
compleja y siempre existirá cierta discrepancia entre lo observado y lo previsto por el modelo.
La estadística proporciona una metodología para evaluar y juzgar estas discrepancias entre la
realidad y la teoría.
Los tres modelos matemáticos que se han construido en este trabajo son:
Un modelo en el que el TPH es solamente función del tiempo, con este modelo nos
daremos una idea general de la evolución de los TPHs.
Un modelo en el que el TPH es función del tiempo y de las variables de tipo biológico
(bacterias heterótrofas), en este modelo nos interesa conocer como han influido la
cantidad de bacterias existentes en cada una de las parcelas en la disminución de los
TPHs.
Y un último modelo en función del tiempo y de las variables de tipo químico (estas
variables son los índices de biodegradación como C18/fitano, C16/NorPristano, UCM),
en este modelo nos interesa saber qué índice es el que mejor explica la disminución de
los TPHs a lo largo del tiempo.
La estadística actúa como disciplina puente entre los modelos matemáticos y los fenómenos
reales. Un modelo matemático es una abstracción simplificada de una realidad más compleja
y siempre existirá cierta discrepancia entre lo observado y lo previsto por el modelo. La
estadística proporciona una metodología para evaluar y juzgar estas discrepancias entre la
realidad y la teoría. Un modelo es una representación formal de un sistema real, con el que se
pretende aumentar su comprensión, hacer predicciones y ayudar a su control. Por tanto, su
estudio es básico para todos aquellos que deseen trabajar en ciencia aplicada que requiera el
análisis de datos y el diseño de experimentos.
Para la construcción de un buen modelo es necesario contar con leyes (por ejemplo, físicas)
que describan el comportamiento del sistema. También es importante la experiencia, la
intuición, la imaginación, la simplicidad y la habilidad para seleccionar el subconjunto más
pequeño de variables. El primer paso es establecer el problema en forma clara y lógica
delimitando sus fronteras, definiendo los objetivos del estudio y relacionar este objetivó con
los valores numéricos de variables observables. Luego viene la recogida y depuración de
datos; el diseño del experimento; las pruebas de contrastes; la verificación del modelo y la
validación de las hipótesis.
El tipo de modelo estadístico más frecuente consiste en una descomposición de los valores de
la variable de interés en:
variable (x, horas diarias que en promedio dedican al estudio durante la semana). La parte
sistemática o previsible es una recta, que indica un crecimiento lineal de la nota media con el
número de horas de estudio. La parte aleatoria es la diferencia entre los valores observados y
la recta, recogiendo el efecto de todas las variables no consideradas en el modelo (inteligencia
de los estudiante, preparación previa, etc).
A los modelos estadísticos los podemos clasificar, de acuerdo a sus características generales
más frecuentes, como:
Modelos estáticos: Son aquellos que estudian la variabilidad en un momento temporal dado.
Modelos dinámicos: Son aquellos que se aplican a situaciones que cambian con el transcurso
del tiempo, y donde, por tanto, el tiempo debe aparecer explícitamente como variable.
Conceptualmente, una variable cualquiera, será función de otro gran número de variables,
algunas de las cuales pueden no ser observables y cuyo número exacto se desconoce. Un
modelo estadístico es una aproximación operativa de esta realidad, que tiene en cuenta
explícitamente las variables observables presumiblemente más importantes, y engloba en la
parte aleatoria los efectos del resto.
Tanto los modelos estáticos como dinámicos pueden ser modelos extrapolativos y explicativos.
Los modelos extrapolativos son aquellos que explican la variabilidad de los datos tomando
como información únicamente sus valores pasados, sin incluir ninguna otra variable. Estos
modelos son los más simples, por tanto, la parte sistemática es una constante o una función de
los valores pasados observados.
Los modelos explicativos son aquellos que tienen en cuenta el efecto de otras variables. La
parte sistemática del modelo será la suma de la parte sistemática extrapolativa y del efecto de
las variables explicativas. Estos modelos son los de mayor interés en Estadística.
En la Tabla 1.3 podemos ver un resumen de la clasificación de los modelos estadísticos más
frecuentes.
Estáticos Dinámicos
Extrapolativos y u yt yt 1 ut
Explicativos y x u yt xt yt 1 ut
Los valores de la Tabla 1.3, μ, β y φ de las partes sistemáticas, son constantes a determinar, u y
ut representan las partes aleatorias.
Antes de definir lo que es un modelo lineal me gustaría hacer una descripción de lo que es una
función lineal. Se llama función lineal de una variable, a una función de la forma:
y 0 1 x
En donde:
Por lo tanto el modelo lineal es un modelo de regresión lineal entre dos variables
y x 0 1 x
yi 0 1 xi i=1, 2, 3,…., n
forma, y=[y1 y2 …. yn] es el vector columna de dimensión (nx1) que recoge todas las
Los coeficientes α0 y α1son desconocidos y deberán ser estimados. Por último, el término i es
una perturbación estocástica agregada al modelo para recoger todos los posibles errores de
medida tanto en las variables xi e yi así como los errores en la especificación lineal del modelo,
es decir recogerá todos aquellos factores que por error no se han incluido en el modelo y que
pueden afectar a la variable dependiente del modelo. Nótese que, en definitiva, el término de
perturbación indica en qué medida las variables x e y se apartan de la relación lineal.
De nuevo, ε =[ε1 ε2 . . εn ] es el vector columna de dimensión (nx1) que recoge todas las
perturbaciones estocásticas del modelo.
i. Estimar los coeficientes i del modelo (hay dos procedimientos: mínimos cuadrados y
máxima verosimilitud que dan el mismo resultado).
ii. Estimar la varianza de las variables Y|xi llamada cuadrados medios del error y
representada por s2 o MSE. A su raíz cuadrada se le llama error estándar de la
estimación.
iii. Conocer la distribución muestral de los coeficientes estimados, tanto su forma (t)
como su error estándar, que permite hacer estimación por intervalos como contrastes
de hipótesis sobre ellos.
Una hipótesis estadística es una asunción relativa a una o varias poblaciones, que puede ser
cierta o no. Las hipótesis estadísticas se pueden contrastar con la información extraída de las
muestras y tanto si se aceptan como si se rechazan se puede cometer un error.
La hipótesis formulada con intención de rechazarla se llama hipótesis nula y se representa por
H0. Rechazar H0 implica aceptar una hipótesis alternativa (H1).
En la Tabla 1.4 se muestra un esquema de las hipótesis y los tipos de errores existentes.
= p(rechazar H0|H0 cierta). Probabilidad de rechazar la hipótesis nula (H0) siendo esta cierta.
= p(aceptar H0|H0 falsa). Probabilidad de aceptar la hipótesis nula (H0) siendo esta falsa.
Potencia =1- = p(rechazar H0|H0 falsa). Probabilidad de rechazar la hipótesis nula (H0) siendo
esta falsa.
Los detalles que debemos tomar en cuenta en la formulación de las hipótesis y el análisis
posterior son:
2 Materiales y Métodos
En este apartado detallaremos las caracterizaciones que se realizaron a los dos tipos de suelos
seleccionados para el desarrollo del experimento de landfarming, denominados de aquí en
adelante suelo I (“S1”) y suelo II (“S2”).
S2
S1
Se calibró el GC-MS para cuantificar TPHs (Total de Hidrocarburos del Petróleo). Para ello se
siguieron las recomendaciones del método 8015 de la EPA. Dichas recomendaciones indican
utilizar un producto lo más similar posible al original. Por lo tanto, se procedió a realizar la
calibración correspondiente con el mismo producto que se vertió en las parcelas.
de este cromatograma el ion 57 (ver Figura 2.3), característico de los alcanos lineales, se puede
observar su gran abundancia y que la relación de áreas octadecano/fitano es de 1.32.
Fertilizante Oleofílico
Los fertilizantes oleofílicos, en general, tienen la propiedad de mostrar gran afinidad por los
hidrocarburos (se quedan adheridos), puesto que sus componentes, principalmente los ácidos
grasos tales como el ácido oleico, los dotan de esta propiedad. El producto permanece
adherido al fuel (a las rocas o al suelo) pese a las lluvias y las mareas (según sea el caso).
El funcionamiento del S200 consiste en adherirse al fuel y los ácidos grasos servirán como
aperitivo de las bacterias degradadoras de hidrocarburos de modo que se produce una
proliferación de las mismas. Una vez que se ha degradado la capa externa, existe una gran
cantidad de nutrientes mezclados con el fuel y (en teoría) de muchas bacterias degradadoras
de hidrocarburos. Luego, debido a que en su composición también tiene sustancias utilizadas
como surfactantes (principalmente éteres glicol) aumentaría la superficie de contacto entre las
bacterias y el hidrocarburo en presencia de agua. En definitiva, cuando el producto es
pulverizado sobre la zona contaminada, éste se adhiere al fuel, crea una microemulsión y
estimula el crecimiento de las bacterias.
En resumen se puede decir que el fertilizante oleofílico S200 está compuesto en su gran
mayoría por ácidos grasos y éteres glycol (sustancias utilizadas como surfactantes) que le dan
las propiedades antes mencionadas. Como se puede ver en la Figura 2.4 los picos del
cromatograma marcados con el número 1 son los éteres glicoles (sustancias surfactantes) y los
marcados con el número 2 son ácidos grasos, que le dan el carácter olefílico al fertilizante.
1
1 1
1 1 1 1 1
1 2 1
1 1 1 1 2 1
1 2 2
El fertilizante de liberación lenta que se utilizó en los experimentos fue el Sierrablen 31-5-7
que está formado por gránulos de una doble capa de úrea-fertilizante con una lámina de
sulfuro y otra de polímero, mezclado con fósforo y potasio. Los aspectos que más destacan de
este producto son:
Cuando el producto se extiende, necesita agua para que esta penetre a través de la capa hacia
el centro de los nutrientes, los disuelve y la capa libera el contenido en un ratio determinado
dependiendo de la temperatura. Una vez que los gránulos estén vacíos la capa de material está
totalmente degradada.
Esta es la composición que normalmente se suele conocer mediante una simplificación (31:5:7,
N:P:K).
Este producto se eligió debido a que existen otros productos de características similares en el
mercado tales como las sales de laboratorio y fertilizantes líquidos pero cuyo coste es muy
superior al del fertilizante de liberación lenta en gránulo. Además, este fertilizante nos
proporciona la relación adecuada de nutrientes para un tratamiento de bioestimulación.
Surfactante
Para aplicar el producto es necesario diluirlo en agua. El fabricante da una serie de ratios de
dilución del producto con agua:
A b u n d a n c e
T I C : 5 3 4 A 1 . D \ d a t a . m s
1
2 e + 0 7
1 . 8 e + 0 7
1 . 6 e + 0 7
1 . 4 e + 0 7
1 . 2 e + 0 7
1 e + 0 7
8 0 0 0 0 0 0
6 0 0 0 0 0 0
4 0 0 0 0 0 0
2 0 0 0 0 0 0
2 3 45 6 10 11
7 8 9
1 0 . 0 0 1 5 . 0 0 2 0 . 0 0 2 5 . 0 0 3 0 . 0 0 3 5 . 0 0 4 0 . 0 0 4 5 . 0 0
T im e - - >
Todos los compuestos identificados, al hacer el análisis por GC/MS, son compuestos que se
comercializan en el mercado como surfactatnes y que ninguno de ellos tiene propiedades que
afecten al medio ambiente.
Una vez descritos las características de los elementos que vamos a utilizar (tipos de suelos
apartado 2.1, gasóleo como contaminante apartado 2.2 y los nutrientes y surfactante apartado
2.3) se realizó el diseño de experimentos equilibrado considerando cinco factores con dos
niveles cada uno. Los factores que se han tomado en cuenta para el análisis son los siguientes:
contaminante; en total 23 = 8 ensayos que se descuentan de los 32. A pesar de no incluir estos
8 ensayos, el experimento se puede considerar como equilibrado.
Suelo I Suelo II
10000 ppm 20000 ppm 10000 ppm 20000 ppm Trat.
FL FF S NP FL FF S NP FL FF S NP FL FF S NP
1 3 5 7
C
2 4 6 8
9 11 13 15
SI SI SI SI FL
10 12 14 16
17 19 21 23
SI SI SI SI SI SI SI SI FL+S
18 20 22 24
25 27 29 31
SI SI SI SI S
26 28 30 32
33 35 37 39
SI SI SI SI SI SI SI SI FF+S
34 36 38 40
41 43 45 47
SI SI SI SI FF
42 44 46 48
Los parámetros que mostramos a continuación son los que hemos controlado a lo largo del
experimento. Dentro de ellos los parámetros biológicos y químicos son los que se han tomado
en cuenta para realizar el diseño de muestreo que se detalla más adelante (apartado 2.5).
Parámetros Biológicos:
Parámetros químicos:
Parámetros de operación:
Es necesario diseñar una metodología de muestreo que nos permita conocer y controlar la
representatividad de los resultados analíticos que se obtengan. Esta representatividad será
función, no sólo de los protocolos de preparación y de análisis de las muestras, sino,
fundamentalmente, del diseño del muestreo (Wilson, 1964; Visman, 1969; Gy, 1974; Gy, 1979;
Stanley, 2003). A fin de asegurar el conocimiento de la precisión de los resultados y de poder
modificarla, la campaña de muestreo se debe planificar en dos etapas:
En la estimación, del valor medio de cada una de las variables de interés en la zona de trabajo,
se parte del hecho de que cometeremos errores en el muestreo, debido a que sólo se incluyan
en cada muestra una porción del total de unidades muestrales que constituyen la población de
estudio (representatividad de la muestra), así como, de otro tipo de errores provenientes de
las operaciones necesarias para averiguar el valor de magnitud que se investiga en la muestra
recogida (tratamiento) (Visman, 1969; Gy, 1979; Stanley, 2003). De este modo, son inevitables
los errores atribuibles al procedimiento de la toma de muestras en campo, al modo de
almacenamiento de las muestras, al tipo de preparación física y química de la misma en el
laboratorio, y al método y equipo de análisis o medida empleado (método de muestreo en el
campo, manipulación en el laboratorio y técnica analítica utilizada).
Por otro lado, se entiende que las diferentes parcelas, al estar homogeneizadas van a
presentar una baja heterogeneidad, en cuanto a la variabilidad de las concentraciones
elementales dentro de ellas. Por ello, se considera suficiente la realización del muestreo piloto
en una única parcela.
Ecuación 2.1
( ̅)
Dónde:
Ecuación 2.2
( )
Ecuación 2.3
( )
Dónde:
Para diseñar la “campaña de detalle”, y conocer a priori la bonanza de los resultados que
esperamos obtener, estimaremos la varianza y la precisión que obtendríamos para el
estimador de la media de cada parámetro analizado (descritos en el apartado anterior), en
Una vez preparada la parcela piloto, se realiza la campaña de recogida de muestras con el
siguiente criterio: cada cuadrícula, con una superficie de 16 m2, se subdivide en 9
subcuadrículas cuadradas de 1.33 m de lado, numeradas a su vez del 1 al 9 de forma
correlativa (ver Figura 2.6), empezando por el vértice superior izquierdo. En cada
subcuadrícula se toma una muestra, con el objetivo de cubrir toda la superficie de la parcela.
La posición de la muestra, dentro de cada subcuadrícula, se determina aleatoriamente; para
ello se generan 2 números aleatorios, uno para las coordenadas en X y otro para las
coordenadas en Y (comprendidos entre 0 y 1.33), que indican las coordenadas del punto de
muestreo. En la Tabla 2.3 se dan los resultados (tomando como el punto de origen la esquina
inferior izquierda), si bien, en el momento del muestro se repite la generación de números
aleatorios, para que no fuesen conocidos “a priori”, se presenta una hoja de Excel muy simple
que permite realizar el proceso automáticamente para cada parcela.
1 2 3
4 5 6
7 8 9
Figura 2.6. Subcuadrículas de la parcela
Diseñada la retícula de muestreo para la parcela piloto, contaminada con una concentración
de 20000 ppm y bien homogenizada, se plantea la recogida de muestras según la metodología
de Visman (Visman, 1969) de la siguiente forma: En cada punto se toman dos muestras, una
pequeña de unos 500-600 gramos de masa (la que se obtenga al muestrear 1 vez con el
tomamuestras los 30 cm de profundidad del suelo) y otra grande de unos 1000-1200 gramos
de masa (la que se obtenga al muestrear 2 veces con el tomamuestras los 30 cm de
profundidad del suelo).
X punto Y punto
Subcuadrícula
muestreo muestreo
1 0.38 3.87
2 2.11 2.90
3 3.57 3.66
4 0.99 1.95
5 1.59 2.41
6 3.86 2.37
7 1.16 1.26
8 2.47 0.01
9 3.45 0.18
Vale recalcar que la homogenización de la parcela piloto era exageradamente buena, lo que
podría conducirnos a resultados de estimaciones de las varianzas subdimensionadas. En la
¡Error! No se encuentra el origen de la referencia. se puede observar una fotografía de la
arcela piloto con los puntos aleatorios donde se tomaron las muestras y el instrumento
utilizado para realizar la toma de muestras.
Las muestras una vez en el laboratorio se las somete a una preparación física (descrita en el
apartado Preparación de Muestras) y química (descritas en los apartados 2.8 Extracción del
gasóleo y 2.9 Análisis químico mediante GC-MS) para adecuarlas a cada una de las técnicas de
análisis.
Con las fórmulas de Visman, que se pueden ver en las ecuaciones 2.1, 2.2 y 2.3, se calcula la
estimación de las varianzas de composición y distribución, y con estas dos varianzas
calculamos la varianza total del estimador de la media de la concentración, finalmente con
este valor se realiza el gráfico de la varianza total del estimador de la media de las
concentraciones de TPH frente al número de incrementos (número de puntos de donde se
tomarán las muestras) para diferentes tamaños de muestra (peso en gramos de la muestra).
Los resultados predominantes de los parámetros de estudio, en este muestreo piloto, han sido
los presentados en el procedimiento de obtención de la concentración de hidrocarburos
presentes en el suelo por esta razón vamos a presentar, en la Figura 2.8 y en la Tabla 2.4, los
resultados obtenidos de la estimación de la varianza total de la media de la concentración de
hidrocarburos. El estudio ha sido hecho para 10 incrementos y para 4 tamaños de muestra
diferentes 225, 450, 900 y 1350 g.
TPH
18000000
16000000
14000000
12000000
Varianza [TPH]
10000000 225
8000000 450
6000000 900
1350
4000000
2000000
0
0 2 4 6 8 10 12
Incrementos
Observando la Figura 2.8 y la Tabla 2.4, buscando la mayor optimización de tiempo y recursos
y que estamos dispuestos a cometer unos errores con una desviación 1000 a 1500 ppm, se ha
comparado las estimaciones de las desviaciones de la concentración entre las masas de 900g y
1350g. Como se puede notar, no existe una diferencia significativa en tomar 3 incrementos, de
masa 1350 g, y 4 incrementos, de masa 900 g (las dos celdas sombreadas con color naranja en
la Tabla 2.4). Debido al peso de cualquiera de las dos opciones se toma la decisión de hacer la
primera división de la muestra en el campo y además la de muestrear tres puntos de la parcela
con masa 1350 g en cada uno de ellos ya que a priori esta decisión haría que tardemos menos
tiempo en muestrear las 48 parcelas que constituyen el experimento.
Una vez dispuestas las parcelas, como se puede observar en la Figura 2.9, con la numeración
correspondiente y el tratamiento realizado y en la ¡Error! No se encuentra el origen de la
eferencia., fotografías de los trabajos de mezclado y vertido del gasoil y los nutrientes, el día
13 de Marzo se efectuó la aplicación y el subsiguiente mezclado del gasoil con las tierras de
ambos suelos, se utilizaron 200 l de gasoil en las parcelas de 20.000 ppm y 100 l en las de
10.000 ppm. Inicialmente se sobrevaloró la densidad de los suelos fijándose en unas 10 t el
peso total. Esta cuestión, así como diferencias de granulometría entre la parcela piloto que se
empleó para diseñar el muestreo y las reales, hacen que en realidad los contenidos iniciales de
TPH sean casi el doble de los previstos, aunque no obstante seguiremos manejando la
denominación de 10.000 y 20.000 ppm durante toda la redacción.
C FL FL/S S FF/S FF
1 9 17 25 33 41
10000 PPM
2 10 18 26 34 42
SUELO I
3 11 19 27 35 43
20000 PPM
4 12 20 28 36 44
5 13 21 29 37 45
10000 PPM
6 14 22 30 38 46
SUELO II
7 15 23 31 39 47
20000 PPM
8 16 24 32 40 48
Figura 2.9. Esquema configuración parcelas
Por tanto, y en síntesis, para los dos tipos de suelo y cada nivel contaminante (10.000 y 20.000
ppm de gasoil) se prepararon 2 parcelas y 1 microcosmos según la siguiente distribución:
Control (C)
Fertilizante de liberación lenta Sierrablen (FL)
Fertilizante oleofílico S200 (FF)
Surfactante Bioversal (S)
Fertilizante de Liberación Lenta más surfactante (FF+S)
Fertilizante oleofílico + Surfactante (FF/S)
Se debe mencionar que en las parcelas en donde se utilizaron los fertilizantes con los
surfactantes, como es caso de las parcelas con FL+S y FF+S, las dosis fueron aditivas, es decir,
Toma de muestras
La fechas en las cuales se realizaron los muestreos, en las diferentes parcelas, son las
siguientes:
Aireación de parcelas
La aireación de las parcelas que consiste en remover manualmente, con el objetivo principal
de aumentar el intercambio de oxígeno y de homogenizar el suelo fueron realizadas en las
fechas señaladas a continuación:
Riegos
Debido a la importancia de mantener la humedad del suelo con el objetivo de que los índices
de biodegradación estén en unos niveles aceptables se procedió a realizar riegos periódicos
como se muestra a continuación:
Desde Octubre hasta el momento del último muestreo no se regó (debido principalmente a las
precipitaciones en las que se produjo una saturación por lluvias)
Según las dosificaciones, mostradas en Tabla 2.5, los datos disponibles del análisis agronómico
inicial (apartado 2.1), y la cantidad de gasóleo añadido, se puede establecer el siguiente
balance:
Carbono
Suelo I:
o 11,2 kg de C. orgánico inicialmente por parcela.
o 85,0 kg de C. orgánico añadidos (gasoil) en parcelas de 10.000 ppm
o 170,0 kg de C. orgánico añadidos en parcelas de 20.000 ppm
o 0,8 kg de C. org. añadido con el fertilizante oleofíclio S200 en parcelas de
10.000 ppm
o 1,6 kg de C. org. añadido con el fertilizante oleofíclio S200 en parcelas de
20.000 ppm
Suponiendo que el 40% del S-200 fuera C. org. y que en los demás productos es
despreciable la cantidad de C orgánico.
Suelo II:
o 52,5 kg de C. orgánico inicialmente por parcela.
o 85,0 kg de C. orgánico añadidos en parcelas de 10.000 ppm
Suponiendo que el 40% del fertilizante oleofílico S200 fuera C. org. y que en los
demás productos es despreciable la cantidad de C orgánico.
Nitrógeno
Suelo I:
o 0,21 kg de N inicialmente por parcela.
o 3,72 kg de N añadido en el FL en parcelas de 10.000 ppm
o 7,44 kg de N añadido con el FL en parcelas de 20.000 ppm
o 0,3 kg de N añadido con el S200 en parcelas de 10.000 ppm
o 0,6 kg de N añadido con el S200 en parcelas de 20.000 ppm
o Suponiendo que el 15% del S200 fuera nitrógeno y que en el surfactante es
despreciable la cantidad de nitóegno.
Suelo II:
o 0,56 kg de N inicialmente por parcela.
o 3,72 kg de N añadido con el FL en parcelas de 10.000 ppm
o 7,44 kg de N añadido con el FL en parcelas de 20.000 ppm
o 0,3 kg de N añadido con el S200 en parcelas de 10.000 ppm
o 0,6 kg de N añadido con el S200 en parcelas de 20.000 ppm
o Suponiendo que el 15% del S200 fuera nitrógeno y que en el surfactante es
despreciable la cantidad de nitrógeno.
En el caso que el contenido de humedad sea excesivo (mayor a 30%), se deja secando
al aire un par de días con el objetivo de tener una extracción más eficiente, debido a la
inmiscibilidad del diclorometano (disolvente utilizado para la extracción) con el agua.
o Se machaca la muestra (se machaca tanto para que entre por las rejillas del
instrumento que se emplea para cuartear como para que sea más fácil su
manipulación en el momento de la extracción).
Se tritura, nuevamente, la muestra, hasta alcanzar que todos los pegotes que no se
han podido quitar del triturado anterior se deshagan, con el objetivo de obtener una
mayor superficie de contacto entre la muestra y los disolventes que van a extraer los
compuestos.
El montaje del sistema para la realización de la extracción consta de los siguientes elementos:
1. Agitador magnético
2. Manta calefactora con regulador de potencia (mantiene la temperatura constante).
3. Matraz de vidrio (50 ml)
4. Soxhlet (50 ml)
5. Refrigerante de columna
Una vez cuarteada y triturada la muestra se realizan los siguientes pasos, basados en el
método 3540C de la EPA, propuesto para extracción de compuestos no volátiles y
semivolátiles en suelos (EPA, 1996):
Una vez fríos los matraces se desmonta el sistema dejando los cartuchos en vasos de
precipitados para su secado en vitrina y eliminación del diclorometano.
El extracto así obtenido en los matraces, se concentra hasta un volumen final de 1 mL
usando un rotavapor. En el rotavapor, el matraz con el disolvente, que está girando a
velocidad constante, se coloca en un baño de agua caliente (regulado a 50 ºC que es la
temperatura de evaporación del diclorometano). Al mismo tiempo se aplica un ligero
vacío a la muestra. Tanto el vacío como el calor van a hacer que el disolvente se vaya
evaporando. A medida que se evapora llega a una zona donde hay un refrigerante que
hace que el disolvente condense y caiga en otro matraz. De tal manera, que en este
otro matraz se va acumulando el disolvente supuestamente limpio y en el matraz
original se va reduciendo el volumen del extracto hasta llegar a un volumen final de 1
mL.
Del mililitro de disolución se sacan 500 microlitros y se guarda el resto de la muestra.
Esos 500 microlitros se disuelven en 5 mL de diclorometano y de ahí se encapsula la
Se calibró el GC-MS para cuantificar TPHs (Total de Hidrocarburos del Petróleo). Para ello se
siguieron las recomendaciones del método 8015 de la EPA. Dichas recomendaciones indican
utilizar un producto lo más similar posible al original. Por lo tanto, se procedió a realizar la
calibración correspondiente con el mismo producto que se vertió en las parcelas.
El rango de calibración que se seleccionó fue de 500 a 20.000 ppm (seis patrones: 500, 1.000,
5.000, 10.000, 15.000 y 20.000 ppm). Se prepararon los viales con 1mL de disolución con cada
una de estos patrones (concentraciones) realizándose, a partir de aquí, el mismo
procedimiento que con el extracto de 1mL de disolución del suelo contaminado. Por lo tanto
nuevamente se introdujo al GC-MS 2 μL de muestra.
Los 2μL de las soluciones fueron inyectados en modo “splitless” a 275ºC y en el puerto de
inyección de un GC-MS Hewlett-Packard 6890-MSD 5973 usando un inyector automático. El
sistema de GC-MS fue equipado con una columna capilar de 5% difenilpolidimetilsiloexano AT-
5 de Altech (25m x 0.25mm x 0.20μm). Se utilizó como gas transportador Helio en una
columna de 4.0psi de presión. Los gradientes utilizados fueron los siguientes: 60ºC (1min),
calentamiento a 6.0ºC/min hasta 300ºC, 10min a 300ºC y 15min una vez terminado.
Antes de comenzar a describir los modelos conviene definir los dos tipos de variables que se
tendrán en cuenta en dichos modelos:
Variable controlada – Variable cuyos valores han sido asignados previamente durante
el diseño de los experimentos.
Por ejemplo, comparar para un mismo suelo y una misma concentración las diferencias entre
los distintos tratamientos (6 niveles o valores: C, FF, FL, FF+S, FL+S y S).
Un modelo que tendrá en cuenta todas las variables controladas (sin tener en cuenta
ninguna de las variables no controladas a excepción del TPH). Con este modelo lo que
pretendemos es observar cómo el TPH evoluciona en función del tiempo y ver cómo
influyen las variables controladas en dicha evolución. Dentro de este modelo se
realizará dos tipos de modelos uno forzado en el que todas las concentraciones
iníciales, es decir a tiempo igual a cero para todos las parcelas y microcosmos, sean
iguales, con esto lo que estamos buscando es ver el tratamiento que mejor ha
funcionado a lo largo de toda la experiencia. El otro tipo de modelo es el no forzado en
el que se intentará observar que tratamiento ha funcionado más eficazmente en las
primeras campañas, es decir, el tratamiento que más ha hecho disminuir las
concentraciones durante un corto periodo de tiempo a partir del comienzo de la
experiencia. Además, se comparará el comportamiento de las concentraciones de los
TPHs, para todos los casos de estudio, entre estos dos modelos.
Un modelo que tendrá en cuenta todas las variables controladas y las variables no
controladas de tipo químico más significativas (algunas de dichas variables no
controladas no serán consideradas por el modelo por no ser significativas o porque la
información que proporcionan está incluida en otra variable que, a su vez, explica
mejor lo que está ocurriendo). Este modelo permitirá seleccionar las variables
químicas (índices) que mejor explican la variación de los TPH en función del tiempo; es
decir cuáles son los índices que mejor permiten hacer un seguimiento de la
biodegradación y predecir la evolución de los TPH en función del tiempo. Al igual que
en el modelo anterior se realizarán los dos tipos de modelos forzado y no forzado, con
el mismo objetivo buscado, para observar cuales son los tratamientos que mejor han
funcionado tanto a largo como a corto plazo respectivamente.
Un modelo que tendrá en cuenta todas las variables controladas y las variables no
controladas de tipo biológico más significativas (al igual que pasaba con las no
controladas de tipo químico, algunas de dichas variables no controladas no serán
consideradas por el modelo por no ser significativas o porque la información que
proporcionan está incluida en otra variable que, a su vez, explica mejor lo que está
ocurriendo). Este modelo permitirá seleccionar las variables biológicas que mejor
explican la variación de los TPH en función del tiempo; es decir cuáles son las variables
que mejor permiten hacer un seguimiento de la biodegradación y predecir la evolución
de los TPH en función del tiempo. Al igual que en los casos anteriores se realizarán los
dos tipos de modelos forzado y no forzado, para ver la evolución a largo y corto plazo
respectivamente y también una comparativa entre estos dos tipos de modelos.
A continuación se detallarán las variables no controladas que se han utilizado para realizar el
estudio y la construcción de los modelos matemáticos. Como se indicó anteriormente,
dependiendo del modelo se utilizarán unas u otras variables para tratar de predecir el valor de
TPH en función de las mismas.
Las variables controladas que se han tomado en cuenta en todos los modelos son:
ts: Tipo de suelo con dos niveles (1 y 2) correspondientes respectivamente a los dos
tipos de suelos utilizados en el estudio.
con: Concentraciones teóricas iniciales, con dos niveles (10000 y 20000 ppm).
trat: Tratamientos con los que se ha experimentado, con 6 niveles: “C” (de control),
“FF” (S200), “FF/S” (S200 más surfactante), “FL” (fertilizante de liberación lenta),
“FL/S” (fertilizante de liberación lenta más surfactante), “S”(surfactante).
np: Esta variable fue introducida para diferenciar el comportamiento entre parcelas y
microcosmos con dos niveles, asignándole el valor de 1 para parcelas y 2 para
microcosmos.
Compararlas entre sí; por ejemplo, ver las diferencias de comportamiento de los TPHs
para el suelo I a 10.000 ppm y el suelo II a 10.000 ppm.
Comparar los distintos niveles de una misma variable; por ejemplo, para el suelo I a
10.000 ppm ver cómo varían los TPHs en función de los distintos tratamientos.
Ver qué variables controladas influyen más en el comportamiento de los TPHs predicho por el
modelo.
Los datos que se han utilizado para la generación de los modelos se pueden observar en el
anexo 1, que es una tabla que contiene un total de 13 columnas, en la que cada una de ellas
pertenece a las variables antes descritas, y 546 filas, correspondiente al total de muestras
tomadas y analizadas en los laboratorios. En estas 546 filas no están incluidas 6 muestras que
fueron eliminadas por ser consideradas como datos anómalos, estas muestras corresponden a
la tercera campaña y microcosmos y ya que en esta campaña solamente se muestreó las
parcelas y microcosmos con concentración teórica inicial de 10000ppm la muestras
correspondientes son: del suelo 1 los tratamientos de control (“C”), surfactante(“S”),
fertilizante oleofílico (“FF”), fertilizante de liberación lenta (“FL”) y fertilizante de liberación
lenta con surfactante (“FL/S”), en el suelo 2 solamente se eliminó la de fertilizante oleofílico
con surfactante (“FF/S”). Estos datos anómalos se produjeron debido a que se realizó la
extracción de las muestreas demasiado húmedas (humedad > 25%), por lo tanto, el porcentaje
de masa de suelo era menor y como la extracción es realizada con diclorometano, siendo esta
sustancia inmiscible con el agua, no fue efectiva, dando mucho menos concentración de TPH
de la que en realidad corresponde. También hay que mencionar que en la última campaña, es
decir, en la campaña 8, no se realizaron los análisis en los microcosmos.
Los valores de las concentraciones iniciales, es decir a tiempo cero, con los que se han
realizado todos los modelos son de 18800 ppm para todas las parcelas y microcosmos con
concentraciones teóricas iniciales de 10000 ppm y de 37600 ppm para las parcelas y
microcosmos con concentraciones teóricas iniciales de 20000 ppm. Estos valores son los
valores calculados teniendo en cuenta la cantidad de producto que se añadió a las parcelas y
microcosmos y la densidad aparente del suelo calculada en el laboratorio. De todas formas, y
como se observará más adelante, cuando se realiza la modelización y para que haya un mejor
ajuste, los modelos modifican los valores de concentraciones de TPH a tiempo cero, tanto en
parcelas como en microcosmos.
Los valores de TPH, que constan en la tabla, para la primera campaña, con su respectivo
tiempo de extracción, son el promedio entre el valor dado para cada una de las parcelas y su
respectivo duplicado. Para los microcosmos, debido a que no existen duplicados, los valores
son los mismos que se obtuvieron en el laboratorio. Este cálculo se lo realizó debido a la gran
diferencia existente, en algunos tratamientos, entre los resultados de la parcela y su respectivo
duplicado, intentándose disminuir la dispersión de los datos por lo menos en cada uno de los
tratamientos y que se parezcan lo más posible a lo que en realidad está ocurriendo.
3 Análisis de Resultados
Las variables utilizadas para la realización de este modelo son todas las variables controladas
(que van a ser las variables independientes), a excepción de la variable no controlada TPH (que
va a ser la variable dependiente). Como se indicó anteriormente, con este modelo lo que
pretendemos es observar cómo el TPH evoluciona en función del tiempo y ver cómo influyen
las variables controladas en dicha evolución. Inicialmente, también se introdujeron como
variables tanto la temperatura ambiental como la humedad del proceso, ninguna de estas dos
variables presentaron una respuesta significativa frente a la concentración de TPH con lo que
por esta razón se decidió no tomarlas en cuenta en el modelo de evolución temporal.
La ecuación que mejor predice el comportamiento de los TPHs a lo largo del tiempo para cada
uno de los casos que hemos estudiado, luego de haber hecho el estudio entre diferentes
funciones, tiene una dependencia exponencial del TPH con el tiempo y responde a la siguiente
expresión:
Ecuación 3.1
La ecuación 3.1 es una ecuación de cinética de primer orden donde los valores k1 y k2 son,
respectivamente, la concentración a tiempo cero y el tiempo que tardaría en llegar, el TPH, a la
mitad de la concentración inicial que como estamos hablando de un proceso de
biodegradación lo denominaremos tiempo de semibiodegradación. A la ecuación 3.1 se la
puede expresar en función del tiempo de la siguiente forma:
( )
( )
[ ]
En la Tabla 3.1 se puede observar un resumen de los coeficientes para cada uno de los casos
que se han incluido durante toda la experiencia.
PARCELAS
SUELO 1
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 323,90 302,68
TRATAMIENTO
FF 202,08 266,60
FF/S 224,32 253,90
14869 25949
FL 174,60 183,86
FL/S 165,82 139,75
S 256,72 309,44
SUELO 2
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 229,52 218,66
TRATAMIENTO
FF 239,84 334,85
FF/S 285,25 334,85
14869 25949
FL 143,81 150,03
FL/S 161,57 136,45
S 252,97 304,01
MICROCOSMOS
SUELO 1
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 153,35 148,43
TRATAMIENTO
FF 131,03 155,07
FF/S 116,69 124,22
14869 25949
FL 139,47 145,31
FL/S 136,72 118,49
S 137,80 151,34
SUELO 2
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 128,12 124,89
TRATAMIENTO
FF 145,62 175,93
FF/S 131,28 140,88
14869 25949
FL 119,10 123,34
FL/S 133,81 116,11
S 136,72 150,03
3.1.3 Observaciones
Parcelas
o (Para 10000 ppm) C < S < FF/S < FF < FL < FL/S
o (Para 10000 ppm) FF/S < S < FF < C < FL/S < FL
Microcosmos
o (Para 10000 ppm) FF < S< FL/S < FF/S < C < FL
Por otro lado, si sólo estudiamos las parcelas con concentraciones teóricas iniciales de
20000 ppm es menos eficaz el tratamiento “FF” y más eficaz el “FL/S”, [si nos fijamos
en las comparaciones que hicimos anteriormente siempre el tratamiento “FL/S” es el
que presenta el valor más negativo comparado con el resto de tratamientos, mientras
que sucede lo contrario con el tratamiento “FF” donde este tiene el valor menos
negativo].
En las figuras 4.1 y 4.2 podemos observar los resultados obtenidos de la modelización para
parcelas y microcosmos respectivamente donde podemos ver claramente que los tratamientos
que mejor funcionan son el FL y FL/S y corroborar lo dicho en los párrafos anteriores.
Suelo 1 Suelo 2
15000
Tratamiento
10000 C
TPH [ppm]
FF
FF/S
FL
FL/S
5000 S
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
25000
20000 Tratamiento
C
TPH [ppm]
FF
15000
FF/S
FL
10000 FL/S
S
5000
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
Suelo 1 Suelo 2
15000
Tratamiento
10000 C
TPH [ppm]
FF
FF/S
FL
FL/S
5000 S
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
25000
20000 Tratamiento
C
TPH [ppm]
FF
15000
FF/S
FL
10000 FL/S
S
5000
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
3.1.4 Conclusiones
Las conclusiones que podemos obtener de esta modelización viendo las tablas 3.1 y 3.2 son las
siguientes:
Los TPH con concentraciones teóricas iniciales de 20000 ppm son mayores que los de
10000 ppm, decir esto puede parecer superfluo, pero lo que en realidad interesa es
saber si los niveles del resto de factores son diferentes, entre sí, cuando se compara
estos dos niveles, es decir, si hay una diferencia en la intensidad con la que disminuyen
las concentraciones de hidrocarburos conforme transcurre el proceso.
En general, los tratamientos FL y FL/S hacen que los TPHs disminuyan mucho más
rápido comparados con el resto de tratamientos. Esto puede deberse a que, el
contenido de limos y arcillas (partículas mas finas) de los suelos lo podemos considerar
alto del 50%, en los dos suelos (Amellal, et al., 2001; Bundy, et al., 2001) para realizar
un proceso de biorremediación y a que las propiedades del fertilizante de liberación
lenta (ver apartado 2.3) que libera los nutrientes, nitrógeno y fósforo, poco a poco
hace que haya una buena disponibilidad de los mismos, así como también permite que
haya la suficiente agua y oxígeno necesarios para que las bacterias metabolicen el
hiddrocarburo.
3.2 Modelo matemático del TPH en función del tiempo (no forzado)
predice el modelo si no se le fuerza a que esto ocurra. El interés radica en que si se fuerza al
modelo a que todo salga de un mismo valor inicial, el ajuste que hará el modelo va a ser peor
que el que hace si se le deja libre. No obstante hay que tener siempre en cuenta que las
diferencias que prediga ahora el modelo respecto a los valores iniciales de TPH se deben
únicamente a que, con los datos que se suministran al modelo, él es incapaz de detectar que
todos los tratamientos parten de un mismo valor inicial y lo que hace es ajustarlos en función
de la tendencia que siguen a lo largo del tiempo (dado que tiene muchos más valores de TPH
que están más o menos estabilizados en el tiempo, no es capaz de caracterizar
adecuadamente el brusco descenso de TPH en la etapa inicial debido a que hay pocos datos en
esta etapa). De esta manera, lo que hará será bajar los valores iniciales de TPH de aquellos
tratamientos que van más rápido al inicio en la degradación (FL y FL/S y de microcosmos
respecto a parcelas). Para obtener un modelo que predijera mejor esta primera etapa hubiera
sido necesario hacer más muestreos en esta etapa de descenso brusco de TPHs.
Al igual que en el modelo anterior, apartado 3.1, también se introdujeron como variables tanto
la temperatura ambiental como la humedad del proceso, ninguna de estas dos variables
presentaron una respuesta significativa frente a la concentración de TPH con lo que por esta
razón se decidió no tomarlas en cuenta en el modelo de evolución temporal.
Que al igual que en el apartado anterior es la ecuación de cinética d eprimer orden que se
puede expresar como:
Ecuación 3.4
( )
( )
[ ]
El resultado resumido de los coeficientes k1 y k2 para todos los casos estudiados, cuya
obtención se detalla en el anexo 3 (correspondiente para este modelo), mientras que los
valores de TPH0 y t1/2 se los puede observar en la Tabla 3.2
3.2.3 Observaciones
PARCELAS
SUELO 1
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 17747,50 261,56 25951,90 263,55
TRATAMIENTO
SUELO 2
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 14530,42 206,91 28424,31 208,78
TRATAMIENTO
FF 18287,99 183,37 31225,80 231,82
FF/S 19811,15 178,19 35739,08 192,54
FL 13160,83 155,76 24514,01 179,57
FL/S 12682,77 186,83 26160,35 137,80
S 17222,98 201,50 30853,33 224,32
MICROCOSMOS
SUELO 1
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 20211,36 134,85 29554,76 135,65
TRATAMIENTO
SUELO 2
CONCENTRACIÓN 10000 ppm (teóricos) 20000 ppm (teóricos)
COEFICIENTES TPH0[ppm] t1/2[días] TPH0[ppm] t1/2[días]
C 16547,66 118,89 26476,16 174,16
TRATAMIENTO
- Suelo 2, 20.000 ppm, parcelas: FF ≈ S < C < FF/S < FL < FL/S
- Suelo 2, 20.000 ppm, microcosmos: FF ≈ S < C < FF/S < FL < FL/S
Se observa que el orden es el mismo para todos los casos excepto el del suelo
2 a 20.000 ppm tanto para las parcelas como para los microcosmos. En
principio, la tendencia general (excepto en este caso) es que el tratamiento
que mejor funciona con diferencia es el FL, no necesitando, en principio ningún
surfactante que mejore la biodisponibilidad de los hidrocarburos. El resto de
los tratamientos daría resultados similares, a excepción del surfactante que
daría resultados muy similares a los de control y, por lo tanto, por sí solo no
Suelo 1 Suelo 2
20000
15000 Tratamiento
C
TPH [ppm]
FF
FF/S
10000
FL
FL/S
S
5000
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
35000
30000
25000 Tratamiento
C
TPH [ppm]
20000 FF
FF/S
FL
15000
FL/S
S
10000
5000
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
Suelo 1 Suelo 2
20000
15000 Tratamiento
C
TPH [ppm]
FF
FF/S
10000
FL
FL/S
S
5000
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
35000
30000
25000 Tratamiento
C
TPH [ppm]
20000 FF
FF/S
FL
15000
FL/S
S
10000
5000
0 50 100 150 200 250 300 0 50 100 150 200 250 300
Tiempo [dias]
3.2.4 Conclusiones
Con respecto a los valores iniciales, podemos decir que en microcosmos, en todos los
tratamientos, los valores son similares, en cambio, en las parcelas se nota una mayor
diferencia entre los tratamientos.
En las parcelas, los tratamientos que tienen los valores iniciales más bajos son FL y
FL/S, o lo que es lo mismo, que con estos tratamientos, al comienzo del experimento
descendieron, se degradaron, más rápidamente frente al resto de tratamientos.
Debido a los bajos valores iniciales que, en general, se presentan en el suelo 2, parece
que este suelo tiene una mayor actividad degradadora de TPHs inicialmente.
El tratamiento que más rápido hace disminuir los TPHs es el tratamiento FL, en todos
los casos, a excepción de las parcelas y microcosmos del suelo 2 de 20000 ppm donde
el mejor tratamiento es el FL/S. Esto se puede deber a que en el suelo 2 haya un
mayor contenido arcilloso o de materia orgánica que haga que el hidrocarburo se
quede más adherido a los sólidos y menos biodisponible; con lo que el surfactante
ayudaría a aumentar la biodisponibilidad.
En el caso del suelo 2, tanto en parcelas como en microcosmos, los tratamientos que
mejor funcionan para concentraciones iniciales de TPHs menores es el FL y para
concentraciones iniciales mayores es el FL/S (independientemente del tiempo).
En el caso del suelo 1, a corto plazo, parece que el tratamiento que mejor funciona en
las parcelas es el FL/S (independientemente de la concentración inicial) y, en los
microcosmos el FF/S y el FF para 10.000 ppm y el FL/S y FF/S para 20.000 ppm. Parece
que en este suelo llegan a ser más eficientes en un primer momento los fertilizantes
oleofílicos, aunque para 20.000 ppm se prefieren los nutrientes que lleven
surfactantes. La razón de esta diferencia en el caso de este suelo con las parcelas
puede deberse a que la adición del fertilizante oleofílico se hizo de forma mejor y más
controlada en los microcosmos que en las parcelas.
En general, en el caso del suelo 1 se observa una mayor eficacia de los fertilizantes
oleofílicos que en el caso del suelo 2, siendo más notable en los microcosmos y no
llegando a superar nunca al fertilizante de liberación lenta a largo plazo.
que esos tratamientos van mejor en un primer momento en el suelo 1 para, luego, ir
perdiendo eficiencia. Por otro lado, el modelo no forzado indica que en el caso de
microcosmos de 20000, en el suelo 2 la biodegradación fue más lenta que en el suelo
1. Parece que, aunque en microcosmos de 20.000 el suelo 2 arranca más rápido que el
1, luego parece que la degradación va siendo más lenta en el tiempo (diferencia que
no se observa para las concentraciones de 10.000, ni en las parcelas de 20.000, en las
que el suelo 2 siempre es más rápido que el 1).
3.4 Modelo matemático del TPH en función del tiempo y las variables
de tipo biológico (no forzado)
Las variables utilizadas para la realización de este modelo son todas las variables controladas y
las variables no controladas de tipo biológico (que van a ser las variables independientes), es
decir, las bacterias heterótrofas (BH), las bacterias degradadoras (BD), la actividad
deshidrogenasa (AD), el dióxido de carbono (CO2), y nuevamente la variable no controlada TPH
(que va a ser la variable dependiente). Con este modelo lo que pretendemos es observar cómo
el TPH evoluciona en función del tiempo, cómo influyen las variables controladas en dicha
evolución y determinar que variable(s) biológica(s) es mas indicativa de la disminución (por
biodegradación) del TPH.
Una vez introducidas todas las variables antes descritas (con todas las interacciones posibles)
se realiza la evaluación de la función matemática que mejor se ajusta, el resultado de esta
evaluación, nuevamente, es una función logarítmica. Lo que debemos recalcar es que las
bacterias heterótrofas y las bacterias degradadoras están fuertemente correlacionadas y es
prácticamente indiferente, en cuanto a la bondad del ajuste, el que se incluya una u otra en la
elaboración del modelo.
En la Tabla 1.1Tabla 3.3 se puede observar los coeficientes correspondientes para cada uno de
los casos estudiados y que más adelante se realizarán las respectivas observaciones.
3.4.3 Observaciones
El valor del coeficiente k1 se ve influenciado por las variables concentración “con”, tipo
de suelo “ts” y parcelas o microcosmos “np”. Lo que también nos podemos dar cuenta
es que el valor de k1 no se ve modificado cuando cambiamos de tratamiento en cada
uno de los niveles de estas variables. (Se recalca una vez más que este modelo se ha
dejado libre para k1 por lo que podría variar este valor para los distintos tratamientos,
pero es el mismo modelo el que indica que este k1 es independiente del tratamiento,
tal vez porque el efecto de los tratamientos es sobre las bacterias y, por lo mismo, su
efecto aparece en el modelo en k3). Por ejemplo, el valor de k1 para parcelas con
concentraciones teóricas iniciales de 10000 ppm en el suelo 1 es de 10 para todos los
tratamientos. Si analizamos cada uno de los casos se puede ver que:
PARCELAS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K4 K1 K2 K3 K4
C -4.97E-03 -4.23E-02 -4.79E-03 -4.23E-02
TRATAMIENTO
SUELO 2
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K4 K1 K2 K3 K4
C -5.10E-03 -1.15E-01 -4.92E-03 -1.15E-01
TRATAMIENTO
MICROCOSMOS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K4 K1 K2 K3 K4
C -7.34E-03 -4.23E-02 -7.16E-03 -4.23E-02
TRATAMIENTO
SUELO 2
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K4 K1 K2 K3 K4
C -7.47E-03 -1.15E-01 -5.25E-03 -1.15E-01
TRATAMIENTO
o De forma general, los valores de k1 para las parcelas y microcosmos del suelo
2 son mayores comparados con las parcelas y microcosmos del suelo 1. Al
decir esto podríamos contradecirnos con las conclusiones del capítulo
anterior, pero eso debe entenderse como que a tiempo=0 no hay bacterias en
el sistema y que en cuanto entran las bacterias, el efecto es mucho mayor,
haciendo descender, en ese momento, más rápidamente el TPH en el suelo 2;
por lo tanto en este modelo el efecto de las bacterias queda más evidente.
Vale recalcar que esta diferencia (entre los suelos) es menor cuando estamos
en microcosmos.
o De forma general, es decir, para todos los casos estudiados este coeficiente es
negativo (lo que es lógico de suponer). Por lo tanto, mientras aumenta el
tiempo el valor de las concentraciones de TPH disminuyen.
o Si nos fijamos solamente en las parcelas, en el suelo 2 los TPHs disminuyen con
mayor intensidad que en el suelo 1 tanto para concentraciones teóricas
iniciales de 10000 ppm como de 20000 ppm. Siendo con diferencia el
tratamiento FL, en el suelo 2, el que más hace disminuir los TPHs.
o De forma general, a igual número de bacterias, las bacterias del suelo 2 hacen
que haya una mayor disminución del TPH que las del suelo 1 (valores más
negativos en este tipo de suelo comparado con el suelo 1). Además, si sólo nos
fijamos en el suelo 2, podemos ver que los tratamientos que mejor van son el
“FL/S”, “FL” y “C” (ordenados de mayor a menor disminución; ver Tabla 3.3).
Si nos fijamos en el coeficiente k4 nos podemos dar cuenta que es constante para todos
los casos estudiados (no hubo mas interacciones significativas con las variables
- Suelo 1, 20.000 ppm, parcelas: FF < S < FF/S < FL < C < FL/S
- Suelo 2, 20.000 ppm, parcelas: FF < S < C < FF/S < FL/S < FL
- Suelo 1, 10.000 ppm, microcosmos: FL/S < FL < FF < S < C < FF/S
- Suelo 2, 10.000 ppm, microcosmos: FL/S < FL < S < C < FF < FF/S
En las figuras 4.5 y 4.6 podemos observar los resultados obtenidos de la modelización para
parcelas y microcosmos respectivamente donde podemos ver claramente que los tratamientos
que mejor funcionan son el FL y FL/S y corroborar lo dicho en los párrafos anteriores.
TPH PARCELAS SUELO 1 10000 PPM TPH PARCELAS SUELO 2 10000 PPM
20000
20000
C C
FF FF
FF/S FF/S
15000
15000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
10000
10000
5000
5000
0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
TIEMPO TIEMPO
TPH PARCELAS SUELO 1 20000 PPM TPH PARCELAS SUELO 2 20000 PPM
40000
40000
C C
FF FF
FF/S FF/S
30000
30000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
20000
20000
10000
10000
0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
TIEMPO TIEMPO
TPH MICROCOSMOS SUELO 1 10000 PPM TPH MICROCOSMOS SUELO 2 10000 PPM
20000
20000
C C
FF FF
FF/S FF/S
15000
15000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
10000
10000
5000
5000
0
0
0 50 100 150 200 250 0 50 100 150 200 250
TIEMPO TIEMPO
TPH MICROCOSMOS SUELO 1 20000 PPM TPH MICROCOSMOS SUELO 2 20000 PPM
40000
40000
C C
FF FF
FF/S FF/S
30000
30000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
20000
20000
10000
10000
0
TIEMPO TIEMPO
3.4.4 Conclusiones
3.5 Modelo matemático del TPH en función del tiempo y las variables
de tipo biológico (forzado)
ocurrió en la realidad. Para obtener un modelo que predijera mejor esta primera etapa sería
necesario hacer más muestreos en esta etapa de descenso brusco de TPHs.
Las variables utilizadas para la realización de este modelo son todas las variables controladas y
la variables no controlada de tipo biológico (BD, bacterias degradadoras como variable
independiente) y nuevamente la variable no controlada TPH (que va a ser la variable
dependiente). Con este modelo lo que pretendemos es observar cómo el TPH evoluciona en
función del tiempo, cómo influyen las variables controladas en dicha evolución, forzando para
que todos los tratamientos salgan desde un mismo punto.
Ecuación 3.6
El valor de los coeficientes, para todos los casos estudiados, se resume en la , que se muestra a
continuación
3.5.3 Observaciones
20.000 ppm. Lo cual es lógico dado que hemos forzado al modelo a que cumpla este
requisito.
o Lo primero que llama la atención en k2 es que justo para los tratamientos FF y FF/S
y en el caso de parcelas, el coeficiente es positivo; es decir, que hace aumentar el
valor del TPH. Esto se pone aquí a modo de curiosidad dado que en algún
momento parecía que aumentaban los TPHs justo con estos tratamientos y se
pensó (aunque luego se descartó) si podía ser debido a que llevaran algún
hidrocarburo fácilmente biodisponible para estimular a las bacterias. Esto no
ocurre en el caso de los microcosmos, quizá porque la adición del FF se hizo mejor
que en las parcelas y funcionó mejor que en las mismas.
o Otra observación que se puede hacer es ver la influencia del número de bacterias
en los distintos tratamientos en función del tiempo. Como el logaritmo del
recuento de bacterias degradadoras oscila entre 5 y 10, se puede observar cómo
influye el número de bacterias en la degradación final en cada uno de los
tratamientos. Dado que la fórmula es:
PARCELAS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -5.12E-03 3.73E-04 -5.05E-03 3.73E-04
TRATAMIENTO
SUELO 2
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -5.95E-03 3.73E-04 -5.89E-03 3.73E-04
TRATAMIENTO
MICROCOSMOS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -2.08E-03 -2.10E-04 -2.01E-03 -2.10E-04
TRATAMIENTO
SUELO 2
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -2.91E-03 -2.10E-04 -2.85E-03 -2.10E-04
TRATAMIENTO
Ecuación 3.7
( ) ( )
Se puede calcular el valor de (k2+ k3*BD) y ver cómo varía entre los distintos
tratamientos para ver cuáles de ellos hacen disminuir más rápidamente el TPH
(ver ). En la tabla se ha calculado este valor para un valor de logaritmo de
bacterias de degradadoras de 5 (que se ha supuesto mínimo) y de 10 (que se ha
supuesto máximo). Al mismo tiempo se ha restado el término calculado con
menor número de bacterias (k2+5k3) al de mayor número (k2+10k3) resultando la
columna 5k3 de la tabla 3.9 ((k2+10k3)- (k2+5k3)=5k3) para ver si la variación de
bacterias influía mucho en la disminución de TPH a lo largo del tiempo para cada
uno de los tratamientos (Sería una forma de hacer un análisis de sensibilidad del
modelo frente a BD). Lo que se observa es que en todas las parcelas tanto del
suelo 1 como del 2, tanto de 10.000 como de 20.000 ppm, el término 5k3 es
independiente del tipo de suelo y de la concentración inicial; sólo varía con el
tratamiento y con si es parcela o microcosmos. Lo mismo ocurre para el caso de
microcosmos de suelo 1 y 2, de 10.000 y de 20.000 ppm. A continuación se
Tabla 3.4 vamos a ver a continuación los tratamientos que al aumentar el número
de bacterias harían aumentar los TPHs a medida que pasa el tiempo. En el caso de
las parcelas, esto ocurriría para los tratamientos C y, en menor medida FL. En el
caso de los microcosmos, esto ocurriría para los tratamientos FL < S ≈ FL/S < FF/S <
FF.
Tabla 3.5. Comparación de la suma de los coeficientes (K2 + BD * K3) en función del número de bacterias
degradadoras (BD=5 y BD=10)
PARCELAS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K2+5k3 K2+10k3 5k3 K2+5k3 K2+10k3 5k3
C -3.25E-03 -1.39E-03 1.87E-03 -3.19E-03 -1.32E-03 1.87E-03
TRATAMIENTO
SUELO 2
TRATAMIENTO
FF -5.29E-04 -3.88E-03 -3.35E-03 7.60E-04 -2.59E-03 -3.35E-03
FF/S -6.19E-04 -3.38E-03 -2.76E-03 3.33E-04 -2.43E-03 -2.76E-03
FL -4.55E-03 -4.55E-03 5.50E-06 -4.11E-03 -4.10E-03 5.50E-06
FL/S -3.68E-03 -4.31E-03 -6.26E-04 -4.25E-03 -4.87E-03 -6.27E-04
S -1.95E-03 -2.80E-03 -8.52E-04 -1.12E-03 -1.97E-03 -8.52E-04
MICROCOSMOS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K2+5k3 K2+10k3 5k3 K2+5k3 K2+10k3 5k3
C -3.13E-03 -4.18E-03 -1.05E-03 -3.06E-03 -4.11E-03 -1.05E-03
TRATAMIENTO
SUELO 2
CONC. 10000 ppm 20000 ppm
COEF. K2+5k3 K2+10k3 5k3 K2+5k3 K2+10k3 5k3
C -3.96E-03 -5.01E-03 -1.05E-03 -3.90E-03 -4.95E-03 -1.05E-03
TRATAMIENTO
En el caso de las parcelas: Los TPHs varían más justo al principio del tratamiento (entre la
campaña 1 y 2) que es cuando más rápido aumentan las bacterias degradadoras. Los
tratamientos FL y FL/S son los que mejor van en este período (alcanzan antes el máximo
número de bacterias degradadoras para luego disminuir ligeramente y estabilizarse, de ahí que
la diferencia del número de bacterias degradadoras en cuanto a la degradación de los TPHs en
el tiempo sea mínima; porque se estabilizan enseguida ambos parámetros). A lo largo de la
evolución de los tratamientos en el tiempo cobran más importancia los FF y FF/S dado que 5k 3
es mayor (hay mayor disminución de TPHs a medida que aumenta el número de bacterias
degradadoras – ambos parámetros tardan más en estabilizarse y, se ve mejor su influencia
relativa. Al tardar más tiempo en alcanzarse el máximo de bacterias degradadoras en el caso
de los tratamientos FF y FF/S llegará un momento que empiezan a degradar más rápidamente
los TPHs que en el caso de los tratamientos FL y FL/S.
TPH PARCELAS SUELO 1 10000 PPM TPH PARCELAS SUELO 2 10000 PPM
20000
20000
C C
FF FF
FF/S FF/S
15000
15000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
10000
10000
5000
5000
0
0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
TIEMPO TIEMPO
TPH PARCELAS SUELO 1 20000 PPM TPH PARCELAS SUELO 2 20000 PPM
40000
40000
C C
FF FF
FF/S FF/S
30000
30000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
20000
20000
10000
10000
0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
TIEMPO TIEMPO
La conclusión de todo lo anterior es que justo en aquellos casos en los que el tratamiento ha ido
mejor y más rápido al inicio del experimento, cuando se fuerza a que todos partan de un mismo
punto, se llega a conclusiones erróneas en la parte del experimento que va más lento (casi
constante). Por lo tanto, en este caso el modelo a utilizar es claramente el anterior, en el que se
deja libre el TPH inicial.
En las figuras 3.7 y 3.8 podemos observar los resultados obtenidos de la modelización para
parcelas y microcosmos respectivamente donde podemos ver claramente que los tratamientos
que mejor funcionan son el FL y FL/S y corroborar lo dicho en los párrafos anteriores.
TPH MICROCOSMOS SUELO 1 10000 PPM TPH MICROCOSMOS SUELO 2 10000 PPM
20000
20000
C C
FF FF
FF/S FF/S
15000
15000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
10000
10000
5000
5000
0
0
0 50 100 150 200 250 0 50 100 150 200 250
TIEMPO TIEMPO
TPH MICROCOSMOS SUELO 1 20000 PPM TPH MICROCOSMOS SUELO 2 20000 PPM
40000
40000
C C
FF FF
FF/S FF/S
30000
30000
FL FL
FL/S FL/S
S S
TPH CON BD
TPH CON BD
20000
20000
10000
10000
0
TIEMPO TIEMPO
En el caso tanto del suelo 1 como del 2, tanto en parcelas como en microcosmos, los
tratamientos que mejor favorecen la biodegradación inicial para concentraciones
iniciales de TPHs de 10.000 ppm son el FL y el FL/S.
3.7 Modelo matemático del TPH en función del tiempo y las variables
de tipo químico (forzado)
Las variables utilizadas para la realización de este modelo son todas las variables controladas y
las variables no controladas de tipo químico (que van a ser las variables independientes), es
decir, el índice octadecano/fitano (C18.F), el índice hexadecano/nor-pristano (C16.NP), la
relación picos/áreas (P.A), y nuevamente la variable no controlada TPH (que va a ser la variable
dependiente). Con este modelo lo que pretendemos es observar cómo el TPH evoluciona en
función del tiempo, cómo influyen las variables controladas en dicha evolución y determinar
qué variable(s) química(s) es más indicativa de la disminución (por biodegradación) del TPH.
Para los índices químicos, el valor inicial (a t=0) que se ha tomado es el valor máximo de dicho
índice en la primera campaña. No se ha escogido el del producto inicial porque puede variar
A la hora de ver la dependencia del TPH con los índices, se observó que el índice que mejor se
ajusta a los TPHs es el de picos/áreas, dado que es el que mayores variaciones ha tenido a lo
largo de toda la experiencia. Sin embargo, no se puede olvidar que este índice está
influenciado tanto por procesos biológicos como abióticos. El grado de ajuste de los modelos
cuando se elige un índice u otro para explicar la evolución del TPH en el tiempo es muy similar;
por lo tanto se podría escoger cualquiera de ellos para estudiar cómo varían cada uno de los
índices a medida que se va degradando el TPH.
El índice que se ha escogido para hacer un estudio detallado es el del octadecano/fitano (C18.F)
dado que es el índice más utilizado en este tipo de estudios y, a la hora de hacer el modelo,
permite un mejor ajuste que el hexadecano/nor-pristano (el índice P/A es mucho menos
utilizado y ya ha quedado dicho que el modelo es prácticamente similar al C18/F).
Como se ha visto a lo largo de la experiencia este índice ha variado poco por lo que el modelo
va a encontrar pocas diferencias significativas; no obstante, dada la amplia utilización de este
índice a la hora de hacer el seguimiento de biodegradación en la bibliografía, se considera
interesante extraer el máximo de información posible basándonos en él.
Antes de comenzar, conviene aclarar que el modelo solamente será válido mientras que el
índice C18.F no llegue a cero, además y lógicamente, sabemos que para valores de dicho índice
igual a cero puede seguir habiendo disminución de TPHs pero, el modelo es incapaz de saberlo.
Al realizar el modelo no forzado, se puede observar (ver tabla 3.10 en anexo 3) que este
modelo utiliza casi todas las interacciones entre las distintas variables para poder explicar la
evolución del TPH y, dado que pocas de estas interacciones tienen una diferencia significativa;
no es un modelo que explique de forma adecuada lo que está ocurriendo realmente. Además,
se puede observar que los términos que no dependen del tiempo no presentan ninguna
diferencia significativa para ninguno de los casos ni tratamientos de los que consta la
experiencia, parece ser que lo que nos está indicando el modelo es que todos los valores
iniciales de TPH no van a ser significativamente diferentes a tiempo cero. Igual, al tener en
cuenta tantas variables que influyen un poco, al final no hay ninguna variable que influya de
forma significativa para el modelo; aunque la lógica nos dice que esto no es así porque, al
menos, debería haber una diferencia significativa entre las de 10.000 y 20.000 ppm (que
Este modelo también dio como resultado una función logarítmica, es decir, , el ajuste del
logaritmo de TPH es función del tiempo de extracción (Tex), del índice octadecano/fitano
(C18.F), de la concentración (con), del tipo de suelo (ts), del tratamiento (trat), de la variable
que indica parcelas o microcosmos (np) y de la interacción de cada una de las variables
discretas con el tiempo de extracción y el índice octadecano/fitano.(variables continuas).
Una explicación detallada de cómo se han obtenido los coeficientes de la expresión, que se
muestra a continuación se la puede ver en el anexo 3. Con esta ecuación se podría predecir el
comportamiento de los TPHs a lo largo del tiempo y de la variación del índice c18.f para cada
uno de los casos que hemos estudiado. La ecuación está regida por la siguiente expresión:
TPH e k1 k2 t k3 tc18 f
Los valores de los coeficientes para cada un de los casos estudiados se puede observar en la
Tabla 3.6.
PARCELAS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -1.23E-03 -4.21E-04 5.54E-03 -5.73E-03
TRATAMIENTO
SUELO 2
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -3.34E-03 -4.21E-04 3.43E-03 -5.73E-03
TRATAMIENTO
MICROCOSMOS
SUELO 1
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -3.86E-03 -4.21E-04 1.84E-03 -5.73E-03
TRATAMIENTO
SUELO 2
CONC. 10000 ppm 20000 ppm
COEF. K1 K2 K3 K1 K2 K3
C -3.91E-03 -4.21E-04 9.46E-04 -5.73E-03
TRATAMIENTO
3.7.3 Observaciones
Hay que tener en cuenta a la hora de observar estas conclusiones que estamos trabajando con
el modelo forzado, por lo tanto lo que más influye en las mismas es el comportamiento que
tuvo el sistema al principio de la experiencia.
En las figuras 3.9 y 3.10 podemos observar los resultados obtenidos de la modelización para
parcelas y microcosmos respectivamente donde podemos ver claramente que los tratamientos
que mejor funcionan son el FL y FL/S y corroborar lo dicho en los párrafos anteriores.
TPH PARCELAS SUELO 1 10000 PPM TPH PARCELAS SUELO 2 10000 PPM
20000
20000
C C
FF FF
FF/S FF/S
15000
15000
FL FL
FL/S FL/S
S S
TPH y C18/F
TPH y C18/F
10000
10000
5000
5000
0
0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
TIEMPO TIEMPO
TPH PARCELAS SUELO 1 20000 PPM TPH PARCELAS SUELO 2 20000 PPM
40000
40000
C C
FF FF
FF/S FF/S
30000
30000
FL FL
FL/S FL/S
S S
TPH y C18/F
TPH y C18/F
20000
20000
10000
10000
0
0 50 100 150 200 250 300 0 50 100 150 200 250 300
TIEMPO TIEMPO
TPH MICROCOSMOS SUELO 1 10000 PPM TPH MICROCOSMOS SUELO 2 10000 PPM
20000
20000
C C
FF FF
FF/S FF/S
15000
15000
FL FL
FL/S FL/S
S S
TPH y C18/F
TPH y C18/F
10000
10000
5000
5000
0
TIEMPO TIEMPO
TPH MICROCOSMOS SUELO 1 20000 PPM TPH MICROCOSMOS SUELO 2 20000 PPM
40000
40000
C C
FF FF
FF/S FF/S
30000
30000
FL FL
FL/S FL/S
S S
TPH y C18/F
TPH y C18/F
20000
20000
10000
10000
0
TIEMPO TIEMPO
Un resumen de los iones que se han extraído se puede ver en la Tabla 3.7.
Una vez determinadas las áreas totales de los iones 57 (alcanos), 183 (isoprenoides), 83
(cicloalcanos) y las áreas de los picos de los diferentes compuestos (aromáticos), para parcelas
con concentraciones teóricas iniciales de 20000ppm (en las que se observó mayor disminución
de los TPHs), entre la primera y última campaña, para los dos tipos de suelos y para cada
tratamiento que se ha estudiado a lo largo de la experiencia, dividimos cada una de estas áreas
por el área total del cromatograma (TPH) en cada una de estas parcelas, para luego,
multiplicarla por respectiva concentración de TPHs, de esta forma, se tiene una idea de la
cantidad de cada uno de los compuestos tanto al inicio como al final del experimento. Un
resumen del porcentaje residual relativo a la primera campaña, se puede observar en la figura
1, donde se muestra tanto el gráfico de barras como los valores correspondientes a cada uno
de los compuestos de la Tabla 3.7. Además, se puede observar los resultados para los dos
tipos de suelos, donde para dos barras consecutivas, la primera corresponde al suelo 1 y la
segunda al suelo 2, siendo, por lo tanto, para cada compuesto o familia 12 barras (6
Se puede decir que los compuestos que menor porcentaje residual presentan, en
general, son los compuestos más ligeros y los menos metilados.
60%
50%
40%
30%
20%
10%
0%
Tetra metildi dimetil
Metiln Dimeti Trimet Metila dimetil trimeti metilfl dimetil
alcano metiln Antrac fluore benzot dibenz isopre cicloal
aftalen lnaftal ilnaftal ntrace antrac lantrac uoren fluore Otros
s aftalen eno no iofeno otiofe noides canos
os enos enos no eno eno o no
os s nos
C 41% 0% 17% 9% 11% 0% 9% 23% 21% 0% 7% 10% 4% 9% 23% 31% 27%
C 27% 0% 0% 0% 0% 0% 0% 18% 32% 8% 3% 14% 0% 13% 38% 50% 48%
FF 23% 0% 1% 4% 8% 0% 2% 7% 9% 0% 0% 4% 0% 4% 5% 10% 22%
FF 34% 0% 0% 0% 0% 0% 0% 11% 29% 10% 0% 0% 0% 4% 39% 52% 41%
FF/S 15% 0% 0% 7% 12% 0% 6% 16% 29% 0% 0% 10% 0% 6% 31% 40% 19%
FF/S 34% 0% 0% 0% 0% 0% 0% 0% 0% 3% 0% 0% 0% 0% 16% 28% 52%
FL 34% 0% 3% 10% 13% 0% 11% 22% 26% 0% 7% 13% 7% 14% 23% 29% 28%
FL 70% 0% 0% 0% 0% 0% 0% 10% 18% 6% 0% 3% 2% 8% 22% 34% 31%
FL/S 26% 0% 2% 5% 8% 0% 6% 20% 31% 8% 5% 14% 4% 12% 24% 33% 27%
FL/S 22% 0% 0% 0% 2% 0% 3% 3% 10% 0% 0% 0% 0% 3% 19% 27% 25%
S 38% 0% 7% 23% 29% 0% 20% 47% 58% 19% 18% 36% 11% 25% 61% 76% 70%
S 46% 0% 0% 0% 2% 0% 1% 2% 7% 0% 0% 0% 0% 2% 17% 25% 23%
Para poder encontrar, con mayor facilidad, las diferencias en el comportamiento de los
tratamientos en los dos suelos se ha realizado un estudio detallado de la evolución de los
compuestos según los tratamientos y los dos tipos de suelos utilizados, se ha dividido la figura
anterior en dos figuras, una para cada suelo. En la Figura 3.12 podemos observar el gráfico
perteneciente al suelo 1 y en la Figura 3.13 el perteneciente al suelo 2.
SUELO 1
80%
70%
60%
50%
C
40%
FF
30%
20% FF/S
10% FL
0% FL/S
S
Control “C”:
o En el caso de los alcanos su porcentaje residual es el mayor de todos los
tratamientos, por lo tanto el que peor ha funcionado con esta familia.
Surfactante “S”:
o En el caso de los alcanos, el porcentaje residual es ligeramente inferior al de
control. Siendo estos dos tratamientos los que peor han favorecido la
degradación de esta familia.
SUELO 2
80%
70%
60%
50%
C
40%
30% FF
20% FF/S
10% FL
0%
FL/S
S
De la Figura 3.13 se pueden realizar las siguientes observaciones con respecto al desempeño
de cada uno de los tratamientos en el suelo 2:
Control “C” :
o En el caso de los alcanos su porcentaje residual es uno de los menores, siendo
solamente mayor al del tratamiento “FL/S” (tratamiento que más ha
favorecido la degradación en este tipo de suelo).
o En el caso de los compuestos aromáticos, han desaparecido completamente
los tetrametilnaftalenos, los metilantracenos y metildibenzotiofenos. En el
Surfactante “S”:
o En el caso de los alcanos, el porcentaje residual es alto, estando solamente por
debajo del “FL” (tratamiento que peor ha funcionado con esta familia).
40%
C
20%
FF
FF/S
0%
FL
FL/S
-20%
S
-40%
-60%
Todas estas observaciones quedan resumidas en la tabla 2, donde se ha coloreado cada una de
las celdas, tomando en cuenta el valor del porcentaje residual de cada tratamiento y en cada
suelo (para las familias de compuestos incluídas en este estudio), con una escala de colores
que va desde el verde, para los tratamientos en donde existe el menor porcentaje residual de
las diferentes familias, hasta el rojo para los tratamientos con el mayor porcentaje residual.
4 Conclusiones
precios actuales. Los resultados (mejores en general, sobretodo para FF/S) obtenidos
en microcosmos con estos productos indican que parte del problema al margen de
dosis bajas se tuvo que deber a defectos en la aplicación en las parcelas. Auwnue
tampoco se está seguro que la utilización de fertilizante oleofílico sea el mas adecuado
cuando se está utilizando un suelo con porcentaje alto de partículas finas (arcillas), ya
que podría generar, a concentraciones altas, un retardo o poca eficacia de la
biodegradación.
VI. En cuanto a índices de biodegradación el C18/fitano ha mostrado aceptablemente su
utilidad indicando por ejemplo como en el suelo II la biodegradación ha tenido más
peso sobre la bajada de TPH que en el suelo I. No obstante el índice está lastrado por
los siguientes aspectos:
a. La rapidísima degradación inicial de parte de los alcanos lineales que falsea el
resultado siempre que el muestreo y el análisis no sean muy próximos en el
tiempo. Este problema no se daría con un producto menos “fresco” que el
utilizado en este caso.
b. Las dificultades de cálculo (poca resolución del GC-MS, dependencia del
operador que hace los cálculos de áreas, etc.).
c. El fitano indudablemente se degrada también, aunque más lentamente por lo
que el índice siempre minora la amplitud de la biodegradación. Como
alternativa se puede utilizar el C16/nor-pristano que mejora las posibilidades
de cálculo (picos más separados) aunque usa un hidrocarburo más
biodegradable que el fitano como referencia. El índice denominado “picos-
áreas” correlaciona mejor que cualquiera de los anteriores con el TPH aunque
se trata de un índice que valora degradación en general (envejecimiento o
“weathering”) y no puramente biodegradación.
VII. Los microcosmos permiten realizar “ensayos de biotratabilidad” que tienen sentido en
períodos breves; ya que básicamente no hay diferencias grandes entre tratamientos
una vez pasados los primeros meses; es decir que lo observado en los microcosmos en
un lapso breve anticipa a grosso modo lo que ocurre a escala real. Se podría aventurar
de forma aproximada una equivalencia mes/año entre experimentos en microcosmo y
experimentos en parcelas.
VIII. En cuanto a las medidas microbiológicas, parece claro que el mejor parámetro de los
“sencillos” es el recuento de degradadores y como alternativa el de heterótrofos
totales. Del resto de parámetros parece que la evolución de un dato de actividad
biológica es imprescindible para saber “cómo de vivo está el suelo”, sugiriéndose que
este parámetro sea la actividad deshidrogenasa, que pese a ciertas fluctuaciones,
muestra correlación con los momentos de mayor actividad degradadora.
IX. Los análisis de nutrientes deberían utilizarse con más frecuencia de la que se ha
empleado, ya que aportan buena información sobre la utilización de los productos y la
evolución del proceso.
X. Los análisis microbiológicos iniciales (actividad biológica general), los de tipo textural y
los de nutrientes son importantes para predecir el comportamiento posterior del
landfarming, aunque no ha sido posible determinar la importancia relativa de los
mismos.
XI. Salvo que se utilicen extractos orgánicos (no es lo indicado en la normativa), las
características del diesel utilizado en estos suelo implican que incluso en
concentraciones elevadas no haya ecotoxicidad. Cuando los niveles de TPH bajan por
debajo de una 5.000 ppm incluso los extractos orgánicos pueden dejar de ser tóxicos
aunque esto depende ya más del tipo de hidrocarburos o subproductos que resten en
el suelo
5 Bibliografía
Amellal N., Portal J.M. and Berthelin J. Effect of soil structure on the bioavailability of
polycyclic aromatic hydrocarbons within aggregates of a contaminated soil [Journal] // Applied
Geochemistry. - 2001. - Vol. 16. - pp. 1611 - 1619.
Baek [et al.] “Effects of Soil types on the Biodegradation of Crude Oil by Nocardia sp. H17-1
[Journal] // Journal of Microbiology and Biotechnology. - 2004. - 5 : Vol. 14. - pp. 901-905.
Bento Fatima M. [et al.] Comparative bioremediation of soils contaminated with diesel oil by
natural attenuation, biostimulation and bioaugmentation [Journal] // Bioresource
Technology. - 2005. - 96. - pp. 1049–105.
Borden Robert C., Gomez Carlos A. and Becker Mark T. Geochemical Indicator of Intrinsic
Biorremediation [Journal] // Ground Water. - 1995. - 2 : Vol. 33. - pp. 180-189.
Boukir A. [et al.] Subfractionation, characterization and photooxidation of crude oil resins
[Journal] // Chemosphere. - [s.l.] : Elsevier, 2001. - 3 : Vol. 43. - pp. 279-286.
Bronick C.J. and Lal R. Soil Structure and mangment: a review [Journal] // Geoderma. - 2005. -
Vol. 124. - pp. 3-22.
Bundy J.G., Paton G.I. and Campbell C.D. Microbial communities en different soil tupes do not
converge after diesel contamination [Journal] // Journal of Applied Microbiology. - 2001. - Vol.
92. - pp. 276-288.
Chin Yu-Ping [et al.] Estimating soil/sediment partition coefficients for organic compounds by
high performance reverse phase liquid chromatography [Journal] // Water Research. - 1988. -
7 : Vol. 22. - pp. 873-881.
De Jonge H. [et al.] Relation between bioavailability and fuel oil hydrocarbon composition in
contaminated soils [Journal]. - 1997. - 3 : Vol. 31. - pp. 771-775.
Del'Arco J.P. and de FranÇa F.P. Influence of oil contamination levels on hydrocarbon
biodegradation in sandy sediment [Journal] // Environmental pollution. - 2001. - Vol. 110. - pp.
515-519.
Delille Daniel, Pelletier Emilien and Coulon Frederic The influence of temperature on bacterial
assemblages durin biorremediation of a diesel fuel contaminated subAntartic soil [Journal] //
Cold Regions Science and Technology. - 2007. - 2 : Vol. 48. - pp. 74-83.
EPA 3540C Method Shoxlet Extraction SW-846 Test Methods [En línea] // www.epa.gov. -
Diciembre de 1996. - 3. - Enero de 2006. -
http://www.epa.gov/epawaste/hazard/testmethods/sw846/pdfs/3540c.pdf.
Fernández-Varela R. [et al.] Monitoring photooxidation of the Prestige’s oil spill by attenuated
total reflectance infrared spectroscopy [Journal] // Talanta. - [s.l.] : Elsevier, 2006. - Vol. 69. -
pp. 409-417.
Gallego José L.R. [et al.] Bioremediation of diesel-contaminated soils: Evaluation of potential
in situ techniques by study of bacterial degradation [Journal] // Biodegradation. - 2001. - Vol.
12. - pp. 325-335.
Gy P. M. The sampling of broken ores: A review of principie and practice, Geological Mining
and Metallurgical Sampling, Transactions, Section [Journal] // Apply Earth Sciences, Institution
of Mining and Metallurgy. - 1974. - pp. 194-205.
Harms H. and Bosma T. M. P. Mass transfer limitation of microbial growth and pollutant
[Journal] // Journal of Industrial Microbiology & Biotechnology. - 1997. - pp. 97-105.
Hui Li [et al.] Dynamic changes in microbial activity and community structure during
biodegradation of petroleum compounds: A laboratory experiment [Journal] // Journal of
Environmental Sciences. - 2007. - Vol. 19. - pp. 1003-1013.
Kyung-Hee Shin and Kyoung-Woong Kim A biosurfactant-enhanced soil flushing for the
removal of phenanthrene and diesel in sand [Journal] // Environmental Geochemistry and
Health. - 2004. - Vol. 26. - pp. 5-11.
Lacotte D.J. [et al.] Arabian Light 150 Asphaltene Biottransformation with N-alkanes as Co-
subsutrate [Journal] // Chemosphere. - 1996. - 9 : Vol. 32. - pp. 1755-1761.
Mackay N. and Betts W.B. The fate of chemicals in soil [Book Section] // Biodegradation:
natural and synthetic materials / book auth. Betts W.B.. - London : Springer Verlag, 1991.
Mana Capelli S., Busalmen J.P. and de Sanchez S.R. Hydrocarbon bioremediation of a mineral-
base contaminated waste from crude oil extraction by indigenous bacteria [Journal] //
International Biodeterioration & Biodegradation. - [s.l.] : Elsevier, 2001. - Vol. 47. - pp. 233-
238.
Margesin Rosa, Hammerle Marion and Tscherko Dagmar Microbial Activity and Community
Composition during Bioremediation of Diesel-Oil-Contaminated Soil: Effects of Hydrocarbon
Concentration, Fertilizers,and Incubation Time [Journal] // Microbial Ecology. - 2007. - Vol.
53. - pp. 259-269.
Mohn William W. and R. Stewart Gordon Limiting factors for hydrocarbon biodegradation at
low temperature in Artic soils [Journal] // Soil Biology & Biochemistry. - 2000. - Vol. 32. - pp.
1161-1172.
Nadim Farhad [et al.] Detection and remediation of soil and aquifer systems contaminated
with petroleum products: an overview [Journal] // Journal of Petroleum Science and
Engineering. - [s.l.] : Elsevier, 2000. - Vol. 26. - pp. 169–178.
Pineda-Flores Gabriel [et al.] A microbial consortium isolated from a crude oil sample that
uses asphaltenes as a carbon and energy source [Journal] // Biodegradation. - 2004. - Vol. 15. -
pp. 145-151.
Pinto Mariano Adriano [et al.] Laboratory study on the bioremediation of diesel oil
contaminated soil from a Petrol Station [Journal] // Brazilian Journal of Microbiology. - 2007. -
Vol. 38. - pp. 346-353.
Pollard Simon J.T., Hrudey Steve E. and Fedorack Philip M. Biorremediation of Petroleum and
Creosote-Contaminated soils: A review of Constraints [Journal] // Waste Management and
Research. - 1994. - Vol. 12. - pp. 173-194.
Porta J., López-Acebedo N. and Roquero C. Edafología para la agricultura y el medio ambiente
[Book]. - Madrid : Mundi-Prensa Libros S.A., 2003.
Rahman K.S.M. [et al.] Towards efficient crude oil degradation by a mixed bacterial
consortium [Journal] // Bioresource Technology. - 2002. - Vol. 85. - pp. 257-261.
Riffaldi R. [et al.] Soil Biological Activities In Monitoring The Bioremediation Of Diesel Oil-
Contaminated Soil [Journal] // Water, air and soil pollution. - 2005. - Vol. 170. - pp. 3-15.
Schwarzenbach Rene P., Gschwend Philip M. and Imboden Dieter M. Environmental Organic
Chemistry [Book]. - New Jersey : John Wiley & Sons, 2003.
Sessitsch Angela [et al.] Microbial Population Structures in Soil Particle Size Fractions of a
Long-Term Fertilizer Field Experiment [Journal] // APPLIED AND ENVIRONMENTAL
MICROBIOLOGY. - 2001. - 9 : Vol. 67. - pp. 4215–4224.
Silva Taís F. [et al.] Effect of biodegradation on biomarkers released from asphaltenes
[Journal] // Organic Geochemistry. - 2008. - 8 : Vol. 39. - pp. 1249-1257.
Sing S.K., Srivastava R.K. and John S. Assessment and Remediation of Soils Contaminated with
Gasoline [Journal] // Environmental Geotechnics. - 2006. - pp. 294-301.
Song Hong-Gyu, Wang Xiaoping and Bartha Richard Biorremediation Potencial of Terrestrial
Spills [Journal]. - 1990. - 3 : Vol. 56. - pp. 652-656.
Speight James G. Handbook of Petroleum Analysis [Libro]. - Danvers : John Wiley & sons, 2001.
Stanley Clifford R. Estimating sampling errors for major and trace elements in geological
materials using a propagation of variance approach [Journal] // Geochemistry: Exploration,
Environment, Analysis. - 2003. - 2 : Vol. 3. - pp. 169-178.
Talat Saeed, Huda AI-Hashash and Khalid AI-Matrouk ASSESSMENT OF THE CHANGES IN THE
CHEMICAL COMPOSITION OF THE CRUDE OIL SPILLED IN THE KUWAIT DESERT AFTER
WEATHERING FOR FIVE YEARS [Journal] // Environment International. - 1998. - 1/2 : Vol. 24. -
pp. 141-152.
Thomsen Ingrid K. [et al.] Turnover of organic matter in differently textured soils II. Microbial
activity as influenced by soil water regimes [Journal] // Geoderma. - 1999. - Vol. 89. - pp. 199-
218.
Tremier A. [et al.] A respirometric method for characterising the organic composition and
biodegradation kinetics and the temperature influence on the biodegradation kinetics, for a
mixture of sludge and bulking agent to be co-composted [Journal] // Bioresource Technology. -
2005. - Vol. 96. - pp. 169-180.
Visman J. A general sampling theory [Journal] // Materials Research and Standards. - 1969. -
Vol. 9. - pp. 8-13.
Volkering F., Breure A.M. and Rulkens W.H. Microbiological aspects of surfactant use for
biological soil remediation [Journal] // Biodegradation. - 1998. - Vol. 8. - pp. 401–417.
Vreysen Steven and Maes André Remediation of a Diesel Contaminated, Sandy-Loam Soil
Using Low Concentrated Surfactant Solutions [Journal] // Journal of Soils and Sediments. -
2005. - 4 : Vol. 5. - pp. 240-244.
WANG [et al.] Petroleum Hydrocarbon Degradation Potential of Soil Bacteria Native to the
Yellow River Delta [Journal] // Pedosphere. - 2008. - 6 : Vol. 18. - pp. 707-716.
Wang ZHendi [et al.] Comparision of oil composition changes due to biodegradation physical
weatherin in differrent oils [Journal] // Journal of Chromatography A. - 1998. - Vol. 809. - pp.
89-107.
Wilson A.D The sampling of silicate rock powders for chemical analysis [Journal]. - 1964. - Vol.
89. - pp. 18-30.
Young-Gyun Cho, Sung-Keun Rhee and Sung-Taik Lee Effect of soil moisture on
biorremediation of cholopheno-contaminated soil [Journal] // Biotechnology Letters. - 2000. -
Vol. 22. - pp. 915-919.